Авторегрессионная волатильности

В ходе анализа финансовых данных любой ряд динамики, будь то процентные ставки или цены на финансовые активы, можно разбить на две компоненты, одна из которых изменяется случайным образом, а другая подчиняется определенному закону. Колебания финансовых переменных значительно изменяются во времени бурные периоды с высокой волатильностью переменных сменяют спокойные периоды и наоборот. В некоторых случаях вола-тильность играет ключевую роль в ценообразовании на финансовые активы. В частности, курсы акций напрямую зависят от ожидаемой волатильности доходов корпораций. Все финансовые учреждения без исключения стремятся адекватно оценить волатильность в целях успешного управления рисками. В свое время Трюгве Хаавельмо, нобелевский лауреат по экономике 1989 г., предложил рассматривать изменение экономических переменных как однородный стохастический (случайный) процесс. Вплоть до 1980-х гг. экономисты для анализа финансовых рынков применяли статистические методы, предполагавшие постоянную волатильность во времени. В 1982 г. Роберт Ингл развил новую эконометрическую концепцию, позволяющую анализировать периоды с разной волатильностью. Он ввел кластеризацию данных и условную дисперсию ошибок, которая завесит от времени. Свою разработку Ингл назвал авторегрессионной гетероскедастической моделью , с ее помощью можно точно описать множество временных рядов, встречающихся в экономике. Метод Ингла сегодня применяется финансовыми аналитиками в целях оценки финансовых активов и портфельных рисков.  [c.197]


Основной способ использования волатильности, как уже упоминалось, — это определение границ зоны возможных значений доходности гм (а с ней и границ цен рм) на следующем после расчета таге г + 1. Поэтому, если игрок пытается использовать волатильность для достаточно короткого прогноза (на день или три вперед), то он может, во-первых, сократить величину выборки N до минимально разумного уровня (чтобы исключить влияние более ранних данных), хотя при этом существенно падает надежность определения величины а. А во-вторых, он может использовать авторегрессионные гетероскедастичные модели определения волатильности (AR H, AR H и др.). Эти модели позволяют учесть эффект кластеров на рынке, когда торговля достаточно хорошо может быть разделена на периоды низкой и высокой волатильности.  [c.206]

Смотреть страницы где упоминается термин Авторегрессионная волатильности

: [c.210]    [c.50]    [c.86]    [c.42]    [c.50]    [c.197]    [c.547]   
Секреты биржевой торговли Издание 3 (2006) -- [ c.207 ]