印度NSE波动率预测：Arima模型下的帕金森估计器研究

本文是一篇由Dikshita博士生和Harjit Singh副教授合著的研究论文，标题为《使用ARIMA模型估计与预测波动率：对印度NSE的研究》。波动性在金融市场中扮演着关键角色，因为它反映了资产风险和回报的不确定性。研究关注的是印度国家证券交易所(NSE)的波动率预测，这是一个重要的金融市场指标，如CNX Nifty指数。 研究首先探讨了波动率估计的重要性，它被作为衡量资产风险的间接工具，能够揭示回报的波动程度。波动率预测历来是金融领域的一个挑战，因此作者们对几种常见的波动率估计算法进行了深入分析，包括Close方法、Garman-Klass方法、Parkinson方法、Roger-Satchell方法以及Yang-Zhang方法。这些估计算法旨在提供关于未来波动性的可靠估计。 论文的核心内容是对比和评估这些估计器的性能，通过误差测量参数如均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)、平均百分误差(MPE)、平均绝对百分误差(MAPE)、平均绝对偏差(MASE)和自相关系数(ACF1)来进行量化。研究发现，Parkinson方法在ARIMA模型的应用下，显示出在RMSE、MPE和MASE等误差指标上优于其他方法，尤其是在预测准确性方面表现突出。 研究结果表明，基于MAE和RMSE的评价，使用Parkinson估计器进行波动率预测更为精确。这项工作对于交易者、期权从业者以及股票市场参与者来说具有实际价值，他们可以通过了解有效的波动率估计器来提高对未来波动性的预测精度，从而做出更好的投资决策。 电子版论文可在此链接访问：[https://ssrn.com/abstract=3479061](https://ssrn.com/abstract=3479061)。总体而言，这篇研究提供了实证证据支持，证明ARIMA模型结合Parkinson波动率估计器在印度NSE市场的波动性预测中具有较高的可靠性。