ПРОГНОЗИРОВАНИЕ КОГЕРЕНТНЫХ РАЗРЫВОВ ВОЛАТИЛЬНОСТИ // FORECASTING COHERENT VOLATILITY BREAKOUTS

A. Didenko S., M. Dubovikov M., B. Poutko A., А. Диденко С., М. Дубовиков М. and Б. Путко А.
Additional contact information
A. Didenko S.: Financial university
M. Dubovikov M.: «INDEX-XX» company
B. Poutko A.: Financial university
А. Диденко С.: Финансовый университет
М. Дубовиков М.: ОАО «ИНДЕКС-XX»
Б. Путко А.: Финансовый университет

Финансы: теория и практика/Finance: Theory and Practice // Finance: Theory and Practice, 2015, issue 1, 30-36

Abstract:

The paper develops an algorithm for making long-term (up to three months ahead) predictions of volatility reversals based on long memory properties of financial time series. The approach for computing fractal dimension using sequence of the minimal covers with decreasing scale (proposed in [1]) is used to decompose volatility into two0dynamic components: specific A (t ) and structural Hµ(t ). We introduce two separate models forA (t ) and Hµ(t ), based on different principles and capable of catching long uptrends in volatility. To test statistical significanceof its abilities we introduce several estimators of conditional and unconditional probabilities of reversals in observed and predicted dynamic components of volatility. Our results could be used for forecasting points of market transition to an unstable state.

Разработана методика долгосрочного (до нескольких месяцев) прогнозирования разворотной динамики волатильности с использованием свойств длинной памяти финансовых временных рядов. Предложенный в [1] алгоритм вычисления фрактальной размерности через покрытие предфракталами используется для декомпозиции волатильности на удельную0A (t) и структурную Hµ(t). Предложены модели динамических компонентволатильности, способные предсказывать длинные восходящие в ней тренды. Для проверки статистическойзначимости прогнозов введены функции оценки условных и безусловных вероятностей для наблюдаемых и прогнозируемых компонент. Наши результаты могут быть использованы для предсказания точек перехода рынка в нестабильное состояние.

Keywords: ARCH-GARCH мо- дель; stock market; price risk; fractal dimension; market crash; ARCH-GARCH; range-based volatility models; multi-scale volatility; volatility reversals; technical analysis; фондовый рынок; ценовой риск; фрактальная размерность; крахи рынка; модели волатильности как амплитуды; многомасштабная волатильность; развороты волатильности; тех- нический анализ (search for similar items in EconPapers)
Date: 2017-10-10
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
https://financetp.fa.ru/jour/article/viewFile/109/108.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:scn:financ:y:2015:i:1:p:30-36

Access Statistics for this article

More articles in Финансы: теория и практика/Finance: Theory and Practice // Finance: Theory and Practice from ФГОБУВО Финансовый университет при Правительстве Российской Федерации // Financial University under The Government of Russian Federation
Bibliographic data for series maintained by Алексей Скалабан ().