Professional Documents
Culture Documents
ECONOMETRIA
CARACTERISTICILE SERIILOR DE
DATE FINANCIARE
Unul dintre paradoxurie mele favorite este că dacă după anunţarea unor veşti economice
bune piaţa creşte, creşterea se pune pe seama ştirii, iar dacă piaţa scade se explică prin
faptul ca veştile bune erau deja luate în considerare.” –Baruch Fishhoff –
G. SĂVOIU
Conţinut succint
SERIILE DE DATE DE TIP FINANCIAR UTILIZĂRI
TEORIA PIETELOR EFICIENTE
ANALIZA COMPORTAMENTULUI EVOLUTIV ( TESTE )
RANDAMENTE REZIDUALE SI COEFICIENTUL DE
VOLATILITATE
CARACTERISTICILE SERIILOR DE TIP FINANCIAR
MODELELE ARCH, GARCH, EGARCH
TIPOLOGIA TENDINŢEI
TESTAREA EFECTELOR ARCH
EFECTELE GARCH ŞI FRECVENŢA DE EŞANTIONARE
SERIILE DE DATE DE TIP FINANCIAR
UTILIZĂRI
În studiul pieţelor de capital se apelează la:
previzionarea randamentelor acţiunilor pornind de la
informaţia din trecut, referitoare la comportamentul
preţurilor, raportul PER (price earnings ratio sau
raportul dintre pretul actiunii –cursul- si profitul net
alocat pe actiune), capitalizarea bursieră etc.
6000
5500
5000
puncte
4500
4000
3500
zile
Analiza comportamentului evolutiv
Seriile nestaţionare
Seriile staţionare
.5
0.0
-.5
Conf idence Limits
ACF
Lag Numb er
Testul Q al lui Box-Pierce
m
Qn
k 1
rk2
2
Q > , rezultă ca se respinge H0, adica
exista rk semnificativi diferiţi de 0 şi deci
seria indicilor BET este nestationară.
Testul Ljung-Box
k r j2
LB n(n 2) n j
j 1
LB >
2 α=5%, 16 grd. lib.,
se infirmă H0, conform căreia rk sunt simultan
nesemnificativi (asemănător testului Box-Pierce).
SERIILE DE DATE DE TIP FINANCIAR
UTILIZĂRI
În studiul pieţelor de capital:
previziunea riscului activelor finaciare - randamente reziduale
Econometricienii sunt chemati sa prevadă riscul activelor finaciare.
In particular, specialistii au acordat o larga atentie randamentelor reziduale, avand in
vedere ca aceastea au o infleunta deosebita asupra randamentelor studiate.
Randamentele reziduale reprezinta acea parte a randamentelor care nu au fost
capturate de catre variabila independenta a unui anumit model. De exemplu, sa
consideram modelul de piata:
rit i i rmt it
unde: rit- randamentul titlului individual in perioada de timp t;
i
i
- termenul constant;
- riscul relativ de piata al unui titlu individual;
rmt - randamentul portofoliului de piata;
it - termenul eroare.
Randamentele reziduale sunt reprezentate tocmai de termenul ecuatiei, indicand care
este partea de randament a unui titlu individual ce nu a fost influentata de
randamentul portofoliului de piata. Deseori, aceste randamente reziduale au o
pondere foarte importanta in cadrul randamentului individual.
(Catalin Cristian Darasteanu (2002) aplica modelul de piata prin utilizarea celor mai mici
patrate pentru a testa modelul CAPM).
Capital Asset Pricing Model - CAPM
neutre ( β = -1).
Caracteristicile seriilor de date
de tip financiar
I.Forma de distribuţie a seriilor financiare:
Adeseori in practica, seriile financiare se dovedesc a nu urma o
distributie normala. Seriile sunt mai degraba leptocurtice, adica
exista o abatere larga a valorilor extreme de la media lor. Aceasta
inseamna ca daca valoarea normala a indicelui Kurtosis (cel care
arata cat de „ingrosate sunt extremitatile” sau cat de mult se abat
valorile maxime si minime de la media lor) este 3, in seriile financiare
indicatorul ia valori mult mai mari. De asemenea, seriile financiare
tind să fie asimetrice. Aceasta inseamna ca valoarea indicelui
Skewness (care suprinde simetria sau asimetria unei serii) ia valori
diferite de zero.
Concluzii
nu urmează o distributie normala; seriile sunt leptocurtice, (abatere larga a
valorilor extreme faţă de la media lor): valoarea indicelui Kurtosis pentru
seriile financiare ia valori > 3;
seriile financiare tind sa fie asimetrice, indicele Skewness ≠ 0.
Caracteristicile seriilor de date
de tip financiar
Seriile financiare mai prezinta 2 probleme deosebit de
importante:
II. Corelaţia serială a reziduurilor
III. Heteroscedasticitate - dispersia condiţională are o
evoluţie neuniformă în perioada de timp analizată
Intr-un interesant si binevenit studiu pentru bursa romaneasca, Alexandru
Todea (2002) realizeaza o analiza tehnica a titlurilor cotate la categoria intai a
Bursei de Valori Bucuresti si arata ca randamentele reziduale pentru marea
majoritate a actiunilor nu sunt autocorelate. De asemenea, folosind un
interval de timp diferit, Darasteanu (2002) arata de asemenea ca majoritatea
actiunilor cotate la categoria intai nu prezinta reziduuri autocorelate (totusi
multe din actiunile cotate la categoria a doua prezinta autocorelatie).
Modelele ARCH, GARCH, EGARCH
Acestea sunt proiectate pentru a modela serii economice ce prezinta caracteristicile prezentate mai sus
G – generalizat;
AR – autoregresiv;
C – conditional;
H – heteroscedasticitate.
Robert Engle in 1982 – model ARCH: et2 1et21 2 et2 2 ... q et2 q t
Bollerslev - model GARCH y t xt t
unde: t2 t21 t21
yt – variabila dependenta in perioada curenta;
xt – variabila independenta perioada curenta;
- coeficient care arata influenta variabilei independente asupra variabilei dependente;
t – termenii reziduali in perioada curenta;
- dispersia variabilei dependente (sau a reziduurilor) in perioada curenta;
t - constanta ecuatiei dispersiei;
2
- coeficientul “ARCH”;
t-1 – termenii reziduali din perioada precedenta;
- dispersia variabilei dependente (sau a reziduurilor) in perioada precedenta;
t 1 - coeficientul “GARCH”.
2
y t xt t
Modelele GARCH t2 t21 t21
GARCH (1,1) in care:
primul numar arata ca asupra dispersiei actioneaza termeni reziduali din perioada
precedenta,
iar cel de-al doilea numar arata ca dispersia din perioada precedenta are influenta
asupra dispersiei curente.
Pentru serii foarte mari, se poate generaliza la modelul GARCH (p,q).
Modele GARCH atribuie importanţa dispersiei trecute a valorilor reziduale, respectiv
dispersiei valorii dependente; cele două tipuri de dispersii sunt similare pentru că se
condiţionează reciproc.
Modelele ARCH urmăresc includerea manifestărilor repetabile ale indicatorilor
financiari-monetari, care constau în apariţia alternativă a unor erori de prognoză de
amplitudine mare, cu altele de amplitudine mică. Modelele ARCH includ in modelul
stochastic comportamentul valorilor rezidule, considerând ca dispersia erorii este
dependentă de valorile întârziate ale variabilei dependente sau de erorile înregistrate în
trecut.
Şi dacă apare un efect de levier sau metoda clasica a bancherilor de a castiga ?
Ca regula generala se poate spune ca situatia unei societati devine cu atat mai critica,
pana aproape de faliment, cu cat gradul de datorie angajata (in principal din imprumuturi
nerambursate si dobanzi neplatite) este mai mare.
conceptul "efect de levier" corespunde unui rationament simplu: daca putem imprumuta
de la cineva o suma la o rata "x" a dobanzii si daca putem plasa aceasta suma la o rata
superioara "y", vom profita de diferenta intre rata de plasament si rata dobanzii.
Modelul log t2 log t21 t 1
t 1
t 1 t 1
EGARCH
posibila existenţă a unui efect de levier (modelul GARCH (1,1) este un
model simetric si presupune ca termenii reziduali au acelasi semn. In
realitate insa seriile financiare prezinta asimetrie)
modelul GARCH exponential introdus de catre Nelson (1991):
t 1 t 1
log
log t
2 2
t 1
t 1 t 1
Efectul de levier poate fi testat prin testarea inegalitatii
< 0 si 0 .
Acest model este asemanator modelului GARCH (1,1).
Se remarca prezenta termenului log care transforma modelul intr-un model
non-linear. De asemenea termenii reziduali sunt raportati la abaterea
standard, devenind reziduuri standardizate.
Efectele GARCH şi
frecvenţa de eşantionare
Dacă un model este GARCH când utilizează datele zilnice, nu poate fi tot
GARCH cu datele săptămânale, lunare ş.a.m.d. Este dificil să se determine
la care frecvenţă de eşantionare, datele prezintă efecte GARCH, dacă
acestea există.
Există unele regularităţi empirice care arată că cu cât este mai mare
frecvenţa de eşantionare, de exemplu, zilnică sau sătămânală, cu atât se
manifestă mai puternic efecte GARCH.
Datele lunare de obicei nu manifestă efecte GARCH şi dacă totuşi sunt
detectate acestea se datorează, de obicei, unor schimbări bruşte structurale
ale varianţei necondiţionale.
De exemplu, pentru seria reziduurilor obţinute se calculează dispersia
reziduurilor pentru fiecare segment de perioadă şi se testează o formă a
modelului GARCH(1,1):
Dacă modelul nu este corect specificat, se respinge H0, (corelaţia serială a reziduurilor va
induce corelaţie serială în pătratele reziduurilor) într-o situaţie când nu exista efecte ARCH.
Tipologia tendinţei
Evolutia indicelui BET in perioada 14.11.2004-14.11.2005
6500
6000
5500
5000
puncte
4500
4000
3500
zile
Trend Stationary Processes
y t a 0 ry t 1 a1Tt v t
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.990315
R Square 0.980724
Adjusted R 0.980566
Standard Error 102.0071
Observations 247
ANOVA df SS MS F Signif. F
Regression 2 1.29E+08 64587643 6207.098 5.9E-210
Residual 244 2538930 10405.45
Total 246 1.32E+08
Coeffici. Standard Er t Stat P-value Lower 95% Upper 95%
Intercept 128.8177 60.8532 2.1168 0.0352842 8.953077 248.6823
X Variable 1 0.976085 0.012225 79.842517 6.95E-177 0.952005 1.000165
X Variable 2 0.081664 0.126318 0.646497 0.5185649 -0.16715 0.330477
Trend Stationary Processes
y t a 0 ry t 1 v t
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.990298
R Square 0.980691
Adjusted R Square 0.980612
Standard Error 101.8859
Observations 247
ANOVA df SS MS F Signif. F
Regression 1 1.29E+08 129170937 12443.34 5.2E-212
Residual 245 2543279 10380.729
Total 246 1.32E+08
Coefficients Standard t Stat P-value Lower 95% Upper 95%
Error
Intercept 101.6971 44.03065 2.3096899 0.0217375 14.9703 188.424
X Variable 1 0.981565 0.008799 111.54972 5.21E-212 0.964233 0.998897
Corelaţia pozitivă între indicele BET t şi BET t-1
6500
6000
5500
5000
BET t
4500
4000
3500
3000
3000 3500 4000 4500 5000 5500 6000 6500
BET t-1
Diferentele de ordinul 1 ale indicelui BET, in perioada 14.11.2004-14.11.2005
500
400
300
200
100
0
puncte
-100
-200
-300
-400
-500
-600
zile
Testarea efectelor ARCH
teste de nenormalitate - distribuţia erorii nu va fi normală,
Kurtosis mare
testarea structurii de autocorelaţie a reziduurilor
Corelaţia serială a reziduurilor
500
400
300
200
100
0
et
-600 -500 -400 -300 -200 -100 0 100 200 300 400 500
-100
-200
-300
-400
-500
-600
e t-1
Testarea efectelor ARCH
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.226621
R Square 0.051357
Adjusted R Square 0.047469
Standard Error 24698.82
Observations 246
ANOVA df SS MS F Signi. F
Regression 1 8.06E+09 8.06E+09 13.20951 0.00034
Residual 244 1.49E+11 6.1E+08
Total 245 1.57E+11
Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Intercept 8001.685 1700.94 4.704274 4.27E-06 4651.287 11352.08
X Variable 1 0.226558 0.062336 3.634489 0.00034 0.103774 0.349342
Efectele GARCH
et2 w t21 et2 1 1
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.997775
R Square 0.995555
Adjusted R Square 0.995518
Standard Error 322.8121
Observations 246
ANOVA df SS MS F Signif. F
Regression 2 5.67E+09 2.84E+09 27212.47 1.6E-286
Residual 243 25322455 104207.6
Total 245 5.7E+09
Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Intercept 164.872 50.05546 3.293787 0.001136 66.27407 263.47
X Variable 1 0.003094 0.000821 3.7667 0.000208 0.001476 0.004712
X Variable 2 0.9856 0.004269 230.8899 1E-286 0.977191 0.994008
Efectele GARCH
yt2 0 1 yt2 1 2 y t21 1 2 1
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.999474
R Square 0.998949
Adjusted R Square 0.998941
Standard Error 7111.648
Observations 247
ANOVA df SS MS F Significance F
Regression 2 1.17E+13 5.87E+12 115982.2 0
Residual 244 1.23E+10 50575532
Total 246 1.17E+13
Coefficients Standard Error t Stat P-value Lower 95% Upper 95%
Intercept -4832.23 1667.654 -2.89762 0.004102 -8117.07 -1547.4
X Variable 1 0.978986 0.002466 397.0408 0 0.974129 0.983843
X Variable 2 0.000665 7.68E-05 8.666475 6.27E-16 0.000514 0.000816
Utilizarea modelului GARCH(1,1)
Evolutia indicelui BET in perioada 14.11.2004-14.11.2005
7500
7000
6500
6000
5500
puncte
5000
4500
4000
3500
3000 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101 105 109 113 117 121 125 129 133 137 141 145 149 153 157 161 165 169 173 177 181 185 189 193 197 201 205 209 213 217 221 225 229 233 237 241 245 249 253 257
VĂ MULŢUMESC!