Modele ARCH i GARCH 1

I. Grafice de serii de timp ce au variana depinznd de timp

Exemplul 1. Date simulate

O asemenea serie de timp este staionar n medie dar se vede imediat c dispersia
sa variaz mult n raport cu timpul.
Exemplul 2. Cursul de schimb EUR/USD i Euribor
Analizam date observate n perioada 1.01.2000 -20.11.2009 (2528 de observaii)
privind cursul EUR/USD i Euribor. n analiz am folosit datele transformate dup
y
formula ln yt = ln yt ln yt 1 = ln t adic randamentele (rentabilitile) continue. n
yt 1
Figura 1 prezentm graficul cursului de schimb EUR/USD iar n figura 2 avem graficul
Euribor. n ambele grafice putem constata variaii ale dispersiei n raport cu parametrul
timp t.

SPIRCU LILIANA Econometrie, 2010

Figura 1. EUR/$

Figura 2. Euribor

Exemplul 3. Evoluia rentabilitilor indicelui DJ

Figura 3. Randamentele indicelui DJ (906 observaii)

Observm de asemenea o variaie a rentabilitii n jurul valorii 0 ce depinde de
momentul de timp.
Exemplul 4. Evoluia rentabilitilor preului petrolului (95 de observaii)

Figura 4. Randamentele preul petrolului (85 observaii)

Exemplul 5. Date simulate prezentnd trend i dispersia generat dup modelul

GARCH(1,1)): t2 = 0 + 1ut21 + t21

II. Testarea prezenei heteroscedasticitii n date- Testul ARCH LM

(Maximum Likelihood)
Pasul 1. Se estimeaz parametrii din modelul liniar de regresie multipl (sau unui
alt model de tip estimare a mediei):
yt = 0 + 1 xt ,1 + ... + k xt ,k + et t = 1, 2,...., T
i salvm reziduurile r1 , r2 ,..., rT .
Pasul 2. Folosim modelul de regresie
rt2 = 0 + 1rt 21 + ... + q rt 2 q + vt

t = 1, 2,...., T

unde vt este termenul eroare (presupus normal de medie 0).

Pasul 3. Testm ipotez nul:
H 0 : 1 = 0 i 2 = 0 i q = 0
cu alternativa
H 1 : mcar unul dintre coeficieni este diferit de zero.

Utilizarea EViews
Pornim de la Exemplul 5. Folosim EViews cu urmtoarele comenzi:

Datele noastre sunt ntr-o coloan notat y i n coloana t avem timpul, variabila
de influen. Cum este clar c datele prezint trend cresctor am folosit comanda de mai
sus.
Rezultatul estimaiei este outputul:

Concluzii: Constanta este statistic zero n ecuaia de regresie y = + t iar

este diferit de zero (a se vedea p-value = 0.000). Verificarea prezenei
heteroscedasticitii se face considernd ipotezele asupra parametrilor din ecuaia
auxiliar:

H 0 : 1 = 0 i 2 = 0 i q = 0 cu H 1 : mcar unul dintre coeficieni este diferit

de zero

Output test ARCH - LM

Am testat modelul de forma:

rt2 = 0 + 1rt21 + 2 rt22 + vt

Folosim concluziile: 1) fiecare coeficient din regresia auxiliar este statistic diferit
de zero (a se vedea p-value corespunztoare); 2) testul F ne spune acelai lucru pentru
ansamblul coeficienilor. Deci, putem respinge ipoteza nul:
H 0 : 1 = 0 i 2 = 0
i prin asta acceptm ipoteza alternativ:
H 1 : mcar unul dintre coeficieni este diferit de zero.
Concluzionm faptul c avem heteroscedasticitate n date.

III. Cum modelm datele printr-un GARCH?

Exemplul 5. Date simulate cu trend i varian depinznd de timp.
Comenzile pentru a apela un model GARCH sunt: a) O comand clasic pentru
ecuaiile de medie; b) Selectarea ca metod de optimizare a metodei: ARCH (vezi ecranul
de mai jos).

c) Folosind ecranul de mai jos selectm parametrii modelului GARCH(p,q)

Outputul GARCH(1,1)

Modelul GARCH(1,1) este validat, avem:

Ecuaia mediei este: yt = 0.016675 + 0.001t iar ecuaia dispersiei, n form
GARCH (1,1), este:

t2 = 0.00026 + 0.033708ut21 + 0.964477 t21

toi coeficienii fiind validai statistic. Estimaiile nu mai sunt ns OLS ci ML.

Varianta EViews 6