GARCH 프로세스

GARCH 프로세스란 무엇입니까?

경제학자이자 2003년 노벨 경제학상을 수상한 Robert F. Engle 이 1982년에 개발한 계량 경제학 용어입니다 . GARCH는 금융 시장의 변동성 을 추정하는 접근 방식을 설명합니다.

GARCH 모델링에는 여러 형태가 있습니다. 금융 전문가들은 금융 상품의 가격과 요율을 예측할 때 다른 모델보다 더 실제적인 컨텍스트를 제공하기 때문에 GARCH 프로세스를 선호하는 경우가 많습니다.

GARCH 프로세스 이해하기

이분산성 은 통계 모델에서 오차항 또는 변수의 불규칙한 변동 패턴을 설명합니다. 기본적으로 이분산성이 있는 경우 관측값은 선형 패턴 을 따르지 않습니다 . 대신 클러스터링하는 경향이 있습니다.

결과는 모델에서 도출된 결론과 예측 값을 신뢰할 수 없다는 것입니다. GARCH는 거시 경제 데이터와 같은 다양한 유형의 재무 데이터를 분석하는 데 사용할 수 있는 통계 모델입니다. 금융 기관은 일반적으로 이 모델을 사용하여 주식, 채권 및 시장 지수 의 수익 변동성을 추정합니다. 그들은 결과 정보를 사용하여 가격을 결정하고, 잠재적으로 더 높은 수익을 제공할 자산을 판단하고, 자산 할당, 헤지, 위험 관리 및 포트폴리오 최적화 결정을 돕기 위해 현재 투자의 수익을 예측합니다.

GARCH 모델의 일반적인 프로세스에는 세 단계가 포함됩니다. 첫 번째는 최적의 자기회귀 모델 을 추정하는 것 입니다. 두 번째는 오차항 의 자기상관 을 계산하는 것 입니다. 세 번째 단계는 유의성을 테스트하는 것입니다.

금융 변동성을 추정하고 예측하는 데 널리 사용되는 다른 두 가지 접근 방식은 고전적 역사적 변동성 (VolSD) 방법과 지수 가중 이동 평균 변동성(VolEWMA) 방법입니다.

자산 수익률에 가장 적합한 GARCH 모델

는 일정한 변동성을 가정하고 기본 OLS( 일반 최소 제곱 ) 분석에 사용되는 등분산 모델 과 다릅니다 . OLS는 데이터 포인트와 해당 포인트에 맞는 회귀선 간의 편차를 최소화하는 것을 목표로 합니다. 자산 수익률의 경우 변동성은 특정 기간 동안 변하고 과거 변동에 따라 달라지므로 등분산 모델을 차선책으로 만듭니다.

GARCH 프로세스는 자기회귀적이기 때문에 현재 분산을 모델링하기 위해 과거 제곱 관측치와 과거 분산에 의존합니다. GARCH 프로세스는 자산 수익 및 인플레이션 모델링의 효율성으로 인해 금융에서 널리 사용됩니다. GARCH는 사전 예측의 오류를 설명하고 진행 중인 예측의 정확도를 향상하여 예측의 오류를 최소화하는 것을 목표로 합니다.

GARCH 프로세스의 예

GARCH 모델은 변동성이 변할 수 있는 금융 시장을 설명하며, 금융 위기 또는 세계 이벤트 기간 동안 변동성이 더 커지고 상대적으로 조용하고 안정적인 경제 성장 기간 동안 변동성이 줄어듭니다. 예를 들어, 수익률 도표에서 주식 수익률은 2007년과 같은 금융 위기에 이르기까지 몇 년 동안 비교적 균일하게 보일 수 있습니다.

그러나 위기가 시작된 후 기간에는 수익이 마이너스 영역에서 플러스 영역으로 크게 흔들릴 수 있습니다. 더욱이, 증가된 변동성은 향후 변동성을 예측할 수 있습니다. 그러면 변동성은 위기 이전 수준과 유사한 수준으로 돌아가거나 앞으로 더 균일해질 수 있습니다. 단순 회귀 모델은 금융 시장에서 나타나는 변동성의 이러한 변동을 설명하지 않습니다. 예상보다 더 자주 발생하는 " 검은 백조 " 사건을 대표하는 것은 아닙니다 .

##하이라이트

• 일반화된 자기회귀 조건부 이분산성(GARCH) 프로세스는 금융 시장의 변동성을 추정하는 접근 방식입니다.

• 금융 기관은 이 모델을 사용하여 주식, 채권 및 기타 투자 수단의 수익률 변동성을 추정합니다.

• GARCH 프로세스는 금융 상품의 가격과 요율을 예측할 때 다른 모델보다 더 실제적인 컨텍스트를 제공합니다.