Nello studio rendimenti futuri, quindi nella previsone della volatilità, molti esperti hanno affrontato il problema di capire se è significativo inserire il VIX come variabile esogena nel modello utilizzato per fare buone previsioni.
Degiannakis e Floros (2010) utilizzano i 4 modelli stimati per fare previsione, da ogni modello ricavano 2 previsioni una con il VIX e una senza, ottenendo così 8 stime. Per confrontare i risultati utilizzano il “test for Superior Predictive Ability” (SPA), introdotto da Hansen (2001). Blair, Poon e Taylor (2000) utilizzano il modello stimato per la varianza, GJR(1,1), per fare previsione: si utilizzano 2 modelli però, uno che include come variabile esogena solo il VIX e l’altro che utilizza solo data INTRADAY a 5 minuti. Dal confronto degli errori quadratici medi viene scelto il metodo di previsione più accurato.
Jui-Cheng Hung (2009) analizza se inserendo il VIX in un modello GJR sono apportati dei benefici alla performance di previsione, per rivelare la significatività statistica e garantire di ottenere risultati robusti, è utilizzato il MAE (Mean Absolute Error). In tutti questi studi, i risultati dati da questa ricerca concludono che il VIX è una variabile significativa da includere nel modello per ottenere previsioni migliori e più accurate.
Successivo: 2.3 Modelli per la volatilità
Sommario: Index