Heteroskedasticity แบบมีเงื่อนไขอัตโนมัติคืออะไร
Autoregressive conditional heteroskedasticity (ARCH) เป็นชุดข้อมูลเชิงสถิติแบบอนุกรมเวลาที่ใช้ในการวิเคราะห์ผลกระทบที่ไม่ได้อธิบายโดยตัวแบบเศรษฐมิติ ในโมเดลเหล่านี้คำผิดพลาดคือผลลัพธ์ที่เหลือซึ่งไม่ได้อธิบายโดยตัวแบบ สมมติฐานของตัวแบบเศรษฐมิติคือความแปรปรวนของเทอมนี้จะเหมือนกัน สิ่งนี้เรียกว่า "homoskedasticity" อย่างไรก็ตามในบางสถานการณ์ความแปรปรวนนี้ไม่เหมือนกัน แต่เป็น "heteroskedastic"
การทำความเข้าใจความแตกต่าง Heteroskedasticity เงื่อนไขอัตโนมัติ
ในความเป็นจริงความแปรปรวนของข้อผิดพลาดเหล่านี้ไม่เพียง แต่ไม่สม่ำเสมอ แต่ได้รับผลกระทบจากความแปรปรวนก่อนหน้านี้ สิ่งนี้เรียกว่า "การตอบโต้อัตโนมัติ" ในทำนองเดียวกันสถิติเมื่อความแปรปรวนของคำหนึ่ง ๆ ได้รับผลกระทบจากความแปรปรวนของตัวแปรอื่นหนึ่งตัวหรือมากกว่านั้นมันเป็น "เงื่อนไข"
นี่คือความจริงโดยเฉพาะอย่างยิ่งในการวิเคราะห์อนุกรมเวลาของตลาดการเงิน ตัวอย่างเช่นในตลาดหลักทรัพย์ช่วงเวลาที่มีความผันผวนต่ำมักตามด้วยช่วงเวลาที่มีความผันผวนสูง ดังนั้นความแปรปรวนของคำผิดพลาดที่อธิบายตลาดเหล่านี้จะแตกต่างกันไปขึ้นอยู่กับความแปรปรวนของช่วงเวลาก่อนหน้า
ปัญหาของ heteroskedasticity คือมันทำให้ช่วงความเชื่อมั่นแคบเกินไปดังนั้นจึงให้ความรู้สึกที่แม่นยำมากกว่าการรับประกันจากแบบจำลองเศรษฐมิติ แบบจำลอง ARCH พยายามจำลองแบบความแปรปรวนของข้อผิดพลาดเหล่านี้และในกระบวนการที่ถูกต้องสำหรับปัญหาที่เกิดขึ้นจากความแตกต่างของ heteroskedasticity เป้าหมายของแบบจำลอง ARCH คือการวัดความผันผวนที่สามารถใช้ในการตัดสินใจทางการเงิน
ในตลาดการเงินนักวิเคราะห์สังเกตสิ่งที่เรียกว่าการจัดกลุ่มความผันผวนซึ่งช่วงเวลาของความผันผวนต่ำจะตามด้วยช่วงเวลาที่มีความผันผวนสูงและในทางกลับกัน ตัวอย่างเช่นความผันผวนของ S&P 500 นั้นต่ำผิดปกติเป็นระยะเวลานานในช่วงตลาดวัวตั้งแต่ปี 2003 ถึง 2007 ก่อนที่จะพุ่งทะยานสู่ระดับสูงสุดในช่วงการแก้ไขของตลาดในปี 2008 โมเดล ARCH สามารถแก้ไขปัญหาทางสถิติที่เกิดขึ้นจากสิ่งนี้ ประเภทของรูปแบบในข้อมูล เป็นผลให้พวกเขากลายเป็นแกนนำในการสร้างแบบจำลองตลาดการเงินที่มีความผันผวน แนวคิด ARCH ได้รับการพัฒนาโดยนักเศรษฐศาสตร์ Robert F. Engle ซึ่งเขาได้รับรางวัลโนเบลในปี 2546 สาขาเศรษฐศาสตร์เศรษฐศาสตร์
