Sunteți pe pagina 1din 17

Bucuresti 2014

Universitatea Hyperion Bucuresti


Facultatea de Stiinte Economice
Master Managementul Investitiilor








Proiect Bazele Econometriei

Utilizarea modelelor ARCH i GARCH
Analiza riscului de portofoliu in contextul crizei financiare










Prof.Univ.DR. Lucian Albu Masterand : Alina Matei
Anul II






2 | P a g e
Bucuresti 2014

Cuprins





1.Introducere. ............................................................................................................................................. 3
2.Msurarea volatilitii seriilor financiare de timp: modelele ARCH i GARCH .......... 5
2.1. Modelul autoregresiv condiional heteroscedastic (ARCH) ................................................................... 6
2.2. Modelul generalizat autoregresiv condiional heteroscedastic (GARCH) ............................................. 7
3. Rezultate empirice ............................................................................................................................... 9
3.1. Date i statistici descriptive ............................................................................................................... 9
3.2. Rezultatele estimrii .............................................................................................................................. 12

4. Concluzii .................................................................................................................................................................... 16
Bibliografie ................................................................................................................................................................ 17






3 | P a g e
Bucuresti 2014


1.Introducere.
Magnitudinea recentei crize financiare este considerat a nu avea precedent de la Marea
Depresie, Fondul Monetar Internaional (FMI) denumind aceast recesiune global Marea
Recesiune. Un studiu dezvoltat de FMI n anul 2009 afirm faptul c recenta criz financiar a
adus la suprafa importante deficiene n arhitectura global curent. Directorul general al FMI,
Dominique Strauss-Kahn, a subliniat n luna mai a anului 2009 necesitatea unui cadru global nou,
care s asigure o coordonare mai bun a politicilor naionale (Moshirian, 2010, pp. 5-6). Astfel,
orice politic naional trebuie s fie strns legat de politici la nivel global pentru a putea evita n
viitor o alt criz financiar global. Cu toate acestea, muli cercettori pun sub semnul ndoielii
eficiena unui sistem financiar global. Pentru a putea lmuri aceast dezbatere trebuie neleas
mai nti importana sistemului financiar la nivelul unei economii naionale.
Sistemul financiar reprezint legtura dintre investitori i entiti publice sau private. Prin
intermediul acestuia economia crete, consumatorii i mresc capacitatea de consum, riscurile
sunt mprite, iar indivizii se confrunt cu o volatilitate mai mic pe pia. Toate aceste corelaii
pot fi extinse la nivelul unui sistem financiar global, sistem care funcioneaz ca un mecanism
puternic i eficient atunci cnd economia este caracterizat de stabilitate. Cu toate c potenialul
unui sistem financiar global exist, hazardul moral sau selecia advers ne aduc aminte faptul c
teoria economic a identificat cteva raiuni pentru care pieele financiare nu funcioneaz
ntotdeauna perfect, eecul uneia sau mai multor piee financiare genernd pierderi pentru toate
celelalte n condiiile existenei unui sistem financiar global.
Recenta criz financiar, precum i episoade trecute ne nva faptul c fluxurile de capital
ghidate de pieele financiare pot reprezenta cu totul altceva fa de o alocare eficient i optim a
economiilor ctre proiecte investiionale corecte. Conexiunile n continu dezvoltare ale
instituiilor financiare i ale pieelor conduc la riscuri financiare intens corelate, presiuni asupra
lichiditii i scderea capitalului bancar. Dei recenta criz i are originile n SUA, existena unei
economii integrate global a condus la colapsul pieelor financiare din ntreaga lume, iar utilizarea
unor instrumente financiare sofisticate, mpreun cu fluxuri masive de capital au facilitat
rspndirea acesteia de-a lungul pieelor i granielor (Claessens, Kose, Terrones, 2010).
4 | P a g e
Bucuresti 2014

Teoria modern a portofoliului are la baz studiul dezvoltat de ctre Markowitz (1952).
Rubinstein (2002) a subliniat faptul c lucrarea lui Markowitz reprezint prima formalizare
matematic a ideii de diversificare a investiiilor i a evideniat faptul c, dei diversificarea reduce
riscul, nu l poate elimina complet. Astfel, prin diversificare se poate reduce riscul fr a avea
efecte asupra rentabilitii ateptate a portofoliului. Prin urmare, valorile mobiliare care nu sunt
perfect corelate reprezint candidaii potrivii pentru fi incluse ntr-un portofoliu. Solnik (1974),
printre ali cercettori, a extins varianta iniial a modelului CAPM (Capital Asset Pricing Model) i
a sugerat faptul c diversificarea internaional a portofoliului de valori mobiliare conduce la
rezultate mai bune dect diversificarea domestic. Cu toate acestea,integrarea financiar conduce
la o corelare semnificativ a rentabilitilor valorilor mobiliare, beneficiile diversificrii
internaionale fiind mult reduse(Aloui, 2010).
Avnd n vedere toate aceste aspecte, lucrarea de fa i propune s analizeze cum
evolueaz riscul unui portofoliu de valori mobiliare diversificat internaional n contextul actualei
crize globale.
















5 | P a g e
Bucuresti 2014

2. Msurarea volatilitii seriilor financiare de timp: modelele ARCH i GARCH

Philip Fransens (1988) afirma faptul c n cazul seriilor financiare de timp diferite surse de
informare sau alte evenimente exogene economice pot avea efect asupra tiparelor preurilor
valorilor mobiliare. Avnd n vedere c tirile pot conduce la diferite interpretri i avnd n vedere
c anumite evenimente economice, cum ar fi o criz petrolier, pot dura perioade ndelungate de
timp, se observ adeseori faptul c valori pozitive sau valori negative semnificative ale
observaiilor seriilor financiare de timp au tendina de a aprea n clustere (Gujarati, 2004, p.
856).
n practic, modelele i seriile liniare de timp sunt incapabile s explice o serie de caracteristici
foarte importante pentru datele financiare, cum ar fi:
Leptokurtosis (leptocurtotica) tendina rentabilitilor valorilor mobiliare de a avea
distribuii care prezint cozi ngroate;
Volatility clustering sau volatility pooling tendina de apariie n mas a volatilitii pe
pieele financiare. Astfel rentabilitile mari (de orice semn) au tendina de a aprea n urma altor
rentabiliti mari, iar rentabilitile mici (de orice semn) au tendina de a aprea n urma
rentabilitilor mici. Una dintre explicaiile pentru acest fenomen care pare a caracteriza seriile de
rentabiliti financiare ar fi faptul c informaiile care pot influena schimbrile de pre vin la
rndul lor n mas;
Efecte leverage (de levier) tendina volatilitii de a crete mai mult n urma unei scderi
semnificative a preurilor, fa de cazul unei creteri semnificative a preurilor.
Campbell, Lo i MacKinlay (1997) au definit procesul neliniar de generare a datelor ca fiind
acel proces a crui valoare este legat neliniar att de valoarea curent, ct i de valorile
precedente ale erorilor de specificaie:
y
t
= f (e
t
, e
t 1
, e
t 2
,...) (1)
unde et reprezint un termen eroare independent i identic distribuit (iid), iar f este o funcie
neliniar. Conform celor trei cercettori, o form mai specific amodelului neliniar este dat de
ecuaia urmtoare:
y
t
= g (e
t 1
, e
t 2
,...) + e
t

2
(e
t 1
, e
t 2
,...) (2)
6 | P a g e
Bucuresti 2014

unde g este o funcie a termenilor eroare din trecut, iar 2 este variana.Campbell,
Lo i MacKinlay caracterizeaz modele cu funcia g neliniar ca fiind neliniare n medie, iar pe cele
cu 2 neliniar ca fiind neliniare n varian. Modelele pot fi liniare n medie i varian (modelul
clasic de regresie liniar, modelele ARMA) sau neliniare n medie, dar liniare n varian (modelele
GARCH) (Brooks, 2010, p. 380). Cele mai des ntlnite modele neliniare financiare pentru
msurarea volatilitii sunt modele ARCH i GARCH.

2.1. Modelul autoregresiv condiional heteroscedastic (ARCH)
Una dintre ipotezele fundamentale ale modelului clasic de regresie liniar este cea de
homoscedasticitate sau de varian constant a erorii: var(et ) = 2 (et ) , unde et ~ N (0, 2 ) .
Cazul contrar este cunoscut sub denumirea de heteroscedasticitate. n cazul seriilor financiare de
timp, este puin probabil ca variana erorilor s fie constant n timp i de aceea este de preferat
s se aib n vedere un model care nu presupune ca variana s fie constant i care poate descrie
evoluia varianei erorilor. Aa cum s-a menionat anterior, o alt caracteristic important a
seriilor financiare este cunoscut sub denumirea volatility clustering sau volatility pooling. Aceast
caracteristic evideniaz faptul c nivelul curent al volatilitii tinde s fie corelat pozitiv cu nivelul
din perioadele imediat precedente. Utilizarea modelului ARCH (Engle, 1982) reprezint una dintre
modalitile prin care se poate parametriza un fenomen de aceast natur. Pentru a putea
nelege cum funcioneaz acest model, este necesar s se defineasc variana condiionat a unei
variabile aleatoare et .Astfel, variana condiionat a et , notat cu t2 , are urmtoarea form:

t2
= var(e
t
/ e
t 1
, e
t 2
,...) = E[(e
t
E (e
t
)) 2 / e
t 1
, e
t 2
,...] (3)

Din moment ce E (e
t
) = 0 , ecuaia (3) devine:

t2
= var(e
t
/ e
t 1
,
et 2
,...) = E[e
t2
/ e
t 1
, e
t 2
,...] (4)

Ecuaia (4) evideniaz faptul c variana condiionat a unei variabile aleatoare et distribuit
normal de medie 0 este egal cu valoarea ateptat condiionat a ptratului erorii et .
n cazul modelului ARCH, autocorelaia volatilitii este modelat astfel:

t
2
=
0
+
1
e
t21
(5)

7 | P a g e
Bucuresti 2014

Modelul de mai sus este cunoscut ca fiind ARCH(1) i evideniaz faptul c variana condiionat a
termenului eroare t2 depinde de valoarea imediat precedent a ptratului erorii. Ecuaia (5)
reprezint de fapt numai o parte din model, din moment ce pn n acest moment nu s-a
specificat nimic legat de media condiionat. Sub condiiile modelului ARCH, ecuaia mediei
condiionate (care descrie evoluia variabilei dependente y t n timp) poate lua
aproape orice form. Un exemplu al unui model complet este urmtorul:


y t =
1
+
2
x
2t
+
3
x
3t
+
4
x
4t
+e
t
(6)


t2
=
0
+
1
e
t21
(7)
unde e
t
~ N (0,
2
) .

Astfel, modelul evideniat prin ecuaiile (6)-(7) poate fi extins la cazul general, unde variana erorii
depinde de q lag-uri ale erorilor ptratice, model cunoscut sub forma ARCH( q ):


y
t
=
1
+
2
x
2 t
+
3
x
3t
+
4
x
4 t
+e
t
(8)

t2
=
0
+
1
e
t21
+
2
e
t2 2
+ ... +
q
e
t2 q (9)
unde et ~ N (0, 2 ) .

Din moment ce
t
2
reprezint variana condiionat, valoarea sa trebuie s fie ntotdeauna strict
pozitiv (o varian negativ la orice moment n timp este lipsit de sens). Astfel, toi coeficienii
din ecuaia varianei condiionate trebuie s fie pozitivi:
i
0, ()
i
= 0,1,2,..., q . O extensie
natural a unui model ARCH
(q)

este modelul GARCH

2.2. Modelul generalizat autoregresiv condiional heteroscedastic (GARCH)
Modelul GARCH a fost dezvoltat independent de Bollerslev (1986) i Taylor (1986). Acest model
permite ca variana condiionat s depind de propriile sale lag-uri, astfel c forma cea mai
8 | P a g e
Bucuresti 2014

simpl a ecuaiei varianei condiionate este:

t2 = 0 + 1 et21 + t21 (10)

Acesta este un model GARCH(1,1), iar variana condiionat poate fiinterpretat ca fiind o
funcie ponderat a unei valori medii pe termen lung(dependent de
0
), a informaiei legate de
volatilitatea din perioada precedent(
1
e
t21
) i a varianei din perioada precedent (
t21
).
Forma general a modelului GARCH
( q , p )
, unde variana condiionat depinde de q lag-uri ale erorii
ptratice i p lag-uri ale varianei condiionate, este:

t2
=
0
+
1
e
t21
+
2
e
t2 2
+... +
q
e
t2 q
+ (11)

+
1

+
2
+

+.+
p



Sau :

=
0
+

(12)

n literatura de specialitate se consider c un model GARCH(1,1) este suficient pentru a
surprinde evoluia volatilitii. Un model GARCH(1,1) este echivalent cu un model ARCH(2), iar un
model GARCH(q, p ) este echivalent cu un model ARCH (q+ p ) (Gujarati, 2004, p. 862).

Variana necondiionat a termenului eroare t
e
este constant i este dat de urmtoarea
ecuaie:
var(e
t
) =


(13)
att timp ct
1
+ <1. Pentru 1 + 1, variana necondiionat a erorii t
e
nu este definit
(nonstaionaritate n varian), iar
1
+ =1 reprezint GARCH integrat sau IGARCH (rdcin
unitate n variant).



9 | P a g e
Bucuresti 2014

3. Rezultate empirice
3.1. Date i statistici descriptive
Au fost selectai trei indici de referin ai burselor de valori din trei ri diferite, respectiv
Romnia (BET), Marea Britanie (FTSE100) i Statele Unite ale Americii (S&P500). Au fost alei aceti
indici deoarece conform coeficientului de corelaie Pearson cele trei piee analizate nu sunt
perfect corelate, reprezentnd astfel candidaii potrivii pentru a fi incluse n portofoliu (tabelul
1). Cu toate acestea, Aloui (2010) a subliniat, ntr-o recent lucrare, faptul c acest coeficient nu
este cel mai bun indicator care poate surprinde interdependena dintre piee. El a afirmat faptul c
acest coeficient nu poate face o distincie clar ntre rentabiliti mari i mici sau ntre rentabiliti
pozitive i negative. Mai mult, estimaia coeficientului de corelaie Pearson este constituit pe
baza ipotezei de asociere liniar ntre seriile financiare de rentabiliti, n timp ce ntre aceste serii
pot exista conexiuni de form neliniar.
Soluiile care pot rezolva aceste probleme se regsesc n transformrile care pot fi aplicate
modelelor neliniare (logaritmarea) sau folosirea unor modele de tip GARCH. Astfel, studiul
dezvoltat n aceast lucrare are scopul de a analiza att beneficiile alegerii unui portofoliu
diversificat internaional, ct i evoluia riscului portofoliului astfel diversificat n contextul actualei
crize financiare globale.
Tabelul 1.
BET FTSE 100 S&P 500
BET 1.00 0.26 0.43
FTSE 100 0.26 1.00 0.58
S&P 500 0.43 0.58 1.00

A fost constituit o baz de date coninnd rentabilitile zilnice pentru
perioada 4 ianuarie 2005 31 mai 2010, fiind nregistrate astfel 1297 de observaii. Rentabilitile
au fost calculate cu ajutorul urmtoarei formule:
r
it= In


) (14)

10 | P a g e
Bucuresti 2014

unde i
tr
reprezint rentabilitatea compus continuu a valorii mobiliare i la momentul t ,p
it
reprezint preul valorii mobiliare i la momentul t , i = i t = ( n = 3 i T =1297 ). Pornind de
la aceti trei indici, a fost constituit urmtorul portofoliu: s-a acordat o pondere de 0,5 pentru
investiia n indicele BET, 0,25 pentru investiia n indicele FTSE100 i 0,25 pentru investiia n
indicele S&P500, fiind preferat o strategie pasiv de gestiune a portofoliului.
Tabelul 2.
Statistici descriptive pentru rentabilitile zilnice ale indicilor
BET FTSE 100 S&P 500 Portofoliu
Min -0,135461 -0,092646 -0,092646 -0,088843
Max 0,105645 0,093842 0,109572 0,087974
Mediu 0,000011 0,000049 0,000080 -0,000003
Deviatie standard 0,021893 0,014304 0,015155 0,014761
Indice de asimetrie -0,665793 0,062484 -0,029192 -0,446707
Indice de aplatizare 8,364870 11,03812 12,24093 9,151124
Test Jarque - Bera 1.651,241
Prob. 0,000000
3.492,551
Prob. 0,000000
4.615,061
Prob. 0,000000
2.087,874
Prob. 0,000000

Conform rezultatelor obinute se poate aprecia c cea mai riscant pia este piaa
naional de capital, cea mai puin riscant fiind piaa britanic. Riscul portofoliului este un risc
moderat n comparaie cu riscurile nregistrate pe pieele de capital incluse n analiz. Cea mai
mare rentabilitate este obinut n cazul indicelui S&P500, cea mai sczut rentabilitate fiind cea
obinut de portofoliul ales. Conform indicilor de asimetrie i aplatizare seriile analizate sunt
asimetrice i manifest o aplatizare excesiv. Statistica testului Jarque-Bera este semnificativ n
cazul celor patru serii pentru un nivel de semnificaie de 1%, fiind confirmat astfel ipoteza
conform creia seriile nu sunt distribuite normal.
n figura 1 este ilustrat variaia rentabilitilor zilnice ale celor trei indici i a portofoliului
n perioada ianuarie 2005 mai 2010. Din grafice se poate observa crentabilitile au fost destul
de stabile n perioada ianuarie 2005 septembrie 2008. Dup aceast dat toate seriile au
manifestat instabilitate
11 | P a g e
Bucuresti 2014

datorat n special efectelor crizei financiare globale. De asemenea, se poate observa c seriile
analizate prezint dou dintre caracteristicile specifice modelelor neliniare (volatility clustering i
leverage).
Pentru a desfura analiza riscului portofoliului este necesar estimarea unui model
neliniar care poate surprinde evoluia volatilitii portofoliului pentru orizontul de timp specificat,
iar modelul care este cel mai des folosit n aplicaiile financiare de aceast natur este GARCH(1,1).
nainte de a estima model de tip GARCH este necesar desfurarea unor teste pentru a depista
efecte ARCH la nivelul seriei de rentabiliti a portofoliului. Pentru aceasta a fost desfurat testul
lui Engle(1982). S-a stabilit un numr de cinci lag-uri i s-a estimat prin metoda celor mai mici
ptrate i ARMA un model ARMA(1,1) pentru ca apoi s se poat desfura testul de
heteroscedasticitate. Conform rezultatelor testului exist efecte ARCH n seria rentabilitilor
portofoliului (tabelul 3).

Analiza riscului de portofoliu prin utilizarea modelelor ARCH i GARCH



12 | P a g e
Bucuresti 2014


Figura 1.
Heteroskedasticity Test: ARCH

F-statistic 49.01776 Prob. F(5,1285) 0.0000
Obs*R-squared 206.7917 Prob. Chi-Square(5) 0.0000

3.2. Rezultatele estimrii
A fost estimat modelul GARCH(1,1) prin metoda ARCH (rezultatele sunt prezentate n
tabelul 4). Coeficienii erorii ptratice i ai varianeicondiionate din ecuaia varianei
condiionate sunt semnificativi din punct de vedere statistic (nivel de semnificaie de 1%, 5% i
10%). Aa cum era de ateptat, n cazul estimrii unui model de tip GARCH pentru serii de date
financiare suma coeficienilor este foarte apropiat de 1. Coeficientul varianei condiionate este
aproape 0,9 i aceasta nseamn c ocurile asupra varianei condiionate sunt persistente i c
schimbri mari n variana condiionat sunt urmate de alte schimbri mari, iar schimbrile mici
de alte schimbri mici. Coeficientul termenului liber este foarte mic, iar cel al erorii ptratice este
0,1.

13 | P a g e
Bucuresti 2014

Tabelul 4.
Dependent Variable: PORTOFOLIU
Method: ML - ARCH
Sample: 1 1297
Included observations: 1297
Convergence achieved after 14 iterations
Presample variance: backcast (parameter = 0.7)
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1)
Variable Coefficient Std. Error z-Statistic Prob.
C 0.000879 0.000269 3.263635 0.0011
Variance Equation
C
1.44E-06 3.74E-07 3.860082 0.0001
RESID(-1)^2 0.108449 0.010648 10.18496 0.0000
R-squared -0.003570 Mean dependent var -2.57E-06
Adjusted R-squared -0.003570 S.D. dependent var 0.014761
S.E. of regression 0.014787 Akaike info criterion -6.060756
Sum squared resid 0.283384 Schwarz criterion -6.044818
Log likelihood 3934.400 Hannan-Quinn criter. -6.054775
Durbin-Watson stat 1.806960


Pentru a valida acest model este necesar s se verifice dac erorile ptratice mai prezint
efecte ARCH. Astfel, s-a realizat analiza att a corelogramei seriei erorilor ptratice, ct i a
rezultatelor obinute cu ajutorul testului ARCH. Conform corelogramei nu mai exist termeni
ARCH suplimentari, rezultat confirmat i de testul ARCH pentru nivelurile de semnificaie de 1% i
5% (vezi tabelele 5 i 6).


Tabelul 5.
Heteroskedasticity Test: ARCH

F-statistic 1.895668 Prob. F(5,1286) 0.0922
Obs*R-squared 9.452893 Prob. Chi-Square(5) 0.0923

14 | P a g e
Bucuresti 2014

Tabelul 6.
Sample: 1 1297

Included observations: 1297

Autocorrelation Partial Correlation
AC PAC Q-stat Prob
|* | |* |
1 0.192 0.129 21.486 0.000
|* | |* |
2 -0.009 -0.026 21.587 0.000
|* | |* |
3 0.018 0.023 22.029 0.000
|* | |* |
4 0.023 0.018 22.741 0.000
|* | |* |
5 0.006 0.002 22.741 0.000
|* | |* |
6 0.021 0.021 23.355 0.001
|* | |* |
7 0.039 0.034 25.363 0.001
|* | |* |
8 0.016 0.007 25.707 0.001
|* | |* |
9 0.021 0.019 26.297 0.002
|* | |* |
10 0.027 0.020 27.238 0.002

Pe baza ecuaiei de volatilitate estimate, se genereaz seria istoric de volatilitate
condiionat. Volatilitatea poate fi msurat prin intermediul varianei sau deviaiei standard.
Astfel, volatilitatea (msurat prin deviaia standard) a portofoliului este prezentat n graficul de
mai jos:

Figura 2.
15 | P a g e
Bucuresti 2014

Conform figurii 2, pe parcursul orizontului de timp analizat exist perioademult mai volatile dect
altele. Cea mai pronunat volatilitate este remarcat n perioada 2008-2009 (vrful cel mai
pronunat), fiind observat o uoar scdere n perioada urmtoare, ca apoi n luna mai a anului
2010 (sfritul orizontului de timp ales) s se nregistreze iar o cretere abrupt a volatilitii.
Aceast evoluie a volatilitii portofoliului este datorat actualei crize financiare, care i-a pus
amprenta asupra pieelor de capital din ntreaga lume. Pentru a putea ntri aceast afirmaie, au
fost analizate rentabilitile zilnice din perioada 2008-2009 ale celor trei indici inclui n portofoliu
(figura 3).

Figura 3.
16 | P a g e
Bucuresti 2014

Aa cum se poate observa, luna septembrie a anului 2008 (20 septembrie 12 octombrie
2008, criza speculativ din SUA) reprezint momentul n care evoluia rentabilitilor celor trei
indici ncepe s prezinte fluctuaii considerabile. Totodat, toamna-iarna anului 2008 reprezint
perioada n care criza se extinde i n Europa.
4. Concluzii
Studiile care analizeaz transmiterea rentabilitii i a ocurilor volatilitii de la o pia la
alta, precum i studiile legate de corelaiile dintre piee sunt eseniale n domeniul financiar,
deoarece prezint numeroase implicaii asupra alocrii capitalului unui portofoliu. Aa cum s-a
putut observa din analiza realizat n aceast lucrare, la prima vedere anumite piee pot prea slab
corelate, diversificarea internaional a portofoliului reprezentnd n acest caz o soluie optim. Cu
toate acestea, pe fundalul unui sistem financiar global bine integrat i erodat puternic de efectele
actualei crizei financiare, diversificarea internaional nu reduce riscul portofoliului. Utilizarea n
aceast lucrare a modelelor ARCH i GARCH a permis analiza evoluiei riscului unui portofoliu
diversificat internaional, fiind alei n componena portofoliului trei indici de referin ai burselor
de valori din trei ri diferite, respectiv Romnia (BET), Marea Britanie (FTSE100) i Statele Unite ale
Americii (S&P500). S-a acordat o pondere de 0,5 pentru investiia n indicele BET, o pondere de
0,25 pentru investiia n indicele FTSE100 i o pondere de 0,25 pentru investiia n indicele S&P500.
Pornind de la acest portofoliu s-a utilizat testul lui Engle (1982) pentru a depista existena
efectelor ARCH la nivelul seriei de rentabiliti a portofoliului. Avnd n vedere c aceste efecte au
fost depistate, a putut fi estimat un model de tip GARCH(1,1). Rezultatele estimrii au evideniat
faptul c volatilitatea este persistent deoarece coeficientul varianei condiionate are o valoare de
aproape 0,9 i aceasta nseamn c ocurile asupra varianei condiionate sunt persistente i c
schimbri mari n variana condiionat sunt urmate de alte schimbri mari, iar schimbrile mici de
alte schimbri mici. Pe baza ecuaiei de volatilitate estimate, s-a generat seria istoric de volatilitate
condiionat. Graficul acestei serii a reliefat faptul c exist perioade mult mai volatile dect altele,
cea mai pronunat volatilitate fiind remarcat n perioada 2008-2009. Aceast evoluiea
volatilitii portofoliului s-a datorat actualei crize financiare, fapt confirmat ide analiza graficelor
rentabilitilor zilnice din perioada 2008-2009 ale celor trei indici inclui n portofoliu.

17 | P a g e
Bucuresti 2014

Bibliografie
1. Aloui, R., Global financial crisis, extreme interdependences, and contagion effects: The
role ofeconomic structure?, Jornal of Banking & Finance, 2010, pp. 1-11
2. Bollerslev, T., Generalized autoregressive conditional heterosceasticity, Journal of
Econometrics, 1986, pp. 307-327
3. Brooks, C., (2008). Introductory Econometrics for Finance, Cambridge University Press,
NewYork, pp. 379-451
4. Claessens, C., Ayhan Kose, M., Terrones, M.E., The global financial crisis: How similar?
How different? How costly?, Journal of Asian Economics, 21, 2010, pp. 247-264
5. Engle, R.F., Autoregressive conditional heteroscedasticity with estimator of the variance
of United Kindom inflation, Econometrica, 1982, pp. 987-1008
6. Fama, E.F. (1976). Foundations of Finance, Basic Books, pp. 3-132, pp. 212-270
7. Gujarati, R.N. (2004). Basic Econometrics, Mc Graw-Hill, New York, pp. 856-867
8. Markowitz, H., Portfolio Selection, The Journal of Finance, 7(1), 1952, pp. 77-91
9. Moshirian, F., The global financial crisis and the evolution of markets, institutions and
regulation, Journal of Banking & Finance, 2010, pp. 5-6
10. Rubinstein, M., Markowitzs Portfolio Selection: A Fifty-Year Retrospective, The Journal of
Finance, 57(3), 2002, pp. 1041-1045
11. Solnik, B., Why do not diversify internationally rather than domestically, Financial
AnalystJournal, 1974, pp. 48-54
12. Stancu, S., Predescu, M.O., The Choice of an Optimal Portfolio on the Romanian Capital
Market under Uncertainty and Risk Terms, in the Actual Era of E-Business, The
13. Proceedings of the ninth international conference on informatics in economy,
Bucharest,Romanian, 2009, pp. 206-211
14. Stancu, S., Predescu, M.O., Genetic Algorithm for the Portfolio Selection Problem on
theRomanian Capital Market, Proceedings of International Conference on Engineering an
15. Meta-Engineering, Orlando, USA, 2010, pp. 57-60
16. *** http://www.bvb.ro
17. ***http://www.kmarket.ro