700+ courses, half price
Cursusbeschrijving
Ben je nieuwsgierig naar het ritme van de hartslag van de financiële markt? Wil je weten wanneer een stabiele markt turbulent wordt? In deze cursus over GARCH-modellen leer je de vooruitkijkende aanpak om risico en rendement in financiële beslissingen in balans te brengen. De cursus bouwt rustig op van het standaard normale GARCH(1,1)-model naar geavanceerdere volatiliteitsmodellen met een hefboomeffect, een GARCH-in-mean-specificatie en het gebruik van de scheve student-t-verdeling voor het modelleren van rendementen op activa. Toepassingen op aandelen- en wisselkoersrendementen omvatten portefeuille-optimalisatie, evaluatie van rolling forecast-samples, value-at-risk-voorspellingen en het bestuderen van dynamische covarianties.
Vereisten
Lesprogramma
Cursusoverzicht
1
Het standaard GARCH-model als werkpaard
We beginnen met de handen uit de mouwen. Een rolling window-analyse van dagelijkse aandelenrendementen laat zien dat de standaarddeviatie sterk door de tijd verandert. Terugkijkend op het verleden hebben we dus duidelijk bewijs van tijdsafhankelijke volatiliteit. Vooruitkijkend moeten we de volatiliteit van toekomstige rendementen schatten. Dat is precies wat een GARCH-model doet! In dit hoofdstuk leer je de basis van het gebruik van het rugarch-pakket voor het specificeren en schatten van het werkpaard GARCH(1,1)-model in R. We sluiten af door de bruikbaarheid ervan te laten zien in tactische asset-allocatie.
- Volatiliteit analyseren50 XP
- Rendementen berekenen100 XP
- Standaarddeviatie op subsamples100 XP
- Rollen maar100 XP
- De GARCH-vergelijking voor het voorspellen van volatiliteit50 XP
- GARCH(1,1)-reactie op eenmalige schokken50 XP
- Voorspellingsfouten100 XP
- De recursieve aard van de GARCH-variantie100 XP
- Het rugarch-pakket50 XP
- Specificeer en proef de smaken van het GARCH-model100 XP
- Out-of-sample voorspellen100 XP
- Volatiliteitstargeting in tactische assetallocatie100 XP
2
Verbeteringen van het normale GARCH-model
Markten nemen de trap omhoog en de lift naar beneden. Deze Wall Street-wijsheid heeft belangrijke gevolgen voor het specificeren van een realistisch volatiliteitsmodel. Het vereist dat je de aanname van normaliteit loslaat, net als de symmetrische reactie van volatiliteit op schokken. In dit hoofdstuk leer je over GARCH-modellen met een hefboomeffect en scheve student-t-innovaties. Aan het eind kun je GARCH-modellen gebruiken om meer dan tienduizend verschillende GARCH-specificaties te schatten.
3
Prestatie-evaluatie
GARCH-modellen leveren volatiliteitsvoorspellingen die dienen als input voor financiële besluitvorming. Voor gebruik in de praktijk moet je eerst de kwaliteit van de volatiliteitsvoorspelling evalueren. In dit hoofdstuk leer je over de analyse van de statistische significantie van de geschatte GARCH-parameters, de eigenschappen van gestandaardiseerde rendementen, de interpretatie van informatiecriteria en het gebruik van rolling GARCH-schatting en mean squared prediction errors om de nauwkeurigheid van de volatiliteitsvoorspelling te beoordelen.
4
Toepassingen
Op dit punt beheers je de standaard specificatie, schatting en validatie van GARCH-modellen in het rugarch-pakket. Dit hoofdstuk introduceert specifieke rugarch-functionaliteit voor het maken van value-at-risk-schattingen, voor gebruik van het GARCH-model in productie en voor het simuleren van GARCH-rendementen. Je ontdekt ook dat de aanwezigheid van GARCH-dynamiek in de variantie gevolgen heeft voor het simuleren van log-rendementen, het schatten van de bèta van een aandeel en het vinden van de minimumvariantieportefeuille.
R
GARCH-modellen in R
Cursus
voltooid
