Шта је генерализована ауто-прогресивна условна хетероскадастичност (ГАРЦХ)?
Генерализована ауто-прогресивна условна хетероскадастичност (ГАРЦХ) је статистички модел који се користи у анализирању података временских серија у којима се верује да је грешка варијанце серијски аутокорелирана. ГАРЦХ модели претпостављају да варијанца термина грешке следи процес аутоматске прогресивне покретне просечности.
Кључне Такеаваис
- ГАРЦХ је техника статистичког моделирања која се користи да се предвиди волатилност приноса на финансијску имовину. ГАРЦХ је погодан за податке временске серије где се варијација термина грешке серијски аутокорелише након процеса аутоматског кретања у просеку. 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 за акције, обвезнице и индексе тржишта. На основу добијених информација користе се за одређивање цена и процену 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 предиктивна вриједност која се може извести 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 прошлих вредности.
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 модел је 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“ приноса и интегрисани ГАРЦХ (ИГАРЦХ), који ограничава параметар волатилности. Све варијације ГАРЦХ модела желе да поред величине (позитивне или негативне) приноса враћају величину (адресирану 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 компаније) 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.
