Volatility Modelling of the JSE Top40 Index: Assessing the GAS Framework Against GARCH and Hybrid GARCH–XGBoost
Notice bibliographique
Résumé
This paper studies the volatility dynamics of the JSE Top40 Index by estimating a univariate GAS model with time-varying location, scale, and shape parameters (identity score scaling) and comparing its density and point-forecast performance against a stand-alone ARMA(3,2)–EGARCH(1,1) model and a hybrid ARMA(3,2)–EGARCH(1,1)–XGBoost framework. The GAS model is estimated on 3515 daily observations, and several conditional densities are examined. The Student-t GAS model (GAS–STD) obtains the lowest information criteria within the GAS family (AIC = 10,188.142; BIC = 10,243.626) and exhibits statistically significant persistence in location and scale dynamics. Statistical diagnostics provide evidence of correct density calibration (normalised log score = 1.1932; Uniform score = 0.4417), although residual skewness remains (IID-Test skewness p=0.0134). Out-of-sample analysis shows that GAS–STD performs strongly in density and risk forecasting, producing accurate 5% VaR and ES paths and passing coverage backtests (Kupiec LRuc p=0.8414; DQ p=0.2281). However, short-horizon point forecasts are most accurately produced by the Hybrid ARMA(3,2)–EGARCH(1,1)–XGBoost model (RMSE = 0.1386). The full Diebold-Mariano (DM) test confirms that all pairwise differences in predictive accuracy are statistically significant, and the model confidence set (MCS) procedure identifies the Hybrid model as the sole superior model at the 5% significance level, indicating that both ARMA(3,2)–EGARCH(1,1) and GAS–STD are statistically inferior. Simulation experiments illustrate that the tail behaviour of the Student-t distribution is sensitive to the degrees-of-freedom parameter ν. For example, a Student-t distribution with ν=5 exhibits total kurtosis of approximately 7.32, indicating heavier tails compared to the Gaussian distribution. Overall, GAS–STD is a strong density and risk model for the JSE Top40, while the hybrid framework excels in short-term volatility forecasting.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».