பொதுமைப்படுத்தப்பட்ட தன்னியக்க முன்னேற்ற நிபந்தனை ஹீட்டோரோஸ்கெடாஸ்டிசிட்டி (கர்ச்) வரையறை

பொதுமைப்படுத்தப்பட்ட தன்னியக்க முன்னேற்ற நிபந்தனை ஹெட்டோரோஸ்கெடாஸ்டிசிட்டி (GARCH) என்றால் என்ன?

பொதுமைப்படுத்தப்பட்ட ஆட்டோ ரெகிரெசிவ் நிபந்தனை ஹெட்டோரோஸ்கெடாஸ்டிசிட்டி (GARCH) என்பது நேர-தொடர் தரவை பகுப்பாய்வு செய்வதில் பயன்படுத்தப்படும் ஒரு புள்ளிவிவர மாதிரியாகும், அங்கு மாறுபாடு பிழை தொடர்ச்சியாக தன்னியக்க தொடர்பு இருப்பதாக நம்பப்படுகிறது. பிழை காலத்தின் மாறுபாடு ஒரு தன்னியக்க முன்னேற்ற நகரும் சராசரி செயல்முறையைப் பின்பற்றுகிறது என்று GARCH மாதிரிகள் கருதுகின்றன.

முக்கிய எடுத்துக்காட்டுகள்

• GARCH என்பது நிதிச் சொத்துகளின் வருவாயின் நிலையற்ற தன்மையைக் கணிக்க உதவும் ஒரு புள்ளிவிவர மாடலிங் நுட்பமாகும். நேர வரிசை தரவுகளுக்கு GARCH பொருத்தமானது, அங்கு பிழை காலத்தின் மாறுபாடு ஒரு தன்னியக்க முன்னேற்ற நகரும் சராசரி செயல்முறையைத் தொடர்ந்து தொடர்ச்சியாக தன்னியக்க தொடர்புடையது. வருவாயில் கொந்தளிப்பான காலங்களை வெளிப்படுத்தும் சொத்துக்களுக்கான ஆபத்து மற்றும் எதிர்பார்க்கப்படும் வருமானத்தை மதிப்பிடுவதற்கு GARCH பயனுள்ளதாக இருக்கும்.

பொதுமைப்படுத்தப்பட்ட தன்னியக்க முன்னேற்ற நிபந்தனை ஹெட்டோரோஸ்கெடாஸ்டிசிட்டி (GARCH)

மேக்ரோ பொருளாதார தரவு போன்ற பல்வேறு வகையான நிதி தரவுகளின் பகுப்பாய்வில் பொதுமயமாக்கப்பட்ட தன்னியக்க முன்னேற்ற நிபந்தனை ஹெட்டோரோஸ்கெடாஸ்டிசிட்டி (GARCH) மாதிரிகள் பயன்படுத்தப்படலாம் என்றாலும், நிதி நிறுவனங்கள் பொதுவாக பங்குகள், பத்திரங்கள் மற்றும் சந்தைக் குறியீடுகளுக்கான வருவாயின் ஏற்ற இறக்கத்தை மதிப்பிடுவதற்கு அவற்றைப் பயன்படுத்துகின்றன. இதன் விளைவாக வரும் தகவல்களை அவர்கள் விலை நிர்ணயம் செய்வதற்கும் எந்த சொத்துக்கள் அதிக வருவாயை வழங்கும் என்பதை தீர்மானிப்பதற்கும் உதவுகின்றன, அத்துடன் தற்போதைய முதலீடுகளின் வருவாயை அவற்றின் சொத்து ஒதுக்கீடு, ஹெட்ஜிங், இடர் மேலாண்மை மற்றும் போர்ட்ஃபோலியோ தேர்வுமுறை முடிவுகளுக்கு உதவுகின்றன.

பிழை காலத்தின் மாறுபாடு மாறாமல் இருக்கும்போது GARCH மாதிரிகள் பயன்படுத்தப்படுகின்றன. அதாவது, பிழைச் சொல் பரம்பரை. புள்ளிவிவர மாதிரியில் பிழை காலத்தின் மாறுபாட்டின் ஒழுங்கற்ற வடிவத்தை ஹெட்டோரோஸ்கெடாஸ்டிசிட்டி விவரிக்கிறது. அடிப்படையில், வேறுபட்ட இடங்களில், அவதானிப்புகள் ஒரு நேரியல் வடிவத்துடன் ஒத்துப்போகவில்லை. மாறாக, அவை கொத்தாக முனைகின்றன. எனவே, நிலையான மாறுபாட்டைக் கருதும் புள்ளிவிவர மாதிரிகள் இந்தத் தரவில் பயன்படுத்தப்பட்டால், மாதிரியிலிருந்து ஒருவர் பெறக்கூடிய முடிவுகளும் முன்கணிப்பு மதிப்பும் நம்பகமானதாக இருக்காது.

GARCH மாதிரிகளில் பிழை காலத்தின் மாறுபாடு முறையாக மாறுபடும் என்று கருதப்படுகிறது, முந்தைய காலங்களில் பிழை சொற்களின் சராசரி அளவின் அடிப்படையில் நிபந்தனை விதிக்கப்படுகிறது. வேறு வார்த்தைகளில் கூறுவதானால், இது நிபந்தனைக்குட்பட்ட ஹீட்டோரோஸ்கெடாஸ்டிசிட்டியைக் கொண்டுள்ளது, மேலும் பிழையான சொல் ஒரு தன்னியக்க முன்னேற்ற நகரும் சராசரி முறையைப் பின்பற்றுகிறது. இது அதன் சொந்த கடந்தகால மதிப்புகளின் சராசரியின் செயல்பாடு என்று பொருள்.

GARCH இன் வரலாறு

சொத்து விலைகளில் ஏற்ற இறக்கத்தை முன்னறிவிப்பதில் உள்ள சிக்கலை தீர்க்க ஒரு வழியாக 1980 களில் GARCH வடிவமைக்கப்பட்டது. இது தன்னியக்க முன்னேற்ற நிபந்தனை ஹெட்டோரோஸ்கெடாஸ்டிசிட்டி (ARCH) மாதிரியை அறிமுகப்படுத்துவதில் பொருளாதார வல்லுனர் ராபர்ட் எங்கிளின் 1982 ஆம் ஆண்டின் முன்னேற்றத்தை உருவாக்கியது. அவரது மாதிரியானது நிதி வருவாயின் மாறுபாடு காலப்போக்கில் மாறாது, ஆனால் அவை தன்னியக்க தொடர்பு கொண்டவை, அல்லது ஒருவருக்கொருவர் சார்ந்து / சார்ந்து இருக்கின்றன. உதாரணமாக, பங்கு வருமானத்தில் இதை ஒருவர் காணலாம், அங்கு வருமானத்தில் ஏற்ற இறக்கம் காலங்கள் ஒன்றாகக் கொத்தாக இருக்கும்.

அசல் அறிமுகத்திலிருந்து, GARCH இன் பல வேறுபாடுகள் வெளிவந்துள்ளன. இவற்றில் நன்லைன் (NGARCH), இது தொடர்புகளை நிவர்த்தி செய்கிறது மற்றும் வருவாயின் "நிலையற்ற கிளஸ்டரிங்" மற்றும் நிலையற்ற அளவுருவை கட்டுப்படுத்தும் ஒருங்கிணைந்த GARCH (IGARCH) ஆகியவை அடங்கும். அனைத்து GARCH மாதிரி மாறுபாடுகளும் அளவோடு கூடுதலாக (அசல் மாதிரியில் உரையாற்றப்படுகின்றன) வருமானத்தின் திசை, நேர்மறை அல்லது எதிர்மறை ஆகியவற்றை இணைக்க முயல்கின்றன.

GARCH இன் ஒவ்வொரு வழித்தோன்றலும் பங்கு, தொழில் அல்லது பொருளாதார தரவுகளின் குறிப்பிட்ட குணங்களுக்கு இடமளிக்க பயன்படுத்தப்படலாம். அபாயத்தை மதிப்பிடுவதில், நிதி நிறுவனங்கள் ஒரு குறிப்பிட்ட காலப்பகுதியில் GARCH மாதிரிகளை அவற்றின் மதிப்பு-இடர் (VAR), அதிகபட்சமாக எதிர்பார்க்கப்படும் இழப்பு (ஒரு முதலீடு அல்லது வர்த்தக நிலை, போர்ட்ஃபோலியோ, அல்லது ஒரு பிரிவு அல்லது நிறுவன அளவிலான அளவில்) இணைக்கின்றன. திட்டங்களும். நிலையான விலகலைக் கண்காணிப்பதன் மூலம் பெறக்கூடியதை விட ஆபத்துக்கான சிறந்த அளவீடுகளை வழங்க GARCH மாதிரிகள் பார்க்கப்படுகின்றன.

பல்வேறு நிதி நிலைமைகளின் போது பல்வேறு GARCH மாதிரிகளின் நம்பகத்தன்மை குறித்து பல்வேறு ஆய்வுகள் நடத்தப்பட்டுள்ளன, இதில் 2007 நிதி நெருக்கடி மற்றும் அதற்கு முந்தைய காலங்கள் அடங்கும்.