谢邀。这个问题是答主这学期时间序列分析考试论述题!从思路角度回答一下吧
总的来说,可以对序列应用ARIMA模型族建立均值方程,应用GARCH族模型建立误差项方程。
1
根据自相关函数ACF和样本自相关函数PACF选择合适的模型与滞后阶数。判定的原则是:PACF q阶截尾,ACF拖尾,则建立AR(q)模型;
ACF p阶截尾,PACF拖尾,则建立MA(p)模型;
ACF,PACF均拖尾则建立ARMA(p,q)模型,滞后阶数pq有很多选择,一般选使AIC,SC准则值最小的;
ACF,PACF均截尾较为少见。
2
对模型进行参数估计,检验参数显著性,以及模型经济意义上的合理性之后,如此就建立了均值方程。这时还需要对上述模型的残差序列进行序列相关性检验。残差序列应当为一个白噪声,若不是则还需对上述模型进行修正。
3
下面进行误差项方程的建立。先对残差做ARCH-LM检验,原假设为不存在arch趋势,拒绝原假设,就可以说明残差里还有未提取完的信息,可以通过建立ARCH模型捕捉这些信息。
4
建立ARCH模型,滞后阶数由信息准则确定,得到ARCH(p)模型,如果p阶数较大,就用GARCH模型来简化模型。(其实,一般来说用arch很少,一般都是直接用garch建模了,一般用garch(1,1)就可以了)
5
接下来可以继续用GARCH族其他拓展模型来丰富对序列的分析。比如TGARCH可以考察序列是否有好消息和坏消息效应,EGARCH考察好消息与坏消息对序列的影响是否对称,ARCH-M可以考察“风险溢价”等等。
6
以上是对单变量时间序列的建模,如果采用多元GARCH模型,就可以动态的考察多个时间序列之间的联系。
(补充知识点:所有时间序列都是由一个均方程和一个误差项方程组成的。在ARCH之前,人们认为序列误差项服从同方差假定。但实际上金融时间序列存在波动聚集性,存在自回归条件异方差,因此用arch来更准确的描述误差项的方差变动)
这些我是在stata和eviews上实现的,操作步骤网上有很多教程,不懂可以私信答主哦,希望对你有帮助~
如有不正,请大神批评指出。
转载标明出处,啾咪( ˙˙ ) |