ΜΕΣΑΠΣΤΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΜΑΠ

Χρονολογικζσ ΢ειρζσ & Προβλζψεισ: Διάλεξη 6η

Υποδείγματα ARCH-GARCH
• Υπό ςυνκικθ ετεροςκεδαςτικά υποδείγματα
• Ζννοια τθσ μεταβλθτότθτασ (volatility)
• Χαρακτθριςτικά και μζτρθςθ τθσ
μεταβλθτότθτασ
• Υπόδειγμα και Ζλεγχοσ ΑRCH
• Υποδείγματα GARCH και άλλεσ μορφζσ
• Παραδείγματα
 Ειςαγωγή (1)
• Υπάρχουν υποδείγματα που ενϊ ςυνολικά ζχουν ςτακερι
διακφμανςθ, παρουςιάηουν περιόδουσ με αςυνικιςτα
μεγάλθ μεταβλθτότθτα που εναλλάςςονται με περιόδουσ
ςχετικισ θρεμίασ.
• Φαινόμενα με ςυγκζντρωςθ τθσ μεταβλθτότθτασ ςε
περιόδουσ, αλλά ςταςιμότθτα ςε όλη τη δειγματική περίοδο.
• Δεσμευμζνη ή ‘υπό συνθήκη’ διακφμανση (conditional
variance):
ςτθρίηεται ςε δεομζνθ πλθροφόρθςθ
• Μη δεσμευμζνη διακφμανση (unconditional variance):
αφορά όλο το δείγμα και μπορεί να είναι ςτακερι.

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 2

 Ειςαγωγή (2)

• Στο εξισ, κα αναφερόμαςτε ςτθν υπό ςυνκικθ διακφμανςθ ωσ

μεταβλητότητα (volatility) για να τθ διακρίνουμε από τθ μθ
δεςμευμζνθ διακφμανση (variance) που ζχουμε χρθςιμοποιιςει
μζχρι τϊρα.
• Η υπό ςυνκικθ διακφμανςθ τθσ απόδοςθσ ενόσ οικονομικοφ
προϊόντοσ χρθςιμοποιείται ςυχνά ωσ μζτρο του κινδφνου μιασ
επζνδυςθσ
• Τα ARCH χρθςιμεφουν ςτθν πρόβλεψθ τθσ διακφμανςθσ των
μελλοντικϊν τιμϊν μιασ ςειράσ, με βάςθ τισ τελευταίεσ και
παλιότερεσ τιμζσ τθσ
• Η πρόβλεψθ τθσ μεταβλθτότθτασ βοθκά τον επενδυτι να
κατανοιςει καλφτερα τθ λειτουργία των αγορϊν (πχ ςε μετοχι με
μεγαλφτερθ μεταβλθτότθτα κα απαιτιςει μεγαλφτερθ απόδοςθ)

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 3

 Γενικόσ Δείκτησ Σιμϊν Χρηματιςτηρίου Αθηνϊν (ASE)
Ημερήςια ΢τοιχεία: 6/5/2005 – 25/9/2012

• ASE αρχικά ανοδικι τροχιά, ςταδιακι υποχϊρθςθ από τον Οκτϊβριο του
2008 (παγκόςμια χρθματοοικονομικι κρίςθ)
• Η διακφμανςθ είναι μεγαλφτερθ ςε υψθλότερα επίπεδα τιμϊν του δείκτθ
Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 4
 Η πορεία των αποδόςεων του ASE
.15

ASE_R
.10

.05

.00

-.05

-.10

-.15
2005 2006 2007 2008 2009 2010 2011 2012

𝑌𝑡
• Απόδοςθ: 𝐴𝑆𝐸_𝑟 = 𝑙𝑛 = 𝑙𝑛 𝑌𝑡 − 𝑙𝑛 𝑌𝑡−1
𝑌𝑡−1
• Η ASE_r φαίνεται να είναι ςτάςιμθ γφρω από μ=0
• Είναι εικόνα ςειράσ λευκοφ κορφβου
• Παρουςιάηει κατά περιόδουσ μεγάλθ μεταβλθτότθτα
• Εναλλαγι περιόδων χαμθλισ, υψθλισ μεταβλθτότθτασ

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 5

 Χαρακτηριςτικά Μεταβλητότητασ

• Παρατθροφμε ςυγκεντρϊςεισ μεταβλθτότθτασ

(volatility clusters)
• Η μεταβλθτότθτα κυμαίνεται μεταξφ ςυγκεκριμζνων
ορίων, δθλαδι θ διακφμανςθ όλθσ τθσ περιόδου
είναι ςτάςιμθ
• Η μεταβλθτότθτα αντιδρά διαφορετικά ςε μια
απότομθ αφξθςθ τθσ απόδοςθσ, απ’ ότι αντιδρά ςε
μια απότομθ μείωςθ: αποτζλεςμα μόχλευςθσ
(leverage effect)

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 6

΢υναρτήςεισ Αυτοςυςχζτιςησ των αποδόςεων
(β) Αυτοςυςχετίςεισ απόλυτων τιμϊν των
(α) Αυτοςυςχετίςεισ αποδόςεων
αποδόςεων

ACF ACF
0,3 0,3
ASE_rabs
0,2 0,2
ASE_r
0,1 0,1

0 0
1 5 9 13 17 21 25 29 1 5 9 13 17 21 25 29
-0,1 -0,1

-0,2 -0,2

(γ) Αυτοςυςχετίςεισ των τετραγϊνων των (δ) Μερικζσ αυτοςυςχετίςεισ των

αποδόςεων τετραγϊνων των αποδόςεων

ACF PAF
0,3 0,3
ASE_rsq ASE_rsq
0,2 0,2

0,1 0,1

0 0
1 5 9 13 17 21 25 29 1 5 9 13 17 21 25 29
-0,1 -0,1

-0,2 -0,2

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 7

 Μη γραμμικζσ ςυςχετίςεισ;
• Παρόλο που οι αποδόςεισ δεν ςυςχετίηονται γραμμικά
μεταξφ τουσ, μπορεί να υπάρχουν άλλου είδουσ ςυςχετιςμοί
• Πρζπει να εξετάςουμε αν θ ςειρά είναι αςυςχζτιςτθ και
ανεξάρτθτθ
• Αν μια ςειρά είναι ανεξάρτητη, τότε απουςιάηει κάκε είδουσ
ςυςχζτιςθ ςτισ τιμζσ τθσ και ςε μθ γραμμικοφσ και άλλουσ
μεταςχθματιςμοφσ
• Εξετάηουμε τισ ςυναρτιςεισ αυτοςυςχζτιςθσ και μερικισ
αυτοςυςχζτιςθσ, όχι μόνο τθσ ςειράσ των αποδόςεων, αλλά
και των απόλυτων τιμϊν τουσ, κακϊσ και των αποδόςεων ςτο
τετράγωνο
 Αυτζσ δείχνουν ςθμαντικζσ αυτοςυςχετίςεισ. Υπάρχει
μεταβλθτότθτα ςτθν ςειρά;

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 8

Κατανομή ΢υχνοτήτων και Περιγραφικά ΢τατιςτικά
των Αποδόςεων
600
Series: ASE_R
Sample 5/06/2005 9/25/2012
500 Observations 1928

400
Mean -0.000686
Median 0.000346
Maximum 0.134311
300 Minimum -0.102140
Std. Dev. 0.019400
Skewness 0.057982
200
Kurtosis 6.829803

100 Jarque-Bera 1179.361

Probability 0.000000

0
-0.10 -0.05 0.00 0.05 0.10

 Η κατανομι των αποδόςεων δεν ακολουκεί τθν κανονικι κατανομι

(JB=1179,3 με p-value=0,00)
 Μικρι κετικι αςυμμετρία (skewness=0,058 ≈ 0)
 Λεπτόκυρτθ (kurtosis=6,83 > 3)

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 9

 Λεπτόκυρτη κατανομή

Η κατανομι των αποδόςεων είναι λεπτόκυρτη, παρουςιάηει δθλαδι

– αιχμθρι κορυφι,
– φκίνει ταχφτερα και
– οι ουρζσ τθσ είναι ςυνικωσ πιο ςυμπαγείσ από αυτζσ τθσ κανονικισ
κατανομισ

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 10

΢υμπεράςματα για τισ αποδόςεισ του ASE

Συνεπϊσ:
1. Τα δεδομζνα τθσ απόδοςθσ των τιμϊν τθσ ASE
είναι αςυςχζτιςτα
2. Εμφανίηουν ανϊτερθσ τάξθσ εξάρτιςθ, λόγω τθσ
ςυγκζντρωςθσ μεταβλθτότθτασ
3. Η κατανομι τουσ είναι πιο παχιά ςτισ ουρζσ και
λεπτόκυρτθ
Τα παραπάνω εμφανίηονται ςυχνά ςε
χρθματοοικονομικά δεδομζνα

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 11

Μζτρηςη τησ υπό ΢υνθήκη Διακφμανςησ (1)

Κακιερϊνουμε τον όρο ‘υπό ςυνκικθ’, για να ορίςουμε το

μζςο και τθ διακφμανςθ μιασ ςειράσ υπό τθ ςυνκικθ ότι
είναι γνωςτό το ςφνολο των διακζςιμων πλθροφοριϊν μζχρι
τθν περίοδο t-1:

𝜇𝑡 = 𝛦(𝑌𝑡 |𝛪𝑡−1 ) και 𝜎𝑡2 = 𝐸 𝑌𝑡 −𝜇𝑡 )2 𝛪𝑡−1

όπου εκφράηει τον υπό συνθήκη μζσο (conditional mean)

και τθν υπό συνθήκη διακφμανση (conditional mean) τθσ
ςειράσ. Το ςφνολο των πλθροφοριϊν περιλαμβάνει όλεσ τισ
περαςμζνεσ τιμζσ τθσ χρονολογικισ ςειράσ που μελετάμε.

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 12

 Μζτρηςη τησ υπό ΢υνθήκη Διακφμανςησ (2)

Ασ κεωριςουμε λοιπόν ότι το υπόδειγμα

𝑌𝑡 = 𝜇𝑡 + 𝜀𝑡
𝑝 𝑞

𝜇𝑡 = 𝛿0 + 𝜃 ′ 𝑋𝑡 + 𝑎𝑗 𝑌𝑡−𝑗 + 𝛽𝑗 𝜀𝑡−𝑗
𝑗=1 𝑗=1
όπου 𝜇𝑡 αποτελεί τθν εξίςωςη του μζςου ενϊ θ υπό
ςυνθήκη διακφμανςη ιςοφται με

𝜎𝑡2 = 𝐸 𝑌𝑡 −𝜇𝑡 )2 𝛪𝑡−1 = 𝛦(𝜀𝑡2 |𝛪𝑡−1 )

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 13

 Μζτρηςη τησ υπό ΢υνθήκη Διακφμανςησ (3)

• Το 𝜀𝑡 είναι γραμμικά αςυςχζτιςτο, αλλά όχι

ανεξάρτθτο (iid), λόγω μεταβλθτότθτασ
• Το 𝑋𝑡 περιλαμβάνει προςδιοριςτικοφσ παράγοντεσ
• Το 𝜃 περιλαμβάνει τουσ ςυντελεςτζσ τουσ
• Η πιο απλι εξίςωςθ μζςου: 𝑌𝑡 = 𝛿0 + 𝜀𝑡
• Εξίςωςθ τθσ μεταβλθτότθτασ= υπό ςυνκικθ
διακφμανςθ
• Τα ARCH ζχουν ςκοπό τον προςδιοριςμό τθσ
δυναμικισ ςυμπεριφοράσ τθσ υπό ςυνκικθ
διακφμανςθσ – εξίςωςθσ μεταβλθτότθτασ

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 14

 Βήματα για τον προςδιοριςμό
τησ μεταβλητότητασ
• Ζλεγχοσ φπαρξθσ αυτοςυςχζτιςθσ και ταυτοποίθςθ του κατάλλθλου
ARMA υποδείγματοσ για τθν εξίςωςθ του μζςου που να ερμθνεφει
όλθ τθν γραμμικι εξάρτθςθ.
• Εκτίμθςθ τθσ παλινδρόμθςθσ του μζςου και ζλεγχο τθσ υπόκεςθσ
για φπαρξθ υπό ςυνκικθ ετεροςκεδαςτικότθτασ ςτα εκτιμθμζνα
κατάλοιπα τθσ εξίςωςθσ (ζλεγχοσ ARCH).
• Αν θ υπόκεςθ ARCH γίνει δεκτι, απαιτείται εξειδίκευςθ του
κατάλλθλου ARCH για τθν εκτίμθςθ του υποδείγματοσ από κοινοφ
με τισ εξιςϊςεισ του μζςου και τθσ μεταβλθτότθτασ.
• Διαγνωςτικόσ ζλεγχοσ ωσ προσ τθ ςυνολικι ερμθνευτικότθτα και
καταλλθλότθτα του υποδείγματοσ για προβλζψεισ τθσ
μεταβλθτότθτασ ςε μελλοντικζσ περιόδουσ.

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι

15
Ανάλυςθσ Χρονολογικϊν Σειρϊν
 Χαρακτηριςτικά ενόσ ARCH

Σε ζνα υπόδειγμα ARCH(q) κεωροφμε ότι:

𝜀𝑡 = 𝑢𝑡 𝜎𝑡 , 𝑢𝑡 ~ 𝑖𝑖𝑑(0,1)
2
𝜎𝑡2 = 𝛽0 + 𝛽1 𝜀𝑡−1 2
+ … + 𝛽𝑞 𝜀𝑡−𝑞
όπου
𝜀𝑡 είναι λευκόσ κόρυβοσ ενϊ 𝑢𝑡 είναι 𝑖𝑖𝑑(0,1)

Το 𝜎𝑡2 είναι θ υπό ςυνκικθ διακφμανςθ του τυχαίου ςφάλματοσ

𝜎𝑡2 = 𝐸 𝜀𝑡2 𝐼𝑡−1 = 𝐸 𝑢𝑡2 𝐼𝑡−1 𝐸 𝜎𝑡2 𝐼𝑡−1 = 𝐸 𝜎𝑡2 𝐼𝑡−1

𝐼𝑡−1 = πλθροφορία που ζχουμε για τθ ςειρά μζχρι τθ

χρονικι περίοδο t-1

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 16

 Χαρακτηριςτικά των ARCH (q)

o 𝜎𝑡 = τυπικι απόκλιςθ
o 𝑢𝑡 είναι ανεξάρτθτο των 𝜀𝑡−𝑗 για 𝑗 = 1,2, . . .
o 𝐸 𝑢𝑡2 𝐼𝑡−1 = 𝛦(𝑢𝑡2 ) = 1 λόγω 𝑖𝑖𝑑(0,1)
o 𝛽0 , 𝛽1 , …, 𝛽𝑞 άγνωςτα
o Πρζπει 𝛽0 > 0 και 𝛽1 , …, 𝛽𝑞 ≥ 0 αφοφ 𝜎𝑡2 ≥ 0
o Πρζπει να πλθροφν και τισ ςυνκικεσ ςταςιμότθτασ
o Αρχικά ζπρεπε και 𝜀𝑡 |𝐼𝑡−1 ~ 𝑁(0, 𝜎𝑡2 ) (Engle 1982)
o Μετά κεωρικθκαν και άλλεσ κατανομζσ (t-Student,
εκκετικζσ, κ.ά.)

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 17

 Παράδειγμα: ARCH (1)
Ζςτω ζνα ςτάςιμο AR(1) υπόδειγμα με ςφάλματα μορφισ
ARCH(1):
2
𝑦𝑡 = 𝑎𝑦𝑡−1 + 𝜀𝑡 και 𝜀𝑡 = 𝑢𝑡 𝛽0 + 𝛽1 𝜀𝑡−1

όπου 𝜀𝑡 λευκόσ κόρυβοσ, 𝑢𝑡 ~ 𝑖𝑖𝑑 0,1

𝛽0 > 0 και 0 < 𝛽1 < 1

• Το υπόδειγμα αυτό υπονοεί ότι μετά από μια μεγάλθ

διαταραχι, υπάρχει μεγαλφτερθ πικανότθτα να
επακολουκιςει μια άλλθ επίςθσ μεγάλθ διαταραχι.
2
• Πράγματι, ζνα μεγάλο/μικρό 𝜀𝑡−1 ςυνεπάγεται ζνα
2
μεγάλο/μικρό ςε απόλυτεσ τιμζσ 𝜀𝑡 τθν τρζχουςα περίοδο και
άρα, επίςθσ, μια μεγάλθ/μικρι διακφμανςθ (μεταβλθτότθτα).

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 18

 ARCH (1): Κατανομή ςφαλμάτων
Με βάςθ τα παραπάνω και κεωρϊντασ επιπρόςκετα τθν
υπόκεςθ τθσ κανονικότθτασ, θ υπό ςυνκικθ κατανομι των
ςφαλμάτων, κακϊσ και θ μθ δεςμευμζνθ κατανομι τουσ ςτθν
περίπτωςθ μιασ AR(1) διαδικαςίασ ςυνοψίηονται ωσ εξισ:
Δεςμευμζνθ κατανομι 𝜀𝑡 | 𝛪𝑡−1 ~ 𝛮 0, 𝜎𝑡2
2 𝛽0
Μθ δεςμευμζνθ κατανομι 𝜀𝑡 ~ 𝛮(0, 𝜎 = 1−𝛽1
)
με
2 2
𝜎𝑡2 = 𝛽0 + 𝛽1 𝜀𝑡−1 2
+ … + 𝛽𝑞 𝜀𝑡−𝑞 = 𝛽0 + 𝛢(𝐿) 𝜀𝑡−1
• Αλλά 𝜎𝑡2 = μθ παρατθριςιμθ
• Μποροφμε ςτθν κζςθ τθσ 𝜎𝑡2 να βάλουμε μια αμερόλθπτθ
εκτίμθςι τθσ, πχ 𝜀𝑡2
Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 19
 ARCH (1): Κατανομή ςφαλμάτων
Αποδεικνφεται ότι
𝜀𝑡2 = 𝛽0 + 𝛽1 𝜀𝑡−1
2 2
+ … + 𝛽𝑞 𝜀𝑡−𝑞 + 𝜂𝑡 , t = q+1,…, N (Α)
όπου 𝜂𝑡 = 𝜎𝑡2 − 𝜀𝑡2
• ζχει μθδενικό μζςο,
• δεν αυτοςυςχετίηεται,
• αλλά δεν είναι iid
Το υπόδειγμα (Α) ζνα AR υπόδειγμα τθσ ςειράσ των τετραγϊνων των υπό
ςυνκικθ ετεροςκεδαςτικϊν (conditional heteroscedastic, CH) καταλοίπων
(𝜀𝑡2 )
 Υπόδειγμα ARCH
 Το υπόδειγμα αυτό χρθςιμεφει αφενόσ για τον ζλεγχο φπαρξθσ υπό
ςυνκικθ ετεροςκεδαςτικότθτασ, αφετζρου για τθν εκτίμθςθ του AR,
διορκϊνοντασ ταυτόχρονα γα τθν ετεροςκεδαςτικότθτα που τυχόν ζχει
διαγνωςτεί.

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 20

 Ζλεγχοι ARCH ςτα κατάλοιπα
Ο ζλεγχοσ ARCH ςτα κατάλοιπα τθσ εξίςωςθσ του μζςου μπορεί
να γίνει μζςω τθσ βοθκθτικισ παλινδρόμθςθσ (Α) κζτοντασ όπου
𝜀𝑡2 τισ LS εκτιμιςεισ των καταλοίπων τθσ πρϊτθσ.
Ζλεγχοσ ομοςκεδαςτικότθτασ: 𝛨0 : 𝛽1 = ⋯ = 𝛽𝑞 = 0
Με κριτιριο LM (κατανομι 𝜒𝑞2 ) ι με τον 𝐹 ζλεγχο:

Θζτουμε 𝑆𝑆𝑅 𝑅 = (𝜀𝑡2 −𝜇)2 και 𝑆𝑆𝑅 𝑈𝑅 = 𝜂𝑡2

(𝑆𝑆𝐸 𝑅 − 𝑆𝑆𝐸 𝑈 )/𝑞

𝐹=
𝑆𝑆𝐸𝑈 /(𝑁 − 𝑞 − 1)
 Αν 𝐹 > 𝐹𝑞,(𝑁−𝑞−1) για α%, απορρίπτεται θ 𝛨0
 Η 𝐹 προτιμάται για ζλεγχο ςε μικρά δείγματα
 Αςυμπτωτικά θ 𝐹 ακολουκεί τθν 𝜒𝑞2
Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 21
 Τπόδειγμα AR(p) - ARCH (m)
• Εάν διαπιςτωκεί φαινόμενο ARCH, τότε μποροφμε να εφαρμόςουμε τθν
ανάλυςθ Box-Jenkins για τθν ταυτοποίθςθ του υποδείγματοσ (A) και ςτθ
ςυνζχεια να εκτιμιςουμε το κατάλλθλο ARCH υπόδειγμα.
• Για παράδειγμα, αν καταλιξουμε ςτθ μορφι AR(p) - ARCH(m), τότε κα
ζχουμε:
𝑝

𝐴𝑅 𝑝 : 𝑌𝑡 = 𝛿 + 𝑎𝑗 𝑌𝑡−𝑗 + 𝜀𝑡 = 𝜇𝑡 + 𝜀𝑡
𝑗=1
𝜀𝑡 | 𝛪𝑡−1 ~ 𝛮 0, 𝜎𝑡2
𝑚
2
𝐴𝑅𝐶𝐻 𝑚 : 𝜎𝑡2 = 𝛽0 + 𝛽𝑗 𝜀𝑡−𝑗
𝑗=1
 Διαςφάλιςθ κετικότθτασ διακφμανςθσ, μζςω περιοριςμϊν ςτισ
παραμζτρουσ του ARCH

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 22

 Εκτίμηςη υποδείγματοσ ARCH

• H εκτίμθςθ ARCH μπορεί να γίνει με LS, όμωσ επειδι 𝜂𝑡 δεν

είναι iid), οι εκτιμιςεισ LS είναι αμερόλθπτεσ και ςυνεπείσ,
αλλά όχι αποτελεςματικζσ. Δεν ενδείκνυται για μικρά
δείγματα.
• Μζκοδοσ των γενικευμζνων ελαχίςτων τετραγϊνων
(generalized least squares) ι αλλιϊσ GLS
• Για τθν εκτίμθςθ των υποδειγμάτων ARCH εφαρμόηεται
κυρίωσ θ μζκοδοσ μζγιςτθσ πικανοφάνειασ (ML), βλ.
Τηαβαλισ, 2008; Greene, 2012.

• Μετά τθν εκτίμθςθ κάνουμε διαγνωςτικό ζλεγχο του ARCH

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 23

 Διαγνωςτικόσ Ζλεγχοσ
• Μετά τθν εκτίμθςθ πρζπει να ακολουκιςει ο διαγνωςτικόσ ζλεγχοσ
του υποδείγματοσ όπωσ ςυνθκίηεται ςε όλεσ τισ διαδικαςίεσ ARMA.
• Η υπόκεςθ που κάνουμε ςτα υποδείγματα ARCH είναι ότι οι
καινοτομικζσ διαταραχζσ είναι ανεξάρτθτεσ τυποποιθμζνεσ :
𝑢𝑡 = 𝜀𝑡 /𝜎𝑡 είναι 𝑖𝑖𝑑(0,1)
• Επιπλζον για τθν εκτίμθςθ ML υποκζτουμε ότι ακολουκοφν τθν
κανονικι κατανομι
𝜀𝑡
• Τυποποιθμζνα κατάλοιπα: 𝑢𝑡 =
𝜎𝑡
• Αν το ARCH είναι ςωςτά ταυτοποιθμζνο τότε τα κατάλοιπα του
πλθςιάηουν το 𝑖𝑖𝑑 𝛮(0,1)
• Μποροφμε να κάνουμε ζλεγχο ςτα τυποποιθμζνα κατάλοιπα
– 𝑄LB ςτο AR(q)
– τετράγωνα τουσ ςτο ARCH(m)
• Οι ςυντελεςτζσ αςυμμετρίασ κφρτωςθσ, και τα διαγράμματα QQ είναι
χριςιμα για τον ζλεγχο των χαρακτθριςτικϊν τθσ κατανομισ των
καταλοίπων

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 24

 Μειονεκτήματα των ARCH
• Oι ζλεγχοι καταλιγουν ςε ζνα μεγάλο αρικμό
ςτατιςτικά ςθμαντικϊν υςτεριςεων των
τετραγϊνων των καταλοίπων ςτθν εξίςωςθ ARCH
• Περιοριςμοί μθ αρνθτικότθτασ των ςυντελεςτϊν
𝛽𝑗
• Δεν ζχουν δυνατότθτα διαφοροποίθςθσ των
επιδράςεων μεταξφ κετικϊν και αρνθτικϊν
διαταραχϊν
• Δεν δίνουν τθ δυνατότθτα να κατανοθκοφν οι
πθγζσ τθσ μεταβλθτότθτασ

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 25

 Εμπειρικό Παράδειγμα
Ημερήςιεσ αποδόςεισ του Δείκτη Σιμϊν ASE_r

 Οι αποδόςεισ ASE_r είναι ςτάςιμεσ και

αςυςχζτιςτεσ, αλλά παρουςιάηουν υπό ςυνκικθ
ετεροςκεδαςτικότθτα (ζντονεσ ςυςχετίςεισ ςτα
τετράγωνα και τισ απόλυτεσ τιμζσ των αποδόςεων).
• Στο παράδειγμα αυτό θ εξίςωςθ του μζςου δεν
περιλαμβάνει άλλουσ παράγοντεσ πζραν τθσ
ςτακεράσ, αφοφ θ ςειρά είναι ςτάςιμθ και
• δεν εμφανίηει καμιάσ μορφισ γραμμικι ςυςχζτιςθ,
όπωσ ζδειξε το ςτατιςτικό κριτιριο Q.

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 26

 Εμπειρικό Παράδειγμα
Ημερήςιεσ αποδόςεισ του Δείκτη Σιμϊν ASE_r
Εφαρμόηουμε ζλεγχο ARCH(1) ςε δφο ςτάδια
(α) Εκτίμθςθ LS τθσ εξίςωςθσ του μζςου:
𝑌𝑡 = 𝛿 + 𝜀𝑡
(β) Παλινδρόμθςθ του τετραγϊνου των εκτιμθμζνων
2
καταλοίπων 𝜀𝑡2 = 𝛽0 + 𝛽1 𝜀𝑡−1 + 𝜂𝑡

και (γ) ζλεγχο ςτατιςτικισ ςθμαντικότθτασ τθσ

παραμζτρου 𝛽1

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 27

 Εμπειρικό Παράδειγμα Τποδείγματοσ ARCH (2)
΢υςχετίςεισ των Σετραγϊνων των Καταλοίπων ARCH (𝜺𝟐𝒕 )

Ζλεγχοσ υπό ΢υνθήκη Ετεροςκεδαςτικότητασ (ARCH)

Heteroskedasticity Test: ARCH

F-statistic 37.30202 Prob. F(1,1925) 0.0000

Obs*R-squared 36.63095 Prob. Chi-Square(1) 0.0000

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample (adjusted): 5/09/2005 9/25/2012
Included observations: 1927 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 0.000324 2.22E-05 14.61645 0.0000

RESID^2(-1) 0.137875 0.022575 6.107538 0.0000

R-squared 0.0190 Mean dependent var 0.00037

Adjusted R-squared 0.0185 S.D. dependent var 0.00091
S.E. of regression 0.0009 Akaike info criterion -11.18681
Sum squared resid 0.0015 Schwarz criterion -11.18104
Log likelihood 10780 Hannan-Quinn criter. -11.18469
F-statistic 37.302 Durbin-Watson stat 2.049554
Prob(F-statistic) 0.000

ραςμα από όλουσ τουσ ελζγχουσ είναι ότι θ υπόκεςθ

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 28

Εμπειρικό Παράδειγμα Τποδείγματοσ ARCH (3)
 Ζλεγχοσ με κριτιριο F και με LM Engle
 Όλα τα προθγοφμενα από Q (24) = 815,79 ζχουν
υψθλζσ τιμζσ με prob.=0.00
 Η υπόκεςθ Ho τθσ ομοςκεδαςτικότθτασ
απορρίπτεται
 Το υπόδειγμα είναι ετεροςκεδαςτικό ARCH
 PAC: μθδενίηονται απότομα από τθν ζβδομθ
υςτζρθςθ, άρα είναι ARCH(7):
𝑌𝑡 = 𝛿 + 𝜀𝑡 𝜀𝑡 | 𝛪𝑡−1 ~ 𝛮 0, 𝜎𝑡2
2
𝜎𝑡2 = 𝛽0 + 𝛽1 𝜀𝑡−1 2
+ … + 𝛽7 𝜀𝑡−7
Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 29
Εκτιμήςεισ Μζγιςτησ Πιθανοφάνειασ (ML) υποδείγματοσ ARCH(7)
Dependent Variable: ASE_R
Method: ML - ARCH (Marquardt) - Normal distribution
Date: 10/03/12 Time: 16:27
Sample: 5/06/2005 9/25/2012
Included observations: 1928
Convergence achieved after 15 iterations
Presample variance: backcast (parameter = 0.7)
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*RESID(-2)^2 + C(5)*RESID(
-3)^2 + C(6)*RESID(-4)^2 + C(7)*RESID(-5)^2 + C(8)*RESID(-6)^2
+ C(9)*RESID(-7)^2

Variable Coefficient Std. Error z-Statistic Prob.

C 0.000741 0.000281 2.637453 0.0084

Variance Equation

C 4.02E-05 6.56E-06 6.131290 0.0000

RESID(-1)^2 0.093775 0.022532 4.161931 0.0000
RESID(-2)^2 0.143356 0.027183 5.273794 0.0000
RESID(-3)^2 0.197430 0.021141 9.338831 0.0000
RESID(-4)^2 0.175288 0.024279 7.219616 0.0000
RESID(-5)^2 0.098430 0.021945 4.485406 0.0000
RESID(-6)^2 0.118421 0.019436 6.092830 0.0000
RESID(-7)^2 0.212532 0.025806 8.235853 0.0000

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι

30
Ανάλυςθσ Χρονολογικϊν Σειρϊν
 Εξζλιξη τησ υπό ΢υνθήκη Διακφμανςησ των Καταλοίπων
.005

.004

.003
Conditional variance

.002

.001

.000
2005 2006 2007 2008 2009 2010 2011 2012

Εξζλιξη των Συποποιημζνων Καταλοίπων

Εξζλιξη των Συποποιημζνων Καταλοίπων
6

-2

-4

Standardized Residuals
-6

-8
2005 2006 2007 2008 2009 2010 2011 2012

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 31

Παράδειγμα Αποδόςεων: Ερμηνεία εκτιμήςεων (1)
 Οι εκτιμιςεισ των παραμζτρων τθσ ARCH πλθροφν τισ
απαιτοφμενεσ ςυνκικεσ κετικότθτασ και είναι ςτατιςτικά
ςθμαντικζσ
 Παρατθροφμε εναλλαγι περιόδων ζνταςθσ και
ομαλότθτασ ςτθν υπό ςυνκικθ διακφμανςθ των
καταλοίπων
 Ο ζλεγχοσ επάρκειασ του μζςου γίνεται με Q-Statistic ςτα
τυποποιθμζνα κατάλοιπα, ενϊ τθσ εξίςωςθσ
μεταβλθτότθτασ ARCH με τον ίδιο ζλεγχο ςτα τετράγωνά
τουσ.
 Ο ζλεγχοσ ARCH ςτα κατάλοιπα ζδωςε: Q (24)=26,65 με
prob.= 0,32 και Q(24)=24,87 με prob.= 0,41 αντίςτοιχα

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 32

 Παράδειγμα Αποδόςεων: Ερμηνεία εκτιμήςεων (2)

• Τα τυποποιθμζνα κατάλοιπα είναι ομοςκεδαςτικά,

αλλά θ υπόκεςθ κανονικότθτασ παραβιάηεται.
• Συνοψίηοντασ, το υπόδειγμα που εξειδικεφςαμε
είναι ςυνεπζσ με όλουσ τουσ διαγνωςτικοφσ
ελζγχουσ που ζγιναν, πλθν τθσ υπόκεςθσ τθσ
κανονικότθτασ.
• Αυτό ςθμαίνει ότι κα πρζπει να γίνει εξειδίκευςθ
άλλθσ κατανομισ και επανζλεγχοσ για τυχόν φπαρξθ
ετεροςκεδαςτικότθτασ μορφισ GARCH.

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι

33
Ανάλυςθσ Χρονολογικϊν Σειρϊν
 Τπόδειγμα GARCH και άλλεσ μορφζσ (1)
• Στθριηόμενοσ ςε μια ιδζα του Engle ότι το ARCH υπόδειγμα
ζμοιαηε περιςςότερο ςαν ζνα υπόδειγμα κινθτϊν μζςων παρά ςαν
αυτοπαλίνδρομο, o Bollerslev (1986) γενίκευςε τθν εξίςωςθ τθσ
ARCH διακφμανςθσςε μορφι ARMA.
• Γενικευμζνο ARCH - GARCH(p,q)
𝑝 𝑞
2 2
𝜎𝑡2 = 𝛿0 + 𝛿𝑗 𝜎𝑡−𝑗 + 𝛽𝑗 𝜀𝑡−𝑗 ⇒
𝑗=1 𝑗=1

2 2
𝜎𝑡2 = 𝛿0 + 𝐷 𝐿 𝜎𝑡−1 + 𝛣 𝐿 𝜀𝑡−1

𝐷 𝐿 : Tο πολυϊνυμο υςτεριςεων τθσ υπό ςυνκικθ 𝜎𝑡2

Β(𝐿):Tο πολυϊνυμο υςτεριςεων των τετραγϊνων των καταλοίπων
τθσ εξίςωςθσ του μζςου
Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 34
 Τπόδειγμα GARCH και άλλεσ μορφζσ (2)
Στο GARCH θ υπό ςυνκικθ διακφμανςθ εξαρτάται:
– Προθγοφμενεσ τιμζσ ςφαλμάτων ςτο τετράγωνο
ΚΑΙ ΕΠΙΣΗΣ
– Προθγοφμενεσ τιμζσ τθσ ίδιασ τθσ διακφμανςθσ
• Για p=0:
=> το υπόδειγμα καταλιγει ςε ζνα ARCH(q)
• Για p=1 και q=1:
2 2
=> GARCH(1,1): 𝜎𝑡2 = 𝛿0 + 𝛿𝜎𝑡−1 + 𝛽𝜀𝑡−1

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 35

 Τπόδειγμα GARCH και άλλεσ μορφζσ (2)
• Ορίηοντασ τισ τυχαίεσ αποκλίςεισ:
𝑢𝑡 = 𝜀𝑡2 − 𝜎𝑡2
τότε το GARCH(1,1) μεταςχθματίηεται ςτθν εξίςωςθ:
2
𝜀𝑡2 = 𝛿0 + 𝛿 + 𝛽 𝜀𝑡−1 + 𝑢𝑡 − 𝛿𝑢𝑡−1
που πρόκειται για ζνα ARMA(1,1)
• Παρόλο που τα ςφάλματα είναι αςυςχζτιςτα,
παρουςιάηουν ετεροςκεδαςτικότθτα
• Για να είναι ςτάςιμο το ARMA πρζπει |δ + β| < 1
αλλά λόγω υπόκεςθσ μθ αρνθτικότθτασ αρκεί
(𝛿 + 𝛽) < 1
Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 36
 Τπόδειγμα GARCH και άλλεσ μορφζσ (4)
Με διαδοχικζσ αντικαταςτάςεισ ςτο GARCH(1,1):
2 2
𝜎𝑡2 = 𝛿0 + 𝛿𝜎𝑡−1 + 𝛽𝜀𝑡−1
2 2 2
= 𝛿0 + 𝛿(𝛿0 + 𝛿𝜎𝑡−2 + 𝛽𝜀𝑡−2 ) + 𝛽𝜀𝑡−1

2 2 2
= 𝛿0 1 + 𝛿 + 𝛿 2 + ⋯ + 𝛽 𝜀𝑡−1 + 𝛿𝜀𝑡−2 + 𝛿 2 𝜀𝑡−3 +⋯
𝛿0 ∞ 𝑗−1 2
= +𝛽 𝑗=1 𝛿 𝜀𝑡−𝑗 ⇒ ARCH(∞)
1−𝛿
Άρα, το GARCH(1,1) υπόδειγμα πλεονεκτεί ζναντι ενόσ ARCH
μεγάλθσ τάξθσ, κακόςον
• περιζχει πολφ λιγότερεσ παραμζτρουσ για εκτίμθςθ
• ζχει περιςςότερουσ βακμοφσ ελευκερίασ και
• λιγότερουσ περιοριςμοφσ ςε παραμζτρουσ.
Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 37
 Τπόδειγμα GARCH και άλλεσ μορφζσ (5)
• Ζνα GARCH(p,q) με μικρά p,q ζχει καλφτερη
προςαρμοςτικότθτα από ARCH(q) με μεγάλο q
(Bolerslev, 1986)
• Στον ζλεγχο φπαρξθσ GARCH εφαρμόηουμε Box-Jenkins
ςτα τετράγωνα των καταλοίπων
• Εξετάηουμε correlogram των 𝜀𝑡2 για ομοςκεδαςτικότθτα
• Η απόρριψθ τθσ Η0 είναι ζνδειξθ φπαρξθσ ARCH-GARCH
• Η εκτίμθςθ του GARCH γίνεται με ML ςτθν υπό ςυνκικθ
διακφμανςθ για τα p και q που προςδιορίςτθκαν

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 38

 Παράδειγμα Εκτίμηςησ GARCH
Η Πορεία του Πληθωριςμοφ με Σριμηνιαία ΢τοιχεία: 1959/ΙΙ-2012/ΙΙ
14

12
INFL_SA
10

-2
60 65 70 75 80 85 90 95 00 05 10

 Φαίνεται ζντονθ μεταβλθτότθτα κατά περιόδουσ

 Η μεταβλθτότθτα παρουςιάηει ζντονεσ εξάρςεισ ςτισ
δεκαετίεσ του 70 και 80
 Αρχικά ταυτοποίθςθ του ARMA και ςτθ ςυνζχεια
ζλεγχοσ ARCH των εκτιμιςεων LS των καταλοίπων
Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 39
τιμήςεισ Μζγιςτησ Πιθανοφάνειασ ARCH-GARCH Αςυμμετρίασ και Μζςου

Μεταβλητή ARCH(4) GARCH(4,4) GARCH(1,4)

Εξίσωση Μζσου: AR(2) τησ 𝑌𝑡
1.432* 2.208* 1.542*
c
(0.627) (0.992) (0.640)
0.564* 0.604* 0.574*
𝑌𝑡 −1
(0.058) (0.051) (0.044)
0.364* 0.324* 0.358*
𝑌𝑡 −2
(0.056) (0.057) 0.049
ARCH(1): F (1, 208) = 9.31 prob.=0.002
ARCH(6): F (6, 198) = 9.31 prob.=0.000
Εξίσωση Διακφμανσης: Εξαρτημζνη μεταβλητή 𝜎𝑡2
0.178* 1.267* 0.173*
c
(0.052) (0.402) (0.058)

2
0.344* 0.140 0.290*
𝜀𝑡−1
(0.119) (0.091) (0.106)

2
0.260* 0.131* 0.268*
𝜀𝑡−2
(0.099) (0.061) (0.101)

2
-0.023 0.025* -0.083
𝜀𝑡−3
(0.072) (0.096) (0.076)
40
0.529* 0.184 0.534*
𝜀2
 Αποτελζςματα ελζγχων (1)
 Προκφπτει AR(2), από το correlogram τθσ INFL_SA
 Όλοι οι ζλεγχοι ARCH ζδειξαν τθν φπαρξθ υπό
ςυνκικθ ετεροςκεδαςτικότθτασ
 Το ARCH(4)ζχει καλι προςαρμοςτικότθτα, αλλά δεν
είναι όλοι οι παράμετροι κετικοί
 GARCH(4,4) vs. GARCH(1,4) ⇒ GARCH(1,4)
– Οι όροι του GARCH(4,4) δεν είναι ςτατιςτικά
ςθμαντικοί (εξαίρεςθ θ τρίτθ υςτζρθςθ)
– GARCH(1,4) ζχει το μεγαλφτερο logL
– GARCH(1,4) ζχει μικρότερα AIC, SΙC, HQ
Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 41
 Ζλεγχοσ Κατανομήσ Κατανομή τυποποιημζνων καταλοίπων ζναντι τησ κανονικήσ
Κατανομή ςυχνοτήτων τυποποιημζνων καταλοίπων GARCH(1,1) 3

50 2
Series: STAND_RES
Sample 1959Q2 2012Q2

Quantiles of Normal
40 Observations 211 1

Mean 0.095094
0
30 Median -0.017066
Maximum 5.183369
Minimum -2.472985 -1
20 Std. Dev. 0.998358
Skewness 0.945471
Kurtosis 6.574972 -2
10
Jarque-Bera 143.7972
-3
Probability 0.000000 -3 -2 -1 0 1 2 3 4 5 6
0
-2 -1 0 1 2 3 4 5 Quantiles of STAND_RES

 Συντελεςτζσ αςυμμετρίασ (Skewness=0,94) και κφρτωςθσ

(Kurtosis=6,57)
 Η κατανομι παρουςιάηει κετικι αςυμμετρία και είναι πιο
λεπτόκυρτθ από τθν κανονικι κατανομι
 Τα ςθμεία που αντιςτοιχοφν ςε μεγάλεσ διαταραχζσ
απομακρφνονται από τθν ευκεία ςτο QQ διάγραμμα

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 42

 Ανακεφαλαίωςη
• Με τα ARCH και GARCH εκτιμοφμε τισ επιδράςεισ από
τθν μεταβολι κατά περιόδουσ ςτθ διακφμανςθ που
παρουςιάηουν οι χρθματοοικονομικζσ ςειρζσ
• Φαινόμενα ςυγκζντρωςθσ τθσ μεταβλθτότθτασ ςε
περιόδουσ υψθλισ μεταβλθτότθτα και περιόδουσ
χαμθλισ (υπό ςυνκικθ ετεροςκεδαςτικότθτα)
• Σε κάκε μορφι ARCH πρζπει να εξειδικεφεται:
1) θ εξίςωςθ του υπό ςυνκικθ μζςου τθσ ςειράσ
2) θ εξίςωςθ τθσ υπό ςυνκικθ διακφμανςθσ των
καταλοίπων τθσ
3) θ μορφι τθσ κατανομισ των ARCH καταλοίπων

Δθμζλθ Σ. (2013), Σφγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν Σειρϊν 43