Zaman Serisi Volatilite (GARCH) Analizi

StatLabseu

TS: Volatilite ve Risk (GARCH/VaR)

Volatilite, Değişen Varyans ve Risk Analizi

Özellikle finansal serilerde (Hisse senedi, Kripto, Döviz vb.) yüksek oynaklık (volatility) dönemleri birbirini izler. Bu duruma Volatilite Kümelenmesi (Clustering) denir. Bu sayfa ARCH/GARCH modelleri ile verinizdeki riski (Koşullu Varyansı) zaman boyutunda modeller. Bu testler fiyat verisi (Örn: BIST100 endeksi) yerine, o fiyatların Log-Getiri (Return) serileri üzerinde uygulanmalıdır.

Ortak Oturum Aktif Yükleniyor...

Analiz Edilecek Seri:

Volatilite Parametreleri

Koşullu Varyans Modeli

ARCH Gecikmesi (p)

GARCH Gecikmesi (q)

Hata (Artık) Dağılımı

Value at Risk (VaR) Güven Seviyesi

Volatilite Analizi Bekleniyor

Sol panelden model özelliklerini seçip "Modeli Kur" butonuna basın.

Volatilite Model Özeti

GARCH(1,1) [Normal]

Log-L-

AIC-

BIC-

Kalıcılık ($\alpha+\beta$)-

ARCH Etkisi (LM Testi) - Eğer p < 0.05 ise seride değişen varyans (Oynaklık Kümelenmesi) vardır ve GARCH modellemesi doğrudur.

Getiri Serisi ve Modele Göre Koşullu Volatilite ($\sigma_t$)

Siyah çizgiler gerçekleşen getiriyi (şokları) temsil ederken, kırmızı çizgi GARCH modelinin o gün için tahmin ettiği volatilite (risk) seviyesini göstermektedir.

Model Parametre Tahminleri

Varyans denklemindeki katsayılar. Anlamlı olması (P < 0.05) istenir.

Parametre	Katsayı	Std. Hata	$t$-Stat	$P > \|t\|$

Model Tanıları (Yeterlilik)

İyi bir GARCH modelinden sonra, standartlaştırılmış kareli artıklarda ($z_t^2$) hiçbir ARCH etkisi kalmamış (p > 0.05) olmalıdır.

Ljung-Box ($z_t^2$) p-değeri: -

Kalan ARCH Etkisi (LM) p-değeri: -

Normallik (Jarque-Bera) p-değeri: -

İstatistiksel ve Finansal Yorum

Ana Menüye Dön İleri Analiz (VAR / Eşbütünleşme)

Standart GARCH(1,1) Varyans Denklemi

Koşullu varyans ($\sigma_t^2$), bir önceki günün karesi alınmış şokundan ($\varepsilon_{t-1}^2$) ve bir önceki günün koşullu varyansından ($\sigma_{t-1}^2$) etkilenir.

$$ \sigma_t^2 = \omega + \alpha \varepsilon_{t-1}^2 + \beta \sigma_{t-1}^2 $$

GJR-GARCH Asimetrik Etki

Negatif şokların (kötü haberlerin) piyasada pozitif şoklardan daha fazla volatilite yaratıp yaratmadığını (Kaldıraç - Leverage etkisi) modellemek için tasarlanmıştır.

$$ \sigma_t^2 = \omega + \alpha \varepsilon_{t-1}^2 + \gamma I(\varepsilon_{t-1} < 0) \varepsilon_{t-1}^2 + \beta \sigma_{t-1}^2 $$

Zaman Serisi Oturumu Bulunamadı

Getiri (Return) Serisi Kullanılması Önerilir