Генерализована ауто-прогресивна условна хетероскадастичност (ГАРЦХ)
Генерализована ауто-прогресивна условна хетероскадастичност (ГАРЦХ) је статистички модел који се користи у анализирању података временске серије где се верује да је грешка варијанце серијски аутокорелирана. ГАРЦХ модели претпостављају да варијанца термина грешке следи процес аутоматског прогресивног кретања у просеку.
Кључне Такеаваис
- ГАРЦХ је техника статистичког моделирања која се користи да се предвиди волатилност поврата финансијских средстава.
- ГАРЦХ је погодан за податке временских серија у којима се варијанца термина грешке серијски аутоматски корелира након поступка аутоматске прогресивне покретне средине.
- ГАРЦХ је користан за процену ризика и очекиваних приноса за средства која показују групне периоде нестабилности у приносу.
Разумевање генерализоване ауто-прогресивне условне хетероскадастичности (ГАРЦХ)
Иако се генерализовани модели ауто-прогресивне условне хетеророскедастичности (ГАРЦХ) могу користити у анализи више различитих врста финансијских података, као што су макроекономски подаци, финансијске институције их обично користе за процену променљивости поврата акција, обвезница и индекса тржишта. На основу добијених информација користе се у одређивању цене и процени која ће имовина потенцијално омогућити већи поврат, као и за предвиђање поврата текућих инвестиција како би се помогло у одлукама о њиховој расподели имовине, заштити, управљању ризиком и оптимизацији портфеља.
ГАРЦХ модели се користе када варијација термина грешке није константна. Односно, израз грешке је хетероскедастичан. Хетероскедастичност описује неправилан образац варијације термина грешке или променљиве у статистичком моделу. У суштини, где год постоји хетероскадастичност, запажања нису у складу са линеарним обрасцем. Уместо тога, они су склони групирању. Стога, ако се на овим подацима користе статистички модели који претпостављају сталну варијанцу, тада закључци и предиктивне вриједности које се могу извући из модела неће бити поуздани.
Претпоставља се да варијанца термина грешке у ГАРЦХ моделима систематски варира, условљена просечном величином израза грешке у претходним периодима. Другим речима, она има условну хетероскедастичност, а разлог хетероскедастичности је тај што термин грешке следи образац аутоматске прогресивне покретне просечности. То значи да је то функција просека сопствених вредности у прошлости.
Историја ГАРЦХ-а
ГАРЦХ је формулисан 1980-их као начин да се реши проблем предвиђања волатилности цена актива. Засновао је на револуционарном раду економиста Роберта Енглеа из 1982. године на увођењу модела Ауторегрессиве Цондитионал Хетероскедастицити (АРЦХ). Његов је модел претпоставио да варијације финансијских приноса током времена нису сталне, већ су аутокорелиране, или условљене / зависне једна од друге. На примјер, то се може видјети у приносима дионица тамо гдје су периоди волатилности поврата склопљени заједно.
Од првобитног увода појавиле су се многе варијације ГАРЦХ-а. Ту се убрајају нелинеарни (НГАРЦХ) који се односи на корелацију и уочено „колебање волатилности“ повратка и интегрисани ГАРЦХ (ИГАРЦХ), који ограничава параметар волатилности. Све варијације ГАРЦХ модела желе да поред величине (позитивно или негативно) укључе и приносе (који су адресирани у оригиналном моделу).
Свака изведба ГАРЦХ-а може се користити за прилагођавање специфичних квалитета залиха, индустрије или економских података. Приликом процене ризика, финансијске институције укључују ГАРЦХ моделе у свој вредност по ризику (ВАР), максимални очекивани губитак (било за појединачну инвестицијску или трговачку позицију, портфељ, било на нивоу одељења или фирме) током одређеног временског периода пројекције. ГАРЦХ модели се гледају тако да пружају боље процене ризика него што се могу добити само праћењем стандардне девијације.
Проведене су различите студије о поузданости различитих модела ГАРЦХ током различитих тржишних услова, укључујући током периода који су пре и након финансијске кризе 2007. године.
Упоредите инвестиционе рачуне Име добављача Опис Откривање оглашивача × Понуде које се појављују у овој табели су од партнерстава од којих Инвестопедиа прима накнаду.