波动率预测在金融风险管理中至关重要，因为其整体水平和日常波动会影响后续决策。多数研究在比较预测模型时保持训练损失不变，但不同损失关注的误差类型不同，可能针对未来波动率的不同属性。因此，直接比较往往混合了持久的预测水平差异和每日波动差异，难以判断损失选择的重要性是来源于其针对的预测水平，还是在水平校正后仍然存在的差异。
本文通过在主要加密货币上比较七种损失函数和五种模型，填补了这一空白。我们使用基于验证集的对齐方法先校正预测水平，然后再用统计评分和单日价值风险（VaR）评估原始和对齐后的预测。对齐前，不同损失导致的评分差异较大；对齐后，模型选择成为导致整体变异的主要因素，而不同损失在VaR违约率上的差异显著收窄。
我们的贡献在于提供了损失与模型选择的系统评估，解释了为何在未经校正的比较中损失似乎影响巨大，并展示了在显式考虑预测水平和下游风险时，这一解释如何改变。
点评