Vai alla Home Page About me Courseware Federica Living Library Federica Federica Podstudio Virtual Campus 3D Le Miniguide all'orientamento Gli eBook di Federica La Corte in Rete
 
 
Il Corso Le lezioni del Corso La Cattedra
 
Materiali di approfondimento Risorse Web Il Podcast di questa lezione

Antonio D'Ambrosio » 10.Analisi della volatilità - Parte quarta


In questa lezione

  • Analisi della volatilità;
  • Rappresentazione AR di un modello ARCH;
  • Un esempio;
  • Limiti dei modelli ARCH.

Rappresentazione AR di un modello ARCH

L’equazione h_t = \omega + \alpha _1 \varepsilon _{t - 1}^2 (relativamente ad un ARCH(1)) implica che i quadrati dei residui della serie osservata (i quadrati delle innovazioni) seguono un processo AR(1). Infatti, indicando con \xi _t la differenza tra i quadrati delle innovazioni e la propria media condizionata,
\varepsilon _t^2 - E\left( {\varepsilon _t^2 |I_{t - 1} } \right) = \varepsilon _t^2 - h_t = \xi _t

si può verificare come questa corrisponda ad una differenza di martingale:
E\left( {\xi _t |I_{t - 1} } \right) = E\left( {\varepsilon _t^2 |I_{t - 1} } \right) - E\left( {h_t |I_{t - 1} } \right) = h_t - h_t = 0, da cui

\varepsilon _t^2 = h_t + \xi _t = \omega + \alpha _1 \varepsilon _{t - 1}^2 + \xi _t,

\xi _t = \varepsilon _t^2 - h_t = \eta _t^2 h_t - h_t = h_t \left( {\eta _t^2 - 1} \right)

Rappresentazione AR di un modello ARCH (segue)

Affinchè il processo sia stazionario, è necessario quindi che\alpha _1 < 1. Inoltre \omega >1.

In generale, un modello ARCH(p) sulle innovazioni implica un processo AR(p) sul quadrato delle innovazioni.
\varepsilon _t^2 = \omega + \alpha _1 \varepsilon _{t - 1}^2 + \alpha _2 \varepsilon _{t - 2}^2 + ... + \alpha _p \varepsilon _{t - p}^2 + \xi _t, ricordando che
\xi _t = \varepsilon _t^2 - h_t = \eta _t^2 h_t - h_t = h_t \left( {\eta _t^2 - 1} \right).

In generale, le condizioni sono:
\omega > 0;{\rm }\alpha _i \ge 0{\rm }\left( {i = 1,...,p} \right);{\rm }\sum\limits_{i = 1}^p {\alpha _i < 1}.

Un ulteriore test per effetti ARCH è, in questa ottica, il test di Ljung-Box sulla funzione di autocorrelazione di \varepsilon_t^2.

Esempio

Rendimenti mensili del titolo Intel (in alto) e quadrato dei rendimenti (in basso).

Rendimenti mensili del titolo Intel (in alto) e quadrato dei rendimenti (in basso).


Esempio

ACF dei rendimenti del titolo INTEL (grafico in alto), ACF e PACF del quadrato dei rendimenti (grafico al centro e in basso).

ACF dei rendimenti del titolo INTEL (grafico in alto), ACF e PACF del quadrato dei rendimenti (grafico al centro e in basso).


Esempio

Test LM-ARCH sui residui al quadrato della mean equation.

Test LM-ARCH sui residui al quadrato della mean equation.


Esempio

Stima di un modello ARCH(3). I ritardi 2 e 3 non sono significativi. Stimiamo un modello ARCH(1).

Stima di un modello ARCH(3). I ritardi 2 e 3 non sono significativi. Stimiamo un modello ARCH(1).


Esempio

Stima di un ARCH(1).

Stima di un ARCH(1).


Esempio

ACF e PACF dei residui standardizzati (in alto a sinistra) e dei residui standardizzati al quadrato (in basso a destra).

ACF e PACF dei residui standardizzati (in alto a sinistra) e dei residui standardizzati al quadrato (in basso a destra).


Esempio

Test di Ljung-Box per i residui standardizzati (a sinistra) e per i residui standardizzati al quadrato (a destra).

Test di Ljung-Box per i residui standardizzati (a sinistra) e per i residui standardizzati al quadrato (a destra).


Esempio

Residui e stima della deviazione standard.

Residui e stima della deviazione standard.


Limiti dei modelli ARCH

Il modello assume che shock positivi e negativi hanno il medesimo effetto sulla volatilità.

Spesso la struttura di persistenza della volatilità è tale per cui sarebbe necessario un ordine del modello piuttosto alto per replicarla.

Sorge quindi il problema dei numeri di ritardi da inserire: c’è la possibilità che l’ordine sia troppo alto per essere gestibile

Una classe di modelli più parsimoniosi per la modellizzazione della eteroschedasticità condizionata è costituita dai modelli GARCH.

Nella prossima lezione

  • Analisi della volatilità;
  • Modelli GARCH(p,q);
  • Stima dei modelli GARCH;
  • Un esempio.
  • Contenuti protetti da Creative Commons
  • Feed RSS
  • Condividi su FriendFeed
  • Condividi su Facebook
  • Segnala su Twitter
  • Condividi su LinkedIn
Progetto "Campus Virtuale" dell'Università degli Studi di Napoli Federico II, realizzato con il cofinanziamento dell'Unione europea. Asse V - Società dell'informazione - Obiettivo Operativo 5.1 e-Government ed e-Inclusion