Què és Heteroskedasticitat Condicional AutoRegressiva Generalitzada (GARCH)?
L’Heteroskedasticitat Condicional AutoRegressiva Generalitzada (GARCH) és un model estadístic que s’utilitza per analitzar dades de sèries horàries on es creu que l’error de variància s’autocorrela en sèrie. Els models GARCH suposen que la variància del terme d'error segueix un procés de mitjana mòbil autoregressiva.
Punts clau
- GARCH és una tècnica de modelització estadística que s’utilitza per predir la volatilitat dels rendiments dels actius financers. GARCH és apropiada per a les dades de sèries horàries on la variància del terme d’error s’autocorrela en sèrie després d’un procés autoregressiu de la mitjana mòbil. GARCH és útil per avaluar el rendiment i el rendiment previstos dels actius que presenten períodes de volatilitat agrupats en rendiments.
Comprensió de l'heteroskedasticitat condicional generalitzada automoregressiva (GARCH)
Tot i que es poden utilitzar models generalitzats d’Heteroskedasticitat Condicional AutoRegressiva (GARCH) en l’anàlisi de diversos tipus de dades financeres diferents, com ara dades macroeconòmiques, les institucions financeres solen utilitzar-les per calcular la volatilitat dels rendiments d’accions, bons i índexs de mercat. Utilitzen la informació resultant per ajudar a determinar la fixació de preus i jutjar quins actius potencialment proporcionaran rendiments més elevats, així com per preveure els rendiments de les inversions actuals per ajudar en les seves decisions d’assignació d’actius, cobertura, gestió de riscos i optimització de la cartera.
Els models GARCH s’utilitzen quan la variància del terme d’error no és constant. És a dir, el terme d’error és heteroskedàstic. Heteroskedasticity descriu el patró irregular de variació d’un terme d’error, o variable, en un model estadístic. Essencialment, allà on hi hagi heteroskedasticitat, les observacions no s’ajusten a un patró lineal. En canvi, solen agrupar-se. Per tant, si en aquestes dades s’utilitzen models estadístics que assumeixen una variància constant, aleshores les conclusions i el valor predictiu que es pot treure del model no seran fiables.
Se suposa que la diferència del terme d'error en els models GARCH varia sistemàticament, condicionada a la mida mitjana dels termes d'error en períodes anteriors. En altres paraules, té heteroskedasticitat condicional i la raó de l’heteroskedasticitat és que el terme d’error segueix un patró de mitjana mòbil autoregressiva. Això vol dir que és una funció d’una mitjana dels seus propis valors passats.
Història de GARCH
GARCH es va formular als anys vuitanta com una manera d’abordar el problema de la previsió de la volatilitat dels preus d’actius. Va basar-se en l’avanç de l’economista Robert Engle, el 1982, en la introducció del model Autoregressional Heteroskedasticity (ARCH). El seu model va suposar que la variació dels rendiments financers no era constant en el temps, sinó que s’autocorrelacionen, o condicionaven els / les uns dels altres. Per exemple, es pot veure això en les rendibilitats de les accions on els períodes de volatilitat en les rendibilitats solen agrupar-se.
Des de la introducció original, han aparegut moltes variacions de GARCH. Aquests inclouen el no lineal (NGARCH), que aborda la correlació i observa la "agrupació de volatilitat" dels rendiments i el GARCH Integrat (IGARCH), que restringeix el paràmetre de volatilitat. Totes les variacions del model GARCH pretenen incorporar la direcció, positiva o negativa, de rendiments a més de la magnitud (abordada en el model original).
Cada derivació de GARCH es pot utilitzar per adaptar-se a les qualitats específiques de les dades de borses, indústria o dades econòmiques. A l’hora de valorar el risc, les entitats financeres incorporen models GARCH al seu valor de risc (VAR), pèrdua màxima esperada (sigui per a una única inversió o posició de comerç, una cartera o a nivell de divisió o empresa) durant un període de temps determinat. projeccions. Es considera que els models GARCH proporcionen millors indicadors de risc del que es pot obtenir només mitjançant el seguiment de la desviació estàndard.
S'han realitzat diversos estudis sobre la fiabilitat de diversos models GARCH durant diferents condicions del mercat, inclosos durant els períodes anteriors i posteriors a la crisi financera del 2007.
