Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Trading and non-trading period realized market volatility: Does it matter for forecasting the volatility of US stocks?

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14560%2F20%3A00114078" target="_blank" >RIV/00216224:14560/20:00114078 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.sciencedirect.com/science/article/pii/S0169207019302250" target="_blank" >https://www.sciencedirect.com/science/article/pii/S0169207019302250</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.ijforecast.2019.08.002" target="_blank" >10.1016/j.ijforecast.2019.08.002</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Trading and non-trading period realized market volatility: Does it matter for forecasting the volatility of US stocks?

  • Popis výsledku v původním jazyce

    We study the potential merits of using trading and non-trading period market volatilities to model and forecast the stock volatility over the next one to 22 days. We demonstrate the role of overnight volatility information by estimating heterogeneous autoregressive (HAR) model specifications with and without a trading period market risk factor using ten years of high-frequency data for the 431 constituents of the S&amp;P 500 index. The stocks’ own overnight squared returns perform poorly across stocks and forecast horizons, as well as in the asset allocation exercise. In contrast, we find overwhelming evidence that the market-level volatility, proxied by S&amp;P Mini futures, matters significantly for improving the model fit and volatility forecasting accuracy. The greatest model fit and forecast improvements are found for short-term forecast horizons of up to five trading days, and for the non-trading period market-level volatility. The documented increase in forecast accuracy is found to be associated with the stocks’ sensitivity to the market risk factor. Finally, we show that both the trading and non-trading period market realized volatilities are relevant in an asset allocation context, as they increase the average returns, Sharpe ratios and certainty equivalent returns of a mean–variance investor.

  • Název v anglickém jazyce

    Trading and non-trading period realized market volatility: Does it matter for forecasting the volatility of US stocks?

  • Popis výsledku anglicky

    We study the potential merits of using trading and non-trading period market volatilities to model and forecast the stock volatility over the next one to 22 days. We demonstrate the role of overnight volatility information by estimating heterogeneous autoregressive (HAR) model specifications with and without a trading period market risk factor using ten years of high-frequency data for the 431 constituents of the S&amp;P 500 index. The stocks’ own overnight squared returns perform poorly across stocks and forecast horizons, as well as in the asset allocation exercise. In contrast, we find overwhelming evidence that the market-level volatility, proxied by S&amp;P Mini futures, matters significantly for improving the model fit and volatility forecasting accuracy. The greatest model fit and forecast improvements are found for short-term forecast horizons of up to five trading days, and for the non-trading period market-level volatility. The documented increase in forecast accuracy is found to be associated with the stocks’ sensitivity to the market risk factor. Finally, we show that both the trading and non-trading period market realized volatilities are relevant in an asset allocation context, as they increase the average returns, Sharpe ratios and certainty equivalent returns of a mean–variance investor.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    50206 - Finance

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA18-05829S" target="_blank" >GA18-05829S: Predikce volatility na rozvijících se finančních trzích</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2020

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    International Journal of Forecasting

  • ISSN

    0169-2070

  • e-ISSN

    1872-8200

  • Svazek periodika

    36

  • Číslo periodika v rámci svazku

    2

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    18

  • Strana od-do

    628-645

  • Kód UT WoS článku

    000527898100025

  • EID výsledku v databázi Scopus

    2-s2.0-85076251581