Volatilitas Klustering dan GARCH Dijelaskan
Pelajari mengapa kekalahan dan pergolakan kembali kluster, bagaimana GARCH memperbarui variasi kondisional, apa persistensi berarti, dan mengapa perkiraan bukan sinyal opsi
Jawaban langsung
Model GARCH mengubah persistensi volatilitas menjadi prakiraan varians bersyarat yang diperbarui oleh kejutan dan varians sebelumnya, tetapi tidak memprediksi arah harga, tidak menjamin volatilitas masa depan, dan tidak menentukan apakah suatu opsi murah atau mahal tanpa membandingkannya dengan harga serta asumsi lain.
Volatilitas berubah seiring waktu
Model volatilitas konstan memperlakukan ketidakpastian besok sebagai independen dari apakah hari ini tenang atau bergoyang.
Pengembalian mutlak yang besar cenderung diikuti oleh gerakan yang tinggi, sementara periode tenang sering bertahan. Tanda-tanda dapat bergantian bahkan ketika ukuran gerakan tetap tinggi
Ini adalah pengelompokan volatilitas. Ini menggambarkan ketergantungan dalam magnitude return atau laba kuadrat, bukan pola yang dapat diandalkan dalam laba positif dan negatif itu sendiri
Varians kondisional adalah perkiraan yang dibuat hari ini
Variansi tanpa syarat meringkas distribusi jangka panjang. Variansi bersyarat bertanya bagaimana tidak pasti kembali berikutnya diberikan informasi yang tersedia sekarang
Model ARCH memperbarui prediksi dari kejutan persegi baru-baru ini. Kejutan besar menimbulkan varian berikutnya perkiraan apakah kejutan positif atau negatif
Perkiraan ini tergantung pada model, frekuensi data, definisi pengembalian, jendela, dan parameter yang dipasang.
GARCH mengingat kedua kejutan dan varian sebelumnya
Bentuk GARCH(1,1) yang umum adalah hₜ = ω + αε²ₜ₋₁ + βhₜ₋₁. Di sini h adalah varians bersyarat dan ε adalah inovasi kembali sebelumnya
Alpha mengontrol respons langsung terhadap kejutan kuadrat baru. Beta melanjutkan perkiraan varians sebelumnya, memungkinkan rezim yang bergoyang atau tenang untuk bertahan
Omega menyediakan garis dasar. parameter diprakirakan bersama, jadi membaca alpha atau beta saja dapat salah menilai dinamika model
Persistensi memiliki interpretasi yang tepat
Dalam spesifikasi standar, alpha plus beta sering digunakan sebagai ukuran persistensi. Nilai dekat satu berarti kejutan memburuk perlahan dalam prediksi varians
Jika alfa ditambah beta di bawah satu, rata-rata perkiraan terbalik.
Hampir satu persistensi tidak berarti volatilitas tetap tinggi secara permanen.
Model dasar memperlakukan tanda-tanda secara simetris
GARCH standar bereaksi pada kejutan kuadrat, jadi kejutan positif dan negatif yang sama memiliki efek langsung yang sama pada varians
Volatilitas ekuitas dapat bereaksi lebih kuat setelah penurunan. Varian asimetris menambahkan tanda atau syarat ambang, tetapi fleksibilitas tambahan juga menciptakan lebih banyak opsi perkiraan
Pemilihan model harus mengikuti kasus penggunaan dan bukti-bukti luar sampel, bukan jumlah parameter atau pas terbaik dalam sampel
Prediksi varians bukanlah putusan opsi
GARCH biasanya diperkirakan dalam proses pengembalian dunia nyata. Opsi IV adalah harga netral risiko yang mencakup penawaran, permintaan, dan kompensasi untuk risiko volatilitas
IV di atas perkiraan GARCH tidak secara otomatis terlampau mahal. Kesenjangan dapat membayar risiko lompatan, skew, kesalahan model, biaya lindung nilai, atau premi risiko volatilitas
Perbandingan cakrawala dan unit yang cocok, kemudian model pembayaran opsi, permukaan, biaya transaksi, dan skenario.
Kesalahan ramalan layak rencana mereka sendiri
Rintangan struktural, peristiwa, parameter lama, nilai luar biasa, kesenjangan di malam hari, dan opsi pengambilan sampel dapat mendominasi perkiraan rekursif yang lancar
Periksa residu, stabilitas parameter, jendela alternatif, dan prediksi yang dibuat hanya dengan informasi yang tersedia pada saat itu.
Gunakan beberapa skenario volatilitas daripada satu angka yang tepat. Model paling berguna ketika mode kegagalannya terlihat sebelum modal ditempatkan
Pertanyaan umum
Apakah GARCH memprediksi apakah saham akan naik atau turun?
Model standar GARCH memprediksi variasi kondisional di sekitar proses rata-rata terpisah; tidak memberikan prediksi pengembalian arah
Apa artinya alpha plus beta dalam GARCH?
Ini mengukur persistensi varians dalam model dasar. Nilai dekat satu berarti penurunan lambat, tergantung pada asumsi stabilitas dan perkiraan model
Apakah volatilitas GARCH sama dengan volatilitas tersirat?
No. GARCH biasanya memprediksi variasi kondisional dunia nyata, sementara IV didukung dari harga opsi di bawah model penentuan harga dan menyisipkan premi risiko
Mengapa ramalan GARCH bisa gagal setelah suatu peristiwa?
Acara ini dapat menciptakan lompatan atau perubahan rezim yang tidak ada dalam data terbaru. Model rekursif beradaptasi setelah mengamati kejutan, bukan sebelum informasi yang tidak diketahui tiba