Incercam in programul EViews sa gasim cate un model ARMA si GARCH compatibile cu variabila studiata: RANDAMENTUL actiunilor BMW.

Aceasta s-a calculat ca si:

RANDAMENT(t)=ln (Cotatie la inchidere(t)) ln (Cotatie la inchidere(t-1));

ARMA
Modelele ARMA (autoregresive moving average) sunt modele univariate modele prin care variabila dependent este modelat in funcie de propriile observaii. Aceast clas de modele cuprinde: Modele autoregresive (AR)- care arata faptul ca variabila depinde in mod linear de propriile valori din trecut; Modele cu medii mobile (MA)-care imbunatateste erorile de prognozare folosind medii ale erorilor prognozate din perioadele trecute; Modele ARMA care combin cele dou tipuri de procese.

Utiliznd ambele procese AR i MA, analiza i prognoza seriilor de timp poate fi mbuntit. Astfel, prin combinarea celor dou procese se obine un model generalizat, autoregresiv medii mobile (ARMA), cobinand att lag-urile autoregresive ale variabilei dependente ct i erorile procesului medie mobil.

a) Initial am realizat graficul valorilor seriei pentru a observa daca variabila RANDAMENT este de natura
stationara.

Avand aceasta reprezentare, concluzia care poate fi imediat adusa in discutie este ca variabila in discutie se califica un potential proces stationar.

b) Urmeaza Corelograma si efectuarea testului Dickey-Fuller: CORELOGRAMA

Conform rezultatelor acestei corelograme, pentru primele 2 lag-uri ale erorilor exist corelaie serial a erorilor (valoarea coeficientului de autocorelaie depete intervalul punctat n grafic). Existena autocorelaiei este confirmat i de testul Q-statistic i probabilitatea asociat acestuia.

Testul Unit-Root Dickey Fuller

Valoarea testului Dickey-Fuller ( semnificativa statistic datorita significance-ului foarte redus ) este mult mai mica decat cele 3 valori critice de test:-43.88 fata de -3.96, -3,41 si -3,12, ceea ce ne conduce spre concluzia ca putem respinge ipoteza nula, aceea ca seria de randamente are un unit root. Asadar, seria de fata este stationara, astfel incat putem aplica model ARMA. Testul Durbin-Watson ne confirma corectitudinea acestui rezultat, cu o valoare foarte apropiata de 2

c) In urma incercarilor empirice, singurul model ARMA compatibil cu seria noastra este ARMA(1,2).

ARMA(1,2)
Metoda folosita: Metoda celor mai mici patrate.

Tabelul ARMA(1,2)

d) Modelul rezultat este performant intrucat :

Valoarea testului Schwarz este mica; Valoarea SEE este mica; Coeficientii modelului sunt semnificativi din punct de vedere statistic.

Ecuatia este de forma:

RANDAMENT = 0 + [AR(1)=0.4911538568,MA(1)=-0.4839369786,MA(2)=0.05970134707,BACKCAST=3]

GARCH
Modelele GARCH (Generalized Autoregressive Conditional Heteroskedasticity) sunt, ca si in cazul ARMA, modele univariate modele prin care variabila dependent este modelat in funcie de propriile observaii. Aceast clas de modele cuprinde:

Termenii ARCH - care reliefeaza vestile despre volatilitatea din perioadele precedente si se masoara ca lag al reziduurilor patratice din ecuatia mediei. Termenii GARCH - care reprezinta persistenta socurilor trecute asupra volatilitatii sau persistenta impactului vestilor trecute asupra volatilitatii.

a) Pentru a putea estima un model GARCH pentru seria de fata trebuie sa avem in vedere conditia ca
aceasta sa prezinte un caracter autoregresiv. Modelul ARMA de mai sus a fost de succes (fapt care demonstreaza autoregresivitate), asadar nu avem nicio restrictie in a cauta un model GARCH potrivit seriei randamentelor.

b) In urma incercarilor empirice, singurul model GARCH compatibil cu seria noastra este GARCH(1,1). Tabelul GARCH(1,1)

c) Din pacate, distributia fiind leptokurtica, dupa cum s-a aratat si mai devreme, modelul GARCH nu este
capabil sa surprinda in mod corect acest tip de distributie. Asadar, nu putem folosi un model GARCH pentru seria randamentelor. Cu toate acestea,modelul rezultat ar fi putut fi performant intrucat : Valoarea testului Schwarz este mica; Valoarea SEE este mica; Coeficientii modelului sunt semnificativi din punct de vedere statistic.

Distributia RANDAMENTULUI

Ecuatia ar fi fost de forma:

GARCH = 2.810584857e-006 + 0.06570344041*RESID(-1)^2 + 0.9299749063*GARCH(-1)

Stylized Facts

In economie, un stylized fact este o reprezentare simplificata a unei idei concluzionate la nivel empiric. Un stylized fact este, in termeni populari, o generalizare grosso modo a unor deductii statistice complexe si care, desi este, in general, adevarata, poate prezenta inadvertente in cazuri particulare. Cu toate ca, printr-un model stylized fact problema castiga in generalitate, ea pierde in acelasi timp din precizia descrierii unui fenomen real, concret si precis. Scopul cercetarii statistice este acela de a determina daca un model statistic: GARCH poate reprezenta cel mai bine caracteristicile unui fenomen si daca poate forma un stylized fact. Dintre proprietatile stylized facts ale randamentelor amintim si dezbatem:

1. Absenta autocorelarii; Autocorelarea este nesemnificativa, exceptand cazul temporalitatii intraday. 2. Prezinta distributie heavy tails; Distributie cu o panta mai accentuata decat cea exponentiala. 3. Asimetrie castig/pierdere; Seria inregistreaza volatilitate mai mare in cazul scaderii decat in cazul cresterii cotatiei titlului, 4. Intermitenta; Seria randamentelor prezinta, pe orice scala temporala, un grad mare de volatilitate. 5. Clustere de volatilitate; Eventimentele care produc mari variatii ale volatilitatii au tendinta de a se grupa in timp. 6. Heavy tails conditionate; Chiar si dupa corectarea gruparii volatilitatilor cu modelul GARCH, seria erorilor randamentelor prezinta, in continuare, heavy tails. 7. Functia de autocorelatie a randamentelor converge incet spre zero; 8. Efect de levier: indicatorii relativi ai volatilitatii sunt corelati negativ cu randamentele; 9. Corelatia volum/volatilitate; Volumul tranzactiilor este corelat cu volatilitatea. 10. Asimetria scalelor de timp: legatura unidirectionala intre volatilitatea la scale mari si cea la scale mici de timp. Volatilitatea la intervale lungi previzioneaza mult mai performant efectul pe termen scurt decat cazul din oglinda. Acest lucru se intampla deoarece pe termen scurt pot aparea variatii mari care sa nu fie sustenabile sau care sa influenteze piata pe termen lung

GARCH VS Stylized facts

In general, modelul GARCH standard este consistent atunci cand vine vorba despre modelul de clustere al volatilitatii. Din pacate, ideea de stylized facts pentru randamente presupune si distributii cu un kurtosis destul de pronuntat (conduce spre ideea de distributie leptokurtica) care nu pot fi suprinse in mod corect de un model GARCH. Din cauza acelor distributii heavy-tails pe care styilized facts le prezinta, estimatorii functiei de autocorelatie a randamentelor nu sunt atat de siguri pe cat ne-am dori si chiar si atunci cand datele rezultate sunt valide, acestea atrag dupa ele intervale foarte largi de incredere, fenomen care scade aproape brutal valoarea testului efectuat. In majoritatea modelelor GARCH varianta conditionata este definita ca si o funtie liniara a reziduurilor patratice (cu lag) si a patratelor randamentelor trecute. Desi aceste modele s-au aratat viabile in multe ipostaze, in cazul stylized facts ele isi arata limitarea intrucat esueaza in demonstrarea ideei ca volatilitatea tinde sa fie mai pronuntata dupa o scadere a pretului decat atunci cand acestea cresc, piata tinzand sa fie mai retinuta atunci cand vestile sunt pozitive si mai paranoica atunci cand se intampla contrarul. (trimitere catre proprietatea nr.3)

Asadar, concluzia care se poate desprinde din cele precizate este aceea ca desi modelul GARCH poate fi un model de succes pentru dezvoltarea de stylized facts, exista suficienta contraexemple si situatii nefavorabile care sa ne puna pe ganduri atunci cand alegem un asemenea model. Prin urmare, se pune problema unei foarte mari pierderi de reprezentativitate si corectitudine a unui model elaborat cu ajutorul GARCH, stiind faptul ca deja stylized fact, ca si concept, lasa putin in umbra precizia descrierii unui fenomen real, concret si precis.

Bibliografie

http://www.dofin.ase.ro/acodirlasu/lect/econmsbank/econometriemsbank2007.pdf http://www.eco.uc3m.es/~jgonzalo/teaching/PhdTimeSeries/Unit%20Roots%20Eviews.pdf http://www.economics.soton.ac.uk/staff/aldrich/EViews%205%20Users%20Guide.pdf http://staffweb.hkbu.edu.hk/billhung/econ3600/application/app01/app01.html http://staffweb.hkbu.edu.hk/billhung/econ3600/application/app05/app05.html http://www.rejournal.eu/Portals/0/Arhiva/JE%2030/JE%2030%20-%20Cristiana%20TUDOR.pdf http://www-stat.wharton.upenn.edu/~steele/Resources/FTSResources/StylizedFacts/Cont2001.pdf http://ljsavage.wharton.upenn.edu/~steele/Resources/FTSResources/StylizedFacts/MalmstenTerasvirta 04.pdf http://www.ressourcesactuarielles.net/EXT/ISFA/1226.nsf/0/73d982a644ea2f6dc1257609006edb99/$FILE/posedel.pdf http://faculty.chicagobooth.edu/jeffrey.russell/research/kurtosis.pdf http://www.ihs.ac.at/publications/ihsfo/fo283.pdf http://ir.lib.uwo.ca/cgi/viewcontent.cgi?article=2587&context=etd http://faculty.chicagobooth.edu/jeffrey.russell/research/kurtosis.pdf http://economics-finance.massey.ac.nz/seminar%20papers/albany/2012/JingWu.pdf