Abstract The NoVaS methodology for prediction of stationary financial returns is reviewed, and the applicability of the NoVaS transformation for volatility estimation is illustrated using realized volatility as a proxy. The realm of applicability of the NoVaS methodology is then extended to non-stationary data (involving local stationarity and/or structural breaks) for one-step ahead point prediction of squared returns. In addition, a NoVaS-based algorithm is proposed for the construction of bootstrap prediction intervals for one-step ahead squared returns for both stationary and non-stationary data. It is shown that the “Time-varying” NoVaS is robust against possible nonstationarities in the data; this is true in terms of locally (but not globally) financial returns but also in change point problems where the NoVaS methodology adapts fast to the new regime that occurs after an unknown/undetected change point. Extensive empirical work shows that the NoVaS methodology generally outperforms the GARCH benchmark for (i) point prediction of squared returns, (ii) interval prediction of squared returns, and (iii) volatility estimation. With regard to target (i), earlier work had shown little advantage of using a nonzero α in the NoVaS transformation. However, in terms or targets (ii) and (iii), it appears that using the Generalized version of NoVaS—either Simple or Exponential—can be quite beneficial and well-worth the associated computational cost.

中文翻译：

---

随时间变化的NoVaS与GARCH：点预测，波动率估计和预测间隔

摘要回顾了NoVaS预测固定财务收益的方法，并以实现的波动率作为代理，说明了NoVaS变换在波动率估计中的适用性。然后，将NoVaS方法的适用范围扩展到非平稳数据（涉及局部平稳性和/或结构性断裂），以进行平方收益的一步式提前点预测。此外，提出了一种基于NoVaS的算法，用于构造固定数据和非固定数据的单步提前平方收益的自举预测间隔。结果表明，“时变” NoVaS可以抵抗数据中可能出现的非平稳性。就本地（而非全球）财务回报而言，这是正确的，但对于变更点问题，NoVaS方法可以快速适应在未知/未发现变更点后发生的新制度，这一点是正确的。大量的经验工作表明，NoVaS方法通常在以下方面优于GARCH基准：（i）平方收益的点预测，（ii）平方收益的区间预测以及（iii）波动率估计。关于目标（i），较早的工作表明在NoVaS转换中使用非零α几乎没有优势。但是，就术语（ii）和（iii）而言，使用NoVaS的通用版本（简单或指数）似乎是非常有益的，并且值得承担相关的计算成本。大量的经验工作表明，NoVaS方法通常在以下方面优于GARCH基准：（i）平方收益的点预测，（ii）平方收益的区间预测以及（iii）波动率估计。关于目标（i），较早的工作表明在NoVaS转换中使用非零α几乎没有优势。但是，就术语（ii）和（iii）而言，使用NoVaS的通用版本（简单或指数）似乎是非常有益的，并且值得承担相关的计算成本。大量的经验工作表明，NoVaS方法通常在以下方面优于GARCH基准：（i）平方收益的点预测，（ii）平方收益的区间预测以及（iii）波动率估计。关于目标（i），较早的工作表明在NoVaS转换中使用非零α几乎没有优势。但是，就术语（ii）和（iii）而言，使用NoVaS的通用版本（简单或指数）似乎是非常有益的，并且值得承担相关的计算成本。