초록 열기/닫기 버튼
본 연구는 한 달간의 예측구간에 대하여 아시아 주요 4개국 주식시장의 변동성을 예측하는 성과평가 분석을 통해 일반적인 GARCH 모형과 마르코프 체제전환 GARCH 모형 등을 비교 분석하였다. 변동성을 예측하는 경우 지나치게 완만하거나 혹은 너무 큰 경우를 의미하는 일반적인 GARCH 모형에서 흔히 발견되는 극단적인 지속성의 문제를 고려하기 위해서 마르코프 체제전환 GARCH 모형에서 모든 모수는 작은 변동성 체제와 변동성이 큰 체제 사이에 존재함을 가정하고 있다. 본 연구에서 고려하고 있는 모형의 예측성과는 통계학적인 손실함수와 위험관리 손실함수를 고려하여 분석하였다. 실증분석 결과는 전체적으로 마르코프 체제전환 GARCH 모형이 보다 짧은 예측구간의 경우 일반적인 GARCH 모형에 비해서 우월한 결과를 가져왔는데, 이러한 결과는 통계적인 손실함수와 위험관리 측면에서의 손실함수 모두 성립하였다. 특별히 모든 검정에서 정규분포를 갖는 마르코프 체제전환 GARCH 모형보다 우월한 모형이 존재한다는 귀무가설을 기각하였다. 그러나 예측구간이 길어지면 일반적인 비대칭 GARCH 모형이 가장 우월한 것으로 나타났다.
In this paper we compare a set of different standard GARCH models with a group of Markov Regime-Switching GARCH (MRS-GARCH) in terms of their ability to forecast the US stock market volatility at horizons that range from one day to one month. To take into account the excessive persistence usually found in GARCH models that implies too smooth and too high volatility forecasts, in the MRS-GARCH models all parameters switch between a low and a high volatility regime. Both gaussian and fat-tailed conditional distributions for the residuals are assumed, and the degrees of freedom can also be state-dependent to capture possible time-varying kurtosis. The forecasting performances of the competing models are evaluated both with statistical and risk-management loss functions. The empirical analysis demonstrates that MRS-GARCH models do really outperform all standard GARCH models in forecasting volatility at horizons shorter than one week under both statistical and VaR-based risk-management loss functions. In particular, all tests reject the presence of a better model than the MRS-GARCH with normal innovations. However, at forecast horizons longer than one week, standard asymmetric GARCH models tend to be superior.
키워드열기/닫기 버튼
Markov Process, Standard GARCH Models, Markov Regime Switching GARCH Models, Out-of-sample VaR Performances
