마이크로소프트의 일간 수익률에 대해 손실 확률 5%와 1%에서의 value-at-risk 플롯을 볼 수 있습니다. 다음 설명 중 옳지 않은 것은 무엇인가요?
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
이제 바로 실전에 들어가 보겠습니다. 일별 주식 수익률을 롤링 윈도우로 분석하면 표준편차가 시간에 따라 크게 변한다는 사실을 확인할 수 있습니다. 과거를 돌아보면, 변동성이 시간에 따라 달라진다는 명확한 근거가 있죠. 그렇다면 앞으로를 내다볼 때는 미래 수익률의 변동성을 추정해야 합니다. 이것이 바로 GARCH 모델의 핵심입니다! 이 장에서는 R의 rugarch 패키지를 사용해 기본이 되는 GARCH(1,1) 모델을 지정하고 추정하는 방법을 익힙니다. 마지막에는 전술적 자산 배분에서 이 모델이 어떻게 유용한지 보여 드립니다.
시장은 천천히 오르고, 빠르게 떨어집니다. 월가의 이 격언은 현실적인 변동성 모델을 설정하는 데 중요한 시사점을 줍니다. 정규성을 가정하는 것과 충격에 대한 변동성의 대칭적 반응을 모두 내려놓아야 하죠. 이 장에서는 레버리지 효과가 있는 GARCH 모델과 왜도 있는 스튜던트 t 혁신항을 학습합니다. 마지막에는 만여 가지가 넘는 GARCH 사양을 추정하는 데 GARCH 모델을 활용할 수 있게 됩니다.
GARCH 모델은 재무 의사결정의 입력으로 쓰이는 변동성 예측치를 제공합니다. 실무에서 활용하려면 먼저 이 변동성 예측의 적합도를 평가해야 합니다. 이 장에서는 추정된 GARCH 모수의 통계적 유의성 분석, 표준화 수익률의 특성, 정보 기준의 해석, 롤링 GARCH 추정과 평균제곱예측오차를 통한 변동성 예측 정확도 평가 방법을 배웁니다.
이 시점에서 여러분은 rugarch 패키지로 GARCH 모델을 지정·추정·검증하는 표준 절차를 숙달하셨습니다. 이 장에서는 Value-at-Risk 추정, 운영 환경에서의 GARCH 모델 활용, GARCH 수익률 시뮬레이션을 위한 rugarch의 기능을 소개합니다. 또한 분산에 GARCH 동학이 존재할 때 로그수익률 시뮬레이션, 주식의 베타 추정, 최소분산 포트폴리오 탐색에 어떤 함의가 있는지도 확인합니다.
현재 연습
