GARCH(广义自回归条件异方差模型)是一类用于刻画时间序列波动性(尤其是金融收益率的“波动聚集”现象)的计量经济学模型。它通过让“条件方差”随过去的冲击与过去的方差动态变化,来改进对风险与波动的建模与预测。(在不同语境中也可能被当作统称,指一族 GARCH 型模型。)
/ɡɑːrtʃ/
GARCH is often used to model volatility in stock returns.
GARCH 常用于刻画股票收益率的波动性。
Using a GARCH(1,1) specification, the analyst estimated time-varying risk and produced a one-step-ahead volatility forecast for the portfolio.
使用 GARCH(1,1) 设定,分析师估计了随时间变化的风险,并为该投资组合给出了下一期的波动率预测。
GARCH是 Generalized Autoregressive Conditional Heteroskedasticity 的缩写,意为“广义的自回归条件异方差”。该术语由计量经济学家 Tim Bollerslev 在 1986 年系统提出,用来推广 ARCH 模型(Engle, 1982),使条件方差不仅依赖过去的冲击(残差平方),也依赖过去的方差,从而更贴近金融市场常见的波动持续性。