时间序列分析讲义4.doc

2．增广的Dickey-Fuller (ADF) 检验 前面学习的DF检验主要是检验AR(1)过程中是否有单位根，而在实际问题中经常采用AR(p)过程建模。现在我们考虑检验AR(p)过程是否有单位根的问题，也就是把DF检验扩展到了ADF检验。 第一种情况。考虑AR(p) 过程 。 模型(d-1) 其中次方程 的根都在单位圆以外（回忆这个要求的一个必要条件是，一个充分条件是）。从而次方程 是否有单位根取决于是否。为了便于估计模型参数，我们把单位根分离出来作为一个系数，把模型改写为 。 模型(d-2) 其中当时；当时 ，， ， ， 。 从而 。 由于，因此在模型(d-1)中或，当且仅当在模型(d-2)中或。给定样本。我们将只对模型(d-2) 检验假设 零假设 对 单边备择假设。 “但是，人们能够以一种显然的方式容易地考虑爆炸性的甚至双边的备择假设（Dickey-Fuller(1986)）”。 当为真（等价于）时，从模型(d-1) 看出有一个单位根，它正是ARIMA (p-1,1,0)过程。当为真（等价于）时，从模型(d-1) 看出是因果平稳零均值的AR(p)过程。 根据模型(d-2)，我们以作为解释变量对（）回归，得到p个未知参数的最小二乘估计。详细过程从略。定义比值统计量为 。 补充定理4 当 为真时，则有 （1）。 （2）。 我们看到虽然定理4（1）中左边随机变量的极限分布与定理1（1）中的极限分布相同，但是含有未知的真参数值，不能直接用于检验零假设。注意到在零假设下，。以作为解释变量对（）回归，所得系数可以作为定理4（1）中的替代值（相合估计），渐近分布仍然成立。这样就可以用于检验零假设了。 定理4（2）中的是不含未知参数的统计量，可用于检验零假设。虽然它与定理1（2）中的定义的背景不同，但它们有相同的渐近分布。我们仍然可以用张世英的教材的附表2中的情况一。 第二种情况。考虑AR(p) 过程 。 模型(e-1) 其中次方程 的根都在单位圆以外。 为了便于估计模型参数，我们把单位根分离出来作为一个系数，把模型改写为 。 模型(e-2) 其中模型(e-1) 与模型(e-2) 系数之间的关系如同模型(d-1) 与模型(d-2) 系数之间的关系。特别是，在模型(e-1)中或，当且仅当在模型(e-2)中或。给定样本。对模型(e-2)，我们将只检验假设 零假设 对备择假设。 当为真（从而）时，从模型(e-1) 看出有一个单位根，它是没有常数项的ARIMA (p-1,1,0)过程。当为真（从而）时，从模型(e-1) 看出是因果平稳均值为的AR(p)过程。 根据模型(e-2)，我们以 作为解释变量对（）回归，得到p+1个未知参数的最小二乘估计。详细过程从略。定义比值统计量为 ， 我们用下标标记第二种情况。 补充定理5 当为真时，（而我们错误地估计了模型(e-2)），则有 。 虽然定理5中的与定理2（2）中的定义的背景不同，但它们有相同的渐近分布。我们仍然可以用张世英的教材的附表2中的情况二。 例6 基于样本估计带有的模型(e-2)，得到 由于小于而接近于1，我们想要检验 零假设。 我们用统计量进行检验，其样本值为。对最接近的样本数，在下尾概率0.1，0.05，0.01上，的累积分布的临界值分别是-2.57，-2.88，-3.46，见教材附表2情况二。由于比这三个临界值都大，所以在检验水平10%，5%，1%上都不能拒绝零假设。从而强烈地认为有一个单位根。 第三种情况。考虑有线性趋势的模型 ， （模型(f-1)） 其中，而是没有常数项的AR(p)（）过程 我们把模型改写为 。（模型(f-2)） 事实上， 。 给定样本。我们只对模型(f-2) 检验 零假设 对备择假设。 当为真时， 有一个单位根，是有常数项的ARIMA(p-1,1,0) 过程。当为真时，（是因果平稳零均值的AR(p)过程），是趋势平稳过程。 根据模型(f-2)，我们以 作为解释变量对（）回归，得到p+2个未知参数的最小二乘估计。详细过程从略。定义比值统计量为 ， 我们用下标标记第三种情况。 补充定理6 当为真时，（而我们错误地估计了模型(f-2)），则有 , 其中 ， 而是标准的布朗运动（或称维纳过程）。 虽然定理6中的与定理3（2）中的定义的背景不同，但它们有相同的渐近分布。我们仍然可以用张世英的教材的附表2中的情况三。 第五章 条件异方差模型 第一节 ARCH模型及其性质 ARCH模型表达 ◆ ARCH模型的定义 设我们已经为金融时间序列如收益率建立了一般的回归模型 。 （条件）均值方程 这里是被解释变量；是期的解释变量，它可以包含常数，滞后的内生变量