为了说得更具体,让我们回到k-变量回归模型: y=ro+y +ykk tu 并假设在时刻(11)所有信息已知的条件下,扰动项L的分布是: l4~N0,(a0+a21 也就是,遵循以0为均值,(a0+a1l21)为方差的正态分布 由于(2)中u的方差依赖于前期的平方扰动项,我们称它为ARCH(1) 过程 var(u=0=ao+a 然而,容易加以推广。4 为了说得更具体，让我们回到k -变量回归模型： (1) 并假设在时刻 ( t-1 ) 所有信息已知的条件下，扰动项 的分布是： ~ (2) 也就是， 遵循以0为均值， 为方差的正态分布。 由于（2）中 的方差依赖于前期的平方扰动项，我们称它为ARCH(1) 过程： 然而，容易加以推广。 t t k k t ut y =  0 + 1 x1 ++ x + ut (0 ,( )) 2 0 + 1 t−1 N   u ( ) 2 0 +1 ut−1 ut ut 2 0 1 1 2 var( )t = t = + t− u    u ut