建立ARCH类模型可以研究波动的什么特征，举例说明，比如TAＲCH模型，可以进一步分析波动非对称性

建立ARCH类模型可以研究波动的以下特征： 1. 波动的大小：ARCH模型中的参数可以反映出波动的大小，即方差的变化。通过对模型参数的估计和分析，可以了解到时间序列数据的波动大小是否存在明显的变化趋势。 2. 波动的持续性：ARCH模型可以描述波动的持续性，即波动在时间上的延续程度。如果ARCH模型中的参数表现出较长的持续性，则说明波动在一段时间内可能会持续存在。 3. 波动的周期性：ARCH模型也可以反映出波动的周期性，即波动在时间上的重复出现。如果ARCH模型中的参数表现出周期性，则说明波动具有一定的周期性。 举例来说，我们可以使用GARCH（Generalized Autoregressive Conditional Heteroskedasticity）模型来研究某个股票收益率的波动特征。GARCH模型是ARCH模型的一种扩展形式，可以用于分析非常规的波动特征。 例如，假设我们想研究某个股票的收益率波动是否存在非对称性，即在价格上涨和下跌时，波动率是否不同。我们可以使用TARCH（Threshold Autoregressive Conditional Heteroskedasticity）模型来进行分析。TARCH模型考虑了波动率在正向和负向移动时可能不同的情况。这样，我们可以更准确地描述股票收益率的波动特征，并根据模型结果制定相应的投资策略。