Name: Modele GARCH în R
Rating: 4.83 (100 reviews)

Descrierea cursului

Ești curios despre ritmul pieței financiare? Vrei să știi când o piață stabilă devine turbulentă? În acest curs despre modele GARCH vei învăța cum să echilibrezi riscul și randamentul în deciziile financiare, privind spre viitor. Cursul avansează treptat de la modelul standard GARCH(1,1) cu distribuție normală la modele de volatilitate mai complexe, cu efect de levier, specificație GARCH-in-mean și utilizarea distribuției t asimetrice pentru modelarea randamentelor activelor. Aplicațiile pe randamentele acțiunilor și ale cursurilor de schimb includ optimizarea portofoliului, evaluarea previziunilor pe eșantioane mobile, estimarea valorii la risc și studiul covarianțelor dinamice.

Cerințe prealabile

Time Series Analysis in R Manipulating Time Series Data in R

Programă

Planul cursului

Modelul GARCH Standard – Modelul de Bază

Începem direct cu practica. O analiză pe fereastră mobilă a randamentelor zilnice ale acțiunilor arată că abaterea standard variază masiv în timp. Privind în urmă, avem dovezi clare ale volatilității variabile în timp. Privind înainte, trebuie să estimăm volatilitatea randamentelor viitoare – exact asta face un model GARCH! În acest capitol vei învăța elementele de bază ale pachetului rugarch pentru specificarea și estimarea modelului de referință GARCH(1,1) în R. La final, vei vedea cum este utilizat în alocarea tactică a activelor.

Începe capitolul

Îmbunătățiri ale Modelului GARCH Normal

Piețele urcă pe scări și coboară cu liftul. Această înțelepciune de pe Wall Street are consecințe importante pentru specificarea unui model de volatilitate realist. Ea impune renunțarea la ipoteza de normalitate, precum și la răspunsul simetric al volatilității la șocuri. În acest capitol vei învăța despre modele GARCH cu efect de levier și inovații t Student asimetrice. La final, vei putea utiliza modele GARCH pentru a estima peste zece mii de specificații diferite.

Începe capitolul

Evaluarea Performanței

Modelele GARCH produc previziuni de volatilitate care servesc drept date de intrare pentru deciziile financiare. Utilizarea lor în practică presupune evaluarea prealabilă a calității acestor previziuni. În acest capitol vei învăța despre analiza semnificației statistice a parametrilor GARCH estimați, proprietățile randamentelor standardizate, interpretarea criteriilor de informare și utilizarea estimării GARCH mobile și a erorilor pătratice medii pentru a analiza acuratețea previziunilor de volatilitate.

Începe capitolul

Aplicații

În această etapă stăpânești specificarea, estimarea și validarea standard a modelelor GARCH în pachetul rugarch. Acest capitol introduce funcționalități specifice ale rugarch pentru estimarea valorii la risc, utilizarea modelului GARCH în producție și simularea randamentelor GARCH. Vei descoperi, de asemenea, că prezența dinamicii GARCH în varianță are implicații pentru simularea log-randamentelor, estimarea betei unei acțiuni și identificarea portofoliului cu varianță minimă.