Glossario IA
Il dizionario completo dell'Intelligenza Artificiale
GARCH
Modèle statistique capturant la volatilité conditionnelle des séries temporelles financières où la variance actuelle dépend des variances et erreurs passées, permettant de modéliser l'hétéroscédasticité des rendements.
EGARCH
Extension du modèle GARCH utilisant une formulation logarithmique pour garantir la positivité de la variance et capturer les effets asymétriques où les chocs négatifs affectent différemment la volatilité que les chocs positifs.
TGARCH
Modèle GARCH avec effet de seuil incorporant une variable indicatrice pour différencier l'impact des chocs positifs et négatifs sur la volatilité, capturant ainsi l'effet de levier typique des marchés financiers.
Hétéroscédasticité conditionnelle
Propriété statistique où la variance des erreurs d'une série temporelle n'est pas constante mais dépend des informations passées, caractéristique fondamentale des séries financières nécessitant des modèles GARCH.
Variance conditionnelle
Variance d'une variable aléatoire sachant l'information disponible jusqu'à une période donnée, représentant la prévision de volatilité future dans les modèles GARCH basée sur l'historique des rendements.
Effet de levier
Phénomène empirique où les mauvaises nouvelles augmentent la volatilité plus que les bonnes nouvelles de même magnitude, généralement modélisé par des spécifications asymétriques comme EGARCH ou TGARCH.
Persistance de la volatilité
Mesure de la durée pendant laquelle les chocs de volatilité affectent les prévisions futures, quantifiée par la somme des paramètres GARCH et déterminant la vitesse de retour à la moyenne de la volatilité.
ARCH
Modèle précurseur du GARCH où la variance conditionnelle dépend uniquement du carré des erreurs passées, limité par l'ordre élevé nécessaire pour capturer la dynamique de volatilité à long terme.
IGARCH
Variante du GARCH où la somme des paramètres égale 1, impliquant une persistance infinie des chocs de volatilité et l'absence de retour à la moyenne, adaptée aux séries avec mémoire longue.
GJR-GARCH
Modèle GARCH asymétrique introduisant un terme additionnel multiplié par une indicatrice de choc négatif, permettant une modélisation flexible de l'effet de levier dans les marchés financiers.
APARCH
Généralisation des modèles GARCH incluant un paramètre de puissance pour modéliser la transformation des rendements et des termes asymétriques pour capturer les effets de levier avec une grande flexibilité.
CGARCH
Modèle décomposant la volatilité en une composante transitoire et une composante permanente, permettant de distinguer les fluctuations de court terme des tendances de long terme de la volatilité.
FIGARCH
Extension GARCH incorporant l'intégration fractionnaire pour modéliser la mémoire longue dans la volatilité, capturant la décroissance hyperbolique lente des autocorrélations des carrés des rendements.
Volatilité stochastique
Approche alternative aux modèles GARCH où la volatilité suit son propre processus stochastique, souvent un AR(1) en log, offrant une flexibilité accrue mais une estimation plus complexe.
Multivariate GARCH
Extension des modèles GARCH univariés au cas multivarié pour modéliser simultanément les variances conditionnelles et les corrélations dynamiques entre plusieurs actifs financiers.
DCC-GARCH
Modèle GARCH multivarié où les corrélations conditionnelles évoluent dynamiquement dans le temps tout en garantissant la définie positivité de la matrice de covariance conditionnelle.
Test ARCH LM
Test statistique basé sur le multiplicateur de Lagrange pour détecter la présence d'effets ARCH dans les résidus d'un modèle, vérifiant ainsi la nécessité d'utiliser des modèles GARCH.