Haber etkisi eğrisi

Getirilerle ilgili olumsuz haberler, olumlu haberlere kıyasla varyansı daha fazla etkiler. GJR GARCH modeli, varyansın olumlu ve olumsuz haberlere asimetrik tepkisine izin verir. Haber etkisi eğrisi, varyansın getiri sürprizine verdiği tepkiyi görselleştirmek için faydalı bir araçtır.

Aşağıdaki ifadelerden hangisi yanlıştır?

Bu egzersiz, kursun bir parçasıdır

R'de GARCH Modelleri

Kursa Göz Atın

Uygulamalı etkileşimli egzersiz

Teoriyi etkileşime dönüştürün, interaktif egzersizlerimizden biriyle

Egzersize başla

Bu egzersiz, kursun bir parçasıdır

R'de GARCH Modelleri

AvançadoNível de habilidade

4.8+

Kursa Ücretsiz Başla

Kolları sıvayarak başlıyoruz. Günlük hisse senedi getirilerinin dönen pencere analizinde, standart sapmanın zaman içinde ciddi biçimde değiştiğini görürüz. Geçmişe baktığımızda, zamanla değişen oynaklığın açık kanıtı var. İleriye baktığımızda ise gelecekteki getirilerin oynaklığını tahmin etmemiz gerekiyor. GARCH modelinin özü tam da budur! Bu bölümde, R'de iş gücü GARCH(1,1) modelini belirtmek ve tahmin etmek için rugarch paketinin temellerini öğreneceksin. Bölümü, taktik varlık dağılımında nasıl işe yaradığını göstererek bitiriyoruz.

Exercise 1: Volatiliteyi analiz etme Exercise 2: Getirileri hesaplama Exercise 3: Alt örneklemlerde standart sapma Exercise 4: Dön, dön, dön Exercise 5: Volatilite tahmini için GARCH denklemi Exercise 6: Tek seferlik şoklara GARCH(1,1) tepkisi Exercise 7: Tahmin hataları Exercise 8: GARCH varyansının özyinelemeli yapısı Exercise 9: rugarch paketi Exercise 10: GARCH modelinin farklı tatlarını belirle ve dene Exercise 11: Örneklem dışı tahminleme Exercise 12: Taktik varlık tahsisinde volatilite hedefleme

Piyasalar merdivenle çıkar, asansörle iner. Bu Wall Street deyişi, gerçekçi bir oynaklık modeli kurarken önemli sonuçlar doğurur. Normallik varsayımını ve oynaklığın şoklara simetrik tepkisini bırakmayı gerektirir. Bu bölümde, kaldıraç etkisi olan ve eğik student t yeniliklerine sahip GARCH modellerini öğreneceksin. Sonunda, on binden fazla farklı GARCH model belirtimini tahmin etmek için GARCH modellerini kullanabileceksin.

Exercise 1: Standartlaştırılmış getirilerin normal olmaması Exercise 2: Çarpık student t dağılımı parametreleri Exercise 3: Normal olmayan GARCH modelinin tahmini Exercise 4: Standardize edilmiş getiriler Exercise 5: Kaldıraç etkisi Exercise 6: Haber etkisi eğrisi

Geçerli egzersiz

Exercise 7: GJR GARCH modelinin tahmini Exercise 8: Ortalama modeli Exercise 9: Getirileri tahmin etmek Exercise 10: MSFT getirilerinin AR(1)-GJR GARCH dinamikleri Exercise 11: Ortalama modelinin volatilite tahminlerine etkisi Exercise 12: Gereksiz karmaşıklıktan kaçın Exercise 13: Modelleme tercihleri Exercise 14: GARCH parametrelerini sabitleme Exercise 15: Parametre sınırları ve tahminlere etkisi Exercise 16: Varyans hedefleme

GARCH modelleri, finansal karar alma için girdi olan oynaklık tahminleri üretir. Uygulamada kullanmadan önce, bu oynaklık tahmininin başarımını değerlendirmek gerekir. Bu bölümde, tahmin edilen GARCH parametrelerinin istatistiksel anlamlılığının analizi, standartlaştırılmış getirilerin özellikleri, bilgi ölçütlerinin yorumu ve oynaklık tahmininin doğruluğunu incelemek için dönen GARCH tahmini ile ortalama kare tahmin hatalarının kullanımı hakkında bilgi edineceksin.

Exercise 1: İstatistiksel anlamlılık Exercise 2: Anlamlılık testi Exercise 3: Tahmin çıktısını analiz etmek Exercise 4: EUR/USD getirileri için daha iyi bir model Exercise 5: Uygunluk iyiliği Exercise 6: Sadelik (Parsimony)Exercise 7: Ortalama kare tahmin hataları Exercise 8: Olasılık ve bilgi kriterlerini karşılaştırma Exercise 9: Mutlak standartlaştırılmış getirilerin teşhisi Exercise 10: GARCH model varsayımlarının doğrulanması Exercise 11: Korrelogram ve Ljung-Box testi Exercise 12: Tahmin örneklemini değiştir Exercise 13: ugarchroll ile geriye dönük test Exercise 14: ugarchroll argümanları Exercise 15: Örnek içi ve yuvarlanan örnek oynaklığı Exercise 16: At yarışı

Bu aşamada, rugarch paketinde GARCH modellerinin standart belirtimini, tahminini ve doğrulamasını ustalıkla yapıyorsun. Bu bölüm, riskteki değer tahminleri yapmak, GARCH modelini üretimde kullanmak ve GARCH getirilerini simüle etmek için özel rugarch işlevselliğini tanıtır. Ayrıca, varyansta GARCH dinamiklerinin varlığının log-getirilerin simülasyonu, bir hissenin beta'sının tahmini ve minimum varyans portföyünün bulunması üzerinde etkileri olduğunu keşfedeceksin.

Exercise 1: Riske maruz değer Exercise 2: VaR grafiği Exercise 3: Tahmin edilen volatilite ile VaR’ın birlikte hareketi Exercise 4: Kapsamanın dağılım modeline duyarlılığı Exercise 5: Üretim ve benzetim için Exercise 6: Gerçek ve simüle edilmiş getiriler Exercise 7: Üretimde kullanma Exercise 8: Simülasyonda kullanım Exercise 9: Model riski Exercise 10: Robustnik'ler Exercise 11: Başlangıç değerleri Exercise 12: GARCH kovaryansı Exercise 13: Beta'nın tahmini Exercise 14: Minimum varyans portföy ağırlıkları Exercise 15: GARCH & Ortakları Exercise 16: Tebrikler