Modelos GARCH

Tpicos Avanados em Finanas I

Parte 1
- ARCH e GARCH

Parte 2
- EGARCH, TGARCH e MGARCH
PARTE 1
Introduo

Modelo ARCH

Caractersticas ARCH

Modelo GARCH
Como visto anteriormente, em sries financeiras, mais
comum se deparar com volatilidade varivel no tempo do
que com volatilidade constante.

Estimar corretamente essa volatilidade de fundamental

importncia, tendo em vista que a volatilidade no
diretamente observada.
Na verdade, os dados financeiros apresentam agrupamento de volatilidade, ou seja, ela
alta em alguns perodos e baixa em outros. Entretanto incomum se deparar com jumps
de volatilidade. Podemos assumir que ela contnua.

A volatilidade tem um certo grau de reverso mdia, ou seja, ela no tende ao infinito.

Verifica-se tambm o que se convencionou chamar de alavancagem. Ocorre quando o

impacto sobre a volatilidade na queda de preos maior do que numa alta de mesma
magnitude, de forma assimtrica.
O objeto de estudo dos modelos ser a
volatilidade condicional. A volatilidade
de suma importncia na precificao
de derivativos em finanas.

A volatilidade assume um papel

relevante como medida de risco nos
modelos de V@R e na Gesto de Riscos
e na teoria das opes.

Em geral, a volatilidade um input

nos modelos em base anual, podendo
ser anualizada pelo produto com raiz
de 252 dias teis.
Atualmente a volatilidade em si passou
tambm a ser um ativo financeiro. No
Brasil, temos a operao estruturada de
volatilidade de dlar comercial. Nos
EUA, o futuro de VIX o exemplo mais
notrio.

ARCH significa Auto-Regressive

Conditional Heteroskedasticity. A
estrutura lgica dos modelos ARCH se
assemelham de um modelo AR.

Mais adiante estudaremos tambm os

modelos GARCH (Generalized ARCH)
que lembram os modelos ARMA.
Perspectiva Histrica:
O modelo mais simples de clculo de volatilidade o de volatilidade histrica,
que envolve calcular a varincia (ou desvio padro) dos retornos e usar como
previso para o futuro.

Para o caso de opes possvel se extrair o valor da volatilidade implcita nos

contratos negociados atravs de mtodos numricos. Esse valor tambm
chamado de previso de volatilidade pelos mercados.

Uma extenso da medida de volatilidade histrica dada pelo EWMA

(Exponentially Weighted Moving Average), onde os pesos das observaes so
reponderados de forma a dar maior importncia aos dados mais recentes.
Sob o modelo ARCH(q), supe-se que a volatilidade
condicional do termo do erro pode depender do valor
anterior do erro quadrtico. E que a equao condicional
da mdia, que descreve yt, pode ter quase qualquer forma
desejada.

Com isso temos:

= 0 + u
2
t
2
1 t1
+ u2
2 t2
+ ...+ u
2
q tq
Construo do Modelo
1. Especificar uma equao para definir as
relaes lineares, por exemplo um
ARMA.
2. Com os residuos da regresso, testar
para efeito ARCH.
3. Caso efeito ARCH seja estatsticamente
significativo, empreender uma
estimao conjunta da mdia e da
volatilidade.
4. C h e c a r o m o d e l o e r e f i n a r s e
necessrio.
Testando Efeito ARCH
Para descobrir se a modelagem ARCH adequada para os
seus dados, podemos testar para efeito-ARCH. Dois testes so
mais utilizados, o de multiplicador de Lagrange de Engle e o
de Ljung-Box sobre os resduos
1. Rode a regresso linear postulada para o modelo Yt e
reserve os resduos.
2. Eleve os resduos ao quadrado e rode outra regresso
2
(2) de ordem q nos resduos. Obtenha o R .
2
3. A estatstica de teste TR e tem distribuio chi-
quadrado.
4. As hipteses nula e alternativa so:
H0: todos os coeficientes da regresso (2) so
nulos.
H1: algum coeficiente no nulo.
Como limitaes dos modelos ARCH(q), temos que:
1.A escolha de q pode resultar em um valor de ordem muito alto e um modelo com uma
varincia condicional muito grande, que no parcimonioso.
2.A exigncia de no negatividade dos parmetros pode acabar sendo violada.
Por conta disso, os modelos GARCH acabaram sendo mais utilizados. Em geral, um GARCH
(1,1) ser suficiente para diversas sries financeiras.
A estimao do modelo no por mnimos quadrados e sim por mxima verossimilhana.
A equao do modelo GARCH :

q p
= 0 + u
2
t
2
i ti
+ j 2
t j
i=1 j=1
To be Continued.