550 likes | 899 Views
长记忆时间序列模型及应用. 王明进 博士 北京大学光华管理学院 商务统计与经济计量系 教授 金融风险管理中心 主任 2010 年 6 月. 主要内容. ARMA 模型的回顾; 长记忆的概念; 长记忆的检验方法; ARFIMA 模型; 一些应用;. 1. ARMA 模型的回顾. 时间序列研究的主要任务. 描述时间序列中的动态( Dynamic )关联性,用于理解其变化的规律或对其进行预测; 自相关性( autocorrelation )的刻画. ARMA 模型的形式. ARMA(p,q) 模型 其中 是白噪声. ARMA 模型的平稳性条件.
E N D
长记忆时间序列模型及应用 王明进 博士 北京大学光华管理学院 商务统计与经济计量系 教授 金融风险管理中心 主任 2010年6月
主要内容 • ARMA模型的回顾; • 长记忆的概念; • 长记忆的检验方法; • ARFIMA模型; • 一些应用;
时间序列研究的主要任务 • 描述时间序列中的动态(Dynamic)关联性,用于理解其变化的规律或对其进行预测; • 自相关性(autocorrelation)的刻画
ARMA模型的形式 • ARMA(p,q)模型 • 其中 是白噪声
ARMA模型的平稳性条件 • 如果 ,那么ARMA模型定义了唯一的二阶平稳解
ARMA模型的可逆性条件 • 如果 ,那么ARMA模型能够唯一地表达成如下的无穷阶自回归模型的形式
ARMA模型的自相关特征 • 任何一个平稳的ARMA模型的自相关函数都是呈指数递减的,即 • 因此自相关函数绝对可和,
平稳过程的谱函数 • 谱密度函数是定义在 上的偶函数且满足 • 如果自协方差函数绝对可加,
ARMA模型的谱密度函数 • 于是
ARMA模型的估计 • 条件极大似然估计; • 极大似然估计; • 最小二乘估计;
单位根过程 • 如果 ,那么 称为单位根过程,此时为非平稳过程。 • 比如如下的I(1)过程:
单位根的检验 • Augmented Dickey-Fuller(ADF)检验(Said & Dickey 1981); • Phillips-Perron(PP)检验(Phillips & Perron 1988); • Perron-Ng (PN)检验(Perron & Ng 1996); • Kwitkowski-Phillips-Schmidt-Shin(KPSS)检验 (Kwitkowski et al. 1992);
上证指数日全距序列 (1997.01.03-2010.06.18)
估计的ARMA模型 • 经过模型选择阶数得到
基于自相关函数的定义 • 如果存在常数 ,使得 • 此时自相关函数不再绝对可和,
基于谱函数的定义 • 如果存在常数 ,使得 • 基于自相关函数和基于谱函数的定义是等价的。
短程关联和长程关联* • 强相合过程(strong mixing)被称为短程关联(short range dependency)过程(Rosenblatt 1956); • 不满足强相合性的过程称为长程关联(long range dependency)过程(Lo 1991, Guegan 2005) • 长记忆过程属于这里的长程关联过程。
重新标度极差统计量 • 重新标度极差(rescaled-range)统计量 • 其中
重新标度极差统计量的性质 • 对于短期关联过程, • 对于长记忆过程, • 其中 称为Hurst指数
R/S 分析 • 在 对 的散点图上,短期记忆过程的点应分布在斜率1/2的直线附件,长记忆过程的点对应的直线斜率大于1/2. • 根据回归方法得到对Hurst指数的估计。
对对数全距序列的R/S分析 对应的斜率估计为0.8987, 因此d 的估计为0.3987
R/S分析方法的不足 • R/S分析方法其实对时间序列当中的短程记忆比较敏感,模拟结果显示,即便对于自回归系数为0.3的AR(1)过程,经R/S方法得到的Hurst指数也有近乎一半的情形超过1/2. (Davies & Harte, 1987; Lo 1991)
修正的R/S统计量的渐近分布 对于短期过程 其中V是定义在[0,1] 上的布朗桥的全距
对长记忆性的判断 • 对于长记忆过程 • 因此利用该统计量可以对长记忆过程进行单边的检验。
模型的形式 • 分数次整合ARMA模型 • 或者 • 称之为I(d)过程,记为
分数次差分算子 • 其中 • 当 时该过程可逆。
平稳解的存在性 • 当 时,该过程存在着平稳解,能够写成 • 其中
平稳解的自相关函数特征 • 对于平稳的情况,自相关函数满足 • 显然自相关函数呈双曲(hyperbolic)律递减(Sowell 1992; Chung 1994)
平稳解谱密度函数的性质 • 所以,
记忆参数d取不同值时 • 当 时对应的是二阶平稳的长记忆过程,谱密度函数在0点奇异; • 当 时对应的过程称为反持续(anti-persistent)过程,谱密度函数在0点处等于0; • 当 时,对应的是短记忆ARMA过程,谱密度函数在0点处为正数; • 当 时,对应的过程非平稳,方差无穷大,包含了单位根过程。
ARFIMA模型的估计 • 条件极大似然估计; • 极大似然估计; • 非线性最小二乘估计; • Baillie (1996)
对宏观经济变量的实证研究 • Baillie & Bollerslev (1994): 汇率 • Crato & Rothman (1994), 多个宏观变量; • Diebold & Rudebusch (1989): GNP; • Dijk et al. (2000): 失业率 • Hassler & Wolters (1995): CPI; • Tsay (2000)实际利率;
总结与讨论 • 长记忆过程的特征与模型; • 长记忆的波动率模型; • 长记忆与结构变化;
一些文献 • Baillie, R.T., (1996), “Long memory processes and fractional integration in econometrics”, Journal of Econometrics, 73, 5-59. • Beran, J. (1994), Statistics for Long-Memory Processes. Chapman & Hall.