04. Econometrics - Conditional volatility and correlation (GARCH)
Preber si túto prednášku so svojou AI
Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.
Zhrnutie prednášky
Prednáška sa venuje podmienenej volatilite a modelom GARCH v ekonometrii. Volatilita, meraná štandardnou odchýlkou, sa využíva pri oceňovaní opcií, výpočte hodnoty v riziku (VaR) a hodnotení rizikovosti aktív, pričom nepodcenenie volatility je dôležité, ako ukázal pád fondu LTCM v roku 1998. Lektor ukazuje odhad modelu GARCH(1,1) v Matlabe pomocou Shephardovho MFE toolboxu na dátach o úrokových sadzbách a výmenných kurzoch. Vysvetľuje parametre modelu (p, o, q), perzistenciu volatility s váhou beta okolo 0,8–0,9, voľbu rozdelenia chýb (normálne, Studentovo, skreslené Studentovo) a interpretáciu odhadnutých koeficientov. Na záver porovnáva modely pomocou informačných kritérií AIC a BIC.
- - Volatilita (štandardná odchýlka) sa používa pri oceňovaní opcií, výpočte VaR a hodnotení rizika aktív.
- - Model GARCH predpokladá, že dnešná volatilita silno závisí od včerajšej volatility a šokov.
- - Parameter beta vyjadruje perzistenciu volatility a býva okolo 0,8–0,9.
- - Parametre p, o, q určujú počet oneskorení a typ modelu; chyby môžu mať normálne, Studentovo alebo skreslené Studentovo rozdelenie.
- - Vstavané funkcie Matlabu na GARCH sú slabé, preto sa používa MFE toolbox Kevina Sheppharda z Oxfordu.
- - Odhadnutá podmienená volatilita výmenného kurzu zachytáva krízy, napríklad rok 2008, krízu eurozóny či ruskú agresiu na Ukrajine.
- - Modely sa porovnávajú informačnými kritériami: AIC je vhodné na kalibráciu na historických dátach, BIC uprednostňuje jednoduchšie modely na predpovedanie.
Zhrnutie pripravené s pomocou AI z prepisu videa.
nechodím na prednášky