L'approccio GARCHX-NoVaS: un metodo semiparametrico per la previsione della volatilità finanziaria

Nel mio lavoro verrà affrontato il tema della previsione della volatilità dei dati finanziari, ponendo particolare rilievo a recenti metodologie in grado di superare i limiti dei modelli tradizionalmente più utilizzati, quali i modelli ARCH e GARCH. In particolare, l'analisi si concentrerà su approcci semiparametrici capaci di ridurre gli effetti degli errori di specificazione dei modelli finanziari, migliorando in questo modo l'accuratezza delle previsioni. Il mio elaborato prenderà in esame il metodo GARCHX-NoVaS. Da un lato, saranno analizzati i modelli GARCHX, estensione dei classici modelli GARCH tramite l'inclusione di diverse variabili esplicative potenzialmente utili a modellare la volatilità finanziaria. Dall'altro verrà utilizzato il metodo NoVaS, Normalizing and Variance Stabilizing, basato su un principio di previsione model-free, che si libera dal vincolo di assumere una specifica forma parametrica per il processo di volatilità, superando così i limiti derivanti da errori di specificazione e rendendo le stime più robuste e accurate. Le prestazioni del metodo GARCHX-NoVaS vengono confrontate con quelle dei modelli GARCH e GARCHX mediante analisi di simulazione, al fine di valutarne le capacità. Infine, il metodo verrà applicato ad un caso di studio reale, analizzando come il metodo sia in grado di includere l'impatto della guerra Russia-Ucrania nella previsione della volatilità finanziaria di tre mercati azionari europei: Germania, Austria e Svizzera.