Our model is estimated and used to

Our model is estimated and used to produce volatility forecasts at various horizons S&P 500 index-futures and three exchange rates, the DM/$, U/$ and
U/DM. The S&P results rst of all show that level shifts in S&P 500 volatility
do not account for the long memory feature. The fractional integration parameter
does decline when explicitly modeling the structural break, but remains signicantly
dierent from zero. Second, the day-of-the-week dummies show that volatility is on
average lower on Mondays and Tuesdays and higher on Fridays. This is an interesting
contrast with the U-shaped pattern found in daily squared returns, which
also attribute a higher volatility to Mondays and Tuesdays. Third, we nd convincing
evidence for the presence of a leverage eect in S&P volatility, in that negative
lagged returns signicantly increase volatility whereas positive returns do not aect
volatility at all. Incorporating these nonlinear features is important for out-of-sample forecasting as well.

ผลลัพธ์ (ไทย) 1:

รุ่นของเราจะประเมิน และใช้การคาดการณ์ความผันผวนที่ฮอลิซันส์ต่าง ๆ S & P 500-เจอร์สและ 3 ราคา DM / U / $แลกเปลี่ยน และU/DM S & P ผล rst ทั้งหมดแสดงว่า ระดับเลื่อนในความผันผวนของ S & P 500บัญชีสำหรับคุณลักษณะหน่วยความจำระยะยาว พารามิเตอร์รวมเศษลดลงเมื่อมีการแบ่งโครงสร้างการสร้างโมเดลอย่างชัดเจน แต่ยังคง signi cantlyerent ดีจากศูนย์ สอง หุ่นวันสัปดาห์แสดงว่า ความผันผวนอยู่ค่าเฉลี่ยต่ำกว่าในวันจันทร์และวันอังคาร และสูงขึ้นในวันศุกร์ เป็นน่าสนใจความคมชัดลายรูปตัวยูที่พบในทุกวันคืนกำลังสอง การยัง กำหนดความผันผวนสูงวันจันทร์และวันอังคาร สาม เราหลอกลวง ndหลักฐานสำหรับสถานะของอียกระดับ ect ใน S และ P ความผันผวน ค่าลบที่กลับ lagged signi cantly เพิ่มความผันผวนในขณะที่การบวกกลับทำ ect ไม่ความผันผวนในทั้งหมด อีกทั้งยังมีคุณลักษณะเหล่านี้ไม่เชิงเส้นเป็นสิ่งสำคัญสำหรับออกของตัวอย่างการคาดการณ์เช่น

ผลลัพธ์ (ไทย) 2:

แบบจำลองของเราเป็นที่คาดกันและใช้ในการผลิตการคาดการณ์ความผันผวนที่ไกลโพ้นต่างๆ S & P 500 ดัชนีฟิวเจอร์สและสามอัตราแลกเปลี่ยนที่ DM / $, U / $ และ
U / DM ผล S & P แรกของทั้งหมดที่แสดงให้เห็นว่าการเปลี่ยนแปลงในระดับ S & P 500
ความผันผวนไม่บัญชีสำหรับคุณลักษณะหน่วยความจำระยะยาว พารามิเตอร์การรวมบางส่วนจะลดลงเมื่อการสร้างแบบจำลองอย่างชัดเจนแบ่งโครงสร้างแต่ยังคงมีนัยสำคัญอย่างมีนัยดิ? ต่างกันจากศูนย์ ประการที่สองหุ่นวันของสัปดาห์ที่แสดงให้เห็นว่าความผันผวนอยู่ในค่าเฉลี่ยที่ลดลงในจันทร์และวันอังคารและวันศุกร์ที่สูงขึ้น นี้เป็นที่น่าสนใจทางตรงกันข้ามกับรูปแบบรูปตัวยูที่พบในชีวิตประจำวันผลตอบแทนที่สองซึ่งยังแอตทริบิวต์ความผันผวนที่สูงขึ้นเพื่อจันทร์และวันอังคาร ประการที่สามเรา nd เชื่อหลักฐานการปรากฏตัวของอีงัด? ect ผันผวน S & P ในเชิงลบที่lagged ผลตอบแทนที่เพิ่มขึ้นอย่างมีนัยผันผวนนัยสำคัญในขณะที่ผลตอบแทนในเชิงบวกไม่ได้หรือไม่ ect ผันผวนอยู่ตลอด ผสมผสานคุณสมบัติเชิงเส้นเหล่านี้เป็นสิ่งสำคัญสำหรับการคาดการณ์ออกจากตัวอย่างได้เป็นอย่างดี

ผลลัพธ์ (ไทย) 3:

รูปแบบของเราคือประมาณและใช้ผลิตความผันผวนการคาดการณ์ที่ขอบเขตต่างๆของ& P 500 ดัชนีฟิวเจอร์สและสามอัตราแลกเปลี่ยน , DM / $ u /
$ U / DM และ . s &ผล P  RST ทั้งหมดแสดงให้เห็นว่าระดับกะใน& P 500 ผวน
ไม่บัญชีสำหรับคุณลักษณะหน่วยความจำระยะยาว โดยรวมจะลดลงเมื่อค่าเศษส่วน
อย่างชัดเจนการแบ่งโครงสร้าง แต่ยังคงลดลงอย่างมีนัยสําคัญเมื่อ signi 
ดิ  erent จากศูนย์ ที่สอง , วันของสัปดาห์ให้แสดงที่ผันผวนในวันจันทร์และวันอังคาร
เฉลี่ยลดลงและสูงขึ้นในวันศุกร์ นี่คือความแตกต่างน่าสนใจ
กับรูปตัวยูแบบที่พบในแต่ละวันพร้อมส่งกลับ ซึ่ง
ยังคุณลักษณะผวนสูงกว่าในวันจันทร์และวันอังคาร ประการที่สาม เรา  ND เชื่อหลักฐาน
สำหรับสถานะของบริษัท อี  ect ใน& P ผวนในที่ราคาจะลดลงอย่างมีนัยสําคัญเมื่อลบ
signi  เพิ่มความผันผวน ในขณะที่ผลตอบแทนเป็นบวก ไม่  ect
) ทั้งหมด แบบผสมผสานคุณสมบัติเหล่านี้เป็นสิ่งสำคัญสำหรับออกจากตัวอย่างการพยากรณ์ด้วย