ACADEMIA DE STUDII ECONOMICE BUCURESTI

SCOALA DOCTORALA DE FINANTE BANCI

Analiza econometrica a volatilitatii cursului valutar Modele de heteroskedasticitate

Drd. Codirlasu Adrian

- Noiembrie 2001 -

2

Cuprins
1. MODELELE ARCH SI GARCH ............................................................................................................ 3 1.1. MODELUL GARCH ............................................................................................................................. 3 1.2. EXTENSII ALE MODELELOR ARCH SI GARCH .................................................................................. 4 1.2.1. Modelul IGARCH......................................................................................................................... 4 1.2.2. Modelul GARCH-in-Mean (GARCH-M)...................................................................................... 5 1.2.3. Modele ARCH asimetrice............................................................................................................. 6 1.2.4. Modele Component ARCH ........................................................................................................... 7 2. CARACTERISTICILE SERIILOR RANDAMENTELOR CURSULUI VALUTAR....................... 8 2.1. TESTAREA DISTRIBUTIEI NORMALE A SERIILOR DE TIMP..................................................................... 8 2.2. TESTAREA HOMOSKEDASTICITATII...................................................................................................... 9 2.3. TESTAREA STATIONARITATII SERIILOR RANDAMENTELOR ................................................................ 11 2.4. TESTAREA INDEPENDENTEI SERIALE ................................................................................................ 11 2.5. MODELE DE EVOLUTIE A RANDAMENTELOR CURSULUI VALUTAR ..................................................... 12 3. MODELAREA VOLATILITATII CURSULUI VALUTAR AL LEULUI PRIN MODELE DE TIP ARCH SI GARCH........................................................................................................................................ 14 3.1. ESTIMAREA VOLATILITATII PRIN MODELE GARCH ............................................................................ 14 3.2. ESTIMAREA VOLATILITATII PRIN MODELE GARCH ASIMETRICE....................................................... 17 3.3. MODELAREA VOLATILITATII PRIN MODELUL COMPONENT-ARCH.................................................... 18 4. CONCLUZII ........................................................................................................................................... 20 BIBLIOGRAFIE......................................................................................................................................... 21 ANAXA 1. MODEL DE EVOLUTIE A RANDAMENTELOR CURSULUI ROL/USD..................... 22 ANEXA 2. MODELUL DE EVOLUTIE AL RANDAMENTELOR CURSULUI ROL/EURO ......... 24

2

q).i Li rt + ∑ β 2. pe baza careia va fi construita ecuatia volatilitatii cursului de schimb. 1. j = 1.1. In partea a treia a lucrarii am realizat ecuatii de evolutie a volatilitatii cursului valutar utilizand modele ARCH. ht (volatilitatea) este un proces ARCH(q) şi 3 . Modelul GARCH Modelele ARCH au fost introduse de Engle (1982) şi generalizate (GARCH) de Bollerslev (1986). n ). Lucrearea este structurata in trei parti. propus de Bollerslev (1986). stationaritatii seriilor. independentei seriale si a ecuatiei de evolutie a randamentelor cursului de schimb. Prima parte trateaza din punct de vedere teoretic modelele de analiza a heteroskedasticitatii. In construirea unui model ARCH trebuie luate in considerare doua ecuatii distincte: una pentru media conditionata (ecuatia de evolutie a randamentelor) si una pentru varianta conditionata (ecuatia volatilitatii). utilizand esantionul cursului zilnic din perioada ianuarie 2000 – octombrie 2001. Modelul GARCH (p. si β 2.3 Analiza econometrica intreprinsa are ca scop testarea aplicabilitatii modelelor ARCH si GARCH in modelarea volatilitatii cursului valutar ROL\USD si ROL\EURO. i Li ht + ∑ α 2. Modelele ARCH si GARCH 1. m . are urmatoarea specificatie: rt = β 0 + ∑ β1.n) sau un model Random Walk (atunci cand β1. j L jε t2 i =1 j =1 p q unde rt este un proces ARMA(m. j Ljε t + ε t i =1 j =1 m n ε t ≈ N (0. ht ) ht = α 0 + ∑ α1. j = 0. i = 1. GARCH si derivatii ale acestora. i = 0. A doua parte prezinta testele privind caracteristicile seriilor de timp ale randamentelor cursului valutar ROL/USD si ROL/EURO in privinta distributiei de probabilitate a randamentelor cursului valutar.

Daca randamentul activului din perioada anterioara a fost.q) ht = k + δ1ht −1 + δ 2 ht − 2 + .7. situatia in care schimbarilor mari ale randamentului este probabil sa le urmeze in continuare variatii mari ale acetuia.i < 1 . 4 . + (δ r + α r )ε t2− r + wt − δ1wt −1 − δ 2 wt − 2 − . + α qε t2− q .2.. Parametrii α1 reprezinta persistenta volatilitatii iar parametrii α2 reprezinta viteza de reactie a volatilitatii la evenimentele din piata. Interpretat intr-un context financiar. − δ q wt − q unde wt = ε t2 − ht si p = max{p. agentul va mari varianta asteptata in perioada urmatoare.. acest model descrie modul in care un agent incearca sa prognozeze volatilitatea pentru urmatoarea perioada pe baza mediei pe termen lung ( α 0 ).. Extensii ale modelelor ARCH si GARCH 1. Modelul IGARCH Presupunand ca ε t = ht vt . ht este valoarea prognozata pentru ε t iar wt = ε t2 − ht este eroarea asciata acestei prognoze... 1.2.. inferioara plafonului de 0.i + ∑α 2.4 GARCH(p).25 si un grad de persistenta a acesteia. a variantei calculate pentru ultima perioada (termenul GARCH) si a informatiilor privind volatilitatea observata in perioada anterioara (termenul ARCH). in general. + δ p ht − p + α1ε t2−1 + α 2ε t2− 2 + .. Adaugand ε t la ambii termeni ai ecuatiei si scriind α i = α i′ − δ i rezulta ε t2 = k + (δ1 + α1 )ε t2−1 + (δ 2 + α 2 )ε t2− 2 + .1. trebuie indeplinita conditia ∑α1. Testele efectuate pe pietele financiare mature au evidentiat o viteza de reactie a volatilitatii cursului de schimb. unde vt este independent si identic distribuit cu media zero si dispersia 1 si ht indeplineste specificatia GARCH(p. Modelul accepta si fenomenul de volatility clustering. coeficientii i =1 j =1 p q termenilor ARCH şi GARCH trebuie sa fie subunitari si pozitivi. In plus.. mare in valoare absoluta. in mod neasteptat. Pentru a nu fi un proces exploziv (volatilitate exploziva). superior pragului de 0. q} .

atunci: rt = µt + α t Apoi teoria sugereaza faptul ca randamentul mediu ( µt ) este corelat cu varianta sa ( ht ). Presupunand ca rt este descompus intr-o componenta anticipata de agenti la momentul t – 1 (notata µt ) si o componenta neanticipata (notata ε t ).2. in medie. Acest proces ARMA va avea un unit root daca ∑δ + ∑α i =1 i j =1 p q j = 1. Modelul ARCH-M. j L jε t + ωht + ε t i =1 j =1 m n 5 . 1. va avea un randament superior. Modelul GARCH-in-Mean (GARCH-M) Teoria financiara sugereaza ca un activ cu un risc perceput ca ridicat. atunci varianta neconditionata a lui ε t este infinita (un soc intr-o anumita perioada nu se atenueaza). deci nici ε t si nici ε t2 nu satisfac conditiile unui proces stationar in covarianta (covariance–stationary). Efectul perceperii unui risc ridicat este cuantificat de coeficientul lui ht din ecuatia randamentului ( ω ): rt = β 0 + ∑ β1.5 Rezulta ca ε t urmeaza un proces proces ARMA.i Li rt + ∑ β 2. Engle si Bollerslev (1986) numesc modelul care satisface conditia de mai sus GARCH integrat sau IGARCH. introdus de Engle. Lilien si Robins (1987) se obtine prin introducerea in ecuatia randamentelor a variantei sau a deviatiei standard conditionate ( ht sau ht ). Daca ε t urmeaza un proces IGARCH.2.

Cele mai utilizate modele ARCH care permit analiza raspunsului asimetric la socuri sunt modelele Treshold ARCH (TARCH) si GARCH Exponential (EGARCH). Modele ARCH asimetrice Pe pietele financiare s-a observat ca agentii percep volatilitatea in mod diferit.3. pentru actiuni. Modelul EGARCH. 6 . In acest model. j L jε t2 + λε t2−1d t −1 . introdus in mod independent de Zakoian (1990) si Glosten.i Li ht + ∑ α 2. atunci efectul informatiilor asupra volatilitatii este asimetric. are urmatoarea specificatie pentru ecuatia variantei (TARCH(p.2. propus de Nelson (1991) are urmatoarea specificatie pentru ecuatia variantei conditionate: log(ht ) = ω + β log(ht −1 ) + α ε t −1 ε + λ t −1 ht −1 ht −1 Confirm acestui model.q)): ht = α 0 + ∑ α1. functie de semnul variatiei zilnice a cursului activului financiar respectiv. vestile bune ( ε t < 0 ) si vestile rele ( ε t > 0 ) au efecte diferite asupra variantei conditionale – vestile bune au un impact de α1 in timp ce vestile rele au un impact de α1 + λ . Daca λ ≠ 0 . Jaganathan si Runkle (1993). Modelul TARCH. miscarile in jos ale pietei sunt urmate de o volatilitate mai mare decat miscarile in sens crescator de aceeasi amplitudine.6 1. efectul informatiilor este exponential (si nu patratic) iar varianta prognozata va fi obligatoriu non-negativa. De exemplu. i =1 j =1 p q unde d t = 1 daca ε t < 0 si d t = 0 in caz contrar. Impactul informatiilor este asimetric daca λ ≠ 0.

care converge catre zero functie de valorile coeficientilor α si β . 7 . efectul informatiilor asupra volatilitatii este asimetric. ecuatiile volatilitatii vor avea urmatoarea forma: ht − qt = α (ε t2 − qt −1 ) + λ (ε t2 − qt −1 )d t −1 + β ( ht −1 − qt −1 ) qt = ω + ρ ( qt −1 − ω ) + φ (ε t2−1 − ht −1 ) Cand λ ≠ 0 .2. Modele Component ARCH Aceste modele permit variatia mediei din ecuatia variantei conditionate dupa cum urmeaza: ht − qt = α (ε t2 − qt −1 ) + β ( ht −1 − qt −1 ) qt = ω + ρ ( qt −1 − ω ) + φ (ε t2−1 − ht −1 ) unde ht este volatilitatea in timp ce qt este volatilitatea pe termen lung (variabila). A doua ecuatie descrie componenta pe termen lung a volatilitatii.4. Prin introducerea unue componente de asimetrie (Asimetric Component ARCH).7 1. Prima ecuatie descrie componenta tranzitorie a volatilitatii. care converge catre ω functie de valoarea coeficientului ρ .

001274 -0. In plus.063792 8. Caracteristicile seriilor randamentelor cursului valutar 2. De asemenea. calculate ca logaritm din raportul observatiilor din momentul t si momentul t – 1. Testarea distributiei normale a seriilor de timp Seriile de timp ale cursului valutar ROL/USD si ROL/EURO prezinta caracteristici de nenormalitate a distributiei.004096 0. probabilitatea ca leul sa se deprecieze pe parcursul unei zile de tranzactionare fiind astfel mai mare de 50 la suta. DUSD Medie Mediana Maxim Minim Deviatia standard Skewness Kurtotica Jarque-Bera Probabilitate 0.686541 30.001130 0. 8 . graficele indica deviatii sub linia normala (dreapta la 45 grade) in cazul quantilelor mici si deviatii peste linia normala in cazul quantilelor mari.000287 0.1.000000 DEURO 0. Pentru toate seriile analizate.320920 3.026634 0. DUSD si DEURO reprezinta variatiile zilnice ale cursului ROL/USD si ROL/EURO.8 2.520933 3.000851 0.000927 0.112548 0. Absenta distributiei normale pentru seriile analizate este reflectata si de graficele quantilelor. graficul concav al randamentelor ROL/USD indica un skewness pozitiv.018373 unde. seriile de timp analizate au un skewness (coeficient de asimetrie) pozitiv.358070 0. avand un exces de kurtotica.017313 -0.000815 0. aceasta relevand existenta unor probabilitati mai mari de a se inregistra evenimente extreme (variatii mari ale cursului valutar) in comparatie cu o serie caracterizata printr-o distributie normala. Ipoteza nula de normalitate a seriilor de timp este respinsa la 1 la suta grad de relevanta pentru seria randamentelor ROL/USD si la 5 la suta grad de relevanta pentru seria ROL/EURO.007670 0.

003 0. Testarea homoskedasticitatii Reprezentand grafic seriile de timp ale variatiilor cursului de schimb se observa existenta unui fenomen de volatility clustering (variabilitate a volatilitatii medii pe diverse intervale ale seriei) si o alternanta intre perioadele cu volatilitate mica si cele cu volatilitate mare.02 -0.0045) 60 50 600 40 400 30 20 200 10 0 -0.002 -4 -0.00 0. 9 . Perioadele de volatilitate mica si volatilitate ridicata sunt marcate în grafice.002 0. exista o posibila corelatie intre evolutia volatilitatii cursului ROL/USD si cea a ROL/EURO. h = 0.02 0.0004) 800 Kernel Density (Epanechnikov.02 0.01 0. Graficele randamentelor ROL/USD si ROL/EURO sunt prezentate mai jos.000 0.03 DUSD DEURO 2.01 0. In plus. sunt marcate (cu semitransparenta) si perioadele de posibila corelatie intre volatilitatile seriilor ROL/USD si ROL/EURO.2.9 Quantilele empirice pentru seriile randamentelor 4 4 2 Normal Quantile Normal Quantile 0.01 0.006 2 0 0 -2 -2 -4 -0. De asemenea.004 0.001 0. h = 0.004 0 -0.001 0.03 DEURO Distributiile seriilor sunt prezentate in graficele de mai jos.02 -0.00 0.000 0.002 DUSD 0. Kernel Density (Epanechnikov.01 0.

020000 -0.000000 0.025000 DlogUSD DlogEURO 1/5/2000 2/5/2000 3/5/2000 4/5/2000 5/5/2000 6/5/2000 7/5/2000 8/5/2000 9/5/2000 10/5/2000 11/5/2000 12/5/2000 1/5/2001 2/5/2001 3/5/2001 4/5/2001 5/5/2001 6/5/2001 7/5/2001 8/5/2001 9/5/2001 10/5/2001 Data 1/5/2000 2/5/2000 3/5/2000 4/5/2000 5/5/2000 6/5/2000 7/5/2000 8/5/2000 9/5/2000 10/5/2000 11/5/2000 12/5/2000 1/5/2001 2/5/2001 3/5/2001 4/5/2001 5/5/2001 d log FX rate Randamentele ROL/EURO Data Randamentele ROL/USD 6/5/2001 7/5/2001 8/5/2001 9/5/2001 10/5/2001 10 10 .015000 0.010000 -0.-0.000000 0.025000 -0.005000 0.020000 -0.001000 0.020000 0.002000 0.020000 0.025000 Data -0.030000 d log FX rate 0.005000 -0.004000 0.005000 d log FX rate -0.015000 0.025000 0.010000 0.003000 0.001000 0.000000 0.005000 0.030000 0.002000 -0.015000 1/5/2000 2/5/2000 3/5/2000 4/5/2000 5/5/2000 6/5/2000 7/5/2000 8/5/2000 9/5/2000 10/5/2000 11/5/2000 12/5/2000 1/5/2001 2/5/2001 3/5/2001 4/5/2001 5/5/2001 6/5/2001 7/5/2001 8/5/2001 9/5/2001 10/5/2001 -0.010000 -0.015000 -0.005000 0.010000 0.

74227 -3.57020 DEURO -9.44658 -2. am extins analiza coeficientilor de autocorelatie la patratul abaterilor randamentelor zilnice de la medie. evidentierea unui exces de kurtotica. Rezultatele testelor ADF si Phillips-Perron pentru seriile randamentelor cursului valutar DUSD ADF test statistic 1% critical value 5% critical value 10% critical value PP test statistic 1% critical value 5% critical value 10% critical value -4.57020 2.86800 -2. In pus. Pentru cursul ROL/USD coeficientii de autocorelatie sunt semnificativi cel putin pana la al 31-lea lag.49353 -3.86800 -2. coeficientii de autocorelatie sunt semnificativi cu 1 la suta nivel de relevanta.44669 -2. coeficientii de autocorelatie ai patratelor abaterilor randamentelor zilnice de la medie sunt semnificativi la al cincilea lag. Pentru a testa existenta unui proces ARCH. Coeficientii de autocorelatie obtinuti sunt confirmati de testul Box-Liung Q statistic. Pentru cursul ROL/USD.86805 -2.3.44658 -2.57023 -15.57023 -21. seriile randamentelor zilnice sunt stationare la 1 la suta nivel de relevanta.11 2.41319 -3. Conform testului Box-Liung Q statistic.16758 -3.4. Testarea independentei seriale Coeficienţii de autocorelatie sunt semnificativi pentru cursul de schimb ROL/USD. coeficientii de autocorelatie ai cursului de schimb ROL/EURO sunt nesemnificativi la 1 la suta nivel de relevanta. in cazul cursului ROL/EURO. releva posibilitatea existentei unui proces ARCH. Testarea stationaritatii seriilor randamentelor Conform testelor ADF si Phillips-Perron.86805 -2.44669 -2. cu 10 la suta nivel de relevanta. 11 . conform acestuia.

5) (Anexa 1). Modele de evolutie a randamentelor cursului valutar Pentru ecuatia de evolutie a randamentelor cursului valutar ROL/USD am utilizat un model ARMA(1. si astfel. In privinta testelor pentru termenii reziduali.12 Coeficientii de autocorelatie pentru randamentele zilnice ale cursului de schimb Coeficientii de autocorelatie ai abaterilor patratice zilnice ale randamentelor cursului de schimb fata de medie 2. randamente datorate faptului ca deconterea tranzactiilor realizate joi se face dupa trei zile (in ziua de luni).5. Termenul MA(5) apare datorita randamentelor superioare inregistrate in zilele de joi. randamentul va creste astfel incat sa egaleze dobanda obtinuta la un depozit de o zi pe piata interbancara. acestia nu au o distributie normala (conform testului Jarque-Bera). tinand cont de ipoteza lipsei oportunitatilor de arbitraj. testul ARCH LM indica 12 . testul Breusch-Godfrei respinge ipoteza nula de inexistenta a corelatiei liniare la 5 la suta nivel de significanta. De asemenea.

Deci. Conform testului Jarque-Bera. ar putea fi utilizate modele GARCH bivariate. pentru analiza volatilitatii cursului ROL/EURO. iar testul ARCH LM. nu respinge inexistenta efectelor ARCH. confirmat si de corelograma reziduurilor patratice. In cazul ecuatiei de evolutie a randamentelor cursului ROL/EURO am ales modelul Random Walk (Anexa 2).13 efecte ARCH pentru primul lag. termenii reziduali nu sunt distribuiti normal. Motivul neaplicabilitatii modelelor GARCH univariate in analiza volatilitatii cursului ROL/EURO este faptul ca pe piata valutara romaneasca. cursul ROL/EURO este calculat pe baza cursului de referinta ROL/USD si a cursului EURO/USD. Ca urmare. Din aceasta cauza. la 1 la suta nivel de significanta. volatilitatea cursului ROL/EURO nu poate fi analizata prin modele GARCH univariate. volatilitatea cursului ROL/EURO depinde de volatilitatea cursului ROL/USD si cea a EURO/USD. Conform corelogramei randamentelor zilnice nu exista termeni AR si MA pentru aceasta serie. efecte confirmate si de corelograma reziduurilor patratice. Testul Breusch-Godfrei nu respinge ipoteza nula de inexistenta a corelatiei liniare. 13 .

valorile obtinute sunt 0.E.31 -. Modelarea volatilitatii cursului valutar al leului prin modele de tip ARCH si GARCH 3.14 3.89 Std.ARCH Sample(adjusted): 3 469 Included observations: 467 after adjusting endpoints Convergence achieved after 4 iterations Backcast: -2 2 Coefficient AR(1) MA(1) MA(5) C ARCH(1) GARCH(1) R-squared Adjusted R-squared S.07343 2. volatilitatea cursului de schimb pentru seriile randamentelor cursurilor ROL/USD.48i -.107 . 0.78i 14 .268233 0.23E-07 0. Pe baza regresiei s-a determinat viteza de ajustare a volatilitatii cursului ROL/USD la un soc in piata si persistenta acesteia.27E-08 0.0000 0.62+.5).774046 Prob. iar volatilitatea acestor randamente descrie un proces GARCH(1.62.271820 0.27 .0000 0. apropiate de cele de pe pietele internationale.0000 0.1). Analizele efectuate asupra cursului de schimb al leului releva faptul ca randamentele cursului ROL/USD descriu un proces ARMA(1.0040 0. Error 0.053195 0.186262 0.000888 0. Modelul GARCH pentru cursul ROL/USD Dependent Variable: DUSD Method: ML .18059 1.041970 0.381283 7.0000 0.379892 1. ROL/EURO este un proces variabil in timp.390996 13.000364 2629. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat .682503 -.78i Variance Equation Mean dependent var S.62 -.31+. of regression Sum squared resid Log likelihood Inverted AR Roots Inverted MA Roots 0.0000 0. Estimarea volatilitatii prin modele GARCH Conform testelor anterioare.080097 z-Statistic 5.16 si respectiv 0.23386 -11.109918 6.029058 4.48i -.000816 -11.161363 0.D.1.036830 0.173534 -0.877681 4.622681 -0. in care perioadele de volatilitate inalta alterneaza cu perioade de volatilitate redusa.001130 0.

un coeficient de corelatie semnificativ la lagul 5. Corelograma reziduurilor patratice indica insa. existenta unui proces IGARCH.19284 Probability Probability 0.000281 Pe baza F-statistic si a probabilitatii asociate. si ar putea fi corectat printr-o variabila dummy introdusa in ecuatia volatilitatii. Reprezentand grafic randamentele cursului ROL/USD si deviatia standard coditionata calculata de Eviews pentru perioada urmatoare. datorita variatiei mai mari a cursului valutar asteptate in aceasta zi. este investigata cu ajutorul testului Wald Wald Test: Equation: ARCHUSD Null Hypothesis: F-statistic Chi-square C(5)+C(6)=1 13. apare datorita faptului ca volatilitatea asteptata in zilele de joi este mai mare.000313 0. se observa ca unei cresteri a volatilitatii conditionate ii sunt asociate variatii mari (in valoare absoluta) a randamentelor zilnice ale cursului valutar. dar acesta are o valoare redusa. Acest coeficient de autoorelatie cu lag de 5. este respinsa aceasta ipoteza.19284 13.15 Ipoteza nula. 15 .

003 0.002 0.0016 0.0006 0.0012 0.0014 0.001 0.16 0.002 50 100 150 200 250 DUSD 300 350 400 450 0.0004 50 100 150 200 250 300 350 400 450 16 .004 0.0008 0.0010 0.005 0.000 -0.001 -0.

036113 0.17 3.258793 0.78i Aceste rezultate sunt conforme cu ipotezele teoretice: prin cresterea volatilitatii.953559 4. 17 .139588 0.167906 37.72236 26.978599 .D.022942 0.78i Variance Equation Mean dependent var S.48i -.48i -.000707 0.977354 10.0000 0.363908 -0.000816 -11.0000 0. comform corelogramei erorilor patratice.001130 0.66+. rezulta: Dependent Variable: DUSD Method: ML .025386 z-Statistic 13.66 -.000000 -.76825 0.412990 3.0000 0.077930 0. exista o corelatie intre acestea. ceea ce inseamna ca mai poate exista unul sau mai multi termeni ARCH care sa explice volatilitatea cursului.035947 0.25 -.000230 2758. in cazul unei aprecieri a leului sau a inregistrarii unei deprecieri a leului mai redusa decat se asteapta piata.2.941327 0. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) .78451 -11.E.08045 Prob.82 Std. Error 0. ceea ce se traduce prin faptul ca.215858 0. Estimarea volatilitatii prin modele GARCH asimetrice Introducand in ecuatia randamentului in locul termenului MA(1) deviatia standard a randamentelor si utilizand o ecuatie a volatilitatii EGARCH.12352 -2.0000 0.683 1.926347 0.0000 0.950855 0.22 .018698 0.0001 0.249125 0.97581 5.ARCH Sample(adjusted): 3 469 Included observations: 467 after adjusting endpoints Convergence achieved after 26 iterations Backcast: -2 2 Coefficient SQR(GARCH) AR(1) MA(5) C |RES|/SQR[GARCH](1) RES/SQR[GARCH](1) EGARCH(1) R-squared Adjusted R-squared S.383900 0. volatilitatea asteptata cursului se reduce. randamentele asteptate cresc.090701 0. 0. Dar.0158 0. coeficientul de asimetrie este pozitv si semnificativ din punct de vedere statistic.25+. in special la lag-ul 3. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Inverted MA Roots 1.

43i -.775098 0. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Inverted MA Roots 0.718757 4. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) . fapt prezentat si de graficul randamentelor zilnice.53+.18 Corelograma erorilor patratice 3.078602 0.292322 0.059331 1.762509 .26 .743440 1.210109 0.261797 0.787298 Prob.638204 0.0002 0.86 Std.039428 z-Statistic 8.587871 2.0000 0.000000 -.307041 0.43i -.E.071165 0.00566 5.191260 3.46E-05 0.660106 0.000281 2591.53 -.000134 0.0164 0.019616 0.399880 6.0000 0.68i Variance Equation Mean dependent var S.0000 0.481856 33.D. 18 .440602 0.68i Conform rezultatelor acestui model exista o valoare pe termen lung a volatilitatii. Modelarea volatilitatii prin modelul Component-ARCH Dependent Variable: DUSD Method: ML .968 2.091814 0.3.001128 0.65194 7.08570 -11.40E-05 0.001152 0.352284 0.0000 0.000784 0.222101 2.32+.32 -. Error 0.000815 -11.075916 0.109087 0.4723 0. 0.1014 0.ARCH Sample(adjusted): 3 468 Included observations: 466 after adjusting endpoints Convergence achieved after 17 iterations Backcast: -2 2 Coefficient C(1) AR(1) MA(1) MA(5) Perm: C Perm: [Q-C] Perm: [ARCH-GARCH] Tran: [ARCH-Q] Tran: [GARCH-Q] R-squared Adjusted R-squared S.0000 0.

la lag-ul 2 19 . exista o anumita corelatie intre erori.19 asupra variantei tranzitorii isi pune in special amprenta abaterea patratica a variatiei zilnice a randamentului de la valoarea variantei pe termen lung. Comform corelogramei erorilor.

randamentul asteptat este mai mare. odata cu cresterea volatilitatii.1) cu ecuatia de evolutie a randamentelor ARMA(1. in cazul unei aprecieri a leului sau inregistrarii unei deprecieri a leului mai redusa decat se asteapta piata. ceea ce se traduce prin faptul ca. Concluzii Din analiza econometrica a cursului ROL/USD rezulta: Volatilitatea acestuia urmeaza un proces ARCH. volatilitatea asteptata cursului se reduce.20 4. cursul ROL/EURO este calculat pe baza cursului de referinta ROL/USD si a cursului EURO/USD inregistrat pe pietele internetionale. Astfel. Randamentul cursului valutar este direct corelat cu volatilitatea acestuia. In privinta analizei volatilitatii cursului ROL/EURO. pentru analiza volatilitatii cursului ROL/EURO. Modelul de analiza a volatilitatii care a dat cele mai bune rezultate este GARCH(1. Exista o componenta pe termen lung a volatilitatii. Exista o componenta de asimetrie in privinta evaluarii informatiilor cu privire la evolutia cursului: coeficientul de asimetrie este pozitv si semnificativ din punct de vedere statistic. In acest caz. trebuie utilizate modelele GARCH bivariate. 20 . Componenta pe termen scurt este influentata in special de abaterea patratica a variatiei zilnice a randamentului de la valoarea variantei pe termen lung. motivul neaplicabilitatii modelelor GARCH univariate in analiza volatilitatii acestuia este faptul ca pe piata valutara romaneasca.5). volatilitatea cursului ROL/EURO depinde de volatilitatea cursului ROL/USD si cea a EURO/USD. Deci.

McGraw-Hill [4] Hamilton. DiNardo John. T. Zvi. Social Sciences Research Network. Third Edition”. “Basic econometrics. http://www. Inc [6] Kaiser. 1996.. 1984. “Time Series Analysis”. Prentice Hall International [2] Griliches. “One-Factor GARCH Models for German Stocks – Estimation and Forecasting”. Social Sciences Research Network. The McGraw – Hill Companies. Engle.1 21 . 1994. “Heteroskedasticity on the Bombay Stock Exchange”. Damodar N. Intriligator.ssrn.elsevier. “Econometric Analysis. 1995..ssrn. Michael D.. Jack. James D.. “Handbook of Econometrics” Vols. Susan. http://www. 1995. Nelson. Fourth Edition”. R. William H. 1997. Princeton University Press [5] Johnston. “Econometric Methods”. 1-4. Documentatie Eviews 3. “ARCH Models”) [3] Gujarati.com [7] Thomas.nl/hes/homepage/menu. D.com [8] ***.21 Bibliografie [1] Greene. Chapter 49: Bollerslev. 2000.htm (Volume 4. http://www. Thomas. 1998.

0 0 00 0 0 .000238 2720.17i -.145790 Prob.5) Dependent Variable: DUSD Method: Least Squares Sample(adjusted): 3 469 Included observations: 467 after adjusting endpoints Convergence achieved after 28 iterations Backcast: -2 2 Variable AR(1) MA(1) MA(5) R-squared Adjusted R-squared S.99 . Dev.8903 -34.994819 -0.76802 0.002410 0. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Inverted MA Roots Coefficient 0.079889 0. Model de evolutie a randamentelor cursului ROL/USD ARMA(1.000100 0.001130 0.0 0 25 0 Corelograma erorilor patratice 22 .000000 -.025396 t-Statistic 191.303 1.E.22 Anaxa 1. 0. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) .0018 0.49 Std.76+.0 . Error 0.52i Histograma erorilor 100 80 60 40 20 Jarque-Bera Probability 84.003154 -0.005184 0.785506 .63727 -11.0 0 12 5 0 .0 0 1 2 5 0 .63E-05 -0.000714 0.0 0 2 5 0 .542297 0 .000816 -11.227884 0.0 .06 -.D.61064 69.0000 0.000000 Series: Residuals Sample 3 469 Observations 467 Mean Median Maximum Minimum Std.0000 0.897817 0.231198 0.025681 0.17i -.76 -.52i Mean dependent var S.18133 0.95997 3. Skewness Kurtosis 3.000717 0.06+.697774 4.

798531 Prob. 23 .000090 0.500631 0. in cazul unui model de evolutie a randamentelor cursului valutar ROL/USD de tipul ARMA(1.6662 0.36916 Probability Probability 0.64493 -11.059921 t-Statistic -0.60054 1.092 1.929 2. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Conform testelor efectuate.027121 0.0727 5.134142 -0.012379 0.D. exista coorelatie seriala intre acestea si exista heteroskedasticitate. 0.83319 9.431616 2.23 Testarea corelatiei seriale prin testul Breusch-Godfrey Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: RESID Method: Least Squares Date: 11/29/01 Time: 20:25 Variable AR(1) MA(1) MA(5) RESID(-1) RESID(-2) R-squared Adjusted R-squared S.0003 0.84E-07 0.043797 0.D.023560 0.038663 0.113858 3.4652 3.176828 3. erorile nu au o distributie normala. 0.005141 0.059307 0.984569 Std.40E-08 0.039504 0.63E-05 0.9969 0. Error 5.E.778789 6.99E-05 -0.5). of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -1.11E-07 9. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 3.29E-10 5782.E.084714 0.64E-07 4.003875 -0.000714 -11.4834 0.326324 Probability Probability 0.261818 -0.000090 Mean dependent var S. Error 0.730918 Prob.167791 0.013547 0.000235 2724.611407 1.701478 0.007810 Std.500631 18.005006 0.85991 -24.000103 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 11/29/01 Time: 20:26 Sample(adjusted): 5 469 Included observations: 465 after adjusting endpoints Variable C RESID^2(-1) RESID^2(-2) R-squared Adjusted R-squared S.042292 Mean dependent var S.586135 0.000713 0.82E-07 -24.035346 9.0242 0. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Testarea heteroskedasticitatii prin testul ARCH LM ARCH Test: F-statistic Obs*R-squared 9.0000 0.046461 0.047102 t-Statistic 7.028682 0.

007678 0.0 0 0 . Skewness Kurtosis Jarque-Bera Probability 3.837 Std. Error 0.057745 8.101797 0.0 1 0 .0 .007678 -6.025785 -0.61E-17 -0.000355 t-Statistic 2. Dev.390455 Prob. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat Histograma erorilor 80 Series: Residuals Sample 2 468 Observations 467 Mean Median Maximum Minimum Std.321338 3.0172 0.E.000849 0.000649 0.981481 Mean dependent var S.24 Anexa 2.0 .898660 -6.017407 60 40 20 0 .0 1 0 . of regression Sum squared resid Log likelihood Coefficient 0.889781 1.000000 0.019222 0.027475 1611.007678 0.000849 0.D.000000 0. 0. Modelul de evolutie al randamentelor cursului ROL/EURO Modelul Random Walk Dependent Variable: DEURO Method: Least Squares Sample(adjusted): 2 468 Included observations: 467 after adjusting endpoints Variable C(1) R-squared Adjusted R-squared S.0 2 .0 2 Corelograma erorilor patratice 24 .

8884 0.43897 -0.874815 -6.990258 Mean dependent var S.686739 1.007678 -6. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 5.009709 -0.383659 Prob.046450 0.990512 0.001846 Std.269 1.6644 0.046820 t-Statistic -8.046709 0. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Testarea heteroskedasticitatii prin testul ARCH LM ARCH Test: F-statistic Obs*R-squared 0.994 2.9999 0.80E-05 -0.436274 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 11/29/01 Time: 20:43 Sample(adjusted): 4 468 Included observations: 465 after adjusting endpoints Variable C RESID^2(-1) RESID^2(-2) R-squared Adjusted R-squared S.000746 8.55E-06 0. 25 .D.5088 0.003568 -0.812665 0.88293 0. Error 0.142043 0.D.049442 0.E.2877 5.8655 0. nu sunt si identic distribuite (distributia are skewness pozitiv).006561 0.046701 0.43E-18 0.046453 t-Statistic 10.8354 0. Error 5. desi erorile sunt independent distribuite.046685 0. deoarece.827085 1.064349 Prob.437969 0.46E-05 -15.169428 -0.140397 0. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Randamentele cursului ROL/EURO nu respecta un proces Random Walk.7014 1.017963 0.47E-05 3.046691 0.031899 0.90965 -15.434095 0. 0.000357 0. 0.25 Testarea corelatiei seriale prin testul Breusch-Godfrey Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: RESID Method: Least Squares Date: 11/29/01 Time: 20:41 Variable C(1) RESID(-1) RESID(-2) RESID(-3) RESID(-4) RESID(-5) RESID(-6) R-squared Adjusted R-squared S.437969 Mean dependent var S.207867 -0.90E-05 8.007721 0. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -2.030877 -0.E.863626 Probability Probability 0.007910 -0.142043 0.11E-05 0.027424 1612.90E-08 0.011170 0.658971 Probability Probability 0.001849 -0.661164 -0.020268 0.990512 0.31E-06 3701.827085 0.994765 Std.4926 0.046729 0.0000 0.