АДАПТИВНОЕ ПРОГНОЗИРОВАНИЕ КОТИРОВОК ВЫСОКОЧАСТОТНЫХ ФИНАНСОВЫХ ВРЕМЕННЫХ РЯДОВ С ИСПОЛЬЗОВАНИЕМ GARCH-МОДЕЛЕЙ

Аннотация

В данной статье исследуется проблема повышения точности краткосрочного прогнозирования волатильности и ценовой динамики высокочастотных финансовых временных рядов в условиях нестационарности рыночных процессов. Основное внимание уделяется разработке и апробации адаптивных алгоритмов на базе семейства моделей обобщенной авторегрессионной условной гетероскедастичности (GARCH), которые позволяют учитывать специфические микроструктурные эффекты высокочастотной торговли, такие как кластеризация волатильности, «тяжелые хвосты» распределений и леверидж-эффекты. Автором предложен модифицированный подход к динамическому пересчету параметров модели в режиме реального времени, что обеспечивает высокую чувствительность прогнозных значений к резким фазовым переходам и аномальным всплескам ликвидности.

В работе проводится сравнительный статистический анализ эффективности классических моделей GARCH и их асимметричных модификаций (EGARCH, GJR-GARCH) применительно к котировкам ликвидных биржевых инструментов. В ходе исследования применяются методы оценки максимального правдоподобия и байесовского вывода для минимизации ошибок спецификации в условиях интенсивного информационного шума. Теоретические выводы подтверждаются результатами бэк-тестирования на эмпирических данных минутных и секундных интервалов, демонстрирующими преимущество адаптивных методов в снижении прогностической ошибки по сравнению со статичными моделями. Полученные результаты могут быть интегрированы в алгоритмические торговые системы и программные комплексы по управлению рыночными рисками для оптимизации стратегий исполнения ордеров и расчета показателей Value-at-Risk (VaR).