We perform a large-scale empirical

We perform a large-scale empirical study in order to compare the forecasting performances of single-regime and Markov-switching GARCH (MSGARCH) models from a risk management perspective. We find that MSGARCH models yield more accurate Value-at-Risk, expected shortfall, and left-tail distribution forecasts than their single-regime counterparts for daily, weekly, and ten-day equity log-returns. Also, our results indicate that accounting for parameter uncertainty improves the left-tail predictions, independently of the inclusion of the Markov-switching mechanism.

Results (Thai) 1:

เราดำเนินการขนาดใหญ่การศึกษาเชิงประจักษ์ในการสั่งซื้อเพื่อเปรียบเทียบการแสดงการคาดการณ์เดียวระบอบการปกครองและมาร์คอฟสลับ GARCH (MSGARCH) รุ่นจากมุมมองของการบริหารความเสี่ยง เราจะพบว่ารุ่น MSGARCH ผลผลิตถูกต้องมากขึ้น Value-at-ความเสี่ยงขาดแคลนที่คาดหวังและการคาดการณ์การกระจายซ้ายหางกว่าคู่เดียวระบอบการปกครองของพวกเขาสำหรับรายวันรายสัปดาห์และส่วนสิบวันล็อกผลตอบแทน นอกจากนี้ผลของเราแสดงให้เห็นว่าการบัญชีสำหรับความไม่แน่นอนพารามิเตอร์ช่วยเพิ่มการคาดการณ์ซ้ายหางเป็นอิสระจากการรวมของกลไกมาร์คอฟสลับ

Results (Thai) 2:

เราทำการศึกษาเชิงประจักษ์ที่มีขนาดใหญ่เพื่อเปรียบเทียบการแสดงการคาดการณ์ของรุ่นเดียวกันและ Markov-สวิตช์ GARCH (MSGARCH) จากมุมมองการบริหารความเสี่ยง เราพบว่ารุ่น MSGARCH ให้ความเสี่ยงที่คุ้มค่าที่ถูกต้องมากขึ้นที่คาดหวังและการคาดการณ์การแจกจ่ายด้านซ้ายของพวกเขาสำหรับรายวันรายสัปดาห์และ10วันส่วนของการเข้าสู่ระบบ-ผลตอบแทน นอกจากนี้ผลลัพธ์ของเราบ่งชี้ว่าการบัญชีสำหรับความไม่แน่นอนของพารามิเตอร์ช่วยเพิ่มการคาดการณ์ซ้ายหางโดยอิสระจากการรวมของกลไก Markov-สลับ

Results (Thai) 3:

เพื่อเปรียบเทียบประสิทธิภาพของระบบเดียวและรูปแบบ msgarch จากมุมมองของการบริหารจัดการความเสี่ยงเราดำเนินการวิจัยเชิงประจักษ์ขนาดใหญ่ เราพบว่ารูปแบบ msgarch ให้ถูกต้องมากขึ้นความเสี่ยงช่องว่างความคาดหวังและการกระจายหางซ้ายกว่ารุ่นที่สอดคล้องกับระบบเดียว นอกจากนี้ผลที่ได้แสดงให้เห็นว่าการพิจารณาความไม่แน่นอนของพารามิเตอร์สามารถปรับปรุงการพยากรณ์หางซ้ายโดยไม่ต้องพิจารณากลไกมาร์คอฟเปลี่ยน