Genelleştirilmiş Otoregresif Koşullu Değişken Varyans (GARCH)
Genelleştirilmiş Otoregresif Koşullu Değişken Varyans (GARCH) Nedir?
Genelleştirilmiş Otoregresif Koşullu Heteroskedastisite (GARCH), varyans hatasının seri olarak otokorelasyonlu olduğuna inanılan zaman serisi verilerinin analizinde kullanılan istatistiksel bir modeldir. GARCH modelleri, hata teriminin varyansının otoregresif hareketli ortalama sürecini takip ettiğini varsayar .
Genelleştirilmiş Otoregresif Koşullu Heteroskedastisiteyi (GARCH) Anlama
GARCH modelleri, makroekonomik veriler gibi bir dizi farklı türde finansal verinin analizinde kullanılabilse de, finansal kurumlar bunları genellikle hisse senetleri, tahviller ve piyasa endekslerinin getirilerinin oynaklığını tahmin etmek için kullanır. Elde edilen bilgileri, fiyatlandırmayı belirlemeye yardımcı olmak ve hangi varlıkların potansiyel olarak daha yüksek getiri sağlayacağına karar vermek ve ayrıca varlık tahsisi,. riskten korunma, risk yönetimi ve portföy optimizasyon kararlarına yardımcı olmak için mevcut yatırımların getirilerini tahmin etmek için kullanırlar.
GARCH modelleri, hata teriminin varyansının sabit olmadığı durumlarda kullanılır. Yani, hata terimi heteroskedas tic'dir. Heteroskedastisite, istatistiksel bir modelde bir hata teriminin veya değişkenin düzensiz varyasyon modelini tanımlar.
Esasen, değişen varyansın olduğu her yerde, gözlemler doğrusal bir kalıba uymaz. Bunun yerine, kümelenme eğilimindedirler. Bu nedenle, bu veriler üzerinde sabit varyansı varsayan istatistiksel modeller kullanılırsa, modelden çıkarılabilecek sonuçlar ve tahmin değeri güvenilir olmayacaktır.
GARCH modellerinde hata teriminin varyansının, önceki dönemlerdeki hata terimlerinin ortalama büyüklüğüne bağlı olarak sistematik olarak değiştiği varsayılmaktadır. Başka bir deyişle, koşullu değişen varyansa sahiptir ve değişen varyansın nedeni, hata teriminin otoregresif hareketli ortalama modeli izlemesidir. Bu, kendi geçmiş değerlerinin ortalamasının bir fonksiyonu olduğu anlamına gelir.
##GARCH'ın Tarihi
GARCH, 1986 yılında Dr. O sırada doktora öğrencisi olan Tim Bollerslev, varlık fiyatlarındaki oynaklığı tahmin etme sorununu çözmenin bir yolu olarak. Ekonomist Robert Engle'ın 1982'de Otoregresif Koşullu Değişken Varyans (ARCH) modelini tanıtma konusundaki çığır açan çalışmasına dayanıyordu. Modeli, finansal getirilerin değişiminin zaman içinde sabit olmadığını, ancak otokorelasyonlu veya birbirine koşullu/bağımlı olduğunu varsayıyordu. Örneğin, getirilerdeki oynaklık dönemlerinin birlikte kümelenme eğiliminde olduğu hisse senedi getirilerinde bunu görebiliriz.
Orijinal tanıtımından bu yana, GARCH'ın birçok varyasyonu ortaya çıktı. Bunlar, getirilerin korelasyonunu ve gözlemlenen "volatilite kümelenmesini" ele alan Doğrusal Olmayan (NGARCH) ve oynaklık parametresini kısıtlayan Entegre GARCH'ı (IGARCH) içerir. Tüm GARCH model varyasyonları, büyüklüğe ek olarak (orijinal modelde ele alınan) getirilerin pozitif veya negatif yönünü dahil etmeye çalışır.
GARCH'ın her türevi, hisse senedinin, endüstrinin veya ekonomik verilerin belirli niteliklerini barındırmak için kullanılabilir. Riski değerlendirirken, finansal kuruluşlar, belirli bir süre boyunca Riske Maruz Değer (VAR), maksimum beklenen zarara (tek bir yatırım veya ticaret pozisyonu, portföy veya bir bölüm veya firma çapında) GARCH modellerini dahil eder . . GARCH modelleri, tek başına standart sapmanın izlenmesiyle elde edilebilecek olandan daha iyi risk göstergeleri sağlamak için görülmektedir .
Büyük Durgunluk öncesi ve sonrası dönemler de dahil olmak üzere, farklı piyasa koşullarında çeşitli GARCH modellerinin güvenilirliği konusunda çeşitli çalışmalar yapılmıştır .
##Öne çıkanlar
GARCH, getirilerde kümelenmiş dalgalanma dönemleri sergileyen varlıklar için risk ve beklenen getirileri değerlendirmek için yararlıdır.
GARCH, bir otoregresif hareketli ortalama sürecini takiben hata teriminin varyansının seri olarak otokorelasyona sahip olduğu zaman serisi verileri için uygundur.
GARCH, finansal varlıkların getirilerinin oynaklığını tahmin etmeye yardımcı olmak için kullanılan istatistiksel bir modelleme tekniğidir.
