Heteroskedastisitas Bersyarat Autoregresif (ARCH)
Apakah itu Autoregressive Conditional Heteroskedasticity (ARCH)?
Autoregressive conditional heteroskedasticity (ARCH) ialah model statistik yang digunakan untuk menganalisis turun naik dalam siri masa untuk meramalkan turun naik masa hadapan. Dalam dunia kewangan, pemodelan ARCH digunakan untuk menganggarkan risiko dengan menyediakan model turun naik yang lebih hampir menyerupai pasaran sebenar. Pemodelan ARCH menunjukkan bahawa tempoh turun naik yang tinggi diikuti dengan turun naik yang lebih tinggi dan tempoh turun naik yang rendah diikuti dengan turun naik yang lebih rendah.
Dalam amalan, ini bermakna turun naik atau varians cenderung berkelompok, yang berguna kepada pelabur apabila mempertimbangkan risiko memegang aset dalam tempoh masa yang berbeza. Konsep ARCH telah dibangunkan oleh ahli ekonomi Robert F. Engle III pada tahun 1980-an. ARCH serta-merta menambah baik pemodelan kewangan, menyebabkan Engle memenangi Hadiah Memorial Nobel dalam Sains Ekonomi 2003.
Memahami Autoregressive Conditional Heteroskedasticity (ARCH)
Model heteroskedastisitas bersyarat autoregresif (ARCH) telah direka untuk menambah baik model ekonometrik dengan menggantikan andaian turun naik malar dengan turun naik bersyarat. Engle dan orang lain yang bekerja pada model ARCH menyedari bahawa data kewangan masa lalu mempengaruhi data masa depan—iaitu definisi autoregresif. Bahagian heteroskedastisitas bersyarat ARCH hanya merujuk kepada fakta yang boleh diperhatikan bahawa turun naik dalam pasaran kewangan adalah tidak tetap—semua data kewangan, sama ada nilai pasaran saham, harga minyak, kadar pertukaran atau KDNK, melalui tempoh turun naik yang tinggi dan rendah. Ahli ekonomi sentiasa mengetahui jumlah perubahan turun naik, tetapi mereka sering mengekalkannya tetap untuk tempoh tertentu kerana mereka tidak mempunyai pilihan yang lebih baik apabila memodelkan pasaran.
ARCH menyediakan model yang boleh digunakan oleh ahli ekonomi dan bukannya pemalar atau purata untuk turun naik. Model ARCH juga boleh mengenali dan meramalkan melangkaui kelompok turun naik yang dilihat dalam pasaran semasa tempoh krisis kewangan atau peristiwa angsa hitam yang lain. Sebagai contoh, turun naik untuk S&P 500 adalah luar biasa rendah untuk tempoh yang panjang semasa pasaran menaik dari 2003 hingga 2007, sebelum melonjak ke tahap rekod semasa pembetulan pasaran pada 2008. Variasi tidak sekata dan melampau ini sukar untuk model berasaskan sisihan piawai untuk menangani. Model ARCH, bagaimanapun, dapat membetulkan masalah statistik yang timbul daripada corak jenis ini dalam data. Selain itu, model ARCH berfungsi paling baik dengan data frekuensi tinggi (setiap jam, harian, bulanan, suku tahunan), jadi ia sesuai untuk data kewangan. Akibatnya, model ARCH telah menjadi tunjang utama untuk memodelkan pasaran kewangan yang mempamerkan turun naik (yang sebenarnya adalah semua pasaran kewangan dalam jangka masa panjang).
Evolusi Model ARCH yang Berterusan
Menurut syarahan Nobel Engle pada tahun 2003, beliau membangunkan ARCH sebagai tindak balas kepada sangkaan Milton Friedman bahawa ketidakpastian tentang kadar inflasi dan bukannya kadar inflasi sebenar yang memberi kesan negatif kepada ekonomi. Sebaik sahaja model itu dibina, ia terbukti tidak ternilai untuk meramalkan semua jenis turun naik. ARCH telah melahirkan banyak model berkaitan yang juga digunakan secara meluas dalam penyelidikan dan kewangan, termasuk GARCH,. EGARCH, STARCH, dan lain-lain.
Model varian ini sering memperkenalkan perubahan dari segi pemberat dan syarat untuk mencapai julat ramalan yang lebih tepat. Contohnya, EGARCH, atau GARCH eksponen, memberikan pemberat yang lebih besar kepada pulangan negatif dalam siri data kerana ini telah ditunjukkan untuk mewujudkan lebih banyak turun naik. Dengan kata lain, turun naik dalam carta harga meningkat lebih banyak selepas penurunan besar berbanding selepas kenaikan besar. Kebanyakan varian model ARCH menganalisis data lepas untuk melaraskan pemberat menggunakan pendekatan kemungkinan maksimum maksimum. Ini menghasilkan model dinamik yang boleh meramalkan turun naik jangka pendek dan masa hadapan dengan ketepatan yang semakin meningkat—yang sudah tentu, mengapa begitu banyak institusi kewangan menggunakannya.
##Sorotan
Model ARCH digunakan oleh institusi kewangan untuk memodelkan risiko aset dalam tempoh pegangan yang berbeza.
Model autoregressive conditional heteroskedasticity (ARCH) mengukur turun naik dan meramalkannya pada masa hadapan.
Terdapat pelbagai jenis model ARCH yang mengubah pemberat untuk memberikan pandangan berbeza bagi set data yang sama.
Model ARCH adalah dinamik, bermakna ia bertindak balas terhadap perubahan dalam data.
