Zastosowanie wielowymiarowych modeli GARCH do szacowania
Transkrypt
Zastosowanie wielowymiarowych modeli GARCH do szacowania
Krzysztof Piontek Wydział Zarządzania, Informatyki i Finansów Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Zastosowanie wielowymiarowych modeli GARCH do szacowania współczynnika zabezpieczenia dla kontraktów futures na WIG20 1. 2. 3. 4. 5. 6. Zabezpieczanie portfela Minimalizacja ryzyka – efektywność strategii Estymacja optymalnego współ. Zabezpiecz. Problemy praktyczne Przykład empiryczny Podsumowanie SKAD Jastrzębia Góra, 17-19.09.2008 Zabezpieczanie (hedging) – metody ograniczania ryzyka zmian cen instrumentów finansowych najczęściej za pomocą instrumentów pochodnych (zabezpieczanie portfela instrumentów przed zmianą jego wartości) W transakcji zabezpieczającej inwestor zajmuje na rynku terminowym pozycje przeciwną w stosunku do pozycji zajmowanej na rynku natychmiastowym, dzięki czemu potencjalne straty wynikające z jednej pozycji zostaną (w mniejszym lub większym stopniu) zrównowaŜone przez zyski osiągnięte na drugiej pozycji SKAD Jastrzębia Góra, 17-19.09.2008 Istotą transakcji zabezpieczających jest kształtowanie wartości (najczęściej minimalizacja) wybranej miary ryzyka rynkowego portfela. W kontekście zabezpieczanie portfela rozwaŜa się między innymi następujące miary ryzyka portfela: • wariancja, • semiwariancja, • dolny moment cząstkowy, • wartość naraŜona na ryzyko (VaR). W warunkach polskich najpopularniejszym instrumentem terminowym wykorzystywanym do zabezpieczania wartości portfela jest kontrakt terminowy na indeks WIG20 SKAD Jastrzębia Góra, 17-19.09.2008 Najpopularniejszym przypadkiem jest minimalizacja wariancji wartości lub stopy zwrotu z portfela pomijając tzw. mnoŜniki cf ∆WP = cs ( St − St −1 ) − c f ( Ft − Ft −1 ) = cs ∆St − ∆Ft = cs ( ∆St − h1∆Ft ) cs var ( ∆WP ) = var ( cs ( ∆St − h1∆Ft ) ) = cs2 var ( ∆S ) + cs2 h12 var ( ∆F ) − 2cs h1 cov ( ∆S , ∆F ) h1* : cs = 1, d ( var ( ∆WP ) ) dh1 =0 var ( ∆WP ) → min → cov ( ∆S , ∆F ) h = var ( ∆F ) * 1 Cs – liczba jednostek instr. spot Cf – liczba jednostek instr. futures SKAD Jastrzębia Góra, 17-19.09.2008 analogicznie... RP = ∆W p cs St = cs ( St − St −1 ) − c f ( Ft − Ft −1 ) cs St St − St −1 c f Ft Ft − Ft −1 = − = ... St cs St Ft = Rs − h2 R f * 2 h : d ( var ( RP ) ) dh2 var ( RP ) → min =0 → h = * 2 cov ( Rs , R f var ( R f ) ) oba współczynniki róŜnią się zazwyczaj SKAD Jastrzębia Góra, 17-19.09.2008 Miara efektywności strategii zabezpieczającej HE = 1 − var ( ∆S − h ∆F ) * 1 var ( ∆S ) redukcja wariancji wartości portfela zabezpieczonego w stosunku do portfela niezabezpieczonego Ederington, 1979 SKAD Jastrzębia Góra, 17-19.09.2008 Metody estymacji h1* zaleŜą od uwzględnianych własności finansowych szeregów kursów natychmiastowych i terminowych - kointegracja kursów spot i futures - autokorelacja przyrostów kursów - korelacja pomiędzy przyrostami spot i futures - grube ogony rozkładów przyrostów - zmienna warunkowa macierz kowariancji SKAD Jastrzębia Góra, 17-19.09.2008 Metody estymacji h1* - regresja ∆St = α + β∆Ft + ε t h =β * 1 nawet jeśli zakładamy stałość macierzy kowariancji w czasie, a estymujemy parametry na postawie danych z przesuwającego się okna, to otrzymujemy zmienny w czasie współczynnik zabezpieczenie, który moŜe być podstawą hedgingu dynamicznego SKAD Jastrzębia Góra, 17-19.09.2008 q p i =1 j =1 ∆St = α + β ∆Ft + ∑ ϕi ∆St −i + ∑ β j ∆Ft − j +ε t h =β * 1 q p i =1 j =1 ∆St = α + β ∆Ft + ∑ ϕi ∆St −i + ∑ β j ∆Ft − j + ht zt ht = ω + αε zt ~ iid ( 0,1) 2 t −1 + β ht −1 h =β * 1 SKAD Jastrzębia Góra, 17-19.09.2008 ECM q p i =1 j =1 ∆St = α + β ∆Ft + ∑ ϕi ∆St −i + ∑ β j ∆Ft − j + γ ECM t −1 +ε t ECM t −1 = St −1 − b0 − b1 Ft −1 moŜna równieŜ dołączyć jednowymiarowy model GARCH h =β * 1 SKAD Jastrzębia Góra, 17-19.09.2008 VAR(k) k k i =1 j =1 k k i =1 j =1 ∆St = α s + ∑ ϕ si ∆St −i + ∑ β sj ∆Ft − j +ε st ∆Ft = α f + ∑ ϕ fi ∆St −i + ∑ β fj ∆Ft − j +ε ft h = * 1 cov (ε st , ε ft ) var (ε ft ) SKAD Jastrzębia Góra, 17-19.09.2008 VECM(k) k k i =1 j =1 k k i =1 j =1 ∆St = α s + ∑ ϕ si ∆St −i + ∑ β sj ∆Ft − j + γ s ECM t −1 +ε st ∆Ft = α f + ∑ ϕ fi ∆St −i + ∑ β fj ∆Ft − j + γ f ECM t −1 +ε ft ECM t −1 = St −1 − b0 − b1 Ft −1 h = * 1 cov (ε st , ε ft ) var (ε ft ) SKAD Jastrzębia Góra, 17-19.09.2008 ∆St µ s ε st ∆F = µ + ε t f ft MGARCH ε st ε ℑt −1 ~ N ( 0, H t ) ft * 1,t +1 h = hsf ,t h ff ,t h12,t = h22,t dynamika współczynnika wynika ze zmiennej w czasie macierzy kowariancji, a takŜe zbioru danych, na podstawie którego dokonuje sie estymacji parametrów SKAD Jastrzębia Góra, 17-19.09.2008 Proponuje się takŜe modele, które zawierają zarówno VECM, jak i MGARCH. Analizuje się takŜe modele wykorzystujące koncepcję funkcji powiązań. SKAD Jastrzębia Góra, 17-19.09.2008 ∆St µ s ε st ∆F = µ + ε t f ft punkt wyjścia… ε st ℑ ~ N 0, H ( ε t −1 t) ft * 1,t +1 h = hsf ,t h ff ,t h12,t = h22,t SKAD Jastrzębia Góra, 17-19.09.2008 VECH(1,1) model VECH(1,1) vech ( H t ) = W + Avech ( εTt −1ε t −1 ) + Bvech ( H t −1 ) 2 ω h11,t 11 a11 a12 a13 ε1,t-1 b11 b12 b13 h11,t-1 = ω + h a 12,t 21 a22 a23 ε 1,t-1ε 2,t-1 + b21 b22 b23 12 h12,t-1 h22,t ω22 a31 a32 a33 ε 22,t-1 b31 b32 b33 h22,t-1 SKAD Jastrzębia Góra, 17-19.09.2008 Problemy Problemy: 1) liczba parametrów modelu N ( N + 1) N ( N + 1) 1 + ( p + q ) 2 2 N liczba parametrów modelu VECH 2 21 3 78 4 210 5 465 6 903 2) konieczność zapewnienia dodatniej określoności macierzy Ht 3) konieczność zapewnienia stacjonarności macierzy Ht Σ = E [ H] SKAD Jastrzębia Góra, 17-19.09.2008 DVECH Diagonal VECH model Bollerslev, Engle, Wooldridge, 1988 N ( N + 1) (1 + P + Q ) 2 h11,t ω11 a11 0 0 ε12,t-1 b11 0 0 h11,t-1 = ω + 0 a 0 + 0 b 0 22 22 h12,t 12 ε1,t-1ε 2,t-1 h12,t-1 h22,t ω22 0 0 a33 ε 22,t-1 0 0 b33 h22,t-1 h11,t = ω11 + a ε 2 11 1,t −1 + b11h11,t −1 h12 ,t = ω12 + a22ε1,t −1ε 2 ,t −1 + b22 h12 ,t −1 h22 ,t = ω22 + a33ε 22,t −1 + b33h22 ,t −1 brak efektu przenikania zmienności pomiędzy instrumentami, rynkami, itp. SKAD Jastrzębia Góra, 17-19.09.2008 N DVECH VECH 2 9 21 3 18 78 4 30 210 5 45 465 6 63 903 BEKK BEKK: Baba,Engle,Kroner,Kraft (1995) Ht = W W + A ε ε A + B Ht −1B *T * *T T t −1 t −1 N ( N + 1) 2 + ( p + q) N 2 gdy H1 jest dodatnio określona model gwarantuje dodatnią określoność dla t>1 * *T * N liczba parametrów modelu BEKK(1,1) liczba parametrów modelu VECH(1,1) 2 11 21 3 24 78 4 42 210 5 65 465 6 93 903 SKAD Jastrzębia Góra, 17-19.09.2008 Inne modele BEKK inne modyfikacje modelu BEKK, to: diagonal BEKK: a A = 0 * macierz A* i/lub B* są diagonalne * 11 0 * a22 prosty warunek stacjonarności scalar BEKK macierz A* i/lub B* są macierzami skalarnymi * a * A = * a SKAD Jastrzębia Góra, 17-19.09.2008 a * a * CCC Model stałych korelacji warunkowych constant conditional correlation - CCC, Bollerslev (1990) H t = Dt RDt 1 R= ρ N1 Dt = 1 ⋱ 0 0 h22,t 0 ⋯ ⋱ 1 hNN ,t 0 + β ii hii ,t −1 hij ,t = ρij hii ,t h jj ,t ρ12 ⋯ ρ1N h11,t ⋮ hii ,t = ωii + α ε 2 ii i ,t −1 N liczba parametrów modelu CCC(1,1) liczba parametrów modelu BEKK(1,1) liczba parametrów modelu VECH(1,1) 2 7 11 21 3 12 24 78 4 18 42 210 5 25 65 465 6 33 93 903 SKAD Jastrzębia Góra, 17-19.09.2008 METODA ŚREDNIEJ WAśONEJ WYKŁADNICZO ∞ H t +1 = (1 − λ ) ε ε + λ H t = (1 − λ ) ∑ λ ε T t t hii ,t +1 ≃ 1 N −1 l λ ∑ l =0 h12 ,t +1 ≃ N −1 N −1 k =0 k =0 k 2 k 2 λ ε ≈ 1 − λ λ ∑ i ,t −k ( ) ∑ ε i ,t −k 1 N −1 k =o k T t −k l λ ∑ N −1 N −1 k =0 k =0 k k 1 λ ε ε ≈ − λ λ ∑ 1,t −k 2 ,t −k ( ) ∑ ε1,t −k ε 2 ,t −k l =0 SKAD Jastrzębia Góra, 17-19.09.2008 ⋅ εt −k Problemy praktyczne: - konieczność stworzenia tzw. kontynuowanego szeregu futures (perpetual futures time series) - liczba obserwacji - ciągle brak prostego w uŜyciu oprogramowania, (estymacja modeli z duŜą liczbą parametrów oraz warunków – dodatniookreśloność, stacjonarność) - asynchroniczność danych I II III IV V VI VII VIII IX X XI XII marzec czerwiec wrzesień grudzień marzec czerwiec SKAD Jastrzębia Góra, 17-19.09.2008 > > Kontrakt syntetyczny z symbolem WS (np FW20WS) odpowiada rzeczywistym cenom jakie wystąpiły w danym okresie na kontrakcie z najbliŜszym terminem wygasania. Taka metodologia prowadzi do powstania na wykresie luk, związanych z wygasaniem serii i przejściem na nową. SKAD Jastrzębia Góra, 17-19.09.2008 Dla kontraktu synetycznego bez symbolu (np. FW20) źródłem są notowania kontraktu FW20XX o największej liczbie otwartych pozycji. Po zmianie 'źródła' na kolejną serię, dane historyczne korygowane są o lukę wynikającą ze 'skokowego przejścia. Takie podejście powoduje, Ŝe historyczne dane ( z wyjątkiem ostatnich, przy aktualnej serii) nie są danymi rzeczywistymi. SKAD Jastrzębia Góra, 17-19.09.2008 Przykład empiryczny Próbę do badań stanowiły szeregi kursów indeksu WIG20 oraz stworzonego syntetycznego (kontynuowanego) kontraktu futures FW20. Okres badawczy stanowiło 1500 obserwacji dziennych z dni od 2002-09-20 do 2008-09-10. Parametry modeli oraz prognozy jednodniowe wartości macierzy kowariancji szacowane były codziennie z ostatnich dostępnych 1000 danych. Efektywność strategii oceniano dla 500 dni. SKAD Jastrzębia Góra, 17-19.09.2008 Z punktu widzenia kryteriów ekonometrycznych najlepszym modelem był zazwyczaj model DVECH oraz CC. SKAD Jastrzębia Góra, 17-19.09.2008 500 dni testowych Metoda estymacji h wariancja zmiany wartości portfela redukcja ryzyka w % ranking metod bez zabezp. h=0 1243,25 0 12 zabezp. naiwne h=1 262,4293 0,788917 11 prosta regresja EWMA (0.965) 258,4456 248,3628 0,792121 0,800231 10 1 full BEKK – N 255,506 0,794485 9 diag BEKK – N 253,3218 0,796242 7 scalar BEKK – N 249,8075 0,799069 4 diag VECH – N 251,6696 0,797571 5 CC GARCH 248,4718 0,800143 2 full BEKK – S 252,7386 0,796711 6 diag BEKK – S 253,3218 0,796242 7 scalar BEKK - S 249,5769 0,799254 3 SKAD Jastrzębia Góra, 17-19.09.2008 Metoda estymacji h T1 T2 T3 T4 T5 R1 R2 bez zabezp. h=0 12 12 12 12 12 12 12 zabezp. naiwne h=1 11 3 1 11 11 9 11 prosta regresja 10 11 11 1 10 11 10 EWMA (0.965) 8 2 5 2 9 4 1 full BEKK – N 9 10 9 9 3 10 9 diag BEKK – N 5 8 7 7 7 7 7 scalar BEKK – N 3 6 2 4 5 2,5 4 diag VECH – N 7 7 3 5 6 6 5 CC GARCH 1 1 6 6 2 1 2 full BEKK – S 2 4 10 10 1 5 6 diag BEKK – S 5 8 7 7 7 7 7 scalar BEKK - S 4 5 4 3 4 2,5 3 SKAD Jastrzębia Góra, 17-19.09.2008 Metoda estymacji h min max średni var(∆h) ×1000 bez zabezp. h=0 0,0000 0,0000 0,0000 0,0000 zabezp. naiwne h=1 1,0000 1,0000 1,0000 0,0000 prosta regresja EWMA 0,8475 0,7620 0,9137 1,1084 0,8857 0,9308 0,0004 0,1043 full BEKK – N 0,7035 1,1943 0,9196 1,7214 diag BEKK – N 0,7102 1,1494 0,9199 0,3523 scalar BEKK – N 0,7241 1,1051 0,9266 0,2232 diag VECH – N 0,7033 1,2921 0,9194 0,7205 CC GARCH 0,7112 1,1867 0,9254 0,4146 full BEKK – S 0,7143 1,2043 0,9302 1,3190 diag BEKK – S 0,7101 1,1466 0,9241 0,3104 scalar BEKK - S 0,7347 1,1079 0,9318 0,1907 SKAD Jastrzębia Góra, 17-19.09.2008 wartości współczynników zabezpieczenia SKAD Jastrzębia Góra, 17-19.09.2008 wybrane szeregi SKAD Jastrzębia Góra, 17-19.09.2008 Podsumowanie: 1)najprostsze modele okazały się najlepsze z punktu widzenia redukcji wariancji wartości portfela w całej próbie testowej, 2)w podpróbach wyniki nie są juŜ tak jednoznaczne, choć wartości miary efektywności strategii są bardzo zbliŜone, 3)dla modelu EWMA zmiany liczby kontraktów z dnia na dzień okazały się najmniejsze, co jednocześnie zmniejsza koszty transakcyjne Sugerowana metoda: średnia waŜona wykładniczo SKAD Jastrzębia Góra, 17-19.09.2008 Kierunki dalszych badań EWMA oraz: 1)uwzględnienie kointegracji szeregów 2)analiza wyników dla innych technik tworzenia szeregu kontynuowanego kursów futures 3)analiza efektywności strategii dla dłuŜszych horyzontów zabezpieczania 4)uwzględnienie technik odpornych na obserwacje nietypowe SKAD Jastrzębia Góra, 17-19.09.2008 Krzysztof Piontek Wydział Zarządzania, Informatyki i Finansów Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Zastosowanie wielowymiarowych modeli GARCH do szacowania współczynnika zabezpieczenia dla kontraktów futures na WIG20 Dziękuję za uwagę SKAD Jastrzębia Góra, 17-19.09.2008