Co je to proces GARCH?
Generalizovaný proces autoregresivní podmíněné heteroskedasticity (GARCH) je ekonometrický termín vyvinutý v roce 1982 Robertem F. Englem, ekonomem a držitelem Nobelovy ceny za ekonomii za rok 2003. GARCH popisuje přístup k odhadu volatility na finančních trzích.
Existuje několik forem modelování GARCH. Finanční profesionálové často preferují proces GARCH, protože poskytuje reálnější kontext než jiné modely, když se snaží předpovědět ceny a sazby finančních nástrojů.
Klíčové způsoby řešení:
Pochopení procesu GARCH
Výsledkem je, že závěry a prediktivní hodnota vyvozené z modelu nebudou spolehlivé. GARCH je statistický model, který lze použít k analýze řady různých typů finančních dat, například makroekonomických dat. Finanční instituce obvykle používají tento model k odhadu volatility výnosů akcií, dluhopisů a tržních indexů. Výsledné informace používají k určení cen, posouzení, která aktiva potenciálně poskytnou vyšší výnosy, a prognózování výnosů současných investic, aby jim pomohly při rozhodování o alokaci aktiv, zajištění, řízení rizik a optimalizaci portfolia.
Dva další široce používané přístupy k odhadování a předvídání finanční volatility jsou klasická metoda historické volatility (VolSD) a exponenciálně vážená metoda pohyblivé průměrné volatility (VolEWMA).
GARCH modely nejlepší pro návratnost aktiv
GARCH procesy se liší od homoskedastických modelů, které předpokládají konstantní volatilitu a jsou používány v základní analýze obyčejných nejmenších čtverců (OLS). Cílem OLS je minimalizovat odchylky mezi datovými body a regresní přímkou tak, aby odpovídaly těmto bodům. U výnosů aktiv se zdá, že volatilita se v určitých obdobích mění a závisí na minulých odchylkách, takže homoskedastický model není optimální.
Příklad procesu GARCH
Modely GARCH popisují finanční trhy, na nichž se může měnit volatilita, která se stává více volatilní v obdobích finančních krizí nebo světových událostí a méně volatilní v obdobích relativního klidu a stabilního hospodářského růstu. Například na grafu výnosů mohou výnosy akcií vypadat relativně jednotně pro roky předcházející finanční krizi, jako byla ta z roku 2007.
V období následujícím po vypuknutí krize se však výnosy mohou divoce vychýlit ze záporného do kladného pásma. Zvýšená volatilita navíc může být predikcí volatility do budoucna. Volatilita se pak může vrátit na úroveň podobnou úrovni před krizí nebo může být jednotnější do budoucna. Jednoduchý regresní model nepočítá s touto variabilitou volatility, která se projevuje na finančních trzích. Není reprezentativní pro události typu „černá labuť“, které se objevují častěji, než se předpokládalo.