Proses GARCH

Apakah Proses GARCH?

Proses heteroskedastisitas bersyarat autoregresif umum (GARCH) ialah istilah ekonometrik yang dibangunkan pada tahun 1982 oleh Robert F. Engle,. seorang ahli ekonomi dan pemenang Hadiah Memorial Nobel untuk Ekonomi pada tahun 2003. GARCH menerangkan pendekatan untuk menganggar turun naik dalam pasaran kewangan.

Terdapat beberapa bentuk pemodelan GARCH. Profesional kewangan sering memilih proses GARCH kerana ia menyediakan konteks dunia yang lebih nyata daripada model lain apabila cuba meramalkan harga dan kadar instrumen kewangan.

Memahami Proses GARCH

Heteroskedastisitas menerangkan corak variasi yang tidak teratur bagi istilah ralat, atau pembolehubah, dalam model statistik. Pada asasnya, apabila terdapat heteroskedastisitas, pemerhatian tidak mematuhi corak linear. Sebaliknya, mereka cenderung berkelompok.

Hasilnya ialah kesimpulan dan nilai ramalan yang diambil daripada model tidak akan boleh dipercayai. GARCH ialah model statistik yang boleh digunakan untuk menganalisis beberapa jenis data kewangan yang berbeza, contohnya, data makroekonomi. Institusi kewangan biasanya menggunakan model ini untuk menganggarkan turun naik pulangan bagi saham, bon dan indeks pasaran. Mereka menggunakan maklumat yang terhasil untuk menentukan harga, menilai aset yang berpotensi memberikan pulangan yang lebih tinggi dan meramalkan pulangan pelaburan semasa untuk membantu dalam peruntukan aset, lindung nilai, pengurusan risiko dan keputusan pengoptimuman portfolio mereka.

Proses umum untuk model GARCH melibatkan tiga langkah. Yang pertama ialah menganggarkan model autoregresif yang paling sesuai. Yang kedua ialah mengira autokorelasi bagi istilah ralat. Langkah ketiga adalah untuk menguji kepentingan.

Dua pendekatan lain yang digunakan secara meluas untuk menganggar dan meramalkan turun naik kewangan ialah kaedah turun naik sejarah klasik (VolSD) dan kaedah turun naik purata bergerak wajaran eksponen (VolEWMA).

Model GARCH Terbaik untuk Pulangan Aset

Proses GARCH berbeza daripada model homoskedastik,. yang menganggap turun naik malar dan digunakan dalam analisis kuasa dua terkecil biasa biasa (OLS). OLS bertujuan untuk meminimumkan sisihan antara titik data dan garis regresi agar sesuai dengan titik tersebut. Dengan pulangan aset, turun naik nampaknya berbeza-beza dalam tempoh tertentu dan bergantung pada varians lalu, menjadikan model homoskedastik tidak optimum.

Proses GARCH, kerana ia bersifat autoregresif, bergantung pada pemerhatian kuasa dua lalu dan varians lalu untuk dimodelkan bagi varians semasa. Proses GARCH digunakan secara meluas dalam kewangan kerana keberkesanannya dalam memodelkan pulangan aset dan inflasi. GARCH bertujuan untuk meminimumkan ralat dalam ramalan dengan mengambil kira ralat dalam ramalan terdahulu dan meningkatkan ketepatan ramalan yang berterusan.

Contoh Proses GARCH

Model GARCH menerangkan pasaran kewangan di mana turun naik boleh berubah, menjadi lebih tidak menentu semasa tempoh krisis kewangan atau peristiwa dunia dan kurang tidak menentu semasa tempoh pertumbuhan ekonomi yang relatif tenang dan stabil. Pada plot pulangan, sebagai contoh, pulangan saham mungkin kelihatan agak seragam untuk tahun-tahun yang membawa kepada krisis kewangan seperti tahun 2007.

Walau bagaimanapun, dalam tempoh selepas bermulanya krisis, pulangan mungkin berayun liar daripada negatif kepada wilayah positif. Selain itu, kemeruapan yang meningkat mungkin meramalkan kemeruapan pada masa hadapan. Kemeruapan kemudiannya boleh kembali ke tahap yang menyerupai tahap sebelum krisis atau menjadi lebih seragam pada masa hadapan. Model regresi mudah tidak mengambil kira variasi dalam turun naik ini yang dipamerkan dalam pasaran kewangan. Ia bukan mewakili peristiwa " angsa hitam " yang berlaku lebih kerap daripada yang diramalkan.

##Sorotan

Proses heteroskedastisitas bersyarat autoregresif umum (GARCH) ialah pendekatan untuk menganggar turun naik pasaran kewangan.
Institusi kewangan menggunakan model untuk menganggarkan turun naik pulangan saham, bon dan kenderaan pelaburan lain.
Proses GARCH menyediakan konteks dunia yang lebih nyata berbanding model lain apabila meramalkan harga dan kadar instrumen kewangan.