[数学]北师大时间序列分析第七章课件.pptVIP

其他异方差检验：布劳殊-培干-戈弗雷(Breusch-Pagan-Godfrey)、reset检验、帕克(Park)检验等等。 第四节 异方差的处理 情形一： 已知时 情形二： 未知时 加权最小二乘法(WLS) WLS的思路： 根据误差最小建立起来的OLS法，同方差下，将各个样本点提供的残差一视同仁是符合情理的。各个 提供信息的重要程度是一致的。 但在异方差下，离散程度大的 对应的回归直线的位置很不精确，拟合直线时理应不太重视它们提供的信息。即Xi对应的 偏离大的所提供的信息贡献应打折扣，而偏离小的所提供的信息贡献则应于重视。 因此采用权数对残差提供的信息的重要程度作一番校正，可以提高估计精度。这就是WLS（加权最小二乘法）的思路。 加权最小二乘法的机理 以递增型为例。设权术WI与异方差的变异趋势相反。Wi=1/?2i。Wi使异方差经受了“压缩”和“扩张”变为同方差。 加权最小二乘法的原理 大乘小，小乘大，加权为同方差 误差随E由大到小 权数w由小到大 1. 已知时 两边同除 令 得 已知，所以 均可观测 有 同方差 满足经典假设，用最小二乘法估计参数 min 2. 未知时 同方差 转换后的模型符合经典假设，可以用OLS估计参数 怀特的“异方差性相一致”的方差与标准误：White给出一种估计，可对真实的参数值做出渐近有 效的估计. 例子： 一元线性回归模型: 假定： 随机项μ的方差与自变量X的平方成正比 两边除以Xi ： 符合经典假设，用OLS求出 对 回归方程 加权最小二乘法（WLS）的一般形式 加权矩阵W 采用OLS估计原模型：Y=XB+U 得到残差，以各次观察残差的平方作为W权数矩阵主对角线上总体方差的近似值 第五节 ARCH模型 一、ARCH模型的定义 由Engle,1982年提出。Autoregressive conditional heteroskedasticity model 波动的集群性(Volatility Clustering)：时序中出现某一特征的值成群出现的情况。 就ARCH(1)为例：时刻t的残差 的方差 依赖于时 刻t-1的平方误差的大小，即依赖于 。 更具体地，首先我们做k-变量回归模型： 假定在时刻t-1所有信息的条件下，干扰项的分布为： 定义：对于通常的回归模型 如果随机扰动项的平方 服从AR(q)过程，即 其中， 独立同分布，并满足 ，则称模 型(5.3)是自回归条件异方差模型，简记为ARCH模型。称 序列服从q阶的ARCH过程，记作 。(5.2)和(5.3) 构成的模型称为回归-ARCH模型。 二、ARCH效应检验 最常用的检验方法：拉格朗日乘数法，即LM检验。 步骤： 建立辅助回归方程 原假设和备择假设分别为 检验统计量 其中，n为计算辅助回归(5.4)时的样本数据个数， 是辅 助回归的决定系数(采用OLS估计) 4) 给定显著性水平 和自由度q，如果 ，则拒 绝原假设，认为序列存在ARCH效应；如果 ， 则不能拒绝原假设，说明序列不存在ARCH效应。 例：sample5.312 检验1951年至1988年我国商品零售物价 指数和居民价格指数回归滞后残差的ARCH效应。 ARCH Test: F-statistic 5.799957 Probability 0.020494 Obs*R-squared5.338877 Probability 0.020855 三、ARCH模型的参数估计 上述回归-ARCH(q)模型的参数估计的对数似然函数为 其中， 使该函数达最大值的参数 ，就是 的极 大似然估计。 例：sample5.312 对1951年至1988年我国商品零售物价 指数和居民价格指数建立分布滞后模型-ARCH(q)混合模 型。40 30 30 四、广义(Generalized)自回归条件异方差模型 Bpllerslev,1986年提出 GARCH模型通常用于对回归或自回归的随机误差扰动 项进行建模，若 则称序列服从GARCH(p,q)过程。引入滞后算子，上式可 表示为， 其中