시작하기무료로 시작하기

분산 타기팅

금융 수익률의 변동성은 시간에 따라 군집을 이루는 경향이 있습니다. 평균보다 높은 변동성의 구간 뒤에는 평균보다 낮은 변동성의 구간이 이어집니다. 장기적으로는 다음과 같이 예측할 수 있습니다.

  • 변동성이 높을 때는 감소하여 장기 평균으로 되돌아갑니다.
  • 변동성이 낮을 때는 증가하여 장기 평균으로 되돌아갑니다.

GARCH 모형을 추정할 때는 이러한 변동성의 평균회귀 특성을 분산 타기팅으로 활용할 수 있습니다. 즉, GARCH 모형이 내포하는 장기 변동성이 표본 표준편차와 같아지도록 GARCH 모수(계수)를 추정합니다.

이제 EUR/USD 수익률에 이를 적용해 보겠습니다.

이 연습은 강의의 일부입니다

R에서의 GARCH 모델

강의 보기

연습 안내

  • 분산 타기팅을 사용하도록 GARCH 사양을 수정하세요.
  • GARCH 모형을 추정하세요.
  • uncvariance()를 사용해 GARCH가 내포한 장기 표준편차를 계산하세요.
  • 반올림 후 이 값이 표본 표준편차와 같은지 확인하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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)
코드 편집 및 실행