Opredelitev avtoregresivne pogojne heteroskedasticnosti (ARCH)

Kaj je avtoregresivna pogojna heteroskedasticnost (ARCH)?

Avtoregresivna pogojna heteroskedasticnost (ARCH) je statistični model, ki se uporablja za analizo nestanovitnost v časovnih vrstah za napoved prihodnje nestanovitnosti. V finančnem svetu se modeliranje ARCH uporablja za oceno tveganja z zagotavljanjem modela nestanovitnosti, ki je bolj podoben resničnim trgom. Modeliranje ARCH kaže, da obdobjem visoke nestanovitnosti sledi večja nestanovitnost, obdobjem nizke nestanovitnosti pa nižja.

V praksi to pomeni, da je nestanovitnost oz variance se nagiba k združevanju, kar je koristno za vlagatelje pri upoštevanju tveganja, da imajo sredstvo v različnih časovnih obdobjih. Koncept ARCH je razvil ekonomist Robert F. Engle v osemdesetih letih. ARCH je takoj izboljšal finančno modeliranje, zaradi česar je Engle leta 2003 zmagal Nobelova spominska nagrada za ekonomske vede.

Razumevanje avtoregresivne pogojne heteroskedasticnosti (ARCH)

Model avtoregresivne pogojne heteroskedasticnosti (ARCH) je bil zasnovan za izboljšanje ekonometrična modele z zamenjavo predpostavk o stalni nestanovitnosti s pogojno nestanovitnostjo. Engle in drugi, ki delajo na modelih ARCH, so ugotovili, da pretekli finančni podatki vplivajo na prihodnje podatke - to je definicija avtoregresivno. Pogojni heteroskedastični del ARCH se preprosto nanaša na opazno dejstvo, da je nestanovitnost na finančnih trgih nestalni - vsi finančni podatki, bodisi vrednost na borzi, cene nafte, menjalni tečaji ali BDP, gredo skozi obdobja visokega in nizkega nestanovitnost. Ekonomisti so že od nekdaj poznali količino spremenljivosti, vendar so jo za določeno obdobje pogosto ohranjali konstantno, ker pri modeliranju trgov niso imeli boljše možnosti.

ARCH je zagotovil model, ki bi ga ekonomisti lahko uporabili namesto konstante ali povprečja za nestanovitnost. Modeli ARCH bi lahko prepoznali in napovedali tudi izven nestabilnih grozdov, ki so na trgu prisotni v obdobjih finančne krize ali drugih Črni labod dogodki. Na primer, nestanovitnost za S&P 500 je bila v obdobju daljše obdobje nenavadno nizka bikov trg od leta 2003 do 2007, preden se je med korekcijo trga leta 2008 povzpel na rekordne ravni. To neenakomerno in ekstremno variacijo je težko obravnavati pri modelih, ki temeljijo na standardnih odstopanjih. Modeli ARCH pa lahko odpravijo statistične težave, ki izhajajo iz te vrste vzorca v podatkih. Poleg tega modeli ARCH najbolje delujejo z visokofrekvenčnimi podatki (na uro, dnevno, mesečno, četrtletno), zato so idealni za finančne podatke. Posledično so modeli ARCH postali nosilci pri modeliranju finančnih trgov, ki kažejo nestanovitnost (kar so dolgoročno res vsi finančni trgi).

Tekoča evolucija modelov ARCH

Glede na Nobelovo predavanje Engle leta 2003 je ARCH razvil kot odgovor na domnevo Miltona Friedmana, da je negotovost o tem, kakšna bi bila stopnja inflacije in ne dejanska stopnja inflacije, ki negativno vpliva na gospodarstvo.Ko je bil model zgrajen, se je izkazal za neprecenljivega za napovedovanje vseh vrst nestanovitnosti. ARCH je ustvaril številne sorodne modele, ki se pogosto uporabljajo tudi v raziskavah in financah, vključno GARCH, EGARCH, ŠKROB in drugi.

Ti različni modeli pogosto uvajajo spremembe v smislu ponderiranja in pogojenosti, da bi dosegli natančnejša območja napovedovanja. Na primer, EGARCH ali eksponentni GARCH daje večjo utež negativnim donosom v nizu podatkov, saj je bilo dokazano, da ustvarjajo večjo nestanovitnost. Drugače povedano, nestanovitnost v cenovnem grafikonu se po velikem padcu poveča kot po velikem dvigu. Večina različic modela ARCH analizira pretekle podatke za prilagoditev ponderjev z uporabo a pristop največje verjetnosti. Rezultat tega je dinamičen model, ki lahko z vse večjo natančnostjo napoveduje kratkoročne in prihodnje nestanovitnosti-zato jih seveda uporablja toliko finančnih institucij.