La quantification de la volatilité de l’or est un sujet complexe, mais vraiment important pour quiconque s’intéresse aux marchés financiers. L’or, souvent vu comme une valeur refuge, n’est pas pour autant à l’abri des fluctuations. Comprendre comment sa volatilité fonctionne, et surtout, comment la mesurer, c’est la clé pour prendre de bonnes décisions. On va voir ensemble comment les modèles GARCH peuvent nous aider à y voir plus clair, en allant au-delà des méthodes classiques qui ne suffisent plus.
Points Clés
- Les modèles GARCH sont super pour capter la vraie volatilité de l’or, parce qu’ils tiennent compte du fait que la volatilité change tout le temps, contrairement aux modèles plus anciens.
- Interpréter les résultats des GARCH, c’est crucial. Ça nous aide à voir comment les chocs passés impactent la volatilité future et à quel point cette volatilité est persistante.
- Il existe plein de variantes des modèles GARCH (comme EGARCH ou GJR-GARCH) qui sont encore plus fines pour analyser des phénomènes comme l’effet de levier ou la persistance de la volatilité.
- Concrètement, les GARCH, ça sert à plein de choses : gérer les risques de vos investissements en or, optimiser vos portefeuilles, ou même fixer le prix des options sur l’or.
- Choisir le bon modèle de volatilité, c’est un peu comme choisir le bon outil : ça dépend de ce qu’on veut faire et des données qu’on a. Mais les GARCH sont souvent un excellent point de départ.
Comprendre la volatilité de l’or
L’or comme valeur refuge et ses fluctuations
L’or est souvent perçu comme une valeur refuge, surtout en période d’incertitude économique. Mais, soyons réalistes, même l’or a ses hauts et ses bas. Sa volatilité peut surprendre ceux qui pensent qu’il s’agit d’un investissement totalement sûr. Ce n’est pas le cas. Le prix de l’or peut fluctuer en fonction de divers facteurs, et il est important de comprendre ces mouvements pour prendre des décisions éclairées.
Facteurs influençant le cours de l’or
Plusieurs éléments peuvent faire varier le prix de l’or. On peut citer:
- L’inflation: Généralement, quand l’inflation monte, le prix de l’or a tendance à suivre, car il est vu comme une protection contre la dévaluation de la monnaie.
- Les taux d’intérêt: Si les taux montent, l’or peut devenir moins attractif, car il ne rapporte pas d’intérêts comme les obligations.
- La situation géopolitique: Les crises et les tensions internationales poussent souvent les investisseurs vers l’or, considéré comme un placement sûr en temps de troubles. Les tensions géopolitiques ont un impact direct sur le marché des métaux précieux.
- L’offre et la demande: Comme pour tout produit, si la demande augmente et l’offre diminue, le prix monte. La demande mondiale d’or atteint des sommets en volume comme en valeur.
Il est important de noter que ces facteurs interagissent entre eux et que leur impact peut varier dans le temps. Une analyse approfondie est donc nécessaire avant de prendre toute décision d’investissement.
Le rôle des banques centrales et des marchés
Les banques centrales jouent un rôle crucial sur le marché de l’or. Elles détiennent d’importantes réserves d’or et leurs décisions d’achat ou de vente peuvent influencer les prix. De plus, les marchés financiers, avec leurs opérations spéculatives, ajoutent une couche de complexité à la volatilité de l’or. Les banques centrales ont un rôle important dans le marché de l’or.
Voici quelques points à considérer :
- Les banques centrales peuvent utiliser leurs réserves d’or pour stabiliser leur monnaie.
- Les marchés à terme permettent de parier sur l’évolution future du prix de l’or, ce qui peut amplifier sa volatilité.
- Les ETFs (Exchange Traded Funds) permettent aux investisseurs d’acheter de l’or sans avoir à le stocker physiquement, ce qui facilite l’accès au marché et peut augmenter la demande.
Limites des modèles de volatilité traditionnels
Les modèles de volatilité traditionnels ont longtemps été utilisés pour essayer de comprendre comment les prix des actifs financiers, comme l’or, vont bouger. Ces modèles, bien qu’utiles dans certains contextes, ont des limitations importantes, surtout quand on parle de marchés comme celui de l’or, qui peuvent être assez imprévisibles. On va voir pourquoi ces modèles ne sont pas toujours les meilleurs et pourquoi on a besoin de quelque chose de plus sophistiqué.
Hypothèse de volatilité constante
Le gros problème avec les modèles traditionnels, c’est qu’ils partent du principe que la volatilité, c’est-à-dire à quel point les prix bougent, reste la même au fil du temps. En réalité, la volatilité change tout le temps! Pensez aux périodes de crise économique, aux annonces importantes des banques centrales, ou même aux événements géopolitiques. Tous ces éléments peuvent faire bouger les prix de l’or de manière significative, et les modèles traditionnels ne sont pas conçus pour ça. Ils utilisent souvent des moyennes mobiles simples, qui lissent les données passées, mais ne peuvent pas réagir rapidement aux changements soudains. C’est comme essayer de conduire une voiture avec un rétroviseur qui ne montre que ce qui s’est passé il y a une heure – pas très utile pour éviter les obstacles!
Incapacité à capturer le clustering de volatilité
Un autre souci, c’est que ces modèles ne peuvent pas vraiment gérer ce qu’on appelle le "clustering de volatilité". En gros, ça veut dire que les périodes de forte volatilité ont tendance à être suivies par d’autres périodes de forte volatilité, et vice versa. Imaginez une série de secousses sismiques – après une grosse secousse, il y a souvent des répliques. C’est pareil sur les marchés financiers. Les modèles traditionnels, avec leur approche simpliste, ne voient pas ces schémas. Ils traitent chaque jour comme si c’était un jour normal, sans tenir compte du contexte. Du coup, ils peuvent complètement rater des périodes de turbulences et sous-estimer les risques. Pour bien comprendre les fluctuations, il faut regarder les données passées.
Sous-estimation des risques extrêmes
Enfin, et c’est peut-être le plus grave, ces modèles ont tendance à sous-estimer les risques extrêmes. Ils ne sont pas bons pour prévoir les krachs boursiers, les crises financières, ou tout autre événement qui sort de l’ordinaire. Ils se basent sur des distributions normales, qui supposent que les événements extrêmes sont rares. Mais sur les marchés financiers, ces événements arrivent plus souvent qu’on ne le pense. C’est un peu comme construire une maison en pensant qu’il ne pleuvra jamais – ça peut marcher pendant un certain temps, mais le jour où l’orage arrive, vous êtes mal. Les modèles traditionnels peuvent donc donner une fausse impression de sécurité, ce qui peut être dangereux pour les investisseurs. Il est important de considérer les options de taux d’intérêt.
En résumé, les modèles de volatilité traditionnels sont un peu comme de vieilles cartes routières dans un monde où les routes changent constamment. Ils peuvent être utiles pour avoir une idée générale, mais ils ne sont pas assez précis pour naviguer dans les eaux tumultueuses des marchés financiers modernes. C’est pourquoi on a besoin de modèles plus sophistiqués, comme les modèles GARCH, qui peuvent s’adapter aux changements et mieux capturer les dynamiques complexes de la volatilité.
Introduction aux modèles GARCH pour l’or
Nécessité des modèles GARCH
Les modèles de volatilité traditionnels, comme les modèles à volatilité constante, se révèlent souvent inadéquats pour capturer les spécificités du marché de l’or. L’or, en tant qu’actif refuge, subit des périodes de forte volatilité, souvent regroupées en clusters. Les modèles GARCH (Generalized Autoregressive Conditional Heteroskedasticity) ont été développés pour pallier ces limitations. Ils permettent de modéliser la volatilité conditionnelle, c’est-à-dire la volatilité qui dépend de son histoire passée. C’est un peu comme dire que les soubresauts d’hier influencent les soubresauts d’aujourd’hui. On a besoin de ces modèles pour mieux comprendre et anticiper les mouvements de l’or, surtout en période d’incertitude économique.
Principes fondamentaux des modèles GARCH
Les modèles GARCH reposent sur l’idée que la variance (ou volatilité) d’un actif financier n’est pas constante dans le temps, mais qu’elle évolue en fonction de ses valeurs passées. En gros, ça veut dire que si l’or a été très agité récemment, il y a de fortes chances qu’il le reste un peu. Le modèle GARCH de base, GARCH(p, q), comprend deux composantes principales :
- Une composante autorégressive (AR) qui capture la persistance de la volatilité. C’est l’idée que la volatilité d’aujourd’hui est influencée par la volatilité d’hier.
- Une composante de moyenne mobile (MA) qui prend en compte l’impact des chocs passés sur la volatilité actuelle. En d’autres termes, les grosses nouvelles d’hier peuvent encore faire bouger les choses aujourd’hui.
- Les ordres p et q déterminent le nombre de retards inclus dans chaque composante. Choisir les bons ordres est crucial pour bien représenter la dynamique de la volatilité. On peut utiliser des critères d’information comme l’AIC ou le BIC pour aider à choisir.
Les modèles GARCH sont une extension des modèles ARCH (Autoregressive Conditional Heteroskedasticity). L’idée principale est d’inclure les variances conditionnelles passées dans l’équation de variance actuelle, ce qui permet de capturer la persistance de la volatilité au fil du temps. C’est un peu comme si on disait : "Ce qui s’est passé hier a un impact sur ce qui se passe aujourd’hui, et cet impact se répercute sur demain".
Avantages des modèles GARCH sur l’or
Les modèles GARCH offrent plusieurs avantages significatifs pour l’analyse de la volatilité de l’or par rapport aux modèles traditionnels. Ils sont particulièrement utiles pour la gestion des risques et la prévision. Voici quelques avantages clés :
- Capture du clustering de volatilité : Les modèles GARCH sont capables de capturer le phénomène de clustering de volatilité, où les périodes de forte volatilité ont tendance à être suivies par d’autres périodes de forte volatilité, et vice versa. C’est crucial pour l’or, qui a souvent des réactions fortes aux événements économiques et géopolitiques.
- Modélisation de la persistance de la volatilité : Ils permettent de modéliser la persistance de la volatilité, c’est-à-dire la durée pendant laquelle un choc de volatilité continue d’affecter le marché. Cela aide à mieux comprendre comment les nouvelles influencent le cours de l’or à long terme.
- Flexibilité : Il existe de nombreuses variantes des modèles GARCH (EGARCH, TGARCH, etc.) qui permettent de tenir compte de différentes caractéristiques des données, comme l’asymétrie (l’impact différent des bonnes et des mauvaises nouvelles) ou la longue mémoire. On peut donc adapter le modèle aux spécificités du marché de l’or.
En résumé, les modèles GARCH sont un outil puissant pour analyser la volatilité de l’or, car ils permettent de capturer des caractéristiques que les modèles traditionnels ne peuvent pas prendre en compte. Ils sont devenus un standard dans la modélisation financière et sont largement utilisés par les chercheurs et les praticiens.
Interprétation des résultats des modèles GARCH
Les modèles GARCH sont super utiles pour comprendre comment la volatilité de l’or change avec le temps. Mais une fois qu’on a les résultats, comment on les interprète ? C’est ce qu’on va voir ici. On va décortiquer les équations et voir ce que ça signifie concrètement pour le marché de l’or.
Analyse de l’équation moyenne
L’équation moyenne, c’est un peu le cœur du modèle. Elle nous dit quel rendement on peut attendre de l’or. Pour bien l’analyser, il faut regarder si les coefficients sont statistiquement significatifs. En gros, ça veut dire : est-ce que les variables ont vraiment un impact sur le rendement ? Si oui, on peut dire que ces variables jouent un rôle important dans la façon dont le prix de l’or évolue. C’est un peu comme regarder les ingrédients d’une recette pour comprendre le goût final.
Comprendre l’équation de volatilité
L’équation de volatilité, elle, nous parle de la variance conditionnelle. C’est-à-dire, comment la volatilité change en fonction du temps et des événements passés. Ici aussi, on regarde la signification statistique des coefficients. Si un coefficient est significatif, ça veut dire que la variable a un impact important sur la volatilité. Par exemple, si on voit que la volatilité passée a un fort impact, ça veut dire que le marché a tendance à se souvenir des périodes agitées. C’est un peu comme si le marché avait une mémoire.
Mesure de la persistance de la volatilité
La persistance de la volatilité, c’est un paramètre clé. Il nous dit à quelle vitesse la volatilité revient à sa moyenne après un choc. Si la persistance est élevée, ça veut dire que les chocs de volatilité ont un impact durable. Si elle est faible, les chocs sont de courte durée. C’est un peu comme la résilience du marché : est-ce qu’il se remet vite des turbulences, ou est-ce que les effets se font sentir longtemps ?
Interpréter les résultats d’un modèle GARCH, c’est un peu comme déchiffrer un code. Il faut regarder chaque élément attentivement pour comprendre comment la volatilité de l’or évolue. C’est un travail de détective, mais ça peut donner des informations précieuses pour prendre des décisions éclairées.
Pour résumer, voici quelques points importants à retenir :
- L’équation moyenne nous donne des infos sur le rendement attendu.
- L’équation de volatilité nous parle de la variance conditionnelle.
- La persistance de la volatilité nous dit à quelle vitesse la volatilité revient à sa moyenne.
Et pour aller plus loin, on peut aussi regarder les effets ARCH et GARCH, qui nous disent si les chocs passés ou la volatilité passée ont un impact significatif sur la volatilité actuelle. En gros, c’est un peu comme regarder dans le rétroviseur pour anticiper ce qui va se passer ensuite.
Variantes et généralisations des modèles GARCH
Dans la pratique, on ne se limite pas au GARCH basique pour capturer toutes les nuances de la volatilité de l’or. Plusieurs versions ont vu le jour, chacune répondant à un besoin précis, comme prendre en compte une mémoire longue ou des effets asymétriques. Ces variantes permettent de mieux saisir la volatilité de l’or, souvent marquée par des chocs asymétriques et durables.
Le modèle GARCH intégré (IGARCH)
Le IGARCH correspond à un GARCH(1,1) où l’on force la somme des coefficients α et β à 1. Cela implique que tout choc sur la volatilité persiste indéfiniment.
- Caractéristiques :
- α + β = 1 (mémoire infinie)
- Variance conditionnelle non stationnaire
- Avantages :
- Modélise la persistance forte des chocs
- Utile si la volatilité de l’or reste élevée longtemps après un événement majeur
- Limites :
- Prévisions à très long terme peuvent diverger
Avec l’IGARCH, chaque onde de choc se propage sans jamais complètement s’éteindre, ce qui convient quand les soubresauts du marché prennent du temps à s’apaiser.
Le modèle GARCH exponentiel (EGARCH)
EGARCH travaille sur le logarithme de la variance, ce qui autorise des réponses différentes selon le signe du choc (effet de levier).
- Points clés :
- Log(σ²) au lieu de σ²
- Permet asymétrie (impact inégal des chocs + et –)
- Pourquoi c’est utile pour l’or :
- Les mauvaises nouvelles (tensions géopolitiques, montée de l’inflation) peuvent faire bouger le prix plus violemment.
- Offre de prévisions plus précises quand le marché réagit différemment aux hausses et aux baisses.
Le modèle GJR-GARCH
Aussi appelé Threshold GARCH, il ajoute un terme qui renforce l’effet des chocs négatifs.
- Mécanisme :
- σ²ₜ = ω + α ε²ₜ₋₁ + γ I(εₜ₋₁<0) ε²ₜ₋₁ + β σ²ₜ₋₁
- I() vaut 1 si le choc est négatif
- Avantages :
- Met en lumière l’impact plus fort des mauvaises surprises qu’en EGARCH
- Simple à estimer
- Usage pour l’or :
- Capturer le biais baissier souvent observé lors des crises financières
Comparaison rapide
| Modèle | Mémorisation | Asymétrie |
|---|---|---|
| IGARCH | infinie | non |
| EGARCH | décroissance | oui, log-scale |
| GJR-GARCH | décroissance | oui, seuil |
Pour aller plus loin sur les conséquences des innovations financières dans le marché de l’or, ces variantes offrent des outils adaptés à chaque situation.
Applications pratiques des modèles GARCH pour l’or
Gestion des risques et VaR
Les modèles GARCH, c’est un peu comme avoir une boule de cristal pour la volatilité. On peut les utiliser pour plein de choses, mais l’une des plus importantes, c’est la gestion des risques. Imaginez que vous êtes un gestionnaire de fonds et que vous avez une grosse position en or. Vous voulez savoir quel est le risque de perdre de l’argent si le prix de l’or chute. C’est là que la Value at Risk (VaR) entre en jeu. La VaR, c’est une estimation de la perte maximale que vous pourriez subir sur un horizon de temps donné, avec un certain niveau de confiance.
Les modèles GARCH nous aident à calculer cette VaR de manière plus précise qu’avec des méthodes traditionnelles qui supposent une volatilité constante. En utilisant un modèle GARCH, on peut tenir compte du fait que la volatilité de l’or change avec le temps, et qu’elle a tendance à augmenter en période de crise. C’est super important, surtout quand on sait que l’or est souvent considéré comme une valeur refuge en période d’incertitude.
Optimisation de portefeuille
L’optimisation de portefeuille, c’est l’art de trouver la meilleure combinaison d’actifs pour atteindre un objectif de rendement donné, tout en minimisant le risque. L’or a souvent sa place dans un portefeuille diversifié, mais la question est de savoir quelle proportion allouer à l’or. Les modèles GARCH peuvent nous aider à répondre à cette question.
En utilisant les prévisions de volatilité des modèles GARCH, on peut construire des portefeuilles plus efficaces. Par exemple, si un modèle GARCH prédit une augmentation de la volatilité de l’or, on pourrait décider de réduire notre exposition à l’or, ou de la couvrir avec des options. Inversement, si le modèle prédit une baisse de la volatilité, on pourrait augmenter notre allocation à l’or. C’est une approche dynamique qui permet d’adapter son portefeuille aux conditions du marché. On peut aussi utiliser les modèles GARCH pour estimer la covariance entre l’or et d’autres actifs, ce qui est essentiel pour la diversification.
Tarification des options sur l’or
Les options sur l’or, ce sont des contrats qui donnent le droit (mais pas l’obligation) d’acheter ou de vendre de l’or à un prix déterminé, à une date future. Le prix de ces options dépend fortement de la volatilité attendue du prix de l’or. Les modèles GARCH peuvent être utilisés pour estimer cette volatilité, et donc pour tarifer les options de manière plus précise.
Les modèles traditionnels de tarification d’options, comme le modèle de Black-Scholes, supposent une volatilité constante, ce qui est rarement le cas dans la réalité. Les modèles GARCH permettent de tenir compte de la volatilité variable dans le temps, et donc de mieux refléter la réalité du marché. Cela peut être particulièrement utile pour les options sur l’or, dont la volatilité peut être très sensible aux événements économiques et géopolitiques. En utilisant un modèle GARCH, on peut obtenir une estimation plus juste de la valeur de ces options, ce qui peut être avantageux pour les acheteurs et les vendeurs.
Les modèles GARCH ne sont pas une solution miracle. Ils ont leurs limites et leurs hypothèses, et il est important de les utiliser avec prudence. Cependant, ils peuvent être un outil précieux pour la gestion des risques, l’optimisation de portefeuille et la tarification d’options sur l’or, à condition de bien comprendre leurs forces et leurs faiblesses.
Voici un exemple simplifié de l’impact des modèles GARCH sur la gestion de portefeuille:
| Scénario | Prévision GARCH | Action possible |
|---|---|---|
| Volatilité de l’or en hausse prévue | Augmentation | Réduire l’exposition à l’or, acheter des options |
| Volatilité de l’or en baisse prévue | Diminution | Augmenter l’allocation à l’or |
| Corrélation or/actions en hausse prévue | Augmentation | Réduire l’exposition aux actions |
En gros, les modèles GARCH nous aident à prendre des décisions plus éclairées en matière d’investissement dans l’or, en tenant compte de la volatilité et de ses variations. C’est un peu comme avoir un copilote qui nous aide à anticiper les turbulences sur le marché de l’or.
Comparaison et sélection des modèles de volatilité
GARCH versus autres modèles de volatilité
Quand on parle de modéliser la volatilité de l’or, on a l’embarras du choix. Des modèles simples aux approches plus sophistiquées, il faut bien comprendre les forces et faiblesses de chacun. Le modèle de Black-Scholes, par exemple, est un classique, mais il part du principe que la volatilité est constante, ce qui est rarement le cas dans la réalité. Les modèles GARCH, eux, sont plus flexibles et peuvent capturer les variations de volatilité au fil du temps.
Choisir le bon modèle, c’est un peu comme choisir le bon outil pour un travail. Un marteau peut suffire pour planter un clou, mais pour construire une maison, il faut une boîte à outils complète.
Il existe aussi des modèles comme le modèle Heston, qui est particulièrement adapté pour décrire la volatilité stochastique. Il est plus flexible que les modèles Black-Scholes et GARCH et capture le sourire de la volatilité.
Estimation et sélection des paramètres
Une fois qu’on a choisi un modèle, il faut l’estimer. Ça veut dire trouver les valeurs des paramètres qui collent le mieux aux données historiques. C’est là que les choses se compliquent un peu. Il existe plusieurs méthodes d’estimation, comme le maximum de vraisemblance, et il faut faire attention à ne pas sur-paramétriser le modèle. Un modèle trop complexe risque de bien fitter les données passées, mais de mal prédire le futur.
Voici quelques critères à considérer lors de l’estimation des paramètres :
- La qualité de l’ajustement aux données historiques
- La parcimonie du modèle (éviter la sur-paramétrisation)
- La stabilité des paramètres dans le temps
Importance de la prévision de la volatilité
La prévision de la volatilité est cruciale pour la gestion des risques et la tarification des options. Si on se trompe sur la volatilité future, on risque de mal évaluer le risque d’un investissement ou de mal tarifer une option. Les modèles GARCH, avec leurs différentes variantes, sont souvent utilisés pour prévoir la volatilité de l’or, car ils peuvent s’adapter aux changements de régime et aux chocs sur les marchés.
En gros, la prévision de la volatilité permet de :
- Mieux gérer les risques liés aux investissements en or.
- Optimiser la composition d’un portefeuille en fonction du risque.
- Tarifer correctement les options sur l’or et autres produits dérivés.
Comprendre comment les prix bougent est super important pour bien investir. On a plein de façons de regarder ça, et choisir la bonne peut vraiment changer la donne. Pour en savoir plus et voir comment ça marche, visitez notre site web!
En bref : ce qu’il faut retenir sur la volatilité de l’or et les modèles GARCH
Alors, on a vu pas mal de choses sur la volatilité de l’or et comment les modèles GARCH peuvent nous aider à y voir plus clair. Franchement, c’est un peu comme essayer de prévoir la météo, mais pour les marchés financiers. Les modèles GARCH, c’est un outil plutôt malin qui prend en compte le fait que quand ça bouge beaucoup, ça a tendance à continuer à bouger beaucoup. C’est ça, le "clustering de volatilité" dont on a parlé. Ça change des méthodes plus anciennes qui pensaient que la volatilité, c’était un truc stable. Du coup, pour ceux qui s’intéressent à l’or, que ce soit pour investir ou juste pour comprendre, ces modèles donnent une image plus juste des risques et des opportunités. Ça ne rend pas l’avenir certain, mais ça aide à mieux se préparer aux secousses du marché. Et ça, c’est déjà pas mal, non ?
Questions Fréquemment Posées
Qu’est-ce que la volatilité de l’or et pourquoi est-elle importante?
La volatilité de l’or, c’est à quel point son prix peut changer rapidement. L’or est souvent vu comme une valeur sûre, mais son prix bouge beaucoup à cause de plein de choses, comme les décisions des banques centrales, ce qui se passe dans le monde (guerres, crises), et même la demande pour les bijoux ou l’industrie.
Pourquoi les méthodes habituelles ne sont-elles pas toujours bonnes pour l’or?
Les modèles anciens pour mesurer la volatilité partent du principe que cette dernière ne change pas trop, ou qu’elle suit des règles simples. Mais en vrai, le prix de l’or peut avoir des périodes où il bouge beaucoup, puis d’autres où il est plus calme. Ces vieux modèles ne voient pas bien ces changements et peuvent sous-estimer les gros risques.
À quoi servent les modèles GARCH pour l’or?
Les modèles GARCH sont des outils plus malins. Ils sont capables de voir que la volatilité a des
Comment comprendre les résultats des modèles GARCH?
Quand on utilise un modèle GARCH, on obtient des chiffres. Certains chiffres nous disent comment le prix de l’or devrait évoluer en moyenne. D’autres nous expliquent comment sa volatilité (ses hauts et ses bas) va se comporter. On peut aussi voir si les changements de prix durent longtemps ou s’arrêtent vite.
Existe-t-il différents types de modèles GARCH?
Oui, il existe plusieurs versions des modèles GARCH. Par exemple, l’IGARCH est bon pour les chocs qui durent longtemps. L’EGARCH est utile quand les mauvaises nouvelles font plus bouger les prix que les bonnes nouvelles. Et le GJR-GARCH est une autre version qui aide à mieux saisir ces différences.
Comment utilise-t-on les modèles GARCH dans la vraie vie pour l’or?
Les modèles GARCH sont super pratiques. Ils aident les banques et les investisseurs à mieux gérer les risques de leurs placements en or. Ils permettent aussi de mieux choisir où mettre son argent et de fixer le juste prix pour des produits financiers liés à l’or, comme les options.
