İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Finans›Gerçekleşen Volatilite ve HAR Modeli
Regression model

Gerçekleşen Volatilite ve HAR Modeli

Realized Volatility and the Heterogeneous Autoregressive (HAR) Model · Ayrıca şöyle bilinir: realized variance, HAR model, heterogeneous autoregressive model of realized volatility, HAR-RV, Gerçekleşmiş Volatilite ve HAR Modeli

Gerçekleşen volatilite, parametrik bir gizli süreçten ziyade, yüksek frekanslı gün içi getirilerden bir varlığın varyansını doğrudan tahmin eder. Corsi (2009) tarafından geliştirilen ve Andersen, Bollerslev, Diebold ve Labys (2003) tarafından geliştirilen gerçekleşen volatilite çerçevesine dayanan Heterojen Otoregresif (HAR) modeli, günlük, haftalık ve aylık volatilite bileşenlerini birleştirerek bu ölçütü tahmin eder ve volatilite tahmini için GARCH'a güçlü bir alternatiftir.

ScholarGate
  1. Regression model
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Gerçekleşen Volatilite ve HAR Modeli
ARIMA (Autoregressive In…Üstel GARCH (EGARCH)Johansen Eşbütünleşme Te…Uzun Bellek Modelleri (A…Black-Scholes-Merton Ops…Koşullu Risk (Beklenen K…Aşırı Değer Teorisi (ADT)Risk'te Değer (VaR)

Ne zaman kullanılır

Yüksek frekanslı (gün içi, tipik olarak 5 dakikalık veya daha ince) getiri verileriniz olduğunda ve varyansı doğrudan ölçmek veya tahmin etmek istediğinizde gerçekleşen volatiliteyi ve HAR modelini kullanın. Makul derecede uzun bir geçmişe sahip sürekli zaman serisi verilerine uygundur; güvenilir tahminler için en az yaklaşık 250 günlük veri önerilir ve daha kısa geçmişler bunun yerine GARCH tipi modelleri destekler. Seri durağan olmalıdır - durağan olmayan volatilite serileri yanıltıcı ölçümler verebilir ve fark alma gerektirebilir. Yüksek frekanslı veriler piyasa mikro yapısı gürültüsü taşıdığından, beş dakikalık veya daha kaba örnekleme yapmak veya alt örnekleme veya çekirdek tahmincileri uygulamak tavsiye edilir.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Gizli süreç varsayımlarını atlayarak, parametrik volatilite modellerinin gizli süreç varsayımlarını atlayarak, gözlemlenebilir yüksek frekanslı verileri kullanarak varyansı doğrudan tahmin eder.
  • HAR modeli, basit bir OLS regresyonu olarak kalırken, volatilitenin uzun hafıza benzeri kalıcılığını yeniden üretir ve tahmin edilmesi hızlıdır.
  • Günlük, haftalık ve aylık dinamikleri ayrı bileşenlerde yakalayan GARCH'a güçlü, iyi belgelenmiş bir tahmin alternatifidir.
Sınırlılıklar
  • Yüksek frekanslı veriler piyasa mikro yapısı gürültüsü içerir, bu nedenle ölçümler dikkatli örnekleme, alt örnekleme veya çekirdek düzeltmesi gerektirir.
  • Yetersiz yüksek frekanslı veri (yaklaşık 250 günden az) ile gerçekleşen volatilite tahminleri güvenilmez hale gelir ve GARCH tercih edilir.
  • Durağan olmayan serilerde volatilite ölçümü yanıltıcıdır; verilerin önce farkı alınması gerekebilir.
  • HAR, uzun hafızayı taklit eder ancak aslında kısa hafıza yapısıdır, bu nedenle gerçek bir uzun hafıza modeli yerine bir yaklaşımdır.

SSS

Gerçekleşen volatilite GARCH'dan nasıl farklıdır?

GARCH, getirilerin parametrik bir modelinden gizli bir koşullu varyans çıkarır, oysa gerçekleşen volatilite, yüksek frekanslı gün içi getirilerin karelerini toplayarak varyansı doğrudan ölçer. HAR modeli daha sonra bu gözlemlenebilir ölçütü basit bir regresyonla tahmin eder ve gün içi verilerin mevcut olduğu durumlarda GARCH'a güçlü bir alternatiftir.

Mikro yapı gürültüsü nedir ve neden önemlidir?

Çok ince örnekleme frekanslarında, gözlemlenen fiyatlar alış-satış farkı ve diğer ticaret sürtünmeleriyle kirlenir ve toplanmış kare getirileri yanlı hale getirir. Beş dakikalık veya daha kaba örnekleme yapmak veya alt örnekleme veya çekirdek tabanlı tahminciler uygulamak bu gürültüyü azaltır.

HAR neden günlük, haftalık ve aylık bileşenleri kullanır?

Farklı piyasa katılımcıları farklı ufuklarda işlem yapar. Günlük ölçümü, geçen haftanın ortalamasını ve geçen ayın ortalamasını birleştirerek, HAR modeli, gösterişsiz bir doğrusal regresyon olarak kalırken, yavaş azalan, uzun hafıza benzeri volatilite kalıcılığını yeniden üretir.

Gerçekleşen varyansı logaritma olarak mı modellemeliyim?

Gerçekleşen volatilite serileri genellikle sağa çarpıktır, bu nedenle bir log-RV belirlemesi genellikle daha iyi uyar ve regresyon hatalarının varyansını stabilize eder.

Kaynaklar

  1. Corsi, F. (2009). A Simple Approximate Long-Memory Model of Realized Volatility. Journal of Financial Econometrics, 7(2), 174-196. DOI: 10.1093/jjfinec/nbp001 ↗
  2. Andersen, T. G., Bollerslev, T., Diebold, F. X., & Labys, P. (2003). Modeling and Forecasting Realized Volatility. Econometrica, 71(2), 579-625. DOI: 10.1111/1468-0262.00418 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 1). Realized Volatility and the Heterogeneous Autoregressive (HAR) Model. ScholarGate. https://scholargate.app/tr/finance/realized-volatility

İlişkili yöntemler

ARIMA (Autoregressive Integrated Moving Average) ModeliÜstel GARCH (EGARCH)Johansen Eşbütünleşme Testi ve Vektör Hata Düzeltme ModeliUzun Bellek Modelleri (ARFIMA, FIGARCH)

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • ARIMA (Autoregressive Integrated Moving Average) ModeliEkonometri↔ karşılaştır
  • Üstel GARCH (EGARCH)Ekonometri↔ karşılaştır
  • Johansen Eşbütünleşme Testi ve Vektör Hata Düzeltme ModeliFinans↔ karşılaştır
  • Uzun Bellek Modelleri (ARFIMA, FIGARCH)Finans↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Black-Scholes-Merton Opsiyon Fiyatlama ModeliKoşullu Risk (Beklenen Kayıp)Aşırı Değer Teorisi (ADT)Risk'te Değer (VaR)

Benzer yöntemler

Gerçekleşen Volatilite için HAR-RV ModeliGARCH Modeli (Volatilite Tahmini)Genelleştirilmiş Otoregresif Koşullu Heteroskedastisite (GARCH)Uzun Bellek Modelleri (ARFIMA, FIGARCH)Bileşen GARCHGARCH-MIDASZamanla Değişen Parametreli GARCH Modeli (TVP-GARCH)

İlgili referans kavramlar

Financial EconometricsMatematiksel ve Nicel YöntemlerEconometricsTime-Series Models • Dynamic Quantile Regressions • Dynamic Treatment Effect Models • Diffusion Processes • State Space ModelsTime-Series Models • Dynamic Quantile Regressions • Dynamic Treatment Effect Models • Diffusion Processesİto İntegrali

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Realized Volatility (Realized Volatility and the Heterogeneous Autoregressive (HAR) Model). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/finance/realized-volatility · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Corsi (HAR model); Andersen, Bollerslev, Diebold & Labys (realized volatility)
Year
2009
Type
Time-series regression of realized variance
Estimator
OLS on daily, weekly, and monthly realized-volatility components
Data
High-frequency (intraday) returns
Outcome
continuous (realized variance / volatility)
İlişkili yöntemler
ARIMA (Autoregressive Integrated Moving Average) ModeliÜstel GARCH (EGARCH)Johansen Eşbütünleşme Testi ve Vektör Hata Düzeltme ModeliUzun Bellek Modelleri (ARFIMA, FIGARCH)
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil