מהו תהליך GARCH?
מהו תהליך GARCH? תהליך ההטרוסקדסטיות המותנית האוטורגרסיבית הכללית (GARCH) הוא מונח אקונומטרי שפותח ב-1982 על ידי רוברט פ. אנגל, כלכלן וזוכה פרס נובל לכלכלה לשנת 2003. GARCH מתאר גישה להערכת התנודתיות בשווקים הפיננסיים. ישנן מספר צורות של דוגמנות GARCH. אנשי מקצוע פיננסיים מעדיפים לעתים קרובות את תהליך GARCH מכיוון שהוא מספק הקשר אמיתי יותר מאשר מודלים אחרים כאשר מנסים לחזות את המחירים והשיעורים של מכשירים פיננסיים.
מהו תהליך GARCH? – ישנן מספר צורות של דוגמנות GARCH. אנשי מקצוע פיננסיים מעדיפים לעתים קרובות את תהליך GARCH מכיוון שהוא מספק הקשר אמיתי יותר מאשר מודלים אחרים כאשר מנסים לחזות את המחירים והשיעורים של מכשירים פיננסיים.
מהו תהליך GARCH? – נקודות עיקריות:
הבנת תהליך GARCH
Heteroskedasticity מתאר את דפוס השונות הבלתי סדיר של מונח שגיאה, או משתנה, במודל סטטיסטי. בעיקרו של דבר, היכן שיש הטרוסקדסטיות, התצפיות אינן תואמות דפוס ליניארי. במקום זאת, הם נוטים להתקבץ.
התוצאה היא שהמסקנות והערך החזוי שיושאו מהמודל לא יהיו אמינים. GARCH הוא מודל סטטיסטי שניתן להשתמש בו כדי לנתח מספר סוגים שונים של נתונים פיננסיים, למשל נתונים מאקרו-כלכליים. מוסדות פיננסיים משתמשים בדרך כלל במודל זה כדי להעריך את התנודתיות של התשואות עבור מניות, אג"ח ומדדי שוק. הם משתמשים במידע המתקבל כדי לקבוע תמחור, לשפוט אילו נכסים עשויים לספק תשואות גבוהות יותר, ולחזות את התשואות של השקעות נוכחיות כדי לסייע בהקצאת נכסים, גידור, ניהול סיכונים והחלטות ייעול תיקים.
התהליך הכללי של מודל GARCH כולל שלושה שלבים. הראשון הוא להעריך את הדגם האוטוגרסיבי המתאים ביותר. השני הוא לחשב קורלציות אוטומטיות של מונח השגיאה. השלב השלישי הוא בדיקת מובהקות.
שתי גישות נוספות בשימוש נרחב להערכת וניבוי תנודתיות פיננסית הן שיטת התנודתיות ההיסטורית הקלאסית (VolSD) ושיטת התנודתיות הממוצעת הנע (VolEWMA) המשוקללת באופן אקספוננציאלי.
דגמי GARCH הטובים ביותר להחזרת נכסים
תהליכי GARCH שונים ממודלים הומוסקדסטיים, המניחים תנודתיות קבועה ומשמשים בניתוח ריבועים קטנים (OLS) בסיסיים. OLS שואפת למזער את הסטיות בין נקודות נתונים וקו רגרסיה כדי להתאים לנקודות אלו. עם תשואות נכסים, נראה שהתנודתיות משתנה במהלך תקופות מסוימות ותלויה בשונות העבר, מה שהופך מודל הומסגדסטי לא-אופטימלי.
תהליכי GARCH, מכיוון שהם אוטורגרסיביים, תלויים בתצפיות בעבר בריבוע ובשונות עבר כדי ליצור מודל לשונות הנוכחית. תהליכי GARCH נמצאים בשימוש נרחב בתחום הפיננסים בשל יעילותם במודלים של תשואות נכסים ואינפלציה. GARCH שואף למזער טעויות בתחזית על ידי התחשבות בשגיאות בתחזית קודמת ושיפור הדיוק של התחזיות השוטפות.
דוגמה לתהליך GARCH
מודלים של GARCH מתארים שווקים פיננסיים שבהם התנודתיות יכולה להשתנות, להיות תנודתיים יותר בתקופות של משברים פיננסיים או אירועים עולמיים ופחות תנודתיים בתקופות של רגיעה יחסית וצמיחה כלכלית יציבה. על חלקת התשואות, למשל, תשואות מניות עשויות להיראות אחידות יחסית לשנים שקדמו למשבר פיננסי כמו זה של 2007.
עם זאת, בתקופה שלאחר תחילתו של משבר, התשואות עשויות לנוע בפראות מטריטוריה שלילית לחיובית. יתרה מכך, התנודתיות המוגברת עשויה להיות מנבא של התנודתיות קדימה. התנודתיות עשויה אז לחזור לרמות הדומות לרמות שלפני המשבר או להיות אחידות יותר בהמשך. מודל רגרסיה פשוט אינו מסביר את השונות הזו בתנודתיות המופיעה בשווקים הפיננסיים. הוא אינו מייצג את אירועי "הברבור השחור" המתרחשים לעתים קרובות יותר מהצפוי.
