Autoregressiv betinget heteroskedasticitet (ARCH)

Hvad er autoregressiv betinget heteroskedasticitet?

Autoregressiv betinget heteroskedasticitet (ARCH) er en statistisk tidsseriemodel, der bruges til at analysere effekter, som ikke er forklarede af økonometriske modeller. I disse modeller er fejlbetegnelsen det resterende resultat, som modellen ikke har forklaret. Antagelsen af ​​økonometriske modeller er, at variationen i dette udtryk vil være ensartet. Dette er kendt som "homoskedasticitet." I nogle tilfælde er denne varians imidlertid ikke ensartet, men "heteroskedastisk."

Forståelse af autoregressiv betinget heteroskedasticitet

Faktisk er variationen af ​​disse fejlbetingelser ikke kun ikke ensartet, men påvirkes af afvigelser, der går forud for det. Dette kaldes "autoregression". Tilsvarende i statistikker, når variansen af ​​et udtryk påvirkes af variansen af ​​en eller flere andre variabler, er den "betinget."

Dette gælder især i tidsserieranalyser af de finansielle markeder. På værdipapirmarkeder følges for eksempel perioder med lav volatilitet ofte efter perioder med høj volatilitet. Så variansen af ​​fejlbetegnelsen, der beskriver disse markeder, vil variere afhængigt af variansen fra tidligere perioder.

Problemet med heteroskedasticitet er, at det gør tillidsintervallerne for smalle, hvilket giver en større følelse af præcision, end det er berettiget af den økonometriske model. ARCH-modeller forsøger at modellere variansen af ​​disse fejlbetegnelser og i processen korrigere for de problemer, der er resultatet af heteroskedasticitet. Målet med ARCH-modeller er at tilvejebringe et mål for volatilitet, der kan bruges til finansiel beslutningstagning.

På de finansielle markeder observerer analytikere noget, der kaldes volatilitetsklynger, hvor perioder med lav volatilitet følges af perioder med høj volatilitet og omvendt. F.eks. Var volatiliteten for S&P 500 usædvanligt lav i en længere periode under tyktemarkedet fra 2003 til 2007, før de steg til rekordniveauer under markedskorrektionen i 2008. ARCH-modeller er i stand til at korrigere for de statistiske problemer, der opstår på grund af dette type mønster i dataene. Som et resultat er de blevet bærebjælker i modellering af finansielle markeder, der udviser volatilitet. ARCH-konceptet blev udviklet af økonomen Robert F. Engle, som han vandt Nobels Mindepris 2003 i økonomiske videnskaber for.

Sammenlign Navn på udbydere af investeringskonti Beskrivelse Annoncørens viden × De tilbud, der vises i denne tabel, er fra partnerskaber, hvorfra Investopedia modtager kompensation.

Relaterede vilkår

Generaliseret AutoRegressive Conditional Heteroskedasticity (GARCH) Definition Generalised AutoRegressive Conditional Heteroskedasticity (GARCH) er en statistisk model, der bruges til at estimere volatiliteten i lagerafkast. mere GARCHP-rocess Den generaliserede autoregressive betingede heteroskedasticitet (GARCH) -proces er et økonometrisk udtryk, der bruges til at beskrive en tilgang til at estimere volatilitet på finansielle markeder. mere Definition af tidsvarierende volatilitet Tidsvarierende volatilitet henviser til udsving i volatilitet over forskellige tidsperioder. mere Heteroskedasticitet I statistik sker der heteroskedasticitet, når standardafvigelserne for en variabel, der overvåges over en bestemt tidsperiode, er ikke-konstante. mere Robert F. Engle III Robert Engle III er en amerikansk økonom, der vandt Nobelprisen i økonomi 2003 for sin analyse af tidsseriedata med tidsvarierende volatilitet. mere Merton-modelanalyseværktøjet Merton-modellen er et analyseværktøj, der bruges til at evaluere kreditrisikoen for et selskabs gæld. Analytikere og investorer bruger Merton-modellen til at forstå en virksomheds økonomiske kapacitet. flere Partner Links