Improving S&P 500 Volatility Forecasting through Regime-Switching Methods
创建于 更新于
摘要
本报告提出多种柔性状态切换模型以捕捉市场结构变化，改进S&P 500波动率预测，覆盖2014至2025年11年高频数据。基于HAR模型，结合前瞻性VIX特征、跳跃变异与峰度等非线性因素，设计三种建模框架：隐马尔可夫软切换，基于分布的光谱聚类，以及基于回归系数的软聚类。后者通过时段系数聚类并结合XGBoost概率预测表现最佳。对疫情前、中、后疫情三阶段均显著提升了均方误差表现，同时引入递归多步预测，反映出双递归结构在波动率和隐含波动之间的动态反馈优势，尤其在疫情震荡期体现稳定性和适应性[page::0][page::4][page::5][page::10][page::12][page::15]
