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".
Autoregresīvās nosacītās heteroskedatilitātes izpratne
Faktiski šo kļūdu apzīmējumu dispersija nav tikai nevienmērīga, bet to ietekmē arī atšķirības pirms tā. To sauc par "autoregression". Tāpat statistikā, kad 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 sniegt 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 tas pieauga līdz rekordlīmenim 2008. gada tirgus korekcijas laikā. 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.
