Академический Документы
Профессиональный Документы
Культура Документы
Дипломная работа
Москва
2014
2
Содержание
ВВЕДЕНИЕ .......................................................................................................... 3
Глава 1. ARCH и GARCH модели. Вычисление куртозисов ............................. 6
§1. Процесс авторегрессии ............................................................................... 6
§2. Описание модели ARCH............................................................................. 7
§3. Вычисление куртозиса для процесса ARCH(1)......................................... 9
§4. Вычисление куртозиса для процесса ARCH(2)....................................... 13
§5. Описание модели GARCH........................................................................ 19
§6. Вычисление куртозиса для процесса GARCH(1,1) ................................. 21
Глава 2. Подбор модели для реальных данных ................................................ 25
§1. Проверка данных на модель ARMA ........................................................ 25
§2. Проверка данных на модель ARCH/GARCH. Выбор лучшей модели... 29
§3. Подбор моделей для других данных........................................................ 34
Заключение ......................................................................................................... 41
Список использованных источников ................................................................ 42
3
ВВЕДЕНИЕ
X t 1
Тогда, преобразовав ряд X t в ряд Y t ln , получим
X t
E t 0
2 для t
E t
0 для t
t некоррелированные и независимые случайные величины.
Процесс стационарен в широком смысле тогда и только тогда, когда
все корни уравнения
1 a1 z a2 z 2 ... a p z p 0
E t | t 1 , t 2 ,... ht E t | t 1 , t 2 ,... 0,
D t | t 1 , t 2 ,... ht D t | t 1 , t 2 ,... ht ;
wt ht t2 1 .
Доказательство:
Рассмотрим уравнение 1 1z 2 z 2 ... q z q 0 , отсюда следует, что
1 z 2 z 2 ... q z q 1.
Докажем необходимость. Пусть z0 – корень уравнения
1 1z 2 z 2 ... q z q 0 и z0 1.
Тогда 1 z01 z02 2 ... z0q q 1 2 ... q для 1 ,..., q 0 . А это значит,
что 1 2 ... q 1 .
уравнения 1 1 z 2 z 2 ... q z q 0 .
Eht Ehs s2 1 | Fs 1 E t2 1 | Ft 1 0.
Здесь E t | Ft 1 означает, что вычисляется условное математическое
ожидание случайной величины относительно информации, содержащейся в
прошлых значениях ряда.
Для t s аналогично.
Если t s , то получим значение второго момента wt . Обозначим его 2 . Нам
он понадобится для вычисления четвертого момента t .
2
Ewt2 Eht2 t2 1 2 .
D t2 12 D t21 D wt
D t2 1 12 2
2
D
t
2
.
1 12
2 2 02
Итак, E t4 D t2 E t2
1 12 1 1 2
.
Вычислим E ht2 :
2
E ht2 E 0 1 t21 E 12 t41 2 01 t21 02
2
12 D t21 E t21 2 01E t21 02
2
2
2 02 21 02 2
2 2 2 2
12 2 0 1 2 0 1 1 1 0 1 1
1 2
2
0 2
2
1 1 1
1 1 1 1 1 1
1
2
12 2 02 1 1 1 12 2 02
2
2
.
1 12 1
1 1 2
1 1
1
Получаем уравнение для :
2 2 02 2
2
1
2
2
E t2 1 .
1 1 1 1
Если случайная величина Х имеет стандартное нормальное распределение, то
0 p 2n 1,
E X p p , следовательно
p 1!! p 2n
2
2
E t2 1 E t4 2 E t2 1 3 2 D t E t 1 3 2 1 2 .
11
Отсюда
2
2 2 02
1
2 2
2
1 1 1 1
или
212 2
2 2 02
.
1 12 1 1 2
2 2 02 1 1
.
1 1 1 312
1
Это уравнение не имеет действительных решений для при любых 12 .
3
Таким образом, если t ARCH 1 и t N 0,1 , то второй момент wt (и
1
четвертый момент t ) существует только при 12 , т.е. при 1 0.547 .
3
Вычислим куртозис процесса t (показатель, отражающий остроту
вершины и толщину хвостов распределения случайной величины t ),
4
,
4
где 4 – четвертый центральный момент распределения, 4 – квадрат
дисперсии. Для нормального распределения 3 . В нашем же случае
4 4
E t E t E t
, т.к. E t 0 .
2 2 2 2
E E E
t t t
02 3 312 3 02 1 12
2
2
.
1 1 1 3 1 1 3
2
1 1
2
1
12
2 02
И E t
2
2
.
1 1
Отсюда
3 02 1 12
2
1 1 1 3 31 .
2
1
2
1
2
0
2
1 3 2
1
1 1
1
3 при 12 .
3
Построим график куртозиса как функции от 1 (Рисунок 4):
3 1 12 612
3 .
1 312 1 312
Очевидно, что 0 . Это означает, что пик распределения около
математического ожидания острый.
Построим график эксцесса (Рисунок 5):
13
t ht t ,
ht 0 1 t21 2 t22
или иначе:
t2 0 1 t21 2 t22 wt .
K cov 2 t , 2 t .
Определение ковариации:
cov X , Y E X EX Y EY .
0
E 2 t E 2 t .
1 1 2
Запишем уравнения Юла-Уолкера:
K 0 1K 1 2 K 2 2
K 1 1K 0 2 K 1
K 2 1K 1 2 K 0
...
K 1K 1 2 K 2
Это система линейных неоднородных уравнений.
Общее решение системы
K l , l 1l 1 2l 2 .
K 0 1K 1 2 K 2 2
K 1 1K 0 2 K 1 ,
где
1 1
K c1 1 12 4 2 c2 1 12 4 2 .
2 2
Вычисления проводятся в системе Wolfram Mathematica 7.0. Процедура
вычисления представлена в Приложении 1.
Наши коэффициенты c1 и c2 равны соответственно:
c
1 1
1 2 2 12 4 2 2 ;
1
2 12 1 2
2
1 2 12 4 2
c
1 1
1 2 2 12 4 2 2 .
2
2
2 1 2
1
2
1 2
2
4 2
1
wt ht t2 1
2
wt2 ht2 t2 1
2
E wt2 E ht2 E t2 1 2 .
Вычислим E ht2 :
2
E ht2 E 0 1 t21 2 t22 E 02 12 t41 22 t42 2 01 t21 2 0 2 t22 21 2 t21 t2 2
2
02 12 22 K 0 E t2
2
2 0 1 2 E t2 21 2 K 1 E t21 E t2 2
2
.
Находим 2 :
2 2 1 1 2 1 2 02
.
1 1 2 1 2 3 22 3 23 312 1 2
Видим, что числитель выражения положителен, т.к. 1 , 2 0 и 1 , 2 1 .
Также т.к. 1 2 1 , выражение 1 1 2 0 .
1 2 3 22 3 23
1 1 2
0 2 и 0 1 .
3 3
Изобразим условия существования 2 (Рисунок 6):
1
При условиях, что 1 0,1 , m 0 , получаем, что
3
' 1 0 ,
следовательно куртозис является возрастающей функцией.
При 1 0 и m 0 значение куртозиса равно 3, следовательно
18
3
1
на всей своей области определения, т.е. при 0 2 и
3
1 2 3 22 3 23
1 2
0 1 .
3
Построим график куртозиса как функции от 1 и 2 (Рисунок 7,8):
6 1 2 22 12 1 2
.
1 2 3 22 3 23 312 1 2
ht 0 L t2 ,
где
L j Lj ,
j 1
а L – лаговый оператор, LX t X t 1 .
L 1L1 2 L2 ... m Lm
L ,
1 L 1 1L1 2 L2 ... r Lr
или
ht 0* 1ht 1 2 ht 2 ... r ht r 1 t21 2 t22 ... m t2m ,
где 0* 1 1 2 ... r 0 .
2 0*
E .
1 1 1 2 2 ... p p
t
21
E t4 E ht2 t4 3Eht2
Куртозис 2
2
2
.
E Eh
t
2
t t
2
Eht
Итак, ht 0 1 t21 1ht 1 , или
gt 1 t21 1 .
Математическое ожидание
Eg t 1 1 ,
Найдем Ef m2 :
m m m m
2
Ef m2 E gt2k Eg t2k E 1 t21 1 E 12 t41 21
1 t 1 1
2 2
k 1 k 1 k 1 k 1
2 m
312 211 1 .
Отсюда
2
m1
h f m 02 f m2 2 f m f k .
t
2 2
0
m 0 m 0 m 1 k 0
Для нахождения неизвестной нам Eht2 осталось найти только Ef m f k . Найдем
это математическое ожидание.
mk,
k m k
Ef m f k Ef k2 Ef m k 312 211 12 1 1 .
2 1 1 1 02
Eh .
t
1 1 1 1 312 211 12
1 1 1 02
3
3Eht2 1 1 1 1 312 211 12
Куртозис 2
2
;
Eht 0
1 1 1
23
3 1 1 1 1 1 1
.
1 312 211 12
Числитель этой дроби отрицателен, следовательно и знаменатель должен
быть отрицательным.
Куртозис существует не для всех значений 1 и 1 , даже при ограничениях
1 , 1 0 и 1 1 1 .
1
0 при 0 1 и 0 1 1 1 212 .
3
Построим график куртозиса (Рисунок 10):
1
При условиях, что 1 0,1 , m 0 , получаем, что
3
' 1 0 ,
следовательно куртозис является возрастающей функцией.
1
При этом 3 при этих же значениях 1 и 1 , при 0 1 и
3
0 1 1 1 212 .
25
Таблица 1
Оценки параметров данных при рассмотрении модели AR(4)
Продолжение таблицы 1
G(-1) 0.048590 0.034283 1.417335 0.1566
G(-2) 0.007420 0.035483 0.209129 0.8344
G(-3) 0.058820 0.031614 1.860542 0.0630
G(-4) 0.053122 0.037771 1.406412 0.1598
Так как тест Харке-Бера отвергает нулевую гипотезу, и куртозис явно больше
3, делаем вывод, что остатки распределены не нормально.
28
Проверим этот вывод еще и другим способом. Рассмотрим коррелограмму
квадратов остатков (Рисунок 16):
Рисунок 16. Коррелограмма квадратов остатков модели AR(4) для ряда «Германия».
Variance Equation
Рисунок 17. Коррелограмма квадратов остатков модели ARCH(1) для ряда «Германия»
30
Все остатки, кроме первого, зависимы. Значит, модель ARCH(1) нам не
удовлетворяет.
2. Рассмотрим модель ARCH(2). Данные об оценках параметров указаны в
таблице 4.
Таблица 4
Оценивание неизвестных параметров для модели ARCH(2) для ряда «Германия»
Variable Coefficient Std. Error z-Statistic Prob.
Variance Equation
Рисунок 18. Коррелограмма квадратов остатков модели ARCH(2) для ряда «Германия»
31
И модель ARCH(2) нас не удовлетворила.
Продолжая подбирать модели и отвергать неподходящие, приходим к модели
ARCH(7).
3. Рассмотрим модель ARCH(7) (см. Таблицу 5).
Таблица 5
Оценивание неизвестных параметров для модели ARCH(7) для ряда «Германия»
Variance Equation
Рисунок 19. Коррелограмма квадратов остатков модели ARCH(7) для ряда «Германия»
32
Модель удовлетворяет нашим требованиям.
4. Рассмотрим модель GARCH(1,1) (см. Таблицу 6).
Таблица 6
Оценивание неизвестных параметров для модели GARCH(1,1) для ряда «Германия»
Variance Equation
Рисунок 20. Коррелограмма квадратов остатков модели GARCH(1,1) для ряда «Германия»
Таблица 7
Оценивание неизвестных параметров для модели ARCH(8) для ряда «Франция»
Variance Equation
Таблица 8
Оценивание неизвестных параметров для модели ARCH(4) для ряда «США»
Variance Equation
Рисунок 26. Коррелограмма квадратов остатков модели ARCH(8) для ряда «Франция».
Рисунок 27. Коррелограмма квадратов остатков модели ARCH(4) для ряда «США».
38
Variance Equation
Таблица 10
Оценивание неизвестных параметров для модели GARCH(2,1) для ряда «США»
Variance Equation
Рисунок 28. Коррелограмма квадратов остатков модели GARCH(1,2) для ряда «Франция».
Рисунок 29. Коррелограмма квадратов остатков модели GARCH(2,1) для ряда «США».
40
Сравнивая модели ARCH(8) и GARCH(1,2) для ряда «Франция», видим,
что информационный критерий Акаике равен:
Для модели ARCH(8) AIC = -6.159718.
Для модели GARCH(1,2) AIC =-6.169433.
Из этого мы видим, что модель GARCH(1,2) наиболее точно подходит
для описания данного временного ряда.
Заключение
In[1]:= Solvel2 a1 l a2 0, l
1 1
Out[1]= l a1 a12 4 a2 , l a1 a12 4 a2
2 2
1 1
In[2]:= l1 a1 a12 4 a2 ; l2 a1 a12 4 a2 ;
2 2
In[4]:= Solvek0 a1 k1 a2 k2 la, k1 a1 k0 a2 k1, c1, c2
Out[4]= c1
1 1
a1 a1 a12 4 a2 a2 a1 a12 4 a2 la a12 4 a2 a12 a12 4 a2
2 2
a1 a1 a2 1 1
c2 a12 4 a2 a2 a12 4 a2 la a12 4 a2
2 2 2 2
In[5]:= c1 Simplify
1 1
a1 a1 a12 4 a2 a2 a1 a12 4 a2 la a12 4 a2 a12 a12 4 a2
2 2
In[6]:= c2 Simplify
a1 a1 a2 1 1
a12 4 a2 a2 a12 4 a2 la a12 4 a2 a12 a12 4 a2
2 2 2 2
1 a2 la
Out[7]=
a12 1 a22 1 a2
2 Appendix1.nb
a1 la
Out[8]=
a1 1 a22 1 a2
2
z
In[9]:= EU ;
1 a1 a2
In[10]:= Solve
la 2 z2 a12 a22 k0 EU2 2 z EU a1 a2 2 a1 a2 k1 EU2 0, la
2 1 a1 a2 1 a2 z2
Out[11]=
1 a1 a2 1 a2 3 a22 3 a23 3 a12 1 a2
Out[13]=
3 1 a1 a2 1 a2 z2
Out[14]=
1 a1 a2 1 a2 3 a22 3 a23 3 a12 1 a2
1
In[16]:= Plot3Dkk, a1, 0, , a2, 0, 1 3 , PlotRange 0, 10, AxesLabel "2", "1", ""
3
Out[16]=
In[17]:= a2 m a1;
In[18]:= kk Simplifykk
3 1 a1 1 m 1 a1 m 1 a1 a1 m
Out[18]=
1 a1 m 3 a13 m 1 m2 3 a12 1 m2
In[20]:= Simplify
12 a1 1 m2 a12 m2 1 m2 a1 m 2 m3
In[21]:= k1 ;
2
1 a1 m 3 a13 m 1 m2 3 a12 1 m2
Out[22]= False
Out[23]= False
In[24]:= a1 0; m 0; kk
Out[24]= 3
ПРИЛОЖЕНИЕ 2
Исследование свойств куртозиса модели GARCH(1,1)
m
In[2]:= ht z 1 gt k
m1 k1
m
Out[2]= z 1 a b v2 k t
m1 k1
In[4]:= ht2 ht ^ 2
m 2
Out[4]= z2 1 a b v2 k t
m1 k1
In[5]:= f0 1;
m
In[6]:= fm gt k
k1
m
Out[6]= a b v2 k t
k1
2
m1
In[8]:= ht2 z2 f2 m 2 fm fk ;
m0 m0 k0
m
In[9]:= Ee fm2 a2 2 a b 3 b2 ;
k
In[10]:= Efmfk a2 2 a b 3 b2 a bmk
k
Out[10]= a bkm a2 2 a b 3 b2
m1
m k
In[11]:= Eht2 Simplifyz2 a2 2 a b 3 b2 2 z2 a bkm a2 2 a b 3 b2
m0 m1 k0
1 a b z2
Out[11]=
1 a b 1 a2 2 a b 3 b2
1 a b z2
In[12]:= Reduce 0, a b 1, a 0, b 0
1 a b 1 a2 2 a b 3 b2
1
Out[12]= 0b && 0 a b 1 2 b2 && z 0 z 0
3
1 a b 1 a b
Out[13]=
1 a2 2 a b 3 b2
2 Appendix2.nb
3 1 a b 1 a b
In[14]:= Kura_, b_ : ;
1 a2 2 a b 3 b2
Out[15]=
12 b4 1 v
Out[18]=
2
1 b2 3 2 v v2
1
Out[19]= 0b && 0 a b 1 2 b2
3