始める無料で始める

分散ターゲティング

金融リターンのボラティリティは時間とともにクラスタリングする性質があり、平均より高いボラティリティの期間の後には、平均より低い期間が続きます。長期的な予測としては次のとおりです。

  • ボラティリティが高いときは、低下して長期平均に回帰します。
  • ボラティリティが低いときは、上昇して長期平均に回帰します。

GARCH モデルの推定では、このボラティリティの平均回帰の性質を分散ターゲティングで活用できます。具体的には、GARCH モデルが示唆する長期ボラティリティが標本標準偏差に等しくなるように、GARCH のパラメータを推定します。

EUR/USD リターンで実践してみましょう。

この演習はコースの一部です

Rで学ぶGARCHモデル

コースを見る

演習の手順

  • 分散ターゲティングを使うように GARCH の仕様を変更してください。
  • GARCH モデルを推定してください。
  • uncvariance() を使って、GARCH が示唆する長期標準偏差を計算してください。
  • 丸めた後、この数値が標本標準偏差と一致することを確認してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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)
コードを編集して実行