Upload
willow
View
51
Download
4
Embed Size (px)
DESCRIPTION
Многомерные модели волатильности: некоторые приложения к анализу российского финансового рынка. Т.Е. Овчинникова О.В. Польдин. Волатильность. — это статистический показатель, характеризующий изменчивость цены - PowerPoint PPT Presentation
Citation preview
Многомерные модели волатильности:
некоторые приложения к анализу российского финансового рынка
Т.Е. Овчинникова О.В. Польдин
Л а б о р а т о р и я количественного анализа и моделирования экономики
Волатильность — это статистический показатель,
характеризующий изменчивость цены Волатильность является важнейшим
финансовым показателем в управлении финансовыми рисками, где представляет собой меру риска использования финансового инструмента за заданный промежуток времени
Л а б о р а т о р и я количественного анализа и моделирования экономики
Волатильность определяется политическими событиями макроэкономической ситуацией поведением инвесторов показателями промышленного пр-ва процентными ставками темпами роста денег здоровьем экономики вцелом
...
Л а б о р а т о р и я количественного анализа и моделирования экономики
Кластеризация волатильности
Ряд1
-8
-6
-4
-2
0
2
4
6
8
Дата
US
D/R
UB
Л а б о р а т о р и я количественного анализа и моделирования экономики
Модели с условной авторегрессионной гетероскедастичностью
ARCH - Engle, 1982 год
Была создана для определения существования волатильности в инфляции
Позже было выявлено, что модель ARCH подходит ко многим финансовым временным рядам
Нобелевская премия в 2003 году
Л а б о р а т о р и я количественного анализа и моделирования экономики
ARCH
ARCH-модель моделирует волатильность в виде суммы константной базовой волатильности и линейной функции абсолютных значений нескольких последних изменений цен.
ttr
q
j
jtjt ah1
2
Zh tt
Л а б о р а т о р и я количественного анализа и моделирования экономики
GENERALIZED ARCH
GARCH – Bollerslev , 1986 год На текущую волатильность влияют как предыдущие
изменения цен, так и предыдущие оценки волатильности
Было установлено, что даже простые модели GARCH (1,1) позволяют объяснить около 95% волатильности доходности
q
j
jtj
p
iitit ahh
1
2
1
Л а б о р а т о р и я количественного анализа и моделирования экономики
Многомерные модели
VECH, DVECH, BEKK - Bollerslev, Engle, Wooldridge, 1988 год
Изучение отношения между волатильностями и совместными волатильностями различных рынков
Построение условной дисперсии и условной ковариации
Л а б о р а т о р и я количественного анализа и моделирования экономики
Модель VECH для двух активов
)(*)*(*)( 111 tttt HVECHBVECHACHVECH
31
21
11
2
1
2221
1211
c
c
c
C
tu
ut
hh
hhH
t
tt
ttt
333231
232221
131211
333231
232221
131211
bbb
bbb
bbb
B
aaa
aaa
aaa
A
Л а б о р а т о р и я количественного анализа и моделирования экономики
Модель VECH для двух активов Матричный оператор VECH берет верхне-
треугольную часть матрицы и складывает ее элементы в вектор-столбец
ththt
h
tHVECH
22
12
11
)(
tt
t
t
ttt
uu
u
u
uutu
uVECH
ttVECH
21
22
12
212
1 *)(
Л а б о р а т о р и я количественного анализа и моделирования экономики
Модель VECH для двух активов
1123312232
11131121133122
32112
313112
1122312222
11121121123122
22112
212122
1121311111
12212121113122
12112
111111
tt
tttttt
tt
tttttt
tt
tttttt
hbhb
hbuuauauach
hbhb
hbuuauauach
hbhb
hbuuauauach
Не гарантирует положительную полуопределенность Ht!
Л а б о р а т о р и я количественного анализа и моделирования экономики
Модель BEKK для двух активов
BEKK- Engle, Kroner. 1995 год Модель BEKK убирает недостаток
VECH, гарантируя, что матрица Н всегда положительно полуопределена.
BHBAACCH tttt 111 )(
Л а б о р а т о р и я количественного анализа и моделирования экономики
Модель BEKK для двух активов
2221
1211
1t,221t,21
1t,121t,11
2212
2111
2221
1211
1t,22
1t,11t,2
1t,21t,11t,12
2212
2111
2221
1211
2212
2111
t,22t,21
t,12t,11
bb
bb
hh
hh
bb
bb
aa
aa
uuu
uuu
aa
aa
cc
cc
cc
cc
hh
hh
Л а б о р а т о р и я количественного анализа и моделирования экономики
Модель BEKK для двух активов
1t,2222221t,1222121t,2122121t,111212
1t,22
22221t,21t,122121t,11t,222121t,12
121222221212t12
1t,2222211t,1221121t,2122111t,111211
1t,22
22211t,21t,121121t,11t,222111t,12
121122211211t21
1t,2221211t,1221111t,2121111t,111111
1t,22
21211t,21t,121111t,11t,221111t,12
111121211111t11
hbbhbbhbbhbb
uaauuaauuaauaaссссh
hbbhbbhbbhbb
uaauuaauuaauaaссссh
hbbhbbhbbhbb
uaauuaauuaauaaссссh
Л а б о р а т о р и я количественного анализа и моделирования экономики
Модель BEKK, недостатки
Параметры в матрицах А, В и С не имеют прямой интерпретации
Большое число параметров для оценки. Параметры на практике часто бывают незначимы
Л а б о р а т о р и я количественного анализа и моделирования экономики
Приложение: Эмпирическая оценка многомерной волатильности с помощью
моделей DVECH и ВЕКК для индекса РТС и нефти марки Brent
Л а б о р а т о р и я количественного анализа и моделирования экономики
Совместная волатильность индекса РТС и нефти марки Brent
Brent (Brent Crude) — эталонная марка нефти, добываемой в Северном море. Цена нефти Brent с 1971 года является основой для ценообразования около 40 % всех мировых сортов нефти, в частности, российской нефти Urals
Индекс РТС - основного индикатора фондового рынка России, расчет которого начался 1 сентября 1995 года. Расчет индекса РТС производится на основе 50 ценных бумаг наиболее капитализированных российских компаний в долларах США
В работе использована дневная доходность активов с 1 сентября 1995 года по 31 декабря 2009 года. Всего 3533 наблюдения
Л а б о р а т о р и я количественного анализа и моделирования экономики
Графики исследуемых активов
0
500
1000
1500
2000
2500
3000
Дата
RT
SI
0
20
40
60
80
100
120
140
160
Дата
BR
EN
T
Л а б о р а т о р и я количественного анализа и моделирования экономики
Графики логарифмической доходности
-25
-20
-15
-10
-5
0
5
10
15
20
25
Дата
Ln
RT
SI
-20
-15
-10
-5
0
5
10
15
20
Дата
Ln
Bre
nt
Л а б о р а т о р и я количественного анализа и моделирования экономики
Статистические характеристики
Среднеезначение
Минимум Максимум Стандартноеотклонение
Асимметрия Эксцесс
Brent 0.044148 -16.63447 15.24168 2.482780 -0.136607 6.500115
РТС 0.075585 -21.1994 20.20392 2.887899 -0.365264 9.535264
0
200
400
600
800
1,000
1,200
1,400
1,600
-20 -10 0 10 20
Series : LNR TSSam ple 9/01/1995 12/31/2009O bservations 3533
Mean 0.075585Median 0.190059Maxim um 20.20392Minim um -21.19942Std. D ev. 2.887899Skewness -0.365264Kurtos is 9.535570
Jarque-Bera 6366.370Probability 0.000000
РТСBrent
Л а б о р а т о р и я количественного анализа и моделирования экономики
Выбор временного лага для модели DVECH
DVECH (1,1) DVECH (2,1) DVECH (1,2) DVECH (2,2)
Coeff Prob. Coeff Prob. Coeff Prob. Coeff Prob.
С(1,1) 0.063991 0.0000 0.056794 0.0000 0.096636 0.0000 0.062574 0.0016
С(1,2) 0.002886 0.0251 0.042147 0.0307 0.004214 0.0257 0.003172 0.1770
С(2,2) 0.162617 0.0000 0.171300 0.0000 0.193896 0.0000 0.162663 0.7494
A1(1,1) 0.041033 0.0000 0.044767 0.0000 0.063321 0.0000 0.040546 0.0000
A1(1,2) 0.004957 0.0077 0.026758 0.0540 0.007293 0.0084 0.005461 0.7470
A1(2,2) 0.160198 0.0000 0.174421 0.0000 0.191424 0.0000 0.161628 0.0000
A2(1,1) 3.82E-08 1.0000 6.06E-07 0.9999
A2(1,2) -2.73E-07 1.0000 6.91E-06 0.9997
A2(2,2) 1.95E-06 0.9999 7.88E-05 0.9999
B1(1,1) 0.948819 0.0000 0.947194 0.0000 0.346641 0.0223 0.943641 0.0006
B1(1,2) 0.990638 0.0000 0.911145 0.0000 0.607848 0.0000 0.977017 0.1019
B1(2,2) 0.828743 0.0000 0.817625 0.0000 0.545397 0.0000 0.799586 0.8029
B2(1,1) 0.574691 0.0001 0.005895 0.9820
B2(1,2) 0.378432 0.0000 0.012763 0.9828
B2(2,2) 0.249196 0.0009 0.027634 0.9917
Л а б о р а т о р и я количественного анализа и моделирования экономики
Выбор временного лага для модели DVECH
Для данных активов все коэффициенты значимы только для моделей DVECH (1,1) и DVECH (1,2)
Сравним суммы модулей отклонений прогнозируемой волатильности от реализованной:
В обоих случаях модель DVECH (1,1) показывает хоть и незначительно, но лучшие результаты. DVECH (1,1) DVECH (1,2)
Brent 2.36134762518790e+004 2.36368218007179e+004
РТС 3.16702645219295e+004 3.16828520293715e+004
Л а б о р а т о р и я количественного анализа и моделирования экономики
Результаты построения модели DVECH
Coefficient Prob. С(1,1) 0.063991 0.0000
С(1,2) 0.002886 0.0251
С(2,2) 0.162617 0.0000
A(1,1) 0.041033 0.0000
A(1,2) 0.004957 0.0077
A(2,2) 0.160198 0.0000
B(1,1) 0.948819 0.0000
B(1,2) 0.990638 0.0000
B(2,2) 0.828743 0.0000
112121112321212
12222122
222222
11111112
111111
tttt
ttt
ttt
hВuuАСh
hВuАСh
hВuАСh
Л а б о р а т о р и я количественного анализа и моделирования экономики
0
20
40
60
80
100
120
96 97 98 99 00 01 02 03 04 05 06 07 08 09
VARRTS
0
5
10
15
20
25
30
35
96 97 98 99 00 01 02 03 04 05 06 07 08 09
VARBR
-1
0
1
2
3
4
5
96 97 98 99 00 01 02 03 04 05 06 07 08 09
CO V
-.1
.0
.1
.2
.3
.4
.5
.6
.7
96 97 98 99 00 01 02 03 04 05 06 07 08 09
CO RR
Л а б о р а т о р и я количественного анализа и моделирования экономики
Результаты построения модели DVECH
Результаты построения модели ВЕКК
Л а б о р а т о р и я количественного анализа и моделирования экономики
Coefficient Std. Err
С(1,1) 0,4163 0,004
С(1,2) 0 0
С(2,1) 0,1918 0,0036
С(2,2) 0,1927 0,0019
A(1,1) 0,396 0,0017
A(1,2) 0,002 0,0001
A(2,1) 0,0359 0,0002
A(2,2) 0,168 0,0003
B(1,1) 0,9121 0,0003
B(1,2) -0,004 0
B(2,1) -0,0187 0
B(2,2) 0,9802 0
2221
1211
1t,221t,21
1t,121t,11
2212
2111
2221
1211
1t,22
1t,11t,2
1t,21t,11t,12
2212
2111
2221
1211
2212
2111
t,22t,21
t,12t,11
bb
bb
hh
hh
bb
bb
aa
aa
uuu
uuu
aa
aa
cc
cc
cc
cc
hh
hh
Результаты построения модели ВЕКК
500 1000 1500 2000 2500 3000 3500 40000
5
10
15
20
25
V ar B rent
0 500 1000 1500 2000 2500 3000 3500 40000
20
40
60
80
100
120
V ar RTS
0 500 1000 1500 2000 2500 3000 3500 4000-10
-5
0
5
10
15
20
25
Cov B rent RTS
0 500 1000 1500 2000 2500 3000 3500 4000-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Corr B rent RTS
Л а б о р а т о р и я количественного анализа и моделирования экономики
Сравнительный анализ моделей DVECH и ВЕКК
Л а б о р а т о р и я количественного анализа и моделирования экономики
0 500 1000 1500 2000 2500 3000 3500 40000
50
100
150
200
250
300
0 500 1000 1500 2000 2500 3000 3500 40000
50
100
150
200
250
300
350
400
450
500
Brent
DVECH
РТС
Сравнительный анализ моделей DVECH и ВЕКК
Л а б о р а т о р и я количественного анализа и моделирования экономики
Brent
ВЕКК
РТС
0 500 1000 1500 2000 2500 3000 3500 40000
50
100
150
200
250
300
0 500 1000 1500 2000 2500 3000 3500 40000
50
100
150
200
250
300
350
400
450
500
Сравнительный анализ моделей DVECH и ВЕКК
Отклонения прогнозируемой волатильности от реализованной
Отношение суммы прогнозируемой и суммы реализованной волатильности
DVECH (1,1) ВЕКК
Brent 2.361347625187905e+004 2.375623131259052e+004
РТС 3.167026452192953e+004 3.179569946919395e+004
Л а б о р а т о р и я количественного анализа и моделирования экономики
DVECH (1,1) ВЕКК
Brent 1.0029 1.0076
РТС 1.0502 1.0557
Выводы:
Индекс РТС очевидно является более волатильным, чем Brent
Оба актива демонстрируют резкое увеличение волатильности с началом экономического кризиса 2008 года, в этот период также резко возрос показатель условной корреляции
Стабилизация мировой экономики позволяет показателям волатильности постепенно снижаться.
Л а б о р а т о р и я количественного анализа и моделирования экономики
Совместная волатильность валютных пар EUR/USD и JPY/USD Котируемыми валютами являются японская
йена и евро, а базовой - доллар США, что позволяет сделать предположение о том, что в отдельные периоды времени они могут двигаться сонаправленно под действием изменения базовой валюты.
Исследуемый период с февраля 2001г по январь 2010г, всего взято 2841 наблюдение.
Л а б о р а т о р и я количественного анализа и моделирования экономики
Графики исследуемых активовEUR/USD
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
16.02.01 16.02.02 16.02.03 16.02.04 16.02.05 16.02.06 16.02.07 16.02.08 16.02.09
DATE
EU
R/U
SD
JPY/USD
0
0,002
0,004
0,006
0,008
0,01
0,012
0,014
16.02.01 16.01.02 16.12.02 16.11.03 16.10.04 16.09.05 16.08.06 16.07.07 16.06.08 16.05.09
DATE
JP
Y/U
SD
Л а б о р а т о р и я количественного анализа и моделирования экономики
Результаты построения модели DVECH
112121112321212
12222122
222222
11111112
111111
tttt
ttt
ttt
hВuuАСh
hВuАСh
hВuАСhCoefficient Prob.
M(1,1) 1.24E-07 0.0002
M(1,2) 2.39E-07 0.0000
M(2,2) 7.63E-07 0.0000
A(1,1) 0.026822 0.0000
A(1,2) 0.036251 0.0000
A(2,2) 0.049770 0.0000
B(1,1) 0.969829 0.0000
B(1,2) 0.950230 0.0000
B(2,2) 0.930562 0.0000
Л а б о р а т о р и я количественного анализа и моделирования экономики
Результаты построения модели DVECH
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
2/1
6/0
1
7/2
4/0
1
12
/19
/01
6/1
8/0
2
11
/25
/02
5/0
1/0
3
9/3
0/0
3
2/2
8/0
4
7/2
7/0
4
12
/25
/04
5/2
7/0
5
10
/24
/05
3/2
3/0
6
8/1
9/0
6
1/1
6/0
7
6/2
3/0
7
11
/11
/07
3/1
9/0
8
7/2
5/0
8
12
/01
/08
4/0
8/0
9
8/1
5/0
9
12
/21
/09
VAREUR
0.0
0.5
1.0
1.5
2.0
2.5
2/1
6/0
1
7/2
4/0
1
12
/19
/01
6/1
8/0
2
11
/25
/02
5/0
1/0
3
9/3
0/0
3
2/2
8/0
4
7/2
7/0
4
12
/25
/04
5/2
7/0
5
10
/24
/05
3/2
3/0
6
8/1
9/0
6
1/1
6/0
7
6/2
3/0
7
11
/11
/07
3/1
9/0
8
7/2
5/0
8
12
/01
/08
4/0
8/0
9
8/1
5/0
9
12
/21
/09
VARJPY
-.8
-.6
-.4
-.2
.0
.2
.4
.6
2/1
6/0
1
7/2
4/0
1
12
/19
/01
6/1
8/0
2
11
/25
/02
5/0
1/0
3
9/3
0/0
3
2/2
8/0
4
7/2
7/0
4
12
/25
/04
5/2
7/0
5
10
/24
/05
3/2
3/0
6
8/1
9/0
6
1/1
6/0
7
6/2
3/0
7
11
/11
/07
3/1
9/0
8
7/2
5/0
8
12
/01
/08
4/0
8/0
9
8/1
5/0
9
12
/21
/09
CO V
-.6
-.4
-.2
.0
.2
.4
.6
.8
2/1
6/0
1
7/2
4/0
1
12
/19
/01
6/1
8/0
2
11
/25
/02
5/0
1/0
3
9/3
0/0
3
2/2
8/0
4
7/2
7/0
4
12
/25
/04
5/2
7/0
5
10
/24
/05
3/2
3/0
6
8/1
9/0
6
1/1
6/0
7
6/2
3/0
7
11
/11
/07
3/1
9/0
8
7/2
5/0
8
12
/01
/08
4/0
8/0
9
8/1
5/0
9
12
/21
/09
CO RR
Л а б о р а т о р и я количественного анализа и моделирования экономики
Выводы:
JPY/USD чуть более волатильна, чем EUR/USD, Наблюдается один резкой всплеск волатильности в
период кризиса в конце 2008 года Корреляция этих валютных пар довольно высока и
положительна, однако на графике наблюдаются несколько отрицательных выбросов, что может объясняться выходом новостей, имеющих разнонаправленное воздействие на EUR и JPY
Самый сильный отрицательный выброс корреляции наблюдается в конце 2008 года, когда наблюдалось длительное разнонаправленное движение котировок исследуемых валютных пар
Л а б о р а т о р и я количественного анализа и моделирования экономики
Литература:
1. Brooks C. Introductory Econometrics for Finance. Cambridge University Press, New York, 2008.
2 .Poon S.-H. A practical guide to forecasting financial market volatility. Wiley, 2005. P. 10-39.
3. Tsay R. Analysis of Financial Time Series. Wiley, 2005 4. Palm F. C. GARCH Models of Volatility // G. S. Maddala and C.
R. Rao, eds., Handbook of Statistics, Vol. 14. Elsevier Science B. V. 1996
5. Silvennoinen A., Teräsvirta T. Multivariate GARCH Models // T.G. Anderson et al., Handbook of Financial Time Series. Springer, 2009
6.Bauwens L., Laurent S., Rombouts J.. Multivariate GARCH Models: A Survey. // Journal of Applied Econometrics 21, 2006, pp. 79–109.
Л а б о р а т о р и я количественного анализа и моделирования экономики