Svārstīguma klasterizācija ir tendence, ka lielās finanšu aktīvu cenu izmaiņas mainās uz klasteru, kas izraisa šo cenu izmaiņu lieluma saglabāšanos. Vēl viens veids, kā aprakstīt nepastāvības klasterizācijas fenomenu, ir citēt slaveno zinātnieku-matemātiķi Benoitu Mandelbrotu un definēt to kā novērojums, ka "lielām izmaiņām parasti seko lielas pārmaiņas... un mazām izmaiņām parasti seko nelielas izmaiņas", kad runa ir par tirgos. Šī parādība tiek novērota, ja ir ilgstoši augsta tirgus svārstīguma vai relatīvā perioda periodi likme, ar kādu mainās finanšu aktīva cena, kam seko “mierīga” vai zema nepastāvība.
Tirgus nepastāvības uzvedība
Laika sērija finanšu aktīvu atdeve bieži parāda nepastāvības apvienošanos. Laika sērijā akciju cenaspiemēram, tiek novērots, ka atdeves vai apaļkoku cenu variācijas ir lielas ilgāku laiku un pēc tam zems ilgāku laiku. Dienas ienesīguma variācijas var būt lielas viena mēneša laikā (augsta nepastāvība), bet nākamajā - mazā dispersija (zema nepastāvība). Tas notiek tādā mērā, ka tas padara iid modeli (neatkarīgu un identiski sadalītu modeli) baļķu cenu vai aktīvu atdevi nepārliecinošu. Tieši šo cenu laika rindu īpašību sauc par nepastāvības klasterizāciju.
Praksē un investīciju pasaulē tas nozīmē, ka tirgi uz jauno informāciju reaģē ar lielu cenu svārstības (nepastāvība), šīm vidēm ar lielu nepastāvību mēdz ilglaicīgi pastāvēt pēc šī pirmā šoka. Citiem vārdiem sakot, ja tirgū cieš a gaistošs šoks, gaidāma lielāka nepastāvība. Šī parādība tiek saukta par nepastāvības satricinājumu noturība, kas rada nepastāvības klasterizācijas jēdzienu.
Modelēšana no nepastāvības klasterizācijas
Svārstīguma klasterizācijas parādība ir izraisījusi lielu interesi daudzu veidu pētniekiem un ietekmējusi stohastisko modeļu attīstību finanšu jomā. Bet nepastāvības grupēšanai parasti pieiet, cenu procesu modelējot ar ARCH tipa modeli. Mūsdienās ir vairākas metodes šīs parādības kvantitatīvai noteikšanai un modelēšanai, bet divi ir visplašāk izmantotie modeļi autoregresīvā nosacītā heteroskedatilitāte (ARCH) un vispārinātā autoregresīvā nosacītā heteroskedasticitāte (GARCH) modeļiem.
Lai gan ARCH tipa modeļus un stohastiskās nepastāvības modeļus pētnieki izmanto, lai tos piedāvātu statistikas sistēmas, kas atdarina nepastāvības apvienošanos, tās joprojām nedod nekādu ekonomisko nozīmi skaidrojums tam.