GARCH Process là gì?

16

Quy trình GARCH là gì?

Quy trình phương sai thay đổi có điều kiện tự động hồi quy tổng quát (GARCH) là một thuật ngữ kinh tế lượng được phát triển vào năm 1982 bởi Robert F. Engle, một nhà kinh tế học và người đoạt giải Nobel Kinh tế năm 2003. GARCH mô tả một cách tiếp cận để ước tính sự biến động trên thị trường tài chính.

Có một số hình thức lập mô hình GARCH. Các chuyên gia tài chính thường thích quy trình GARCH vì nó cung cấp bối cảnh thực tế hơn so với các mô hình khác khi cố gắng dự đoán giá và tỷ lệ của các công cụ tài chính.

Tóm tắt ý chính:

  • Quy trình phương sai thay đổi có điều kiện tự hồi quy tổng quát (GARCH) là một cách tiếp cận để ước tính sự biến động của thị trường tài chính.
  • Các tổ chức tài chính sử dụng mô hình này để ước tính sự biến động trở lại của cổ phiếu, trái phiếu và các phương tiện đầu tư khác.
  • Quy trình GARCH cung cấp bối cảnh thực tế hơn so với các mô hình khác khi dự đoán giá và tỷ lệ của các công cụ tài chính.

Hiểu quy trình GARCH

Phương sai thay đổi mô tả dạng biến thiên bất thường của một thuật ngữ lỗi hoặc một biến số trong một mô hình thống kê. Về cơ bản, khi có phương sai thay đổi, các quan sát không tuân theo một mô hình tuyến tính. Thay vào đó, chúng có xu hướng tập hợp lại.

Kết quả là các kết luận và giá trị dự đoán rút ra từ mô hình sẽ không đáng tin cậy. GARCH là một mô hình thống kê có thể được sử dụng để phân tích một số loại dữ liệu tài chính khác nhau, chẳng hạn như dữ liệu kinh tế vĩ mô. Các tổ chức tài chính thường sử dụng mô hình này để ước tính sự biến động của lợi nhuận đối với cổ phiếu, trái phiếu và các chỉ số thị trường. Họ sử dụng thông tin kết quả để xác định giá cả, đánh giá tài sản nào sẽ có khả năng mang lại lợi nhuận cao hơn và dự báo lợi nhuận của các khoản đầu tư hiện tại để giúp họ đưa ra các quyết định phân bổ tài sản, phòng ngừa rủi ro, quản lý rủi ro và tối ưu hóa danh mục đầu tư.

Quy trình chung cho một mô hình GARCH bao gồm ba bước. Đầu tiên là ước tính một mô hình hồi quy tự động phù hợp nhất. Thứ hai là tính toán tự tương quan của thuật ngữ lỗi. Bước thứ ba là kiểm tra mức độ quan trọng.

Hai phương pháp tiếp cận được sử dụng rộng rãi khác để ước tính và dự đoán biến động tài chính là phương pháp biến động lịch sử cổ điển (VolSD) và phương pháp biến động trung bình động có trọng số theo cấp số nhân (VolEWMA).

Các mô hình GARCH tốt nhất để trả về tài sản

Các quy trình GARCH khác với các mô hình tương đồng, giả định độ biến động không đổi và được sử dụng trong phân tích bình phương nhỏ nhất thông thường (OLS) cơ bản. OLS nhằm mục đích giảm thiểu độ lệch giữa các điểm dữ liệu và một đường hồi quy để phù hợp với các điểm đó. Với lợi tức tài sản, sự biến động dường như thay đổi trong những khoảng thời gian nhất định và phụ thuộc vào phương sai trong quá khứ, làm cho mô hình tương đồng không tối ưu.

Các quy trình GARCH, bởi vì chúng là tự động hồi quy, phụ thuộc vào các quan sát bình phương trong quá khứ và các phương sai trong quá khứ để lập mô hình cho phương sai hiện tại. Quy trình GARCH được sử dụng rộng rãi trong tài chính do tính hiệu quả của chúng trong việc lập mô hình lợi nhuận và lạm phát tài sản. GARCH nhằm mục đích giảm thiểu các sai sót trong dự báo bằng cách tính toán các sai sót trong dự báo trước và nâng cao độ chính xác của các dự đoán đang diễn ra.

Ví dụ về Quy trình GARCH

Mô hình GARCH mô tả các thị trường tài chính trong đó sự biến động có thể thay đổi, trở nên dễ bay hơi hơn trong thời kỳ khủng hoảng tài chính hoặc các sự kiện thế giới và ít biến động hơn trong thời kỳ tăng trưởng kinh tế tương đối bình tĩnh và ổn định. Ví dụ, trên một biểu đồ lợi nhuận, lợi nhuận cổ phiếu có thể trông tương đối đồng đều trong những năm dẫn đến khủng hoảng tài chính, chẳng hạn như năm 2007.

Tuy nhiên, trong giai đoạn sau khi bắt đầu khủng hoảng, lợi nhuận có thể dao động mạnh từ lãnh thổ tiêu cực sang tích cực. Hơn nữa, sự biến động gia tăng có thể là dự đoán về sự biến động trong tương lai. Sau đó, sự biến động có thể trở lại mức tương tự như mức trước khủng hoảng hoặc đồng đều hơn trong tương lai. Một mô hình hồi quy đơn giản không tính đến sự thay đổi này trong sự biến động thể hiện trên thị trường tài chính. Nó không phải là đại diện cho các sự kiện “thiên nga đen” xảy ra thường xuyên hơn dự đoán.

Nguồn tham khảo: investmentopedia