时间序列模型_时间序列--ARCH模型

对于金融时间序列，波动率往往具有以下特征：

1. 存在波动率聚集现象，也就是波动率一段时间上高，一段时间上低
2. 波动率以连续时间变化，很少发生跳跃
3. 波动率不会发散到无穷，波动率往往是平稳的
4. 波动率对价格上升和大幅下降的反应不同，这个现象为杠杆效应

1. ARCH模型

ARCH又被称为自回归条件异方差模型。在传统计量经济学中，干扰项的方差常被设为常数，但是实际情况下这样设为常数并不是最恰当的处理方式。很多时候我们可以发现，波动常常会聚集的发生，并且asset return的方差会随着时间的变化而变化。比如说在金融危机的时刻，波动密集的发生。

对于某个asset的return我们通常可以写成一下形式，其中

我们可以认为是股票每天波动的shock，

序列不相关但也不独立，因为

取决于之前的残差

其中

表示的是在已知t-1之前的所有information后得到的残差值(

)在那个时间段的方差，是一个定值

return的平均值

对于这个模型，

就是mean-corrected的arch model，它的方差会随着时间的变化而变化。而大的扰动会倾向于引起另一个大的扰动。

这和股票市场上出现的波动率聚集现象类似。

在arch模型中，假设对于error scale term

有：

所以mean-corrected series

:

note: 因为

的expected return是0，所以

从上面各式我们可以看出，

的方差是由之前数值的方差所决定。

之间虽然不相互影响，但是因为