Conditional Heteroskedasticity

概述

条件异方差（Conditional Heteroskedasticity）是指时间序列数据的条件方差随时间变化的现象，其中 GARCH 模型是对其的广义化建模方法。

关键内容

1. 基本概念：在传统的时间序列分析中，误差项通常假设为同方差（constant variance），但实际金融数据中经常观察到误差的方差随时间变化，这就是条件异方差现象。

2. 条件 vs 无条件：无条件异方差关注的是整个序列的总体方差特征，而条件异方差关注的是在给定过去信息的条件下当前的方差。

3. 建模发展：Engle 提出的 ARCH 模型首次为条件异方差提供了建模框架，而 Bollerslev 的 GARCH 模型进一步将其广义化，通过加入方差自身的滞后项解决了原模型的参数过多问题。

4. 实际意义：条件异方差建模对于风险度量、资产定价和宏观经济分析具有重要意义，因为它能够捕捉到金融市场的不确定性是如何随时间演变的。

来源

• 09-bollerslev-1986-garch.md — 介绍条件异方差的概念及其在GARCH模型中的应用

相关

• ARCH Model — 早期建模方法
• Tim Bollerslev — 广义化发展
• GARCH Model — 广义化建模方法
• Time Series Analysis — 所属领域