การใช้ ARMA-GARCH จำเป็นต้องใช้เครื่องเขียนหรือไม่?


14

ฉันจะใช้แบบจำลอง ARMA-GARCH สำหรับอนุกรมเวลาทางการเงินและสงสัยว่าชุดควรจะอยู่กับที่หรือไม่ก่อนที่จะใช้โมเดลดังกล่าว ฉันรู้ที่จะใช้โมเดล ARMA ชุดควรจะอยู่กับที่อย่างไรก็ตามฉันไม่แน่ใจสำหรับ ARMA-GARCH เนื่องจากฉันรวมถึงข้อผิดพลาด GARCH ซึ่งบ่งบอกถึงความผันผวนของการจัดกลุ่มและความแปรปรวนแบบไม่คงที่และแบบไม่คงที่ไม่ว่าจะเปลี่ยนแปลงอะไรก็ตาม .

อนุกรมเวลาทางการเงินมักจะอยู่กับที่หรือหยุดนิ่ง? ฉันลองใช้การทดสอบ ADF กับซีรี่ย์ระเหยสองสามตัวและได้ค่า p <0.01 ซึ่งดูเหมือนว่าจะบ่งบอกความคงที่ แต่หลักการของซีรียส์ระเหยนั้นเองบอกเราว่า

บางคนสามารถบอกฉันว่าฉันสับสนหรือเปล่า

คำตอบ:


11

การคัดลอกจากบทคัดย่อของเอกสารต้นฉบับของ Engle :
"นี่คือกระบวนการที่ไม่เกี่ยวข้องซึ่งมีความหมายเชิงศูนย์ซึ่งมีความแปรปรวนแบบไม่คงที่ตามเงื่อนไขในอดีต แต่มีความแปรปรวนแบบไม่มีเงื่อนไขที่คงที่สำหรับกระบวนการเช่นอดีตที่ผ่านมาให้ข้อมูลเกี่ยวกับ

ในฐานะผู้เขียนที่แนะนำ GARCH รายการ (Bollerslev, Tim (1986). " Generalized Autoregressive Conditional Heteroskedasticity ", วารสารเศรษฐมิติ, 31: 307-327) สำหรับกระบวนการ GARCH (1,1), มันพอเพียงที่สำหรับ stationarity ลำดับที่สองα1+β1<1

ความคงที่ (หนึ่งที่จำเป็นสำหรับขั้นตอนการประมาณค่า) ถูกกำหนดโดยสัมพันธ์กับการแจกแจงแบบไม่มีเงื่อนไขและช่วงเวลา

ภาคผนวก
เพื่อสรุปนี่อภิปรายในความคิดเห็นที่วิธีการสร้างแบบจำลอง GARCH เป็นวิธีที่แยบยลในการจำลอง heteroskedasticity สงสัยว่าเมื่อเวลาผ่านไปเช่นรูปแบบของบางอย่างแตกต่างของกระบวนการ (ซึ่งจะทำให้กระบวนการไม่หยุดนิ่ง) เป็นคุณสมบัติข้อสังเกตว่ามาจาก การดำรงอยู่ของหน่วยความจำของกระบวนการในสาระสำคัญทำให้เกิดความนิ่งในระดับที่ไม่มีเงื่อนไข

กล่าวอีกนัยหนึ่งเราใช้ "คู่ต่อสู้ที่ยอดเยี่ยม" ของเราสองคนในการวิเคราะห์กระบวนการสุ่ม (ความหลากหลายและความทรงจำ) และใช้อันนี้เพื่อต่อต้านอีกฝ่าย - นี่คือกลยุทธ์ที่ได้รับแรงบันดาลใจ


1
ฉันไม่แน่ใจว่าสิ่งนี้จะตอบคำถามของฉันได้อย่างไรคุณอธิบายได้หรือไม่เป็นไปได้ไหมที่ซีรี่ส์ที่เปลี่ยนแปลงได้จะถูกกำหนดให้อยู่กับที่หรือไม่?
ankc

หากอนุกรมเวลามีการจัดกลุ่มความผันผวนไม่ได้หมายความว่าจะไม่สามารถใช้ซีรี่ส์ในแบบไม่หยุดนิ่งและ GARCH (ถ้าไม่ใช่แบบคงที่)
ankc

2
ฉันคิดว่าโดย "การจัดกลุ่มความผันผวน" คุณหมายถึงปรากฏว่าอนุกรมเวลานั้นมีความแตกต่างกันในช่วงเวลาต่างกัน ครั้งแรกนี่เป็นเพียงข้อบ่งชี้ถึงความเป็นไปได้ที่ไม่คงที่ไม่ใช่ข้อพิสูจน์ ประการที่สองโมเดล ARCH และส่วนขยายพยายามอธิบาย "การจัดกลุ่มความผันผวน" นี้โดยการสร้างแบบจำลองความแปรปรวนแบบเงื่อนไขตามเวลาที่เปลี่ยนแปลงขณะที่ยังคงรักษาสมมติฐานของความแปรปรวนแบบไม่มีเงื่อนไขคงที่(และด้วยเหตุนี้
Alecos Papadopoulos

สมมติว่ามีการจัดกลุ่มความผันผวนแน่นอน ชุดตัวเองจะไม่หยุดนิ่งดังนั้นฉันจะนำแบบจำลอง GARCH ไปใช้กับชุดที่ไม่หยุดนิ่งได้อย่างไรขณะที่ mpiktas บอกว่าควรนำ GARCH ไปใช้กับชุดที่อยู่นิ่ง
ankc

ไม่การจัดกลุ่มความผันผวนไม่จำเป็นต้องแปลว่าไม่คงที่ ดังนั้นถ้ามันสามารถ "อธิบาย" โดยการสร้างแบบจำลองของ GARCH คุณสามารถทำงานบนสมมติฐานของความคงที่แบบไม่มีเงื่อนไข อันที่จริงแล้วสิ่งนี้ปรากฏขึ้นเป็นวงกลม - แต่แล้วอีกครั้งเราแทบจะไม่สามารถมั่นใจได้ว่ากระบวนการสโตคาสติกที่สังเกตได้เกิดขึ้นจริงหรือไม่นิ่ง
Alecos Papadopoulos

6

ใช่ซีรีส์ควรอยู่กับที่ แบบจำลอง GARCH เป็นกระบวนการเสียงสีขาวที่ไม่มีโครงสร้างการพึ่งพาอาศัยกันเล็กน้อย รุ่นคลาสสิก GARCH (1,1) ถูกกำหนดเป็น

rt=σtεt,

กับ

σt2=α0+α1εt12+β1σt12,

โดยที่เป็นตัวแปรปกติมาตรฐานอิสระที่มีความแปรปรวนของหน่วยεt

แล้วก็

Ert=EE(rt|εt1,εt2,...)=EσtE(εt|εt1,εt2,...)=0

และ

Ertrth=EE(rtrth|εt1,εt2,...)=ErthσtE(εt|εt1,εt2,...)=0

h>0rtrt2ARMA(1,1)


ซีรี่ส์จะอยู่กับที่ได้อย่างไรถ้ามีความผันผวนคุณจะกำหนดความคงที่เมื่อใช้แบบจำลอง GARCH ได้อย่างไร
ankc

จะเป็นไรไหมถ้าฉันรวมคำศัพท์ AR และ MA ในสมการเฉลี่ยของฉันด้วย?
ankc

เครื่องเขียนหมายถึงค่าเฉลี่ยคงที่ความแปรปรวนและสหสัมพันธ์ขึ้นอยู่กับความล่าช้าเท่านั้น สามารถรวมเทอม AR และ MA ในสมการเฉลี่ยได้ กุญแจสำคัญในกระบวนการ GARCH คือความผันผวนตามเงื่อนไข โปรดทราบว่าความผันผวนนั้นไม่แปรปรวน ความแปรปรวนเฉลี่ยคือความแปรปรวนอนุกรม
mpiktas

ตามที่การอ้างอิงใช้ตัวอย่างข้อมูล SP500 ใน R ข้อมูลส่งคืนดูเหมือนว่าจะคงที่ในค่าเฉลี่ย แต่มีความแตกต่างที่เห็นได้ชัดตามเงื่อนไข ดังนั้นจึงเป็นไปได้ที่จะใช้โมเดล GARCH กับมันแม้จะมีความแปรปรวนที่ไม่คงที่หรือไม่?
ankc

โดยทั่วไปแล้วฉันสามารถใช้แบบจำลอง GARCH กับชุดบันทึกการคืนใด ๆ ที่แสดงการจัดกลุ่มความผันผวนได้หรือไม่ฉันกำลังถามสิ่งนี้เพราะฉันเห็นในวิทยานิพนธ์ว่าการทดสอบ ADF ถูกนำไปใช้เพื่อทดสอบความคงที่ดังนั้นฉันจึงคิดว่า .
ankc

2

สำหรับทุกคนที่สงสัยเกี่ยวกับคำถามนี้ฉันจะชี้แจง - การจัดกลุ่มความผันผวนไม่ได้หมายความว่าซีรีส์นี้จะไม่หยุดนิ่ง มันจะแนะนำว่ามีระบอบการแปรปรวนของการเปลี่ยนแปลงเงื่อนไข - ซึ่งอาจยังคงตอบสนองความมั่นคงของการกระจายที่ไม่มีเงื่อนไข

α1+β>1α1βα1β>1

มันเป็นสิ่งสำคัญที่จะต้องทราบว่าถ้ารุ่น GARCH (1,1) ไม่นิ่งคำที่คงที่ในความแปรปรวนตามเงื่อนไขจะไม่ได้รับการประเมินอย่างสม่ำเสมอ

α1+β=1

ความคงที่ของการเขียนนั้นค่อนข้างเข้าใจผิดและมีความเชื่อมโยงเพียงบางส่วนกับความแปรปรวนหรือค่าเฉลี่ยที่ดูเหมือนว่าจะมีการเปลี่ยนแปลงที่เกิดขึ้นจริง - เนื่องจากสิ่งนี้ยังสามารถเกิดขึ้นได้ในขณะที่กระบวนการยังคงมีการแจกแจงแบบไม่มีเงื่อนไข เหตุผลที่คุณอาจคิดว่าการเปลี่ยนแปลงที่ดูเหมือนในความแปรปรวนอาจทำให้เกิดการเดินทางออกจากความคงที่เพราะสิ่งต่าง ๆ เช่น levelshift ถาวรในสมการความแปรปรวน (หรือสมการเฉลี่ย) จะโดยนิยามพักสมองแตก แต่ถ้าการเปลี่ยนแปลงนั้นเกิดจากคุณสมบัติไดนามิกของโมเดลมันอาจยังคงอยู่กับที่แม้ว่าค่าเฉลี่ยจะไม่สามารถระบุได้และความผันผวนจะเปลี่ยนแปลงตลอดเวลา อีกตัวอย่างที่สวยงามของเรื่องนี้คือ DAR (1,1) model ที่นำเสนอโดย Ling ในปี 2002


1
คำตอบที่ดี! DAR (1,1) มาตรฐานสำหรับ ARIMA (1,1,0) หรือไม่ ถ้าไม่ใช่มันคืออะไรและทำไมคุณถึงไม่พูดกับโมเดล ARIMA ที่ไม่อยู่กับที่?
Michael R. Chernick

1

Stationarity เป็นแนวคิดทางทฤษฎีซึ่งปรับเปลี่ยนเป็นรูปแบบอื่น ๆ เช่น Weak Sense Stationarity ซึ่งสามารถทดสอบได้อย่างง่ายดาย การทดสอบส่วนใหญ่เช่นการทดสอบ adf ตามที่คุณได้กล่าวถึงการทดสอบสำหรับเงื่อนไขเชิงเส้นเท่านั้น ARCH ทำเอฟเฟกต์แบบไม่มีความสัมพันธ์ในลำดับแรก แต่มีการพึ่งพาอาศัยกันในซีรีย์กำลังสอง

กระบวนการ ARMA-GARCH ที่คุณพูดถึงนี่คือการเอาลำดับที่สองออกจากกันโดยใช้ส่วน GARCH และจากนั้นการพึ่งพาใด ๆ ในคำเชิงเส้นจะถูกบันทึกโดยกระบวนการ ARMA

วิธีที่จะไปคือการตรวจสอบความสัมพันธ์ของชุดกำลังสองหากมีการพึ่งพาจากนั้นใช้โมเดล GARCH และตรวจสอบส่วนที่เหลือสำหรับคุณสมบัติอนุกรมเวลาเชิงเส้นใด ๆ ที่สามารถทำแบบจำลองโดยใช้กระบวนการ ARMA


1
ฉันคิดว่าจะปรับ ARMA ให้เหมาะสมก่อนจากนั้นจึงปรับส่วนที่เหลือให้เข้ากับรุ่น GARCH นี่เป็นสิ่งผิดปกติหรือไม่ฉันจะ "ตรวจสอบส่วนที่เหลือสำหรับคุณสมบัติอนุกรมเวลาเชิงเส้นใด ๆ ซึ่งสามารถสร้างแบบจำลองโดยใช้กระบวนการ ARMA" ได้หรือไม่การทดสอบ ljung-box สามารถใช้ในการตรวจจับผล ARCH ได้หรือไม่?
ankc

วิธีที่ง่ายที่สุดคือการค้นหาฟังก์ชั่นความสัมพันธ์แบบอัตโนมัติของซีรีย์กำลังสอง หากมีความสำคัญให้ลองใช้โมเดล GARCH หากความสัมพันธ์ของสแควร์ของส่วนที่เหลือถูกลบออกอัตโนมัติ GARCH จะช่วยในการจำลองการพึ่งพาในซีรีย์กำลังสอง
htrahdis

ถ้าฉันทำเช่นนั้นผลตอบแทนเฉลี่ยของฉันจะเป็น 0 ใช่ไหมฉันต้องการที่จะได้รับค่าเฉลี่ยที่จะไม่เป็นเส้นตรงเช่นฟังก์ชันเฉลี่ยที่จะขึ้นอยู่กับเทอม AR และ MA + ข้อผิดพลาด GARCH
ankc

มีสามสิ่ง: หนึ่งคือการตัดสินใจว่ามีเอฟเฟกต์ GARCH อยู่หรือไม่และอีกอันคือการใช้ ARMA และ GARCH และเหตุผลที่สามคือการปรับให้เข้ากับโมเดลเมื่อทั้งสองอย่างข้างต้นยืนยัน อุปกรณ์ไม่ได้ง่ายอย่างที่ทำในสองขั้นตอนที่แตกต่างกัน คุณต้องใส่ทั้ง ARMA และ GARCH ในเวลาเดียวกัน มีวิธีการนี้
htrahdis

การใช้ ARMA จะถูกต้องหรือไม่หากมีความสัมพันธ์ในซีรีย์ส่งคืนฉันคิดว่ามีแพ็กเกจใน R ที่เหมาะสม ฉันแค่ต้องรู้ว่าเมื่อไหร่ที่จะใช้ ARMA-GARCH หรือเพียง GARCH ฉันสามารถใช้การทดสอบกล่อง ljung เพื่อทดสอบเอฟเฟกต์ GARCH ได้หรือไม่
ankc
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.