GARCH bermaksud Generalized Autoregressive Conditional Heteroskedasticity (Heteroskedastisiti Bersyarat Autoregresif Teritlak). Ia merupakan teknik pemodelan statistik yang digunakan oleh pelabur dan penganalisis untuk meramal volatiliti pulangan ke atas aset kewangan. Berbeza dengan kaedah mudah yang hanya bergantung pada sisihan piawai, GARCH menyediakan ukuran risiko yang lebih terperinci dengan mengambil kira hakikat bahawa volatiliti pasaran sering berlaku dalam kelompok, di mana tempoh varians tinggi atau rendah cenderung untuk menyusuli antara satu sama lain.
Model ini berfungsi dengan menganalisis data siri masa di mana varians bagi terma ralat mempunyai autokorelasi secara bersiri. Ia mengikuti proses purata bergerak autoregresif untuk menganggar volatiliti masa depan berdasarkan data sejarah. Dengan menggabungkan kedua-dua magnitud dan arah pulangan, model GARCH membantu penganalisis memahami bagaimana pergerakan harga masa lalu mempengaruhi ketidakpastian pasaran semasa, menjadikannya alat yang kukuh dari segi teori untuk ramalan kewangan.
Dalam praktiknya, GARCH kerap digunakan untuk menilai risiko dan pulangan jangkaan bagi saham, bon, dan instrumen kewangan lain. Sebagai contoh, seorang pelabur mungkin menggunakan model GARCH untuk menilai portfolio semasa tempoh ketidakstabilan pasaran, seperti menjelang kemelesetan ekonomi. Dengan mengenal pasti corak volatiliti yang berkelompok ini, model tersebut membolehkan pelabur mengimbangi pendedahan risiko mereka dengan lebih baik dan membuat keputusan yang lebih bermaklumat semasa memilih aset untuk portfolio mereka.