Αριστοτελειο Πανεπιστηµιο Θεσσαλονικης

Τµηµα Οικονοµικων Σπουδων

Αναλυση χρονοσειρων (Οικονοµετρια ΙΙ)

Αυτοπαλίνδροµη δεσµευµένη ετεροσκεδαστικότητα

∆ρ Νικόλαος Σ. Θωµαΐδης
Λέκτορας Οικονοµετρίας

nthomaid@econ.auth.gr

11 Νοεµβρίου 2014
ΠΕΡΙΕΧΟΜΕΝΑ 2

Περιεχόµενα

1 Εισαγωγή 3

2 Η σηµασία της αποτύπωσης της ιδιότητας ARCH 3

3 Η ανάγκη της εισαγωγής ενός υποδείγµατος διακύµανσης 4

4 Υποδείγµατα ARCH 7

4.1 Εισαγωγή . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

4.2 Υποδείγµατα ARCH πρώτης τάξεως . . . . . . . . . . . . . . . . . . . . . . . . . . 8

4.3 Υποδείγµατα ARCH ανώτερης τάξεως . . . . . . . . . . . . . . . . . . . . . . . . . 9

4.4 ΄Ελεγχοι ύπαρξης ετεροσκεδαστικότητας τύπου ARCH . . . . . . . . . . . . . . . . 10

4.4.1 Γραφικές µέθοδοι . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4.4.2 ΄Ελεγχος του Engle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

5 Υποδείγµατα GARCH 12
1 ΕΙΣΑΓΩΓΗ 3

1 Εισαγωγή1

• Σε πολλές χρονολογικές σειρές2 παρατηρούνται διαχρονικές αλ-

λαγές στα επίπεδα µεταβλητότητας (ϐλ. σχήµατα 1 - 3).

• Συγκεκριµένα, απρόσµενα νέα ή απρόβλεπτες εξελίξεις της οι-

κονοµίας προκαλούν στο άµεσο µέλλον απότοµες αυξοµειώσεις
τιµών προς οποιαδήποτε κατεύθυνση (ϑετικές ή αρνητικές).

• Το αποτέλεσµα είναι να δηµιουργούνται κλάσεις µεταβλητότη-

τας (volatility clusters), δηλ. χρονικές περίοδοι υψηλής αβε-
ϐαιότητας ή σχετικής ¨ηρεµίας¨, που διαδέχονται η µία την άλλη
(ϐλ. σχήµα 4).

• Παρόλες τις ϐραχυχρόνιες αυξοµειώσεις, η συνολική (µακρο-

χρόνια) µεταβλητότητα παραµένει σταθερή και δεν εκρήγνυται.

• Το ϕαινόµενο αυτό, χαρακτηριστικό πολλών χρηµατοοικονοµι-

κών χρονοσειρών, είναι γνωστό στη ϐιβλιογραφία ως Αυτοπαλίν-
δροµη Υπό Συνθήκη Ετεροσκεδαστικότητα ή Αυτοπαλίνδροµη ∆ε-
σµευµένη Ετεροσκεδαστικότητα (Autoregressive Conditional H-
eteroskedasticity - ARCH)3 .

2 Η σηµασία της αποτύπωσης της ιδιότητας ARCH

• Παρόλο που στην αγορά σπανίζουν οι προβλέψιµες τάσεις σε

επίπεδα τιµών...
1
Βλ. επίσης Κάτος (2004), ενότητα 6.7 και Gujarati & Porter (2013), ενότητα 22.10.
2
Με τον όρο χρονολογική σειρά εννοούµε ένα σύνολο παρατηρήσεων µε χρονική διάταξη.
3
Ο όρος οφείλεται στον Engle (1982).
3 Η ΑΝΑΓΚΗ ΤΗΣ ΕΙΣΑΓΩΓΗΣ ΕΝΟΣ ΥΠΟ∆ΕΙΓΜΑΤΟΣ ∆ΙΑΚΥΜΑΝΣΗΣ 4

• ...παρατηρούµε ότι η τρέχουσα διακύµανση των αποδόσεων ε-

ξαρτάται από παρελθοντικές κινήσεις τιµών

• Συνεπώς είναι προβλέψιµη !

• Η µοντελοποίηση του ϕαινοµένου της διαδοχής των κλάσεων

µεταβλητότητας έχει ιδιαίτερη σηµασία στην ανάλυση και δια-
χείριση του επενδυτικού κινδύνου.

8000
CAC
DAX
7000

6000

5000

4000

3000

2000

1000
Sep87 Jun90 Mar93 Dec95 Sep98 May01 Feb04

Σχήµα 1: Ηµερήσιες τιµές κλεισίµατος των χρηµατιστηριακών δεικτών CAC και DAX για τη
χρονική περίοδο 10/07/87 έως 22/03/02 (πηγή δεδοµένων : Yahoo.Finance.)

3 Η ανάγκη της εισαγωγής ενός υποδείγµατος διακύµανσης

• Τα κλασικό υπόδειγµα Gauss-Markov ϑεωρεί ότι τα κατάλοιπα

είναι οµοσκεδαστικά, δηλ. έχουν τον ίδιο ϐαθµό µεταβλητότητας
κατά µήκος του δείγµατος των παρατηρήσεων.

• Γενικεύσεις του κλασικού µοντέλου µε κάποια µορφή ετεροσκε-

δαστικότητας στον διαταρακτικό όρο έχουν προταθεί στη ϐιβλιο-
γραφία.
3 Η ΑΝΑΓΚΗ ΤΗΣ ΕΙΣΑΓΩΓΗΣ ΕΝΟΣ ΥΠΟ∆ΕΙΓΜΑΤΟΣ ∆ΙΑΚΥΜΑΝΣΗΣ 5

CAC
0.1

0.05

−0.05

−0.1

Sep87 Jun90 Mar93 Dec95 Sep98 May01 Feb04

DAX
0.1

0.05

−0.05

−0.1

Sep87 Jun90 Mar93 Dec95 Sep98 May01 Feb04

Σχήµα 2: Ηµερήσιες λογαριθµικές αποδόσεις των χρηµατιστηριακών δεικτών CAC και DAX για
τη χρονική περίοδο 10/07/87 έως 22/03/02.)

CAC
0.01
squared returns

0.008

0.006

0.004

0.002

0
Sep87 Jun90 Mar93 Dec95 Sep98 May01 Feb04
lags

DAX
squared returns

0.015

0.01

0.005

0
Sep87 Jun90 Mar93 Dec95 Sep98 May01 Feb04
lags

Σχήµα 3: Η ϐραχυχρόνια µεταβλητότητα των αποδόσεων των χρηµ. δεικτών CAC και DAX . Ως
µέτρο µεταβλητότητας χρησιµοποιείται το τετράγωνο της λογαριθµικής απόδοσης (rt2 ).
3 Η ΑΝΑΓΚΗ ΤΗΣ ΕΙΣΑΓΩΓΗΣ ΕΝΟΣ ΥΠΟ∆ΕΙΓΜΑΤΟΣ ∆ΙΑΚΥΜΑΝΣΗΣ 6

0.04

0.02

−0.02

−0.04

−0.06

Feb98 Sep98 Mar99 Oct99 Apr00 Nov00 May01

Σχήµα 4: ∆ιαχρονικές αλλαγές στα επίπεδα µεταβλητότητας των ηµερήσιων αποδόσεων του χρη-
µατιστηριακού δείκτη DAX.

• Ωστόσο, στις περισσότερες περιπτώσεις, η µεταβλητότητα αντι-

µετωπίζεται ως µία ¨παθογένεια¨ του µοντέλου παλινδρόµησης
που χρήζει αντιµετώπισης και όχι ως µία επιπλέον στατιστική
ιδιότητα των δεδοµένων µας η οποία παρέχει στον αναλυτή χρή-
σιµη πληροφορία.

• Η ύπαρξη ετεροσκεδαστικότητας τύπου ARCH έχει σηµαντικές

προεκτάσεις ως προς την προβλεπτική αξία του οικονοµετρικού
υποδείγµατος.

• Αν η διακύµανση αλλάζει προσωρινά, το ίδιο ϑα πρέπει να συµ-

ϐαίνει και µε το εύρος το διαστηµάτων εµπιστοσύνης στην πρό-
ϐλεψη (κάτι που αδυνατούµε να πετύχουµε µε ένα κλασικό µο-
ντέλο παλινδρόµησης).
4 ΥΠΟ∆ΕΙΓΜΑΤΑ ARCH 7

• Συνεπώς δηµιουργείται η ανάγκη επέκτασης του κλασικού υπο-

δείγµατος, εµπλουτίζοντάς το µε ένα µοντέλο για τη διαχρονική
εξέλιξη της µεταβλητότητας.

4 Υποδείγµατα ARCH

4.1 Εισαγωγή

Στοχεύουν στην εκτίµηση ή πρόβλεψη της ϐραχυχρόνιας µεταβλη-

τότητας της Yt τη χρονική στιγµή t, µε ϐάση τις τιµές παρελθοντικών
διαταραχών- αποκλίσεων που υπέστη η Yt−j σε σχέση µε την αναµε-
νόµενη τιµή της :

E(Yt−j |Xt−j ) = β0 + β1Xt−j,1 + β2Xt−j,2 + · · · + βK Xt−j,K

όπου µε Xt−j,∗ = (Xt−j,1 , Xt−j,2 , · · · , Xt−j,K )0 συµβολίζουµε το διά-

νυσµα των ερµηνευτικών µεταβλητών όπως διαµορφώνεται τη χρονι-
κή περίοδο t − j .
Υπόδειγµα εργασίας:

Yt = β0 + β1Xt,1 + β2Xt,2 + · · · + βK Xt,K + et

όπου
et ∼ N (0, σt2)

∆ιαφορετικά,

Yt ∼ N (β0 + β1Xt,1 + β2Xt,2 + · · · + βK Xt,K , σt2)

Η διακύµανση (σt2 ) του et δεν είναι σταθερή (αλλάζει µε το χρόνο).

4 ΥΠΟ∆ΕΙΓΜΑΤΑ ARCH 8

Τί πληροφορία µπορούµε να χρησιµοποιήσουµε για να µπορέσου-

µε να εκτιµήσουµε τη µεταβλητότητα της Y την επόµενη χρονική
περίοδο ;
Βασική υπόθεση µοντέλων ARCH : οι µη αναµενόµενες (unexpected)
αποκλίσεις τιµών ευθύνονται για τις αυξοµειώσεις της µεταβλητότη-
τας.
Απρόβλεπτα νέα → αρνητική επίδραση στην ψυχολογία των επενδυ-
τών → ϕαινόµενα ¨πανικού¨ → ¨νευρικότητα¨ στις αγορές → υψηλή
µεταβλητότητα τιµών
Αντιθέτως, οι προβλέψιµες εξελίξεις στην οικονοµία δεν έχουν την
ίδια επίδραση στη διαµόρφωση των τιµών (δηλ. δεν πυροδοτούν
αύξηση της µεταβλητότητας → οι επενδυτές γνωρίζουν τη σηµασία
αυτών των νέων και ϕροντίζουν για την ‘οµαλή¨ τους ενσωµάτωση
στις τιµές των εµπορεύσιµων χρεογράφων.
Μη αναµενόµενη τιµή: et = Yt − E(Yt |Xt ).

4.2 Υποδείγµατα ARCH πρώτης τάξεως

Υπόδειγµα ARCH(1):

Yt ∼N (β0 + β1Xt,1 + β2Xt,2 + · · · + βK Xt,K , σt2)

σt2 =a0 + a1e2t−1
4 ΥΠΟ∆ΕΙΓΜΑΤΑ ARCH 9

Yt =β0 + β1Xt,1 + β2Xt,2 + · · · + βK Xt,K + et (2αʹ)

et ∼N (0, σt2) (2βʹ)
σt2 =a0 + a1e2t−1 (2γʹ)

Το επιπρόσθετο σκέλος (2γʹ) του υποδείγµατος ονοµάζεται µοντέλο

µεταβλητότητας.
Οι όροι a0 και a1 είναι ελεύθεροι παράµετροι του µοντέλου µε a0 > 0
και a1 < 1, που εκτιµώνται στη ϐάση εµπειρικών δεδοµένων κάνο-
ντας χρήση της µεθόδου µεγίστης πιθανοφάνειας.

4.3 Υποδείγµατα ARCH ανώτερης τάξεως

Στη γενικότερη περίπτωση, ένα µοντέλο ARCH τάξεως q παίρνει τη

µορφή :
Υπόδειγµα ARCH(q ):

Yt =β0 + β1Xt,1 + β2Xt,2 + · · · + βK Xt,K + et (3αʹ)

et ∼N (0, σt2) (3βʹ)
σt2 =a0 + a1e2t−1 + · · · + aq e2t−q (3γʹ)

όπου οι συντελεστές του µοντέλου µεταβλητότητας a0 , a1 , ..., aq ικα-

νοποιούν τις συνθήκες a0 > 0, a1 , ..., aq ≥ 0 και a1 + a2 + · · · aq < 1.
4 ΥΠΟ∆ΕΙΓΜΑΤΑ ARCH 10

4.4 ΄Ελεγχοι ύπαρξης ετεροσκεδαστικότητας τύπου ARCH

Η ¨Αρχή της Λεπίδας¨ του Occam ορίζει ότι από όλα τα υποψήφια υ-
ποδείγµατα που περιγράφουν επαρκώς τις στατιστικές ιδιότητες ενός
δείγµατος δεδοµένων πρέπει να επιλέγουµε το λιγότερο πολύπλοκο.
Συνεπώς, πριν προχωρήσουµε στην προσθήκη ενός µοντέλου µε-
ταβλητότητας, ϑα πρέπει να είµαστε σίγουροι ότι η ιδιότητα ARCH
ενυπάρχει στα δεδοµένα µας.
Αυτό µπορεί να διαπιστωθεί είτε µέσω γραφικών τεχνικών είτε µέσω
στατιστικών ελέγχων.
Στις περισσότερες περιπτώσεις ελέγχων, εκτιµούµε το µοντέλο πα-
λινδρόµησης

Ŷt = β̂0 + β̂1Xt,1 + β̂2Xt,2 + · · · + β̂K Xt,K

υπολογίζουµε τα κατάλοιπα êt = Yt − Ŷt και στη συνέχεια εξετάζουµε

τα êt ως προς την ύπαρξη ετεροσκεδαστικότητας.

4.4.1 Γραφικές µέθοδοι

∆ιάγραµµα του |êt | ως προς το χρόνο ή ως προς τη χρονική υστέρηση

(|êt−1 |) του σφάλµατος.

4.4.2 ΄Ελεγχος του Engle

Πρόκειται ουσιαστικά για έναν έλεγχο τύπου πολλαπλασιαστών La-

grange που εξετάζει τη στατιστική σηµαντικότητα των όρων ê2t−j , j =
1, ..., q , στην παλινδρόµηση :
4 ΥΠΟ∆ΕΙΓΜΑΤΑ ARCH 11

ê2t = a0 + a1ê2t−1 + · · · + aq ê2t−q + zt (4)

όπου zt είναι ο νέος διαταρακτικός όρος.

Αν τα κατάλοιπα δεν παρουσιάζουν αλλαγές στα επίπεδα µεταβλη-
τότητας, τότε αναµένουµε ότι a1 = a2 = · · · = aq = 0.
Συνεπώς, η µηδενική υπόθεση µη ύπαρξης ετεροσκεδαστικότητας
τύπου ARCH παίρνει τη µορφή :

H0 : a1 = a2 = · · · = aq = 0

και εξετάζεται µε τη στατιστική LM = (T − q)R2 , όπου T είναι το

αρχικό πλήθος παρατηρήσεων και R2 είναι ο συντελεστής προσδιορι-
σµού του µοντέλου παλινδρόµησης (4). Απορρίπτουµε την υπόθεση
οµοσκεδαστικότητας και αποδεχόµαστε την ύπαρξη ARCH επιδρά-
σεων στα κατάλοιπα του µοντέλου, αν η τιµή της LM ξεπεράσει την
κρίσιµη τιµή της χ2 κατανοµής µε q ϐαθµούς ελευθερίας σε κάποιο
επίπεδο εµπιστοσύνης α.

Παράδειγµα 1. (Ο ΄Ελεγχος ARCH του Engle)

Βλ. Κάτος (2004), παράδειγµα 6.38, σελ. 490
Χρήστου (2011), παράδειγµα σελ. 619 και
Gujarati & Porter (2013), παράδειγµα 22.2.
5 ΥΠΟ∆ΕΙΓΜΑΤΑ GARCH 12

5 Υποδείγµατα GARCH

Η πληθώρα των εφαρµογών µοντέλων ARCH σε εµπειρικές µελέτες

ανέδειξε ότι για την πλήρη αποτύπωση των διαχρονικών µεταβολών
στα επίπεδα διακύµανσης απαιτείται η προσθήκη µεγάλης τάξης
όρων χρονικής υστέρησης e2t−q .
∆εδοµένου ότι υπάρχουν κλάσεις µεταβλητότητας, ϑα µπορούσε να
χρησιµοποιήσει κανείς τη ϐραχυχρόνια µεταβλητότητα της αµέσως
2
προηγούµενης περιόδου, ήτοι σt−1 , για να κάνει µία πρόβλεψη για
το σt2 .
Κατ΄ αυτόν τον τρόπο, καταλήγουµε σε πιο συνοπτικές περιγραφές
της συνάρτησης µεταβλητότητας.
Υπόδειγµα GARCH(1,1):

Yt =β0 + β1Xt,1 + β2Xt,2 + · · · + βK Xt,K + et (5αʹ)

et ∼N (0, σt2) (5βʹ)
σt2 =a0 + a1e2t−1 + b1σt−1
2
(5γʹ)

όπου a0 , a1 , b1 είναι οι παράµετροι του σκέλους της διακύµανσης

που ικανοποιούν τις συνθήκες a0 > 0, a1 , b1 ≥ 0, a1 + b1 < 1.
GARCH → τα αρχικά της λέξης generalised autoregressive condi-
tional heteroskedasticity (γενικευµένη αυτοπαλίνδροµη ετεροσκε-
δαστικότητα)4 .
Εµπειρικές µελέτες χρηµατοοικονοµικών χρονοσειρών έχουν δείξει
ότι η οικογένεια των µοντέλων τύπου GARCH , παρέχουν ιδιαίτερα
4
Βλ. Bollershev (1986).
5 ΥΠΟ∆ΕΙΓΜΑΤΑ GARCH 13

ικανοποιητικές απεικονίσεις των ϐασικών ιδιοτήτων της διαχρονικής

µεταβλητότητας (ϐλ. π.χ. (Bollerslev et al, 1992; Bera and Higgins,
1993) για έναν εκτεταµένο κατάλογο µελετών).
Υπόδειγµα GARCH(p,q ):

Yt =β0 + β1Xt,1 + β2Xt,2 + · · · + βK Xt,K + et (6αʹ)

et ∼N (0, σt2) (6βʹ)
Xq p
X
σt2 =a0 + aie2t−i + 2
bj σt−j (6γʹ)
i=1 j=1

όπου οι παράµετροι του µοντέλου µεταβλητότητας ικανοποιούν τις

Pq
συνθήκες a0 > 0, ai , bj ≥ 0, i = 1, 2, ..., q; j = 1, 2, ..., p, i=1 ai +
Pp
j=1 bj < 1.

Παράδειγµα 2. (Εκτίµηση µοντέλου GARCH)

Κάτος (2004), παράδειγµα 6.40, σελ. 494.
ΑΝΑΦΟΡΕΣ 14

Αναφορές

1. Κάτος Α.Β. (2004), Οικονοµετρία : Θεωρία & Εφαρµογές, Ζυ-

γός.

2. Χρήστου Γ.Κ. (2011), Εισαγωγή στην Οικονοµετρία, Gutenberg.

3. Engle, R. F. (1982). Autoregressive conditional heterosceda-

sticity with estimates of variance of united kingdom inflation.
Econometrica, 50: 987-1008.

4. Bollershev, T. (1986). Generalized autoregressive conditional

heteroskedasticity. Journal of Econometrics, 72: 307 - 327.

5. Bera, A. K. and Higgins, M. L. (1993). ARCH models: Pro-

perties, estimating and testing. Journal of Economic Surveys,
7:305 - 362.

6. T. Bollerslev, R. Y. Chou, and K. F. Kroner (1992). ARCH

modeling in finance : A review of the theory and empirical
evidence. Journal of Econometrics, 52(1-2):5 - 59.

7. Gujarati, D. & Porter, D. (2013), Οικονοµετρία : Αρχές και Ε-

ϕαρµογές, Τζιόλας, 5η έκδοση.