Trong bài học trước, chúng ta đã khám phá mô hình ARCH và thấy rằng nó là một công cụ mạnh mẽ để nắm bắt hiện tượng biến động cụm. Tuy nhiên, trong thực hành, mô hình ARCH có một nhược điểm: để mô tả đầy đủ sự bền bỉ (persistence) của biến động trong dữ liệu tài chính, nó thường đòi hỏi một bậc trễ $p$ khá lớn. Điều này dẫn đến một mô hình có nhiều tham số cần ước lượng, có thể gây ra các vấn đề về tính ổn định của tham số và vi phạm ràng buộc không âm. Để giải quyết vấn đề này, Tim Bollerslev (1986) đã đề xuất một sự tổng quát hóa khéo léo, được gọi là Mô hình Phương sai thay đổi có điều kiện Tự hồi quy Tổng quát (Generalized Autoregressive Conditional Heteroscedasticity – GARCH). Ý tưởng cốt lõi của GARCH là bổ sung thêm các giá trị trễ của chính phương sai có điều kiện vào phương trình phương sai. Điều này tương tự như việc thêm thành …