کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7243038 1471647 2015 20 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Forecasting volatility with empirical similarity and Google Trends
ترجمه فارسی عنوان
نوسانات پیش بینی با شباهت تجربی و روند گوگل
کلمات کلیدی
شباهت تجربی، روند گوگل، توجه سرمایه گذار، نوسان، پیش بینی،
ترجمه چکیده
این مقاله رویکرد شباهت تجربی را برای پیش بینی نوسانات هفته هفتم با استفاده از داده های موتور جستجو به عنوان اندازه گیری توجه سرمایه گذاران به شاخص بازار سهام پیشنهاد می کند. مدل ما بر اساس فرایند اساسی سرمایه گذاران، فرضیه آزاد است و به طور قابل ملاحظه ای از مدل های سری زمانی معمولی در چارچوب پیش بینی فرایند خارج می شود. ما متوجه می شویم که به ویژه در مراحل بازار نوسانات، دقت پیش بینی، همراه با توجه سرمایه گذاران افزایش می یابد. مفاهیم عملی برای مدیریت ریسک در یک برنامه پیش بینی ارزش در معرض خطر برجسته شده اند، که در آن مدل ما پیش بینی دقیق تر و دقیق تر را در صورت نیاز به کم بودن سرمایه به دلیل کم پیش بینی های پیش بینی می کند.
موضوعات مرتبط
علوم انسانی و اجتماعی اقتصاد، اقتصادسنجی و امور مالی اقتصاد و اقتصادسنجی
پیش نمایش مقاله
نوسانات پیش بینی با شباهت تجربی و روند گوگل
چکیده انگلیسی
This paper proposes an empirical similarity approach to forecast weekly volatility by using search engine data as a measure of investors attention to the stock market index. Our model is assumption free with respect to the underlying process of investors attention and significantly outperforms conventional time-series models in an out-of-sample forecasting framework. We find that especially in high-volatility market phases prediction accuracy increases together with investor attention. The practical implications for risk management are highlighted in a Value-at-Risk forecasting exercise, where our model produces significantly more accurate forecasts while requiring less capital due to fewer overpredictions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Economic Behavior & Organization - Volume 117, September 2015, Pages 62-81
نویسندگان
, ,