Volatility Forecasting when the Noise Variance Is Time-Varying

Les auteurs analysent l’apport, pour la prévision de la volatilité, d’un modèle dans lequel une relation est établie entre la volatilité fondamentale et les frictions qui caractérisent les prix observés à haute fréquence. L’originalité de leur approche réside dans le fait que, du moment où la variance du bruit est liée à la volatilité fondamentale des rendements, ce modèle est susceptible d’améliorer les prévisions de la volatilité basées sur la variance réalisée. Celle-ci est définie par la somme des carrés des rendements intrajournaliers. Lorsqu’elle est calculée à partir de rendements de haute fréquence, la variance réalisée ne fournit aucune information sur la volatilité fondamentale dans le cadre du modèle classique. Avec leur nouveau modèle, les auteurs réexaminent les résultats de l’étude d’Andersen et autres (2011) et quantifient le pouvoir de prévision de plusieurs mesures de la variance intégrée. Le fait que la variance du bruit ne soit pas constante dans le temps a un important corollaire : les prévisions relatives à la variance intégrée diffèrent des mesures de la volatilité réalisée. Les auteurs caractérisent cette différence, elle-même variable dans le temps, et proposent une méthode qui permet de corriger le biais. Ils évaluent l’utilité de leur approche pour des modèles réalistes et en étudient l’apport empirique pour la prévision de la variance intégrée ou les transactions d’options. Appliquée au titre Alcoa, leur méthode, en particulier la forme spécifique d’hétéroscédasticité du bruit, conduit à des améliorations.