கர்ச் செயல்முறை

GARCH செயல்முறை என்றால் என்ன

நிதிமயமாக்கப்பட்ட தன்னியக்க முன்னேற்ற நிபந்தனை ஹீட்டோரோஸ்கெடாஸ்டிசிட்டி (GARCH) செயல்முறை என்பது 1982 ஆம் ஆண்டில் பொருளாதார வல்லுநரும் 2003 ஆம் ஆண்டுக்கான பொருளாதாரத்திற்கான நோபல் நினைவு பரிசை வென்றவருமான ராபர்ட் எஃப். GARCH மாடலிங் பல வடிவங்கள் உள்ளன. GARCH செயல்முறை பெரும்பாலும் நிதி மாடலிங் நிபுணர்களால் விரும்பப்படுகிறது, ஏனெனில் இது நிதிக் கருவிகளின் விலைகள் மற்றும் விகிதங்களை கணிக்க முயற்சிக்கும்போது மற்ற வடிவங்களை விட உண்மையான உலக சூழலை வழங்குகிறது.

BREAKING DOWN GARCH செயல்முறை

புள்ளிவிவர மாதிரியில் பிழை காலத்தின் மாறுபாட்டின் ஒழுங்கற்ற வடிவத்தை ஹெட்டோரோஸ்கெடாஸ்டிசிட்டி விவரிக்கிறது. அடிப்படையில், ஹீட்டோரோஸ்கெடாஸ்டிசிட்டி இருக்கும் இடத்தில், அவதானிப்புகள் ஒரு நேரியல் வடிவத்துடன் ஒத்துப்போவதில்லை. மாறாக, அவை கொத்தாக முனைகின்றன. இதன் விளைவாக, மாதிரியிலிருந்து ஒருவர் பெறக்கூடிய முடிவுகளும் முன்கணிப்பு மதிப்பும் நம்பகமானதாக இருக்காது. GARCH என்பது ஒரு புள்ளிவிவர மாதிரியாகும், இது பல்வேறு வகையான நிதி தரவுகளை பகுப்பாய்வு செய்ய பயன்படுத்தப்படலாம், எடுத்துக்காட்டாக, பெரிய பொருளாதார தரவு. நிதி நிறுவனங்கள் பொதுவாக பங்குகள், பத்திரங்கள் மற்றும் சந்தைக் குறியீடுகளுக்கான வருமானத்தின் ஏற்ற இறக்கத்தை மதிப்பிடுவதற்கு இந்த மாதிரியைப் பயன்படுத்துகின்றன. இதன் விளைவாக வரும் தகவல்களை அவர்கள் விலை நிர்ணயம் செய்வதற்கும் எந்த சொத்துக்கள் அதிக வருவாயை வழங்கக்கூடும் என்பதை தீர்மானிப்பதற்கும் உதவுகின்றன, அத்துடன் தற்போதைய முதலீடுகளின் வருவாயை அவற்றின் சொத்து ஒதுக்கீடு, ஹெட்ஜிங், இடர் மேலாண்மை மற்றும் போர்ட்ஃபோலியோ தேர்வுமுறை முடிவுகளுக்கு உதவுகின்றன.

GARCH மாதிரியின் பொதுவான செயல்முறை மூன்று படிகளை உள்ளடக்கியது. முதலாவது, ஒரு சிறந்த-பொருந்தக்கூடிய தன்னியக்க முன்னேற்ற மாதிரியை மதிப்பிடுவது. இரண்டாவது பிழை காலத்தின் தானியங்கு தொடர்புகளை கணக்கிடுவது. மூன்றாவது படி முக்கியத்துவத்தை சோதிப்பது. நிதி நிலையற்ற தன்மையை மதிப்பிடுவதற்கும் கணிப்பதற்கும் பரவலாகப் பயன்படுத்தப்படும் மற்ற இரண்டு அணுகுமுறைகள் கிளாசிக் வரலாற்று ஏற்ற இறக்கம் (வோல்எஸ்டி) முறை மற்றும் அதிவேகமாக எடையுள்ள நகரும் சராசரி ஏற்ற இறக்கம் (VolEWMA) முறை.

GARCH செயல்முறையின் எடுத்துக்காட்டு

GARCH மாதிரிகள் நிதிச் சந்தைகளை விவரிக்க உதவுகின்றன, இதில் நிலையற்ற தன்மை மாறக்கூடும், நிதி நெருக்கடிகள் அல்லது உலக நிகழ்வுகளின் காலங்களில் மிகவும் கொந்தளிப்பானதாகவும், அமைதியான மற்றும் நிலையான பொருளாதார வளர்ச்சியின் காலங்களில் குறைந்த நிலையற்றதாகவும் மாறும். எடுத்துக்காட்டாக, வருவாய் சதித்திட்டத்தில், 2007 ஆம் ஆண்டு போன்ற நிதி நெருக்கடிக்கு வழிவகுத்த ஆண்டுகளில் பங்கு வருமானம் ஒப்பீட்டளவில் ஒரே மாதிரியாகத் தோன்றலாம். இருப்பினும், ஒரு நெருக்கடி தொடங்கிய காலகட்டத்தில், வருமானம் எதிர்மறையிலிருந்து பெருமளவில் மாறக்கூடும் நேர்மறையான பகுதிக்கு. மேலும், அதிகரித்த ஏற்ற இறக்கம் முன்னோக்கி செல்லும் நிலையற்ற தன்மையை முன்னறிவிக்கும். நிலையற்ற தன்மை பின்னர் நெருக்கடிக்கு முந்தைய நிலைகளை ஒத்த நிலைகளுக்குத் திரும்பலாம் அல்லது முன்னோக்கிச் செல்லும் சீரானதாக இருக்கலாம். ஒரு எளிய பின்னடைவு மாதிரியானது நிதிச் சந்தைகளில் காட்சிப்படுத்தப்பட்ட நிலையற்ற தன்மையின் இந்த மாறுபாட்டிற்கு காரணமல்ல, மேலும் ஒன்றுக்கு மேற்பட்ட கணிப்புகள் நிகழும் "கருப்பு ஸ்வான்" நிகழ்வுகளின் பிரதிநிதி அல்ல.

GARCH மாதிரிகள் சொத்து வருமானத்திற்கு சிறந்தது

GARCH செயல்முறைகள் ஹோமோஸ்கெடாஸ்டிக் மாதிரிகளிலிருந்து வேறுபடுகின்றன, அவை நிலையான நிலையற்ற தன்மையைக் கருதுகின்றன மற்றும் அடிப்படை சாதாரண குறைந்தபட்ச சதுரங்கள் (OLS) பகுப்பாய்வில் பயன்படுத்தப்படுகின்றன. தரவு புள்ளிகளுக்கும் அந்த புள்ளிகளுக்கு பொருந்தக்கூடிய பின்னடைவு கோட்டிற்கும் இடையிலான விலகல்களைக் குறைப்பதை OLS நோக்கமாகக் கொண்டுள்ளது. சொத்து வருவாயுடன், குறிப்பிட்ட காலங்களில் ஏற்ற இறக்கம் மாறுபடுவதாகவும், கடந்த கால மாறுபாட்டைப் பொறுத்து இருப்பதாகவும் தெரிகிறது, இது ஒரு ஹோமோஸ்கெடாஸ்டிக் மாதிரியை உகந்ததாக்காது.

GARCH செயல்முறைகள், தன்னியக்க முன்னேற்றமாக இருப்பதால், தற்போதைய மாறுபாட்டிற்கான மாதிரியாக கடந்த சதுர அவதானிப்புகள் மற்றும் கடந்தகால மாறுபாடுகளைப் பொறுத்தது. மாடலிங் சொத்து வருமானம் மற்றும் பணவீக்கம் ஆகியவற்றின் செயல்திறன் காரணமாக GARCH செயல்முறைகள் நிதியத்தில் பரவலாகப் பயன்படுத்தப்படுகின்றன. முன் முன்கணிப்பில் உள்ள பிழைகளை கணக்கிடுவதன் மூலம் முன்னறிவிப்பில் உள்ள பிழைகளை குறைப்பதை GARCH நோக்கமாகக் கொண்டுள்ளது, இதன் மூலம், தற்போதைய கணிப்புகளின் துல்லியத்தை மேம்படுத்துகிறது.