archtest

残差异方差恩格尔检验

折叠所有页面

语法

h = archtest (res)

h = archtest (res、名称、值)

[h, pValue] = archtest (＿＿＿）

[h, pValue,统计,cValue] = archtest (＿＿＿）

描述

例子

h= archtest (res）返回一个逻辑值，该逻辑值具有执行恩格尔的拱测试一元残差序列的残差异方差res．

例子

h= archtest (res，名称,值）使用由一个或多个名称-值对参数指定的附加选项。

如果任何名称-值对参数是向量，则指定的所有名称-值对参数必须是长度相等或标量相等的向量。archtest (res、名称、值)将向量输入的每个元素作为一个单独的测试，并返回一个拒绝决定向量。
如果任何名称-值对参数是行向量，则archtest (res、名称、值)返回行向量。

例子

［h，pValue) = archtest (＿＿＿）返回拒绝决定和p-value用于假设测试，使用前面语法中的任何输入参数。

例子

［h，pValue，统计，cValue) = archtest (＿＿＿）另外返回测试统计信息(统计)及临界值(cValue)进行假设检验。

例子

全部折叠

检验ARCH效应的时间序列

打开生活的脚本

加载德国马克/英镑的外汇汇率数据集。

负载Data_MarkPound

将价格转换为回报。

回报= price2ret(数据);

计算返回序列的偏差。

Residuals = returns - mean(returns);

使用残差测试返回序列的ARCH效应。

h = archtest(残差)

h =逻辑1

结果h= 1表示应拒绝无条件异方差的原假设，并得出return序列存在显著ARCH效应的结论。

指定测试统计数据的滞后

打开生活的脚本

为了从恩格尔的ARCH测试中得出有效的推论，您应该为模型确定合适的滞后数。通过在一个合理的滞后范围内拟合模型，并比较拟合的模型，可以做到这一点。为ARCH测试选择产生最佳拟合模型的滞后数。

加载和处理数据

加载工具箱中包含的纳斯达克数据。将每日收盘的综合指数系列转换成百分比回报系列。

负载Data_EquityIdx日期= datetime(日期,“ConvertFrom”，“datenum”）;价格= DataTable.NASDAQ;ret = 100 * price2ret(价格);图绘制(日期(2:结束),随著标题(“纳斯达克每日回报”）

图中包含一个轴对象。标题为NASDAQ Daily Returns的axes对象包含一个line类型的对象。

收益率序列的最后一个季度似乎比前三个季度有更高的方差。这种不稳定的行为表明了条件异方差。此外，该系列似乎在一个恒定的水平上波动。

回报的频率相对较高。因此，每天的变化可能很小。为了数值的稳定性，对这类数据进行缩放是一个很好的做法。

确定适当的测试滞后次数

在滞后网格上拟合模型。选择与最佳拟合模型相对应的滞后次数。

numLags = 4;logL = 0 (numLags, 1);%预先配置为Mdl = garch(0,k);创建ARCH(k)模型[~, ~, logL (k)] =估计(Mdl,受潮湿腐烂,“显示”，“关闭”）;%获得loglikelihood结束aic = aicbic (logL 1: numLags);%得到工商局[~,滞后]= min (aic)%获得适当的滞后次数

滞后= 4

滞后= 4表明在ARCH检验统计量中包含四个滞后是合理的。

进行拱测试

计算残差，在1%显著性水平下进行ARCH检验。

R = ret - mean(ret);回报率在固定水平上波动[h, pValue,统计,cValue] = archtest (r,“滞后”滞后,“α”, 0.01)

h =逻辑1

pValue = 0

统计= 460.5831

cValue = 13.2767

h = 1表明拒绝ARCH(4)替代方案没有ARCH效应的原假设。pValue = 0表明拒绝null的证据是强的。

输入参数

全部折叠

`res`- - - - - -剩余系列
向量

软件为其计算测试统计量的残差序列，指定为向量。最后一个元素对应于最近的观测结果。

通常情况下，你将模型与观察到的时间序列相匹配res为拟合模型的(标准化)残差。

数据类型:双

名称-值参数

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:“滞后”,1:4,“阿尔法”,0.1指定在0.1显著性水平下进行的四项检验，包括1、2、3和4个滞后项。

`滞后`- - - - - -滞后项数
1(默认)|正整数|正整数向量

在检验统计量计算中包含的滞后项数，指定为逗号分隔对组成“滞后”一个正整数或正整数的向量。

使用矢量进行多个测试。

的每个元素滞后必须小于长度(res) - 2．

例子:“滞后”,1:4

数据类型:双

`α`- - - - - -重要性水平
0．05(默认)|标量|向量

假设检验的显著性水平，指定为逗号分隔对，由“α”一个标量或向量。

使用矢量进行多个测试。

的每个元素α必须大于0且小于1。

例子:“阿尔法”,0.01

数据类型:双

输出参数

全部折叠

`h`-测试拒绝决定
逻辑|逻辑值的向量

测试拒绝决定，作为逻辑值或逻辑值向量返回，其长度等于软件执行的测试数量。

h = 1表明拒绝无ARCH效应无效假设，而倾向于替代。
h = 0表明未能拒绝无ARCH效应无效假设。

`pValue`- - -检验统计量p值
标量|向量

检验统计量p-values，以标量或向量的形式返回，其长度等于软件执行的测试数。

`统计`——测试数据
标量|向量

测试统计信息，作为标量或向量返回，其长度等于软件执行的测试数。

`cValue`——关键值
标量|向量

临界值，作为标量或向量返回，其长度等于软件执行的测试数。

提示

为了从恩格尔的ARCH测试中得出有效的推论，您必须确定适当的滞后数。一种方法是:
1. 拟合华宇电脑，garch，egarch,或gjr模型使用估计．通过指定逐渐变小的ARCH滞后(即ARCH效应对应于逐渐变小的滞后多项式项)来限制每个模型。
2. 从估计模型中获得对数似然。
3. 使用lratiotest来评估每个限制的重要性。或者，使用aicbic并将它们与适合度相结合。
ARCH过程中的残差是依赖的，但不是相关的。因此,archtest无自相关的异方差检验。要测试自相关性，请使用lbqtest．
GARCH (P，问)过程在局部等效于ARCH(P+问)的过程。如果archtest (res,滞后,滞后)显示均值模型残差的条件异方差的证据，那么用GARCH(P，问)模型与P+问＝滞后．