Proceso GARCH

¿Qué es el proceso GARCH?

El proceso de heterocedasticidad condicional autorregresiva generalizada (GARCH) es un término econométrico desarrollado en 1982 por Robert F. Engle,. economista y ganador del Premio Nobel de Economía en 2003. GARCH describe un enfoque para estimar la volatilidad en los mercados financieros.

Hay varias formas de modelado GARCH. Los profesionales financieros a menudo prefieren el proceso GARCH porque proporciona un contexto más real que otros modelos cuando intentan predecir los precios y las tasas de los instrumentos financieros.

Comprender el proceso GARCH

La heteroscedasticidad describe el patrón irregular de variación de un término de error, o variable, en un modelo estadístico. Esencialmente, donde hay heteroscedasticidad, las observaciones no se ajustan a un patrón lineal. En cambio, tienden a agruparse.

El resultado es que las conclusiones y el valor predictivo extraído del modelo no serán fiables. GARCH es un modelo estadístico que se puede utilizar para analizar diferentes tipos de datos financieros, por ejemplo, datos macroeconómicos. Las instituciones financieras suelen utilizar este modelo para estimar la volatilidad de los rendimientos de acciones, bonos e índices de mercado. Utilizan la información resultante para determinar el precio, juzgar qué activos generarán potencialmente mayores rendimientos y pronosticar los rendimientos de las inversiones actuales para ayudar en sus decisiones de asignación de activos, cobertura, gestión de riesgos y optimización de cartera.

El proceso general de un modelo GARCH consta de tres pasos. El primero es estimar un modelo autorregresivo de mejor ajuste. El segundo es calcular las autocorrelaciones del término de error. El tercer paso es probar la significancia.

Otros dos enfoques ampliamente utilizados para estimar y predecir la volatilidad financiera son el método clásico de volatilidad histórica (VolSD) y el método de volatilidad promedio móvil ponderado exponencialmente (VolEWMA).

Los modelos GARCH son los mejores para la rentabilidad de los activos

Los procesos GARCH difieren de los modelos homocedásticos,. que suponen una volatilidad constante y se utilizan en el análisis básico de mínimos cuadrados ordinarios (OLS). OLS tiene como objetivo minimizar las desviaciones entre los puntos de datos y una línea de regresión para ajustar esos puntos. Con los rendimientos de los activos, la volatilidad parece variar durante ciertos períodos y depende de la varianza pasada, lo que hace que un modelo homocedástico sea subóptimo.

Los procesos GARCH, debido a que son autorregresivos, dependen de observaciones cuadráticas pasadas y varianzas pasadas para modelar la varianza actual. Los procesos GARCH se utilizan ampliamente en finanzas debido a su eficacia para modelar la rentabilidad de los activos y la inflación. GARCH tiene como objetivo minimizar los errores en los pronósticos tomando en cuenta los errores en los pronósticos anteriores y mejorando la precisión de las predicciones en curso.

Ejemplo del Proceso GARCH

Los modelos GARCH describen mercados financieros en los que la volatilidad puede cambiar, volviéndose más volátiles durante períodos de crisis financiera o eventos mundiales y menos volátiles durante períodos de relativa calma y crecimiento económico constante. En una gráfica de rendimientos, por ejemplo, los rendimientos de las acciones pueden parecer relativamente uniformes durante los años previos a una crisis financiera como la de 2007.

Sin embargo, en el período posterior al inicio de una crisis, los rendimientos pueden oscilar bruscamente de territorio negativo a territorio positivo. Además, el aumento de la volatilidad puede predecir la volatilidad en el futuro. La volatilidad puede entonces volver a niveles similares a los niveles previos a la crisis o ser más uniforme en el futuro. Un modelo de regresión simple no tiene en cuenta esta variación en la volatilidad exhibida en los mercados financieros. No es representativo de los eventos del " cisne negro " que ocurren con más frecuencia de lo previsto.

Reflejos

• El proceso de heteroscedasticidad condicional autorregresiva generalizada (GARCH) es un enfoque para estimar la volatilidad de los mercados financieros.

• Las instituciones financieras utilizan el modelo para estimar la volatilidad de la rentabilidad de acciones, bonos y otros vehículos de inversión.

• El proceso GARCH proporciona un contexto más real que otros modelos al predecir los precios y las tasas de los instrumentos financieros.