Statistica piețelor financiare

Capitolul 9 · Modele ARCH și GARCH

În stînga este slide-ul din curs, în dreapta aceeași figură sau același tabel, calculat în browser din aceleași date. Butonul ▶ modifică parametrul pas cu pas; tabelele și exemplele lucrate se recalculează odată cu el. Abrevieri: ARCH (autoregressive conditional heteroskedasticity, heteroscedasticitate condiționată autoregresivă), GARCH (generalised ARCH, ARCH generalizat), GJR (Glosten–Jagannathan–Runkle), EGARCH (exponential GARCH, GARCH exponențial), IGARCH (integrated GARCH, GARCH integrat), EWMA (exponentially weighted moving average, media mobilă ponderată exponențial), SE (standard error, eroarea standard), LR (likelihood ratio, raportul de verosimilitate), AIC și BIC (criteriile informaționale Akaike și bayesian), ACF (autocorrelation function, funcția de autocorelație), ARCH-LM (testul multiplicatorului Lagrange pentru efecte ARCH), QLIKE (quasi-likelihood, cvasi-verosimilitate), DM (Diebold–Mariano), VaR (value at risk, valoarea expusă la risc).

Volatility clustering · Media condiționată și varianța condiționată · Modelul ARCH · Modelul GARCH(1,1) · Estimarea prin verosimilitate maximă · Inovații cu cozi groase · GARCH pe șase piețe · Asimetria și efectul de levier · Diagnostic · Alegerea modelului · Prognoza volatilității · VaR 1% dintr-un model GARCH

Volatility clustering

S&P 500: ani liniștiți și perioade turbulente

Slide-ul 7: S&P 500: ani liniștiți și perioade turbulente
Slide-ul 7
    Întrebare pentru sală Abaterea standard zilnică a S&P 500 a fost 0,42% în 2017. De cîte ori a fost mai mare între septembrie 2008 și martie 2009?
    Răspuns

    De 8,3 ori: 3,52/0,422 = 8,34; între februarie și mai 2020, 3,70/0,422 = 8,76. Abaterea standard a întregului eșantion, 1,21%, este o medie a zilelor liniștite și a celor agitate și nu descrie niciun regim: episodul din 2008 este de 2,9 ori peste ea.

    Media condiționată și varianța condiționată

    Exemplu rezolvat: varianța condiționată și varianța necondiționată

    Slide-ul 13: Exemplu rezolvat: varianța condiționată și varianța necondiționată
    Slide-ul 13

    Exemplu lucrat: legea varianței totale

    \[\mathrm{Var}(r_t) = E[\mathrm{Var}(r_t \mid \mathcal{F}_{t-1})] + \mathrm{Var}(E[r_t \mid \mathcal{F}_{t-1}]), \qquad K = \frac{3\,E[\sigma_t^4]}{(E[\sigma_t^2])^2}\]
        Întrebare pentru sală Zile liniștite cu σ² = 0,5 și zile agitate cu σ² = 4,5, fiecare cu probabilitatea 1/2, media 0. Cît este abaterea standard necondiționată?
        Răspuns

        1,58%: varianța necondiționată este media varianțelor, 0,5 × 0,5 + 0,5 × 4,5 = 2,50, iar √2,50 = 1,58. Media volatilităților, (0,71 + 2,12)/2 = 1,41%, este mai mică, pentru că rădăcina pătrată este concavă. Amestecul are boltirea 4,92, deși fiecare regim este Normal.

        Modelul ARCH

        ARCH(1): proprietăți

        Slide-ul 16: ARCH(1): proprietăți
        Slide-ul 16

        Exemplu lucrat: varianța necondiționată, boltirea și un pas ARCH(1)

        \[\bar\sigma^2 = \frac{\omega}{1-\alpha}, \qquad K = 3\,\frac{1-\alpha^2}{1-3\alpha^2}, \qquad \sigma_t^2 = \omega + \alpha\,\varepsilon_{t-1}^2\]
            Întrebare pentru sală ARCH(1) cu ω = 0,5: pentru α = 0,5 boltirea este 9,0. Ce se întîmplă cu boltirea cînd ▶ duce α la 0,6?
            Răspuns

            Devine infinită: 3α² = 1,08 ≥ 1, adică α depășește 1/√3 = 0,577, iar momentul de ordinul patru nu mai există. Varianța necondiționată rămîne finită, ω/(1 − α) = 0,5/0,4 = 1,25.

            Traiectorii simulate: i.i.d., ARCH(1) și GARCH(1,1)

            Slide-ul 17: Traiectorii simulate: i.i.d., ARCH(1) și GARCH(1,1)
            Slide-ul 17
              Întrebare pentru sală Pentru ARCH(1) cu ω = α = 0,5 boltirea teoretică este 9,0. Ce boltire are seria simulată de 1000 de valori?
              Răspuns

              4,91, mult sub 9,0: momentul de ordinul patru converge lent, pentru că depinde de cîteva vîrfuri rare. Seria i.i.d. are 3,12 (teoretic 3), GARCH(1,1) are 3,74 (teoretic 6,06). Cu alte semințe ale generatorului valorile de selecție se schimbă mult.

              ARCH(q) și limitele lui

              Slide-ul 18: ARCH(q) și limitele lui
              Slide-ul 18

              Modele cu inovații Normale (cu verde: cel mai mic AIC și BIC)

                Întrebare pentru sală S&P 500: ARCH(10) are 12 parametri și log-verosimilitatea −9 227,6; GARCH(1,1) are 4 parametri și −9 218,0. Ce model preferă BIC?
                Răspuns

                GARCH(1,1): BIC 18 471,2 față de 18 561,0 pentru ARCH(10), cu 89,8 mai mic. Are o verosimilitate mai mare cu de trei ori mai puțini parametri: termenul βσ²(t − 1) rezumă toate șocurile trecute, cu ponderi geometrice. BIC al ARCH(q) scade cu fiecare lag adăugat pînă la q = 10, dar rămîne peste cel al GARCH(1,1).

                Modelul GARCH(1,1)

                Staționaritate, varianța pe termen lung și boltire

                Slide-ul 21: Staționaritate, varianța pe termen lung și boltire
                Slide-ul 21

                Exemplu lucrat: varianța pe termen lung și boltirea

                \[\bar\sigma^2 = \frac{\omega}{1-\alpha-\beta}, \qquad K = 3\,\frac{1-(\alpha+\beta)^2}{1-(\alpha+\beta)^2-2\alpha^2}\]
                    Întrebare pentru sală α = 0,10 și β = 0,88 dau boltirea 6,06. Cît devine boltirea cînd ▶ duce β la 0,89?
                    Răspuns

                    Infinită: (α + β)² + 2α² = 0,9801 + 0,02 = 1,0001 ≥ 1. Varianța necondiționată rămîne finită (α + β = 0,99 < 1; cu ω = 0,02, σ̄² = 2,00), dar momentul de ordinul patru nu mai există: condiția pentru boltire este mai strictă decît cea pentru staționaritate.

                    Persistența și timpul de înjumătățire

                    Slide-ul 22: Persistența și timpul de înjumătățire
                    Slide-ul 22

                    Exemplu lucrat: timpul de înjumătățire

                    \[(\alpha+\beta)^{h} = \tfrac12 \;\Rightarrow\; h_{1/2} = \frac{\ln 0{,}5}{\ln(\alpha+\beta)} \approx \frac{\ln 2}{1-\alpha-\beta}\]
                        Întrebare pentru sală Pentru α + β = 0,98 timpul de înjumătățire este 34,3 zile. Cît este pentru α + β = 0,99?
                        Răspuns

                        69,0 zile, aproape dublu: h½ ≈ ln 2/(1 − α − β), iar 1 − α − β se înjumătățește, de la 0,02 la 0,01. Pentru 0,90 sînt 6,6 zile; pentru S&P 500 (α + β = 0,9947), 131 de zile.

                        Exemplu rezolvat: un pas GARCH(1,1)

                        Slide-ul 23: Exemplu rezolvat: un pas GARCH(1,1)
                        Slide-ul 23

                        Exemplu lucrat: un pas GARCH(1,1)

                        \[\sigma_{t+1}^2 = \omega + \alpha\,\varepsilon_t^2 + \beta\,\sigma_t^2, \qquad \varepsilon_t = r_t - \mu\]
                            Întrebare pentru sală Cu σ²(t) = 1,2 și r(t) = −3%, σ²(t + 1) = 1,976. Cît este σ²(t + 1) după r(t) = +3%?
                            Răspuns

                            Tot 1,976: GARCH(1,1) folosește ε², deci semnul șocului nu contează (aici μ = 0). Varianta 1,376 = 0,02 + 0,10 × 3 + 0,88 × 1,2 uită ridicarea la pătrat. Asimetria cere GJR-GARCH sau EGARCH (secțiunea 8).

                            IGARCH și legătura cu EWMA

                            Slide-ul 24: IGARCH și legătura cu EWMA
                            Slide-ul 24

                            Exemplu lucrat: prognozele IGARCH și GARCH după un crah

                            \[\alpha+\beta = 1: \quad E_t[\sigma_{t+h}^2] = \sigma_{t+1}^2 + (h-1)\,\omega; \qquad \alpha+\beta < 1: \quad E_t[\sigma_{t+h}^2] = \bar\sigma^2 + (\alpha+\beta)^{h-1}(\sigma_{t+1}^2 - \bar\sigma^2)\]
                                Întrebare pentru sală Un analist prognozează volatilitatea peste un an cu EWMA imediat după un crah. Unde greșește?
                                Răspuns

                                EWMA păstrează nivelul de criză pentru tot anul. S&P 500, la închiderea din 16 martie 2020: EWMA (λ = 0,94) prognozează 84,0% pe an pentru orice orizont; GARCH(1,1)-t pornește de la 111,0% și coboară la 62,0% după 250 de zile, spre nivelul pe termen lung de 27,3%. EWMA este un IGARCH cu ω = 0: fără revenire la medie.

                                Estimarea prin verosimilitate maximă

                                Verosimilitatea modelului ARCH(1)

                                Slide-ul 26: Verosimilitatea modelului ARCH(1)
                                Slide-ul 26
                                  Întrebare pentru sală Cu n = 100, α̂ = 0,432 și eroarea standard 0,127. Cum se schimbă eroarea standard cu n = 1000?
                                  Răspuns

                                  Scade la 0,035, de 3,6 ori; regula √n dă √10 = 3,16. Curba log-verosimilității devine mai ascuțită, iar α̂ = 0,491 este mai aproape de valoarea adevărată 0,5.

                                  Verosimilitatea modelului GARCH(1,1)

                                  Slide-ul 27: Verosimilitatea modelului GARCH(1,1)
                                  Slide-ul 27
                                    Întrebare pentru sală Cu n = 500, maximul pe grilă este în (0,045; 0,63), departe de valorile adevărate (0,1; 0,8). Unde este maximul cu n = 2000?
                                    Răspuns

                                    În (0,100; 0,78), aproape de valorile adevărate: creasta lungă de-a lungul căreia α și β se compensează se îngustează cînd n crește. Cu alte semințe ale generatorului (rulări suplimentare), maximul pentru n = 500 variază între (0,025; 0,95) și (0,205; 0,67).

                                    Estimarea pas cu pas și cu un pachet

                                    Slide-ul 28: Estimarea pas cu pas și cu un pachet
                                    Slide-ul 28

                                    GARCH(1,1) cu inovații Normale: pas cu pas (scipy) și cu pachetul arch

                                      Întrebare pentru sală S&P 500, GARCH(1,1) cu inovații Normale: SE clasică a lui α̂ este 0,0086. Cît este SE robustă?
                                      Răspuns

                                      0,0118, de 1,37 ori mai mare (β: 1,37; ω: 1,63; μ: 1,02). Inovațiile au cozi groase, iar SE clasice, calculate ca și cum z(t) ar fi Normal, supraestimează precizia parametrilor varianței. Pentru BET raportul trece de 2,6.

                                      Inovații cu cozi groase

                                      S&P 500: trei distribuții ale inovațiilor

                                      Slide-ul 31: S&P 500: trei distribuții ale inovațiilor
                                      Slide-ul 31

                                      GARCH(1,1) cu trei distribuții ale inovațiilor

                                        Întrebare pentru sală Trecerea de la inovații Normale la Student-t ridică log-verosimilitatea S&P 500 de la −9 218,0 la −9 062,5. Se schimbă mult α și β?
                                        Răspuns

                                        Puțin: α de la 0,121 la 0,123, β de la 0,860 la 0,872; persistența urcă de la 0,980 la 0,995. Statistica LR, 311,0, depășește de departe 3,84: distribuția inovațiilor contează pentru cuantilele din coadă (VaR) mai mult decît pentru σ(t).

                                        Graficele QQ ale reziduurilor standardizate

                                        Slide-ul 32: Graficele QQ ale reziduurilor standardizate
                                        Slide-ul 32
                                          Întrebare pentru sală Cuantila de 0,1% a reziduurilor GARCH-N este −4,81, față de −3,09 pentru distribuția Normală. Care este cuantila de 0,1% a t standardizate cu ν̂ = 6,26?
                                          Răspuns

                                          −4,19 = t⁻¹(0,001) × √((ν − 2)/ν) = −5,08 × 0,825. Reziduurile GARCH-t au −4,79: coada t este mult mai aproape, dar scăderile cele mai mari rămîn mai adînci.

                                          GARCH pe șase piețe

                                          Estimările GARCH(1,1)-t

                                          Slide-ul 33: Estimările GARCH(1,1)-t
                                          Slide-ul 33

                                          GARCH(1,1) pe șase piețe (SE robuste; volatilitățile anualizate, în %)

                                            Întrebare pentru sală BET are cel mai mare α̂ dintre cele șase serii (0,192). Ce înseamnă?
                                            Răspuns

                                            O reacție mai puternică la știrile de ieri: un șoc de 2% adaugă 0,192 × 4 = 0,77 la varianța de mîine, față de 0,123 × 4 = 0,49 la S&P 500. Persistența este însă apropiată (0,9907 față de 0,9947), pentru că β̂ al BET este mai mic (0,799).

                                            Interpretarea rezultatelor: Bitcoin și volatilitatea pe termen lung

                                            Slide-ul 34: Interpretarea rezultatelor: Bitcoin și volatilitatea pe termen lung
                                            Slide-ul 34

                                            Exemplu lucrat: volatilitatea pe termen lung

                                            \[\bar\sigma^2 = \frac{\omega}{1-\alpha-\beta}, \qquad \bar\sigma_{\text{an}} = \sqrt{A\,\bar\sigma^2}\]
                                                Întrebare pentru sală S&P 500: volatilitatea pe termen lung 27,3%, volatilitatea de selecție 19,2%. Este greșit modelul?
                                                Răspuns

                                                Nu neapărat: σ̄² = ω/(1 − α − β) se împarte la 1 − α − β = 0,0053, un număr mic și imprecis. Cu α + β mai mic cu 0,002 (0,9927), volatilitatea pe termen lung ar fi 23,3%; GARCH cu inovații Normale dă 18,1%. Nivelul pe termen lung este cel mai puțin sigur rezultat al unui GARCH persistent.

                                                Volatilitatea condiționată: S&P 500 și DAX

                                                Slide-ul 35: Volatilitatea condiționată: S&P 500 și DAX
                                                Slide-ul 35
                                                  Întrebare pentru sală Vîrful din 2020 al volatilității GARCH-t a S&P 500 este 111% pe an (17 martie 2020). Cît a fost vîrful din 2008?
                                                  Răspuns

                                                  93%, pe 16 octombrie 2008: mai jos decît în 2020, deși criza din 2008 a durat mai mult; vîrful reflectă cele mai mari șocuri dintr-un interval scurt, nu durata crizei. DAX: 80% în 2008 și 82% în 2020. Mediana S&P 500 este 14%, iar valoarea din 18 septembrie 2026 este 12%.

                                                  Volatilitatea condiționată: BET și Bitcoin

                                                  Slide-ul 36: Volatilitatea condiționată: BET și Bitcoin
                                                  Slide-ul 36
                                                    Întrebare pentru sală Volatilitatea GARCH-t mediană a Bitcoin este 59% pe an, a S&P 500 14%. De cîte ori este mai volatil Bitcoin?
                                                    Răspuns

                                                    De 4,1 ori (58,7/14,3); raportul varianțelor ar fi 4,1² ≈ 17. Vîrfurile: Bitcoin 301% pe 13 martie 2020, BET 117% pe 15 octombrie 2008 și 88% în martie 2020.

                                                    Durata unui șoc de volatilitate

                                                    Slide-ul 37: Durata unui șoc de volatilitate
                                                    Slide-ul 37
                                                      Întrebare pentru sală Care este timpul de înjumătățire al unui șoc de varianță pentru Bitcoin?
                                                      Răspuns

                                                      Nu există: α̂ + β̂ = 1,000 (IGARCH), deci un șoc nu se stinge. S&P 500 are nevoie de 131 de zile, DAX de 88, BET de 74, TLV de 18, SNP de 12. Cu GJR-t, persistența S&P 500 (α + β + γ/2) este 0,983, cu un timp de înjumătățire de 41,5 zile.

                                                      Asimetria și efectul de levier

                                                      GJR-GARCH și EGARCH

                                                      Slide-ul 39: GJR-GARCH și EGARCH
                                                      Slide-ul 39

                                                      Exemplu lucrat: impactul unei scăderi și al unei creșteri

                                                      \[\sigma_t^2 = \omega + (\alpha + \gamma\,I_{t-1})\,\varepsilon_{t-1}^2 + \beta\,\bar\sigma^2, \qquad I_{t-1} = 1 \text{ dacă } \varepsilon_{t-1} < 0\]
                                                          Întrebare pentru sală S&P 500, GJR-t: α̂ = 0 și γ̂ = 0,205. Cu cît crește varianța de mîine după o creștere de 2%, față de o zi fără șoc?
                                                          Răspuns

                                                          Cu 0: știrile bune au panta α = 0. După o scădere de 2%, termenul (α + γ)ε² adaugă 0,205 × 4 = 0,821; cu σ²(t − 1) fixat la varianța de selecție 1,471, varianța de mîine este 2,136 după scădere și 1,315 după creștere: raportul 1,62.

                                                          Curbele de impact ale știrilor: S&P 500 și Bitcoin

                                                          Slide-ul 40: Curbele de impact ale știrilor: S&P 500 și Bitcoin
                                                          Slide-ul 40
                                                            Întrebare pentru sală S&P 500, GJR: varianța de după o scădere de 2% este de 1,62 ori cea de după o creștere de 2%, cu σ²(t − 1) egal cu varianța de selecție. Ce se întîmplă cu raportul cînd ▶ crește σ²(t − 1) la de 4 ori varianța de selecție?
                                                            Răspuns

                                                            Scade la 1,16: termenul comun βσ²(t − 1) crește, iar diferența γε² rămîne aceeași, deci contează relativ mai puțin. Cu σ²(t − 1) de 4 ori mai mic decît varianța de selecție raportul urcă la 3,39: asimetria se vede cel mai bine în perioadele liniștite.

                                                            Asimetria pe șase piețe

                                                            Slide-ul 41: Asimetria pe șase piețe
                                                            Slide-ul 41

                                                            GJR-GARCH(1,1) și EGARCH(1,1): parametrul de asimetrie γ (statistici t cu SE robuste)

                                                              Întrebare pentru sală BET: γ̂ = 0,043, t = 2,1, testul LR are p = 0,026, dar BIC preferă GARCH simetric. Cum se explică?
                                                              Răspuns

                                                              BIC cere ca LR să depășească ln T = ln 6 670 = 8,8 pentru un parametru în plus; LR = 4,9 trece de 3,84 (pragul de 5%), dar nu de 8,8: efectul de levier al BET este slab. Pentru Bitcoin BIC alege EGARCH deși γ nu este semnificativ: forma logaritmică descrie mai bine dinamica varianței, nu asimetria.

                                                              Diagnostic

                                                              Autocorelațiile eliminate de GARCH

                                                              Slide-ul 43: Autocorelațiile eliminate de GARCH
                                                              Slide-ul 43
                                                                Întrebare pentru sală ACF a lui r² la lagul 1 este 0,31. Cît este ACF a lui ẑ² (GARCH-t) la lagul 1?
                                                                Răspuns

                                                                −0,005, în banda ±0,024; cea mai mare valoare absolută pe 50 de laguri este 0,028. Trei parametri ai varianței absorb aproape tot volatility clustering; la lagul 50, ACF a lui r² este încă 0,053.

                                                                Diagnostic pe date reale

                                                                Slide-ul 44: Diagnostic pe date reale
                                                                Slide-ul 44

                                                                Teste pe randamente și pe reziduurile standardizate

                                                                  Întrebare pentru sală S&P 500, GARCH-t: Q(10) pe ẑ² are p = 0,192, iar testul de asimetrie are p < 0,001. Este modelul corect?
                                                                  Răspuns

                                                                  Nu complet: nu au rămas efecte ARCH (Q(10) al pătratelor scade de la 6 133 la 13,6), dar semnul șocurilor trecute încă anticipează varianța (t al semnului 3,56): lipsește asimetria. Un test care nu respinge nu dovedește că modelul este corect.

                                                                  Alegerea modelului

                                                                  Nouă modele pentru S&P 500

                                                                  Slide-ul 45: Nouă modele pentru S&P 500
                                                                  Slide-ul 45

                                                                  Log-verosimilitatea și diferența față de cel mai bun model (cu verde)

                                                                    Întrebare pentru sală S&P 500, pornind de la GARCH cu inovații Normale: ce reduce mai mult BIC, asimetria (EGARCH cu inovații Normale) sau cozile groase (GARCH cu t asimetrică)?
                                                                    Răspuns

                                                                    Cozile groase: 341, față de 276 pentru asimetrie; ambele împreună (EGARCH cu t asimetrică) reduc BIC cu 649, cel mai bun dintre cele nouă modele. AIC dă aceeași ordine.

                                                                    Prognoza volatilității

                                                                    Exemplu rezolvat: S&P 500 la 18 septembrie 2026

                                                                    Slide-ul 47: Exemplu rezolvat: S&P 500 la 18 septembrie 2026
                                                                    Slide-ul 47

                                                                    Exemplu lucrat: prognoza pe H zile

                                                                    \[E_t[\sigma_{t+h}^2] = \bar\sigma^2 + (\alpha+\beta)^{h-1}(\sigma_{t+1}^2 - \bar\sigma^2), \qquad \mathrm{Var}_t\Big(\sum_{h=1}^{H} r_{t+h}\Big) = \sum_{h=1}^{H} E_t[\sigma_{t+h}^2]\]
                                                                        Întrebare pentru sală La 18 septembrie 2026, σ²(t + 1) = 0,509, sub σ̄² = 2,972. Regula rădăcinii pătrate a timpului dă volatilitatea pe 10 zile √(10 × 0,509) = 2,26%. Ce dă suma prognozelor GARCH?
                                                                        Răspuns

                                                                        2,38%: prognozele zilnice cresc spre nivelul pe termen lung (ziua 10: 0,624), deci suma lor, 5,67, depășește 10 × 0,509 = 5,09. Într-o criză relația se inversează: regula rădăcinii pătrate dă valori prea mari.

                                                                        Structura la termen a volatilității

                                                                        Slide-ul 48: Structura la termen a volatilității
                                                                        Slide-ul 48
                                                                          Întrebare pentru sală Pe 16 martie 2020 prognoza pentru ziua următoare este 111,0% pe an. Cît este volatilitatea medie prognozată pentru următoarele 250 de zile?
                                                                          Răspuns

                                                                          84,7%: cu α + β = 0,9947, abaterea față de nivelul pe termen lung se micșorează cu doar 0,53% pe zi, iar după 250 de zile prognoza zilnică este încă 62,0%. Într-o zi liniștită (3 noiembrie 2017) curba urcă: 7,3% mîine, 19,0% în medie pe un an.

                                                                          GARCH față de EWMA, în afara eșantionului

                                                                          Slide-ul 50: GARCH față de EWMA, în afara eșantionului
                                                                          Slide-ul 50

                                                                          Prognoze ale varianței pentru ziua următoare (cu verde: cel mai mic QLIKE; DM: t și p)

                                                                            Întrebare pentru sală Bitcoin, 2015–2026: QLIKE GARCH-t 3,383, EWMA 3,390, testul DM t = −0,20 (p = 0,845). Ce concluzie trageți?
                                                                            Răspuns

                                                                            Nicio diferență detectabilă: GARCH-ul Bitcoin este un IGARCH, adică aproape un EWMA. Un p mare nu arată că prognozele sînt egale, doar că testul nu le separă. Pentru S&P 500 (t = −3,69), DAX (−3,19) și BET (−2,22), GARCH-t este semnificativ mai bun.

                                                                            VaR 1% dintr-un model GARCH

                                                                            VaR condiționat

                                                                            Slide-ul 51: VaR condiționat
                                                                            Slide-ul 51

                                                                            Exemplu lucrat: VaR pe o zi și pe H zile

                                                                            \[\mathrm{VaR}_{t+1} = -\big(\mu + \sigma_{t+1}\,q_\alpha(z)\big), \qquad q_\alpha(z) = t_\nu^{-1}(\alpha)\sqrt{\tfrac{\nu-2}{\nu}}\]
                                                                                Întrebare pentru sală S&P 500 la 18 septembrie 2026: VaR 1% pe o zi este 1,75%. Regula √10 dă pe 10 zile 1,75 × √10 = 5,52%. Ce dă suma prognozelor varianței (cu cuantila t și fără μ)?
                                                                                Răspuns

                                                                                6,09% = 2,557 × √5,67: volatilitatea este așteptată să crească spre nivelul pe termen lung, deci regula √10 dă prea puțin. Este o aproximare: randamentul pe 10 zile nu are o distribuție Student-t cu același ν, iar cuantila lui exactă cere simulare.

                                                                                VaR 1% în timpul crahului COVID-19

                                                                                Slide-ul 52: VaR 1% în timpul crahului COVID-19
                                                                                Slide-ul 52
                                                                                  Întrebare pentru sală S&P 500, iulie 2019 – iunie 2021, 505 zile: de cîte ori este depășit VaR 1% din GARCH-t?
                                                                                  Răspuns

                                                                                  De 13 ori, față de circa 5 așteptate (1% din 505); EWMA-Normal este depășit de 17 ori. Ambele modele reacționează, dar abia după primele scăderi mari din martie 2020: o prognoză pe o zi nu poate anticipa primul șoc.

                                                                                  Depășiri 2015–2026: o primă privire asupra backtesting-ului

                                                                                  Slide-ul 53: Depășiri 2015–2026: o primă privire asupra backtesting-ului
                                                                                  Slide-ul 53

                                                                                  Depășiri ale VaR pe o zi, în afara eșantionului

                                                                                    Întrebare pentru sală EWMA cu inovații Normale depășește VaR 1% în 2,2–2,5% dintre zile pe toate cele patru piețe. De ce?
                                                                                    Răspuns

                                                                                    Cuantila Normală, −2,326, este prea puțin adîncă pentru cozile groase. GARCH-t, cu cuantila Student-t, are 1,2–1,7%: mult mai aproape de 1%, dar tot peste 1% pe toate cele patru piețe. Dacă diferențele sînt semnificative se testează în Capitolul 10 (testul Kupiec).

                                                                                    Randamente logaritmice zilnice, în %: S&P 500, DAX și BET din ianuarie 2000, Bitcoin din septembrie 2014 (7 zile pe săptămînă), Banca Transilvania (TLV) și OMV Petrom (SNP) din 2010, din prețul ajustat, pînă la 18 septembrie 2026; cele două zile greșite ale TLV din mai 2016 sînt eliminate. Prețuri EODHD. Modelele sînt estimate cu pachetul arch, cu codul din curs (verosimilitate maximă, SE robuste); din parametrii estimați, browserul reconstruiește varianța condiționată zi cu zi și calculează din ea reziduurile standardizate, graficele QQ, curbele de impact al știrilor, testele de diagnostic, criteriile informaționale, prognozele și VaR. Prognozele în afara eșantionului ale GARCH-t și GJR-t (reestimate la fiecare 250 de zile) sînt cele din curs; EWMA, pierderile QLIKE, testele DM și depășirile sînt recalculate în browser. Simulările folosesc extragerile Normale ale generatorului din curs (aceeași sămînță). Alte distribuții ale inovațiilor, alte începuturi ale eșantionului, alte piețe pentru tabelele S&P 500, ARCH(q) cu alte ordine, alte semințe și alți parametri ai simulărilor, alte niveluri ale VaR și alte perioade de evaluare sînt rulări suplimentare ale aceluiași cod.