Volatilna klasteriranje je tendencija velikih promjena u cijenama financijske imovine da se udružuju, što rezultira ustrajanjem ovih veličina promjena cijena. Drugi način opisivanja fenomena kolebanja za nestabilnost jest citiranje poznatog znanstvenika-matematičara Benoita Mandelbrota i definirati ga kao zapažanje da "velike promjene imaju tendenciju da slijede velike promjene... a male promjene imaju tendenciju da slijede male promjene" kada je riječ o tome tržišta. Ovaj se fenomen uočava kada su produžena razdoblja velike nestabilnosti na tržištu ili relativna stopa po kojoj se mijenja cijena financijske imovine, nakon čega slijedi razdoblje "mirne" ili male volatilnosti.
Ponašanje volatilnosti tržišta
Vremenske serije prinosi financijske imovine često pokazuju volatilnost grupiranja. U vremenskoj seriji od cijene dionica, na primjer, uočeno je da je varijanca prinosa ili cijena zapisa velika za produžena razdoblja, a zatim niska za produžena razdoblja. Kao takva, varijanca dnevnih prinosa može biti velika mjesec dana (visoka volatilnost) i sljedeći dan pokazati nisku varijancu (niska volatilnost). To se događa do te mjere da to čini iid model (neovisan i identično raspodijeljen model) cijena dnevnika ili povrata imovine neuvjerljiv. Upravo se ovo svojstvo vremenskih serija cijena naziva volatilno grupiranje.
To znači u praksi i u svijetu ulaganja to je što tržišta odgovaraju velikim informacijama kretanja cijena (volatilnost), ova okruženja visoke volatilnosti uglavnom podnose neko vrijeme nakon prvog šoka. Drugim riječima, kada tržište trpi isparljivi šok, treba očekivati veću isparljivost. Taj se fenomen naziva i postojanost šokova hlapljivosti, što stvara koncept grupiranja volatilnosti.
Modeliranje klasteriranja volatilnosti
Fenomen grupiranja volatilnosti bio je od velikog interesa za istraživače mnogih sredina i utjecao je na razvoj stohastičkih modela u financijama. No, grupiranju volatilnosti obično se pristupa modeliranjem cjenovnog postupka s modelom tipa ARCH. Danas postoji nekoliko metoda za kvantificiranje i modeliranje ovog fenomena, ali dva su najčešće korištena modela autoregresivna uvjetna heteroskedastičnost (ARCH) i generalizirana autoregresivna uvjetna heteroskedastika (GARCH) modeli.
Dok modeli ARCH tipa i stohastički modeli volatilnosti istraživači koriste neke od njih statistički sustavi koji imitiraju volatilnost klasteriranja još uvijek ne daju nikakav ekonomski objašnjenje za to.