Modelli GARCH

Nel post precedente avevamo descritto i modelli ARCH(m), ora siamo pronti per introdurre i modelli GARCH(r,m).


Abbiamo visto che a(t) è un modello ARCH(m) se:


a(t) = σ(t)ε(t)


dove ε(t) è un processo i.i.d con media nulla e varianza unitaria e σ(t) è tale che

σ(t)^2 = ω + α(1) a(t-1)^2 + ... + α(m) a(t-m)^2


Come già descritto, nei modelli ARCH(m) si presenta il problema che la varianza condizionata ha più alta frequenza rispetto a quella delle serie storiche finanziarie.

Per limitare questo deficit ai modelli ARCH(m) viene aggiunta una componente detta volatilità persistente esprimibile come combinazione lineare dei valori passati della varianza condizionata σ(t)^2.


In definitiva diremo che a(t) è un modello GARCH(r,m) se


a(t) = σ(t)ε(t)


dove ε(t) è un processo i.i.d con media nulla e varianza unitaria e σ(t) è tale che


σ(t)^2 = ω + α(1) a(t-1)^2 + ... + α(m) a(t-m)^2 + β(1) σ(t-1)^2 + ... + β(r) σ(t-r)^2


Questo modello presentato da Bollerslev nel 1986 viene anche detto modello autoregressivo eteroschedastico generalizzato.


Perché con questa nuova definizione si riduce la frequenza della varianza condizionata?

Il motivo è dato dal fatto che faccio dipendere σ(t) non solo dai valori di a(t-1),..., a(t-m) ma anche dai suoi valori passati σ(t-1),...,σ(t-r).

Sotto, un esempio di simulazione e confronto dei modelli ARCH(1) con α(1) = 0.25 e GARCH(1,1) con α(1) = 0.25 e β(1) = 0.3.



Dai grafici in figura si nota che l'autocorrelazione della varianza condizionata per il modello GARCH abbia decadimento più basso rispetto a quello del modello ARCH e questo comporta una riduzione della frequenza della varianza condizionata stessa.


Vi aspettiamo per il prossimo post dove faremo vedere un esempio di applicazione dei modelli ARCH(m) e GARCH(r,m)!



Hai domande? Curiosità? Non esitare a contattarci qui sul nostro blog o alle nostre mail: domenico.guadagno@cgsfinancial.it , sebastiano.spotti@cgsfinancial.it ! Saremo felici di parlarne più approfonditamente insieme!

Ti piacerebbe fare parte del nostro team? Inviaci la tua candidatura a questo link Lavora con noi | CGS Financial Data Analysis o direttamente a info@cgsfinancila.it !


24 visualizzazioni0 commenti

Post recenti

Mostra tutti

Modelli ARCH

 

010 893 7985

Via Gelasio Adamoli, 321, 16138 Genova GE, Italy

  • Google Places
  • Facebook
  • LinkedIn

©2020 di CGS Financial Data Analysis. 

Sede Legale: Via Gelasio Adamoli 321, Genova • P. IVA: 02621870993

Ufficio del registro delle imprese di Genova, n° iscrizione 02621870993 • REA GE - 499624 • Capitale Sociale € 8.000

Informativa privacy: https://www.iubenda.com/privacy-policy/96453361