이 논문은 실현변동성을 예측함에 있어서 기존의 수많은 연구에서 역사적변동성과 내재변동성 그리고 변동성지수 등과의 비교연구결과 서로 상반된 결과를 보이는 것에 대한 의문들에 대하여 분석하였다. 이를 위하여 분석기간 동안 일별자료를 이용하였으며, 회귀 분석시 수준변수를 사용하였다. 일반적으로 회귀분석시 고려되어야 할 사항은 단위근의 존재로 인한 허구적 회귀(Spurious Regreesion) 존재의 유무가 될 것이며, 또한 단위근의 존재시에도 변수간의 공적분(Cointegration) 관계를 고려할 경우 수준변수의 활용이 가능하게 된다. 본 연구는 기존의 연구에서 서로 상반된 예측력 결과를 나타내는 것이 변수의 안정화를 위한 차분과정의 채택에 따라 달라질 수 있고, 수준변수 활용시에는 또한 단위근 제거를 통한 시계열 안정화가 분석기간이 증가됨에 따라 획득될 수 있다는 분석결과를 발견하였다. 위의 이러한 방법들을 순차적으로 채용한 후 실현변동성에 대한 검정결과 시장의 상승기에는 변동성지수가 역사적변동성보다 대체적으로 우월한 예측력을 보였고, 시장의 하락기에는 역사적변동성이 변동성지수보다 실현변동성을 보다 잘 예측하는 것으로 나타났다.

This paper studies realized volatility forecasting performances. It is mainly based on performance comparisons between by using historical volatility and by using volatility indexes. The volatility indexes are introduced by implied option volatility and option price respectively. Many of the previous papers insist on their own result derived from their unique basic asset, time period and data interval. Especially, their forecasting performances on realized volatility are quite different with respect to implied volatility and historical volatility. What causes these different results for forecasting realized volatility? This paper tries to find one of the answers of this question. First, if they test regression analysis on using daily data with level, unit root could be made non-stationary problem. I explored unit root disappeared when the data period expanded 7 years. Second, if they get rid of non-stationary problem using differentiation method. That method causes serious problem. The differentiation method has an effect on R square of the equation. Namely, if who analyze level data or 1st differentiated data, the result would be opposite. In summary, I tested those issues using daily level data during 1990 to 2004 and I also exhibited volatility indexes had better forecast performance than historical volatility to forecast realized volatility. But, the unit root problem happened. Therefore I expanded data period to 7 years for eliminating non-stationary problem. At that time the unit root disappeared. In conclusion, volatility forecasting performance is sensitive in data interval and period. Therefore, realized volatility forecasting should be used by a level data after testing and eliminating on unit root. Finally, I test volatility forecasting performance by different economical situation. The forecasting performance shows same patterns. The Volatility Indexes explain much better performance than historical volatility when the bull market.