📊 statistics

Consistent Variable Selection for GARCH-X Models

Dit artikel stelt een consistente procedure voor variabele selectie voor GARCH-X-modellen voor en valideert deze, waarbij gebruik wordt gemaakt van Wald-achtige statistieken en de Benjamini-Yekutieli False Discovery Rate-controle om relevante exogene covariaten die de volatiliteitsdynamiek beïnvloeden nauwkeurig te identificeren.

Oorspronkelijke auteurs: Adriano Zanin Zambom, Beck Saunders

Gepubliceerd 2026-04-29

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Adriano Zanin Zambom, Beck Saunders

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je probeert te voorspellen hoe "stormachtig" de aandelenmarkt morgen zal zijn. In de wereld van de financiën wordt deze "stormachtigheid" volatiliteit genoemd.

Lange tijd hadden economen een hulpmiddel genaamd een GARCH-model om deze stormen te voorspellen. Denk aan dit hulpmiddel als een windvaan die alleen kijkt naar de wind die hij net heeft gevoeld. Als de wind gisteren wisselvallig was, raadt het hulpmiddel dat het vandaag ook wisselvallig zal zijn. Het is goed in terugkijken, maar het negeert het feit dat het weer kan veranderen door iets dat ver weg gebeurt, zoals een plotselinge verschuiving in een straalstroom of een vulkaanuitbarsting.

In de echte wereld wordt volatiliteit op de aandelenmarkt vaak gedreven door externe factoren (exogene variabelen) zoals de prijs van olie, de waarde van goud of de prestaties van andere aandelenindices. Dit artikel introduceert een nieuwe methode om economen te helpen uitzoeken welke van deze externe factoren echt belangrijk zijn en welke slechts ruis zijn.

Hier is een uiteenzetting van de ideeën uit het artikel met behulp van eenvoudige analogieën:

1. Het Probleem: De "Keukenkraan"-Aanpak

Stel je voor dat je een chef-kok bent die probeert een perfecte soep te maken (het volatiliteitsmodel). Je hebt een enorme voorraadkast met 100 verschillende kruiden (exogene variabelen zoals olie, goud, tarwe, staal, enz.).

De Oude Manier: De meeste chefs gooien gewoon alles in de pot om op safe te spelen, in de hoop dat de smaak goed uitkomt. Dit wordt het "volledige model" genoemd. Het is rommelig, moeilijk te proeven en vaak overcomplicatie.
De Uitdaging: Als je elke mogelijke combinatie van kruiden zou proberen om te zien welke essentieel zijn, zou je meer tests moeten uitvoeren dan er sterren aan de hemel staan. Het is computationeel onmogelijk.

2. De Oplossing: De "Slimme Detective"

De auteurs, Adriano Zanin Zambom en Beck Saunders, hebben een methode van een "slimme detective" ontwikkeld om de echt essentiële kruiden te vinden zonder elke mogelijke combinatie te testen.

Hun methode werkt in drie stappen:

Het Verhoor (Hypothese-toetsing): Ze vragen aan elk kruid: "Verander je de smaak van de soep echt, of ben je gewoon water?" Ze geven elk kruid een score (een p-waarde) op basis van hoe sterk het bewijs is.
Het Filter (False Discovery Rate): Hier zit het lastige deel. Als je 100 vragen stelt, kun je een paar "ja"-antwoorden krijgen puur door geluk (valse alarmen). Om dit op te lossen, gebruiken ze een speciale regel genaamd de Benjamini–Yekutieli-procedure.
- Analogie: Stel je een beveiligingswachter voor die 100 mensen controleert op een wapen. Als de wachter te streng is, kan hij onschuldige mensen tegenhouden. Als hij te losjes is, laat hij criminelen door. Deze regel is een wiskundige "Goudlokje"-instelling die ervoor zorgt dat de wachter de slechteriken (relevante variabelen) vangt, terwijl het aantal onschuldige mensen dat wordt tegengehouden (valse alarmen) zeer laag blijft.
Het Vonnis: De methode houdt alleen de kruiden die de test doorstaan en gooit de rest weg.

3. De Belofte: Beter Worden Met de Tijd

Het artikel bewijst wiskundig dat deze "slimme detective" slimmer wordt naarmate hij meer data ziet.

De Analogie: Stel je voor dat je probeert een fluistering te horen in een luidruimte. Als de kamer klein is (kleine data), kun je misschien een hoest verwarren met een fluistering. Maar naarmate de kamer groter wordt en het lawaai bedaart (grotere steekproefgrootte), wordt de detective 100% zeker van wie fluistert en wie gewoon hoest.
De auteurs tonen aan dat naarmate ze het model meer en meer historische data voeden, het uiteindelijk de exacte set externe factoren identificeert die volatiliteit aandrijven, met bijna perfecte nauwkeurigheid.

4. Het Bewijs: Simulaties en Het Echte Leven

Om te bewijzen dat hun methode werkt, hebben ze twee dingen gedaan:

Het Simulatielab: Ze creëerden nepbeursdata in een computer, waarbij ze enkele "echte" drijfveren mengden met wat "nep"-ruis. Ze testten hun methode op deze nepdata met verschillende soorten "weer" (normale verdelingen en zwaarstaartige "stormen"). De methode vond consequent de echte drijfveren en negeerde de ruis, vooral wanneer de dataset groot was.
De Test in Het Echte Leven: Ze pasten dit toe op de S&P 500 (de grote Amerikaanse aandelenindex). Ze voerden data in over verschillende grondstoffen (olie, goud, tarwe) en andere aandelenindices (NASDAQ, Dow Jones).
- Het Resultaat: De methode besliste dat NASDAQ en Ruwe Olie de twee belangrijkste externe factoren waren die de volatiliteit van de S&P 500 beïnvloedden. Het suggereerde dat Staal misschien iets belangrijk was, maar dat de meeste andere grondstoffen (zoals goud of rijst) gewoon ruis waren.
- Het Voordeel: Het model dat slechts deze paar geselecteerde factoren gebruikte, was veel simpeler en efficiënter dan het model dat probeerde ze allemaal te gebruiken, maar het voorspelde de "stormachtigheid" van de markt net zo goed.

Samenvatting

Dit artikel biedt een betrouwbare, wiskundig bewezen manier om financiële modellen op te schonen. In plaats van het model te verstoren met elke mogelijke externe factor, werkt deze methode als een filter, waardoor alleen de variabelen doorgelaten worden die echt belangrijk zijn. Het zorgt ervoor dat naarmate we meer data verzamelen, ons begrip van wat de marktvolatiliteit aandrijft scherper, simpeler en nauwkeuriger wordt.

1. Probleemstelling

Modellering van financiële volatiliteit vertrouwt vaak op GARCH-modellen (Generalized Autoregressive Conditional Heteroskedasticity). Hoewel standaard GARCH-modellen endogene volatiliteitsdynamieken (vorige schokken en vorige volatiliteit) vastleggen, wijst empirisch bewijs erop dat externe (exogene) factoren – zoals macroeconomische indicatoren, nieuwsintensiteit of grondstofprijzen – de volatiliteit significant beïnvloeden.

Het GARCH-X-model breidt het standaardkader uit om deze exogene covariaten op te nemen. Een kritieke uitdaging doet zich echter voor wanneer het aantal potentiële covariaten groot is:

Moeilijkheid bij Modelselectie: Bestaande methoden richten zich voornamelijk op het selecteren van de orde van het model (bijvoorbeeld het bepalen van $p$ en $q$ in GARCH( $p,q$ )) in plaats van het selecteren van specifieke exogene variabelen.
Rekenkundige Last: Het exhaustief testen van alle combinaties van covariaten met behulp van gepenaliseerde criteria (zoals BIC of AIC) is computergewijs onuitvoerbaar wanneer het aantal covariaten gemiddeld tot groot is.
Gebrek aan Theoretische Waarborgen: Er bestond geen vastgestelde procedure met theoretische consistentieresultaten specifiek voor het selecteren van exogene covariaten in volatiliteitsmodellen. Het doel is om de "ware" subset van relevante covariaten die de volatiliteit aandrijven te identificeren, terwijl irrelevante worden uitgesloten.

2. Methodologie

De auteurs stellen een consistente variabeleselectieprocedure voor die gebaseerd is op een raamwerk voor meervoudige hypothese-toetsing, gecombineerd met controle van de False Discovery Rate (FDR).

A. Het Modelkader

Het artikel maakt gebruik van het GARCH( $p,q$ )-X-model:
$\epsilon_t = \sigma_t w_t$
$\sigma_t^2(\theta) = \omega + \sum_{i=1}^p \alpha_i \epsilon_{t-i}^2 + \sum_{j=1}^q \beta_j \sigma_{t-j}^2 + \gamma^T X_{t-1}$
Waarbij $X_{t-1}$ een vector is van $d$ exogene covariaten, en $\gamma = (\gamma_1, \dots, \gamma_d)'$ de coëfficiënten voorstelt die getoetst moeten worden. Het doel is om de ware indexset $I_0 = \{k : \gamma_k \neq 0\}$ te herstellen.

B. Hypothese-toetsing

Voor elke covariabele $k$ formuleren de auteurs een eenzijdige hypothese-toets:

$H_0^k: \gamma_k = 0$ (Covariabele is irrelevant)
$H_1^k: \gamma_k > 0$ (Covariabele is relevant)

Ze maken gebruik van de Quasi-Maximum Likelihood Schatter (QMLE) $\hat{\theta}_n$ . Onder regulariteitsvoorwaarden (vastgesteld in Francq en Thieu, 2019) is de schatter consistent en asymptotisch normaal (geprojecteerd op de parameterruimte vanwege niet-negativiteitsbeperkingen).

De toetsingsstatistiek voor elke covariabele is een Wald-type statistiek:
$t_n(k) = \frac{\sqrt{n} e_k^T \hat{\theta}_n}{\sqrt{e_k^T \hat{\Sigma}_n e_k}}$
Waarbij $\hat{\Sigma}_n$ de geschatte asymptotische covariantiematrix is. Vanwege de positiviteitsbeperking op parameters, volgt het gekwadrateerde statistiek $t_n^2(k)$ een chi-bar-kwadraatverdeling (een mengsel van een puntmassa bij 0 en een $\chi^2_1$ -verdeling).

C. Variabeleselectie via FDR-controle

In plaats van een vast significantieniveau te gebruiken (wat leidt tot hoge Type I-fouten bij meervoudige toetsing), passen de auteurs de Benjamini–Yekutieli-procedure (2001) toe om de False Discovery Rate (FDR) te controleren.

Bereken p-waarden $\pi_k$ voor alle $d$ covariaten.
Rangschik de p-waarden: $\pi_{(1)} \leq \dots \leq \pi_{(d)}$ .
Bepaal de grootste index $\ell$ zodat:
$\pi_{(k)} \leq \frac{k}{d} \frac{\alpha_n}{\sum_{l=1}^d l^{-1}}$
Verwerp de nulhypothese voor de eerste $\ell$ covariaten. De geselecteerde set $\hat{I}$ bestaat uit de indices van deze verworpen hypothesen.

D. Consistentievoorwaarden

De methode is bewezen consistent (d.w.z. $P(\hat{I} = I_0) \to 1$ wanneer $n \to \infty$ ) onder specifieke voorwaarden:

Voorwaarde (C1): De asymptotische varianties van de schatters moeten voldoende snel afnemen ten opzichte van de steekproefgrootte ( $\sigma_{kk} < n/\log(n)$ ).
Signaalsterkte: Het significantieniveau $\alpha_n$ moet afnemen tot 0 met een specifieke snelheid ( $\alpha_n = o(e^{-cn})$ ) naarmate de steekproefgrootte toeneemt, waardoor de methode ware signalen kan onderscheiden van ruis, zelfs als de signaalsterkte licht afneemt.

3. Belangrijkste Bijdragen

Theoretische Consistentie: Het artikel biedt het eerste formele bewijs dat een variabeleselectieregel gebaseerd op FDR-controle consistent is voor GARCH-X-modellen, waardoor de asymptotische herstelbaarheid van de ware set covariaten wordt gewaarborgd.
Omgaan met Beperkingen: De methodologie houdt expliciet rekening met de niet-negativiteitsbeperkingen van GARCH-parameters, waarbij de juiste chi-bar-kwadraatverdeling wordt gebruikt voor p-waardeberekening in plaats van standaard normale benaderingen.
Rekenkundige Efficiëntie: Door exhaustief zoeken over alle subsets te vermijden en een stap-omhoog FDR-procedure te gebruiken, schaalt de methode efficiënt met het aantal covariaten.
Robuustheid tegen Signaalverval: Het theoretische kader staat "verminderende signaalsterkte" toe, wat betekent dat de methode werkt zelfs als het effect van relevante covariaten kleiner wordt naarmate de steekproefgrootte toeneemt, mits het verval niet te snel is.

4. Resultaten

A. Monte Carlo-simulaties

De auteurs voerden uitgebreide simulaties uit over vier scenario's:

Scenario's 1 & 2: GARCH(1,1)-X met onafhankelijke en exponentieel afnemende gecorreleerde covariaten.
Scenario's 3 & 4: GARCH(2,1)-X met onafhankelijke en gecorreleerde covariaten.
Verdelingen: Fouten werden gegenereerd uit Normal, Student's $t$ (5 en 7 vrijheidsgraden) om robuustheid tegen zware staarten te testen.
Steekproefgroottes: $n = 500, 1000, 5000, 10000$ .

Belangrijkste bevindingen:

Nauwkeurigheid: Naarmate de steekproefgrootte toenam, identificeerde de methode relevante covariaten correct met een waarschijnlijkheid die naar 1 neigt. Voor $n=5000$ en $n=10000$ lagen de selectiepercentages voor ware covariaten dicht bij 100%, terwijl de vals-positieve selectiepercentages voor irrelevante covariaten verwaarloosbaar waren (< 5%).
Robuustheid: De methode presteerde goed onder verdelingen met zware staarten (Student's $t$ ), hoewel de convergentie iets trager was vergeleken met de normale casus.
Modelselectiecriteria: De modellen geselecteerd door de voorgestelde methode behaalden consequent lagere (betere) BIC- en AIC-waarden vergeleken met het "volledige model" (alle covariaten) en het "nulmodel" (geen covariaten) bij grotere steekproefgroottes, wat een optimale afweging tussen parsimonie en fit aantoont.

B. Toepassing op Real Data: S&P 500 Volatiliteit

De methode werd toegepast op dagelijkse S&P 500-rendementen (januari 2000 – mei 2025) met gebruikmaking van 9 exogene covariaten (NASDAQ, Dow Jones, Ruwe Olie, Aardgas, Goud, Palladium, Rijst, Staal, Tarwe).

Selectieresultaten: Op een aangepast significantieniveau van 0,05 selecteerde de procedure NASDAQ en Ruwe Olie als de enige statistisch significante drijvers. Staal was marginaal significant.
Modelvergelijking:
- Het Geselecteerde Model (NASDAQ + Ruwe Olie) had een BIC van 141.721,2 en een AIC van 141.689,4.
- Het Volledige Model (alle 9 covariaten) had een hogere BIC (141.792,3) en AIC (141.715,9), wat overfitting aangeeft.
- Het Nulmodel (geen covariaten) presteerde slechter dan het geselecteerde model in termen van AIC, wat bevestigt dat externe factoren wel degelijk verklarende kracht toevoegen.
Conclusie: Het geselecteerde model bood een meer parsimonieuze en interpreteerbare verklaring voor de volatiliteit van de S&P 500, waarbij marktsentiment (NASDAQ) en energie/inflatieschokken (Olie) werden vastgelegd zonder onnodige complexiteit.

5. Betekenis

Dit artikel overbrugt een kritieke kloof in de financiële econometrie door een rigoureuze, theoretisch onderbouwde en computergewijs haalbare tool te bieden voor variabeleselectie in volatiliteitsmodellering.

Praktische Nut: Het stelt onderzoekers en praktici in staat om objectief te identificeren welke macroeconomische of financiële indicatoren marktvolatiliteit echt aandrijven, en vermijdt de "kitchen sink"-benadering van het opnemen van alle beschikbare data.
Theoretische Vooruitgang: Het breidt de toepassing van FDR-controle uit van regressiecontexten naar niet-lineaire, heteroskedastische tijdsreeksmodellen met complexe parameterbeperkingen.
Risicomanagement: Door de ware drijvers van volatiliteit te identificeren, verbetert de methode de nauwkeurigheid van risicomanagementtools (zoals Value-at-Risk) en activa-pricingmodellen, met name tijdens perioden van marktstress waar exogene factoren het meest invloedrijk zijn.