Arch LM comprueba si los coeficientes de la regresión:
$$a_t^2=\alpha_0+\alpha_1 a_{t-1}^2+...+\alpha_p a_{t-p}^2+e_t$$
son cero, donde $a_t$ es cualquiera de las series observadas que queremos probar para los efectos ARCH. Así que la hipótesis nula es
$$\alpha_1=...=\alpha_p=0$$
Si se acepta la hipótesis, podemos decir que las series no tienen efectos ARCH. Si se rechaza, entonces uno o más coeficientes son distintos de cero y decimos que hay efectos ARCH.
Aquí tenemos el clásico problema de regresión de las hipótesis conjuntas frente a las individuales. Cuando se incluyen más regresores, la regresión es conjuntamente insignificante, aunque algunos regresores parecen ser significativos. Todos los libros de introducción a la regresión suelen tener un capítulo dedicado a esto. El motivo principal es que las hipótesis conjuntas tienen en cuenta todas las interacciones, cuando las hipótesis individuales no lo hacen. Así que en este caso la estadística con pocos rezagos no tiene en cuenta los efectos de más rezagos.
Cuando las pruebas estadísticas arrojan resultados contradictorios, para mí es una indicación de que los datos deben ser reexaminados. Las pruebas estadísticas suelen tener ciertos supuestos, que los datos pueden violar. En tu caso, si miramos el gráfico de la serie, vemos muchos ceros.
Por lo tanto, no se trata de una serie temporal ordinaria y yo dudaría en utilizar el modelo ARCH simple.