GARCH 프로세스 란 무엇입니까
일반화 된 자기 회귀 조건부 이분산성 (GARCH) 프로세스는 금융 시장의 변동성을 추정하는 접근법을 설명하기 위해 경제학자이자 2003 년 노벨 경제상을 수상한 Robert F. Engle이 1982 년에 개발 한 계량 경제 용어입니다. 여러 가지 형태의 GARCH 모델링이 있습니다. GARCH 프로세스는 금융 상품의 가격과 요율을 예측할 때 다른 형태보다 실제 상황을 제공하기 때문에 종종 금융 모델링 전문가가 선호합니다.
파괴적인 프로세스
이분산성은 통계 모델에서 오차 항 또는 변수의 불규칙 패턴 변동을 설명합니다. 본질적으로 이분산성이있는 경우 관측치는 선형 패턴과 일치하지 않습니다. 대신, 그들은 묶는 경향이 있습니다. 그 결과 모델에서 도출 할 수있는 결론과 예측 가치는 신뢰할 수 없습니다. GARCH는 거시 경제 데이터와 같은 다양한 유형의 재무 데이터를 분석하는 데 사용할 수있는 통계 모델입니다. 금융 기관은 일반적으로이 모델을 사용하여 주식, 채권 및 시장 지수에 대한 수익의 변동성을 추정합니다. 결과 정보를 사용하여 가격을 결정하고 잠재적으로 더 높은 수익을 제공 할 자산을 판단하고 자산 할당, 헤징, 위험 관리 및 포트폴리오 최적화 결정에 도움이되는 현재 투자 수익을 예측합니다.
GARCH 모델의 일반적인 프로세스에는 세 단계가 포함됩니다. 첫 번째는 가장 적합한 자동 회귀 모형을 추정하는 것입니다. 두 번째는 오차항의 자기 상관을 계산하는 것입니다. 세 번째 단계는 중요성을 테스트하는 것입니다. 재무 변동성을 예측하고 예측하는 데 널리 사용되는 다른 두 가지 접근 방식은 기존의 역사적 변동성 (VolSD) 방법과 지수 가중 이동 평균 변동성 (VolEWMA) 방법입니다.
GARCH 프로세스의 예
GARCH 모델은 변동성이 변할 수있는 금융 시장을 설명하는 데 도움이되며 금융 위기 또는 세계 이벤트 기간 동안 변동성이 높아지고 상대적으로 침착하고 꾸준한 경제 성장 기간 동안 변동성이 적습니다. 예를 들어, 수익률 도표에서 주식 수익률은 2007 년과 같은 금융 위기를 초래 한 기간 동안 상대적으로 균일하게 보일 수 있습니다. 긍정적 인 영토로. 또한, 변동성이 증가한 것은 향후 변동성을 예측할 수 있습니다. 그런 다음 변동성은 위기 이전 수준과 비슷한 수준으로 돌아가거나 앞으로 더 균일해질 수 있습니다. 단순한 회귀 모델은 금융 시장에서 나타나는 변동성의 변동을 설명하지 않으며 하나 이상의 예측으로 발생하는 "검은 백조"사건을 나타내지 않습니다.
자산 반환에 가장 적합한 GARCH 모델
GARCH 공정은 일정한 변동성을 가정하며 기본 평범한 최소 제곱 (OLS) 분석에 사용되는 동형 수학 모형과 다릅니다. OLS는 데이터 점과 회귀선 간의 편차를 최소화하여 해당 점에 맞 춥니 다. 자산 수익률의 경우 변동성은 특정 기간 동안 변동하고 과거 변동에 의존하여 동종 척수 모형을 최적으로 만들지 않습니다.
자기 회귀적인 GARCH 프로세스는 현재 분산을 모델링하기 위해 과거의 제곱 관측치와 과거 분산에 의존합니다. GARCH 프로세스는 자산 수익 및 인플레이션 모델링의 효과로 인해 재무에서 널리 사용됩니다. GARCH는 사전 예측의 오류를 고려하여 예측 오류를 최소화하여 진행중인 예측의 정확성을 높이는 것을 목표로합니다.
