Newest papers

Structured SDEs for Realized GARCH: Continuous-Time Volatility Modelling and Component-Level Analysis

Hongyu Yao, Zhengyang Chi, Junbin Gao · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.17732 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Chúng tôi đề xuất một mô hình biến động liên tục có cấu trúc cho dự báo biến động tích hợp một ngày trước. Mô hình này giới thiệu một trạng thái đo lường thực hiện cùng phát triển trực tiếp vào động lực biến động tiềm ẩn, trong khi các đổi mới Brownian tương quan nắm bắt sự phụ thuộc liên quan đến sự trở lại. Các thông số được ước tính thông qua việc học dự đoán dựa trên mô phỏng, và mô phỏng Monte Carlo dự đoán sự biến đổi tích hợp. Trên 17 chỉ số chứng khoán, mô hình được đề xuất cho thấy hiệu suất vượt mẫu mạnh mẽ liên quan đến GARCH, GARCH-Itô, Realized GARCH, HAR, và HEAVY điểm chuẩn theo QLIKE, MSE, và MAE. Kết quả Ablation cho thấy rằng phản hồi đo lường được thực hiện cung cấp giá trị dự báo gia tăng đáng kể trong khuôn

Machine translation (Meta M2M100); the English original follows.

Abstract

We propose a structured continuous-time stochastic volatility model for one-day-ahead integrated-variance forecasting. The model introduces a jointly evolving realized-measure state that feeds directly into latent variance dynamics, while correlated Brownian innovations capture return-linked dependence. Parameters are estimated through simulation-based predictive learning, and Monte Carlo simulation forecasts integrated variance. Across 17 equity indices, the proposed model shows strong out-of-sample performance relative to GARCH, GARCH-Itô, Realized GARCH, HAR, and HEAVY benchmarks under QLIKE, MSE, and MAE. Ablation results show that realized-measure feedback provides substantial incremental forecasting value within the proposed framework, while return-linked Brownian dependence contributes more modest complementary gains. The results support incorporating measurement-driven information directly into continuous-time latent volatility dynamics to improve integrated-variance forecasting.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Stochastic volatility, Volatility (finance), Econometrics, Monte Carlo method, Realized variance, Computer science

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange