《金融计量学》part-5.pptVIP

ARIMA模型 求和自回归移动平均模型ARIMA(p,d,q). 例1 对1952~1988年中国农业实际国民收入指数序列建模 一阶差分序列时序图 一阶差分序列自相关图 偏自相关图 一阶差分后序列白噪声检验 建模 定阶 ARIMA(0,1,1) 参数估计 (1-L)xt=4.99661+(1+0.79766L)?t , Var(?t)=56.48763 模型检验 模型显著 参数显著 ARIMA模型预测 例6.1续 对中国农业实际国民收入指数序列做为期10年的预测 对收入指数序列的再分析 2 Auto-Regressive模型 构造思想 首先通过确定性因素分解方法提取序列中主要的确定性信息 然后对残差序列拟合自回归模型，以便充分提取相关信息 Auto-Regressive模型结构 对趋势效应的常用拟合方法 自变量为时间t的幂函数 自变量为历史观察值 对季节效应的常用拟合方法 给定季节指数 建立季节自回归模型 例6.1续 使用Auto-Regressive模型分析1952年－1988年中国农业实际国民收入指数序列。 时序图显示该序列有显著的线性递增趋势，但没有季节效应，所以考虑建立如下结构的Auto-Regressive模型 趋势拟合 方法一：变量为时间t的幂函数 Tt=66.1491+4.5158t, t=1,2,3,… 方法二：变量为一阶延迟序列值xt-1: 趋势拟合效果图 残差自相关检验 检验原理 回归模型拟合充分，残差的性质 回归模型拟合得不充分，残差的性质 Durbin-Waston检验(DW检验) 假设条件 原假设：残差序列不存在一阶自相关性 备择假设：残差序列存在一阶自相关性 DW统计量 构造统计量 DW统计量和自相关系数的关系 DW统计量的判定结果 例6.1续 检验第一个确定性趋势模型 残差序列的自相关性。 DW检验结果 检验结论 检验结果显示残差序列高度正自相关。 Durbin h检验 DW统计量的缺陷 当回归因子包含延迟因变量时，残差序列的DW统计量是一个有偏统计量。在这种场合下使用DW统计量容易产生残差序列正自相关性不显著的误判 Durbin h检验 例6.1续 检验第二个确定性趋势模型 残差序列的自相关性。 Dh检验结果 结论: 检验结果显示残差序列高度正自相关. 残差序列拟合 确定自回归模型的阶数 参数估计 模型检验 例6.1续 对第一个确定性趋势模型的残差序列 进行拟合 残差序列自相关图 残差序列偏自相关图 模型拟合 定阶 AR(2) 参数估计方法: 极大似然估计 最终拟合模型 例6.1 第二个Auto－Regressive模型的拟合结果 三个拟合模型的比较 3 异方差的性质 异方差的定义 如果随机误差序列的方差会随着时间的变化而变化，这种情况被称作为异方差 异方差的影响 忽视异方差的存在会导致残差的方差会被严重低估，继而参数显著性检验容易犯纳伪错误，这使得参数的显著性检验失去意义，最终导致模型的拟合精度受影响。 异方差直观诊断 残差图 残差平方图 残差图 方差齐性残差图 递增型异方差残差图 残差平方图 原理 残差序列的方差实际上就是它平方的期望。 所以考察残差序列是否方差齐性，主要是考察残差平方序列是否平稳 例6.2直观考察美国1963年4月-1971年7月短期国库券的月度收益率序列的方差齐性。 一阶差分后残差图 一阶差分后残差平方图 异方差处理方法 假如已知异方差函数具体形式，进行方差齐性变化 假如不知异方差函数的具体形式，拟合条件异方差模型 方差齐性变换 使用场合: 序列显示出显著的异方差性, 且方差与均值之间具有某种函数关系 其中h(.)是某个已知函数. 方差齐性变换 处理思路 尝试寻找一个转换函数g(.), 使得经转换后的变量满足方差齐性 例6.2续 对美国1963年4月—1971年7月短期国库券的月度收益率序列使用方差齐性变换方法进行分析 函数变换 yt=log(xt) 对数序列时序图 一阶差分后序列图 白噪声检验 拟合模型及拟合效果图 4 条件异方差模型 ARCH模型 GARCH模型 GARCH模型的变体 EGARCH模型 IGARCH模型 GARCH-M模型 AR-GARCH模型 ARCH模型 假定 原理 通过构造残差平方序列的自回归模型来拟合异方差函数 ARCH(q)模型结构 GARCH 模型结构 使用场合 ARCH模型实际上适用于异方差函数短期自相关过程 GARCH模型实际上适用于异方差函数长期自相关过程 模型结构 GARCH模型的约束条件 参数非负 参数有界 EGARCH模型 IGARCH模型 GARCH-M模型 AR-GARCH模