GARCH son las siglas en inglés de Heterocedasticidad Condicional Autorregresiva Generalizada. Es una técnica de modelado estadístico utilizada por inversores y analistas para predecir la volatilidad de los rendimientos de los activos financieros. A diferencia de los métodos simples que dependen únicamente de la desviación estándar, GARCH proporciona una medida de riesgo más matizada al tener en cuenta el hecho de que la volatilidad del mercado a menudo se produce en grupos, donde los períodos de alta o baja varianza tienden a sucederse.
El modelo funciona analizando datos de series temporales donde la varianza del término de error está autocorrelacionada en serie. Sigue un proceso de media móvil autorregresiva para estimar la volatilidad futura basándose en datos históricos. Al incorporar tanto la magnitud como la dirección de los rendimientos, los modelos GARCH ayudan a los analistas a comprender cómo los movimientos de precios pasados influyen en la incertidumbre actual del mercado, lo que los convierte en herramientas teóricamente sólidas para la previsión financiera.
En la práctica, GARCH se utiliza con frecuencia para evaluar el riesgo y los rendimientos esperados de acciones, bonos y otros instrumentos financieros. Por ejemplo, un inversor podría utilizar un modelo GARCH para evaluar una cartera durante períodos de inestabilidad del mercado, como los previos a una recesión. Al identificar estos patrones agrupados de volatilidad, el modelo permite a los inversores equilibrar mejor su exposición al riesgo y tomar decisiones más informadas al seleccionar activos para sus carteras.