AR(1)的随机游走估计


10

当我估计带有AR(1)的随机游走时,系数非常接近1,但始终较小。

系数不大于1的数学原因是什么?


我尝试过使用Matlab工具箱以及在Arima上的脚本(系数在[-10,10]内,结果是相同的)。我尝试使用简单的OLS,结果是相同的。
Marco Marco

估计值偏向于下,我们必须阅读Dickey和Fuller的论文。
Marco Marco

Answers:


12

我们估计由OLS模型

xt=ρxt1+ut,E(ut{xt1,xt2,...})=0,x0=0

对于大小为T的样本,估计量为

ρ^=t=1Txtxt1t=1Txt12=ρ+t=1Tutxt1t=1Txt12

ρ=1

xt=xt1+utxt=i=1tui

ρ^168ρ^<1

在此处输入图片说明

Mean:0.0017773Median:0.00085984Minimum: 0.042875Maximum: 0.0052173Standard deviation: 0.0031625Skewness: 2.2568Ex. kurtosis: 8.3017

有时将其称为“ Dickey-Fuller”分布,因为它是用于执行相同名称的单位根测试的临界值的基础。

我不觉得有任何尝试为采样分布的形状提供直觉。我们正在看随机变量的抽样分布

ρ^1=(t=1Tutxt1)(1t=1Txt12)

utρ^1ρ^1

T=5

如果我们对独立的产品正态求和,我们得到的分布将在零附近保持对称。例如:

在此处输入图片说明

但是,如果像我们的情况那样对非独立乘积法线求和,则得到

在此处输入图片说明

它向右倾斜,但分配给负值的概率更大。如果我们增加样本大小并在总和中添加更多相关元素,则质量似乎会进一步向左推。

非独立Gamma的总和的倒数是具有正偏斜的非负随机变量。

ρ^1


哇,很好的分析!您能否在此指出违反了哪些标准OLS假设?
理查德·哈迪

@RichardHardy谢谢。稍后我会回复您的评论。
Alecos Papadopoulos

我仍然对OLS假设感到好奇...在此先感谢!
理查德·哈迪

Xt+1=αXt+ϵXt+1Xt

ρ^<1ρ^1

6

这不是一个真正的答案,但是评论太久了,所以无论如何我都会发布它。

对于100的样本量(使用“ R”),我能够从一百分之二中获得大于1的系数:

N=100                   # number of trials
T=100                   # length of time series
coef=c()
for(i in 1:N){
 set.seed(i)
 x=rnorm(T)             # generate T realizations of a standard normal variable
 y=cumsum(x)            # cumulative sum of x produces a random walk y
 lm1=lm(y[-1]~y[-T])    # regress y on its own first lag, with intercept
 coef[i]=as.numeric(lm1$coef[1])
}
length(which(coef<1))/N # the proportion of estimated coefficients below 1

实现84和95的系数大于1,因此它并不总是小于1。但是,这种趋势显然具有向下偏向的估计。问题仍然存在,为什么

编辑:上面的回归包括一个截距项,它似乎不属于模型。移除截距后,我得到了高于1的更多估计(10000中的3158)-但仍然明显低于所有情况的50%:

N=10000                 # number of trials
T=100                   # length of time series
coef=c()
for(i in 1:N){
 set.seed(i)
 x=rnorm(T)             # generate T realizations of a standard normal variable
 y=cumsum(x)            # cumulative sum of x produces a random walk y
 lm1=lm(y[-1]~-1+y[-T]) # regress y on its own first lag, without intercept
 coef[i]=as.numeric(lm1$coef[1])
}
length(which(coef<1))/N # the proportion of estimated coefficients below 1

确切地说,不是“总是”很小,而是在大多数情况下。这显然是虚假的结果。为什么会这样?
Marco Marco

2
xtxt1
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.