Cvičenie 3: Modelovanie volatility (ARCH, GARCH, ...)
:: ARCH a GARCH modely ::
- ARCH - autoregressive conditional heteroskedasticity - ide teda o modelovanie nekonštantnej disperzie
- GARCH - generalized ARCH
- Referencie na prvé články s týmito modelmi:
- ARCH model:
- Robert F. Engle, Autoregressive Conditional Heteroskedasticity With Estimates of the Variance of U.K. Inflation, Econometrica 50 (1982), pp. 987 - 1008.
- GARCH model:
- Tim Bollerslev, Generalized Autoregressive Conditional Heteroskedasticity, Journal of Econometrics 31 (1986), pp. 307 - 327
- Stephen J. Taylor, Modelling Financial Time Series, John Wiley, Chichester, 1986
:: Príklad: výnosy akcií ::
- Dáta: goog.txt, goog.wf1 - ceny akcií GOOG, týždenné dáta o začiatku r. 2007
- Vytvoríme vektor výnosov a zobrazíme ich priebeh:
- Autokorelácie a parciálne autokorelácie nie sú signifikantné, Q štatistika sú tiež v poriadku. Zdá sa teda, že výnos je konštanta plus biely šum.
- Odhadneme tento model:
- ACF a PACF rezíduí sú rovnaké ako pre pôvodný časový rad, keďže sme od neho iba odrátali konštantu.
- Pozrime sa ale na priebeh rezídií:
Dostaneme:
Ak by boli rezíduá bielym šumom, aj ich druhé mocniny by boli nekorelované. Toto nasvedčuje tomu, že nejde o biely šum, ale o proces s meniacou sa disperziou. Na prednáške sme si ukázali, že takýto priebeh sa dá modelovať ARCH a ARCH modelmi.
:: Definícia modelov a ich odhadovanie ::
- Opakovanie z prednášky:
- Odhadovanie (G)ARCH modelov v EViews:
- Začneme rovnako ako doteraz - Quick - Estimate Equation. Tu z možností v časti Methods vyberieme ARCH - Autoregressive Conditional Heteroskedasticity:
- Potom zadáme počet ARCH a GARCH členov:
:: Príklad - pokračovanie ::
- Odhadneme ARCH(1):
- Ohraničenia na parametre sú splnené:
- Korelogram druhých mocnín rezíduí však nevyhovuje:
- Podobne ak odhadneme ARCH(2):
- Ohraničenia na parametre sú splnené:
- Na základe korelogramu druhých mocnín rezíduí však model zamietneme:
- Pri procesoch vyššieho rádu už vznikajú problémy aj s podmienkami na parametre - výstup pre ARCH(4):
- Prejdeme na GARCH modely - odhadneme populárny GARCH(1,1):
- Ohraničenia na parametre sú splnené:
- Korelogram rezíduí je v poriadku:
- Korelogram druhých mocnín rezíduí tiež:
:: Odhadnutá disperzia ::
- Budeme pracovať s GARCH(1,1) modelom:
- V okne s odhadnutou rovnicou klikneme na Proc, odkiaľ vyberieme Make GARCH variance series
a zadáme názov premennej, do ktorej sa majú tieto variancie uložiť:
- Dostaneme:
- Môžeme teraz porovnať priebeh tejto disperzie s vývojom výnosov - vidíme, ako sa zhodujú stabilné obdobia s malou odhadnutou varianciou a nestabilné obdobia s veľkou.