GARCH 过程

什么是 GARCH 流程？

广义自回归条件异方差 (GARCH) 过程是一个计量经济学术语，由经济学家、2003 年诺贝尔经济学奖获得者罗伯特·恩格尔 ( Robert F. Engle ) 于 1982 年提出。 GARCH 描述了一种估计金融市场波动性的方法。

GARCH 模型有多种形式。金融专业人士通常更喜欢 GARCH 过程，因为在尝试预测金融工具的价格和利率时，它提供了比其他模型更真实的背景。

了解 GARCH 过程

异方差描述了统计模型中误差项或变量的不规则变化模式。本质上，在存在异方差的情况下，观察结果不符合线性模式。相反，它们倾向于聚集。

结果是从模型中得出的结论和预测值将不可靠。 GARCH 是一种统计模型，可用于分析多种不同类型的金融数据，例如宏观经济数据。金融机构通常使用此模型来估计股票、债券和市场指数的回报波动率。他们使用得到的信息来确定定价，判断哪些资产可能会提供更高的回报，并预测当前投资的回报，以帮助他们做出资产配置、对冲、风险管理和投资组合优化决策。

GARCH 模型的一般过程包括三个步骤。首先是估计一个最佳拟合的自回归模型。第二个是计算误差项的自相关。第三步是检验显着性。

另外两种广泛使用的估计和预测金融波动率的方法是经典的历史波动率(VolSD) 方法和指数加权移动平均波动率 (VolEWMA) 方法。

GARCH 模型最适合资产回报

GARCH 过程不同于同方差模型，后者假设波动率恒定并用于基本的普通最小二乘(OLS) 分析。 OLS 旨在最小化数据点和回归线之间的偏差以拟合这些点。对于资产回报，波动性在特定时期似乎会发生变化，并且取决于过去的方差，这使得同方差模型不是最理想的。

GARCH 过程，因为它们是自回归的，依赖于过去的平方观测和过去的方差来为当前方差建模。 GARCH 过程因其在资产回报和通货膨胀建模方面的有效性而被广泛用于金融领域。 GARCH 旨在通过考虑先前预测中的错误并提高正在进行的预测的准确性来最大限度地减少预测中的错误。

GARCH 过程示例

GARCH 模型描述了波动性可能发生变化的金融市场，在金融危机或世界事件期间变得更加波动，而在相对平静和稳定的经济增长期间波动性较小。例如，在收益图上，在 2007 年等金融危机之前的几年中，股票收益可能看起来相对一致。

然而，在危机爆发后的一段时间内，回报率可能会从负值区域大幅波动到正值区域。此外，波动性增加可能预示着未来的波动性。然后，波动性可能会回到与危机前水平相似的水平，或者未来会更加一致。一个简单的回归模型没有考虑金融市场中表现出的这种波动性变化。它并不代表比预测更频繁发生的“黑天鹅”事件。

＃＃强调

广义自回归条件异方差 (GARCH) 过程是一种估计金融市场波动性的方法。
金融机构使用该模型来估计股票、债券和其他投资工具的回报波动率。
在预测金融工具的价格和利率时，GARCH 过程提供了比其他模型更真实的背景。