计量经济学：时间序列的ARCH模型波动聚类.docxVIP

计量经济学：时间序列的ARCH模型波动聚类

一、引言

在金融市场、宏观经济等领域的时间序列分析中，研究者常观察到一种典型现象：资产价格的大幅波动往往集中出现，随后伴随一段相对平稳的波动期，这种“大波动后接大波动、小波动后接小波动”的聚集特征被称为“波动聚类”（VolatilityClustering）。传统计量模型（如线性回归、ARMA模型）假设时间序列的方差恒定，无法捕捉这一动态特征，导致模型对风险的评估失真。1982年，计量经济学家罗伯特·恩格尔（RobertF.Engle）提出自回归条件异方差（AutoregressiveConditionalHeteroskedasticity，ARCH）模型，首次为波动聚类现象提供了系统的建模工具（Engle，1982）。此后，ARCH模型及其扩展（如GARCH、EGARCH等）成为分析时间序列波动特征的核心方法，广泛应用于金融风险管理、资产定价和政策评估等领域。本文将围绕ARCH模型与波动聚类的关联展开，从现象描述、模型机制、扩展发展到实证应用，层层递进解析这一重要计量工具的理论价值与实践意义。

二、波动聚类：时间序列的典型特征与传统模型的局限

（一）波动聚类的表现与经济含义

波动聚类是时间序列中条件方差非恒定的直观体现。以股票市场收益率为例，若某日因重大政策发布或企业财报超预期，股价出现5%的大幅波动，次日往往仍可能因市场情