自回归条件异方差(Autoregressive Conditional Heteroscedasticity Model, ARCH)
恩格尔和克拉格(Kraft, D., 1983)在分析宏观数据时,发现这样一些现象:时间序列模型中的扰动方差稳定性比通常假设的要差。恩格尔的结论说明在分析通货膨胀模型时,大的及小的预测误差会大量出现,表明存在一种异方差,其中预测误差的方差取决于后续扰动项的大小。
从事于股票价格、通货膨胀率、外汇汇率等金融时间序列预测的研究工作者,曾发现他们对这些变量的预测能力随时期的不同而有相当大的变化。预测的误差在某一时期里相对地小,而在某一时期里则相对地大,然后,在另一时期又是较小的。这种变异很可能由于金融市场的波动性易受谣言、政局变动、政府货币与财政政策变化等等的影响。从而说明预测误差的方差中有某种相关性。
为了刻画这种相关性,恩格尔提出ARCH模型。
ARCH的主要思想是时刻 t t t的 u t u_t ut的方差( = σ t 2 =\sigma_t^2 =σt2)依赖于 t − 1 t-1 t−1时刻残差平方的大小,即依赖于 u t − 1 2 u_{t-1}^2 ut−12。
ARCH自回归条件异方差模型条件:
在时间序列中,给出不同的时点的样本(对于不同时点的观测值),得到残差的方差是不同的,故方差随时间给出的条件而变化,即异方差。
ARCH 模型的定义
k − 变 量 回 归 模 型 : k-变量回归模型: k−变量回归模型:
y t = γ 0 + γ 1 x 1 t + ⋯ + γ k x k t + u t ( 1 ) y_t=\gamma_0+\gamma_1x_{1t}+\cdots+\gamma_kx_{kt}+u_t\qquad(1) yt=γ0+γ1x1t+⋯+γkxkt+ut(1)
并假设在时刻 t − 1 t-1 t−1所有信息已知的条件下,扰动项 u t u_t ut的分布是:
u t ∼ N ( 0 , α 0 + α 1 u t − 1 2 ) ( 2 ) u_t\sim N(0,\alpha_0+\alpha_1u_{t-1}^2)\qquad(2) ut∼N(0,α0+α1ut−12)(2)
即 u t u_t ut遵循以0为均值, α 0 + α 1 u t − 1 2 \alpha_0+\alpha_1u_{t-1}^2 α0+α1ut−12为方差的正态分布。
由于 u t u_t ut的方差依赖于时刻 t − 1 t-1 t−1期的平方扰动项,
所以我们称其为 A R C H ( 1 ) ARCH(1) ARCH(1)过程: v a r ( u t ) = σ t 2 = α 0 + α 1 u t − 1 2 var(u_t)=\sigma_t^2=\alpha_0+\alpha_1u_{t-1}^2 var(ut)=σt2=α0+α1ut−12
一个 A R C H ( p ) ARCH(p) ARCH(p)过程可以写为:
σ t 2 = α 0 + α 1 u t − 1 2 + α 2 u t − 2 2 + ⋯ + α p u t − p 2 ( 3 ) \sigma_t^2=\alpha_0+\alpha_1u_{t-1}^2+\alpha_2u_{t-2}^2+\cdots+\alpha_pu_{t-p}^2\qquad(3) σt2=α0+α1ut−12+α2ut−22