Введение. В последнее время, в связи с усложнением механизмов, лежащих в основе финансовых рынков и институтов, для того, чтобы принять правильное, взвешенное решение и выработать грамотную стратегию поведения, необходимы математические модели, учитывающие всё большее количество факторов. Наибольший интерес с научной точки зрения представляет изучение изменчивости рыночного процесса. Ключевым параметром, который численно её характеризует, является волатильность. Авторегрессионные гетероскедастичные модели определения вола-тильности (ARCH, GARCH, и др.) позволяют учесть эффект кластеров на рынке, когда торговля достаточно хорошо может быть разделена на периоды низкой и высокой волатильности. В модели авторегрессионной условной гетероскедастичности ARCH [1] каждому дню присваивается свой вес, убывающий по мере удаления от текущей даты. Модель GARCH [2] вовлекает в вычисления значения волатильностей, вычисленные на предыдущих шагах. Поскольку рынок обладает памятью, необходимо эту память учитывать. Для сравнения эффективности в настоящей работе была рассмотрена модель J. P. Morgan (1996) экспоненциально взвешенного скользящего среднего EWMA. Преимущество EWMA-модели заключается в том, что для её реализации необязательно хранить большое количество данных. В любой момент времени достаточно помнить только текущую оценку дисперсии и последнее измеренное значение рыночного показателя. Измерив новое значение рыночного показателя, можно вычислить новое суточное относительное изменение и получить новую оценку дисперсии. При этом вклад доходности каждого периода экспоненциально убывает по мере его удаления в прошлое. Для того чтобы понять, какую же из существующих моделей выбрать в качестве основы при моделировании биржевых колебаний, необходимо проанализировать свойства соответствую-