阿玛
考虑遵循ARMA()过程的。为了简单起见,它的均值为零且方差恒定。有条件地根据信息,可分为已知的(预定)部分(给定的的条件均值)和随机部分: p ,q 我吨- 1个 Ÿ 吨μ 吨ý 吨我吨- 1 ü 吨ytp,qIt−1ytμtytIt−1ut
ytμtut|It−1=μt+ut;=φ1yt−1+…+φpyt−p+θ1ut−1+…+θqut−q (known, predetermined); ∼D(0,σ2) (random)
其中是一些密度。D
的条件均值 本身遵循类似于ARMA(一个过程),但没有随机同期误差项:
其中 ; 对于 ; 并且表示。请注意,此过程的顺序为()而不是(),如。 p ,q μ 吨 = φ 1 μ 吨- 1 + ... + φ p μ 吨- p + (φ 1 + θ 1)Ü 吨- 1 + ... + (φ 米 + θ 米)Ü 吨- 米,米:= 最大值(p ,q )φ 我μtp,q
μt=φ1μt−1+…+φpμt−p+(φ1+θ1)ut−1+…+(φm+θm)ut−m,
m:=max(p,q)我> pφi=0i>pθj=0j>qp,mp,qyt
我们还可以根据过去的条件均值(而不是过去的实现值)和模型参数来写的条件分布为yt
ytμtσ2t∼D(μt,σ2t);=φ1μt−1+…+φpμt−p+(φ1+θ1)ut−1+…+(φm+θm)ut−m;=σ2,
后一种表示法使ARMA与GARCH和ARMA-GARCH的比较更加容易。
GARCH
考虑遵循GARCH()过程的。为简单起见,假设它的常数为常数。然后yts,r
ytμtσ2tutσt∼D(μt,σ2t);=μ;=ω+α1u2t−1+…+αsu2t−s+β1σ2t−1+…+βrσ2t−r;∼i.i.D(0,1),
其中并且是某个密度。ut:=yt−μtD
的条件方差 如下类似于ARMA(进程),但没有随机同期误差项。σ2ts,r
阿玛·格奇
考虑具有无条件均值为零,如下的ARMA()-GARCH()的过程。然后ytp,qs,r
ytμtσ2tutσt∼D(μt,σ2t);=φ1μt−1+…+φpμt−p+(φ1+θ1)ut−1+…+(φm+θm)ut−m;=ω+α1u2t−1+…+αsu2t−s+β1σ2t−1+…+βrσ2t−r;∼i.i.D(0,1),
其中 ; 是某种密度,例如“正常”;对于 ; 并且表示。 d φ 我 = 0 我> p θ Ĵ = 0 Ĵ > qut:=yt−μtDφi=0i>pθj=0j>q
的条件均值过程中由于ARMA基本上具有相同的形状条件方差过程中由于GARCH,只是滞后阶数可以是不同的(允许的非零无条件均值不应显著改变此结果)。重要的是,随机误差项都不以,因此两者都是预先确定的。我吨- 1ytIt−1