or
To ćwiczenie jest częścią kursu
Zaczynamy od razu od praktyki. Krocząca analiza okna dla dziennych stóp zwrotu z akcji pokazuje, że odchylenie standardowe zmienia się znacząco w czasie. Patrząc wstecz, mamy wyraźne dowody na zmienną w czasie zmienność. Patrząc w przyszłość, musimy oszacować zmienność przyszłych stóp zwrotu – i właśnie do tego służy model GARCH. W tym rozdziale poznasz podstawy pakietu rugarch: jak specyfikować i estymować bazowy model GARCH(1,1) w R. Na koniec zobaczysz, jak przydaje się on w taktycznej alokacji aktywów.
Rynki wchodzą po schodach, a zjeżdżają windą. Ta giełdowa mądrość ma istotne konsekwencje dla budowania realistycznego modelu zmienności. Wymaga rezygnacji z założenia o normalności rozkładu oraz symetrycznej reakcji zmienności na szoki. W tym rozdziale poznasz modele GARCH z efektem dźwigni oraz innowacjami opartymi na asymetrycznym rozkładzie t-Studenta. Po ukończeniu rozdziału będziesz w stanie szacować ponad dziesięć tysięcy różnych specyfikacji modeli GARCH.
Modele GARCH dostarczają prognoz zmienności, które stanowią dane wejściowe dla finansowego podejmowania decyzji. Aby stosować je w praktyce, trzeba najpierw ocenić jakość tych prognoz. W tym rozdziale poznasz metody analizy istotności statystycznej szacowanych parametrów GARCH, właściwości standaryzowanych stóp zwrotu, interpretację kryteriów informacyjnych oraz zastosowanie kroczącego okna estymacji GARCH i błędu średniokwadratowego do oceny trafności prognoz zmienności.
Na tym etapie opanujesz standardową specyfikację, estymację i walidację modeli GARCH w pakiecie rugarch. Ten rozdział przedstawia wybrane funkcjonalności rugarch: szacowanie wartości zagrożonej (VaR), wdrażanie modelu GARCH w środowisku produkcyjnym oraz symulowanie stóp zwrotu z modelu GARCH. Przekonasz się też, że obecność dynamiki GARCH w wariancji ma konsekwencje dla symulowania logarytmicznych stóp zwrotu, estymacji współczynnika beta akcji i wyznaczania portfela o minimalnej wariancji.
Bieżące ćwiczenie