TimeSeries 01~05 게시글에서는 시계열 분석 방법들을 평균부분의 움직임(1차 적률)에 중점을 두었습니다.
환율/주가수익률 등 금융 관련 시계열 자료의 분산(2차 적률) 보다는 변동성이라는 용어를 사용합니다.
경제학 분야에서 위험을 측정하는 수단으로 분산보다는 volatility(변동성 / 조건부분산)을 사용합니다.
ARIMA모형은 등분산성(Homoskedasticity)를 가정하지만 환율/주가수익률들은 비선형적이며 분산은 과거 자료가 큰 영향을 끼칩니다.
Volatility Models: 조건부 분산을 모형화 하는 방법
-ARCH
-GARCH
-EGARCH(Exponential GARCH)
ARCH
이 크면,
도 커집니다. 그러므로
도 큰 값을 가집니다.
이러한 현상은 한 번 큰 값을 기록하면 상당 기간 동안은 큰 상태로 지속된 후 다시 작은 값들이 상당 기간 동안 지속되는 volatility clustering이 생깁니다.
*환율자료의 TimeSeries
data ex;
infile 'exchange.txt';
input exchange @@;
lnex=log(exchange);
return=dif(lnex);
return2=return**2;
time+1;
run;
proc sgplot data=ex;
series x=time y=exchange; xaxis values=(0 to 1500 by 100); run;
> 확률적 추세의 비정상시계열입니다.
확률적 추세의 비정상 시계열은 차분으로 정상화한 후 분석하면 됩니다.
> 로그를 취한 시계열 그림을 그려보면 확률적 추세가 없는 정상 시계열로 보이지만 변동폭이 커서 정상시계열로 볼 수 없습니다.
proc sgplot data=ex;
series x=time y=return2; xaxis values=(0 to 1500 by 100); run;
로그취한 값을 제곱한 값으로 한 번 큰 값이 있고, 계속 큰 상태로 지속되고 다시 작은 값들이 지속되는 현상으로 앞에서 언급한 변동성 집중 vloatility clustering 현상이 나타납니다.
GARCH
ARCH모형은 추정해야될 모수가 많아집니다.
그래서 적은 개수로 모수를 추정할 수 있는 GARCH가 보다 더 경제적입니다.
*GARCH 조건
1) 모수들이 음이 아니여야 합니다. _ nonnegatice condition
2) 정상성 만족해야 합니다. (=근의 절대값이 1 이상이여야 합니다.)
*SAS는 이분산존재 여부는 AUTOREG를 사용하여 알아볼 수 있습니다.
data ex;
infile 'exchange.txt';
input exchange @@;
lnex=log(exchange);
return=dif(lnex);
return2=return**2;
time+1;
run;
data ex1;
set ex;
returnlag=lag(return);
proc autoreg data=ex1;
model return= returnlag / noint garch=(q=7);
output out=res3 cev=vhat residual=rarch;
model return= returnlag / noint garch=(p=1, q=1);
output out=res4 cev=vhat residual=rgarch;
run;
EGARCH
재무시계열자료는 volatility clustering, 양의 수익률/음의 수익률이 중요한 지표입니다.
주가지수가 오르거나 내릴 떄 변동성이 대칭이 아닌 경우가 많습니다.
이런 경우를 asymmetric 현상이라고 합니다.
이런 asymmetric을 반영하는 모형을 EGARCH모형입니다.
E가 양수와 음수일때 값이 달라집니다.
Join us for SAS Innovate 2025, our biggest and most exciting global event of the year, in Orlando, FL, from May 6-9. Sign up by March 14 for just $795.