量化金融模型ARCH模型官方例程（中文翻译版）

在Python金融时间序列分析中，ARCH是股票市场应用中经常使用到的工具，这里为大家整理的官方仓库的中模型用法实例，希望对你有帮助。

ARCH模型介绍 | Autoregressive Conditional Heteroskedasticity

自回归条件异方差（ARCH）是一种统计模型，用于分析时间序列的波动性，以预测未来的波动性。

ARCH模型将当前一切可利用信息作为条件，并采用某种自回归形式来刻划方差的变异，对于一个时间序列而言，在不同时刻可利用的信息不同，而相应的条件方差也不同，利用ARCH 模型，可以刻划出随时间而变异的条件方差。

在金融界，ARCH模型通过提供一个更接近真实市场的波动率模型来估计风险。ARCH模型显示出：高波动性时期之后是更多的高波动性，低波动性时期之后是更多的低波动性。

ARCH概念是由经济学家Robert F. Engle III在1980年代提出的。
在实践中，这意味着波动率或方差趋于聚集，这对投资者考虑在不同时间段持有资产的风险时是很有用的。

相关阅读:
串口通讯，三种数据传输方式介绍
SpringBoot到底是什么？
torch.torchvision
JAVA自定义注解记录操作日志
Hackthebox系列 Starting point Tier0 Meow记录
Spring MVC的控制器是不是单例模式
“Softing工业技术”微信视频号开通啦！
【JavaWeb】Servlet过滤器
微信小程序开发
带有数据存储内存块的数据存储

原文地址：https://blog.csdn.net/qazwsxpy/article/details/127904178