Is there an ideal in-sample length for forecasting volatility?

تحقیقات محدودی در حال حاضر در ادبیات علمی انجام شده است که در مورد پیش بینی بی ثباتی مسئله اندازه ایده آل در نمونه مورد استفاده قرار می گیرد. بنابراین این مقاله در نظر دارد که چه مقدار داده ها برای تولید پیش بینی های دقیق مورد نیاز است. به طور کلی، دو دیدگاه بین تمرینکنندگان / سرمایه گذاران وجود دارد که به طور معمول یک نمونه کوچک را ترجیح می دهند تا اطلاعات مورد نیاز را به حداقل برسانند و محققین / دانشگاهیانی که معمولا نمونه های بزرگ را در نمونه انتخاب می کنند. با استفاده از فرایند گسترش رگرسیون های پنجره که دوره شروع در نمونه را گسترش می دهد (بازده عقب مانده) پیش بینی می کنیم که بیش از بیست و سه بازار بین المللی، از جمله توسعه یافته و در حال ظهور است. یافته های ما نشان می دهد که برای اکثریت بازارها دوره های بزرگ در نمونه برای تولید دقیق ترین پیش بینی ها از دیدگاه تمرینکنندگان / سرمایه گذاران لازم نیست.