Eu não posso falar se stata tem uma função interna para prever modelos GARCH específicos. Eu imagino que eles fazem, mas você pode cavar através dos manuais de ajuda para encontrá-lo. De um modo mais geral, suponha que um modelo Garch (1,1) foi ajustado a X, uma variável com uma média constante de zero. Este modelo é da forma: sigma beta beta sigma beta varepsilon O próximo passo é escalar a variável X pelo desvio padrão condicional sigma para obter varepsilon, os resíduos escalados. Você poderia simular varepsilon sob a suposição relevante (por exemplo, se você estimar o modelo Garch com erros t, então você simularia a partir dessa distribuição). O valor futuro da volatilidade seria então: sigma beta beta sigma beta varepsilon Os valores em t1 são conhecidos, mas depois disso você usaria os valores simulados. Se você quiser apenas obter um único valor para a volatilidade futura, em vez de um grande painel de valores simulados, você pode simplesmente definir varepsilon para ser um vetor de zeros. O Sharpe Ratio é uma medida para calcular o retorno ajustado ao risco, e essa proporção se tornou o padrão da indústria para tais cálculos. Foi desenvolvido pelo prêmio Nobel William F. Sharpe. A taxa de Sharpe é o retorno médio obtido em excesso da taxa livre de risco por unidade de volatilidade ou risco total. Subtraindo a taxa livre de risco do retorno médio. O desempenho associado com atividades de risco pode ser isolado. Uma intuição desse cálculo é que uma carteira envolvendo investimentos de risco zero, como a compra de letras do Tesouro dos EUA (cujo retorno esperado é a taxa livre de risco), tem um índice de Sharpe exatamente zero. Geralmente, quanto maior o valor da relação de Sharpe, mais atrativo é o retorno ajustado ao risco. VIDEO Carregar o leitor. BREAKING DOWN Sharpe Ratio A relação de Sharpe tornou-se o método mais utilizado para calcular o retorno ajustado ao risco no entanto, pode ser impreciso quando aplicado a carteiras ou ativos que não têm uma distribuição normal de retornos esperados. Muitos ativos têm um alto grau de kurtosis (gordura caudas) ou negativo skewness. A relação Sharp também tende a falhar ao analisar carteiras com riscos não lineares significativos, como opções ou warrants. Ao longo dos anos surgiram metodologias alternativas de retorno ajustadas ao risco, incluindo a Rácio Sortino. Return Over Maximum Drawdown (RoMaD) e o Índice de Treynor. A Modern Portfolio Theory afirma que adicionar ativos a um portfólio diversificado que tenha correlações de menos de um com o outro pode diminuir o risco da carteira sem sacrificar o retorno. Essa diversificação servirá para aumentar a proporção de Sharpe de uma carteira. Rácio de Sharpe (Rendimento médio da carteira Taxa livre de risco) / Desvio-padrão do rendimento da carteira A fórmula de rácio de Sharpe ex-ante utiliza rendimentos esperados, enquanto a taxa de Sharpe ex post utiliza rendimentos realizados. Aplicações da relação de Sharpe A relação de Sharpe é usada frequentemente comparar a mudança em características de risco-retorno gerais das carteiras quando um novo recurso ou classe de recurso é adicionado a ele. Por exemplo, um gerente de carteira está considerando adicionar uma alocação do fundo do hedge a sua carteira de investimento 50/50 existente dos estoques que tem uma relação de Sharpe de 0.67. Se a alocação de novos portfólios é 40/40/20 ações, títulos e uma alocação diversificada fundo de hedge (talvez um fundo de fundos), a proporção de Sharpe aumenta para 0,87. Isso indica que, embora o investimento em fundos de hedge seja arriscado como uma exposição independente, ele realmente melhora a característica risco-retorno da carteira combinada e, assim, acrescenta um benefício de diversificação. Se a adição do novo investimento reduziu a proporção de Sharpe, não deve ser adicionado à carteira. A relação de Sharpe também pode ajudar a explicar se os retornos de excesso de carteiras são devido a decisões de investimento inteligente ou um resultado de muito risco. Embora uma carteira ou fundo possa desfrutar de retornos mais elevados do que os seus pares, é apenas um bom investimento se esses retornos mais elevados não vêm com um excesso de risco adicional. Quanto maior a relação Sharpe carteiras, melhor o seu desempenho ajustado pelo risco tem sido. Uma relação negativa de Sharpe indica que um ativo sem risco apresentaria melhor desempenho do que a segurança analisada. Crítica e Alternativas A relação de Sharpe utiliza o desvio padrão dos retornos no denominador como sua proxy do risco total da carteira, o que pressupõe que os retornos são normalmente distribuídos. A evidência mostrou que os retornos sobre os ativos financeiros tendem a desviar-se de uma distribuição normal e pode fazer interpretações da razão Sharpe enganosa. Uma variação da razão de Sharpe é a relação de Sortino. Que elimina os efeitos dos movimentos ascendentes dos preços sobre o desvio padrão para medir apenas o retorno contra a volatilidade dos preços descendentes e utiliza a semivariância no denominador. A relação de Treynor utiliza risco sistemático. Ou beta () em vez do desvio padrão como medida de risco no denominador. A relação de Sharpe pode também ser jogada por fundos de hedge ou por gerentes de carteira que procuram impulsionar seu history aparentemente aparentemente ajustado risco-ajustado. Isto pode ser feito por: Alongamento do intervalo de medição: Isto resultará numa estimativa mais baixa da volatilidade. Por exemplo, o desvio padrão anualizado dos retornos diários é geralmente superior ao dos retornos semanais, que é, por sua vez, superior ao dos retornos mensais. Composição dos retornos mensais, mas cálculo do desvio padrão dos retornos mensais não compostos. Escrever out-of-the-money põe e chama em um portfólio: Esta estratégia pode potencialmente aumentar o retorno por cobrar o prémio da opção sem pagar por vários anos. Estratégias que envolvem assumir risco de inadimplência. risco de liquidez. Ou outras formas de risco de catástrofe têm a mesma capacidade de relatar uma proporção de Sharpe inclinada para cima. Suavização de retornos: Usando certas estruturas de derivativos, a marcação infreqüente no mercado de ativos ilíquidos ou o uso de modelos de preços que subestimam ganhos ou perdas mensais podem ser reduzidos (p. ex., os rácios de Sharpe de hedge funds neutros para o mercado antes e depois da crise de liquidez de 1998) Reduzir a volatilidade relatada. Eliminando retornos extremos: Como esses retornos aumentam o desvio padrão relatado de um fundo de hedge, um gerente pode optar por tentar eliminar os melhores e piores retornos mensais a cada ano para reduzir o desvio padrão. Bem-vindo ao Instituto de Pesquisa Digital e Educação Stata Class Notes Contagem de n para N Introdução Stata tem duas variáveis internas chamadas n e N. N é a notação Stata para o número de observação atual. N é 1 na primeira observação, 2 na segunda, 3 na terceira, e assim por diante. N é a notação Stata para o número total de observações. Vejamos como n e N funcionam. Como você pode ver, o ID da variável contém o número de observação executado de 1 a 7 e nt é o número total de observações, que é 7. Contando com usando n e N em conjunto com o comando by podem produzir alguns resultados muito úteis. Naturalmente, para usar o comando by, primeiro devemos classificar nossos dados na variável por. Agora n1 é o número de observação dentro de cada grupo e n2 é o número total de observações para cada grupo. Para listar a pontuação mais baixa para cada grupo use o seguinte: Para listar a pontuação mais alta para cada grupo use o seguinte: Outra utilização de n Permite usar n para descobrir se há números de identificação duplicados nos seguintes dados: Como se verifica, As observações 6 e 7 têm os mesmos números de identificação e valores de pontuação diferentes. Encontrando Duplicatas Agora vamos usar N para encontrar observações duplicadas. Neste exemplo, classificamos as observações por todas as variáveis. Em seguida, usamos todas as variáveis na instrução by e definimos set n igual ao número total de observações que são idênticas. Finalmente, listamos as observações para as quais N é maior que 1, identificando assim as observações duplicadas. Se você tem um monte de variáveis no conjunto de dados, pode demorar muito tempo para digitá-los todos fora duas vezes. Podemos fazer uso do caractere curinga para indicar que desejamos usar todas as variáveis. Além disso, nas versões mais recentes do Stata, podemos combinar sort e by em uma única declaração. Abaixo está uma versão simplificada do código que irá produzir os mesmos resultados exatos como acima. O conteúdo deste site não deve ser interpretado como um endosso de qualquer site, livro ou produto de software específico pela Universidade da Califórnia.
No comments:
Post a Comment