GARCH-processen

Vad är GARCH-processen?

Processen för generaliserad autoregressiv villkorlig heteroskedasticitet (GARCH) är en ekonometrisk term som utvecklades 1982 av Robert F. Engle,. en ekonom och 2003 vinnare av Nobels minnespris i ekonomi. GARCH beskriver ett tillvägagångssätt för att uppskatta volatilitet på finansiella marknader.

Det finns flera former av GARCH-modellering. Finansiella proffs föredrar ofta GARCH-processen eftersom den ger ett mer verkligt sammanhang än andra modeller när de försöker förutsäga priser och kurser för finansiella instrument.

Förstå GARCH-processen

Heteroskedasticitet beskriver det oregelbundna variationsmönstret för en felterm, eller variabel, i en statistisk modell. I huvudsak, där det finns heteroskedasticitet, överensstämmer observationer inte med ett linjärt mönster. Istället tenderar de att klunga ihop sig.

Resultatet är att de slutsatser och det prediktiva värdet som dras från modellen inte kommer att vara tillförlitliga. GARCH är en statistisk modell som kan användas för att analysera ett antal olika typer av finansiell data, till exempel makroekonomisk data. Finansiella institutioner använder vanligtvis denna modell för att uppskatta volatiliteten i avkastningen för aktier, obligationer och marknadsindex. De använder den resulterande informationen för att bestämma prissättning, bedöma vilka tillgångar som potentiellt kommer att ge högre avkastning och förutsäga avkastningen av nuvarande investeringar för att hjälpa till med deras tillgångsallokering, säkring, riskhantering och portföljoptimeringsbeslut.

Den allmänna processen för en GARCH-modell innefattar tre steg. Den första är att uppskatta en autoregressiv modell som passar bäst. Den andra är att beräkna autokorrelationer av feltermen. Det tredje steget är att testa för signifikans.

Två andra allmänt använda metoder för att uppskatta och förutsäga finansiell volatilitet är den klassiska historiska volatilitetsmetoden (VolSD) och den exponentiellt vägda glidande medelvolatiliteten (VolEWMA) metoden.

GARCH-modeller Bäst för tillgångsretur

GARCH-processer skiljer sig från homoskedastiska modeller, som antar konstant volatilitet och används i grundläggande ordinarie minsta kvadraters (OLS) analys. OLS syftar till att minimera avvikelserna mellan datapunkter och en regressionslinje för att passa dessa punkter. Med tillgångsavkastning verkar volatiliteten variera under vissa perioder och bero på tidigare varians, vilket gör en homoskedastisk modell suboptimal.

GARCH-processer, eftersom de är autoregressiva, beror på tidigare kvadrerade observationer och tidigare varianser för att modellera för aktuell varians. GARCH-processer används i stor utsträckning inom finans på grund av deras effektivitet vid modellering av tillgångsavkastning och inflation. GARCH syftar till att minimera fel i prognoser genom att ta hänsyn till fel i tidigare prognoser och förbättra noggrannheten i pågående prognoser.

Exempel på GARCH-processen

GARCH-modeller beskriver finansiella marknader där volatiliteten kan förändras, bli mer volatil under perioder av finansiella kriser eller världshändelser och mindre volatil under perioder av relativt lugn och stadig ekonomisk tillväxt. På en plot av avkastning, till exempel, kan aktieavkastningen se relativt enhetlig ut för åren fram till en finanskris som den 2007.

Under perioden efter krisens början kan avkastningen dock svänga vilt från negativt till positivt territorium. Dessutom kan den ökade volatiliteten vara förutsägande för volatilitet framöver. Volatiliteten kan då återgå till nivåer som liknar nivåerna före krisen eller vara mer enhetliga framöver. En enkel regressionsmodell tar inte hänsyn till denna variation i volatilitet som uppvisas på finansmarknaderna. Det är inte representativt för " svarta svanen "-händelserna som inträffar oftare än förutspått.

##Höjdpunkter

• Processen för generaliserad autoregressiv villkorlig heteroskedasticitet (GARCH) är en metod för att uppskatta volatiliteten på finansmarknaderna.

• Finansiella institutioner använder modellen för att uppskatta avkastningsvolatiliteten för aktier, obligationer och andra investeringsinstrument.

• GARCH-processen ger ett mer verkligt sammanhang än andra modeller när man förutsäger priser och kurser för finansiella instrument.