弱平稳性和 ARMA-ARCH/GARCH 模型?

机器算法验证 时间序列 平稳性 加奇 挥发性
2022-03-17 02:40:54

我对与 ARCH/GARCH 模型相关的弱平稳性有点恼火。我不知道答案,也不确定:

基本问题是:

在应用 ARMA-GARCH 模型之前,我们是否必须测试弱平稳性?

进一步可以说:

ADF 和其他人测试均值方程,但这不适用于波动率方程,那么我们必须对自协方差-平稳性使用什么测试?

我的想法:

标准 ARMA 模型假定无条件均值和无条件方差是恒定的。对于 ARMA-GARCH 模型,情况也是如此:无条件均值和无条件方差需要保持不变,而对于 ARMA-GARCH 模型,条件方差不需要保持不变。

正确的是,对于平均方程,我们可能不得不考虑使用趋势平稳或差异平稳模型。但这仅涉及平均方程,是的。

可以通过测试 ARCH 效应(Box-Ljung,拉格朗日乘数)来测试条件方差。

所以对于 ARMA-GARCH 模型,我们仍然需要弱平稳性,因为无条件均值和无条件方差需要保持不变。所以我不确定,但我们必须在应用 ARMA-GARCH 模型之前测试弱平稳性?尤其是在财务回报方面,我们是否也必须对其进行测试?我们使用哪个测试(以及在 R 中实现了哪个命令,那么您可以建议什么命令?)

我知道,如果无条件方差是非平稳的(不是有限的,那么它也不是恒定的),则集成 GARCH 可能是合适的。但是仅仅因为它不是恒定的,我不能说我使用了一个集成的 GARCH 模型吗?

我也知道对于 ARMA-GARCH 过程,所有“特征”根都位于单位圆之外。所以在 ARMA-GARCH(1,1) 的情况下α1+β1<1有必要的。但我只是在估计之后才看到这个?这不是协方差平稳性检验吗?

编辑:它基本上归结为(见评论):我怎样才能测试无条件方差是恒定的?我的意思是为了应用 GARCH 模型,我必须确保我有恒定的无条件均值(ADF 测试等),并且我必须测试恒定的无条件方差(如何?)。我知道我必须进一步确保我对 GARCH 过程有非常量的条件方差,否则有一个恒定的条件方差 ARMA 就足够了(测试 ARCH 效应)。

编辑 2:在 locits 包中有一个小波谱测试,这个测试怎么样?

4个回答

严格平稳性是平稳性的最强形式。这意味着任何时间序列集合的联合统计分布都不会随时间变化。因此,无论您选择哪个变量,任何变量的均值、方差和任何时刻都是相同的。但是,对于日常使用,严格的平稳性过于严格。因此,经常使用以下较弱的定义。2 阶平稳性,包括恒定均值、恒定方差和不依赖于时间的自协方差。(二阶平稳或二阶平稳)。一种较弱的平稳性形式,即一阶平稳,这意味着平均值是时间的常数函数,时变意味着获得一阶平稳的函数。

如果您要通过 ARIMA 以外的其他方法执行回归,则使用传统的平稳性测试,例如我们 PP.test(Phillips-Perron 单位根测试)、kpss 测试或 Augmented Dickey-Fuller 测试是不够的(因为在 Arima 中,订单是固定的并且模型中不包括其他产生非平稳性的因素)。对于非 Arima 情况,频域中的平稳性测试更为充分。

频域测试:非平稳性的 Priestley-Subba Rao (PSR) 测试(分形包)。基于检查一组谱密度函数 (SDF) 估计跨时间、跨频率或两者的均匀性。

您所指的测试也是频域中的测试(测试二阶单位根测试),其中小波着眼于称为 βj(t) 的量,该量与基于小波的时变谱密切相关时间序列(它是 Nason、von Sachs 和 Kroisandt,2000 的局部平稳小波过程的进化小波谱的线性变换)。因此,我们通过查看估计的 Haar 小波系数来查看 βj(t) 函数是随时间变化还是恒定的,因此如果所有 haar 系数都为零(locits 包),则它是平稳的。

还有其他关于平稳性的担忧,例如我们的长期依赖,分数集成过程(ARFIMA),其中术语 d(差异)指的是长期记忆过程。

高阶非平稳性、长期依赖性的影响是它们实际上系统地反映在回归的误差中,但是它的影响以及回归的有效性很难衡量

来自:“金融计量经济学:从基础到高级建模技术”Rachev、Mittnik 等人。(威利 2006 年)。

在此处输入图像描述

您可以对您的问题使用以下统计测试:

Sanso, A.、Arago, V. 和 Carrion, J.(2004 年),“金融时间序列无条件方差的变化测试”,Revista de Economia Financiera,4, 32–53。

结果,您将知道您的时间序列的无条件方差是否可以被认为是恒定的(从给定的置信水平)。

他们的测试统计可以很容易地实现。

享受!

作为一个实用的“测试”,您可以在几个子样本上估计您的 GARCH 模型,并简单地查看非条件方差 c*(1-(a+b))^-1 是否发生很大变化。