The Effect of Climate Change on Volatility Indicies for the S&P500 Index Modelled by Machine Learning Methods
Forfattere
Nielsen, Lise Lønsmann ; Nielsen, Signe Denhardt Brandt ; Bach, Mathilde
Semester
4. semester
Udgivelsesår
2022
Resumé
Specialet undersøger, om klimaforandringer påvirker volatiliteten i S&P500 ved at modellere VIX-indekset og den realiserede varians, hvor Google Trends-variabler bruges som proxy for klimaopmærksomhed. Der opstilles basis autoregressive modeller med kun tidligere værdier af indekset samt udvidede modeller, der også indeholder Google Trends som eksterne regressorer. Metoderne omfatter tidsrækkeanalyse (bl.a. autoregressive distributed lag) og machine learning som ridge- og lasso-shrinkage, principal components og partial least squares samt neurale netværk. Modellerne vurderes in-sample med justeret R2 og AIC og out-of-sample med MAE og MSE, og alle bygger på data fra samme periode for direkte sammenligning. In-sample opnås de højeste R2-værdier for både VIX og realiseret varians, når Google Trends-variabler indgår, hvilket indikerer, at klima-relateret søgeaktivitet bidrager til at forklare volatilitetsindeksernes bevægelser. Out-of-sample-resultaterne vurderes, men er ikke detaljeret i uddraget.
This thesis examines whether climate change affects S&P500 volatility by modeling the VIX index and realized variance, using Google Trends variables as a proxy for climate-related attention. Baseline autoregressive models with only past index values are contrasted with extended models that include Google Trends as external regressors. Methods span time-series analysis (including autoregressive distributed lag) and machine learning techniques such as ridge and lasso shrinkage, principal components and partial least squares, and neural networks. Models are evaluated in-sample with adjusted R2 and AIC and out-of-sample with MAE and MSE, all using data from a common period to enable direct comparison. In-sample, the highest R2 values for both VIX and realized variance are achieved when Google Trends variables are included, indicating that climate-related search activity contributes to explaining movements in the volatility indices. Out-of-sample results are assessed but are not detailed in the excerpt.
[Dette resumé er genereret med hjælp fra AI direkte fra projektet (PDF)]