CommencezCommencez gratuitement

Ciblage de la variance

La volatilité des rendements financiers forme des grappes dans le temps : des périodes de volatilité supérieure à la moyenne sont suivies de périodes de volatilité inférieure à la moyenne. La prévision à long terme est la suivante :

  • quand la volatilité est élevée, elle diminuera et reviendra vers sa moyenne à long terme;
  • quand la volatilité est faible, elle augmentera et reviendra vers sa moyenne à long terme.

Lors de l'estimation des modèles GARCH, on peut exploiter cette tendance au retour à la moyenne de la volatilité au moyen du ciblage de la variance. On estime alors les paramètres du GARCH de façon à ce que la volatilité à long terme impliquée par le modèle GARCH soit égale à l'écart-type observé dans l'échantillon.

Faisons-le pour les rendements EUR/USD.

Cette activité fait partie du cours

Modèles GARCH en R

Voir le cours

Instructions de l’exercice

  • Modifiez la spécification GARCH pour utiliser le ciblage de la variance.
  • Estimez le modèle GARCH.
  • Utilisez uncvariance() pour calculer l'écart-type à long terme implicite du GARCH.
  • Vérifiez qu'après l'arrondissement, ce nombre est égal à l'écart-type de l'échantillon.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Complete the specification to do variance targeting
garchspec <- ugarchspec(mean.model = list(armaOrder = c(0,0)),
                        variance.model = list(model = "sGARCH",
                                             ___ = ___),
                        distribution.model = "std")

# Estimate the model
garchfit <- ___(data = EURUSDret, spec = garchspec)

# Print the GARCH model implied long run volatility
sqrt(___(___))

# Verify that it equals the standard deviation (after rounding)
all.equal(sqrt(uncvariance(garchfit)), ___(EURUSDret), tol = 1e-4)
Modifier et exécuter le code