什么是自回归条件异方差？
自回归条件异方差（ARCH）是一种时间序列统计模型，用于分析计量经济学模型无法解释的影响。 在这些模型中，误差项是模型无法解释的剩余结果。 计量经济学模型的假设是该术语的方差是均匀的。 这被称为“同方差”。 但是，在某些情况下，这种差异不是统一的，而是“异方差”。
了解自回归条件异方差
实际上，这些误差项的方差不仅是不均匀的，而且还受其前面方差的影响。 这称为“自回归”。 类似地，在统计中，当一项的方差受一个或多个其他变量的方差影响时，它是“有条件的”。
在金融市场的时间序列分析中尤其如此。 例如，在证券市场中，低波动时期之后通常是高波动时期。 因此，描述这些市场的误差项的方差将根据先前期间的方差而变化。
异方差性的问题在于，它会使置信区间变得太窄，因此比计量经济模型所保证的精度更高。 ARCH模型试图对这些误差项的方差建模，并在此过程中纠正由异方差性引起的问题。 ARCH模型的目标是提供一种可用于财务决策的波动性度量。
在金融市场中，分析师观察到一种称为“波动性聚类”的现象，其中波动性较低的时期之后是波动性较高的时期，反之亦然。 例如，在2003年至2007年的牛市期间，标普500指数的波动率异常低，然后在2008年的市场修正期间达到了创纪录的水平。ARCH模型能够纠正由此引起的统计问题。数据中模式的类型。 结果，它们已成为建模具有波动性的金融市场的主体。 ARCH概念是由经济学家Robert F. Engle提出的，他因此获得了2003年诺贝尔经济学奖。
