Generalised AutoRegressive Conditional Heteroskedasticity (GARCH)
Generalised AutoRegressive Conditional Heteroskedasticity (GARCH) er en statistisk modell som brukes til å analysere tidsseriedata der variansfeilen antas å være autokorrelert i serie. GARCH-modeller antar at variansen av feilbegrep følger en autoregressiv glidende gjennomsnittlig prosess.
Viktige takeaways
- GARCH er en statistisk modelleringsteknikk som brukes til å forutsi volatiliteten i avkastningen på finansielle eiendeler.
- GARCH er passende for tidsseriedata der variansen av feiluttrykket autokorreleres serielt etter en autoregressiv glidende gjennomsnittlig prosess.
- GARCH er nyttig for å vurdere risiko og forventet avkastning for eiendeler som viser grupperte perioder med volatilitet i avkastningen.
Forstå generalisert autoRegressive Conditional Heteroskedasticity (GARCH)
Selv om Generalised AutoRegressive Conditional Heteroskedasticity (GARCH) -modeller kan brukes i analysen av en rekke forskjellige typer finansielle data, for eksempel makroøkonomiske data, bruker finansinstitusjoner dem typisk for å estimere volatiliteten i avkastningen for aksjer, obligasjoner og markedsindekser. De bruker den resulterende informasjonen for å bestemme prisfastsettelse og bedømme hvilke eiendeler som potensielt vil gi høyere avkastning, samt for å forutsi avkastningen av nåværende investeringer for å hjelpe til med beslutninger om allokering, sikring, risikostyring og porteføljeoptimalisering.
GARCH-modeller brukes når variansen til feilbetegnelsen ikke er konstant. Det vil si at feiluttrykket er heteroskedastisk. Heteroskedasticity beskriver det uregelmessige variasjonsmønsteret til en feilbegrep, eller variabel, i en statistisk modell. I hovedsak, uansett hvor det er heteroskedastisitet, samsvarer observasjoner ikke med et lineært mønster. I stedet har de en tendens til å klynge seg. Hvis statistiske modeller som antar konstant varians, blir brukt på disse dataene, vil derfor ikke konklusjonene og den prediktive verdien man kan trekke fra modellen være pålitelige.
Variansen i feilbegrepet i GARCH-modeller antas å variere systematisk, betinget av gjennomsnittlig størrelse på feilbetingelsene i tidligere perioder. Med andre ord har den betinget heteroskedastisitet, og grunnen til heteroskedastisiteten er at feiluttrykket følger et autoregressivt glidende gjennomsnittsmønster. Dette betyr at det er en funksjon av et gjennomsnitt av sine egne tidligere verdier.
GARCHs historie
GARCH ble formulert på 1980-tallet som en måte å løse problemet med å forutsi volatilitet i formuesprisene. Det bygde på økonomen Robert Engles gjennombruddarbeid fra 1982 med å introdusere modellen Autoregressive Conditional Heteroskedasticity (ARCH). Hans modell antok at variasjonen av økonomisk avkastning ikke var konstant over tid, men er autokorrelert, eller betinget av / avhengig av hverandre. For eksempel kan man se dette i aksjeavkastning der perioder med volatilitet i avkastning pleier å være samlet.
Siden den opprinnelige introduksjonen har mange varianter av GARCH dukket opp. Disse inkluderer ikke-lineær (NGARCH), som adresserer korrelasjon og observert "volatilitetsklynging" av returer, og Integrated GARCH (IGARCH), som begrenser volatilitetsparameteren. Alle GARCH-modellvariasjoner søker å innlemme retningen, positiv eller negativ, på avkastning i tillegg til størrelsen (adressert i den opprinnelige modellen).
Hver avledning av GARCH kan brukes til å imøtekomme de spesifikke egenskapene til lager, industri eller økonomiske data. Ved vurdering av risiko innlemmer finansinstitusjoner GARCH-modeller i deres Value-at-Risk (VAR), maksimalt forventet tap (enten det gjelder en enkelt investerings- eller handelsposisjon, portefølje, eller på et divisjons- eller firmaomfattende nivå) over en spesifikk tidsperiode fremspring. GARCH-modeller blir sett på for å gi bedre målinger av risiko enn det som kan oppnås ved å spore standardavvik alene.
Det er utført forskjellige studier om påliteligheten til forskjellige GARCH-modeller under forskjellige markedsforhold, inkludert i periodene frem til og etter finanskrisen i 2007.
Sammenlign Navn på leverandør av investeringskontoer Beskrivelse Annonsørens avsløring × Tilbudene som vises i denne tabellen er fra partnerskap som Investopedia mottar kompensasjon fra.