Investor's wiki

Heteroskedastisitas Bersyarat AutoRegresif Umum (GARCH)

Heteroskedastisitas Bersyarat AutoRegresif Umum (GARCH)

Apakah itu Heteroskedastisitas Bersyarat AutoRegresif Umum (GARCH)?

Generalized AutoRegressive Conditional Heteroskedasticity (GARCH) ialah model statistik yang digunakan dalam menganalisis data siri masa di mana ralat varians dipercayai bersiri autokorelasi. Model GARCH mengandaikan bahawa varians istilah ralat mengikuti proses purata bergerak autoregresif.

Memahami Heteroskedastisitas Bersyarat AutoRegresif Umum (GARCH)

Walaupun model GARCH boleh digunakan dalam analisis beberapa jenis data kewangan yang berbeza, seperti data makroekonomi, institusi kewangan biasanya menggunakannya untuk menganggarkan turun naik pulangan bagi saham, bon dan indeks pasaran. Mereka menggunakan maklumat yang terhasil untuk membantu menentukan harga dan menilai aset mana yang berpotensi memberikan pulangan yang lebih tinggi, serta meramalkan pulangan pelaburan semasa untuk membantu dalam peruntukan aset,. lindung nilai, pengurusan risiko dan keputusan pengoptimuman portfolio mereka.

Model GARCH digunakan apabila varians istilah ralat tidak tetap. Iaitu, istilah ralat ialah heteroskedas tic. Heteroskedastisitas menerangkan corak variasi yang tidak teratur bagi istilah ralat, atau pembolehubah, dalam model statistik.

Pada asasnya, di mana sahaja terdapat heteroskedastisitas, pemerhatian tidak mematuhi corak linear. Sebaliknya, mereka cenderung berkelompok. Oleh itu, jika model statistik yang menganggap varians malar digunakan pada data ini, maka kesimpulan dan nilai ramalan yang boleh diambil daripada model itu tidak boleh dipercayai.

Varians istilah ralat dalam model GARCH diandaikan berbeza secara sistematik, bersyarat pada saiz purata terma ralat dalam tempoh sebelumnya. Dalam erti kata lain, ia mempunyai heteroskedastisitas bersyarat, dan sebab heteroskedastisitas ialah istilah ralat mengikuti corak purata bergerak autoregresif. Ini bermakna ia adalah fungsi purata nilai masa lalunya sendiri.

##Sejarah GARCH

GARCH telah dibangunkan pada tahun 1986 oleh Dr. Tim Bollerslev, seorang pelajar kedoktoran pada masa itu, sebagai satu cara untuk menangani masalah ramalan turun naik dalam harga aset. Ia dibina di atas kejayaan ahli ekonomi Robert Engle pada tahun 1982 dalam memperkenalkan model Autoregressive Conditional Heteroskedasticity (ARCH). Model beliau menganggap variasi pulangan kewangan tidak tetap dari semasa ke semasa tetapi adalah autokorelasi, atau bersyarat kepada/bergantung antara satu sama lain. Sebagai contoh, seseorang boleh melihat ini dalam pulangan saham di mana tempoh turun naik dalam pulangan cenderung dikelompokkan bersama.

Sejak pengenalan asal, banyak variasi GARCH telah muncul. Ini termasuk Nonlinear (NGARCH), yang menangani korelasi dan memerhatikan "pengelompokan turun naik" pulangan, dan GARCH Bersepadu (IGARCH), yang menyekat parameter turun naik. Semua variasi model GARCH berusaha untuk menggabungkan arah, positif atau negatif, pulangan sebagai tambahan kepada magnitud (ditujukan dalam model asal).

Setiap terbitan GARCH boleh digunakan untuk menampung kualiti khusus data stok, industri atau ekonomi. Semasa menilai risiko, institusi kewangan menggabungkan model GARCH ke dalam Nilai Berisiko (VAR), jangkaan kerugian maksimum (sama ada untuk pelaburan tunggal atau kedudukan dagangan, portfolio atau pada peringkat bahagian atau seluruh firma) dalam tempoh masa tertentu . Model GARCH dilihat memberikan tolok risiko yang lebih baik daripada yang boleh diperolehi melalui penjejakan sisihan piawai sahaja.

Pelbagai kajian telah dijalankan ke atas kebolehpercayaan pelbagai model GARCH semasa keadaan pasaran yang berbeza, termasuk semasa tempoh sebelum dan selepas Kemelesetan Besar.

##Sorotan

  • GARCH berguna untuk menilai risiko dan jangkaan pulangan bagi aset yang mempamerkan tempoh berkelompok turun naik dalam pulangan.

  • GARCH sesuai untuk data siri masa di mana varians istilah ralat adalah autokorelasi secara bersiri berikutan proses purata bergerak autoregresif.

  • GARCH ialah teknik pemodelan statistik yang digunakan untuk membantu meramalkan turun naik pulangan ke atas aset kewangan.