通常认为，截面数据容易存在异方差，而时间序列数据常存在自相关。然而，Engle(1982)指出，时间序列数据也常存在一种特殊的异方差，即“自回归条件异方差”（Autoregressive Conditional Heteroskedastickty，简记ARCH）。Bollerslev（1986）对ARCH进行了推广，称为“Generalized ARCH”，简记GARCH。
区别：在ARCH模型中，假设取决于前p期扰动项之平方：

在ARCH(p)模型中，如果p很大，则要估计很多参数，会损失样本容量。Bollerslev(1986)提出GARCH，使得带估计参数减少，而对未来条件方差的预测更加准确。其基本思想是，在ARCH模型的基础上，再加上的自回归部分，即还是的函数。GARCH（p，q）的模型设定为

联系：
（1）都是条件异方差模型，即模型中的条件方差都会随着时间变化
（2）在某种意义上，GARCH(1,1)等价于无穷阶ARCH模型。（推导见附件）
还有一篇论文原文Engle(1982)

非常感谢，我会好好学的，我刚开始学量化，还有好多不懂的，求支援