¿Qué es la heterocedasticidad condicional autorregresiva?
La heteroscedasticidad condicional autorregresiva (ARCH) es un modelo estadístico de series de tiempo utilizado para analizar los efectos que los modelos econométricos dejan sin explicar. En estos modelos, el término de error es el resultado residual que el modelo deja sin explicar. La suposición de los modelos econométricos es que la varianza de este término será uniforme. Esto se conoce como "homoscedasticidad". Sin embargo, en algunas circunstancias, esta variación no es uniforme, sino "heteroscedastica".
Comprensión de la heterocedasticidad condicional autorregresiva
De hecho, la varianza de estos términos de error no es solo no uniforme sino que se ve afectada por las variaciones que la preceden. Esto se conoce como "autorregresión". De manera similar, en estadística, cuando la varianza de un término se ve afectada por la varianza de una o más variables, es "condicional".
Esto es particularmente cierto en los análisis de series temporales de los mercados financieros. Por ejemplo, en los mercados de valores, los períodos de baja volatilidad suelen ir seguidos de períodos de alta volatilidad. Por lo tanto, la varianza del término de error que describe estos mercados variará dependiendo de la varianza de períodos anteriores.
El problema con la heterocedasticidad es que hace que los intervalos de confianza sean demasiado estrechos, dando así una mayor sensación de precisión de lo que garantiza el modelo econométrico. Los modelos ARCH intentan modelar la varianza de estos términos de error, y en el proceso corrigen los problemas resultantes de la heterocedasticidad. El objetivo de los modelos ARCH es proporcionar una medida de volatilidad que se pueda utilizar en la toma de decisiones financieras.
En los mercados financieros, los analistas observan algo llamado agrupamiento de volatilidad en el cual los períodos de baja volatilidad son seguidos por períodos de alta volatilidad y viceversa. Por ejemplo, la volatilidad del S&P 500 fue inusualmente baja durante un período prolongado durante el mercado alcista de 2003 a 2007, antes de alcanzar niveles récord durante la corrección del mercado de 2008. Los modelos ARCH pueden corregir los problemas estadísticos que surgen de esto. tipo de patrón en los datos. Como resultado, se han convertido en pilares en el modelado de mercados financieros que exhiben volatilidad. El concepto ARCH fue desarrollado por el economista Robert F. Engle, por el cual ganó el Premio Nobel 2003 en Ciencias Económicas.
