Heteroscedasticidad Condicional Autorregresiva con Estimaciones de la Varianza de la Inflación en el Reino Unido

Los modelos econométricos tradicionales asumen una varianza constante de pronóstico para un período. Para generalizar esta suposición poco plausible, en este artículo se introduce una nueva clase de procesos estocásticos llamados procesos autorregresivos condicionales de heteroscedasticidad (ARCH). Estos son procesos con media cero, no correlacionados serialmente, con varianzas no constantes condicionadas al pasado, pero varianzas condicionales constantes. Para tales procesos, el pasado reciente proporciona información sobre la varianza de pronóstico a un período. Luego se introduce un modelo de regresión con perturbaciones que siguen un proceso ARCH. Se describen los estimadores de máxima verosimilitud y se formula una iteración de puntuación simple. Los mínimos cuadrados ordinarios mantienen sus propiedades de optimalidad en esta configuración, pero la máxima verosimilitud es más eficiente. Se calcula la eficiencia relativa y puede ser infinita. Para probar si las perturbaciones siguen un proceso ARCH, se emplea el procedimiento del multiplicador de Lagrange. La prueba se basa simplemente en la autocorrelación de los residuos al cuadrado de los MCO. Este modelo se utiliza para estimar las medias y varianzas de la inflación en el Reino Unido. Se encuentra que el efecto ARCH es significativo y las varianzas estimadas aumentan sustancialmente durante los caóticos setenta.