Mixed-frequency SV model for stock volatility and macroeconomics
Mixed-frequency SV model for stock volatility and macroeconomics
复制标题
股票波动性和宏观经济的混合频率 SV 模型
DOI：
10.1016/j.econmod.2020.03.013
复制
发表时间：
2020-03
影响因子：
4.7
通讯作者：
Zheng Tingguo
中科院分区：
文献类型：
--
作者：
Shang Yuhuang;Zheng Tingguo
本文开发了一种具有低频宏观变量的随机波动-混合频率数据采样（SV-MIDAS）模型，并将其进一步扩展到非对称SV-MIDAS模型。然后对中国和美国股票市场进行实证研究。我们的结果表明，SV-MIDAS 模型有助于识别股票波动的宏观经济波动来源并提高样本内拟合性能。此外，SV-MIDAS模型对中美股市的样本外预测性能均显着优于传统SV模型。尤其是宏观经济变量中，综合领先指标的预测表现最好。此外，我们发现非对称 SV-MIDAS 模型适用于捕捉两个股票市场的杠杆效应，并且在样本内拟合中优于相应的基准模型。
This paper develops a stochastic volatility-mixed frequency data sampling (SV-MIDAS) model with low frequency macro variables and further extends it to an asymmetric SV-MIDAS model. Empirical study is then implemented on both Chinese and U.S. stock markets. Our results show that the SV-MIDAS model is useful to identify the macroeconomic volatility source of stock volatility and improve the in-sample fitting performance. Moreover, the out-of-sample forecast performances of SV-MIDAS model are significantly superior to that of traditional SV model for both Chinese and U.S. stock markets. In particular, among the macroeconomic variables, the Composite Leading Indicator has the best forecast performance. In addition, we find that the asymmetric SV-MIDAS model is applicable for capturing leverage effects in both stock markets and it outperforms the corresponding benchmark model in the in-sample fitting.
登录
查看更多内容
DOI：
10.3390/jrfm10040023
发表时间：
2016-06
期刊：
--
影响因子：
--
作者：
S. Peiris;Manabu Asai;M. McAleer
通讯作者：
S. Peiris;Manabu Asai;M. McAleer
DOI：
10.1016/j.physa.2014.02.006
发表时间：
2014-02
期刊：
Physica A: Statistical Mechanics and Its Applications
影响因子：
--
作者：
Ouyang F. Y.;Zheng B.;Jiang X. F.
通讯作者：
Jiang X. F.
影响因子：
5.9
作者：
Olivier J. Blanchard;John Simon
通讯作者：
Olivier J. Blanchard;John Simon
影响因子：
2.1
作者：
Dennis L. Hoffman;R. Rasche
通讯作者：
Dennis L. Hoffman;R. Rasche
影响因子：
5.8
作者：
Kim, S;Shephard, N;Chib, S
通讯作者：
Chib, S