Моделирование волатильности рынка нефти с использованием GARCH и искусственных нейронных сетей

Способность аккуратно предсказывать волатильность цен на рынке нефти является значимой как на микро уровне: для разработки инвестиционных торговых стратегий, диверсификации, управления рисками и пр., так и на макро уровне, так как волатильность финансовых и товарных рынков оказывает влияние на глобальную экономику. Поэтому статистические и эконометрические модели, оценивающие будущие показатели волатильности, постоянно трансформируются с целью найти самую точную конфигурацию. Обычной практикой является использование модели GARCH и ее модификаций для прогнозирования будущих значений и фитинга. Однако, новые нелинейные и самообучающиеся методы были предложены и одним из таких является Искусственная Нейронная Сеть (ANN), повторяющая процессы информационной обработки, происходящие в головном мозге. В данной работе, мы пытаемся создать многоступенчатый анализ моделей, прогнозирующих волатильность цен марки нефти WTI. В первую очередь, целью является найти самую аккуратную спецификацию из семьи GARCH, после результаты данной модели встраиваются как входные данные в многослойные гибридные ANN прямого распространения вдобавок к другим коррелированным переменным: DJIA, S&P500, обменному курсу, ценам на золото и природный газ. Главным результатом является то, что APARCH модель предсказывает лучше, чем GARCH, TGARCH и EGARCH, согласно показателям MSE и MAE и тесту Диболд-Мариано, в то время как гибридные ANN-APARCH модели могут показать прогнозы еще точнее. Результаты ANN несомненно лучше для долгосрочных предсказаний, в нашем случае для прогнозов на 14 дней. Также, ANN показывает более аккуратную эффективность на краткосрочных сроках с использованием большого количества входных переменных, а на долгосрочных с использованием всего нескольких. Еще одним из результатов является способность искусственных нейронных сетей распознавать размерность скачков волатильности с большей точностью, что может быть существенным критерием для принятия инвестиционных решений