更多CFA官方教材详解,请关注“边际实验室”。
“边际实验室”是一家专注于金融科技、金融大数据领域的工作室,提供CFA、FRM等金融考试内容的讲解。
我们在之前的课程中忽略了时间序列模型中的异方差问题。异方差是残差方差对独立变量的依赖性;同方差是残差方差与自变量的独立性。在之前的课程中,我们假定残差的方差是恒定的,不取决于时间序列本身的值或先前误差的大小。但是,有时候残差的方差不是恒定的。在这种情况下,AR、MA或ARMA模型中回归系数的标准误将不正确,我们的假设检验将无效。因此,基于这些检验的决策我们可能会做出不正确的投资。
例如,假设我们正在建立公司销售额的自回归模型。如果存在异方差,则模型回归系数的标准误是不正确的。由于异方差性,一个或多个滞后的自变量可能在统计上似乎很显著,而实际上却并非如此。因此,如果使用此模型进行决策,则可能会存在瑕疵。
2003年的诺贝尔经济学奖获得者罗伯特·恩格尔为此做了一些研究。他首先提出了一种方法来检验特定时间序列模型中某个时期的误差方差是否取决于以前周期的误差方差。他称这种类型的异方差为自回归条件异方差(ARCH)。
例如,考虑ARCH(1)模型
![23efb0c0ef9eec1007a318158b925827.png](https://i-blog.csdnimg.cn/blog_migrate/cddecabc7ac660f01cbca9703c6c7a31.jpeg)
εt的分布以上一个周期εt-1的值为条件