t - Ekonometria
Transkrypt
t - Ekonometria
Hipoteza efektywnego rynku • Założenie: racjonalne oczekiwania, brak okazji do arbitrażu • Wniosek: oczekiwana cena w czasie t jest równa cenie w Pt−1 pomnożonej przez stope˛ zwrotu dla inwestycji danego typu : E (Pt| Pt−1, Pt−2, . . .) = (1 + R) Pt−1 • dzielac ˛ obie strony przez Pt i logarytmujac ˛ otrzymujemy: E [∆ ln (Pt)| Pt−1, Pt−2, . . .] = ln (1 + R) c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 1 • Oznaczajac ˛ pt = ln (Pt) i r = ln (1 + R) oraz definiujac: ˛ εt = ∆pt − r • otrzymujemy model postaci: ∆pt = r + εt, przy czym E (εt| pt, pt−1, . . .) = E [∆ ln (Pt)| Pt−1, Pt−2, . . .] − ln (1 + R) = 0. • Warunek ten jest równoważny warunkowi: E (εt| εt−1, εt−1, . . .) = 0. c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 2 • Wniosek 1: zmian cen akcji nie da sie˛ przewidzieć na podstawie cen/(zmian cen akcji) z przeszłości • Wniosek 2: analiza techniczna nie ma sensu c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 3 Heteroskedastyczność w szeregach czasowych • Cz˛esto zakłada sie, ˛ że szeregi czasowe wykazuja˛ autokorelacje˛ ale sa˛ homoskedastyczne • W rzeczywistości jednak cz˛esto wariancja zmienia sie˛ w czasie • Dobrym przykładem sa˛ tutaj dane z rynków finansowych • Gdy zacz˛eto je badać zauważono, że szeregi te (np. ceny akcji, kursy walut etc.) 1. zachowuja˛ sie˛ w przybliżeniu zgodnie z modelem bładzenia ˛ przypadkowego z dryfem 2. w rozkładach pierwszych różnic obserwuje sie˛ silna˛ leptokurtoz˛e c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 4 – ∗ zbyt grube ogony rozkładu ∗ zbyt wysoka koncentracja wokół zera c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 5 0 20 Gêstoæ 40 60 • Histogram logarytmów zwrotów z Dow Jones 1928-2005 −.05 0 Logarytm dziennej stopy zwrotu c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski .05 6 • Hipoteza o normalności rozkładu logarytmów zwrotów z Dow Jonesa został bardzo silnie odrzucona • Główna˛ przyczyna˛ odrzucenia tej hipotezy była silna kurtoza • H0 o istnieniu pierwiastka jednostkowego w logarytmach indeksu Dow Jones nie został odrzucona • H0 o istnieniu pierwiastka jednostkowego w pierwszych różnicach logarytmu indeksu Dow Jones została odrzucona • Wniosek: log ³ pt pt−1 ´ = ∆ log (pt) ∼ I (0), pt ∼ I (1) c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 7 • Dla ostatnich 25 lat nie da sie˛ niestety zaobserwować żadnej istotnej korelacji! • Czy wiec ˛ zwroty z Dow Jones sa˛ białym szumem: nieskorelowanych εt? ciagiem ˛ • Dlaczego w zwrotach wystepuje ˛ leptokurtoza? c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 8 Zmiana indeksu Dow Jones −.1 −.05 0 .05 • Zwroty z Dow Jones i biały szum 01jan2001 01jan2002 01jan2003 Data 01jan2004 01jan2005 01jan2001 01jan2002 01jan2003 Data 01jan2004 01jan2005 Bia³y szum −.04 −.02 0 .02 .04 01jan2000 01jan2000 c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 9 • Najprawdopodobniej przyczyna˛ wystepowania ˛ leptokurtozy jest zjawisko grupowania obserwacji o dużej wariancji • Oczekiwanej wielkości zwrotów nie da sie˛ przewidzieć (z pewnym zastrzeżeniem, do którego jeszcze do tego wrócimy) • Do pewnego stopnia przewidywalne jest jednak wariancja • Modelowanie zmian wariancji jest w praktyce bardzo ważne ponieważ jest to parametr, od którego zależa˛ ceny instrumentów pochodnych (np. opcji) c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 10 Warunkowa autoregresyjna heteroskedastyczność ARCH (q) • Model ARCH (1) (Autoregressive Conditional Heteroskedasticity) yt = xtβ + εt q εt = ut θ 0 + θ 1ε2t−1 + . . . + θ sε2t−q , gdzie ut ∼ N (0, 1), ut jest niezależne od εt−1 i E (εt| xt, εt−1) = 0 • Bezwarunkowa wariancja εt jest stała ¡ 2¢ ¡ 2¢ ¡ ¢ 2 2 Var (εt) = E εt = εt = E ut E θ 0 + θ 1εt−1 + . . . + θ sεt−q = θ 0 + θ 1 Var (εt−1) + . . . + θ s Var (εt−q ) c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 11 • Założenia KM RL sa˛ spełnione - estymator M N K jest najlepszym liniowym i nieobciażonym ˛ estymatorem β • Z racji na wystepowanie ˛ warunkowej heteroskedastyczności istnieja˛ jednak lepsze nieliniowe estymatory β • Wariancja εt nie jest stała warunkowo: Var (εt| εt−1) = E ¡ ¯ ε2t ¯ εt−1, . . . , εt−q ¢ = θ 0 + θ 1ε2t−1 + . . . + θ sε2t−q c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 12 Model uogólnionej warunkowej heteroskedastyczności GARCH (p, q) • Model GARCH (p, q) (Generalized Autoregressive Conditional Heteroskedasticity) ma dla wariancji postać podobna˛ do modelu ARM A (p, q) yt = xtβ + εt εt = utσ t σ 2t = α1σ 2t−1 + α2σ 2t−2 + . . . + α2σ 2t−p + θ 0 + θ 1ε2t−1 + . . . + θ q ε2t−q c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 13 Model TARCH • Asymetryczna reakcji wariancji na dodatnie i ujemne odchylenia losowe. • Reakcja rynku na duża˛ strate˛ różna od reakcji na duży zysk. • Zakłada sie, ˛ że wariancja warunkowa silniej reaguje w przypadku dużej straty niż dużego zysku. • Forma modelu T ARCH (Trashold ARCH) postaci: yt = xtβ + εt εt = utσ t σ 2t = θ0 + θ 1ε2t−1 + ... + θ q ε2t−q + ¡ β 1 ε+ t−1 ¢ + c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski ¡ ¢2 + β 2 εt−2 + ... + ¡ ¢2 + β s εt−q 14 gdzie θ i + β i ≥ 0 dla i = 1, . . . , q a ½ ε+ t−s = εt−s dla εt−s 0 dla εt−s c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski ¯ ≥ 0 ¯¯ <0 ¯ 15 Model ARCH w średnich • Model ARCHM (ARCH in Means) ma nastepuj ˛ ac ˛ a˛ postać: yt = xtβ + δσ 2t + εt εt = utσ t σ 2t = θ 0 + θ 1ε2t−1 + . . . + θ q ε2t−q • W modelu ARCHM zmiany wariancji wpływaja˛ także na średnia˛ • Model ten ma zastosowania w finansach, gdzie zakłada sie, ˛ że na ceny akcji wpływa także ryzyko c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 16 • Jeśli ryzyko zmienia sie˛ w czasie to także powinno to wpływać na oczekiwane ceny akcji • Parametr δ jest wiec ˛ zwiazany ˛ z awersja˛ do ryzyka • Ponieważ wyższe ryzyko powinno skutkować wyższymi zwrotami, wiec ˛ parametr ten powinien być dodatni c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 17 Model Value at Risk • Na skutek rozpowszechnienia sie˛ instrumentów pochodnych zerwaniu uległ zwiazek ˛ miedzy ˛ wielkościa˛ zaangażowanego w transakcje˛ kapitału a wielkościa˛ ponoszonego ryzyka • Stosunkowo niewielkie kontrakty moga˛ przynieść olbrzymie straty: np. Barings, Société Générale • Konieczne wprowadzenie nowego systemu pomiaru ryzyka, • Takim systemem jest system Value at Risk (wartość narażona na ryzyko) • Definicja Value at Risk: Pr (Lt < Jt) = Ft (Jt) = α c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 18 Jt=Ft−1 (α) gdzie Jt to value at Risk • Najważniejsze precyzyjne oszacowanie grubości ogona • Problem leptokurtozy utrudnia takie oszacowania • Modele statyczne - nie uwzgledniamy ˛ zmian Ft () w czasie • Modele dynamiczne uwgledniamy ˛ zmiany Ft (), głównie poprzez uwzglednianie ˛ zmian w czasie wartości oczekiwanej µt i warinacji σ t c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 19 Prosty model dynamiczny model Value at Risk • Zmiana wartości portfela aktywów: Pt − Pt−1 = Pt−1 [exp (rt) − 1] • zysk/strata inwestora: Lt = Q (Pt − Pt−1) = QPt−1 [exp (rt) − 1] = At−1 [exp (rt) − 1] gdzie At = QPt jest wartościa˛ inwestycji w czasie t. c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 20 • Z definicji, VaR jest równe Pr (Lt < Jt) = Pr {At−1 [exp (rt) − 1] < Jt} ¶¸¾ ½ · µ Jt = Pr rt < ln 1 + At−1 h ³ ´i t • Szukamy kt = ln 1 + AJt−1 , takiego że Pr (rt < kt) = α • VaR bedzie ˛ można policzyć ze wzoru: Jt = At−1 h ³ ´ i exp b kt − 1 • rt charaktryzuje sie˛ zazwyczaj warunkowa˛ heteroskedasycznościa˛ c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 21 • Z modelu warunkowowej hetoroskedastyczności uzyskujemy oszacowania σt • Zakładamy, że wystandarysowany rozkład rt jest stały w czasie: ¶ µ rt − µt kt − µt < Pr (rt < kt) = Pr σt σt µ ¶ µ ¶ kt − µt kt−µt = Pr ut < =F =α σt σt gdzie µt jest warunkowa˛ wartościa˛ oczekiwana˛ yt. • Zazwyczaj F () nie jest rozkładem normalnym • Przy założonym poziomie prawdopodobieństwa α: kt = µt + F −1 (α) σ t c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 22 • Odpowiednikiem próbkowym F −1 (α) jest odpowiedni kwantyl rozkładu empirycznego standaryzowanych reszt Fb (·), a odpowiednikami σ t sa˛ wartości dopasowane wariancji warunkowych uzyskanych z oszacowanych równań warunkowej wariancji. • W rezultacie oszacowania kt uzyskujemy z równania: b b t + Fb−1 (α) σ bt kt = µ • Wielkość VaR: h ³ ´ i −1 b t + Fb (α) σ bt − 1 Jt = At−1 exp µ c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 23 Regulacje dotyczace ˛ pomiaru ryzyka • Zgodnie z ustaleniami Komitetu Bazylejskiego Nadzoru Bankowego z 1998, każdy bank ma obowiazek ˛ monitorować ryzyko • Banki moga˛ używać modelu standardowego lub też posługiwać sie˛ modelami wewnetrznymi ˛ • Model standardowy – Podział ryzyka na klasy: stopy procentowej, papierów udziałowych, walutowe, surowcowe i towarowe, opcji – dla kaźdej klasy limity zaangażowania • Model wewnetrzny ˛ - naogół model VaR, cz˛esto bazowany na dokumentacji RiskMetrics opublikowanej przez J.P. Morgan c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 24 • Banki maja˛ obowiazek ˛ na bieżaco ˛ kontrolować, czy ich model sie˛ sprawdza c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 25 System traffic light • Nadzór kontroluje jakość modelu na podstawie analizy historyczne (backtesting) • Mnożniki, dla rezerw sa˛ stosowane w przypadku, gdy model VaR zaniża oszacowania ryzyka • Kryterium: liczba przekroczeń wielkości straty wyznaczonej za pomoca˛ modelu VaR, dla α = 0.01 w ciagu ˛ 250 dni c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 26 Strefa zielona żółta czerwona Liczba przekroczeń 0 1 2 3 4 5 6 7 8 9 >=10 mnożnik 0 0 0 0 0 0.4 0.5 0.65 0.75 0.85 1 c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 27 • Rezerwy wyznaczane ze wzoru: à 60 X 1 C = max V aRt−1, (3 + m) V aRt−i 60 i=1 ! • Modele ze strefy czerwonej nie powinny być w ogóle stosowane c Wykład z Ekonometrii nr 26, III rok, WNE UW, Copyright °2008 by Jerzy Mycielski 28