This dissertation focuses on the volatility forecasting of financial assets, and consists of three essays. Each essay is summarized as below.
The first essay examines the volatility forecasting abilities of three approaches: GARCH-type model that uses carbon futures prices, an implied volatility from carbon options prices, and the k-nearest neighbor model. Based on the results, we document that GARCH-type models perform better than an implied volatility and the k-nearest neighbor model. This result suggests that carbon options have little information about carbon futures due to their low trading volume. We also investigate whether the volatilities of energy markets, i.e., Brent oil, coal, natural gas, and electricity, forecast following day`s carbon futures volatility. According to the results, we suggest that Brent oil, coal, and electricity may be used to forecast the volatility of carbon futures.
The second essay examines several approaches to obtain the volatility forecast for the S&P 500 index: the GARCH-type models, an implied volatility, and their linear combinations. Based on the results, we document that linear combination outperforms the individual models. This result is consistent with existing literature. We also investigate the effect of the two-state method using investor sentiment. According to the results, forecasting performance during high sentiment state is different from that during low sentiment state due to misestimating future volatility of noise traders. Therefore, we suggest that the two-state method using investor sentiment makes the volatility forecast value more efficient.
The last essay investigates the effect of adjusting the volatility risk premium in an implied volatility and considering the option volatility smirk as a volatility forecasting variable. We find that volatility risk premium-adjusted implied volatility improves the forecasting performance. That is, adjusting the volatility risk premium closes a gap between physical measure and risk-neutral measure. Moreover, we find the option volatility smirk contains information content of the underlying asset’s future volatility. The informed investors’ information about underlying assets’ future negative return makes option volatility smirk. Therefore, we conclude that information held by informed investors in the option market is useful in forecasting the future volatility of an underlying asset.
본 학위 논문은 금융 자산의 변동성 예측에 대해 살펴보았다. 첫 번째 연구에서는 탄소배출권 선물의 변동성 예측에 있어서 세 가지 접근방식(GARCH 형태의 모델, 탄소배출권 옵션의 내재변동성, k-근접 이웃 모델)의 예측력을 알아보았다. 분석 결과에 따르면, GARCH 형태의 모델이 내재변동성과 k-근접 이웃 모델보다 우월한 예측력을 보인다. 이러한 결과는 탄소배출권 옵션에 담긴 탄소배출권 선물에 대한 정보가 극히 제한적임을 나타내고, 이는 탄소배출권 선물에 비해 탄소배출권 옵션이 거래량이 낮기 때문으로 해석할 수 있다. 또한, 브렌트유, 석탄, 천연가스, 전력과 같은 에너지 시장의 변동성이 다음날의 탄소배출권 선물 변동성 예측에 사용될 수 있는지에 대해서도 분석하였다. 그 결과, 브렌트유, 석탄, 전력의 변동성이 탄소배출권 선물 변동성 예측에 사용될 수 있음을 보였다.
두 번째 연구에서는 S&P500 지수의 변동성 예측에 있어서 GARCH 형태의 모델, 내재변동성, 이들의 선형 조합의 예측력을 분석하였다. 개별 변동성 예측 모델보다 이들의 선형 조합이 예측력이 더 우수한 것으로 나타났으며, 이는 기존 문헌의 결과와 일치하는 결과로 선형 조합에서는 개별 변동성 예측 모델의 장단점을 보완해주기 때문이다. 그리고 투자자 심리를 이용한 이상태(two-state) 방법론의 도입 효과도 알아보았는데, 개별 모델과 이들의 선형 조합 모두 이상태 방법론을 이용할 때 변동성 예측 오차가 줄어들었다. 이상태 방법론을 도입하게 되면 투자자 심리가 높을 때의 변동성 예측 모델의 예측력이 투자자 심리가 낮을 때와 차이를 보이는데, 이는 비합리적 투자자가 미래 변동성을 잘못 예상하기 때문으로 설명할 수 있다. 결과적으로 이상태 방법론을 이용하면 더욱 효과적으로 변동성을 예측할 수 있다.
세 번째 연구에서는 변동성 위험 프리미엄을 보정하는 것과 변동성 예측 변수로서 옵션 변동성 스머크를 이용하는 것의 효과를 분석하였다. 그 결과, 내재변동성에서 변동성 위험 프리미엄을 보정하면 예측력이 개선되었다. 이는 변동성 위험 프리미엄의 보정이 실제 측도와 위험 중립 측도 사이의 차이를 줄여줌을 의미한다. 또한, 옵션 변동성 스머크는 기초자산의 미래 변동성에 대한 정보를 담고 있는 것으로 나타났는데, 옵션 변동성 스머크는 옵션 시장 내 정보 투자자가 가진 미래 기초자산의 수익률에 대한 정보로 인해 야기되는 현상이다. 따라서 옵션 시장 내 정보 투자자의 정보는 기초자산의 미래 변동성 예측에 유용한 것으로 결론지을 수 있다.
