@

초록

HAR 모형은 일간, 주간, 월간 시차 구조를 선형 결합하여 강한 의존성을 가지는 시계열의 특성을 효과적으로 설명한다는 장점이 있다. 그러나 암호화폐와 같이 개장일의 개념이 기존 금융 시장과 다른 경우, 고정된 시차 구조를 사용하는 것은 데이터의 특성을 충분히 반영하지 못할 가능성이 있다. 이러한 단점을 개선하기 위해 본 연구에서는 LsHAR 모형의 구조를 정립하고 최소제곱법과 1단계 표본 외 예측 방법을 활용하여 시차 구조를 동적으로 추정하는 방법을 제안한다. 모의실험을 통해 두 방법론 모두 표본이 커질수록 추정치가 실제 시차 구조에 가까워지는 것을 확인하였다. 또한 실증자료분석에서는 나라별 주가지수와 암호화폐의 실현 변동성을 대상으로 LsHAR 모형과 HAR 모형의 예측 성능을 비교한 결과, 대부분의 지수와 암호화폐에서 LsHAR 모형을 통해 자료의존적으로 시차 구조를 추정하여 예측할 시 기존 HAR 모형보다 성능이 우수함을 입증하였다.

키워드