应用ARMA-GARCH是否需要平稳性?


14

我将对金融时间序列使用ARMA-GARCH模型,并想知道在应用上述模型之前该序列是否应该是固定的。我知道要应用ARMA模型,该序列应该是平稳的,但是我不确定ARMA-GARCH,因为我包括了GARCH错误,这意味着波动性聚类和非恒定方差,因此无论如何进行变换,其序列都是非平稳的。

金融时间序列通常是固定的还是非固定的?我尝试将ADF测试应用于一些易失性序列,并得到p值<0.01,这似乎表明了平稳性,但易失性序列本身的原理告诉我们该序列不是平稳的。

有人可以帮我清理一下吗?我真的很困惑

Answers:


11

摘自Engle原始论文的摘要:
“这些是均值零,连续不相关的过程,其条件是过去的条件是恒定的,但条件变量是恒定的。对于此类过程,最近的过去提供了有关一周期预测方差的信息”。

继续参考文献时,如介绍GARCH的作者所言(Bollerslev,Tim(1986)。“ 广义自回归条件异方差 ”,《计量经济学杂志》,31:307-327),它适用于GARCH(1,1)过程。对于第二阶平稳。α1个+β1个<1个

平稳性(估计程序所需的平稳性)是相对于无条件分布和矩来定义的。

附录
为了在此处评论中的讨论进行总结,GARCH建模方法是一种巧妙的方法,可对随时间变化的可疑异方差进行建模,例如,某种形式的过程异质性(这将使过程变得不平稳)作为观察到的特征过程记忆的存在,实质上是在无条件的水平上引起了平稳性。

换句话说,我们在随机过程分析(异质性和内存)中采用了两个“最大的对手”,并使用其中的一个来抵消另一个。这确实是一个启发性的策略。


1
我不确定这将如何回答我的问题?您能解释一下吗?
ankc

如果时间序列表现出波动性聚类,这是否意味着不能将非平稳序列和GARCH应用于该序列(如果它是非平稳的)?
2013年

2
我认为,通过“波动率聚类”,您的意思是似乎时间序列的特征在于不同间隔中的不同方差。首先,这仅表示可能存在的不稳定现象,而不是证据。其次,ARCH模型及其扩展尝试通过将条件方差建模为随时间变化来解释这种“波动性聚类” ,同时保持恒定的无条件方差的假设(因此也假设了二阶平稳性)。
Alecos Papadopoulos

好吧,让我们假设确实存在波动性集群。该序列本身将是非平稳序列,因此我如何将GARCH模型应用于非平稳序列,如mpiktas确实说的那样,应将GARCH应用于平稳序列。
ankc

不,波动聚类也并不一定意味着非平稳性。因此,如果可以通过GARCH建模对其进行“解释”,则可以假设无条件平稳。确实,这似乎有点循环-但话又说回来,我们几乎无法确定实际观察到的随机过程是否是平稳的。
Alecos Papadopoulos

6

是的,该系列应该是固定的。GARCH模型实际上是白噪声过程,具有不小的依赖关系结构。经典GARCH(1,1)模型定义为

[RŤ=σŤεŤ

σŤ2=α0+α1个εŤ-1个2+β1个σŤ-1个2

其中εŤ与单位方差独立标准正常变量。

然后

Ë[RŤ=ËË[RŤ|εŤ-1个εŤ-2=ËσŤËεŤ|εŤ-1个εŤ-2=0

Ë[RŤ[RŤ-H=ËË[RŤ[RŤ-H|εŤ-1个εŤ-2=Ë[RŤ-HσŤËεŤ|εŤ-1个εŤ-2=0

H>0[RŤ[RŤ2一种[R中号一种1个1个


如果序列表现出波动性,那么该如何平稳?应用GARCH模型时如何定义平稳性?
ankc

如果我在均值方程式中包含AR和MA项可以吗?如果返回序列在短时滞后表现出一些自相关性,那可以吗?
ankc

平稳是指均值,方差和相关性仅取决于滞后。AR和MA项可以包含在平均值方程中。GARCH流程的关键是条件波动性。注意,波动率不是方差。平均波动率是级数方差。
mpiktas

作为参考,例如R中的SP500数据,返回数据的平均值似乎是恒定的,但表现出明显的条件异方差性。因此,尽管存在非恒定方差,仍可以在其上应用GARCH模型吗?
ankc

我通常可以将GARCH模型应用于任何表现出波动性聚类的对数返回序列吗?之所以这样问,是因为我在论文中看到将ADF测试应用于平稳性测试,因此我认为在应用GARCH模型之前平稳性是必要的。
ankc

2

对于仍然对这个问题感到疑惑的任何人,我都会澄清-波动率聚类并不意味着该系列是非平稳的。这表明存在一个变化的条件方差制度-仍可能满足无条件分布的恒定性。

α1个+β>1个α1个βα1个β>1个

但是,重要的是要注意,如果GARCH(1,1)模型是不平稳的,那么条件方差中的常数项就不会一致地估计。

α1个+β=1个

平稳性被误解了,并且仅与方差或均值是否似乎在发生变化有关,因为在过程保持恒定的无条件分布的同时,这种变化仍可能发生。您可能认为方差表面上的偏移可能导致偏离平稳性的原因是,根据定义,方差方程(或均值方程)中的永久性水平偏移会破坏平稳性。但是,如果更改是由模型的动态规范引起的,则即使均值无法识别且波动率不断变化,它也可能是静止的。另一个漂亮的例子是Ling在2002年推出的DAR(1,1)模型。


1
好答案!DAR(1,1)是否适用于ARIMA(1,1,0)?如果不是,那是什么?为什么不处理非平稳ARIMA模型?
Michael R. Chernick

1

平稳性是一个理论概念,随后被修改为其他形式,例如“弱感平稳性”,可以轻松进行测试。您提到的大多数测试(例如adf测试)仅针对线性条件进行测试。ARCH效应是针对一阶不具有自相关但在平方序列中具有依赖性的序列进行的。

您所讨论的ARMA-GARCH流程,此处使用GARCH部分删除了二阶依赖关系,然后由ARMA流程捕获了线性项中的任何依赖关系。

进行的方法是检查平方序列的自相关,如果存在相关性,则应用GARCH模型并检查任何线性时间序列属性的残差,然后可以使用ARMA流程对其进行建模。


1
我当时想先拟合ARMA,然后将残差拟合到GARCH模型。这是错误的吗?如何“可以检查任何线性时间序列属性的残差,然后可以使用ARMA流程对其进行建模。”可以使用ljung-box测试来检测ARCH效应吗?
ankc

最简单的方法是查找平方序列的自相关函数。如果重要,则尝试使用GARCH模型。如果去除了残差平方的自相关,则GARCH确实有助于对平方序列中的相关性进行建模。
htrahdis 2013年

如果我这样做的话,我的平均收益将是0对吗?我希望能够得到一个不是直线的均值,就像一个均值函数将取决于AR和MA项以及GARCH误差。
2013年

有三件事:一是决定是否存在GARCH效应,二是使用ARMA和GARCH的合理性,三是在以上两项为肯定条件时实际拟合模型。拟合并不像在两个不同阶段中那样简单。您必须同时安装ARMA和GARCH零件。有一些可用的方法。
htrahdis 2013年

如果返回序列中存在相关性,是否可以合理地使用ARMA?我认为R中有适合的软件包。我只需要知道何时应用ARMA-GARCH或仅应用GARCH。我可以使用ljung-box测试来测试GARCH效果吗?
ankc
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.