Key points are not available for this paper at this time.
Résumé Des recherches récentes ont suggéré que l'évaluation des prévisions sur la base de fonctions de perte statistique standard pourrait préférer des modèles qui sont sous-optimaux lorsqu'ils sont utilisés dans un contexte pratique. Cet article explore un certain nombre de modèles statistiques pour prédire la volatilité quotidienne de plusieurs séries temporelles financières clés au Royaume-Uni. La performance des prévisions hors échantillon de divers modèles linéaires et de type GARCH de volatilité est comparée aux prévisions dérivées d'une approche multivariée. Les prévisions sont évaluées à l'aide de métriques traditionnelles, telles que l'erreur quadratique moyenne, et également par l'adéquation de leur performance dans un contexte moderne de gestion des risques. Nous constatons que les précisions relatives des différentes méthodes sont hautement sensibles à la mesure utilisée pour les évaluer. De tels résultats ont des implications pour toutes les prévisions de séries temporelles économétriques qui sont ultérieurement employées dans la prise de décision financière. Copyright © 2002 John Wiley & Sons, Ltd.
Brooks et al. (Mer,) ont étudié cette question.