GARCH Süreci' nedir

'

Genelleştirilmiş otoregresif koşullu heteroskedastisite (GARCH) süreci, finans piyasalarındaki uçuculuğu tahmin etmeye yönelik bir yaklaşımı tanımlamak için bir ekonomist olan ve 2003 yılında Nobel Ekonomi Ne Zaman Emekli OlurumÖdülü'nü kazanan Robert F. Engle tarafından 1982 yılında geliştirilen ekonometrik bir terimdir. GARCH modellemenin çeşitli formları vardır. GARCH süreci genellikle finansal modelleme profesyonelleri tarafından tercih edilmektedir çünkü finansal araçların fiyat ve oranlarını tahmin etmeye çalışırken diğer formlardan daha gerçek bir dünya bağlamı sağlamaktadır.

Sıradaki

Otoregresif Koşullu Heteroskedastisite ...

Homoskedastic

Değişen Varyans

'GARCH Süreci' AŞAĞI

Heteroskedastisite , bir istatistiksel modelde bir hata teriminin veya değişkeninin düzensiz varyasyon paternini tanımlar. Esas olarak, heteroskedastisite olduğunda, gözlemler doğrusal bir modele uymaz . Bunun yerine kümelenme eğilimi gösterirler. Sonuç, modelden çıkarılabilecek sonuçların ve tahmin değerinin güvenilir olmayacağıdır. GARCH, bir dizi farklı finansal veri türünü, örneğin makroekonomik verileri analiz etmek için kullanılabilecek bir istatistiksel modeldir. Finansal kuruluşlar genellikle bu modeli hisse senedi, tahvil ve piyasa endeksleri için getirilerin oynaklığını tahmin etmek için kullanırlar.. Fiyatların belirlenmesine yardımcı olmak ve mevcut varlıkların potansiyel olarak daha yüksek getiri sağlayacağına karar vermek için mevcut bilgileri kullanırlar ve varlık tahsisi, riskten korunma, risk yönetimi ve portföy optimizasyonu kararlarında yardımcı olacak mevcut yatırımların getirilerini tahmin edebilirler.

Bir GARCH modeli için genel süreç üç adımı içerir. Birincisi, en uygun otoregresif modeli tahmin etmektir . İkinci hesaplamak için otokorelasyonlar ait hata terimi . Üçüncü adım, önemi test etmektir . Finansal volatiliteyi tahmin etmek ve tahmin etmek için yaygın olarak kullanılan iki yaklaşım, klasik tarihsel dalgalanma (VolSD) metodu ve üssel ağırlıklı hareketli ortalama volatilite (VolEWMA) metodudur.

GARCH Süreci Örneği

GARCH modelleri, volatilitenin değişebileceği finansalNe Zaman Emekli Olurum piyasaları tanımlamaya, finansal krizler veya dünya olayları dönemlerinde daha uçucu olmaya ve nispeten sakin ve istikrarlı ekonomik büyüme dönemlerinde daha az uçucu olmaya yardımcı olur. Bir getiri grafiğinde, örneğin, hisse senedi getirileri, 2007'deki gibi bir mali krize yol açan yıllar için nispeten muntazam görünebilir. Ancak, krizin başlangıcını izleyen zaman periyodunda, geri dönüşler, olumsuz bir şekilde çılgınca dönebilir. pozitif bölgeye. Ayrıca, artan volatilite, ileriye dönük volatilitenin tahmini olabilir. Volatilite daha sonra kriz öncesi seviyelere benzeyen seviyelere dönebilir veya ileriye dönük olarak daha homojen olabilir. Basit bir regresyon modeli, finansal piyasalarda sergilenen oynaklıktaki bu farklılaşmayı açıklamamaktadır ve "siyah kuğu "birden fazla olay meydana geleceğini öngören olaylar.

Varlık Getiri için En İyi GARCH Modelleri

GARCH süreçleri , sabit volatilite olduğunu ve temel olağan en küçük kareler (OLS) analizinde kullanılan homoskedastic modellerinden farklıdır . OLS, bu noktalara uyacak veri noktaları ve bir regresyon çizgisi arasındaki sapmaları en aza indirmeyi amaçlamaktadır. Varlık geri dönüşleri ile, volatilite belirli zaman periyotlarında değişmekte gibi görünmektedir ve geçmiş varyansa bağlı olarak, homoskedastik bir modelin optimal olmamasını sağlamıştır.

GARCH süreçleri, otoregresif olmak üzere, geçmiş kareler gözlemlerine ve geçmiş varyansa göre geçmiş varyanslara bağlıdır. GARCH süreçleri, varlık getirileri ve enflasyonu modellemedeki etkinliğinden dolayı finansta yaygın olarak kullanılmaktadır. GARCH, önceki tahminlerdeki Ne Zaman Emekli Olurumhataları hesaba katarak ve böylece devam eden tahminlerin doğruluğunu artırarak, tahminlerdeki hataları en aza indirmeyi amaçlamaktadır.