Ano ang Autoregressive Conditional Heteroskedasticity?
Ang Autoregressive kondisyong heteroskedasticity (ARCH) ay isang istatistika ng istatistika ng serye ng oras na ginamit upang pag-aralan ang mga epekto na naiwan ng mga modelo ng ekonometric. Sa mga modelong ito, ang term na error ay ang natitirang resulta na naiwan ng hindi maipaliwanag ng modelo. Ang palagay ng mga modelo ng ekonometric ay ang pagkakaiba-iba ng term na ito ay magiging pantay. Ito ay kilala bilang "homoskedasticity." Gayunpaman, sa ilang mga pangyayari, ang pagkakaiba-iba na ito ay hindi pantay, ngunit "heteroskedastic."
Ang pag-unawa sa Autoregressive Conditional Heteroskedasticity
Sa katunayan, ang pagkakaiba-iba ng mga term na error na ito ay hindi lamang hindi pare-pareho ngunit apektado ng mga pagkakaiba-iba bago ito. Tinukoy ito bilang "autoregression." Katulad nito, sa mga istatistika, kapag ang pagkakaiba-iba ng isang term ay apektado ng pagkakaiba-iba ng isa o higit pang iba pang mga variable, ito ay "kondisyon."
Totoo ito lalo na sa mga pag-aaral ng serye sa oras ng mga pamilihan sa pananalapi. Halimbawa, sa mga merkado ng seguridad, ang mga panahon ng mababang pagkasumpungin ay madalas na sinusundan ng mga panahon ng mataas na pagkasumpungin. Kaya ang pagkakaiba-iba ng termino ng error na naglalarawan sa mga pamilihan na ito ay magkakaiba depende sa pagkakaiba-iba ng mga nakaraang panahon.
Ang problema sa heteroskedasticity ay na ginagawang masikip ang kumpiyansa ng kumpiyansa, kaya nagbibigay ng isang mas malawak na kahulugan ng katumpakan kaysa sa inaasahan ng modelo ng ekonometric. Sinusubukan ng mga modelo ng ARCH ang pagkakaiba-iba ng mga term na error na ito, at sa proseso ng tama para sa mga problema na nagreresulta mula sa heteroskedasticity. Ang layunin ng mga modelo ng ARCH ay magbigay ng isang sukatan ng pagkasumpungin na maaaring magamit sa paggawa ng desisyon sa pananalapi.
Sa mga pamilihan sa pananalapi, ang mga analyst ay nakamasid sa isang bagay na tinatawag na pagkasumpung ng pagkasumpungin kung saan ang mga panahon ng mababang pagkasumpungin ay sinusundan ng mga panahon ng mataas na pagkasumpong at kabaligtaran. Halimbawa, ang pagkasumpungin para sa S&P 500 ay hindi gaanong mababa para sa isang pinalawig na panahon sa panahon ng bull market mula 2003 hanggang 2007, bago ang spiking upang maitala ang mga antas sa pagwawasto ng merkado ng 2008. Ang mga modelo ng ARCH ay magagawang iwasto para sa mga statistical problem na lumabas mula dito uri ng pattern sa data. Bilang isang resulta, naging pangunahing mga ito sa pagmomolde ng mga pamilihan sa pananalapi na nagpapakita ng pagkasumpungin. Ang konsepto ng ARCH ay binuo ng ekonomistang si Robert F. Engle, kung saan nanalo siya ng 2003 Nobel Memorial Prize sa Economic Science.
