GARCH Süreci

GARCH Süreci Nedir?

Genelleştirilmiş otoregresif koşullu heteroskedastisite (GARCH) süreci, 1982 yılında Nobel Anma Ekonomi Ödülü sahibi ve ekonomist Robert F. Engle tarafından geliştirilen ekonometrik bir terimdir. GARCH, finansal piyasalardaki oynaklığı tahmin etmek için bir yaklaşım tanımlar.

GARCH modellemesinin çeşitli biçimleri vardır. Finans uzmanları, finansal araçların fiyatlarını ve oranlarını tahmin etmeye çalışırken diğer modellerden daha gerçek dünya bağlamı sağladığı için genellikle GARCH sürecini tercih ederler.

GARCH Sürecini Anlamak

Heteroskedastisite, istatistiksel bir modelde bir hata teriminin veya değişkenin düzensiz varyasyon modelini tanımlar. Esasen, heteroskedastisitenin olduğu yerde, gözlemler doğrusal bir modele uymaz. Bunun yerine, kümelenme eğilimindedirler.

Sonuç, modelden çıkarılan sonuçların ve tahmin değerinin güvenilir olmayacağıdır. GARCH, makroekonomik veriler gibi bir dizi farklı finansal veriyi analiz etmek için kullanılabilen istatistiksel bir modeldir. Finansal kurumlar tipik olarak bu modeli hisse senetleri, tahviller ve piyasa endekslerinin getirilerinin oynaklığını tahmin etmek için kullanır. Ortaya çıkan bilgileri, fiyatlandırmayı belirlemek, hangi varlıkların potansiyel olarak daha yüksek getiri sağlayacağına karar vermek ve varlık tahsisi, riskten korunma, risk yönetimi ve portföy optimizasyonu kararlarına yardımcı olmak için mevcut yatırımların getirilerini tahmin etmek için kullanırlar.

Bir GARCH modeli için genel süreç üç adımı içerir. Birincisi, en uygun otoregresif modeli tahmin etmektir. İkinci işlem olan otokorelasyon ve hata terimi. Üçüncü adım, önemi test etmektir.

Finansal oynaklığı tahmin etmek ve tahmin etmek için yaygın olarak kullanılan diğer iki yaklaşım, klasik tarihsel oynaklık (VolSD) yöntemi ve üssel ağırlıklı hareketli ortalama oynaklık (VolEWMA) yöntemidir.

Varlık İadeleri için En İyi GARCH Modelleri

GARCH süreçleri, sabit uçuculuğu varsayan ve temel sıradan en küçük kareler (OLS) analizinde kullanılan homoskedastik modellerden farklıdır. OLS, veri noktaları ve bu noktalara uyacak bir regresyon çizgisi arasındaki sapmaları en aza indirmeyi amaçlamaktadır. Varlık getirileriyle birlikte, volatilite belirli dönemlerde değişiyor ve geçmiş varyansa bağlı görünüyor, bu da homoskedastik bir modeli yetersiz kılıyor.

GARCH süreçleri, otoregresif oldukları için, mevcut varyansı modellemek için geçmiş kare gözlemlere ve geçmiş varyanslara bağlıdır. GARCH süreçleri, varlık getirileri ve enflasyonu modellemedeki etkinlikleri nedeniyle finansta yaygın olarak kullanılmaktadır. GARCH, önceki tahminlerdeki hataları hesaba katarak ve devam eden tahminlerin doğruluğunu artırarak tahminlerdeki hataları en aza indirmeyi amaçlamaktadır.

GARCH Süreci Örneği

GARCH modelleri, volatilitenin değişebileceği, finansal kriz dönemlerinde veya dünya olaylarında daha oynak hale geldiği ve nispeten sakin ve istikrarlı ekonomik büyüme dönemlerinde daha az oynak hale geldiği finansal piyasaları tanımlar. Örneğin, bir getiri grafiğinde, hisse senedi getirileri, 2007’deki gibi bir mali krize yol açan yıllar için nispeten tek tip görünebilir.

Bununla birlikte, bir krizin başlangıcını takip eden dönemde, geri dönüşler çılgınca olumsuzdan olumluya kayabilir. Dahası, artan oynaklık, ileriye dönük oynaklığın bir göstergesi olabilir. Dalgalanma daha sonra kriz öncesi seviyelere benzer seviyelere dönebilir veya ileriye dönük daha tekdüze olabilir. Finansal piyasalarda sergilenen oynaklıktaki bu varyasyonu basit bir regresyon modeli hesaba katmaz. Tahmin edilenden daha sık meydana gelen ” kara kuğu ” olaylarının temsilcisi değildir.