Processo GARCH
Il processo generalizzato di eteroschedasticità condizionale autoregressiva (GARCH) è un termine econometrico sviluppato nel 1982 da Robert F. Engle, economista e vincitore nel 2003 del Premio Nobel per l'economia, per descrivere un approccio per stimare la volatilità nei mercati finanziari. Esistono diverse forme di modellazione GARCH. Il processo GARCH è spesso preferito dai professionisti della modellistica finanziaria perché fornisce un contesto più reale rispetto ad altre forme quando si tenta di prevedere i prezzi e i tassi degli strumenti finanziari.
RIPARTIZIONE Processo GARCH
L'eteroschedasticità descrive il modello irregolare di variazione di un termine di errore, o variabile, in un modello statistico. In sostanza, dove c'è eteroschedasticità, le osservazioni non sono conformi a un modello lineare. Invece, tendono a raggrupparsi. Il risultato è che le conclusioni e il valore predittivo che si possono trarre dal modello non saranno affidabili. GARCH è un modello statistico che può essere utilizzato per analizzare una serie di diversi tipi di dati finanziari, ad esempio dati macroeconomici. Gli istituti finanziari utilizzano in genere questo modello per stimare la volatilità dei rendimenti per azioni, obbligazioni e indici di mercato. Usano le informazioni risultanti per aiutare a determinare i prezzi e giudicare quali attività forniranno potenzialmente rendimenti più elevati, nonché per prevedere i rendimenti degli investimenti attuali per aiutare nelle loro decisioni di asset allocation, copertura, gestione del rischio e ottimizzazione del portafoglio.
Il processo generale per un modello GARCH prevede tre passaggi. Il primo è stimare un modello autoregressivo più adatto. Il secondo è calcolare le autocorrelazioni del termine di errore. Il terzo passo è testare il significato. Altri due approcci ampiamente utilizzati per stimare e prevedere la volatilità finanziaria sono il classico metodo della volatilità storica (VolSD) e il metodo della volatilità media mobile ponderata esponenzialmente (VolEWMA).
Esempio di processo GARCH
I modelli GARCH aiutano a descrivere i mercati finanziari in cui la volatilità può cambiare, diventando più volatile durante periodi di crisi finanziarie o eventi mondiali e meno volatile durante periodi di relativa calma e crescita economica costante. Su un diagramma dei rendimenti, ad esempio, i rendimenti azionari possono sembrare relativamente uniformi per gli anni che hanno portato a una crisi finanziaria come quella del 2007. Nel periodo successivo all'insorgere di una crisi, tuttavia, i rendimenti possono oscillare selvaggiamente da negativi in territorio positivo. Inoltre, l'aumento della volatilità può essere predittivo della volatilità in futuro. La volatilità può quindi tornare a livelli simili a quelli pre-crisi o essere più uniforme in futuro. Un semplice modello di regressione non tiene conto di questa variazione di volatilità esibita nei mercati finanziari e non è rappresentativa degli eventi del "cigno nero" che si verificano più di quanto si possa prevedere.
Modelli GARCH ideali per i rendimenti degli asset
I processi GARCH differiscono dai modelli omoschedastici, che assumono una volatilità costante e sono utilizzati nell'analisi di base dei minimi quadrati ordinari (OLS). OLS mira a ridurre al minimo le deviazioni tra i punti dati e una linea di regressione per adattarli. Con i rendimenti delle attività, la volatilità sembra variare durante determinati periodi di tempo e dipende dalla varianza passata, rendendo un modello omoschedastico non ottimale.
I processi GARCH, essendo autoregressivi, dipendono dalle osservazioni al quadrato passate e dalle varianze passate per modellare la varianza attuale. I processi GARCH sono ampiamente utilizzati in ambito finanziario grazie alla loro efficacia nella modellizzazione dei rendimenti delle attività e dell'inflazione. GARCH mira a minimizzare gli errori nelle previsioni tenendo conto degli errori nelle previsioni precedenti e, quindi, migliorando l'accuratezza delle previsioni in corso.
Confronta i conti di investimento Nome del fornitore Descrizione Descrizione dell'inserzionista × Le offerte che compaiono in questa tabella provengono da società di persone da cui Investopedia riceve un compenso.