Regroupement de la volatilité et modèle GARCH : explication
Découvrez pourquoi les rendements calmes et turbulents se regroupent, comment GARCH met à jour la variance conditionnelle, ce que signifie la persistance et pourquoi une prévision n'est pas un signal sur les options
Réponse directe
Le regroupement de la volatilité signifie que les grands rendements se regroupent près des grands rendements et les mouvements calmes près des mouvements calmes. GARCH transforme cette persistance en prévision de variance conditionnelle, mais ne prévoit ni la direction ni le caractère bon marché des options
La volatilité évolue dans le temps
Un modèle à volatilité constante traite l'incertitude de demain comme indépendante du calme ou de la turbulence d'aujourd'hui. Les rendements de marché contredisent souvent cette simplification
Les grands rendements absolus sont généralement suivis d'un mouvement élevé, tandis que les périodes calmes persistent souvent. Les signes peuvent alterner même lorsque l'ampleur des mouvements reste élevée
C'est le regroupement de la volatilité. Il décrit la dépendance dans l'amplitude des rendements ou les rendements au carré, et non un schéma fiable de rendements positifs et négatifs eux-mêmes
La variance conditionnelle est une prévision faite aujourd'hui
La variance inconditionnelle résume une distribution de long terme. La variance conditionnelle demande quelle est l'incertitude du prochain rendement compte tenu des informations disponibles maintenant
Les modèles ARCH mettent à jour cette prévision à partir des chocs récents au carré. Une surprise importante augmente l'estimation de variance suivante, que la surprise soit positive ou négative
L'estimation dépend du modèle, de la fréquence des données, de la définition du rendement, de la fenêtre et des paramètres ajustés. Ce n'est pas un fait de marché observé
GARCH mémorise les chocs et la variance antérieure
Une forme courante de GARCH(1,1) est hₜ = ω + αε²ₜ₋₁ + βhₜ₋₁. Ici, h est la variance conditionnelle et ε l'innovation du rendement précédent
Alpha contrôle la réaction immédiate aux nouveaux chocs au carré. Beta reporte l'estimation de variance précédente, ce qui permet aux régimes turbulents ou calmes de persister
Omega fournit une base. Les paramètres sont estimés ensemble, de sorte que lire alpha ou beta seul peut déformer la dynamique du modèle
La persistance a une interprétation précise
Dans la spécification standard, alpha plus beta sert souvent de mesure de persistance. Une valeur proche de un signifie que l'effet d'un choc décroît lentement dans la prévision de variance
Si alpha plus beta est inférieur à un, la prévision revient vers sa moyenne. Sous les hypothèses de base, la variance de long terme est omega divisé par un moins alpha moins beta
Une persistance proche de un ne signifie pas que la volatilité reste élevée pour toujours. Cela signifie que le modèle répartit l'effet d'un choc sur un horizon de prévision long
Le modèle de base traite les signes de manière symétrique
Le GARCH standard réagit au choc au carré, de sorte que des surprises positives et négatives de même ampleur ont le même effet immédiat sur la variance
La volatilité des actions peut réagir plus fortement après des baisses. Les variantes asymétriques ajoutent des termes de signe ou de seuil, mais cette souplesse supplémentaire crée aussi davantage de choix d'estimation
La sélection du modèle doit suivre l'usage et les éléments hors échantillon, et non le nombre de paramètres ou le meilleur ajustement dans l'échantillon
Une prévision de variance n'est pas un verdict sur les options
GARCH est généralement estimé sous le processus de rendement réel. L'IV d'une option est un prix neutre au risque qui inclut l'offre, la demande et la rémunération du risque de volatilité
Une IV supérieure à une prévision GARCH n'est pas automatiquement surévaluée. L'écart peut rémunérer le risque de saut, le skew, l'erreur de modèle, les coûts de couverture ou une prime de risque de volatilité
Comparez des horizons et des unités correspondants, puis modélisez le payoff de l'option, la surface, les coûts de transaction et les scénarios. Le rang de la prévision ne suffit pas à établir un gain attendu
Les erreurs de prévision méritent leur propre plan
Les ruptures structurelles, événements, paramètres obsolètes, valeurs aberrantes, gaps nocturnes et choix d'échantillonnage peuvent dominer une prévision récursive régulière
Contrôlez les résidus, la stabilité des paramètres, différentes fenêtres et les prévisions réalisées uniquement avec les informations disponibles à l'époque. Les backtests doivent éviter l'ajustement avec regard vers l'avenir
Utilisez plusieurs scénarios de volatilité plutôt qu'un nombre précis unique. Un modèle est le plus utile lorsque ses modes d'échec sont visibles avant d'engager du capital
Questions fréquentes
GARCH prévoit-il si une action va monter ou baisser ?
Non. Un modèle GARCH standard prévoit la variance conditionnelle autour d'un processus de moyenne distinct ; il ne fournit pas de prévision directionnelle du rendement
Que signifie alpha plus beta dans GARCH ?
Cela mesure la persistance de la variance dans le modèle de base. Des valeurs proches de un impliquent une décroissance lente, sous réserve des hypothèses de stationnarité et d'estimation du modèle
La volatilité GARCH est-elle identique à la volatilité implicite ?
Non. GARCH prévoit généralement une variance conditionnelle réelle, tandis que l'IV est déduite des prix d'options selon un modèle de valorisation et intègre des primes de risque
Pourquoi une prévision GARCH peut-elle échouer après un événement ?
L'événement peut créer un saut ou un changement de régime absent des données récentes. Les modèles récursifs s'adaptent après l'observation des chocs, et non avant l'arrivée d'une information inconnue