Önce bazı arka plan bilgileri:
Bağımlı değişken , bağımsız değişkenler ve koşullu ortalama modelytXt
yt= βXt+ ϵt
koşullu varyansını modellemek için bir GARCH modeli kullanabilirsiniz .εt
Bir GARCH modeline uyduğunuzu ve uygun koşullu standart sapmalar elde . kalıntılarını , takılan koşullu standart sapmaların ölçeklendirirseniz, ölçeklenmiş artıklar . Bunların "iyi" olmasını istersiniz. En azından içinde hiçbir ARCH kalıbı olmamalı. Bu, örneğin Li-Mak testi ile test edilebilir.σ^tε^tσ^tu^t: = ϵ^tσ^t
1: durağan olmayan kalıntılar ile ilgili olarak
GARCH modeli herhangi bir artık üretmez - GARCH formülünde hiçbir GARCH modeli kalıntısı yoktur (sadece GARCH modelinde regresör olarak kullanılan koşullu ortalama modelden gecikmeli hatalar ).
Fakat durağan olmayanlık ile tam olarak ne demek istiyorsun: birim kök ?; heteroskedastisitesi ?; seviye kaydırma?εt
Durağan olmayan kalıntılardan bahsettiğinizde, aklınızda veya ya da başka bir şey var mı?u^tε^t
Düzenleme: durağanlık türü birim köküdür. Bunun GARCH'ın başarısızlığından ziyade koşullu ortalama için zayıf bir modele bağlı olduğundan şüpheleniyorum. Üzerinde GARCH etkisinin yana kısıtlamaya gidilmesi tarafından sadece ölçeğini değiştirir, ama birim kök tanıtmak olamaz. Yani, birim kök zaten bir özellik olmalı ve bu koşullu varyans modeli değil, koşullu ortalama modelinin bir problemidir.u^tε^t1σ^tε^tε^t
2: heteroskedastisite hakkında
Hangi kalıntıları aklınızda tuttuğunuz açıklığa kavuşturulduğunda daha fazla şey söylenebilir.
Düzenleme: akılda kalanlar . Eğer şartlı heteroskedastic ama desen ARCH doğanın değil, o zaman kalan Varyans açıklamak için açıklayıcı değişkenler tarafından standart GARCH modeli eklemek olabilir.u^tu^t
3: normallik dışı normal olmayabilir, bu sorun değil. , bir GARCH modelini takarken varsaydığınız dağıtımla eşleşmelidir (GARCH modelini takarken en üst düzeye çıkma olasılığı işlevini elde edebilmek için bir dağıtım olduğunu varsaymanız gerekir). Eğer için normal bir dağılım varsayarsanız , için normalliği reddedebilirseniz , bu bir problemdir. Ancak normallik varsaymanız gerekmez. Bir özgürlük 3 ya da 4 derece dağıtım örneğin mali getiri normal dağılım daha önemli olduğu ileri sürülmüştür.
u t u t u t tεtututu^tt
4: kalıntılar ile ilgili olarak genellikle sabit, heteroskedastik ve normal değil, bu nedenle model volatilite
açıklamıyor Eidt (daha kesin formülasyon): Burada mantıksal bağlantıyı takip ettiğimden emin değilim. GARCH, belirli bir koşullu heteroskedastisite türünü ( her türlü CH değil, otoregresif CH) açıklamayı amaçladığından , bu temelde değerlendirmelisiniz. Eğer autoregressively şartlı heteroskedastic (bu ARCH-LM testi ile test edilebilir) ama (Li-Mak testi ile test edilmiş şekilde) şartlı homoskedastic olan GARCH modeli kendi iş çıkarmış. u tε^tu^t
GARCH modelleri ile ilgili deneyimim (kuşkusuz sınırlı) işlerini yapıyorlar ama elbette her derde deva değiller.