Co je generalizovaná autoregresivní podmíněná heteroskedasticita (GARCH)?
Klíčové způsoby
Pochopení generalizované autoregresivní podmíněné heteroskedasticity (GARCH)
Přestože modely GARCH mohou být použity v analýze řady různých typů finančních dat, jako jsou makroekonomická data, finanční instituce je obvykle používají k odhadu volatility výnosů akcií, dluhopisů a tržních indexů. Výsledné informace využívají k tomu, aby pomohly určit ceny a posoudit, která aktiva potenciálně poskytnou vyšší výnosy, a také k prognóze výnosů současných investic, aby pomohly při rozhodování o alokaci aktiv, zajištění, řízení rizik a optimalizaci portfolia.
V podstatě všude tam, kde existuje heteroskedasticita, pozorování neodpovídají lineárnímu vzoru. Místo toho mají tendenci shlukovat se. Proto pokud jsou na tato data použity statistické modely, které předpokládají konstantní rozptyl, pak závěry a prediktivní hodnota, kterou lze z modelu vyvodit, nebudou spolehlivé.
Historie společnosti GARCH
GARCH byl vyvinut v roce 1986 doktorandem Timem Bollerslevem, v té době doktorandem, jako způsob, jak řešit problém předpovídání volatility cen aktiv. Stavěl na průlomové práci ekonoma Roberta Engleho z roku 1982 při zavádění modelu Autoregresivní podmíněné heteroskedasticity (ARCH). Jeho model předpokládal, že variace finančních výnosů nebyla v čase konstantní, ale jsou autokorelované, nebo podmíněné/závislé na sobě navzájem. Lze to například vidět na akciových výnosech, kde období volatility výnosů mají tendenci být seskupena dohromady.
Od původního uvedení se objevilo mnoho variant GARCH. Patří mezi ně Nelineární (NGARCH), která řeší korelaci a pozorované „shlukování volatility“ výnosů, a Integrovaný GARCH (IGARCH), který omezuje parametr volatility. Všechny varianty modelu GARCH se snaží zahrnout směr, kladný nebo záporný, výnosů navíc k velikosti (řešené v původním modelu).
Každá derivace GARCH může být použita pro přizpůsobení specifických kvalit akcií, odvětví nebo ekonomických dat. Při posuzování rizika finanční instituce začleňují modely GARCH do své Value-at-Risk (VAR), maximální očekávané ztráty (ať už pro jednu investiční nebo obchodní pozici, portfolio, nebo na úrovni divize nebo celé firmy) za stanovené časové období. Modely GARCH jsou považovány za lepší měřítka rizika, než lze získat pouhým sledováním směrodatné odchylky.
Byly provedeny různé studie spolehlivosti různých modelů GARCH za různých tržních podmínek, včetně období před a po velké recesi.