Analiza Riscului de Portofoliu prin Utilizarea Modelelor

GARCH: Studiu de Caz

Autor: Catalin Cristian Darasteanu*

Abstract

Riscul de portofoliu reprezinta o problema extrem de delicata pentru fiecare

investitor. Acest lucru este normal deoarece comportamentul investitorilor in pietele de
capital este determinat in principal de relatia risc-randament.
Prezentul articol isi propune sa analizeze riscul de portofoliu printr-un exemplu
practic. In particular, vom incerca sa modelam riscul unui portofoliu dat. Aceasta va fi
realizata cu ajutorul modelelor GARCH, instrumente deosebit de utile in econometria
financiara aplicata, care isi au originea intr-un studiu realizat de Robert Engle (1982).
Studiul isi propune sa depisteze cel mai bun model pentru analiza riscului unui
portofoliu dat in perioada 1999-2001. De asemenea vom incerca sa depistam care sunt
perioadele cu volatilitate mai pronuntata. Impactul alegerilor generale din noiembrie
2000 precum si a atacurilor teroriste asupra Statelor Unite din septembrie 2001 asupra
portofoliului construit va fi analizat succint.
Cuvinte cheie: risc de portofoliu, diversificare, modele GARCH, autocorelatie,
randamente reziduale, alegeri generale, atacuri teroriste asupra S.U.A.

I. Introducere

Metoda celor mai mici patrate si in particular regresia lineara reprezinta o mare
realizare in domeniul econometriei. Aceasta este normal de vreme ce economistii sunt
adesea tentati de descoperirea trendurilor viitoare ale unor anumitor evenimente
economice. In studiul pietelor de capital, tentatia de a previziona randamente este una

*
M.Sc. la International Centre for Advanced Mediterranean Agronomic Studies-Mediterranean
Agronomic Institute of Chania (Grecia); contact: cata_cristian@yahoo.com

1
deosebita. Multe studii si modele au incercat sa descopere care este trendul viitor al
randamentelor, pornind de la un set de informatie din trecut, multime care include deseori
comportamentul preturilor, raportul PER, capitalizarea bursiera etc. O interesanta teorie
in acest domeniu este teoria mersului aleator („the random walk hypothesis”).
Adesea insa, econometricienii sunt chemati sa realizeze o previziune a riscului
activelor finaciare. Modelarea acestuia a capatat si are o semnificatie deosebita astazi in
cadrul teoriilor pietelor financiare. In particular, specialistii au acordat o larga atentie
randamentelor reziduale, avand in vedere ca aceastea au o infleunta deosebita asupra
randamentelor studiate.
Randamentele reziduale
Randamentele reziduale reprezinta acea parte a randamentelor care nu au fost
capturate de catre variabila independenta a unui anumit model. De exemplu, sa
consideram modelul de piata:

rit   i   i rmt   it

unde:
rit - randamentul titlului individual i in perioada de timp t;

 i - termenul constant;

 i - riscul relativ de piata al unui titlu individual;

rmt - randamentul portofoliului de piata;

 it - termenul eroare.

Randamentele reziduale sunt reprezentate tocmai de termenul  it al ecuatiei,

indicand care este partea de randament a unui titlu individual ce nu a fost influentata de
randamentul portofoliului de piata. Deseori, aceste randamente reziduale au o pondere
foarte importanta in cadrul randamentului individual. De exemplu, Darasteanu (2002)
aplica modelul de piata prin utilizarea celor mai mici patrate pentru a testa celebrul
CAPM. Studiul arata ca randamentele reziduale au un impact deosebit, iar coeficientul de

2
determinatie R2 ajustat a demonstrat ca rm are o influenta de pana la 10% asupra
randamentului individual.

II. Caracteristici ale Seriilor Financiare

Gestiunea riscului portofoliilor de investitii a condus la necesitatea incercarii de

modelare a sa. In particular, s-a investigat modul in care poate fi modelata dispersia
conditionala. Numim prin dispersie conditionala dispersia unei serii de date care nu are o
evolutie uniforma pe tot intervalul. Practic, acest fenomen poarta numele in econometrie
de heteroschedasticitate si reprezinta o incalcare a supozitiilor care stau la baza metodei
celor mai mici patrate, respectiv cea de homoschedasticitate. In fapt exista un volum
larg de literatura de specialitate care dezbate caracteristicile evolutiei in timp a
randamentelor. Marea parte a studiilor surprind faptul ca dispersia variaza ca amplitudine
in timp.
Adeseori in practica, seriile financiare se dovedesc a nu urma o distributie
normala. Seriile sunt mai degraba leptocurtice, adica exista o abatere larga a valorilor
extreme de la media lor. Aceasta inseamna ca daca valoarea normala a indicelui Kurtosis
(cel care arata cat de „ingrosate sunt extremitatile” sau cat de mult se abat valorile
maxime si minime de la media lor) este 3, in seriile finaciare indicatorul ia valori mult
mai mari (vom vedea acest lucru in exemplul practic propus). De asemenea, seriile
financiare tind sa fie asimetrice. Aceasta inseamna ca valoarea indicelui Skewness (care
suprinde simetria sau asimetria unei serii) ia valori diferite de zero.
Seriile financiare mai prezinta 2 probleme deosebit de importante:
1. corelatie seriala regasita in reziduuri;
2. heteroschedasticitate, adica evolutia neuniforma a dispersiei respectivei serii de-a
lungul perioadei de timp analizate.
Intr-un interesant si binevenit studiu pentru bursa romaneasca, Alexandru Todea (2002)
realizeaza o analiza tehnica a titlurilor cotate la categoria intai a Bursei de Valori
Bucuresti si arata ca randamentele reziduale pentru marea majoritate a actiunilor nu sunt

3
autocorelate. De asemenea, folosind un interval de timp diferit, Darasteanu (2002) arata
de asemenea ca majoritatea actiunilor cotate la categoria intai nu prezinta reziduuri
autocorelate (totusi multe din actiunile cotate la categoria a doua prezinta autocorelatie).
Aceste rezultate prezinta o importanta aparte si au implicatii asupra teoriei pietelor
eficiente1.

III. Modelele GARCH : Motivatie

Modelele GARCH sunt proiectate tocmai pentru a modela serii economice ce

prezinta caracteristicile prezentate mai sus. Denumirea GARCH reprezinta:
o G – generalizat;
o AR – autoregresiv;
o C – conditional;
o H – heteroschedasticitate.
Primul model a fost realizat de catre Robert Engle in 1982. In fapt, acesta a fost
un model ARCH. Modelul cuprinde o ecuatie pentru medie si una pentru dispersie,
respectiv:

y t  xt   t
 t2     t21   t21

unde:
yt – variabila dependenta in perioada curenta;
xt – variabila independenta perioada curenta;
 - coeficient care arata influenta variabilei independente asupra variabilei dependente;
t – termenii reziduali in perioada curenta;
 t2 - dispersia variabilei dependente in perioada curenta;

 - constanta ecuatiei dispersiei;

1
Acest model (sau chiar modele) nu vor fi tratate in prezentul studiu; vom lasa aceasta discutie intr-un
studiu ulterior

4
 - coeficientul “ARCH”;
t-1 – termenii reziduali din perioada precedenta;
 t21 - dispersia variabilei dependente in perioada precedenta;

 - coeficientul “GARCH”.

Modelul descris mai sus este in fapt modelul GARCH (1,1) in care primul numar
arata ca asupra dispersiei actioneaza termeni reziduali din perioada precedenta, iar cel de-
al doilea numar arata ca dispersia din perioada precedenta are influenta asupra dispersiei
curente. In fapt, pentru serii foarte mari, modelul GARCH (1,1) poate fi generalizat la
modelul GARCH (p,q)1.
Pentru ca aplicatia noastra se refera la analiza riscului unui portofoliu, ne vom
concentra atentia numai asupra ecuatiei dispersiei. Modelul poate fi utilizat cu succes in
studiile de volatilitate. Spre deosebire de metoda celor mai mici patrate, modelul GARCH
include in ecuatia sa atat termenii eroare (adesea denumiti „socuri”) cat si fenomenul de
heteroschedasticitate. De asemenea este util in cazul in care seriile nu sunt distribuite
normal, ci mai degraba au extremitati ingrosate. Nu mai putin important este faptul ca
intervalele de confidenta pot varia in timp si deci intervale mai precise pot fi obtinute prin
modelarea dispersiei randamentelor reziduale.
O interesanta abordare a modelelor GARCH este cea a posibilei existente a unui
efect de levier. In fapt, modelul GARCH (1,1) este un model simetric si presupune ca
termenii reziduali au acelasi semn. In realitate insa adeseori seriile financiare prezinta
asimetrie. Un model foarte util in acest caz este modelul EGARCH sau altfel spus
modelul GARCH exponential introdus de catre Nelson (1991):

 t 1 
   
log  t2    log  t21  
 t 1
  t 1
 t 1
(1)

1
O interesanta prezentare a modelelor GARCH se regaseste in publicatia “The econometrics of financial
economics”, avandu-i ca autori pe John Campbell, Andrew Lo si Craig MacKinley, aparuta in 1997 la
editura Princeton University Press, pag. 479-490

5
 Efectul de levier poate fi testat prin testarea inegalitatii <0 si   0 . Notam ca
acest model este asemanator modelului GARCH (1,1). Totusi, se remarca prezenta
termenului log care transforma modelul intr-unul non-linear. De asemenea termenii
reziduali sunt raportati la dispersie, devenind practic reziduuri standardizate.

IV. Date si Metodologie

Pentru construirea portofoliului au fost utilizate date din perioada 04.01.1999-

22.12.2001, cuprinzand un numar de aproximativ 755 de observatii. Am utilizat in
analiza noastra indicii BET si RASDAQ-C si cursul de schimb ROL/USD. Datele privind
evolutia indicelui BET au fost oferite de Bursa de Valori Bucuresti, datele privind
evolutia indicelui RASDAQ-C au fost culese de pe site-ul oficial al Societatii de Bursa
Rasdaq, in timp ce sursa evolutiei cursului valutar ROL/USD o reprezinta Banca
Nationala a Romaniei.
In aplicatia noastra, presupunem ca un investitor este dispus sa investeasca o parte
a avutiei sale in piata de capital romaneasca. Investitorul are o toleranta semnificativa la
risc, dorind totusi sa isi diversifice investitia. Presupunem ca acest investitor prefera
investitii pe piata bursiera. Mai precis, presupunem ca 50% al capitalului sau este investit
la prima categorie a Bursei de Valori Bucuresti (pentru simplificarea simularii luam ca
activ financiar indicele de piata BET), 30% in piata extrabursiera Rasdaq (respectiv in
indicele de piata Rasdaq-C), in timp ce pentru o mai buna diversificare si o protectie
impotriva riscului va investi 20% in moneda americana (investitorul dorind astfel un grad
de lichiditate semnificativa).
Investitorul nostru este interesat sa isi monitorizeze investitia si in acest sens el
doreste sa stie cum a evoluat riscul portofoliului sau. De asemenea, ar vrea sa stie care au
fost cauzele care au determinat anumite varfuri de volatilitate. Astfel, el va alege
metodologia GARCH pentru analiza volatilitatii.
Primul pas va fi testarea prezentei semnaturii ARCH asupra portofoliului. Aceasta
se va realiza cu ajutorul corelogramei radicalului randamentelor. Daca se observa

6
existenta semnaturii ARCH vom trece la modelarea dispersiei conditionale. In acest sens,
modelul GARCH (1,1) va fi comparat cu EGARCH (1,1). In sfarsit, dupa alegerea celui
mai potrivit model, vom testa existenta unor termeni reziduali reminiscenti cu ajutorul
corelogramei radicalului termenilor reziduali standardizati si prin aplicarea testului
ARCH LM.
Pe baza datelor primare au fost calculate randamente zilnice (ale indicilor BET si
Rasdaq-C si a cursului valutar). Apoi, pe baza procentelor mentionate mai sus a fost
compus portofoliul si au fost calculate randamentele zilnice ale portofoliului. Datele au
fost transferate ulterior in Eviews 3, unde au fost realizate toate testele necesare.

V. Analiza Realizata, Rezultate Obtinute si Discutie

In primul rand vom prezenta o statistica primara a datelor. In tabelul urmator

consideram randamentele zilnice ale indicilor BET si Rasdaq-C precum si a cursului
valutar ROL/USD. Pe ultima coloana a fost considerat portofoliul construit.

Tab. 1: Statistici descriptive

BET RASDAQ-C ROL/USD Portofoliu
Medie 0.000382 8.73E-05 0.000596 0.000335
Deviatia Std. 0.007931 0.005889 0.001671 0.004254
Skewness 0.293 0.325 4.808 0.139
Kurtosis 7.977 52.493 81.379 7.685

Tabelul indica faptul ca cea mai riscanta a fost piata bursiera (daca ne raportam la
indicele BET). Cel mai redus risc a fost inregistrat pe piata valutara (lucru asteptat de
altfel). Deviatia standard a portofoliului a fost redusa semnificativ prin echilibrarea
portofoliului cu moneda americana, inca o dovada clara a diversificarii. Notam de
asemenea randamentul mai ridicat al monedei americane decat cel al indicelui BET.
Tabelul indica de asemenea faptul ca toate cele 4 serii, inclusiv portofoliul
construit, nu urmeaza o distributie normala. Lucrul este evidentiat de valorile
indicatorilor Skewness si Kurtosis. Valori extrem de mari se observa in cazul
randamentului indicelui Rasdaq-C si in cazul randamentului monedei americane. Toate

7
cele 4 serii sunt asimetrice. In particular, valorile situate pe exrema dreapta sunt foarte
mari semn ca in anumite zile s-au inregistrat cotatii foarte mari. O inspectie mai detaliata
a evolutiei randamentelor zilnice este realizata cu ajutorul urmatoarelor grafice:

0.04

0.02

0.00

-0.02

-0.04

-0.06
1/04/99 10/11/99 7/17/00 4/23/01

Randamentul zilnic al indicelui BET

0.08

0.06

0.04

0.02

0.00

-0.02

-0.04

-0.06
1/04/99 10/11/99 7/17/00 4/23/01

Randamentul zilnic al indicelui Rasdaq-C

8
 0.03

0.02

0.01

0.00

-0.01

-0.02
1/04/99 10/11/99 7/17/00 4/23/01

Randamentul zilnic al dolarului american

Figura 1: Evolutia Randamentelor Zilnice

Intr-adevar, pe piata extrabursiera si pe cea valutara a existat o nervozitate

extrema in anumite perioade. Pentru piata valutara aceasta nervozitate este evidenta in
prima parte a anului 1999. Pe piata Rasdaq, s-au consemnat cateva valori extreme la
finele anului 1999. Mai precis, pe data de 8 septembrie 1999, indicele Rasdq-C a „sarit”
cu peste 100 de puncte pentru ca in urmatoarea zi sa revina la trendul normal al perioadei.
Pe 28 octombrie 1999 indicele sare cu aproape 100 de puncte, urmatoarea zi insemnand
din nou una „normala”. Pe 29 septembrie 1999, inregistram din nou un salt foarte mare
al indicelui cu circa 50 de puncte. Desigur ca aceste variatii extreme au facut ca piata
extrabursiera in ansamblul ei sa fie extrem de volatila la finele anului 1999.
Daca pentru piata valutara si cea extrabursiera, in afara momentelor cu volatilitate
ridicata mentionate, randamentele sunt relativ uniform dispersate, nu acelasi lucru putem
sa spunem despre evolutia randamentului indicelui BET. Volatilitatea pare mai ridicata.
Acest lucru este evidentiat de valoarea deviatiei standard (pentru BET valoarea fiind cea
mai mare-vezi tabelul 1).
Evolutia randamentelor portofoliului creat este surprinsa de urmatorul grafic:

9
 0.03

0.02

0.01

0.00

-0.01

-0.02

-0.03
1/04/99 10/11/99 7/17/00 4/23/01

Evolutia randamentelor zilnice

Figura 2: Evolutia Randamentelor Zilnice ale Portofoliului

Purtand amprenta evolutiei randamentelor indicelui BET, randamentele

portofoliului creat par a nu avea o evolutie uniforma. Mai precis, perioadele cu
volatilitate mai redusa alterneaza cu perioadele cu volatilitate mai ridicata. Dispersia
seriei pare a nu fi constanta de-a lungul perioadei si de aceea avem un prim indiciu al
heteroschedasticitatii. In particular, seria pare a fi mai volatila spre sfarsitul anului 1999
si in vara anului 2000. Spre sfarsitul intervalului de timp analizat, respectiv sfarsitul
anului 2001, randamentele par a fi uniformizate. O informatie suplimentara asupra
randamentelor portofoliului construit este data de graficul distributiei cumulative (vezi
figura 3). Observam ca marea parte a randamentelor sunt plasate intre –0.01 si 0.01.
Totusi exista extremitati pronuntate atat la stanga cat si la dreapta, inca un indiciu al
faptului ca seria nu este normal distribuita si o indicatie a posibilei semnaturi „ARCH”.

10
 Empirical CDF of Evolutia randamentelor zilnice

1.0

0.8

0.6

0.4

0.2

0.0
-0.02 -0.01 0.00 0.01 0.02

Figura 3: Distributia Cumulativa a Randamentelor Zilnice

Analiza grafica este foarte utila in descrierea seriilor si fenomenelor economice.

Totusi, pentru certitudinea analizei, testele statistice sunt mult mai indicate. Vom testa
prezenta semnaturii ARCH cu ajutorul corelogramei radicalului randamentelor zilnice. Sa
notam ca numarul de lag-uri utilizate este 15. In coloana notata AC remarcam coeficientii
de corelatie seriala, in timp ce in ultima coloana avem probabilitatea de acceptare a
ipotezei „nu exista efecte ARCH” (aceasta fiind de fapt ipoteza nula). Coeficientii de
autocorelatie nu inregistreaza valori prea mari. Ei isi modifica semnul la a cincea linie
(respectiv al cincilea lag), marcand trecerea catre corelatie seriala negativa. Remarcam ca
autocorelatia de lag 1 este pozitiva. In acelasi timp, valoarea probabilitii ipotezei nule
este 0 pe toate cele 4 pozitii, indicand ca putem respinge ipoteza nula si furnizand
informatia ca exista efecte ARCH. Din corelograma mai remarcam declinarea in timp a
coeficientilor corelatiei pozitive, in timp ce coeficientii corelatiei negative inregistreaza
cresteri si scaderi de succesive ale valorilor.
Tab. 2: Corelograma radicalului randamentelor
AC Q-Stat Prob
1 0.184 25.756 0.000
2 0.075 30.053 0.000
3 0.008 30.099 0.000
4 0.027 30.672 0.000
5 -0.024 31.108 0.000
6 -0.016 31.295 0.000
7 -0.049 33.170 0.000
8 -0.044 34.677 0.000
9 -0.016 34.871 0.000

11
 AC Q-Stat Prob
10 -0.056 37.315 0.000
11 -0.011 37.404 0.000
12 -0.046 39.007 0.000
13 -0.043 40.451 0.000
14 -0.093 47.125 0.000
15 -0.035 48.087 0.000

V.I. Depistarea Ecuatiei Volatilitatii

In aceasta etapa vom incerca sa depistam ecuatia care descrie cel mai bine
volatilitatea portofoliului sau cu alte cuvinte riscul de portofoliu. O prima incercare este
sa cautam un model standard GARCH(1,1). Rezultatele sunt prezentate in atasamentul
studiului. Observam ca ambii termeni ARCH(1) si GARCH(1) au o influenta
semnificativa din punct de vedere statistic asupra dispersiei seriei la un nivel de
probabilitate mai ridicat de 5%. Ecuatia dispersiei ne arata variabila dependenta
(respectiv portofoliul), metoda utilizata (ML-ARCH), numarul de observatii (759)
precum si faptul ca a fost necesara numai o singura iteratie pentru a se atinge convergenta
dorita. In acelasi timp avem coeficientii efectelor ARCH, GARCH si termenul constant.
Termenul eroare testul z, precum si probabilitatea atasata acestuia din urma completeaza
tabelul ecuatiei.
Totusi, analiza corelogramei radicalului reziduurilor standardizate arata ca ecuatia
GARCH (1,1) nu este cea mai indicata. Intr-adevar, aceste reziduuri standardizate sunt
puternic autocorelate.
Pornind de la ecuatia GARCH (1,1), au fost realizate incercari succesive de gasire
a ecuatiei dorite. In final, modelul standard sau clasic GARCH (1,1) a fost abandonat si
modelul asimetric EGARCH (1,1) a fost adoptat.Acest model prezinta un avantaj
particular prin faptul ca nu este unul linear. Asa cum s-a prezentat la sectia de motivatie a
modelelor GARCH (sectia III), pentru modelarea volatilitatii se considera in fapt
logaritmul dispersiei mai degraba decat dispersia. De asemenea reziduurile sunt
standardizate in interiorul modelului ceea ce prezinta un mare avantaj.

12
 Ecuatia care modeleaza cel mai bine volatilitatea portofoliului construit este:
Variabila Dependenta: PORTOFOLIU
Metoda: ML – ARCH
Data: 09/25/02 Timp: 17:16
Esantion (ajustat): 1/21/1999 11/16/2001
Observatii incluse: 737 dupa ajustarea punctelor finale
Convergenta atinsa dupa 100 iteratii
Bollerslev-Wooldrige robust standard errors & covariance
Backcast: 1/05/1999 1/20/1999

Coeficient Eroare Std. z-Statistic Prob.

AR(12) -0.576399 0.144077 -4.000624 0.0001

MA(12) 0.575897 0.147615 3.901347 0.0001

Ecuatia Dispersiei

 -5.186397 2.123368 -2.442533 0.0146

 0.502687 0.102259 4.915808 0.0000
 0.013911 0.073779 0.188552 0.8504
EGARCH(1)* 0.563872 0.194636 2.897062 0.0038

Observam ca efectul ARCH (in ecuatie coeficientul ) si GARCH sunt

semnificative din punct de vedere statistic. Totusi ecuatia ne indica faptul ca nu exista un
efect de levier. Coeficientul  este pozitiv si in plus nu este semnificativ din punct de
vedere statistic. Deci efectul de asimetrie nu este evident. Remarcam insa succesul unui
model GARCH non-linear in modelarea volatilitatii portofoliului nostru.
Pentru a valida aceasta ecuatie trebuie sa recurgem la teste aplicate termenilor
reziduali. Asa cum s-a precizat la sectia de metodologie, vom face analiza corelogramei
radicalului reziduurilor standardizate, precum si un test rezidual ARCH-LM.

*
In ecuatia (1) EGARCH(1) este log(t2)

13
 Corelograma este urmatoarea:

Corelograma Radicalului
Reziduurilor Standardizate
AC Q-Stat Prob

1 0.013 0.1170
2 0.044 1.5827
3 0.051 3.5311 0.080
4 -0.043 4.9248 0.085
5 0.010 5.0064 0.171
6 0.016 5.1890 0.268
7 0.002 5.1935 0.393
8 -0.002 5.1967 0.519
9 0.040 6.3872 0.495
10 0.030 7.0823 0.528
11 0.029 7.7116 0.563
12 0.198 37.052 0.510
13 0.051 38.998 0.560
14 0.033 39.805 0.610
15 -0.016 39.995 0.640

Corelograma indica faptul ca termenii reziduali nu sunt autocorelati. Mentionam

ca daca valoarea probabilitatii este mai ridicata de 0.05 putem accepta ipoteza nula „nu
exista efecte ARCH reziduale”. Observam in ultima coloana a tabelului ca acest lucru
este valabil pentru toti cei 15 termeni. Pentru a intari cele spuse, vom aplica si un test
ARCH-LM:

ARCH Test:
F-statistic 0.116102 Probabilitate 0.733399
Obs*R-squared 0.116400 Probabilitate 0.732972

Din nou, valoarea probabilitatii trebuie sa fie mai mare decat 0.05 pentru a ne
asigura ca nu exista efecte reziduale asupra dispersiei seriei. Valoarea de 0.73 ne indica
inca o data ca nu exista efecte ARCH reziduale.
Vom completa analiza termenilor reziduali cu testul White pentru a verifica
urmele de heteroschedasticitate. Pentru a ne asigura ca nu mai exista efecte de
heteroschedasticitate (sau efecte GARCH) reziduale din nou valoarea probabilitatii

14
trebuie sa fie mai mare de 0.05. In acest caz coeficientul vizat este STD_REZID^2(-1).
Valoarea probabilitatii pentru acest coeficient de 0.61 indica faptul ca putem accepta
ipoteza nula „nu exista efecte GARCH reziduale”.

White Heteroskedasticitate-Consistent Standard Errors & Covariance

Variabila Coeficient Eroare Std. t-Statistic Prob.
C 0.987385 0.100258 9.848425 0.0000
STD_REZID^2(-1) 0.012575 0.025039 0.502224 0.6157

In concluzie modelul EGARCH (1,1) aplicat este cel indicat pentru a modela
volatilitatea portofoliului. Cele 3 teste pentru termenii reziduali prezentate mai sus
intaresc validitatea modelului propus.

VI. Descrierea Volatilitatii Portofoliului

Pana in acest punct atentia a fost concenrata spre depistarea celui mai indicat
model de explicare a comportamentului dispersiei portofoliului nostru. Am vazut astfel ca
setul de informatie din trecut are impact semnificativ asupra randamentelor prezente. Mai
mult, am demonstrat faptul ca dispersia portofoliului nu are o evolutie constanta de-a
lungul seriei, ci una oscilanta, avand o puternica amprenta asupra volatilitatii.
Desigur aceste aspecte tehnice sunt deosebit de importante pentru econometricieni
si le ofera informatii utile asupra comportamentului volatilitatii. Dar un investitor
individual este mai mult interesat in explicarea cauzelor ce au determinat ca anumite
perioade de timp sa fie mai riscante decat altele. El ar dori sa stie de exempu daca exista
o evolutie sezoniera a randamentelor sau nu. Daca anumite cauze se repeta in afectarea
evolutiei pietelor de capital.
In cele ce urmeaza, ne vom focaliza atentia pe 2 aspecte:
1. depistarea momentelor de volatilitate ridicata si analiza lor;
2. discutarea a 2 evenimente cu impact presupus puternic, respectiv alegerile
electorale din toamna anului 200 din Romania si atacurile teroriste asupra Statelor
Unite din septembrie 2001.

15
 VI.I. Prezentarea Volatilitatii Portofoliului

Aceasta este surprinsa din graficul urmator. Mentionam ca graficul este construit
in baza ecuatiei EGARCH(1,1) descrisa mai sus.

0.00020

0.00015

0.00010

0.00005

0.00000
1/04/99 10/11/99 7/17/00 4/23/01

Riscul de Portofoliu-Deviatia Standard a Randamentelor

Figura 4: Volatilitatea Portofoliului

O privire la graficul de mai sus indica in mod clar faptul ca pe parcursul celor 3
ani, exista perioade mult mai volatile decat altele. Daca este sa facem o analiza pe ani,
volatilitatea cea mai pronuntata se remarca in anul 1999, unde sunt cele mai numeroase
“varfuri”. Volatilitatea anului 2000 ar fi putut avea o amplitudine asemanatoare cu cea
inregistrata in anul 2001 daca nu ar fi existat “varful” inregistrat in luna august a acestui
an. O investigare a randamentelor zilnice a celor 3 portofolii initiale care au condus la
constructia portofoliului nostru ofera dovada faptului ca volatilitatea in luna august a
anului 2000 este pusa pe seama evolutiei pietei bursiere. Figura 1 indica faptul ca
evolutia dolarului si a pietei Radaq a fost relativ calma. “Socul” produs pe piata bursiera
este evidentiat cu ajutorul urmatorului grafic:

16
 Volatilitatea in luna august
R an d a m e nte z iln ic e
0.050
0.040
0.030
0.020
0.010
0.000
-0.010
20.J ul.00 31.J ul.00 09.Aug.00 18.Aug.00 29.Aug.00 07.S e p.00
-0.020
-0.030
-0.040
-0.050

Timp

Figura 5: Evolutia Indicelui BET in Perioada 20 Iulie 200-10 Septembrie 2000

In graficul de mai sus, desi ne intereseaza in primul rand luna august, am inclus
ultimele 10 zile ale lunii iulie si primele 10 zile ale lunii septembrie (zile calendaristice)
pentru a evidentia mai bine socurile petrecute in luna august pe piata bursiera. Putem
explica asadar cel mai inalt varf de volatilitate a portofoliului nostru cu ajutorul graficului
5. Daca in ziua de 9 august 2000, randamentul indicelui BET era de 0.039, acesta ajunge
extrem de rapid (respectiv la data de 11 august 2000) la o valoare extrem de redusa,
respectiv –0.037 (aceasta fiind o zi de vineri). In ziua de luni (14 august 2000), BET
recupereaza substantial randamentul pierdut in ziua de vineri, ajungand la 0.014. Daca
luam in considerare studiile realizate pe alte piete bursiere, acest lucru observat pare
surprinzator. Mentionam ca in anumite studii (vezi French, 1980), in care se analizeaza
efectul de weekend, se dovedeste faptul ca, in general, randamentele tind sa creasca catre
sfarsitul saptamanii, urmand ca in prima zi de tranzactionare a saptamanii (respectiv luni)
sa inceapa cu o usoara corectie negativa a cotatiilor si in consecinta cu o oarecare
diminuare a randamentelor.

17
 Totusi, nu se poate afirma ca la BVB, ziua de luni ofera randamente in crestere si
cea de vineri o reducere a lor1. De exemplu, spre sfarsitul lunii august, unde avem din nou
o perioada cu volatilitate accentuata, declinul in randamentele zilnice se produce
incepand cu data de miercuri 23 august 2000. Intr-o zi, randamentul zilnic al indicelui
BET ajunge de la –0.001 la –0.041. Ziua de luni, 28 august 2000 gaseste randamentul
indicelui BET la aceeasi valoare ca in ziua de vineri 25 august 2000, respectiv –0.036.
Ziua de 29 august reprezinta evident o zi mult mai buna, randamentul urcand pana la
0.001.
Asa cum s-a mentionat mai sus, cel mai riscant an pentru portofoliul nostru este
anul 1999. Varfurile de volatilitate inregistrate (vezi graficul 4) sunt datorate activitatii
celor 3 piete. Daca analizam din nou graficul 1 observam ca in 1999 atat piata
extrabursiera, cat si dolarul american au avut cele mai agitate perioade in cadrul
intervalului de timp analizat (vezi pagina 9 a acestui studiu pentru mai multe detalii). De
asemenea indicele BET a cunoscut anumite perioade in acest an destul de volatile.
Observam ca lunile ianuarie si februarie inregistreaza o volatilitate redusa, purtand in
mod evident amprenta calmului normal inregistrat pe Bursa de Valori Bucuresti in
aceasta perioada. Din luna martie apar valori mari repetate ale deviatiei standard (plasate
in jurul valorii de 0.00010). Aceasta se datoreaza socului produs pe piata valutara. De
asemenea pe bursa incep perioadele in care se estimeaza sau se anunta profiturile si/sau
dividendele inregistrate de companiile cotate. Perioadele cu volatilitate ridicata alterneaza
totusi cu perioade mai “calme” pentru portofoliul ales. Aceasta se explica partial prin
vacantele normale care se inregistreaza pe BVB. O alta cauza o reprezinta fluctuatiile
reduse ale randamentelor zilnice ale indicelui Rasdaq-C si a cursului monedei americane
(cu exceptiile notate deja). Impreuna, indicele Rasdaq-C si dolarul american,
reprezentand 50% din portofoliul construit, reusesc sa reduca fluctuatiile clar mai mari
inregistrate de indicele BET. Aceasta este inca o dovada a posibilitatii reducerii
riscului unui portofoliu prin diversificare.

1
Ar fi extrem de nepotrivita aceasta afirmatie. Mentionam ca efectul de week-end necesita un studiu
separat si se realizeaza pe serii de timp mai largi

18
 Anul 2001 s-a caracterizat printr-o volatilitate relativ redusa a portofoliului (daca
este sa o comparam cu cea a anului 1999). Daca in anul 1999 deviatia standard deseori
era situata in jurul valorii de 0.00010, in anul 2000 aceasta ajunge sau depaseste rareori
valoarea de 0.00005. Explicatia poate fi oferita de graficul 1. Piata Rasdaq-C si cea
valutara (respectiv evolutia dolarului american) cunosc fluctuatii reduse ale
randamentelor zilnice. De asemenea, evolutia randamentului indicelui BET in acest an
este mult mai stabila, respectiv fluctuatiile sunt mult mai reduse. Efectul de diversificare
actioneaza cu succes in acest an ducand la reducerea substantiala a riscului de portofoliu.
Impactul alegerilor generale din Romania din noiembrie 2000 asupra
portofoliului
Este cunoscut faptul ca anumite evenimente (in econometrie denumite uneori
“socuri” sau „inovatii”) au un anumit impact asupra investitiilor financiare. Nu de
putine ori pe pietele financiare romanesti s-a observat faptul ca anumite fenomene
globale nu influenteaza prea mult piata. In acest studiu vom verifica empiric acest fapt
prin studiul impactului alegerilor generale din Romania din noiembrie 2000 si a atacurilor
teroriste asupra Statelor Unite din septembrie 2001(care au afectat profund pietele
bursiere din lume) asupra portofoliului nostru.
Pentru a analiza impactul alegerilor generale din Romania din noiembrie 2000
vom folosi o perioada ante-eveniment si o perioada post-eveniment1. Vom considera
perioada ante-eveniment luna octombrie 2000 precum si luna noiembrie pana in prima zi
electorala. Perioada eveniment o reprezinta intreaga perioada a celor 2 scrutine (inclusiv
cu pauza dintre ele), iar perioada post-eveniment este cuprinsa intre prima zi dupa
terminarea celui de-al doilea scrutin si 15 decembrie 2000.
Figura 6 reda evolutia randamentelor zilnice ale portofoliului in perioada de timp
aleasa. Observam cum perioada ante-eveniment si cea eveniment au practic acelasi
continut, respectiv evolutia randamentelor zilnice ale portofoliului este asemanatoare,
ceea ce reprezinta in mod normal un rezultat surprinzator. Ceea ce ar reprezenta un
1
O metodologie asemanatoare se foloseste adesea in studii pentru a analiza forma semi-puternica a pietelor
eficiente (vezi Fama, 1969). Acest studiu nu are amploarea unor asemenea studii din 2 motive: scopul este
altul (respectiv analiza riscului de portofoliu prin modelele GARCH) si de asemenea exista o limitare a
datelor (BVB este inca o piata tanara).

19
eveniment cu impact semnificativ asupra pietelor si a economiei nationale in ansamblul
ei, alegerile generale din Romania au lasat “indiferente” pietele financiare din Romania.
Putem explica acest rezultat fie prin indiferenta pietelor financiare din Romania la astfel
de evenimente ca fenomen general, fie prin faptul ca sondajele de opinie dadeau in
perioada ante-eveniment drept castigator actualul partid de guvernamant.

Im pactul alegerilor generale

0.020
0.015
0.010
0.005
0.000
02.Oc t.00
-0.005 11.Oc t.00 20.Oct.00 31.Oc t.00 09.No v.00 20.No v.00 29.No v.00 11.Dec .00
-0.010
-0.015

P erio ada

Figura 6: Impactul Alegerilor Generale din Noiembrie 2000 Asupra Volatilitatii

Portofoliului

Ceea ce este interesant de notat este faptul ca volatilitatea portofoliului este

ridicata incepand cu 5 decembrie 2000. Pe 5 decembrie, randamentul este –0.001, pe 6
decembrie ajunge la 0.016, iar pe 7 decembrie coboara la –0.002. Cu siguranta acesta este
un soc puternic, dar consideram ca nu se datoreaza alegerilor generale care se incheiasera
deja si se stia castigatorul atat in Parlament cat si la presedintie.

Impactul atacurilor teroriste petrecute in Statele Unite in septembrie 2001 asupra

portofoliului

20
 Acesta reprezinta cu siguranta un eveniment global cu efecte majore asupra
burselor si pietelor financiare din intreaga lume. Vom analiza in ce masura acest fenomen
a afectat portofoliul construit in acest studiu. Analiza prezinta importanta datorita faptului
ca nu putini analisti remarca izolarea pietelor financiare din Romania si gradul redus de
integrare al acestor piete in pietele financiare internationale.
Vom considera perioada ante-eveniment a doua jumatate a lunii august a anului
2001 pana pe data de 10 septembrie (inclusiv), vom lasa perioada eveniment sa fie
compusa din 5 zile de tranzactionare (respectiv 11 septembrie-17 septembrie). Perioada
post-eveniment este considerata perioada cuprinsa intre 18 septembrie 2001 si 28
septembrie 2001, perioada considerata ca fiind suficienta pentru a incorpora efectele
impactului in cotatiile de pe pietele financiare considerate.
Figura 7 ne indica evolutia randamentelor zilnice in toata aceasta perioada.

Im pactul atacurilor teroriste asupra S.U.A.

0.020

0.015

0.010

0.005

0.000
15 21 27 31 6 12 18 24 28
-0.005 .2 0 0 1
Aug Aug .2 0 0 1 Aug .2 0 0 1 Aug .2 0 0 1 Sep .2 0 0 1 Sep .2 0 0 1 Sep .2 0 0 1 Sep .2 0 0 1 Sep .2 0 0 1

-0.010

-0.015
P erioada

Figura 7: Impactul Atacurilor Teroriste din S.U.A.Asupra Volatilitatii

Un asemenea eveniment surpriza pare sa fi avut un impact asupra portofoliului
nostru. Daca ne uitam la graficul de mai sus, observam in mod clar o crestere a

21
volatilitatii portofoliului atat in perioada eveniment, cat si in perioada post-eveniment
(raportat la perioada ante-eveniment). Din punct de vedere al amploarei (al magnitudinii)
socul este evident. Sensul in care a actionat este totusi surprinzator. Mai intai sa precizam
faptul ca adevaratul soc se produce din data de 13 septembrie 2001 (deci cu o zi
intarziere). Putem sa afirmam acest lucru din moment ce in data de 12 septembrie nu se
intampla nimic spectaculos. In data de 13 septembrie randamentul portofoliului urca de la
–0.008 (ziua precedenta) la 0.016, ceea ce reprezinta un salt mai mult decat spectaculos.
Mai mult, aceasta modificare pozitiva a randamentelor se inregistra pe toate cele 3 piete
considerate. In ciuda unui fenomen global deosebit de negativ, portofoliul castiga
randamente!
In zilele urmatoare ale saptamanii, lucrurile “intra in normal”, adica portofoliul
incepe sa piarda din randamente. Dar din nou, in mod ciudat, din data de 24 septembrie
2001, cand pietele financiare de pe mapamond cunosteau caderi spectaculoase,
portofoliul incepe din nou “sa se miste in sus”.
Putem concluziona prin a remarca faptul ca in mod clar ceva s-a produs pe pietele
financiare din Romania incepand cu 12 septembrie 2001. Volatilitatea este substantial
diferita decat cea din perioada ante-eveniment. Dar evolutia randamentelor portofoliului
construit este surprinzatoare in sensul ca a cunoscut perioade foarte scurte de timp (zile)
cand in loc sa cunoasca un declin semnificativ, au avut un trend crescator.

VII. Concluzii

In acest studiu a fost realizata o analiza a riscului de portofoliu prin utilizarea unor
instrumente deosebit de moderne si utile, respectiv modelele GARCH. S-a lucrat cu un
interval de timp de 3 ani, luand in considerare piata bursiera, piata extra-bursiera si
evolutia dolarului american. In acest sens, s-a construit un portofoliu ipotetic care sa ia in
considerare cele 3 piete. Modelele GARCH s-au dovedit extrem de utile in modelarea
riscului de portofoliu, respetiv a volatilitatii. Dupa incercari repetate cel mai bun model
s-a dovedit a fi modelul asimetric E-GARCH (1,1), care a inclus in ecuatia mediei si

22
termenii ARMA (in cazul nostru de lag 12). In acest fel s-a produs o corectie de succes
atat a corelatiei seriale a randamentelor reziduale, cat si a heteroschedasticitatii. S-a
demonstrat in acelasi timp ca impactul “inovatiilor recente” (cu alte cuvinte a stirilor,
evenimentelor care duc la modificarea cotatiilor in piata este unul exponential si nu
linear, cum este descris de econometria “clasica”).
In partea urmatoare a studiului de caz, am realizat o analiza a volatilitatii
portofoliului. Am demonstrat ca efectul de diversificare este extrem de important in
cazul realizarii de investitii financiare. Rezultatele cuprinse in tabelul 1 sunt edificatoare
in acest sens. Riscul, masurat prin deviatia standard, a fost redus surprinzator. De
asemenea asimetria a fost redusa si ea simtitor.
Evolutia deviatiei standard (asa cum a rezultat dupa aplicarea modelului
EGARCH (1,1)) a fost diferita pe ani. Volatilitatea a fost cea mai ridicata in anul 1999 si
cea mai redusa in anul 2001. Totusi, cel mai ridicat “varf de volatilitate” se inregistreaza
in anul 2000 datorita unor evenimente petrecute pe Bursa de Valori Bucuresti.
Alegerile generale din Romania din noiembrie 2000 nu au perturbat pietele
financiare din Romania asa cum ar fi fost normal, data fiind amplitudinea unui asemenea
eveniment. In ceea ce priveste fenomenele teroriste asupra Statelor Unite din septembrie
2001, acestea au avut un impact notabil asupra portofoliului. Acest impact a fost unul
surprinzator. Respectiv, in data de 13 septembrie, cand in mod normal pietele trebuiau sa
fie in cadere, toate cele 3 piete analizate aveau randamente pozitive. Faptul ca pietele
financiare din Romania nu reactioneaza prompt la socuri foarte puternice (asa cum
sunt cele 2 evenimente analizate) reprezinta un element de nesiguranta pentru
investitor, in sensul ca este destul de dificil de gestionat riscul unui portofoliu in
asemenea situatii. Ca atare, el poate recurge la un efect care actioneaza in permanenta si
demonstrat in acest studiu: efectul de diversificare.

Atasament
Rezultatele Modelului GARCH (1,1)

23
 Ecuatia GARCH (1,1)
Variabila Dependenta: PORTOFOLIU
Metoda: ML - ARCH
Data: 01/24/03 Timp: 12:07
Esantion(ajustat): 1/05/1999 11/30/2001
Observatii incluse: 759 dupa ajustarea puctelor finale
Convergenta atinsa dupa 1 iteratie

Ecuatia Dispersiei

Coef. Eroare Std. z-Statistic Prob.

C 5.47E-06 5.73E-06 0.955348 0.3394
ARCH(1) 0.149999 0.054148 2.770201 0.0056
GARCH(1) 0.599997 0.161772 3.708907 0.0002

Corelograma Radicalului Randamentelor Standardizate

AC Q-Stat Prob
1 0.122 11.263 0.001
2 0.049 13.067 0.001
3 0.012 13.170 0.004
4 -0.048 14.965 0.005
5 0.011 15.060 0.010
6 0.011 15.162 0.019
7 -0.005 15.178 0.034
8 -0.014 15.335 0.053
9 0.027 15.901 0.069
10 0.023 16.306 0.091
11 0.053 18.509 0.070
12 0.158 37.810 0.000
13 0.049 39.659 0.000
14 0.020 39.983 0.000
15 -0.011 40.083 0.000

Bibliografie:

24
1. Bollerslev, Tim (1986), „Generalized Autoregressive Conditional
Heteroskedasticity”, Journal of Econometrics, vol. 31, pag. 81-87
2. Campbell, John Y., Lo, Andrew W. si Mackinley, Craig A. (1997), „The
Econometrics of Financial Markets”, Ed. Princeton University Press, pag. 479-
490
3. Darasteanu, Catalin Cristian (2002), „Testing CAPM for stocks trade dat
Bucharest Stock Exchange”, Pagina Pietei de Capital din Romania
(www.kmarket.ro)
4. Engle, Robert, Nelson, D. si Bollerslev, Tim (1994), „ARCH models”,
Handbook of Econometrics, Ed. R. Engle and McFadden, pag. 2959-3038
5. Fama, Eugene F., Fischer, Lawrence, Jensen, Michael C. si Roll, Richard
(1969), „The adjustment of stock prices to new information”, International
Economic Review, vol. 10, nr. 1, pag. 1-21
6. French, Keneth R. (1980), „Stock returns and the weekend effect”, Journal of
Financial Economics, vol. 8, pag. 55-69
7. Todea, Alexandru (2001), „Caracterul instabil al riscului de piata evidentiat
empiric pe piata romaneasca”, Pagina Pietei de Capital din Romania
(www.kmarket.ro)
8. Surse Internet:
www.bnro.ro, site oficial al Bancii Nationale din Romania
www.bvb.ro, site oficial al Bursei de Valori Bucuresti
www.kmarket.ro, site al Paginii Pietei de Capital din Romania

25