MétaCan
Menu
Retour à la cohorte
Enregistrement W2504240467 · doi:10.5539/ijef.v8n8p71

Extreme Value Volatility Estimators and Realized Volatility of Istanbul Stock Exchange: Evidence from Emerging Market

2016· article· en· W2504240467 sur OpenAlexvenueno aff
Hakkı Öztürk, Ümit Erol, Aslı Yüksel

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEstimatorEconometricsVolatility (finance)Forward volatilityEconomicsRealized varianceExtreme value theoryAutoregressive conditional heteroskedasticityVolatility swapVolatility smileImplied volatilityVolatility risk premiumStock exchangeFinancial economicsStatisticsMathematicsFinance

Résumé

récupéré en direct d'OpenAlex

<p>This paper evaluates the forecasting performance of alternative models for the one-day ahead forecasts of BIST-30 index (Istanbul Stock Exchange- Borsa Istanbul major index that contains 30 blue-chip stocks) volatility. Realized volatility is used as the relevant benchmark for the evaluation of forecasts. We document evidence, which shows that realized volatility is a less noisy estimator than the daily square benchmark explaining more of the variation in the volatility. In addition; the benefit of using extreme value estimators as volatility proxies are discussed. It is empirically demonstrated that the extreme value estimators are 5 to 8 times more efficient than historical volatility measures. The use of extreme value estimators with simple forecasting models provide better short-term forecasts than the GARCH based volatility forecasts due to higher efficiency of extreme value estimators.</p>

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,402
Score d'incertitude au seuil0,680

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,057
Tête enseignante GPT0,265
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetFinancial Risk and Volatility ModelingTravaux en français237 207