GARCH signifie « Generalized Autoregressive Conditional Heteroskedasticity » (hétéroscédasticité conditionnelle autorégressive généralisée). Il s'agit d'une technique de modélisation statistique utilisée par les investisseurs et les analystes pour prédire la volatilité des rendements des actifs financiers. Contrairement aux méthodes simples qui reposent uniquement sur l'écart-type, le modèle GARCH offre une mesure du risque plus nuancée en tenant compte du fait que la volatilité du marché se produit souvent par grappes, où des périodes de forte ou de faible variance ont tendance à se succéder.
Le modèle fonctionne en analysant des données de séries temporelles où la variance du terme d'erreur est autocorrélée en série. Il suit un processus de moyenne mobile autorégressive pour estimer la volatilité future sur la base de données historiques. En intégrant à la fois l'ampleur et la direction des rendements, les modèles GARCH aident les analystes à comprendre comment les mouvements de prix passés influencent l'incertitude actuelle du marché, ce qui en fait des outils théoriquement solides pour les prévisions financières.
En pratique, le GARCH est fréquemment utilisé pour évaluer le risque et les rendements attendus des actions, des obligations et d'autres instruments financiers. Par exemple, un investisseur peut utiliser un modèle GARCH pour évaluer un portefeuille pendant des périodes d'instabilité du marché, comme à l'approche d'une récession. En identifiant ces modèles de volatilité regroupés, le modèle permet aux investisseurs de mieux équilibrer leur exposition au risque et de prendre des décisions plus éclairées lors de la sélection d'actifs pour leurs portefeuilles.