Klastrowanie zmienności i GARCH — wyjaśnienie

Model o stałej zmienności traktuje jutrzejszą niepewność jako niezależną od tego, czy dziś było spokojnie, czy burzliwie. Zwroty rynkowe często przeczą temu uproszczeniu

Po dużych zwrotach bezwzględnych zwykle następuje podwyższony ruch, podczas gdy spokojne okresy często trwają dalej. Znaki mogą się zmieniać, nawet gdy rozmiar ruchów pozostaje duży

To jest klastrowanie zmienności. Opisuje zależność w wielkości zwrotów lub zwrotach kwadratowych, a nie wiarygodny wzorzec samych dodatnich i ujemnych zwrotów

Wariancja bezwarunkowa podsumowuje rozkład długoterminowy. Wariancja warunkowa pyta, jak niepewny jest następny zwrot przy informacjach dostępnych teraz

Modele ARCH aktualizują tę prognozę na podstawie ostatnich szoków kwadratowych. Duża niespodzianka podnosi oszacowanie następnej wariancji, niezależnie od tego, czy niespodzianka była dodatnia, czy ujemna

Oszacowanie jest warunkowe względem modelu, częstotliwości danych, definicji zwrotu, okna i dopasowanych parametrów. Nie jest zaobserwowanym faktem rynkowym

Typowa postać GARCH(1,1) to hₜ = ω + αε²ₜ₋₁ + βhₜ₋₁. Tutaj h jest wariancją warunkową, a ε wcześniejszą innowacją zwrotu

Alpha kontroluje natychmiastową reakcję na nowe szoki kwadratowe. Beta przenosi wcześniejsze oszacowanie wariancji, dzięki czemu burzliwe lub spokojne reżimy mogą się utrzymywać

Omega dostarcza poziomu bazowego. Parametry są estymowane wspólnie, więc odczytywanie samego alpha lub beta może błędnie opisywać dynamikę modelu

W standardowej specyfikacji suma alpha i beta jest często używana jako miara trwałości. Wartość bliska jedności oznacza, że szok powoli zanika w prognozie wariancji

Jeśli suma alpha i beta jest mniejsza od jedności, prognoza powraca do średniej. Przy podstawowych założeniach wariancja długoterminowa wynosi omega podzielone przez jeden minus alpha minus beta

Trwałość bliska jedności nie oznacza, że zmienność pozostanie trwale wysoka. Oznacza, że model rozkłada wpływ szoku na długi horyzont prognozy

Standardowy GARCH reaguje na szok kwadratowy, więc równe dodatnie i ujemne niespodzianki mają taki sam natychmiastowy wpływ na wariancję

Zmienność akcji może reagować silniej po spadkach. Warianty asymetryczne dodają składniki znaku lub progu, ale większa elastyczność tworzy też więcej wyborów estymacyjnych

Wybór modelu powinien wynikać z zastosowania i dowodów pozapróbkowych, a nie z liczby parametrów ani najlepszego dopasowania wewnątrz próby

GARCH jest zwykle estymowany dla procesu zwrotów w świecie rzeczywistym. IV opcji jest ceną wolną od ryzyka, która zawiera podaż, popyt i wynagrodzenie za ryzyko zmienności

IV powyżej prognozy GARCH nie jest automatycznie przewartościowana. Różnica może wynagradzać ryzyko skoków, skośność, błąd modelu, koszty hedgingu lub premię za ryzyko zmienności

Porównuj dopasowane horyzonty i jednostki, a następnie modeluj wypłatę opcji, powierzchnię, koszty transakcyjne i scenariusze. Sama ranga prognozy nie ustala oczekiwanego zysku

Zmiany strukturalne, wydarzenia, nieaktualne parametry, wartości odstające, luki nocne i wybory próbkowania mogą zdominować gładką prognozę rekurencyjną

Sprawdzaj reszty, stabilność parametrów, alternatywne okna i prognozy tworzone wyłącznie z informacji dostępnych w danym momencie. Backtesty muszą unikać dopasowania z wyprzedzeniem

Używaj wielu scenariuszy zmienności zamiast jednej precyzyjnej liczby. Model jest najbardziej użyteczny, gdy jego tryby porażki są widoczne przed zaangażowaniem kapitału