尚汉林;杨，杨;费尔加尔·卡尼 波动率指数的日内预测：具有动态更新的函数时间序列方法。 （英语） Zbl 1434.62196号 安·Oper。物件。 282，编号1-2，331-354（2019）. 摘要：作为衡量未来股市波动性的前瞻性指标，波动率指数近年来大受欢迎，成为市场分析师和学者衡量风险的关键指标。我们将离散的日内VIX勾选值视为在等间距密集网格上随时间顺序观察到的曲线集合的实现，并利用功能数据分析技术对这些曲线进行1天的预测。所提出的方法有助于研究指数在极短时间间隔内的动态变化，如使用15-s高频VIX指数值所示。借助于动态更新技术，我们的点和区间预测与传统时间序列模型相比具有更高的精度。 引用于三文件 MSC公司： 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 62M20型 随机过程的推断与预测 62第20页 统计学在经济学中的应用 91B84号 经济时间序列分析 关键词：函数主成分回归;函数线性回归;常最小二乘方;惩罚最小二乘法;高频财务数据 软件：R（右）;彩虹;fda（右）;我的靴子;预测;预测 PDF格式BibTeX公司 XML格式引用 \textit{H.L.Shang}等人，Ann.Oper。第282号决议，编号1--2，331--354（2019年；Zbl 1434.62196） 全文： 内政部 arXiv公司 链接 参考文献： [1] Aneiros-Pérez，G.和Vieu，P.（2008）。非参数时间序列预测：半函数部分线性建模。多元分析杂志，99（5），834-857·Zbl 1133.62075号 [2] Aue，A.、Norinho，D.D.和Hörmann，S.（2015）。平稳函数时间序列的预测。《美国统计协会杂志》，110（509），378-392·Zbl 1373.62462号 [3] Bali，T.G.和Theodossiou，P.（2007年）。具有替代GARCH模型的条件-SGT-VaR方法。《运筹学年鉴》，151（1），241-267·Zbl 1132.91455号 [4] Bernales，A.和Guidolin，M.（2014年）。我们能预测股票期权的隐含波动率表面动态吗？可预测性和经济价值测试。《银行与金融杂志》，46，326-342。 [5] Besse，P.、Cardot，H.和Stephenson，D.（2000年）。一些功能性气候变化的自回归预测。《斯堪的纳维亚统计杂志》，27（4），673-687·Zbl 0962.62089号 [6] Bosq，D.（2000年）。函数空间中的线性过程。《统计学讲义》，纽约·Zbl 0962.60004号 [7] Brailsford，T.J.和Faff，R.W.（1996年）。波动性预测技术的评估。《银行与金融杂志》，20（3），419-438。 [8] Chatfield，C.（1993）。计算间隔预测。《商业与经济统计杂志》，11（2），121-135。 [9] Chiou，J.-M.等人（2012年）。动态功能预测和分类，并应用于交通流预测。应用统计年鉴，6（4），1588-1614·Zbl 1257.62090号 [10] Diebold，F.X.和Mariano，R.S.（2002年）。比较预测准确性。《商业与经济统计杂志》，20（1），134-144。 [11] Dunis，C.L.、Likothanassis，S.D.、Karathanasopoulos，A.S.、Sermpinis，G.S.和Theofilatos，K.A.（2013）。预测和交易任务中的混合遗传算法支持向量机方法。《资产管理杂志》，14（1），52-71。 [12] Febrero，M.、Galeano，P.和González Manteiga，W.（2007年）。氮氧化物水平的功能分析：位置和规模估计以及异常值检测。计算统计学，22（3），411-427·Zbl 1197.62154号 [13] Fernandes，M.、Medeiros，M.C.和Scharth，M.（2014）。CBOE市场波动指数建模和预测。《银行与金融杂志》，40，1-10。 [14] Fuertes，A.-M.、Izzeldin，M.和Kalotychou，E.（2009年）。关于预测每日股票波动率：日内信息和市场状况的作用。国际预测杂志，25（2），259-281。 [15] Gabriel，K.R.和Zamir，S.（1979年）。矩阵的低秩最小二乘近似，可选择任何权重。技术计量学，21（4），489-498·Zbl 0471.62004号 [16] Gabris，R.、Horváth，L.和Kokoszka，P.（2010年）。函数线性模型中的误差相关性测试。美国统计协会杂志，105（491），1113-1125·Zbl 1390.62118号 [17] Gneiting，T.和Katzfuss，M.（2014）。概率预测。《统计及其应用年鉴》，第112-151页。 [18] Gneiting，T.和Raftery，A.E.（2007年）。严格正确的评分规则、预测和评估。《美国统计协会杂志》，102（477），359-378·Zbl 1284.62093号 [19] 霍尔，P。；Ferraty，F.（编辑）；Romain，Y.（编辑），《功能数据的主成分分析：方法、理论和讨论》，210-234（2011），牛津 [20] Hall，P.，&Vial，C.（2006年）。评估功能数据的有限维。英国皇家统计学会杂志：B辑（统计方法），68（4），689-705·Zbl 1110.62085号 [21] Hays，S.、Shen，H.和Huang，J.Z.（2012）。函数动态因子模型及其在收益曲线预测中的应用。应用统计年鉴，6（3），870-894·Zbl 1454.62302号 [22] Hoerl，A.E.和Kennard，R.W.（1970年）。岭回归：非正交问题的有偏估计。技术计量学，12（1），55-67·Zbl 0202.17205号 [23] Hörmann，S.、Horváth，L.和Reeder，R.（2013）。ARCH模型的功能版本。计量经济学理论，29（2），267-288·Zbl 1271.62204号 [24] Horváth，L.和Kokoszka，P.（2012）。用应用程序推断功能数据。纽约：斯普林格·Zbl 1279.62017号 [25] Huang，J.Z.、Shen，H.和Buja，A.（2009）。使用双向正则奇异值分解分析双向函数数据。《美国统计协会杂志》，104（488），1609-1620·Zbl 1205.62072号 [26] Huber，P.J.和Ronchetti，E.M.（2009年）。稳健的统计数据。新泽西州霍博肯：威利·Zbl 1276.62022号 [27] Hubert，M.、Rousseeuw，P.J.和Verboven，S.（2002年）。稳健主成分的快速方法及其在化学计量学中的应用。化学计量学和智能实验室系统，60（1），101-111。 [28] Hyndman，R.、Athanasopoulos，G.、Bergmeir，C.、Caceres，G.，Chhay，L.、O'Hara-Wild，M.等人（2018年）。预测：时间序列和线性模型的预测功能。R软件包8.4版。https://CRAN.R-project.org/package=预测 [29] Hyndman，R.J.和Khandakar，Y.（2008年）。预测的自动时间序列：R.Journal of Statistical Software的预测包，27（3），1-22。 [30] Hyndman，R.J.和Shang，H.L.（2009）。预测功能时间序列（通过讨论）。《韩国统计学会杂志》，38（3），199-221·兹比尔1293.62267 [31] Hyndman，R.J.和Shang，H.L.（2010）。功能数据的彩虹图、Bagplot和箱线图。计算与图形统计杂志，19（1），29-45。 [32] Hyndman，R.J.和Ullah，M.S.（2007年）。死亡率和生育率的稳健预测：功能数据方法。计算统计与数据分析，51（10），4942-4956·Zbl 1162.62434号 [33] Karhunen，K.（1946年）。Zur的随机理论项目。《费尼科科学院年鉴》，AI，37，1-37。 [34] Kearney，F.、Cummins，M.和Murphy，F.（2018年）。预测外汇市场隐含波动：功能时间序列方法。《欧洲金融杂志》，24（1），1-18。 [35] Kǧlñç，D.K.，&U \487]ur，O.（2018年）。S&P500时间序列的多分辨率分析。《运筹学年鉴》，260（1-2），197-216·Zbl 1404.62087号 [36] Klepsch，J.和Klüppelberg，C.（2016）。预测函数线性过程的新算法。工作文件，慕尼黑理工大学。https://arxiv.org/abs/1607.05874 ·Zbl 1397.62346号 [37] Klepsch，J.、Klüppelberg，C.和Wei，T.（2017）。预测功能ARMA过程及其在交通数据中的应用。计量经济学和统计学，1128-149。 [38] Kokoszka，P.、Miao，H.和Zhang，X.（2014）。日内价格曲线的函数动态因子模型。《金融计量经济学杂志》，13（2），456-477。 [39] Kokoszka，P.和Reimherr，M.（2013）。确定函数自回归模型的阶数。时间序列分析杂志，34（1），116-129·Zbl 1274.62600号 [40] Kokoszka，P.和Reimherr，M.（2017年）。功能数据分析简介。佛罗里达州博卡拉顿：CRC出版社·Zbl 1411.62004号 [41] Kokoszka，P.、Rice，G.和Shang，H.L.（2017）。条件异方差下函数时间序列自方差的推断。《多变量分析杂志》，162，32-50·Zbl 1378.62073号 [42] Konstantinidi，E.和Skiadopoulos，G.（2011年）。VIX期货价格可预测吗？实证调查。国际预测杂志，27（2），543-560。 [43] Konstantinidi，E.、Skiadopoulos，G.和Tzagkaraki，E.（2008）。隐含波动率的演变可以预测吗？来自欧洲和美国隐含波动率指数的证据。《银行与金融杂志》，32（11），2401-2411。 [44] Kourtis，A.、Markellos，R.N.和Symeonidis，L.（2016）。隐含波动率预测、已实现波动率预测和GARCH波动率预测的国际比较。《期货市场杂志》，36（12），1164-1193。 [45] Li，D.，Robinson，P.M.和Shang，H.L.（2018）。长程相关曲线时间序列。《美国统计协会期刊：理论与方法》正在修订中·Zbl 1445.62231号 [46] Loève，M.（1946年）。函数al-aléatories a décomposition orthononale exponentielle。《科学评论》，84，159-162·Zbl 0063.03611号 [47] Maronna，R.、Martin，R.D.和Yohai，V.（2006）。稳健的统计数据。西苏塞克斯郡奇切斯特：威利·邮编1094.62040 [48] Morris，J.S.（2015）。函数回归。《统计及其应用年刊》，2321-359。 [49] Müller，H.-G.（2005）。纵向数据的功能建模和分类。《斯堪的纳维亚统计杂志》，32（2），223-240·Zbl 1089.62072号 [50] Müller，H.-G.，Sen，R.，&Stadtmüller-，U.（2011年）。波动性的功能数据分析。《计量经济学杂志》，165（2），233-245·Zbl 1441.62817号 [51] Peña，D.和Sánchez，I.（2007年）。衡量多元预测与单变量预测的优势。时间序列分析杂志，28（6），886-909·Zbl 1150.62061号 [52] Psaradellis，I.和Sermpinis，G.（2016）。对美国隐含波动率指数进行建模和交易。来自VIX、VXN和VXD指数的证据。国际预测杂志，32（4），1268-1283。 [53] R核心团队。(2018). R： 用于统计计算的语言和环境。R统计计算基金会，奥地利维也纳。https://www.R-project.org/。 [54] Ramsay，J.O.和Silverman，B.W.（2005）。功能数据分析（第二版）。纽约：斯普林格·Zbl 1079.62006号 [55] Rice，J.A.和Silverman，B.W.（1991）。当数据为曲线时，非参数估计平均值和协方差结构。英国皇家统计学会期刊B辑（方法学），1233-243·Zbl 0800.62214号 [56] Sermpinis，G.、Stasinakis，C.、Theofilatos，K.和Karathanasopoulos，A.（2014）。基于遗传支持向量回归的通货膨胀和失业预测。《预测杂志》，33（6），471-487·Zbl 1397.62351号 [57] Sguera，C.、Galeano，P.和Lillo，R.E.（2016）。通过应用于NOx水平的局部深度进行功能性异常值检测。随机环境研究与风险评估，30（4），1115-1130。 [58] Shang，H.L.（2014）。功能主成分分析综述。AStA统计分析进展，98（2），121-142·Zbl 1443.62176号 [59] Shang，H.L.（2017）。标准普尔500指数日内收益预测：函数时间序列方法。《预测杂志》，36（7），741-755·兹比尔1397.62572 [60] Shang，H.L.（2018）。平稳函数时间序列的自举方法。统计与计算，28（1），1-10·Zbl 1505.62368号 [61] Shang，H.L.和Hyndman，R.J.（2011）。具有动态更新的非参数时间序列预测。模拟中的数学与计算机，81（7），1310-1324·Zbl 1215.62098号 [62] Shen，H.（2009）。平滑曲线时间序列的建模和预测。技术计量学，51（3），227-238。 [63] Tsay，R.S.（2013）。多变量时间序列分析：具有R和金融应用。新泽西州霍博肯：威利·Zbl 1279.91003号 [64] Vinod，H.D.（2004）。使用非常规效用理论和随机优势对共同基金进行排名。《实证金融杂志》，11（3），353-377。 [65] Vinod，H.D.、López-de Lacalle，J.等人（2009年）。时间序列的最大熵引导：meboot R包。《统计软件杂志》，29（5），1-19。 [66] Wang，L.，&Zhu，J.（2010）。金融市场预测采用两步核学习方法进行支持向量回归。《运筹学年鉴》，174（1），103-120·Zbl 1185.91154号 [67] Whaley，R.E.（2000）。投资者恐惧指数。投资组合管理杂志，26（3），12-17。 [68] Xu，J.（1999）。上海股市波动建模。运筹学年鉴，87，141-152·Zbl 0923.90017号 [69] Yao，F.、Müller，H.-G.和Wang，J.-L.（2005）。稀疏纵向数据的功能数据分析。《美国统计协会杂志》，100（470），577-590·Zbl 1117.62451号 [70] Zhang，L.，Shen，H.，&Huang，J.Z.（2013）。稳健正则奇异值分解及其在死亡率数据中的应用。应用统计学年鉴，7（3），1540-1561·Zbl 1454.62189号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。