Apakah proses GARCH?
Proses autoregressive conditional heteroskedasticity (GARCH) adalah istilah ekonomi yang dibangunkan pada tahun 1982 oleh Robert F. Engle, seorang ahli ekonomi dan pemenang Hadiah Nobel Ekonomi untuk tahun 2003, untuk menggambarkan pendekatan untuk menganggarkan ketidaktentuan dalam pasaran kewangan. Terdapat beberapa bentuk pemodelan GARCH. Proses GARCH sering disukai oleh profesional pemodelan kewangan kerana ia menyediakan konteks dunia yang lebih nyata dari bentuk lain ketika mencoba meramalkan harga dan tingkat instrumen keuangan.
PEMBATASAN PELANGGAN Proses
Heteroskedasticity menerangkan corak variasi yang tidak teratur dari segi ralat, atau pembolehubah, dalam model statistik. Pada dasarnya, jika terdapat heteroskedasticity, pemerhatian tidak sesuai dengan pola linear. Sebaliknya, mereka cenderung gugus. Hasilnya ialah kesimpulan dan nilai ramalan yang dapat diperoleh dari model tidak boleh dipercayai. GARCH adalah model statistik yang boleh digunakan untuk menganalisis beberapa jenis data kewangan yang berbeza, misalnya, data makroekonomi. Institusi kewangan biasanya menggunakan model ini untuk menganggarkan ketidaktentuan pulangan saham, bon dan indeks pasaran. Mereka menggunakan maklumat yang dihasilkan untuk membantu menentukan harga dan hakim yang asetnya berpotensi memberikan pulangan yang lebih tinggi, dan juga meramalkan pulangan pelaburan semasa untuk membantu peruntukan aset, lindung nilai, pengurusan risiko dan keputusan pengoptimalan portfolio.
Proses umum untuk model GARCH melibatkan tiga langkah. Yang pertama adalah untuk menganggarkan model autoregressive yang paling sesuai. Yang kedua adalah untuk mengira autokorelasi istilah ralat. Langkah ketiga adalah untuk menguji kepentingannya. Dua lagi pendekatan yang digunakan secara meluas untuk menganggarkan dan meramalkan ketidaktentuan kewangan adalah kaedah volatiliti sejarah klasik (VolSD) dan kaedah turun naik purata voltan (Volundama) yang berpotensi ketara.
Contoh Proses GARCH
Model GARCH membantu untuk menggambarkan pasaran kewangan di mana turun naik boleh berubah, menjadi lebih tidak menentu semasa tempoh krisis kewangan atau peristiwa dunia dan kurang menentu dalam tempoh pertumbuhan relatif tenang dan stabil. Di atas pulangan pulangan, contohnya, pulangan saham mungkin kelihatan agak seragam untuk tahun-tahun yang membawa kepada krisis kewangan seperti yang berlaku pada tahun 2007. Dalam tempoh masa berikut permulaan krisis, bagaimanapun, pulangan mungkin melangkah liar dari negatif ke wilayah positif. Selain itu, ketidaktentuan yang meningkat mungkin meramalkan turun naik pada masa hadapan. Volatilitas kemudiannya boleh kembali ke tahap yang menyerupai tahap pra-krisis atau lebih seragam ke depan. Model regresi yang sederhana tidak menyumbang untuk perubahan volatilitas ini yang dipamerkan di pasaran kewangan dan tidak mewakili peristiwa "angsa hitam" yang terjadi lebih dari satu akan diramalkan.
Model GARCH Terbaik untuk Pulangan Aset
Proses GARCH berbeza dari model homoskedastik, yang menganggap volatiliti yang berterusan dan digunakan dalam analisis biasa segiempat biasa (OLS). OLS bertujuan untuk meminimumkan penyimpangan antara titik data dan garis regresi agar sesuai dengan titik tersebut. Dengan pulangan aset, turun naik seolah-olah berbeza-beza dalam tempoh masa tertentu dan bergantung kepada varians masa lalu, membuat model homoskedastik tidak optimum.
Proses GARCH, sebagai autoregressif, bergantung pada pemerhatian kuasa kuadrat lalu dan variasi lepas untuk model untuk varians semasa. Proses GARCH digunakan secara meluas dalam kewangan kerana keberkesanannya dalam pemodelan pulangan aset dan inflasi. GARCH bertujuan untuk meminimumkan kesilapan dalam peramalan dengan mengira kesilapan dalam ramalan terdahulu dan, dengan itu, meningkatkan ketepatan ramalan yang berterusan.
