HARd to Beat: The Overlooked Impact of Rolling Windows in the Era of Machine Learning
创建于 更新于
摘要
本报告基于1,445只股票的高频数据，深入分析了传统线性HAR模型与机器学习（ML）模型在实现波动率预测中的表现差异，强调了HAR模型在训练窗口和重估频率选择上的敏感性。研究发现，经过精心拟合的HAR模型在预测准确性和计算效率上均优于多种机器学习方法，尤其在仅使用历史实现波动率和VIX指标时表现最优。该结论不仅质疑了ML模型的普适优势，也为未来波动率预测提供了实用基线和方法指导 [page::0][page::1][page::3][page::20][page::21]。
