Un semplice modello asimmetrico è il Threshold GARCH (TGARCH), definito da:
Dove è una variabile dummy che vale uno se .
Nel caso più semplice di un TGARCH(1,1) si ha
.
E’ immediato verificare che se si ha
mentre se si ottiene
Il coefficiente γ>0 misura l’effetto differenziato per shock negativi.
Vi è volatilità più elevata se ci sono innovazioni negative e quanto più queste sono “pesanti” (e misurate dal quadrato delle stesse).
E’ possibile testare l’effetto leverage implementato nel modello TGARCH su di una serie storica per mezzo di un test t sul coefficiente γ.
La stima dei coefficienti del modello TGARCH potrebbero violare le condizioni di non negatività (si ricordi che la volatility equation è l’equazione per la varianza condizionata, che per definizione è non negativa).
Nel caso in cui un parametro stimato non appartiene all’insieme dei valori ammissibili, si dovrebbe procedere a stime vincolate imponendo le condizioni che sono alla base del modello.
Nella specificazione del modello asimmetrico EGARCH (Exponential GARCH) non si deve tener conto di questa eventuale possibilità. Infatti per costruzione rende impossibile ottenere varianze negative. Inoltre rende possibile misurare effetti asimmetrici proporzionali all’entità delle innovazioni
Un modello EGARCH(1,1) è scritto come
Se si distribuisce normalmente si ha ,
e poiché
L’espressione diviene
La non negatività della varianza è assicurata dalla trasformazione esponenziale.
Il modello è stazionario se . La persistenza della volatilità è «caturata» dal termine .
Il termine evidenzia l’effetto asimmetrico del modello.
Nel valutare l’effetto leverage consentito dai modelli GARCH, soprattutto asimmetrici, uno strumento utile è costituito dalla funzione di impatto delle notizie (NIC, da News Impact Curve).
La NIC produce un determinato valore di ht, fissate le altre variabili del modello ai loro valori stazionari.
Pertanto, misurando la reazione della volatilità a realizzazioni delle innovazioni, si è in grado di rappresentare graficamente come le innovazioni si traducono in volatilità.
E’ noto che il GARCH è un modello simmetrico. La NIC, per un GARCH(1,1), risulta essere pari a
Un modello TGARCH è, lo sappiamo, un modello asimmetrico. La NIC è data da
Per un modello EGARCH la NIC è data da
1. Richiami ai processi stocastici
4. Analisi dei rendimenti – Parte prima
5. Analisi dei rendimenti – Parte seconda
6. Analisi dei rendimenti - Parte terza
7. Analisi della volatilità - Parte prima
8. Analisi della volatilità - Parte seconda
9. Analisi della volatilità - Parte terza
10. Analisi della volatilità - Parte quarta
11. Analisi della volatilità - Parte quinta
12. Analisi della volatilità - Parte sesta