We nd that 1-day-ahead volatility

We nd that 1-day-ahead volatility forecasts from the best nonlinear
model improve upon those from a linear ARFIMA model on all evaluation
criteria considered. For example, the R2 from a regression of realized volatility on
the volatility forecast increases from 42.1% to 46.1%. For the exchange rates the
leverage eect is less important, as expected, but incorporating nonlinearities still
improves the in-sample t and out-of-sample forecast performance. For the U/$, for
example, the R2 from a regression of realized volatility on the 1-day-ahead volatility
forecast increases substantially from 36.6% to 55.4%.

ผลลัพธ์ (ไทย) 2:

เราคาดการณ์ว่า nd ผันผวน 1
วันข้างหน้าจากการไม่เชิงเส้นที่ดีที่สุดรูปแบบการปรับปรุงที่มาจากรูปแบบการARFIMA
เชิงเส้นในทุกการประเมินผลตามเกณฑ์การพิจารณา ยกตัวอย่างเช่น R2
จากการถดถอยจากความผันผวนของตระหนักในการเพิ่มการคาดการณ์ความผันผวนจาก42.1% เป็น 46.1% สำหรับอัตราแลกเปลี่ยนที่อีงัด ect? มีความสำคัญน้อยเป็นไปตามคาด แต่ยังคงใช้มาตรการ nonlinearities ช่วยเพิ่มทีในตัวอย่างและออกจากการคาดการณ์ผลการดำเนินงานของกลุ่มตัวอย่าง สำหรับ U / $ สำหรับตัวอย่างเช่นR2 จากการถดถอยจากความผันผวนของตระหนักในความผันผวน 1 วันข้างหน้าคาดการณ์ที่เพิ่มขึ้นอย่างมากจาก36.6% เป็น 55.4%

ผลลัพธ์ (ไทย) 3:

เรา  ND ที่ 1-day-ahead ผวนการคาดการณ์จากแบบจำลองไม่เชิงเส้น
ที่ดีที่สุดปรับปรุงขึ้นจากแบบจำลองเชิงเส้นใน arfima การประเมิน
เกณฑ์พิจารณา ตัวอย่างเช่น , R2 จากความถดถอยของตระหนักผวน
ผวนคาดการณ์เพิ่มขึ้นจากร้อยละ 42.1 46.1 % สำหรับอัตราแลกเปลี่ยน
leverage E  ect เป็นสําคัญ น้อยกว่าที่คาดไว้ แต่ท่านยัง
nonlinearitiesปรับปรุงในตัวอย่าง  t ออกประสิทธิภาพพยากรณ์ตัวอย่าง เพื่อ u / $ ,
ตัวอย่าง , R2 จากความถดถอยของตระหนักความผันผวนที่เพิ่มขึ้นอย่างมากจากการคาดการณ์ 1-day-ahead ผวน
%
6 55.4 %