Proces GARCH
Splošni postopek avtoresivne pogojne heteroskedastičnosti (GARCH) je ekonometrični izraz, ki ga je leta 1982 razvil Robert F. Engle, ekonomist in dobitnik Nobelove nagrade za ekonomijo leta 2003, da bi opisal pristop za oceno nestanovitnosti na finančnih trgih. Obstaja več oblik modeliranja GARCH. Programi GARCH pogosto dajejo prednost strokovnjakom za finančno modeliranje, saj nudijo realnejši kontekst kot druge oblike, ko poskušajo napovedati cene in stopnje finančnih instrumentov.
BREAKING DOWN GARCH Proces
Heteroskedastičnost opisuje nepravilen vzorec variacije napačnega izraza ali spremenljivke v statističnem modelu. Kjer obstaja heteroskadastičnost, opažanja niso v skladu z linearnim vzorcem. Namesto tega se ponavadi grozdijo. Rezultat tega je, da zaključki in napovedna vrednost, ki jih lahko izluščimo iz modela, ne bodo zanesljivi. GARCH je statistični model, ki ga je mogoče uporabiti za analizo več različnih vrst finančnih podatkov, na primer makroekonomskih podatkov. Finančne institucije ta model običajno uporabljajo za oceno nestanovitnosti donosov za delnice, obveznice in tržne indekse. Na podlagi teh informacij pomagajo določiti cene in presoditi, katera sredstva bodo lahko prinesla višji donos, pa tudi za napovedovanje donosov trenutnih naložb, ki bodo pomagali pri njihovi dodelitvi sredstev, varovanju pred tveganjem, upravljanju tveganj in optimizaciji portfelja.
Splošni postopek za model GARCH vključuje tri korake. Prvi je ocena najboljšega avtoregresivnega modela. Drugi je izračunavanje avtokorelacij izraza napake. Tretji korak je preizkus pomembnosti. Druga dva široko uporabljena pristopa k ocenjevanju in napovedovanju finančne nestanovitnosti sta klasična zgodovinska nestanovitnost (VolSD) in metoda eksponentno tehtanih gibajočih se povprečnih volatilnosti (VolEWMA).
Primer postopka GARCH
Modeli GARCH pomagajo opisati finančne trge, na katerih se lahko spreminja nestanovitnost, postanejo bolj nestanovitni v obdobjih finančnih kriz ali svetovnih dogodkov in manj nestanovitni v obdobjih relativne mirne in stabilne gospodarske rasti. Na primer, na primer donosnosti lahko donosnosti zalog izgledajo enakomerno v letih, ki vodijo v finančno krizo, kot je bila leta 2007. V času, ki sledi krizi, pa donosnosti lahko malenkostno nihajo od negativnih na pozitivno ozemlje. Poleg tega lahko povečana nestanovitnost napoveduje, da se bo volatilnost nadaljevala. Volatilnost se lahko nato vrne na ravni, ki so podobne ravni pred krizo, ali pa bo bolj enotna naprej. Preprost regresijski model ne upošteva te razlike v nestanovitnosti, ki je razvidna na finančnih trgih in ni reprezentativen za dogodke "črnega laboda", ki se zgodijo več, kot bi lahko napovedali.
GARCH modeli najboljši za vračilo premoženja
GARCH procesi se razlikujejo od homoskedastičnih modelov, ki predpostavljajo konstantno nestanovitnost in se uporabljajo v osnovnih analizah navadnih najmanjših kvadratov (OLS). Cilj OLS je zmanjšati odstopanja med podatkovnimi točkami in regresijsko črto, da se te točke prilegajo. Z donosom sredstev se zdi, da se volatilnost v določenih časovnih obdobjih spreminja in je odvisna od preteklih odstopanj, zato homoskedastični model ni optimalen.
GARCH procesi, ki so samodejno progresivni, so odvisni od preteklih kvadratnih opazovanj in preteklih odstopanj za modeliranje trenutne variance. Programi GARCH se pogosto uporabljajo v financah zaradi njihove učinkovitosti pri modeliranju donosnosti sredstev in inflacije. Cilj GARCH je zmanjšati napake pri napovedovanju z upoštevanjem napak v predhodnem napovedovanju in s tem povečati natančnost tekočih napovedi.
Primerjajte investicijske račune Ime ponudnika Opis Razkritje oglaševalcev × Ponudbe, ki se pojavijo v tej tabeli, so partnerstva, od katerih Investopedia prejema nadomestilo.