Autoregresīvā nosacītā heteroskedatilitāte (ARCH)

Kas ir autoregresīvā nosacītā heteroskedatilitāte?

Autoregresīvā nosacītā heteroskedatilitāte (ARCH) ir laikrindu statistiskais modelis, ko izmanto, lai analizētu efektus, kas palikuši neizskaidrojami ar ekonometriskiem modeļiem. Šajos modeļos kļūdas termins ir atlikušais rezultāts, ko modelis nav izskaidrojis. Ekonometrisko modeļu pieņēmums ir tāds, ka šī termina dispersija būs vienāda. To sauc par "homoskedasticity". Tomēr dažos gadījumos šī atšķirība nav vienveidīga, bet gan "heteroskedastiska".

Autoregresīvas nosacītās heteroskedatilitātes izpratne

Faktiski šo kļūdu apzīmējumu dispersija nav tikai nevienmērīga, bet to ietekmē arī atšķirības pirms tā. To sauc par "autoregression". Tāpat statistikā, ja termina dispersiju ietekmē viena vai vairāku citu mainīgo dispersija, tas ir "nosacīts".

Īpaši tas attiecas uz finanšu tirgu laikrindu analīzēm. Piemēram, vērtspapīru tirgos zemas nepastāvības periodiem bieži seko augstas nepastāvības periodi. Tātad kļūdu apzīmējums, aprakstot šos tirgus, variē atkarībā no iepriekšējo periodu novirzes.

Heteroskedasticitātes problēma ir tāda, ka tas padara ticamības intervālus pārāk šaurus, tādējādi nodrošinot lielāku precizitātes sajūtu, nekā to garantē ekonometriskais modelis. ARCH modeļi mēģina modelēt šo kļūdu apzīmējumu dispersiju un procesā pareizi novērst problēmas, kas rodas heteroskedasticitātes dēļ. ARCH modeļu mērķis ir nodrošināt nepastāvības mērījumu, ko var izmantot finanšu lēmumu pieņemšanā.

Finanšu tirgos analītiķi novēro ko sauc par nepastāvības klasterizāciju, kurā zemas nepastāvības periodiem seko augstas nepastāvības periodi un otrādi. Piemēram, S&P 500 svārstīgums buļļu tirgū ilgāku laiku no 2003. līdz 2007. gadam bija neparasti zems, pirms 2008. gada tirgus korekcijas laikā tas pieauga līdz rekordlīmenim. ARCH modeļi spēj koriģēt statistikas problēmas, kas rodas no tā. datu modeļa tips. Tā rezultātā viņi ir kļuvuši par galveno modeli finanšu tirgu modelēšanā, kuriem raksturīga nepastāvība. ARCH koncepciju izstrādāja ekonomists Roberts F. Engle, par kuru viņš ieguva 2003. gada Nobela piemiņas balvu ekonomikas zinātnēs.

Investīciju kontu salīdzināšana Piegādātāja nosaukums Apraksts Reklāmdevēja atklāšana × Piedāvājumi, kas parādās šajā tabulā, ir no partnerībām, no kurām Investtopedia saņem kompensāciju.

Saistītie noteikumi

Ģeneralizētā autoRegresīvā nosacītā heteroskedatilitāte (GARCH) Definīcija Ģeneralizētā autoRegresīvā nosacītā heteroskedatilitāte (GARCH) ir statistikas modelis, ko izmanto, lai novērtētu krājumu ienākumu nepastāvību. vairāk GARCHP rocess Vispārinātais autoregresīvās nosacītās heteroskedasticitātes (GARCH) process ir ekonometrisks termins, ko izmanto, lai aprakstītu pieeju finanšu tirgus nepastāvības novērtēšanai. vairāk Laika mainīgā nepastāvība Definīcija Ar laiku mainīgā nepastāvība attiecas uz nepastāvības svārstībām dažādos laika periodos. vairāk Heteroskedasticitāte Statistikā heteroskedasticitāte notiek tad, kad mainīgā standarta novirzes, ko uzrauga noteiktā laika posmā, ir nepastāvīgas. vairāk Roberts F. Engle III Roberts Engle III ir amerikāņu ekonomists, kurš ieguva 2003. gada Nobela prēmiju ekonomikā par laika rindu datu analīzi ar mainīgu laika nepastāvību. vairāk Merton modeļa analīzes rīks Merton modelis ir analīzes rīks, ko izmanto, lai novērtētu korporācijas parāda kredītrisku. Analītiķi un investori izmanto Merton modeli, lai izprastu uzņēmuma finansiālās iespējas. vairāk partneru saišu