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。

arch官网

https://arch.readthedocs.io/en/latest/

arch例程

bootstrap-示例
https://www.heywhale.com/mw/notebook/636e1ef100125077ce376079

多重比较-示例
https://www.heywhale.com/mw/notebook/636e1ef100125077ce37607f

协整测试-示例
https://www.heywhale.com/mw/notebook/636e1ef200125077ce376085

单位根-示例
https://www.heywhale.com/mw/notebook/636e1ef200125077ce37608b

外生变量的单变量预测-示例
https://www.heywhale.com/mw/notebook/636e1ef300125077ce376091

采用固定方差的单变量-示例
https://www.heywhale.com/mw/notebook/636e1ef300125077ce376097

单变量波动性预测-示例
https://www.heywhale.com/mw/notebook/636e1ef300125077ce37609d

单变量波动率建模-示例
https://www.heywhale.com/mw/notebook/636e1ef400125077ce3760a3

单变量波动率情景-示例
https://www.heywhale.com/mw/notebook/636e1ef400125077ce3760a9