Comparative Performance of ARIMA an

Comparative Performance of ARIMA and ARCH/GARCH Models on Time Series of Daily Equity Prices for Large Companies
John J. Sparks and Yuliya V. Yurova
Department of Information and Decision Sciences University of Illinois at Chicago
ABSTRACT
This study provides a comparison of the performance of out-of-sample forecasts from ARMA vs. ARCH/GARCH models, especially relative to the utility of the non-constant estimate of the volatility provided by ARCH/GARCH methods. 31 large company stocks were selected and their daily log returns computed for a 10-year time period. ARIMA and a variety of ARCH/GARCH models were run against these log daily returns. The forecasts were analyzed using magnitude measures and a rough distributional measure. Analysis of the results showed that for one-step ahead forecasts ARCH/GARCH models outperform ARIMA models in modeling financial time series in terms of the most applied measure—the MAPD (mean absolute percentage deviation). Relative to the measures which accounted for the non-constant volatility estimate provided by ARCH/GARCH models, we saw that the mediocre performance of ARIMA on the MASE (mean absolute standardized error) measure came at a great expense in terms of the normality of the residuals. Therefore in the confines of this experiment ARIMA did not provide point estimates that were as accurate and that did not produce a relatively normal distribution of residuals.

Kết quả (Việt) 1:

So sánh hiệu suất của ARIMA và ARCH/GARCH mô hình về thời gian loạt của các giá cả vốn chủ sở hữu hàng ngày cho các công ty lớn
John J. tia lửa và Yuliya V. Yurova
sở thông tin và quyết định khoa học University of Illinois at Chicago
trừu tượng
nghiên cứu này cung cấp một so sánh hiệu suất của out-of-mẫu dự báo từ ARMA vs ARCH/GARCH mô hình, đặc biệt là liên quan đến các tiện ích của ước lượng phòng không liên tục của sự biến động cung cấp bởi ARCH/GARCH phương pháp. 31 công ty lớn cổ phiếu đã được lựa chọn và đăng nhập hàng ngày của họ trở về tính toán trong một khoảng thời gian 10 năm. ARIMA và một loạt các mô hình ARCH/GARCH đã được điều hành chống lại những lợi nhuận hàng ngày Nhật ký. Các dự báo được phân tích bằng cách sử dụng các biện pháp cấp sao biểu kiến và một biện pháp distributional thô. Phân tích của các kết quả cho thấy rằng cho One-bước trước dự báo ARCH/GARCH mô hình tốt hơn ARIMA mô hình trong mô hình tài chính thời gian series trong điều khoản của các biện pháp đặt ứng dụng — MAPD (có nghĩa là tỷ lệ phần trăm tuyệt đối độ lệch). So với các biện pháp chiếm xấp xỉ-constant biến động được cung cấp bởi mô hình ARCH/GARCH, chúng tôi thấy rằng hiệu suất tầm thường của ARIMA vào biện pháp (có nghĩa là tuyệt đối chuẩn hóa lỗi) MASE đến một chi phí rất lớn trong điều kiện bình thường của các dư. Do đó trong sự hạn chế của thử nghiệm này ARIMA không cung cấp ước tính điểm đó là chính xác và rằng đã không sản xuất ra một phân phối bình thường tương đối của dư.

Kết quả (Việt) 2:

Hiệu suất so sánh của ARIMA và ARCH / GARCH Mô hình trên chuỗi thời gian của giá Vốn chủ sở hữu hàng ngày cho các công ty lớn
John J. Sparks và Yuliya V. Yurova
Sở Thông tin và Quyết định Khoa học Đại học Illinois tại Chicago
TÓM TẮT
Nghiên cứu này cung cấp một so sánh hiệu suất của ra -of-mẫu dự báo từ ARMA vs ARCH / mô hình GARCH, đặc biệt là liên quan đến các tiện ích của dự toán không liên tục của các biến động được cung cấp bởi các phương pháp ARCH / GARCH. 31 công ty chứng khoán lớn đã được lựa chọn và trả về nhật ký hàng ngày của họ tính cho một khoảng thời gian 10 năm. ARIMA và một loạt các mô hình ARCH / GARCH được chạy với những kết quả này hàng ngày đăng nhập. Dự báo được phân tích bằng các biện pháp biên độ và một biện pháp phân phối thô. Phân tích các kết quả cho thấy một bước về phía trước dự báo ARCH / mô hình GARCH tốt hơn mô hình ARIMA trong mô hình chuỗi thời gian tài chính về biện pháp áp dụng các-nhất MAPD (có nghĩa là độ lệch phần trăm tuyệt đối). Liên quan đến các biện pháp chiếm ước tính biến động không liên tục được cung cấp bởi ARCH / mô hình GARCH, chúng tôi thấy rằng hiệu suất bình thường của ARIMA trên Mase (có nghĩa là lỗi tiêu chuẩn tuyệt đối) biện pháp đưa ra tại một chi phí rất lớn về mặt bình thường của dư. Do đó, trong sự hạn chế của thí nghiệm này ARIMA đã không cung cấp các ước tính thời điểm đó là chính xác và không tạo ra một phân phối tương đối bình thường của phần dư.