36.2　另一种方法：GARCH

GARCH是广义自回归条件异方差（Generalized Autoregressive Conditional Heteroskedasticity）的简称，GARCH是这个术语的英文缩写。它是预测波动率的一种技术，有的分析家说这种技术产生的结果比单单使用历史波动率或隐含波动率所产生的预测要好。GARCH是在20世纪80年代由经济学领域中的专家创建的。它结合了历史波动率和隐含波动率，同时，使用者还可以加进一个常数（修正值，fudge factor）。不过，从本质上说，GARCH波动率模型的使用者必须对这些用来做估量的因素的权重做某种预测或判定。因此，就其性质而言，它同前面所描写的情况一样，也是不明确的。

不过，如果使用正确的话，这个模型可以“学习”。也就是说，如果交易者（假设使用GARCH）对今天的波动率做了一个预测，但是，事实证明实际的波动率要更低一些，于是，在做明天的波动率预测时，你或许想要使用现实世界的经验来将它往下调整，因为你看到现实的波动率在下降。这也结合了波动率倾向于保持不变的常识，也就是说，明天的波动率可能同今天的相同（根据统计学数据，在2/3的时间内是这样）。这就像是当飓风袭击时，你必须意识到你的预测有可能错了。同样的情况也适用于GARCH波动率预测，它们也有可能出现错误。

因此，在对波动率进行评估和预测方面，GARCH并不是完美无缺的。事实上，从策略家的角度看，同前面所描写的最小/最大的技术相比，它甚至并不高出一筹。它发挥最好作用的领域是预测短期波动率，最喜欢这个模型的是货币期权的经纪商，因为他们必须不断地调整他们的市场报价。对于长期波动率的预测，GARCH并不很有用，而长期波动率的预测正是一个波动率的头寸交易者所感兴趣的。不过，在对波动率进行预测方面，GARCH被认为是最先进的技术，因此，许多注重理论的交易者和分析家都奉行这个模型。