Γιατί οι ημερήσιες αποδόσεις εξακολουθούν να έχουν σημασία για την πρόβλεψη της μεταβλητότητας

Για τους ποσοτικούς traders, η επιλογή του κατάλληλου συνόλου δεδομένων για την πρόβλεψη των μελλοντικών κινήσεων της αγοράς είναι πιθανώς η πιο κρίσιμη απόφαση που λαμβάνουν. Ιστορικά, η τιμή κλεισίματος ή ανοίγματος ενός συγκεκριμένου μετοχικού ή εμπορεύματος ήταν ένα καλό σημείο εκκίνησης για την ανάλυση του προτύπου συναλλαγών του εν λόγω τίτλου.

Ωστόσο, σήμερα, καθώς οι συναλλαγές εκτελούνται σε μικροδευτερόλεπτα από προηγμένα συστήματα πληροφορικής και μεγάλο μέρος του όγκου συναλλαγών δημιουργείται από υψηλής συχνότητας «bots», τα δεδομένα από αυτή τη δραστηριότητα της αγοράς προτιμώνται συχνά.

Μια νέα μελέτη υποδεικνύει ότι τα δεδομένα αγοράς υψηλής συχνότητας δεν έχουν καταστήσει τις ημερήσιες αποδόσεις παρωχημένες. Χρησιμοποιώντας ένα νέο μοντέλο πραγματικής μεταβλητότητας, αποκαλύπτεται ότι ο συνδυασμός και των δύο σημάτων μπορεί να βελτιώσει ουσιαστικά τις προβλέψεις μεταβλητότητας του αργού πετρελαίου, τα όρια κινδύνου και τις αποφάσεις αντιστάθμισης.

Η μελέτη πραγματοποιήθηκε από τρεις ερευνητές στο Indian Institute of Technology Guwahati και δημοσιεύθηκε στο Finance Research Open¹, υπό τον τίτλο “Οι αποδόσεις εξακολουθούν να έχουν σημασία; Ένα πλήρες ασύμμετρο μοντέλο μεταβλητότητας με πραγματικά μέτρα στις χρηματοοικονομικές αγορές”.

Σύντομη Επισκόπηση των Μοντέλων Κινδύνου

Από τη δεκαετία του 1980, ερευνητές στην οικονομία και traders άρχισαν να ενσωματώνουν ένα νέο μέτρο στο μοντέλο κινδύνου που χρησιμοποιούσαν για την πρόβλεψη των συμπεριφορών της αγοράς: τη μεταβλητότητα των αποδόσεων των περιουσιακών στοιχείων που μεταβάλλεται με το χρόνο. Αυτό επέτρεψε στο μοντέλο να αντανακλά καλύτερα τις πραγματικές αγορές, όπου οι κίνδυνοι των περιουσιακών στοιχείων κυμαίνονται με το χρόνο, με περιόδους υψηλής και χαμηλής αναταραχής να συγκεντρώνονται μαζί αντί να παραμένουν σταθερές, όπως συνέβαινε σε προηγούμενα μοντέλα.

Αργότερα, τα δεδομένα υψηλής συχνότητας προτιμήθηκαν για τέτοια μοντέλα, καθώς θεωρούνταν ένα ανώτερο σύνολο δεδομένων για αυτήν την εφαρμογή:

“Τα δεδομένα υψηλής συχνότητας επιτρέπουν πιο λεπτομερή ανάλυση, διευκολύνοντας τον διαχωρισμό των άλματων και των συνεχών στοιχείων και παρέχοντας πιο λεπτομερή καταγραφή της δυναμικής της μεταβλητότητας.”

Αυτό οδήγησε στη δημιουργία του μοντέλου GARCH (γενικευμένη αυτοπαλινδρομική υπό συνθήκη ετεροσκεδαστικότητα), το οποίο αργότερα βελτιώθηκε σε περαιτέρω προχωρημένα μοντέλα που ενσωματώνουν πρόσθετα στοιχεία όπως τις διαφορετικές επιδράσεις των θετικών και αρνητικών κτυπήσεων και άλλα δεδομένα.

Με την πάροδο του χρόνου, τα μοντέλα τύπου GARCH έχουν επεκταθεί σημαντικά, με εφαρμογές που καλύπτουν πολλαπλές κατηγορίες περιουσιακών στοιχείων, συμπεριλαμβανομένων των μετοχών, των εμπορευμάτων, των κρυπτονομισμάτων και των παραγώγων αγορών.

Ένα από αυτά τα ενημερωμένα μοντέλα είναι το GJR-GARCH, ένας τύπος μοντέλου που λαμβάνει υπόψη τη χρηματοοικονομική μεταβλητότητα δίνοντας μεγαλύτερο βάρος στα κακά νέα (αρνητικές αποδόσεις) παρά στα καλά νέα, καταγράφοντας το «απόδοση μοχλός» της χρηματιστηριακής αγοράς.

Συνδυασμός Δεδομένων Υψηλής Συχνότητας και GARCH

Αυτή η μελέτη προτείνει τον συνδυασμό δεδομένων υψηλής συχνότητας, λεπτό-λεπτό, ειδικά της «πραγματικής διακύμανσης», με το μοντέλο GJR‑GARCH, δημιουργώντας το RGJR‑GARCH.

Η πραγματική διακύμανση είναι ένα μέτρο που μετρά τη πραγματική μεταβλητότητα ενός χρηματοοικονομικού περιουσιακού στοιχείου σε ένα συγκεκριμένο χρονικό παράθυρο, αθροίζοντας τις υψηλής συχνότητας ενδοημερήσιες αποδόσεις τιμών.

Αυτό διαφέρει από την παραδοσιακή ημερήσια διακύμανση, η οποία παραμένει μηδενική εάν η τιμή στο τέλος είναι η ίδια με την αρχική, ακόμη και αν η μεταβλητότητα ήταν υψηλή εντός της ημέρας.

Με αυτόν τον τρόπο, το νέο μοντέλο μπορεί να ενσωματώσει τόσο λεπτομερή δεδομένα υψηλής συχνότητας όσο και την ακρίβεια των μοντέλων GJR‑GARCH.

Δοκιμή του Μοντέλου με Εμπορία Πετρελαίου

Δοκιμή για Ασταθείς Αγορές

Για να επικυρώσουν το μοντέλο τους, οι ερευνητές το δοκίμασαν χρησιμοποιώντας το USO (USO ), το United States Oil Fund, ένα ETF που παρακολουθεί τις κινήσεις τιμών του West Texas Intermediate (WTI) ελαφρού γλυκού αργού πετρελαίου από το 2006.

Αυτή η επιλογή έγινε επειδή οι αγορές αργού πετρελαίου χαρακτηρίζονται από έντονη ενδοεβδομαδιαία μεταβλητότητα που προκαλείται από μακροοικονομικές ανακοινώσεις, σοκ αποθεμάτων και γεωπολιτικές εξελίξεις. Οι πρόσφατοι πόλεμοι Ρωσίας–Ουκρανίας και ΗΠΑ‑Ιράν παρείχαν ένα επιπλέον παράδειγμα ξαφνικής μεταβλητότητας που επηρεάζει τις αποδόσεις των συναλλαγών και την αποδοτικότητα των χρηματοοικονομικών μοντέλων.

Για σύγκριση με μια πιο «κανονική» αγορά, δοκίμασαν επίσης το μοντέλο τους με το SPY, το πιο ενεργά διαπραγματευόμενο ETF που παρακολουθεί τον δείκτη S&P500.

Σε αμφότερες τις περιπτώσεις, συνέλεξαν δεδομένα από 1 Ιανουαρίου 2010 έως 30 Απριλίου 2020.

Οι ερευνητές επίσης σημείωσαν ότι άλλες ενδεχομένως ενδιαφέρουσες αγορές, όπως η αγορά χρυσού και η αγορά συναλλάγματος, δεν παρέχουν συνήθως αξιόπιστα δεδομένα tick‑by‑tick σε μεγάλες χρονικές περιόδους, και τα δεδομένα τιμών κρυπτονομισμάτων είναι γενικά διαθέσιμα το πολύ σε διαστήματα ενός λεπτού, καθιστώντας μη διαθέσιμα τα δεδομένα υψηλής συχνότητας που χρειάζεται το μοντέλο για σωστή λειτουργία.

Σύγκριση Μοντέλων

Οι ερευνητές χρησιμοποίησαν τα δεδομένα για να δοκιμάσουν διαφορετικά μοντέλα με 35 προβλέψεις μιας ημέρας μπροστά, οι οποίες στη συνέχεια συγκεντρώθηκαν σε εβδομαδιαίες προοπτικές.

Βρήκαν ότι το μοντέλο RGJR‑GRCH είχε την υψηλότερη ακρίβεια πρόβλεψης για όλους τους αριθμούς εβδομάδων μπροστά που δοκιμάστηκαν, έως και 7 εβδομάδες μετά.

Πηγή: Finance Research Open

Πιο σημαντικό, αυτή η διαφορά στην απόδοση σήμαινε ότι το RGARCH άρχισε να υποαποδίδει από την πρόβλεψη της 3ης εβδομάδας και υπέστη αρνητική απόδοση στην 4η εβδομάδα, ενώ το RGJR‑GRCH συνέχισε να κάνει ακριβείς προβλέψεις για περιόδους έως και 6 εβδομάδες μπροστά, και μόνο πολύ μέτρα σφάλματα για την 7η εβδομάδα.

Αναλύοντας τι προκάλεσε αυτήν την ανώτερη απόδοση, οι ερευνητές δείχνουν ότι ήταν πράγματι η χρήση δεδομένων υψηλής συχνότητας στις συναλλαγές.

“Η ανώτερη απόδοση του μοντέλου RGJR‑GARCH σε σχέση με τα μοντέλα GARCH και GJR‑GARCH αποδίδεται στη αποτελεσματική χρήση δεδομένων υψηλής συχνότητας στην μοντελοποίηση της δυναμικής της μεταβλητότητας.”

Το φαινόμενο ήταν ιδιαίτερα έντονο για περιουσιακά στοιχεία συνδεδεμένα με το πετρέλαιο όπως το USO, όπου η μεταβλητότητα παρουσιάζει έντονες εβδομαδιαίες τακτικότητες. Αυτό είναι σημαντικό για πρακτικές εφαρμογές, καθώς η ακριβής εβδομαδιαία πρόβλεψη μεταβλητότητας μπορεί να ενημερώνει τη δυναμική αντιστάθμιση και τον καθορισμό τιμών συμβάσεων για τους συμμετέχοντες στον ενεργειακό τομέα, όπως οι traders εμπορευμάτων και οι παραγωγοί.

Αυτό επίσης σήμαινε ότι για την πρόβλεψη της μεταβλητότητας, οι ημερήσιες αποδόσεις είναι επίσης σημαντικές, όχι μόνο τα δεδομένα υψηλής συχνότητας. Και τα δύο σύνολα δεδομένων αναμειγνύονται και πρέπει να επεξεργάζονται ως ένα.

Επένδυση σε Συναλλαγές Υψηλής Συχνότητας

CME Group Inc.

Καθώς η καλύτερη πρόβλεψη δημιουργείται από ένα βελτιωμένο χρηματοοικονομικό μοντέλο, η αξία ακριβών, μακροπρόθεσμων και δεδομένων υψηλής συχνότητας αυξάνεται ανάλογα. Αυτό ισχύει ιδιαίτερα για τίτλους και περιουσιακά στοιχεία υψηλής μεταβλητότητας, γεωπολιτικά ευαίσθητα, όπως το αργό πετρέλαιο. Έτσι, η πλατφόρμα μπορεί να παρέχει αυτά τα δεδομένα υψηλής συχνότητας και εμπορικά τίτλους που μπορούν να επωφεληθούν από τέτοιου είδους ακαδημαϊκή έρευνα.

Η αγορά NYMEX της CME είναι κεντρική για την ανακάλυψη τιμών του αργού πετρελαίου WTI, τις συναλλαγές futures και την αντιστάθμιση. Η εταιρεία είναι επίσης ενεργή σε όλα τα είδη συναλλαγών που καλύπτουν όλα τα εμπορεύματα (αγροτικά, ενέργεια, μέταλλα), καθώς και πιστοποιητικά άνθρακα, ομόλογα, συναλλαγματικές αγορές, δείκτες, μετοχές, κρυπτονομίσματα κ.λπ.

Η εταιρεία έχει αυξήσει γρήγορα τα έσοδά της από περίπου 3 δισεκατομμύρια δολάρια το 2015 σε περίπου 7 δισεκατομμύρια που αναμένονται το 2026.

Επίσης, έχει διεθνοποιηθεί γρήγορα, με τη δραστηριότητα εκτός ΗΠΑ να αυξάνεται 10% CAGR και παρουσία πωλήσεων σε 12 χώρες, καλύπτοντας περίπου 13.000 πελάτες παγκοσμίως. Συνολικά, αυτό το μοτίβο ανάπτυξης αναμένεται να συνεχιστεί και η εταιρεία να ωφεληθεί από πολλές χρηματοοικονομικές καινοτομίες, από το blockchain μέχρι το εμπόριο άνθρακα και τα αμερικανικά futures στεγαστικών δανείων.

Πηγή: CME

Τελευταία Νέα και Εξελίξεις για το CME Group (CME)

Μελέτη Αναφοράς

^{1. Prakash Raj, et al. Οι αποδόσεις εξακολουθούν να έχουν σημασία; Ένα πλήρες ασύμμετρο μοντέλο μεταβλητότητας με πραγματικά μέτρα στις χρηματοοικονομικές αγορές. Finance Research Open. Τόμος 2, Τεύχος 3, Σεπτέμβριος 2026, 100139. https://doi.org/10.1016/j.finr.2026.100139}