We study the novel Markov-switching (MS) Beta-t-EGARCH (exponential generalized autoregressive conditional heteroscedasticity) model, using within-regime volatility dynamics, similar to the recent observable-switching (OS) Beta-t-EGARCH model. We report in-sample results on the Standard & Poor’s 500 (S&P 500) and a random sample of 50 firms from the S&P 500 from March 1986 to July 2024. We compare the out-of-sample forecasting performances of OS-Beta-t-EGARCH and MS-Beta-t-EGARCH from May 2005 to July 2024 and confirm that OS-Beta-t-EGARCH is superior to MS-Beta-t-EGARCH.

中文翻译：

---

可观察和马尔可夫切换分数驱动模型的区内波动率动态


我们使用机制内波动性动力学研究了新颖的马尔可夫转换 （MS） Beta-t-EGARCH （指数广义自回归条件异方差性） 模型，类似于最近的可观察转换 （OS） Beta-t-EGARCH 模型。我们报告了标准普尔500指数（S&P 500）的样本结果，以及从1986年3月至2024年7月从S&P 500中随机抽取的50家公司。我们比较了 2005 年 5 月至 2024 年 7 月期间 OS-Beta-t-EGARCH 和 MS-Beta-t-EGARCH 的样本外预测性能，并确认 OS-Beta-t-EGARCH 优于 MS-Beta-t-EGARCH。