Ορισμός αυτοκαταστροφικής υπό όρους ετεροσκεδαστικότητας (ARCH)

Τι είναι η αυτοεπιθετική υπό όρους ετεροσκεδαστικότητα (ARCH);

Η αυτοεπιθετική υπό όρους ετεροσκεδαστικότητα (ARCH) είναι ένα στατιστικό μοντέλο που χρησιμοποιείται για την ανάλυση αστάθεια σε χρονικές σειρές προκειμένου να προβλεφθεί η μελλοντική μεταβλητότητα. Στον χρηματοοικονομικό κόσμο, το μοντέλο ARCH χρησιμοποιείται για την εκτίμηση του κινδύνου παρέχοντας ένα μοντέλο μεταβλητότητας που μοιάζει περισσότερο με τις πραγματικές αγορές. Η μοντελοποίηση ARCH δείχνει ότι περιόδους υψηλής μεταβλητότητας ακολουθούνται από υψηλότερη μεταβλητότητα και περιόδους χαμηλής μεταβλητότητας ακολουθούνται από χαμηλότερη μεταβλητότητα.

Στην πράξη, αυτό σημαίνει ότι η μεταβλητότητα ή διαφορά τείνει να ομαδοποιείται, κάτι που είναι χρήσιμο για τους επενδυτές όταν λαμβάνεται υπόψη ο κίνδυνος κατοχής ενός περιουσιακού στοιχείου σε διαφορετικές χρονικές περιόδους. Η ιδέα ARCH αναπτύχθηκε από τον οικονομολόγο Robert F. Engle τη δεκαετία του 1980. Η ARCH βελτίωσε αμέσως το οικονομικό μοντέλο, με αποτέλεσμα ο Engle να κερδίσει το 2003 Βραβείο Νόμπελ στις Οικονομικές Επιστήμες.

Κατανόηση της αυτοεπιθετικής υπό όρους ετεροσκεδαστικότητας (ARCH)

Το μοντέλο αυτοεπιθετικής υπό όρους ετεροσκεδαστικότητας (ARCH) σχεδιάστηκε για να βελτιωθεί οικονομετρικά μοντέλα αντικαθιστώντας υποθέσεις σταθερής μεταβλητότητας με μεταβλητότητα υπό όρους. Ο Engle και άλλοι που εργάζονται σε μοντέλα ARCH αναγνώρισαν ότι τα προηγούμενα οικονομικά δεδομένα επηρεάζουν τα μελλοντικά δεδομένα - αυτός είναι ο ορισμός του αυτοεπιθετικός. Το τμήμα υπό όρους ετεροσκεδαστικότητα του ARCH αναφέρεται απλώς στο παρατηρήσιμο γεγονός ότι η αστάθεια στις χρηματοπιστωτικές αγορές είναι μη σταθερά - όλα τα οικονομικά δεδομένα, είτε οι χρηματιστηριακές αξίες, οι τιμές πετρελαίου, οι συναλλαγματικές ισοτιμίες ή το ΑΕΠ, περνούν από περιόδους υψηλού και χαμηλού αστάθεια. Οι οικονομολόγοι γνώριζαν πάντοτε το μέγεθος των μεταβλητών μεταβλητότητας, αλλά συχνά το διατηρούσαν σταθερό για μια δεδομένη περίοδο επειδή δεν είχαν καλύτερη επιλογή κατά τη μοντελοποίηση αγορών.

Το ARCH παρείχε ένα μοντέλο που οι οικονομολόγοι θα μπορούσαν να χρησιμοποιήσουν αντί για σταθερό ή μέσο όρο για μεταβλητότητα. Τα μοντέλα ARCH θα μπορούσαν επίσης να αναγνωρίσουν και να προβλέψουν πέρα ​​από τις ομάδες μεταβλητότητας που εμφανίζονται στην αγορά κατά τη διάρκεια περιόδων οικονομικής κρίσης ή άλλων μαύρος κύκνος γεγονότα. Για παράδειγμα, η μεταβλητότητα για τον S&P 500 ήταν ασυνήθιστα χαμηλή για μεγάλο χρονικό διάστημα κατά τη διάρκεια του ανατιμητική αγορά από το 2003 έως το 2007, πριν φτάσει σε επίπεδα ρεκόρ κατά τη διόρθωση της αγοράς του 2008. Αυτή η άνιση και ακραία διακύμανση είναι δύσκολο να αντιμετωπιστεί για μοντέλα βασισμένα σε τυπικές αποκλίσεις. Τα μοντέλα ARCH, ωστόσο, είναι σε θέση να διορθώσουν τα στατιστικά προβλήματα που προκύπτουν από αυτόν τον τύπο μοτίβου στα δεδομένα. Επιπλέον, τα μοντέλα ARCH λειτουργούν καλύτερα με δεδομένα υψηλής συχνότητας (ωριαία, ημερήσια, μηνιαία, τριμηνιαία), επομένως είναι ιδανικά για οικονομικά δεδομένα. Ως αποτέλεσμα, τα μοντέλα ARCH έχουν καταστεί βασικά στοιχεία για τη μοντελοποίηση χρηματοπιστωτικών αγορών που παρουσιάζουν μεταβλητότητα (η οποία είναι πραγματικά όλες οι χρηματοπιστωτικές αγορές μακροπρόθεσμα).

Η συνεχής εξέλιξη των μοντέλων ARCH

Σύμφωνα με τη διάλεξη Νόμπελ του Engle το 2003, ανέπτυξε το ARCH ως απάντηση στην εικασία του Μίλτον Φρίντμαν ότι ήταν αβεβαιότητα σχετικά με το ποσοστό του πληθωρισμού και όχι το πραγματικό ποσοστό πληθωρισμού που επηρεάζει αρνητικά το οικονομία.Μόλις κατασκευάστηκε το μοντέλο, αποδείχθηκε ανεκτίμητο για την πρόβλεψη κάθε είδους μεταβλητότητας. Η ARCH έχει δημιουργήσει πολλά σχετικά μοντέλα που χρησιμοποιούνται επίσης ευρέως στην έρευνα και στη χρηματοδότηση, συμπεριλαμβανομένων GARCH, EGARCH, STARCH και άλλα.

Αυτά τα παραλλακτικά μοντέλα συχνά εισάγουν αλλαγές όσον αφορά τη στάθμιση και τους όρους προκειμένου να επιτευχθούν ακριβέστερα εύρη πρόβλεψης. Για παράδειγμα, το EGARCH, ή εκθετικό GARCH, δίνει μεγαλύτερη στάθμιση στις αρνητικές αποδόσεις σε μια σειρά δεδομένων, καθώς αυτές έχουν αποδειχθεί ότι δημιουργούν μεγαλύτερη μεταβλητότητα. Με άλλα λόγια, η αστάθεια στο γράφημα τιμών αυξάνεται περισσότερο μετά από μια μεγάλη πτώση παρά μετά από μια μεγάλη άνοδο. Οι περισσότερες παραλλαγές του μοντέλου ARCH αναλύουν δεδομένα του παρελθόντος για να προσαρμόσουν τους συντελεστές στάθμισης χρησιμοποιώντας α προσέγγιση μέγιστης πιθανότητας. Αυτό έχει ως αποτέλεσμα ένα δυναμικό μοντέλο που μπορεί να προβλέψει βραχυπρόθεσμη και μελλοντική αστάθεια με αυξανόμενη ακρίβεια-γι 'αυτό, φυσικά, τα χρησιμοποιούν τόσο πολλά χρηματοπιστωτικά ιδρύματα.