Splošna avtomatska pogojna heterosklestičnost (GARCH)
Splošna avtoregresivna pogojna heteroroskedastičnost (GARCH) je statistični model, ki se uporablja za analizo podatkov časovnih vrst, pri katerih se verjame, da je napaka variance serijsko avtokorelirana. Modeli GARCH predpostavljajo, da variance izraza napake sledijo postopku avtoresresičnega drsečega povprečja.
Ključni odvzemi
- GARCH je tehnika statističnega modeliranja, ki se uporablja za pomoč pri napovedovanju nestanovitnosti donosa na finančna sredstva.
- GARCH je primeren za podatke časovnih vrst, pri katerih se odstopanje izraza napake serijsko samodejno korelira po postopku samodejnega gibajočega povprečja.
- GARCH je koristen za oceno tveganja in pričakovanih donosov za sredstva, ki izkazujejo grozdna obdobja v nestanovitnosti.
Razumevanje splošne avtoregresivne pogojne heterosklestičnosti (GARCH)
Čeprav se lahko pri analizi številnih različnih finančnih podatkov, na primer makroekonomskih podatkov, uporabijo posplošeni modeli samodejne progresivne pogonske heteroroskedastičnosti (GARCH), finančne institucije jih običajno uporabljajo za oceno nestanovitnosti donosa 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 odločitvi o razporeditvi sredstev, varovanju pred tveganjem, upravljanju tveganj in optimizaciji portfelja.
GARCH modeli se uporabljajo, kadar varianca izraza napake ni konstantna. Se pravi, da je izraz napake heteroskedastičen. Heteroskedastičnost opisuje nepravilen vzorec variacije napačnega izraza ali spremenljivke v statističnem modelu. V bistvu, kjer koli je heteroskadastičnost, opažanja niso v skladu z linearnim vzorcem. Namesto tega se ponavadi grozdijo. Če se pri teh podatkih uporabljajo statistični modeli, ki predpostavljajo stalno odstopanje, potem sklepi in napovedna vrednost, ki jih lahko izluščimo iz modela, ne bodo zanesljivi.
Domneva se, da varianta izraza napake v modelih GARCH sistematično spreminja, pogojena s povprečno velikostjo pogojev napake v prejšnjih obdobjih. Z drugimi besedami, ima pogojno heteroskedastičnost, razlog za heteroskedastičnost pa je v tem, da izraz napake sledi vzorcu samodejnega gibajočega povprečja. To pomeni, da je funkcija povprečja lastnih preteklih vrednosti.
Zgodovina GARCH-a
GARCH je bil oblikovan v osemdesetih letih 20. stoletja kot način za reševanje problema napovedovanja nestanovitnosti cen sredstev. Zasnoval je na prelomnem delu ekonomista Roberta Engleja iz leta 1982 pri uvedbi modela avtohresne pogojne heteroskedastičnosti (ARCH). Njegov model je predpostavljal, da nihanje finančnih donosov sčasoma ni konstantno, temveč je avtomatizirano ali pogojeno drug od drugega. To lahko na primer opazimo v donosnosti zalog, kjer se obdobja nestanovitnosti donosov ponavadi združijo.
Od prvotne uvedbe se je pojavilo veliko različic GARCH-a. Sem spadajo nelinearni (NGARCH), ki obravnava korelacijo in opazujejo "nestanovitnost grozdljivosti" donosov, in integrirani GARCH (IGARCH), ki omejuje parameter nestanovitnosti. Vse različice modela GARCH želijo poleg velikosti vključiti tudi smer, pozitivno ali negativno, (obravnavano v izvirnem modelu).
Vsako izpeljavo GARCH je mogoče uporabiti za prilagoditev posebnih lastnosti zalog, industrije ali ekonomskih podatkov. Finančne institucije pri oceni tveganja vključujejo modele GARCH v svojo vrednost tveganosti (VAR), največjo pričakovano izgubo (bodisi za posamezno naložbeno ali trgovalno pozicijo, portfelj, bodisi na ravni oddelka ali podjetja) v določenem časovnem obdobju. projekcije. GARCH modeli se obravnavajo tako, da zagotavljajo boljše meritve tveganja, kot jih je mogoče doseči s samo sledenjem standardnega odklona.
Različne študije so bile izvedene o zanesljivosti različnih modelov GARCH v različnih tržnih pogojih, tudi v obdobjih pred finančno krizo in po njej.
Primerjajte investicijske račune Ime ponudnika Opis Razkritje oglaševalcev × Ponudbe, ki se pojavijo v tej tabeli, so partnerstva, od katerih Investopedia prejema nadomestilo.