文件名称：使用 GARCH 模型和新闻分析进行波动率预测-研究论文
文件大小：1.32MB
文件格式：PDF
更新时间：2024-06-29 22:15:27
Generalized Autoregressive Conditional Heteroskedasticity
在这项研究中，我们研究了如何通过使用新闻（元）数据来改进对未来波动率的预测。 我们使用三个输入时间序列，即：(i) 市场数据，(ii) 新闻情绪影响分数，如 Yu (2014) 所解释的，以及 (iii) 新闻量。 我们比较了使用“普通”GARCH 模型（仅使用市场数据）和新闻增强型 GARCH 预测波动率的结果，如上所述。 最后，将预测波动率与实际波动率进行比较，从而评估模型的稳健性和精确度。 RavenPack 和汤森路透分别提供了新闻数据和市场数据。 主要发现是，包含预定新闻和包含以负面情绪为特征的新闻量提高了预测的波动性。 预定新闻对波动率预测的附加值与 Li 和 Engle (1998) 一致。