O que é heterocedasticidade condicional auto-regressiva generalizada (GARCH)?
A heterocedasticidade condicional auto-regressiva generalizada (GARCH) é um modelo estatístico usado na análise de dados de séries temporais em que se acredita que o erro de variância seja autocorrelacionado em série. Os modelos GARCH assumem que a variação do termo de erro segue um processo de média móvel autoregressivo.
Principais Takeaways
- GARCH é uma técnica de modelagem estatística usada para ajudar a prever a volatilidade dos retornos sobre ativos financeiros.GARCH é apropriado para dados de séries temporais em que a variação do termo de erro é serialmente autocorrelacionada após um processo de média móvel autorregressivo. GARCH é útil para avaliar riscos e retornos esperados para ativos que exibem períodos agrupados de volatilidade nos retornos.
Noções básicas sobre heterocedasticidade condicional auto-regressiva generalizada (GARCH)
Embora os modelos de heterocedasticidade condicional auto-regressiva generalizada (GARCH) possam ser usados na análise de vários tipos diferentes de dados financeiros, como dados macroeconômicos, as instituições financeiras normalmente os usam para estimar a volatilidade dos retornos de ações, títulos e índices de mercado. Eles usam as informações resultantes para ajudar a determinar o preço e julgar quais ativos potencialmente fornecerão retornos mais altos, bem como prever os retornos dos investimentos atuais para ajudar nas decisões de alocação de ativos, hedge, gerenciamento de riscos e otimização de portfólio.
Os modelos GARCH são usados quando a variação do termo de erro não é constante. Ou seja, o termo de erro é heterocedástico. A heterocedasticidade descreve o padrão irregular de variação de um termo de erro, ou variável, em um modelo estatístico. Essencialmente, onde quer que haja heterocedasticidade, as observações não se ajustam a um padrão linear. Em vez disso, eles tendem a se agrupar. Portanto, se modelos estatísticos que assumem variação constante forem usados nesses dados, as conclusões e o valor preditivo que se pode tirar do modelo não serão confiáveis.
Presume-se que a variação do termo de erro nos modelos GARCH varie sistematicamente, dependendo do tamanho médio dos termos de erro em períodos anteriores. Em outras palavras, ele possui heterocedasticidade condicional, e a razão para a heterocedasticidade é que o termo de erro está seguindo um padrão de média móvel autoregressivo. Isso significa que é uma função de uma média de seus próprios valores passados.
História da GARCH
O GARCH foi formulado na década de 1980 como uma maneira de abordar o problema de prever volatilidade nos preços dos ativos. Ele se baseou no trabalho inovador do economista Robert Engle, em 1982, na introdução do modelo de heterocedasticidade autoregressiva condicional (ARCH). Seu modelo assumiu que a variação dos retornos financeiros não era constante ao longo do tempo, mas é autocorrelacionada ou dependente / dependente uma da outra. Por exemplo, pode-se ver isso nos retornos das ações, onde períodos de volatilidade nos retornos tendem a ser agrupados.
Desde a introdução original, muitas variações do GARCH surgiram. Eles incluem o Nonlinear (NGARCH), que trata da correlação e observa o "agrupamento de volatilidade" dos retornos, e o Integrated GARCH (IGARCH), que restringe o parâmetro de volatilidade. Todas as variações do modelo GARCH buscam incorporar a direção, positiva ou negativa, dos retornos, além da magnitude (abordada no modelo original).
Cada derivação do GARCH pode ser usada para acomodar as qualidades específicas de estoque, setor ou dados econômicos. Na avaliação de risco, as instituições financeiras incorporam os modelos GARCH em seu Valor em Risco (VAR), perda máxima esperada (seja para um único investimento ou posição de negociação, portfólio ou nível de uma divisão ou de toda a empresa) durante um período de tempo especificado projeções. Os modelos GARCH são visualizados para fornecer melhores medidores de risco do que os obtidos apenas com o desvio padrão.
Vários estudos foram realizados sobre a confiabilidade de vários modelos GARCH durante diferentes condições de mercado, inclusive durante os períodos anteriores e posteriores à crise financeira de 2007.
