Realized semicovariances : empirical applications to volatility forecasting and portfolio optimization

Abstract

This is an empirical study split in two parts aimed to explain and forecast realized portfolio volatility and perform portfolio optimization in the Brazilian financial market using realized semicovariances that use high-frequency data. In the first part of the paper, we aim to forecast the realized volatility of an equally weighted portfolio formed by Brazilian Bovespa asset returns, whereas in the second part of the paper we search and find an optimum portfolio. In both parts, we use high-frequency data of ten assets from different segments and among the most negotiated in Bovespa financial market from July 2018 to January 2021. The results show that the realized semicovariances help to explain better the realized stock portfolio variance and under different regimes the relation among them can change. Also, we show that using all realized semicovariances within a HAR Model can lead to "overfitting"and under higher frequency rebalancing periods, they bring improvements on the minimum variance portfolio performance.

Este é um estudo empírico dividido em duas partes com o objetivo de explicar e prever a volatilidade realizada da carteira e realizar a otimização da carteira no mercado financeiro brasileiro usando semicovariâncias que usam dados de alta frequência. Na primeira parte do artigo, pretendemos prever a volatilidade realizada de uma carteira igualmente ponderada formada pelos retornos dos ativos da Bovespa brasileira, enquanto na segunda parte do artigo buscamos e encontramos uma carteira ótima. Em ambas as partes, utilizamos dados de alta frequência de dez ativos em diferentes segmentos e entre os mais negociados no mercado financeiro da Bovespa de julho de 2018 a janeiro de 2021. Os resultados mostram que os semicovariâncias ajudam a explicar melhor a variância da carteira de ações realizada e sob diferentes regimes, a relação entre eles pode mudar. Além disso, mostramos que usando todos semicovariâncias realizadas dentro de um modelo HAR podem levar a um "overfitting"e sob períodos de rebalanceamento de maior frequência, elas trazem melhorias no desempenho do portfólio ótimo de variância mínima.