SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Advanced Volatility Forecasting Models for Global Investment Management

redell avatar
redell
14 diapositives · 273 Views · Sep 01, 2014

This presentation outlines a comprehensive approach to establishing variance forecasting models vital for risk management and investment decision-making. We explore different forecasting methodologies, including Simple GARCH and its extensions, using a robust dataset spanning ten years. The results demonstrate that country-specific models yield the best predictive power, with significant insights into exchange rates and interest rates for various markets. Our findings emphasize the absence of a universal model in forecasting volatility, underscoring the need for tailored approaches based on local and global financial instruments.

Advanced Volatility Forecasting Models for Global Investment Management - slide 1
01 / 14Advanced Volatility Forecasting Models for Global Investment Management
1 / 17

Télécharger la présentation

Advanced Volatility Forecasting Models for Global Investment Management
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. VOLATILITY FORECASTING Steven Poher Ramzi Rached Ricardo Uribe Dongting Zheng Global Investment Management

  2. AGENDA • Objective • Background Information • Forecasting Models • Data set • Methodology • Results • Conclusion

  3. OBJECTIVE • Objective • To establish a variance forecasting model • Why? • Important for risk managers (VaR) • Used to price options • Volatility + Return = investment decision

  4. BACKGROUND INFORMATION • Realized / observed volatility is measured by squared returns • Volatility displays a positive correlation with its own past • Simple Model • PB : Equal weights on the past m observations

  5. FORECASTING MODELS • More flexible model SimpleGARCH or GARCH (1,1) • Extended to Local and Global Instruments • Models to be tested for this project • GARCH (1,1) • GARCH (1,1) + Local • GARCH (1,1) + Global • GARCH (1,1) + Local + Global

  6. DATA SET • Source DataStream • Period 3/27/1998 - 3/28/2008 (10 years) • Granularity 1 day

  7. DATA SET • Local Instruments • Change in Exchange Rates • EUR / USD / JPY / GBP • Change in short-term interest rates • T-Bill (US) / BTAN (FR) • Global Instruments • Change in Short-term Eurodollar rate • Change in the Term Structure spread

  8. METHODOLOGY • Using EXCEL, test our 4 models for each of our 5 markets • Use Maximum Likelihood Estimation (MLE) to estimate  /  /  /  EXCEL Solver • Test the models using a regression of Squared Returns vs. Forecasted Variance • Discuss the statistical significance of the regression / Select the best model for a given country

  9. METHODOLOGY - EXAMPLE

  10. RESULTS Best models for each country

  11. RESULTS • Best model for GermanMarket • R2 of 15.56% • Final equation • Simple GARCH + • % Change in €/£ Exchange (L) + • % Change in Term Structure Spread (G)

  12. RESULTS

  13. CONCLUSION • No universal model • Different countries = different models • Good proxy for DE / Bad for JP • GARCH could also be extended • Leverage effects • Day-of-week effects • Jumps • Economic intuition & reality check

  14. QUESTIONS? THANK YOU