Forecasting VIX Using GARCH models

Abstract

Ο δείκτης μεταβλητότητας ή αλλιώς VIX index παίζει έναν καθοριστικό ρόλο στις σύγχρονες xρηματοοικονομικές αγορές καθώς είναι ένας παράγοντας που πρέπει ο καθένας να σκεφτεί, πριν πάρει μια απόφαση. Επομένως ο σκοπός αυτής της διπλωματικής εργασίας είναι να εμβαθύνει στον δείκτη μεταβλητότητας και να τον προβλέψει χρησιμοποιώντας μία γνωστή κατηγορία μοντέλων που ονομάζεται GARCH μοντέλα. Για να γίνει αυτό εφικτό, ιστορικές τιμές του δείκτη S&P 500 και του δείκτη μεταβλητότητας VIX θα χρειαστούν για τον αλγόριθμο. Η επιλογή του ιδανικού μοντέλου θα γίνει μέσω μιας ποικιλίας στατιστικών ελέγχων και αξιολογήσεων. Τέλος, ο υπολογισμός του δείκτη VIX θα συγκριθεί με τις πραγματικές του τιμές στις αντίστοιχες περιόδους. Ακολουθώντας τα παραπάνω βήματα, καταλήγουμε στο ότι οι προβλεπόμενες τιμές του δείκτη είναι παρόμοιες με τις πραγματικές του τιμές, γεγονός το οποίο τονίζει ότι είναι εφικτό να κάνουμε ακριβείς προβλέψεις μέσω αυτών των μοντέλων.

The volatility index or VIX plays a decisive role in modern financial markets since it affects people’s judgement over various situations in which they have to make a critical decision. As a result, the purpose of this thesis is to gain insight into the VIX and also to forecast this index by using one of the most popular categories of time series models named GARCH models. To materialize this, historical data from both S&P 500 Stock Index and VIX will be needed as an input to the algorithm. The selection of the best possible GARCH model will be done by means of a variety of statistical checks and evaluation metrics. Finally, the estimation of implicit VIX will be computed and compared to the actual prices. Considering the steps described, we come to the conclusion that the estimated values of the index generally follow the trend of the actual ones, indicating that it is feasible to make accurate forecasts using these statistical models.