TGARCH Modeli (Eşik GARCH)
Threshold Generalized Autoregressive Conditional Heteroscedasticity Model · Ayrıca şöyle bilinir: Threshold GARCH, TGARCH, GJR-GARCH, asymmetric GARCH
Eşik GARCH (TGARCH) modeli, pozitif ve negatif getiri şoklarının koşullu varyans üzerinde asimetrik etkilere sahip olmasına izin vererek standart GARCH çerçevesini genişletir. Negatif şoklar — kötü haberler — genellikle aynı büyüklükteki pozitif şoklardan daha fazla oynaklığı artırır; bu, kaldıraç etkisi olarak bilinen stilize bir olgudur. TGARCH, önceki dönemin şoku negatif olduğunda devreye giren bir eşik göstergesi aracılığıyla bu asimetriyi yakalar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+8 tane daha
Ne zaman kullanılır
TGARCH, finansal veya ekonomik bir zaman serisinin koşullu oynaklığını modellediğinizde ve negatif şokların oynaklık üzerinde aynı büyüklükteki pozitif şoklardan daha büyük bir etkiye sahip olduğundan şüphelendiğinizde uygundur. Kaldıraç etkisinin yaygın olduğu günlük veya haftalık hisse senedi getirileri, döviz kurları, emtia fiyatları ve kripto para getirileri için oldukça uygundur. Bir işaret yanlılığı testi veya ARCH-LM testi artık analizi asimetriyi önerdiğinde veya ekonomik teori asimetrik risk tepkilerini öngördüğünde simetrik GARCH yerine TGARCH'ı seçin. Seri varyansta durağan olduğunda ve ARCH etkilerine dair kanıt göstermediğinde TGARCH'tan kaçının; ayrıca asimetri parametresinin güvenilir bir şekilde tahmin edilemediği çok kısa seriler (250'den az gözlem) için de kaçının. Kaldıraç etkileri aynı anda birden fazla varlıkta ortaya çıkarsa, DCC-GARCH veya çok değişkenli uzantılar daha uygun olabilir.
Güçlü yönler & sınırlılıklar
- Yorumlanabilir bir eşik katsayısı aracılığıyla kaldıraç etkisini doğrudan yakalar, kötü haberlerin oynaklığı iyi haberlerden daha fazla artırıp artırmadığını ortaya koyar.
- Yalnızca bir ek parametre ile GARCH'ın tutumlu bir uzantısıdır, bu da orta büyüklükteki örneklemlerde bile tahmini yönetilebilir kılar.
- Asimetri mevcut olduğunda, simetrik GARCH'a kıyasla üstün örnek dışı oynaklık tahminleri üretir.
- GARCH ailesi içinde doğrudan iç içe geçmiş olup, özel bir durum olarak simetrik GARCH'a karşı olabilirlik oranı testlerine (gamma = 0) izin verir.
- Kalın kuyruklu hata dağılımlarıyla (Student-t, GED) uyumludur, gerçek finansal getiri verilerine uyumu iyileştirir.
- Asimetri parametresini makul bir hassasiyetle tahmin etmek için en az 250 gözlem gerektirir; daha kısa seriler kararsız çıkarım sonuçları verir.
- Tek değişkenli oynaklık modellemesi ile sınırlıdır; varlıklar arasındaki çok değişkenli yayılmalar DCC-GARCH veya ilgili çerçeveler gerektirir.
- Asimetri için sabit bir parametrik form varsayar; zamana göre değişen veya doğrusal olmayan eşik etkileri, rejim değiştiren veya Markov değiştiren GARCH uzantıları gerektirebilir.
- Maksimum olabilirlik tahmini yerel optimumlara yakınsayabilir; sonuçlar birden fazla başlangıç değeri ile kontrol edilmelidir.
- Tüm GARCH modelleri gibi, TGARCH da oynaklık kümelenmesinin kaynağını doğrudan açıklamaz — örüntüyü tanımlar ancak altında yatan mekanizmayı açıklamaz.
SSS
TGARCH ve EGARCH arasındaki fark nedir?
Her ikisi de oynaklık tepkilerindeki asimetriyi yakalar, ancak EGARCH koşullu varyansın logunu modeller, bu da parametrik kısıtlamalar olmaksızın negatif olmamayı otomatik olarak sağlar. TGARCH, eşik göstergesi ile varyans seviyesini doğrudan modeller ve parametreler üzerinde kısıtlamalar gerektirir. EGARCH daha esnek asimetri şekillerini yakalayabilir; TGARCH, simetrik GARCH çerçevesi içinde yorumlaması ve iç içe geçirmesi daha kolaydır.
Asimetri teriminin anlamlı olup olmadığını nasıl test ederim?
Varyans denklemindeki tahmin edilen gamma katsayısının t-istatistiğini (veya z-istatistiğini) inceleyin. Anlamlı pozitif bir gamma, kaldıraç etkisini doğrular. Ayrıca, gamma'nın sıfıra kısıtlandığı kısıtlı bir simetrik GARCH modeli ile TGARCH modelini karşılaştıran bir olabilirlik oranı testi de yapabilirsiniz.
Güvenilir TGARCH tahmini için ne kadar örneklem büyüklüğü gereklidir?
Genel bir kural olarak, asimetri parametresini güvenilir bir şekilde tahmin etmek için en az 250 gözlem gereklidir. Günlük finansal veriler için bu, kabaca bir yıllık işlem gününe karşılık gelir. Daha kısa seriler, gamma'nın kararsız veya kötü tanımlanmış tahminleri riskini taşır.
TGARCH çok değişkenli bir ortama genişletilebilir mi?
Standart TGARCH tek değişkendir. Birden fazla varlık için, asimetri bileşenleri olan DCC-GARCH veya çok değişkenli GARCH modelleri (asimetrik DCC veya BEKK-GARCH gibi) uygun uzantılardır, ancak tahminleri önemli ölçüde daha karmaşıktır.
GJR-GARCH, TGARCH ile aynı mıdır?
Çok yakından ilişkilidirler. Her ikisi de GARCH varyans denklemine negatif şoklarda etkinleşen bir eşik terimi ekler ve eşdeğer parametreleştirmeler altında sayısal olarak aynı koşullu varyansları üretirler. GJR-GARCH etiketi Glosten, Jagannathan ve Runkle'dan (1993); TGARCH etiketi Zakoian'dan (1994) gelmektedir. Bazı yazılımlar, eşiğin şok seviyesine mi yoksa karesine mi uygulandığına göre onları ayırt eder.
Kaynaklar
- Zakoian, J.-M. (1994). Threshold heteroskedastic models. Journal of Economic Dynamics and Control, 18(5), 931-955. DOI: 10.1016/0165-1889(94)90039-6 ↗
- Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. Journal of Finance, 48(5), 1779-1801. DOI: 10.1111/j.1540-6261.1993.tb05128.x ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Threshold Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/tr/econometrics/tgarch-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- ARCH Modeli (Otoregresif Koşullu Heteroskedastisite)Ekonometri↔ karşılaştır
- ARIMA Modeli (Otokorelasyonlu Entegre Hareketli Ortalama)Ekonometri↔ karşılaştır
- DCC-GARCH Modeli (Dinamik Koşullu Korelasyon)Ekonometri↔ karşılaştır
- GARCH Modeli (Volatilite Tahmini)Ekonometri↔ karşılaştır
- Vektör Otoregresyon (VAR)Ekonometri↔ karşılaştır