Autoregressive Conditional Heteroskedasticity (ARCH)

Hva er autoregressiv betinget heteroskedastisitet?

Autoregressive betinget heteroskedasticity (ARCH) er en statistisk modell for tidsserier som brukes til å analysere effekter som ikke er forklart av økonometriske modeller. I disse modellene er feilbetegnelsen det resterende resultatet som ikke er forklart av modellen. Forutsetningen for økonometriske modeller er at varensen av dette begrepet vil være ensartet. Dette er kjent som "homoskedasticity." I noen tilfeller er denne variansen imidlertid ikke ensartet, men "heteroskedastisk."

Å forstå autoregressiv betinget heteroskedastisitet

Faktisk er variansen av disse feiluttrykkene ikke bare ujevn, men påvirkes av avvik som går foran den. Dette blir referert til som "autoregression." Tilsvarende, i statistikk, når variansen til et begrep påvirkes av variansen til en eller flere andre variabler, er den "betinget."

Dette gjelder spesielt i tidsserie-analyser av finansmarkeder. For eksempel i verdipapirmarkeder blir perioder med lav volatilitet ofte fulgt av perioder med høy volatilitet. Så variansen av feilbegrepet som beskriver disse markedene vil variere avhengig av variansen fra tidligere perioder.

Problemet med heteroskedastisitet er at det gjør tillitsintervallene for smale, og dermed gir en større følelse av presisjon enn det som er berettiget av den økonometriske modellen. ARCH-modeller prøver å modellere variansen til disse feiluttrykkene, og i prosessen korrigere for problemene som skyldes heteroskedastisitet. Målet med ARCH-modeller er å gi et mål på volatilitet som kan brukes i økonomiske beslutninger.

I finansmarkeder observerer analytikere noe som kalles volatilitetsklynger hvor perioder med lav volatilitet blir fulgt av perioder med høy volatilitet og omvendt. For eksempel var volatiliteten for S&P 500 uvanlig lav i en lengre periode under oksemarkedet fra 2003 til 2007, før de økte til rekordnivåer under markedskorreksjonen i 2008. ARCH-modeller klarer å korrigere for de statistiske problemene som oppstår fra dette type mønster i dataene. Som et resultat har de blitt bærebjelker i modellering av finansmarkeder som viser volatilitet. ARCH-konseptet ble utviklet av økonomen Robert F. Engle, som han vant 2003 Nobel Memorial Prize in Economic Sciences.

Sammenlign Navn på leverandør av investeringskontoer Beskrivelse Annonsørens avsløring × Tilbudene som vises i denne tabellen er fra partnerskap som Investopedia mottar kompensasjon fra.

Relaterte vilkår

Generalised AutoRegressive Conditional Heteroskedasticity (GARCH) Definisjon Generalised AutoRegressive Conditional Heteroskedasticity (GARCH) er en statistisk modell som brukes til å estimere volatiliteten i aksjeavkastningen. mer GARCHP-rocess Den generaliserte autoregressive betingede heteroskedasticity-prosessen (GARCH) er et økonometrisk begrep som brukes for å beskrive en tilnærming for å estimere volatilitet i finansmarkedene. mer Definisjon av tidsvarierende volatilitet Tidsvarierende volatilitet refererer til svingningene i volatilitet over forskjellige tidsperioder. mer Heteroskedastisitet I statistikk skjer heteroskedastisitet når standardavvikene til en variabel, overvåket over en bestemt tidsperiode, er ikke-konstante. mer Robert F. Engle III Robert Engle III er en amerikansk økonom som vant Nobelprisen i økonomi 2003 for sin analyse av tidsseriedata med tidsvarierende volatilitet. mer Merton-modellanalyseværktøyet Merton-modellen er et analyseverktøy som brukes til å vurdere kredittrisikoen for et selskaps gjeld. Analytikere og investorer bruker Merton-modellen for å forstå et selskaps økonomiske evne. mer Partnerkoblinger