Economie teoretică şi aplicată

Volumul XVIII (2011), No. 2(555), pp. 75-88

Analiza riscului de portofoliu

prin utilizarea modelelor ARCH şi GARCH
în contextul crizei financiare globale*

Oana Mădălina PREDESCU

Academia de Studii Economice, Bucureşti
predescu_oana85@yahoo.com
Stelian STANCU
Academia de Studii Economice, Bucureşti
stelian_stancu@yahoo.com

Rezumat. Această lucrare examinează atât beneficiile alegerii unui

portofoliu diversificat internaţional, cât şi evoluţia riscului unui astfel de
portofoliu în contextul actualei crize financiare globale. Portofoliul
analizat este alcătuit din trei indici de referinţă din România, Marea
Britanie şi Statele Unite ale Americii. Rezultatele studiului evidenţiază
faptul că, pe fundalul unui climat economic global erodat puternic de
efectele actualei crize financiare, diversificarea internaţională nu reduce
riscul portofoliului. Totodată, folosirea modelor ARCH şi GARCH în
această lucrare reliefează faptul că evoluţia volatilităţii portofoliului este
influenţată de efectele actualei crize financiare globale.

Cuvinte-cheie: criza financiară globală; diversificare; volatilitate;

model ARCH; model GARCH.

Cod JEL: G01.

Cod REL: 11B.

*Ideile acestui articol au fost prezentate la Simpozionul „Criza globală şi reconstrucţia ştiinţei
economice?”, 5-6 noiembrie 2010, Facultatea de Economie, Academia de Studii Economice,
Bucureşti.
76 Oana Mădălina Predescu, Stelian Stancu

1. Introducere

Problema creditelor sub prime care a început în Statele Unite ale Americii
în timpul anului 2007 a afectat sectorul financiar al celorlalte ţări, în special
ţările din Europa. Deteriorarea acestui sector a condus la colapsul sistemelor
financiare naţionale în diferite zone ale lumii, rezultatul fiind o criză financiară
globală severă. Magnitudinea recentei crize financiare este considerată a nu
avea precedent de la Marea Depresie, Fondul Monetar Internaţional (FMI)
denumind această recesiune globală „Marea Recesiune”. Un studiu dezvoltat de
FMI în anul 2009 afirmă faptul că recenta criză financiară „a adus la suprafaţă
importante deficienţe în arhitectura globală curentă”. Directorul general al
FMI, Dominique Strauss-Kahn, a subliniat în luna mai a anului 2009
necesitatea unui „cadru global nou”, care să asigure o coordonare mai bună a
politicilor naţionale (Moshirian, 2010, pp. 5-6). Astfel, orice politică naţională
trebuie să fie strâns legată de politici la nivel global pentru a putea evita în
viitor o altă criză financiară globală. Cu toate acestea, mulţi cercetători pun sub
semnul îndoielii eficienţa unui sistem financiar global. Pentru a putea lămuri
această dezbatere trebuie înţeleasă mai întâi importanţa sistemului financiar la
nivelul unei economii naţionale. Sistemul financiar reprezintă legătura dintre
investitori şi entităţi publice sau private. Prin intermediul acestuia economia
creşte, consumatorii îşi măresc capacitatea de consum, riscurile sunt împărţite,
iar indivizii se confruntă cu o volatilitate mai mică pe piaţă. Toate aceste
corelaţii pot fi extinse la nivelul unui sistem financiar global, sistem care
funcţionează ca un mecanism puternic şi eficient atunci când economia este
caracterizată de stabilitate. Cu toate că potenţialul unui sistem financiar global
există, hazardul moral sau selecţia adversă ne aduc aminte faptul că teoria
economică a identificat câteva raţiuni pentru care pieţele financiare nu
funcţionează întotdeauna perfect, eşecul uneia sau mai multor pieţe financiare
generând pierderi pentru toate celelalte în condiţiile existenţei unui sistem
financiar global. Recenta criză financiară, precum şi episoade trecute ne învaţă
faptul că fluxurile de capital ghidate de pieţele financiare pot reprezenta cu totul
altceva faţă de o alocare eficientă şi optimă a economiilor către proiecte
investiţionale corecte. Conexiunile în continuă dezvoltare ale instituţiilor
financiare şi ale pieţelor conduc la riscuri financiare intens corelate, presiuni
asupra lichidităţii şi scăderea capitalului bancar. Deşi recenta criză îşi are
originile în SUA, existenţa unei economii integrate global a condus la colapsul
pieţelor financiare din întreaga lume, iar utilizarea unor instrumente financiare
sofisticate, împreună cu fluxuri masive de capital au facilitat răspândirea
acesteia de-a lungul pieţelor şi graniţelor (Claessens, Kose, Terrones, 2010).
Analiza riscului de portofoliu prin utilizarea modelelor ARCH şi GARCH 77

Teoria modernă a portofoliului are la bază studiul dezvoltat de către

Markowitz (1952). Rubinstein (2002) a subliniat faptul că lucrarea lui
Markowitz reprezintă prima formalizare matematică a ideii de diversificare a
investiţiilor şi a evidenţiat faptul că, deşi diversificarea reduce riscul, nu îl poate
elimina complet. Astfel, prin diversificare se poate reduce riscul fără a avea
efecte asupra rentabilităţii aşteptate a portofoliului. Prin urmare, valorile
mobiliare care nu sunt perfect corelate reprezintă „candidaţii potriviţi” pentru a
fi incluse într-un portofoliu. Solnik (1974), printre alţi cercetători, a extins
varianta iniţială a modelului CAPM (Capital Asset Pricing Model) şi a sugerat
faptul că diversificarea internaţională a portofoliului de valori mobiliare
conduce la rezultate mai bune decât diversificarea domestică. Cu toate acestea,
integrarea financiară conduce la o corelare semnificativă a rentabilităţilor
valorilor mobiliare, beneficiile diversificării internaţionale fiind mult reduse
(Aloui, 2010).
Având în vedere toate aceste aspecte, lucrarea de faţă îşi propune să
analizeze cum evoluează riscul unui portofoliu de valori mobiliare diversificat
internaţional în contextul actualei crize globale. Restul lucrării este organizat
după cum urmează: Secţiunea 2 prezintă aspectele teoretice legate de măsurarea
volatilităţii seriilor financiare de timp prin intermediul modelelor ARCH şi
GARCH, în Secţiunea 3 sunt evidenţiate rezultatele empirice ale studiului, iar
Secţiunea 4 sintetizează concluziile lucrării.

2. Măsurarea volatilităţii seriilor financiare de timp:

modelele ARCH şi GARCH

Philip Fransens (1988) afirma faptul că în cazul seriilor financiare de

timp „diferite surse de informare sau alte evenimente exogene economice pot
avea efect asupra tiparelor preţurilor valorilor mobiliare. Având în vedere că
ştirile pot conduce la diferite interpretări şi având în vedere că anumite
evenimente economice, cum ar fi o criză petrolieră, pot dura perioade
îndelungate de timp, se observă adeseori faptul că valori pozitive sau valori
negative semnificative ale observaţiilor seriilor financiare de timp au tendinţa
de a apărea în clustere” (Gujarati, 2004, p. 856).
În practică, modelele şi seriile liniare de timp sunt incapabile să explice o
serie de caracteristici foarte importante pentru datele financiare, cum ar fi:
ƒ Leptokurtosis (leptocurtotica) – tendinţa rentabilităţilor valorilor
mobiliare de a avea distribuţii care prezintă cozi îngroşate;
ƒ Volatility clustering sau volatility pooling – tendinţa de apariţie în
masă a volatilităţii pe pieţele financiare. Astfel rentabilităţile mari (de
orice semn) au tendinţa de a apărea în urma altor rentabilităţi mari, iar
78 Oana Mădălina Predescu, Stelian Stancu

rentabilităţile mici (de orice semn) au tendinţa de a apărea în urma

rentabilităţilor mici. Una dintre explicaţiile pentru acest fenomen care
pare a caracteriza seriile de rentabilităţi financiare ar fi faptul că
informaţiile care pot influenţa schimbările de preţ vin la rândul lor în
masă;
ƒ Efecte leverage (de levier) – tendinţa volatilităţii de a creşte mai mult
în urma unei scăderi semnificative a preţurilor, faţă de cazul unei
creşteri semnificative a preţurilor.

Campbell, Lo şi MacKinlay (1997) au definit procesul neliniar de

generare a datelor ca fiind acel proces a cărui valoare este legată neliniar atât de
valoarea curentă, cât şi de valorile precedente ale erorilor de specificaţie:
y t = f (e t , et −1 , et − 2 ,...) (1)
unde et reprezintă un termen eroare independent şi identic distribuit (iid), iar f
este o funcţie neliniară. Conform celor trei cercetători, o formă mai specifică a
modelului neliniar este dată de ecuaţia următoare:

y t = g (et −1 , et −2 ,...) + et σ 2 (et −1 , et − 2 ,...) (2)

2
unde g este o funcţie a termenilor eroare din trecut, iar σ este varianţa. Campbell,
Lo şi MacKinlay caracterizează modele cu funcţia g neliniară ca fiind neliniare în
medie, iar pe cele cu σ 2 neliniară ca fiind neliniare în varianţă. Modelele pot fi
liniare în medie şi varianţă (modelul clasic de regresie liniară, modelele ARMA)
sau neliniare în medie, dar liniare în varianţă (modelele GARCH) (Brooks, 2010,
p. 380). Cele mai des întâlnite modele neliniare financiare pentru măsurarea
volatilităţii sunt modele ARCH şi GARCH.

2.1. Modelul autoregresiv condiţional heteroscedastic (ARCH)

Una dintre ipotezele fundamentale ale modelului clasic de regresie liniară
este cea de homoscedasticitate sau de varianţă constantă a erorii: var(et ) = σ 2 (et ) ,
unde et ~ N (0, σ 2 ) . Cazul contrar este cunoscut sub denumirea de
heteroscedasticitate. În cazul seriilor financiare de timp, este puţin probabil ca
varianţa erorilor să fie constantă în timp şi de aceea este de preferat să se aibă în
vedere un model care nu presupune ca varianţa să fie constantă şi care poate
descrie evoluţia varianţei erorilor. Aşa cum s-a menţionat anterior, o altă
caracteristică importantă a seriilor financiare este cunoscută sub denumirea
volatility clustering sau volatility pooling. Această caracteristică evidenţiază
faptul că nivelul curent al volatilităţii tinde să fie corelat pozitiv cu nivelul din
perioadele imediat precedente. Utilizarea modelului ARCH (Engle, 1982)
Analiza riscului de portofoliu prin utilizarea modelelor ARCH şi GARCH 79

reprezintă una dintre modalităţile prin care se poate parametriza un fenomen de

această natură. Pentru a putea înţelege cum funcţionează acest model, este
necesar să se definească varianţa condiţionată a unei variabile aleatoare et .
Astfel, varianţa condiţionată a et , notată cu σ t2 , are următoarea formă:
σ t2 = var(et / et −1 , et − 2 ,...) = E[(et − E (et )) 2 / et −1 , et − 2 ,...] (3)

Din moment ce E (et ) = 0 , ecuaţia (3) devine:

σ t2 = var(et / et −1 , et − 2 ,...) = E[et2 / et −1 , et − 2 ,...] (4)

Ecuaţia (4) evidenţiază faptul că varianţa condiţionată a unei variabile

aleatoare et distribuită normal de medie 0 este egală cu valoarea aşteptată
condiţionată a pătratului erorii et . În cazul modelului ARCH, autocorelaţia
volatilităţii este modelată astfel:

σ t2 = α 0 + α 1 × et2−1 (5)

Modelul de mai sus este cunoscut ca fiind ARCH(1) şi evidenţiază faptul

că varianţa condiţionată a termenului eroare σ t2 depinde de valoarea imediat
precedentă a pătratului erorii. Ecuaţia (5) reprezintă de fapt numai o parte din
model, din moment ce până în acest moment nu s-a specificat nimic legat de
media condiţionată. Sub condiţiile modelului ARCH, ecuaţia mediei
condiţionate (care descrie evoluţia variabilei dependente y t în timp) poate lua
aproape orice formă. Un exemplu al unui model complet este următorul:
y t = β 1 + β 2 × x 2t + β 3 × x3t + β 4 × x 4t + et (6)
σ t2 = α 0 + α 1 × et2−1 (7)
unde et ~ N (0, σ 2 ) .

Astfel, modelul evidenţiat prin ecuaţiile (6)-(7) poate fi extins la cazul

general, unde varianţa erorii depinde de q lag-uri ale erorilor pătratice, model
cunoscut sub forma ARCH( q ):
y t = β 1 + β 2 × x 2 t + β 3 × x 3t + β 4 × x 4 t + e t (8)
σ t = α 0 + α 1 × et −1 + α 2 × et − 2 + ... + α q × et − q
2 2 2 2
(9)
unde et ~ N (0, σ 2 ) .
80 Oana Mădălina Predescu, Stelian Stancu

Din moment ce σ 2t reprezintă varianţa condiţionată, valoarea sa trebuie să

fie întotdeauna strict pozitivă (o varianţă negativă la orice moment în timp este
lipsită de sens). Astfel, toţi coeficienţii din ecuaţia varianţei condiţionate trebuie
să fie pozitivi: α i ≥ 0, (∀)i = 0,1,2,..., q . O extensie naturală a unui model
ARCH( q ) este modelul GARCH.

2.2. Modelul generalizat autoregresiv condiţional heteroscedastic (GARCH)

Modelul GARCH a fost dezvoltat independent de Bollerslev (1986) şi Taylor
(1986). Acest model permite ca varianţa condiţionată să depindă de propriile sale
lag-uri, astfel că forma cea mai simplă a ecuaţiei varianţei condiţionate este:
σ t2 = α 0 + α 1 × et2−1 + β × σ t2−1 (10)

Acesta este un model GARCH(1,1), iar varianţa condiţionată poate fi

interpretată ca fiind o funcţie ponderată a unei valori medii pe termen lung
(dependentă de α 0 ), a informaţiei legate de volatilitatea din perioada precedentă
( α 1 × et2−1 ) şi a varianţei din perioada precedentă ( β × σ t2−1 ). Forma generală a
modelului GARCH( q , p ), unde varianţa condiţionată depinde de q lag-uri ale
erorii pătratice şi p lag-uri ale varianţei condiţionate, este:
σ t2 = α 0 + α 1 × et2−1 + α 2 × et2− 2 + ... + α q × et2− q +
(11)
+ β 1 × σ t2−1 + β 2 × σ t2− 2 + ... + β p × σ t2− p
sau
q p
σ t2 = α 0 + ∑ α i × et2−i + ∑ β j × σ t2− j (12)
i =1 j =1

În literatura de specialitate se consideră că un model GARCH(1,1) este

suficient pentru a surprinde evoluţia volatilităţii. Un model GARCH(1,1) este
echivalent cu un model ARCH(2), iar un model GARCH( q, p ) este echivalent
cu un model ARCH ( q + p ) (Gujarati, 2004, p. 862).
Varianţa necondiţionată a termenului eroare et este constantă şi este dată
de următoarea ecuaţie:
α0
var(et ) = (13)
1 − (α 1 + β )
atât timp cât α 1 + β < 1 . Pentru α 1 + β ≥ 1 , varianţa necondiţionată a erorii et nu
este definită (nonstaţionaritate în varianţă), iar α 1 + β = 1 reprezintă GARCH
integrat sau IGARCH (rădăcină unitate în varianţă).
Analiza riscului de portofoliu prin utilizarea modelelor ARCH şi GARCH 81

3. Rezultate empirice

3.1. Date şi statistici descriptive

Au fost selectaţi trei indici de referinţă ai burselor de valori din trei ţări
diferite, respectiv România (BET), Marea Britanie (FTSE100) şi Statele Unite
ale Americii (S&P500). Au fost aleşi aceşti indici deoarece conform
coeficientului de corelaţie Pearson cele trei pieţe analizate nu sunt perfect
corelate, reprezentând astfel „candidaţii potriviţi” pentru a fi incluse în
portofoliu (tabelul 1). Cu toate acestea, Aloui (2010) a subliniat, într-o recentă
lucrare, faptul că acest coeficient nu este cel mai bun indicator care poate
surprinde interdependenţa dintre pieţe. El a afirmat faptul că acest coeficient nu
poate face o distincţie clară între rentabilităţi mari şi mici sau între rentabilităţi
pozitive şi negative. Mai mult, estimaţia coeficientului de corelaţie Pearson este
constituită pe baza ipotezei de asociere liniară între seriile financiare de
rentabilităţi, în timp ce între aceste serii pot exista conexiuni de formă neliniară.
Soluţiile care pot rezolva aceste probleme se regăsesc în transformările care pot
fi aplicate modelelor neliniare (logaritmarea) sau folosirea unor modele de tip
GARCH. Astfel, studiul dezvoltat în această lucrare are scopul de a analiza atât
beneficiile alegerii unui portofoliu diversificat internaţional, cât şi evoluţia
riscului portofoliului astfel diversificat în contextul actualei crize financiare
globale.
Tabelul 1
BET FTSE100 S&P500
BET 1,00 0,26 0,43
FTSE100 0,26 1,00 0,58
S&P500 0,43 0,58 1,00

A fost constituită o bază de date conţinând rentabilităţile zilnice pentru

perioada 4 ianuarie 2005 – 31 mai 2010, fiind înregistrate astfel 1297 de
observaţii. Rentabilităţile au fost calculate cu ajutorul următoarei formule:
⎛ p ⎞
rit = ln⎜⎜ it ⎟⎟ × 100% (14)
⎝ pit −1 ⎠
unde rit reprezintă rentabilitatea compusă continuu a valorii mobiliare i la
momentul t , pit reprezintă preţul valorii mobiliare i la momentul t , i = 1, n şi
t = 1, T ( n = 3 şi T = 1297 ). Pornind de la aceşti trei indici, a fost constituit
următorul portofoliu: s-a acordat o pondere de 0,5 pentru investiţia în indicele
BET, 0,25 pentru investiţia în indicele FTSE100 şi 0,25 pentru investiţia în
indicele S&P500, fiind preferată o strategie pasivă de gestiune a portofoliului.
82 Oana Mădălina Predescu, Stelian Stancu

Tabelul 2
Statistici descriptive pentru rentabilităţile zilnice ale indicilor
BET FTSE100 S&P500 Portofoliu
Min -0,135461 -0,092646 -0,094695 -0,088843
Max 0,105645 0,093842 0,109572 0,087974
Medie 0,000011 0,000049 0,000080 -0,000003
Deviaţie standard 0,021893 0,014304 0,015155 0,014761
Indice de asimetrie -0,665793 0,062484 -0,029192 -0,446707
Indice de aplatizare 8,364870 11,03812 12,24093 9,151124
Test 1.651,241 3.492,551 4.615,061 2.087,874
Jarque-Bera Prob. 0,000000 Prob. 0,000000 Prob. 0,000000 Prob. 0,000000

Conform rezultatelor obţinute se poate aprecia că cea mai riscantă piaţă este
piaţa naţională de capital, cea mai puţin riscantă fiind piaţa britanică. Riscul
portofoliului este un risc moderat în comparaţie cu riscurile înregistrate pe pieţele
de capital incluse în analiză. Cea mai mare rentabilitate este obţinută în cazul
indicelui S&P500, cea mai scăzută rentabilitate fiind cea obţinută de portofoliul
ales. Conform indicilor de asimetrie şi aplatizare seriile analizate sunt asimetrice şi
manifestă o aplatizare excesivă. Statistica testului Jarque-Bera este semnificativă în
cazul celor patru serii pentru un nivel de semnificaţie de 1%, fiind confirmată astfel
ipoteza conform căreia seriile nu sunt distribuite normal.
În figura 1 este ilustrată variaţia rentabilităţilor zilnice ale celor trei indici
şi a portofoliului în perioada ianuarie 2005 – mai 2010. Din grafice se poate
observa că rentabilităţile au fost destul de stabile în perioada ianuarie 2005 –
septembrie 2008. După această dată toate seriile au manifestat instabilitate
datorată în special efectelor crizei financiare globale. De asemenea, se poate
observa că seriile analizate prezintă două dintre caracteristicile specifice
modelelor neliniare (volatility clustering şi leverage).
Pentru a desfăşura analiza riscului portofoliului este necesară estimarea
unui model neliniar care poate surprinde evoluţia volatilităţii portofoliului
pentru orizontul de timp specificat, iar modelul care este cel mai des folosit în
aplicaţiile financiare de această natură este GARCH(1,1). Înainte de a estima
model de tip GARCH este necesară desfăşurarea unor teste pentru a depista
efecte ARCH la nivelul seriei de rentabilităţi a portofoliului. Pentru aceasta a
fost desfăşurat testul lui Engle(1982). S-a stabilit un număr de cinci lag-uri şi
s-a estimat prin „metoda celor mai mici pătrate şi ARMA” un model
ARMA(1,1) pentru ca apoi să se poată desfăşura testul de heteroscedasticitate.
Conform rezultatelor testului există efecte ARCH în seria rentabilităţilor
portofoliului (tabelul 3).
 -0.15
-0.10
-0.05
0.00
0.05
0.10
0.15

-0.15
-0.10
-0.05
0.00
0.05
0.10
0.15
-0.15
-0.10
-0.05
0.00
0.05
0.10
0.15

-0.10
-0.05
0.00
0.05
0.10
4/1/2005 4/1/2005 4/1/2005
4/1/2005 4/4/2005 4/4/2005 4/4/2005
4/5/2005 4/7/2005 4/7/2005 4/7/2005

4/9/2005 4/10/2005 4/10/2005 4/10/2005

4/1/2006 4/1/2006 4/1/2006

4/1/2006
4/4/2006 4/4/2006
4/4/2006
4/5/2006
4/7/2006 4/7/2006
4/7/2006
4/9/2006 4/10/2006 4/10/2006
4/10/2006
4/1/2007 4/1/2007 4/1/2007
4/1/2007
4/4/2007 4/4/2007
4/5/2007 4/4/2007
4/7/2007 4/7/2007
4/9/2007 4/7/2007
4/10/2007 4/10/2007
4/10/2007
4/1/2008 4/1/2008
4/1/2008
BET

4/1/2008

S&P500
4/5/2008 4/4/2008 4/4/2008
FTSE100

Portofoliu

Figura 1
4/4/2008
4/7/2008 4/7/2008
4/9/2008
4/7/2008
4/10/2008 4/10/2008
4/1/2009 4/10/2008
4/1/2009 4/1/2009
4/5/2009 4/1/2009
4/4/2009
Analiza riscului de portofoliu prin utilizarea modelelor ARCH şi GARCH

4/4/2009
4/9/2009 4/4/2009
4/7/2009 4/7/2009

4/10/2009 4/7/2009
4/1/2010 4/10/2009
4/1/2010 4/10/2009
4/5/2010 4/1/2010
4/4/2010 4/1/2010
4/4/2010
4/4/2010

S&P500

Portofoliu
BET

FTSE100
83
84 Oana Mădălina Predescu, Stelian Stancu

Tabelul 3
Heteroskedasticity Test: ARCH
F-statistic 49.01776 Prob. F(5,1285) 0.0000
Obs*R-squared 206.7917 Prob. Chi-Square(5) 0.0000

3.2. Rezultatele estimării

A fost estimat modelul GARCH(1,1) prin „metoda ARCH” (rezultatele
sunt prezentate în tabelul 4). Coeficienţii erorii pătratice şi ai varianţei
condiţionate din ecuaţia varianţei condiţionate sunt semnificativi din punct de
vedere statistic (nivel de semnificaţie de 1%, 5% şi 10%). Aşa cum era de
aşteptat, în cazul estimării unui model de tip GARCH pentru serii de date
financiare suma coeficienţilor este foarte apropiată de 1. Coeficientul varianţei
condiţionate este aproape 0,9 şi aceasta înseamnă că şocurile asupra varianţei
condiţionate sunt persistente şi că schimbări mari în varianţa condiţionată sunt
urmate de alte schimbări mari, iar schimbările mici de alte schimbări mici.
Coeficientul termenului liber este foarte mic, iar cel al erorii pătratice este 0,1.

Tabelul 4
Dependent Variable: PORTOFOLIU
Method: ML - ARCH
Sample: 1 1297
Included observations: 1297
Convergence achieved after 14 iterations
Presample variance: backcast (parameter = 0.7)
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1)
Variable Coefficient Std. Error z-Statistic Prob.
C 0.000879 0.000269 3.263635 0.0011
Variance Equation
C 1.44E-06 3.74E-07 3.860082 0.0001
RESID(-1)^2 0.108449 0.010648 10.18496 0.0000
GARCH(-1) 0.891154 0.008593 103.7114 0.0000
R-squared -0.003570 Mean dependent var -2.57E-06
Adjusted R-squared -0.003570 S.D. dependent var 0.014761
S.E. of regression 0.014787 Akaike info criterion -6.060756
Sum squared resid 0.283384 Schwarz criterion -6.044818
Log likelihood 3934.400 Hannan-Quinn criter. -6.054775
Durbin-Watson stat 1.806960

Pentru a valida acest model este necesar să se verifice dacă erorile

pătratice mai prezintă efecte ARCH. Astfel, s-a realizat analiza atât a
corelogramei seriei erorilor pătratice, cât şi a rezultatelor obţinute cu ajutorul
testului ARCH. Conform corelogramei nu mai există termeni ARCH
Analiza riscului de portofoliu prin utilizarea modelelor ARCH şi GARCH 85

suplimentari, rezultat confirmat şi de testul ARCH pentru nivelurile de

semnificaţie de 1% şi 5% (vezi tabelele 5 şi 6).

Tabelul 5
Heteroskedasticity Test: ARCH
F-statistic 1.895668 Prob. F(5,1286) 0.0922
Obs*R-squared 9.452893 Prob. Chi-Square(5) 0.0923

Tabelul 6
Sample: 1 1297
Included observations: 1297
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
|* | |* | 1 0.129 0.129 21.486 0.000
| | | | 2 -0.009 -0.026 21.587 0.000
| | | | 3 0.018 0.023 22.029 0.000
| | | | 4 0.023 0.018 22.741 0.000
| | | | 5 0.006 0.002 22.792 0.000
| | | | 6 0.021 0.021 23.355 0.001
| | | | 7 0.039 0.034 25.363 0.001
| | | | 8 0.016 0.007 25.707 0.001
| | | | 9 0.021 0.019 26.297 0.002
| | | | 10 0.027 0.020 27.238 0.002

Pe baza ecuaţiei de volatilitate estimate, se generează seria istorică de

volatilitate condiţionată. Volatilitatea poate fi măsurată prin intermediul
varianţei sau deviaţiei standard. Astfel, volatilitatea (măsurată prin deviaţia
standard) a portofoliului este prezentată în graficul de mai jos:
.06

.05

.04

.03

.02

.01

.00

Riscul Portofoliului - Deviatie standard conditionata

Figura 2
86 Oana Mădălina Predescu, Stelian Stancu

Conform figurii 2, pe parcursul orizontului de timp analizat există perioade

mult mai volatile decât altele. Cea mai pronunţată volatilitate este remarcată în
perioada 2008-2009 (vârful cel mai pronunţat), fiind observată o uşoară scădere în
perioada următoare, ca apoi în luna mai a anului 2010 (sfârşitul orizontului de timp
ales) să se înregistreze iar o creştere abruptă a volatilităţii. Această evoluţie a
volatilităţii portofoliului este datorată actualei crize financiare, care şi-a pus
amprenta asupra pieţelor de capital din întreaga lume. Pentru a putea întări această
afirmaţie, au fost analizate rentabilităţile zilnice din perioada 2008-2009 ale celor
trei indici incluşi în portofoliu (figura 3).

Evoluţia indicelui BET 2008-2009

0.15

0.10
0.05

0.00 BET
- 0.05

-0.10
-0.15

Ti mp

Evoluţia indicelui FTSE100 2008-2009

0.15
0.10
0.05
0.00 FTSE100
-0.05
-0.10
-0.15
T imp

Evoluţia indicelui S&P500 2008-2009

0.15
0.10
0.05
0.00 S&P500
-0.05
-0.10
-0.15
T imp

Figura 3
Analiza riscului de portofoliu prin utilizarea modelelor ARCH şi GARCH 87

Aşa cum se poate observa, luna septembrie a anului 2008 (20 septembrie
– 12 octombrie 2008, criza speculativă din SUA) reprezintă momentul în care
evoluţia rentabilităţilor celor trei indici începe să prezinte fluctuaţii
considerabile. Totodată, toamna-iarna anului 2008 reprezintă perioada în care
criza se extinde şi în Europa.

4. Concluzii

Studiile care analizează transmiterea rentabilităţii şi a şocurilor

volatilităţii de la o piaţă la alta, precum şi studiile legate de corelaţiile dintre
pieţe sunt esenţiale în domeniul financiar, deoarece prezintă numeroase
implicaţii asupra alocării capitalului unui portofoliu. Aşa cum s-a putut observa
din analiza realizată în această lucrare, la prima vedere anumite pieţe pot părea
slab corelate, diversificarea internaţională a portofoliului reprezentând în acest
caz o soluţie optimă. Cu toate acestea, pe fundalul unui sistem financiar global
bine integrat şi erodat puternic de efectele actualei crizei financiare,
diversificarea internaţională nu reduce riscul portofoliului.
Utilizarea în această lucrare a modelelor ARCH şi GARCH a permis
analiza evoluţiei riscului unui portofoliu diversificat internaţional, fiind aleşi în
componenţa portofoliului trei indici de referinţă ai burselor de valori din trei ţări
diferite, respectiv România (BET), Marea Britanie (FTSE100) şi Statele Unite
ale Americii (S&P500). S-a acordat o pondere de 0,5 pentru investiţia în
indicele BET, o pondere de 0,25 pentru investiţia în indicele FTSE100 şi o
pondere de 0,25 pentru investiţia în indicele S&P500. Pornind de la acest
portofoliu s-a utilizat testul lui Engle (1982) pentru a depista existenţa efectelor
ARCH la nivelul seriei de rentabilităţi a portofoliului. Având în vedere că
aceste efecte au fost depistate, a putut fi estimat un model de tip GARCH(1,1).
Rezultatele estimării au evidenţiat faptul că volatilitatea este persistentă
deoarece coeficientul varianţei condiţionate are o valoare de aproape 0,9 şi
aceasta înseamnă că şocurile asupra varianţei condiţionate sunt persistente şi că
schimbări mari în varianţa condiţionată sunt urmate de alte schimbări mari, iar
schimbările mici de alte schimbări mici. Pe baza ecuaţiei de volatilitate
estimate, s-a generat seria istorică de volatilitate condiţionată. Graficul acestei
serii a reliefat faptul că există perioade mult mai volatile decât altele, cea mai
pronunţată volatilitate fiind remarcată în perioada 2008-2009. Această evoluţie
a volatilităţii portofoliului s-a datorat actualei crize financiare, fapt confirmat şi
de analiza graficelor rentabilităţilor zilnice din perioada 2008-2009 ale celor trei
indici incluşi în portofoliu.
88 Oana Mădălina Predescu, Stelian Stancu

Bibliografie

Aloui, R., „Global financial crisis, extreme interdependences, and contagion effects: The role of
economic structure?”, Jornal of Banking & Finance, 2010, pp. 1-11
Bollerslev, T., „Generalized autoregressive conditional heterosceasticity”, Journal of
Econometrics, 1986, pp. 307-327
Brooks, C., (2008). Introductory Econometrics for Finance, Cambridge University Press, New
York, pp. 379-451
Claessens, C., Ayhan Kose, M., Terrones, M.E., „The global financial crisis: How similar?
How different? How costly?”, Journal of Asian Economics, 21, 2010, pp. 247-264
Engle, R.F., „Autoregressive conditional heteroscedasticity with estimator of the variance of
United Kindom inflation”, Econometrica, 1982, pp. 987-1008
Fama, E.F. (1976). Foundations of Finance, Basic Books, pp. 3-132, pp. 212-270
Gujarati, R.N. (2004). Basic Econometrics, Mc Graw-Hill, New York, pp. 856-867
Markowitz, H., „Portfolio Selection”, The Journal of Finance, 7(1), 1952, pp. 77-91
Moshirian, F., „The global financial crisis and the evolution of markets, institutions and
regulation”, Journal of Banking & Finance, 2010, pp. 5-6
Rubinstein, M., „Markowitz’s Portfolio Selection: A Fifty-Year Retrospective”, The Journal of
Finance, 57(3), 2002, pp. 1041-1045
Solnik, B., „Why do not diversify internationally rather than domestically”, Financial Analyst
Journal, 1974, pp. 48-54
Stancu, S., Predescu, M.O., „The Choice of an Optimal Portfolio on the Romanian Capital
Market under Uncertainty and Risk Terms, in the Actual Era of E-Business”, The
Proceedings of the ninth international conference on informatics in economy, Bucharest,
Romanian, 2009, pp. 206-211
Stancu, S., Predescu, M.O., „Genetic Algorithm for the Portfolio Selection Problem on the
Romanian Capital Market”, Proceedings of International Conference on Engineering an
Meta-Engineering, Orlando, USA, 2010, pp. 57-60
*** http://www.bvb.ro
http://www.kmarket.ro
http://finance.yahoo.com