SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Volatility Models

bevis-powers avatar
bevis-powers
23 diapositives · 481 Views · Nov 15, 2014

Fin250f: Lecture 11.2 Spring 2010 Reading: Brooks chapter 8. Volatility Models. Outline. Stochastic volatility ARCH(1) GARCH(1,1) GARCH(p,q) GJR and volatility asymmetry High/low volatility time series modeling and long range persistence. Stochastic Volatility. Stochastic Volatility.

Volatility Models - slide 1
01 / 23Volatility Models
1 / 17

Télécharger la présentation

Volatility Models
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Fin250f: Lecture 11.2 Spring 2010 Reading: Brooks chapter 8 Volatility Models

  2. Outline • Stochastic volatility • ARCH(1) • GARCH(1,1) • GARCH(p,q) • GJR and volatility asymmetry • High/low volatility time series modeling and long range persistence

  3. Stochastic Volatility

  4. Stochastic Volatility • Very straightforward • Difficult to estimate • Related to high/low range estimation

  5. ARCH(1)Autoregressive Conditional Heteroskedasticity (Engle)

  6. AR(1)-ARCH(1)Autoregressive Conditional Heteroskedasticity

  7. ARCH(1) • Alpha(1) < 1 • Alpha(0) > 0 • Squared return correlations not persistent enough • Not very useful in finance

  8. GARCH(1,1)(Bollerslev) Generalized Autoregressive Conditional Heteroskedasticity

  9. GARCH(p,q)Generalized Autoregressive Conditional Heteroskedasticity

  10. ARMA(1,1)/GARCH(1,1)Generalized Autoregressive Conditional Heteroskedasticity

  11. Unconditional GARCH(1,1) Variance

  12. GARCH(1,1) Volatility Forecasts

  13. More GARCH(1,1) Forecasts

  14. Keep on Going

  15. Volatility Diagnostics • Squared and absolute returns:Send into usual time series tests • ACF • PACF • Ljung/Box • Engle test (TR^2): Box 8.1

  16. Engle Test • Find residuals of linear model: u(t) • Regress u(t)^2 on lags, u(t-1)^2, u(t-2)^2,…u(t-q)^2 • Get R-squared from this regression • Calculate T*(R-squared) • Chi-squared(q)

  17. GARCH(1,1) standardized residuals

  18. GARCH(1,1) • Most heavily used volatility model on Wall St. • Estimation: • maximum likelihood (not too difficult) • matlab: garcheasy.m

  19. Modifications • EGARCH (log form) • TARCH (threshold nonlinearitiy) • IGARCH (volatility follows random walk) • Asymmetry • For stocks (only) volatility increases by larger amount on market falls • One (of many) models: GJR • Glosten, Jagannathan and Runkle

  20. GJR Model

  21. Volatility Modeling Beyond GARCH • Use other estimates (beyond squared returns) for volatility • VIX • Intraday data (realized volatility) • High/low range information • Build daily estimates of volatility • Apply standard time series tools to volatility or log(volatility)

  22. Modeling Using High/low ranges • voltests.m • Back to the problem of long range correlations and modeling • Special methods • Multi-horizon regressions • Asymmetric volatility impact • One other method • Long memory/fractional integration

  23. Volatility Summary • Lots of predictability (for finance) but, • No perfect model (sort of GARCH(1,1) • Do different objectives matter? • What about out of sample • Some puzzles remain • Long range persistence • Some nonnormal residuals • Sign asymmetry and other nonlinear effects • Connections to trading volume • Basic issue: Why is it changing?