ДуБОВИКОВ МИхАИЛ МИхАЙЛОВИЧ заместитель генерального директора, оАо «индекс-xx», Москва, россияПуТКО БОРИС АЛЕКСАНДРОВИЧ преподаватель кафедры «Математика-1», Финансовый университет, Москва, россия АННОТАЦИЯ Разработана методика долгосрочного (до нескольких месяцев) прогнозирования разворотной динамики во-латильности с использованием свойств длинной памяти финансовых временных рядов. Предложенный в [1] алгоритм вычисления фрактальной размерности через покрытие предфракталами используется для декомпо-зиции волатильности на удельнуюПредложены модели динамических компонент волатильности, способные предсказывать длинные восходящие в ней тренды. Для проверки статистической значимости прогнозов введены функции оценки условных и безусловных вероятностей для наблюдаемых и прогнозируемых компонент. Наши результаты могут быть использованы для предсказания точек перехода рынка в нестабильное состояние. Ключевые слова: фондовый рынок; ценовой риск; фрактальная размерность; крахи рынка; ARCH-GARCH мо-дель; модели волатильности как амплитуды; многомасштабная волатильность; развороты волатильности; тех-нический анализ.
FORECASTING COHERENT vOLATILITY BREAKOUTS
ALExANDER S. DIDENKO financial university under the Government of Russian federation Email: alexander.didenko@gmail.com
MIKHAIL M. DuBOVIKOV deputy ceo, «index-xx» company
BORIS A. POuTKO lecturer, department of mathematics, financial university under the Government of Russian federation
ABSTRACTThe paper develops an algorithm for making long-term (up to three months ahead) predictions of volatility reversals based on long memory properties of financial time series. The approach for computing fractal dimension using sequence of the minimal covers with decreasing scale (proposed in [1]) is used to decompose volatility into two dynamic components: specific , based on different principles and capable of catching long uptrends in volatility. To test statistical significance of its abilities we introduce several estimators of conditional and unconditional probabilities of reversals in observed and predicted dynamic components of volatility. Our results could be used for forecasting points of market transition to an unstable state.