กระบวนการ Garch คืออะไร? มันใช้ในรูปแบบที่แตกต่างกันอย่างไร

กระบวนการ heteroskedasticity (GARCH) แบบทั่วไปเป็นคำศัพท์ทางเศรษฐมิติที่พัฒนาขึ้นในปี 2525 โดยRobert F. Engleนักเศรษฐศาสตร์และผู้ชนะรางวัลโนเบลอนุสรณ์เพื่อเศรษฐศาสตร์ปี 2546 Garch อธิบายวิธีการประเมินความผันผวนในตลาดการเงิน

การสร้างแบบจำลอง Garch มีหลายรูปแบบ ผู้เชี่ยวชาญด้านการเงินมักจะชอบกระบวนการ GARCH เพราะให้บริบทในโลกแห่งความเป็นจริงมากกว่ารุ่นอื่น ๆ เมื่อพยายามทำนายราคาและอัตราของเครื่องมือทางการเงิน

ทำความเข้าใจกระบวนการ Garch

heteroskedasticityอธิบายรูปแบบที่ผิดปกติของการเปลี่ยนแปลงของคำผิดพลาดหรือตัวแปรในแบบจำลองทางสถิติ โดยพื้นฐานแล้วที่มี heteroskedasticity การสังเกตไม่สอดคล้องกับกรูปแบบเชิงเส้น- แต่พวกเขามักจะจัดกลุ่ม

ผลที่ได้คือข้อสรุปและค่าการทำนายที่ดึงมาจากแบบจำลองจะไม่น่าเชื่อถือ Garch เป็นแบบจำลองทางสถิติที่สามารถใช้ในการวิเคราะห์ข้อมูลทางการเงินประเภทต่าง ๆ เช่นข้อมูลเศรษฐกิจมหภาค โดยทั่วไปสถาบันการเงินจะใช้โมเดลนี้เพื่อประเมินความผันผวนของผลตอบแทนสำหรับหุ้นพันธบัตรและดัชนีตลาด- พวกเขาใช้ข้อมูลผลลัพธ์เพื่อกำหนดราคาผู้พิพากษาสินทรัพย์ใดที่จะให้ผลตอบแทนที่สูงขึ้นและคาดการณ์ผลตอบแทนของการลงทุนในปัจจุบันเพื่อช่วยในการจัดสรรสินทรัพย์การป้องกันความเสี่ยงการจัดการความเสี่ยงและการตัดสินใจเพิ่มประสิทธิภาพพอร์ตโฟลิโอ

กระบวนการทั่วไปสำหรับโมเดล Garch เกี่ยวข้องกับสามขั้นตอน ประการแรกคือการประเมินการพอดีที่ดีที่สุดก้าวร้าวแบบอย่าง. ประการที่สองคือการคำนวณความสัมพันธ์อัตโนมัติของข้อกำหนดข้อผิดพลาด- ขั้นตอนที่สามคือการทดสอบอย่างมีนัยสำคัญ

อีกสองวิธีที่ใช้กันอย่างแพร่หลายในการประเมินและทำนายความผันผวนทางการเงินเป็นแบบคลาสสิกความผันผวนทางประวัติศาสตร์วิธีการ (volsd) และค่าเฉลี่ยเคลื่อนที่แบบทวีคูณวิธีความผันผวน (Volewma)

Garch รุ่นที่ดีที่สุดสำหรับการคืนสินทรัพย์

กระบวนการ Garch แตกต่างจากhomoskedasticแบบจำลองซึ่งมีความผันผวนคงที่และใช้ในพื้นฐานกำลังสองน้อยที่สุดการวิเคราะห์ (OLS) OLS มีจุดมุ่งหมายเพื่อลดความเบี่ยงเบนระหว่างจุดข้อมูลและสายการถดถอยเพื่อให้พอดีกับจุดเหล่านั้น ด้วยผลตอบแทนของสินทรัพย์ความผันผวนดูเหมือนจะแตกต่างกันไปในช่วงระยะเวลาหนึ่งและขึ้นอยู่กับความแปรปรวนในอดีต

กระบวนการของ Garch เนื่องจากเป็นแบบอัตโนมัติขึ้นอยู่กับการสังเกตกำลังสองและความแปรปรวนในอดีตเพื่อเป็นแบบอย่างสำหรับความแปรปรวนในปัจจุบัน กระบวนการ GARCH ถูกนำมาใช้อย่างกว้างขวางในด้านการเงินเนื่องจากประสิทธิภาพในการสร้างแบบจำลองการคืนสินทรัพย์และเงินเฟ้อ Garch มีจุดมุ่งหมายเพื่อลดข้อผิดพลาดในการพยากรณ์โดยการบัญชีสำหรับข้อผิดพลาดในการพยากรณ์ก่อนและเพิ่มความแม่นยำของการคาดการณ์อย่างต่อเนื่อง

ตัวอย่างของกระบวนการ garch

โมเดล Garch อธิบายถึงตลาดการเงินที่ความผันผวนสามารถเปลี่ยนแปลงได้กลายเป็นความผันผวนมากขึ้นในช่วงเวลาของวิกฤตการณ์ทางการเงินหรือเหตุการณ์โลกและความผันผวนน้อยลงในช่วงเวลาของความสงบและการเติบโตทางเศรษฐกิจที่มั่นคง ตัวอย่างเช่นผลตอบแทนเช่นผลตอบแทนหุ้นอาจดูค่อนข้างสม่ำเสมอสำหรับปีที่นำไปสู่วิกฤตการณ์ทางการเงินเช่นปี 2550

ในช่วงเวลาหลังจากการโจมตีของวิกฤตอย่างไรก็ตามผลตอบแทนอาจแกว่งไปมาอย่างดุเดือดจากลบไปยังดินแดนบวก ยิ่งไปกว่านั้นความผันผวนที่เพิ่มขึ้นอาจเป็นการทำนายความผันผวนในอนาคต ความผันผวนอาจกลับสู่ระดับที่คล้ายกับระดับก่อนเกิดวิกฤติหรือมีความสม่ำเสมอมากขึ้นในอนาคต รูปแบบการถดถอยอย่างง่ายไม่ได้อธิบายถึงความผันผวนของความผันผวนที่แสดงในตลาดการเงิน มันไม่ได้เป็นตัวแทนของ "หงส์ดำ"เหตุการณ์ที่เกิดขึ้นบ่อยกว่าที่คาดการณ์ไว้