1. ARCH
1.1 异方差
在传统计量经济学模型中,都假设干扰项的方差为常数(同方差)。但是在现实世界中,许多经济时间序列的波动具有丛聚性等特征。例如:股市中可能存在的涨跌,当遇到结构性风险,股票价格可能存在大涨或者大跌的情况,这种类时间序列被称为条件异方差,即使无条件异方差是恒定的,但是也会存在方差相对较高的时候,而这个波动率是通常会呈现出持续性,这被称为波动丛聚性。
1.2 ARCH过程
ARCH (atuoregressive conditional heteroskedastic,自回归条件异方差)模型可以描述一个序列阶段性的稳定和波动 :
表示白噪音过程,满足 ;相互独立,和都为常数,且
把 代入到中可得:
这便是序列的一阶自回归异方模型ARCH(1),推广到高阶则可得
我们为什么要用条件异方差呢,首先来考虑估计一个平稳的ARMA模型,则的条件均值为,用条件均值去预测下一期,则预测误差的方差为
如果使用无条件预测,结果一般是时间序列的长期均值。则无条件预测误差方差为
其中白噪音过程,,,可得
由此可得无条件预测方差大于条件预测方差,所以使用条件预测结果更好。所以针对一些时间序列的异方差性,可以使用一些模型去拟合条件方差。
1.3 ARCH性质
1.ARCH模型,误差项的条件均值和无条件均值都等于0.对于所有,因此,序列具有序列不相关性,但是误差并不相互独立(误差),换个角度看, ARCH(1) 的方差是等于AR(1