Регрессия на исторических данных дают слишком высокий риск премиум

Прогноз среднего значения цены акции через год, в зависимости от текущей безрисковой ставки и недавней волатильности. Средняя цена это E[S], если принять текущую цену за 1. Пробовал разными способами регрессию делать, прогноз на 365 дней напрямую в линейном пространстве. И в лог пространстве. Цифры получаются одинаковые, но на мой взгляд завышенные для высоко волатильных акций, как AMD. 

Расчеты дают прогноз средней цены через год для спокойной MCD 1.1 (что нормально) и волатильной AMD 1.23 (что на мой взгляд завышено, причем завышено сильно). Дополнительно проверил получив среднюю цену инверсией цен опционов, и они подтверждают мои ощущения, рынок опционов ожидает цену АМД через год где то вдвое ниже 1.12 а не 1.23.

Среднее через инверсию опционов думаю точнее, и верить нужно им, но мне таки хотелось бы получить независимую от рынка оценку будущей цены на основе исторических данных. 

Расчеты: данные и код в линейном пространстве и код в лог пространстве если кому то будет интересно посчитать.

Фиттинг в линейном пространстве, модель

E[S_365] = r_rf_365 + k1 + k2 * (sigma^2 * 252)


Фиттинг в лог пространстве, модель:



Ломаные линии на графиках, это для проверки фиттинга, среднее от двигающегося окна.

Какие мысли… не знаю в чем дело, вроде в линейном пространстве фиттинг делается просто, и ошибиться там особо негде, расчеты должны быть верными. Может реально на исторических данных высоко волатильные акции в среднем давали значительно выше прибыль, получается так...

Может у меня выборка данных с перекосами, сейчас это порядка сотни акций за неск. десятков лет, в будущем добавлю еще неск сотен акций, посмотрим.

Но что то не верится мне что высоко волатильные акции дают такую прибыль, думаю введу поправку, и принудительно занижу расчетные значения для высокой волатильности.