Forecasting FTSE-100 volatility using HAR-type models

Abstract

The ability to model and forecast volatility of FTSE-100 is analyzed with sixteen HAR-Type models. Different decompositions of realized volatility contain a distinct amount of information. The negative realized semivariance, discontinuous jump, signed jump and negative signed semi-jump contain more information to model volatility than positive realized semivariance and positive signed semi-jump. The effect of the short, medium and long-term information is also different. The component of volatility cascade more important is the weekly volatility, and the leverage effect with more information is the monthly negative returns. The results reported by the six loss functions employed are inconclusive about the best model, or set of best models. The Model Confidence Set report that, generally, all the models have equal predictive ability.

Dezesseis modelos da família HAR são analizados em relação as capacidades de projetar e modelar a volatilidade do FTSE-100. Diferentes decomposições da volatilidade realizada contêm uma quantidade distinta de informações. A semivariância realizada negativa, jumps, signed jump e o semi-jump com sinal negativo contêm mais informações para modelar a volatilidade do que a semivariância realizada positiva e o signed semi-jump positivo. O impacto das informações de curto, médio e longo prazo também é diferente. Dentre os três componetes da cascata de volatilidade, o mais importante é a volatilidade semanal. Em relação ao efeito de alavancagem, o retorno negativo mensal mensal é o componente que contem mais informação. Os resultados relatados pelas seis funções de perda empregadas são inconclusivos sobre o melhor modelo ou conjunto de melhores modelos. O Model Confidence Set relata que, geralmente, todos os modelos têm capacidade preditiva igual.