O que é heterocedasticidade condicional autoregressiva?
A heterocedasticidade condicional autoregressiva (ARCH) é um modelo estatístico de série temporal usado para analisar efeitos deixados sem explicação por modelos econométricos. Nesses modelos, o termo de erro é o resultado residual deixado sem explicação pelo modelo. A suposição de modelos econométricos é que a variação deste termo será uniforme. Isso é conhecido como "homoskedasticity". No entanto, em algumas circunstâncias, essa variação não é uniforme, mas "heterocedástica".
Entendendo a heterocedasticidade condicional autoregressiva
De fato, a variação desses termos de erro não é apenas não uniforme, mas é afetada pelas variações anteriores a ele. Isso é conhecido como "autoregressão". Da mesma forma, nas estatísticas, quando a variação de um termo é afetada pela variação de uma ou mais outras variáveis, é "condicional".
Isso é particularmente verdadeiro nas análises de séries temporais dos mercados financeiros. Por exemplo, nos mercados de valores mobiliários, períodos de baixa volatilidade são frequentemente seguidos por períodos de alta volatilidade. Portanto, a variação do termo de erro que descreve esses mercados varia dependendo da variação dos períodos anteriores.
O problema da heterocedasticidade é que ela torna os intervalos de confiança muito estreitos, dando assim uma maior sensação de precisão do que o garantido pelo modelo econométrico. Os modelos ARCH tentam modelar a variação desses termos de erro e, no processo, corrigir os problemas resultantes da heterocedasticidade. O objetivo dos modelos ARCH é fornecer uma medida de volatilidade que possa ser usada na tomada de decisões financeiras.
Nos mercados financeiros, os analistas observam algo chamado cluster de volatilidade, em que períodos de baixa volatilidade são seguidos por períodos de alta volatilidade e vice-versa. Por exemplo, a volatilidade do S&P 500 foi extraordinariamente baixa por um período prolongado durante o mercado em alta de 2003 a 2007, antes de atingir níveis recordes durante a correção do mercado de 2008. Os modelos ARCH são capazes de corrigir os problemas estatísticos que surgem dessa situação. tipo de padrão nos dados. Como resultado, eles se tornaram os pilares na modelagem de mercados financeiros que exibem volatilidade. O conceito ARCH foi desenvolvido pelo economista Robert F. Engle, pelo qual ganhou o Prêmio Nobel de 2003 em Ciências Econômicas.
