Klastrovanie volatility je tendencia veľkých zmien cien finančných aktív klastrovať sa dohromady, čo vedie k pretrvávaniu týchto rozsahov cenových zmien. Ďalším spôsobom, ako opísať jav fenoménu zoskupenia volatility, je citovať slávneho vedca-matematika Benoita Mandelbrota a definovať ho ako pozorovanie, že „veľké zmeny majú tendenciu nasledovať veľké zmeny... a malé zmeny majú tendenciu nasledovať malé zmeny“ trhy. Tento jav sa pozoruje, keď existujú dlhé obdobia vysokej volatility trhu alebo príbuzného sadzba, pri ktorej sa mení cena finančného aktíva, nasleduje perióda „pokoja“ alebo nízkej volatility.
Správanie volatility trhu
Časové rady výnosov z finančných aktív často preukazuje zoskupovanie volatility. V časovej rade ceny akciínapríklad sa zistilo, že rozptyl výnosov alebo denníkov je vysoký po dlhší čas a potom nízka na dlhšiu dobu. Ako taký môže byť rozptyl denných výnosov vysoký jeden mesiac (vysoká volatilita) a nasledujúci nízka rozptyl (nízka volatilita). K tomu dochádza do tej miery, že to robí model iid (nezávislý a identicky distribuovaný model) protokolových cien alebo výnosov z aktív nepresvedčivý. Práve táto vlastnosť časovej rady cien sa nazýva zoskupovanie volatility.
V praxi a vo svete investovania to znamená, že trhy reagujú na nové informácie veľkým objemom cenové pohyby (volatilita), tieto prostredia s vysokou volatilitou majú tendenciu vydržať chvíľu po tomto prvom šoku. Inými slovami, ak trh trpí a prchavý šok, mala by sa očakávať väčšia volatilita. Tento jav sa označuje ako pretrvávanie výkyvov volatility, čo vedie k koncepcii zoskupovania volatility.
Modelovanie klastrov volatility
Fenomén zoskupovania volatility je predmetom veľkého záujmu výskumníkov z mnohých prostredí a ovplyvnil vývoj stochastických modelov vo financiách. K zoskupovaniu volatility sa však zvyčajne pristupuje modelovaním cenového procesu pomocou modelu typu ARCH. V súčasnosti existuje niekoľko metód na kvantifikáciu a modelovanie tohto javu, ale dva najčastejšie používané modely sú autoregresívna podmienená heteroskedasticita (ARCH) a generalizovaná autoregresívna podmienená heteroskedasticita (GARCH) modely.
Zatiaľ čo modely typu ARCH a stochastické modely volatility používajú vedci, niektoré ponúkajú štatistické systémy, ktoré napodobňujú zoskupovanie volatility, stále nedávajú žiadne ekonomické údaje vysvetlenie.