В работе развивается модель Korhonen-Peresetsky, в которой доходность индекса финансового рынка была представлена в виде суммы двух независимых компонент: глобальной (которая зависит от новостей, имеющих влияние на глобальный финансовый рынок) и локальной (зависящей от новостей, значимых только для данного рынка). Модель учитывала несинхронность наблюдений однодневных доходностей финансовых рынков, находящихся в разных часовых поясах, и позволяла оценить этот (ненаблюдаемый) глобальный тренд. При этом предполагалось, что приращения глобального тренда между моментами закрытия бирж независимы. В данной статье предложена модель с автокорреляцией глобального стохастического тренда, которая предполагает возможность корреляции его приращений на соседних временных интервалах. Проведенные оценки показывают наличие значимо отличающейся от нуля автокорреляции. Это впрочем, не обязательно означает предсказуемость однодневных доходностей фондовых индексов, поскольку автокорреляция обнаружена в ненаблюдаемой глобальной составляющей.

Korhonen and Peresetsky (2013) suggested a new Kalman-filter type model of financial markets to extract a global stochastic trend from discrete non-synchronous data on daily stock market index returns from different markets. We extend this model to allow the correlation between increments of this global trend on neighbor intervals. Existence of that non-zero correlation is demonstrated. However it does not mean that it helps forecast daily returns of the stock indices itself, since the global stochastic trend is unobservable. Forecasting performance of the model with three stock markets is explored.