Agrupamento de Volatilidade e GARCH Explicados
Aprenda por que retornos calmos e turbulentos se agrupam, como o GARCH atualiza a variância condicional, o que persistência significa e por que uma previsão não é um sinal de opções
Resposta direta
Agrupamento de volatilidade significa que retornos grandes se agrupam perto de retornos grandes e movimentos calmos perto de movimentos calmos. GARCH transforma essa persistência em uma previsão de variância condicional, mas não prevê a direção nem se as opções estão baratas
A volatilidade muda ao longo do tempo
Um modelo de volatilidade constante trata a incerteza de amanhã como independente de hoje ter sido calmo ou turbulento. Os retornos de mercado muitas vezes contradizem essa simplificação
Retornos absolutos grandes tendem a ser seguidos por movimentos elevados, enquanto períodos calmos frequentemente persistem. Os sinais podem alternar mesmo quando o tamanho dos movimentos permanece alto
Isso é agrupamento de volatilidade. Ele descreve dependência na magnitude dos retornos ou nos retornos ao quadrado, não um padrão confiável nos próprios retornos positivos e negativos
A variância condicional é uma previsão feita hoje
A variância incondicional resume uma distribuição de longo prazo. A variância condicional pergunta quão incerto é o próximo retorno dadas as informações disponíveis agora
Modelos ARCH atualizam essa previsão a partir de choques recentes ao quadrado. Uma surpresa grande aumenta a estimativa da próxima variância, seja a surpresa positiva ou negativa
A estimativa é condicional ao modelo, à frequência dos dados, à definição de retorno, à janela e aos parâmetros ajustados. Ela não é um fato de mercado observado
GARCH se lembra dos choques e da variância anterior
Uma forma comum de GARCH(1,1) é hₜ = ω + αε²ₜ₋₁ + βhₜ₋₁. Aqui h é a variância condicional e ε é a inovação do retorno anterior
Alpha controla a resposta imediata a novos choques ao quadrado. Beta carrega a estimativa de variância anterior, permitindo que regimes turbulentos ou calmos persistam
Omega fornece uma base. Os parâmetros são estimados em conjunto, portanto ler alpha ou beta isoladamente pode representar de forma errada a dinâmica do modelo
Persistência tem uma interpretação precisa
Na especificação padrão, alpha mais beta é frequentemente usado como medida de persistência. Um valor perto de um significa que um choque decai lentamente na previsão de variância
Se alpha mais beta estiver abaixo de um, a previsão reverte à média. Sob as premissas básicas, a variância de longo prazo é omega dividido por um menos alpha menos beta
Persistência próxima de um não significa que a volatilidade permanecerá alta permanentemente. Significa que o modelo distribui o efeito de um choque por um horizonte de previsão longo
O modelo básico trata os sinais simetricamente
O GARCH padrão reage ao choque ao quadrado, portanto surpresas positivas e negativas de mesmo tamanho têm o mesmo efeito imediato sobre a variância
A volatilidade de ações pode reagir mais fortemente depois de quedas. Variantes assimétricas acrescentam termos de sinal ou limiar, mas a flexibilidade extra também cria mais escolhas de estimação
A seleção do modelo deve seguir o caso de uso e as evidências fora da amostra, não o número de parâmetros ou o melhor ajuste dentro da amostra
Uma previsão de variância não é um veredito sobre opções
GARCH normalmente é estimado sob o processo de retornos do mundo real. A IV de opções é um preço neutro ao risco que inclui oferta, demanda e compensação pelo risco de volatilidade
Uma IV acima de uma previsão GARCH não está automaticamente cara. A diferença pode remunerar risco de salto, assimetria, erro de modelo, custos de hedge ou um prêmio de risco de volatilidade
Compare horizontes e unidades correspondentes e, em seguida, modele o payoff da opção, a superfície, os custos de transação e os cenários. A classificação da previsão, sozinha, não estabelece lucro esperado
Os erros de previsão merecem um plano próprio
Quebras estruturais, eventos, parâmetros desatualizados, outliers, gaps overnight e escolhas de amostragem podem dominar uma previsão recursiva suave
Verifique resíduos, estabilidade dos parâmetros, janelas alternativas e previsões feitas somente com informações disponíveis na época. Backtests devem evitar ajuste com informação futura
Use vários cenários de volatilidade, em vez de um único número preciso. Um modelo é mais útil quando seus modos de falha ficam visíveis antes que o capital seja comprometido
Perguntas frequentes
GARCH prevê se uma ação vai subir ou cair?
Não. Um modelo GARCH padrão prevê a variância condicional em torno de um processo de média separado; ele não fornece uma previsão de retorno direcional
O que alpha mais beta significa no GARCH?
Mede a persistência da variância no modelo básico. Valores próximos de um implicam decaimento lento, sujeito às premissas de estacionariedade e estimação do modelo
A volatilidade do GARCH é igual à volatilidade implícita?
Não. GARCH normalmente prevê a variância condicional do mundo real, enquanto a IV é extraída dos preços de opções sob um modelo de precificação e incorpora prêmios de risco
Por que uma previsão GARCH pode falhar depois de um evento?
O evento pode criar um salto ou uma mudança de regime ausente nos dados recentes. Modelos recursivos se adaptam depois de observar choques, não antes que uma informação desconhecida chegue