Autoregressiv villkorsheteroskedasticitet (ARCH)

Vad är autoregressiv villkorlig heteroskedasticitet?

Autoregressiv villkorad heteroskedasticitet (ARCH) är en statistikmodell för tidsserier som används för att analysera effekter som inte är förklarade av ekonometriska modeller. I dessa modeller är feltermen det återstående resultatet som inte förklaras av modellen. Antagandet av ekonometriska modeller är att variationen i denna term kommer att vara enhetlig. Detta kallas "homoskedasticitet." Under vissa omständigheter är denna variation dock inte enhetlig, utan "heteroskedastisk."

Förstå autoregressiv villkorlig heteroskedasticitet

Faktum är att variationen i dessa feltermer inte bara är enhetlig utan påverkas av avvikelser som föregår den. Detta kallas "autoregression". På liknande sätt, i statistik, när variansen hos en term påverkas av variansen hos en eller flera andra variabler, är den "villkorad".

Detta gäller särskilt i tidsserieranalyser av finansmarknader. Till exempel på värdepappersmarknader följs perioder med låg volatilitet ofta av perioder med hög volatilitet. Så variationen i feltermen som beskriver dessa marknader skulle variera beroende på varianterna från tidigare perioder.

Problemet med heteroskedasticitet är att det gör konfidensintervallen för smala och därmed ger en större känsla av precision än vad som är berättigat av den ekonometriska modellen. ARCH-modeller försöker modellera variansen mellan dessa feltermer och i processen korrigera för de problem som uppstår till följd av heteroskedasticitet. Målet med ARCH-modellerna är att tillhandahålla ett mått på volatilitet som kan användas vid finansiella beslutsfattande.

På finansmarknaderna observerar analytiker något som kallas volatilitetskluster där perioder med låg volatilitet följs av perioder med hög volatilitet och vice versa. Till exempel var volatiliteten för S&P 500 ovanligt låg under en längre period under tjurmarknaden från 2003 till 2007, innan de steg till rekordnivåer under marknadskorrigering 2008. ARCH-modeller kan korrigera för de statistiska problem som uppstår härifrån typ av mönster i data. Som ett resultat har de blivit grundpelare i modellering av finansmarknader som uppvisar volatilitet. ARCH-konceptet utvecklades av ekonomen Robert F. Engle, för vilken han vann Nobelminnespriset 2003 i ekonomiska vetenskaper.

Jämför investeringskonton Leverantörs namn Beskrivning Annonsörens upplysning × Erbjudandena som visas i denna tabell kommer från partnerskap från vilka Investopedia erhåller ersättning.

Relaterade villkor

Generaliserad AutoRegressive Conditional Heteroskedasticity (GARCH) Definition Generalised AutoRegressive Conditional Heteroskedasticity (GARCH) är en statistisk modell som används för att uppskatta volatiliteten i avkastningen. mer GARCHP-rocess Den generaliserade autoregressiva villkorade heteroskedasticitetsprocessen (GARCH) är en ekonometrisk term som används för att beskriva en metod för att uppskatta volatilitet på finansmarknaderna. mer Definition av tidsvarierande volatilitet Tidsvarierande volatilitet avser fluktuationer i volatilitet under olika tidsperioder. mer Heteroskedasticitet I statistik inträffar heteroskedasticitet när standardavvikelserna för en variabel, övervakad under en viss tid, är icke-konstanta. mer Robert F. Engle III Robert Engle III är en amerikansk ekonom som vann 2003 Nobelpriset i ekonomi för sin analys av tidsseriedata med tidsvarierande volatilitet. mer Merton-modellanalysverktyget Merton-modellen är ett analysverktyg som används för att utvärdera kreditrisken för ett företags skuld. Analytiker och investerare använder Merton-modellen för att förstå ett företags finansiella förmåga. mer Partnerlänkar