On options-driven realized volatility forecasting: Information gains via rough volatility model
创建于 更新于
摘要
本文研究能否从期权面板中提取基于模型的即期波动率估计量并将其并入HAR-RV框架以提升已实现波动率预测。通过对比Heston、Bates、SVCJ三类传统SV模型与rough Heston，并采用深度学习surrogate加速rough模型标定，实证显示以rough Heston为来源的SV估计量（HAR-RV-RHeston）在样本内外及多期（最高到1个月）均能显著降低预测误差并提升方向预测准确率 [page::0][page::8][page::23]。
