GARCH procesas
Apibendrintas autoregresinio sąlyginio heteroskedaziškumo (GARCH) procesas yra ekonometrinis terminas, kurį 1982 m. Sukūrė ekonomistas ir 2003 m. Nobelio ekonomikos memorandumo premijos laureatas Robertas F. Engle'as, kad apibūdintų požiūrį į nepastovumo finansų rinkose įvertinimo metodą. Yra keletas GARCH modeliavimo formų. GARCH procesui dažnai teikia pirmenybę finansinio modeliavimo profesionalai, nes bandant numatyti finansinių priemonių kainas ir kursus, pateikiamas realesnis kontekstas nei kitos formos.
IŠSISKIRTINIO GARČIO ATŠAUKIMO procesas
Heteroskedaziškumas apibūdina statistinio modelio klaidų termino ar kintamojo variacijos netaisyklingą modelį. Iš esmės ten, kur yra heteroskedališkumas, stebėjimai neatitinka linijinio modelio. Vietoj to, jie linkę į grupes. Rezultatas yra tas, kad išvados ir numatomoji vertė, kurią galima padaryti remiantis modeliu, nebus patikimos. GARCH yra statistinis modelis, kuris gali būti naudojamas analizuoti įvairių tipų finansinius duomenis, pavyzdžiui, makroekonominius duomenis. Paprastai finansų įstaigos naudoja šį modelį vertindamos akcijų, obligacijų ir rinkos indeksų grąžos nepastovumą. Gauta informacija jie naudojasi nustatydami kainodarą ir spręsdami, kuris turtas gali duoti didesnę grąžą, taip pat numatydami dabartinių investicijų grąžą, kad galėtų padėti paskirstyti turtą, apsidrausti, valdyti riziką ir optimizuoti portfelio sprendimus.
Bendras GARCH modelio procesas apima tris etapus. Pirmiausia reikia įvertinti geriausiai tinkantį autoregresyvų modelį. Antrasis - apskaičiuoti klaidos termino autokoreliacijas. Trečias žingsnis yra reikšmingumo patikrinimas. Kiti du plačiai naudojami finansinio kintamumo įvertinimo ir numatymo metodai yra klasikinis istorinio kintamumo (VolSD) metodas ir eksponentiškai svertinis slenkamojo vidurkio nepastovumo (VolEWMA) metodas.
GARCH proceso pavyzdys
GARCH modeliai padeda apibūdinti finansų rinkas, kuriose kintamumas gali kisti, finansų krizių ar pasaulio įvykių laikotarpiais tapdamas nestabilus ir santykinai ramaus bei pastovaus ekonomikos augimo laikotarpiais nestabilus. Pvz., Grąžinimų plane atsargų grąža gali atrodyti gana vienoda tais metais, kurie baigėsi tokia finansine krize, kokia buvo 2007 m., Tačiau po krizės pradžios grąža gali smarkiai svyruoti nuo neigiamos į teigiamą teritoriją. Be to, padidėjęs nepastovumas gali nuspėti, kad nepastovumas vyks toliau. Tuomet nepastovumas gali grįžti į lygį, panašų į ikikrizinį, arba būti tolygesnis. Paprastas regresijos modelis neatsižvelgia į šį nepastovumo svyravimą finansų rinkose ir neatspindi „juodosios gulbės“ įvykių, vykstančių daugiau nei galima būtų numatyti.
Turto grąžinimui geriausi „GARCH“ modeliai
GARCH procesai skiriasi nuo homoskedastinių modelių, kurie daro pastovų kintamumą ir yra naudojami atliekant įprastų mažiausių kvadratų (OLS) analizę. OLS tikslas - iki minimumo sumažinti nuokrypius tarp duomenų taškų ir regresijos tiesę, kad jie atitiktų tuos taškus. Turint mintyje turto grąžą, kintamumas tam tikrais laikotarpiais kinta ir priklauso nuo praeities pokyčių, todėl homoskedatinis modelis nėra optimalus.
GARCH procesai, būdami autoregresyvūs, priklauso nuo ankstesnių kvadratinių stebėjimų ir praeities dispersijų, atsižvelgiant į dabartinės dispersijos modelį. GARCH procesai yra plačiai naudojami finansuose dėl jų efektyvumo modeliuojant turto grąžą ir infliaciją. GARCH siekiama sumažinti prognozavimo klaidas apskaitant ankstesnio prognozavimo klaidas ir tokiu būdu didinant vykstančių prognozių tikslumą.
Palyginkite investicinių sąskaitų teikėjo pavadinimą Aprašymas Skelbėjo informacijos atskleidimas × Šioje lentelėje pateikti pasiūlymai yra iš partnerystės, iš kurios „Investopedia“ gauna kompensaciją.