Виконано дослідження вибраних моделей умовної дисперсії гетероскедастичних процесів з метою вибору кращих для короткострокового прогнозування. Запропоновано удосконалену структуру моделі стохастичної волатильності і розроблено алгоритм оцінювання параметрів на основі методу Монте-Карло для марковських ланцюгів. Побудовано нові моделі для фінансових індексів трьох країн, як для гетероскедастичних процесів. Моделі мають задовільну ступінь адекватності, про що свідчать обчислені критерії якості оцінок прогнозів.
Выполнено исследование некоторых моделей условной дисперсии гетероскедастических процессов с целью выбора лучших для краткосрочного прогнозирования. Предложена усовершенствованная структура модели стохастической волатильности и разработан алгоритм оценивания параметров на основе метода Монте-Карло для марковских цепей. Построены новые модели для финансовых индексов трех стран, как для гетероскедастических процессов. Модели имеют приемлемую адекватность, что подтверждается критериями качества оценок прогнозов.
Selected models of conditional variance for heteroscedastic processes have been studied with the purpose of short term forecasting. An improved structure of stochastic volatility model is proposed and algorithm for its parameters estimation was developed on the basis of Markov chain Monte Carlo approach. Several new models were constructed for financial indices of three countries as heteroscedastic processes. The models exhibit satisfactory adequacy according to the set of statistical quality criteria computed for forecasts estimates.
