دانلود مقاله ترجمه شده نگاهی به کاربرد مدل GARCH

چکیده

خوشه­­ بندی ­های متعددی در سری­ های زمانی، به ویژه در سری­ های زمانی مالی وجود دارد، از مساله­ ی مدل ARCH گرفته تا توسعه­ های بعدی و بازتولیدها، مسائل این چنینی زیادی را در حوزه ­های گسترده­ای حل نموده است که از آن جمله سرمایه، قیمت سهام، تحولات آتی، قیمت نفت خام، GDP، مدیریت مبادله­ ی ارزی در بانک، نرخ تورم، نرخ مبادله­ ی ارز و ... می­ باشند. این مقاله در اساس سیستم توسعه­ ی بزرگ خانواده­ ی GARCH را بیان نموده و کاربردهای آن­ ها را مرور می­ کند.

1-مقدمه

در واقع داده­ های مالی واقعی زیادی نشان داده­ اند که در طول یک بازه دارای فراریت بسیاری بوده و در زمانی دیگر فراریت کمی در بازار داشته ­اند. اگرچه آزمودن همبستگی بین توالی­­ های به دست آمده، و زمانی که ما توالی مربعات را مورد آزمون قرار می ­دهیم از نقطه­ نظر آزمون آماری نمی ­توان تمایز زیادی قائل شد، ولی تاریخ متمایز است. به همین دلیل فرضیه ­ی متغیر با زمان بودن نرخ فراریت را پیش کشیده و بیان می ­کنند که نرخ فراریت را می­ توان تا حدودی پیش ­بینی نمود. از سال 1982، Engel مدل ناهمگونی واریانس شرطی اتورگرسیو، مدل ARCH، را طرح نموده و نتایج مثبت زیادی نیز دریافت نمود. پس از آن بسیاری از اقتصاددانان مدل ARCH را برای پیش­ بینی به کار گرفتند، و آن را از نقطه­ نظرهای مختلفی بهبود دادند، و بنابراین مدل ARCH به میزان زیادی در حوزه­ های اقتصاد ریک مالی، قیمت­ گذاری سرمایه، آنالیز مبادله ­ی ارز، تورم و ... به کار گرفته شد. در میان آن­ ها، مشهورترین مدل GARCH نام دارد، که مدل ARCHای است که توسط Bollerslev در سال 1986 تعمیم یافته است. بر این اساس، بسیاری از پژوهشگران مطالعات بیشتری انجام داده و شکل­ های دیگری از مدل­ های ناهم­واریانس را به دست آوردند...