Вы находитесь на странице: 1из 11

Модели условной

гетероскедастичности
Одномерный случай
 

•Формально мартингалом называется стохастический процесс ,


обладающий следующими свойствами:
•а) математическое ожидание абсолютной величины процесса
Мартингал конечно для любого момента времени t;
•б) Условное математическое ожидание процесса на основе всей
(martingale) информации, известной к моменту s, равно значению процесса в
момент s
для всех , где совокупность всей информации к моменту s.
Это свойство носит название мартингального.

При
  анализе одномерного дискретного временного ряда вся
информация к некоторому моменту времени s представляет собой
просто реализацию процесса на отрезке [1,s], и мартингальное
свойство может быть переписано в виде
для всех .
При
  анализе реальных финансовых временных рядов часто встречается и иные процессы, для которых
мартингальное равенство может быть заменено неравенством для всех .
Такой процесс называется субмартингалом.
Если же неравенство выполняется с противоположным знаком, процесс называется супермартингалом.

Мартингал
  может быть записан в эквивалентной форме очень
напоминающей случайное блуждание
,
где называется мартингальным приращением или
мартингальной разностью.

 
Пример.
 𝜂𝑡 = 𝜀 𝑡 + 𝛽 𝜀 𝑡 − 1 𝜀 𝑡 −2

𝐸
  ( 𝑦 𝑡 | 𝑦 1 , 𝑦 2 ,... , 𝑦 𝑡 − 1) =𝐸 ( 𝑦 𝑡 − 1+ 𝜂𝑡| 𝑦 1 , 𝑦 2 ,... , 𝑦 𝑠 ) = 𝑦 𝑡 −1 + 𝛽 𝜀 𝑡 − 1 𝜀 𝑡 −2
В 1982 году Энглом была предложена модель, получившая название модели с
условной гетероскедастичностью (autoregressive conditional heteroskedastisity),
обычно используемая аббревиатура ARCH, или ARCH-модель

  Рассмотрим простую авторегрессионную модель


,.
 У словное математическое ожидание  𝐸¿
 Условная дисперсия и от времени не зависит.
Соответственно
  безусловное математическое ожидание равно нулю,
а безусловная дисперсия равна .

  Энгл специфицировал условную дисперсию в виде:


.

 Процесс, определяемый соотношением


,
называется процессом ARCH(1).
  Для сокращения записи обозначим условное математическое ожидание
произвольного процесса через .

Вычисление условного математическое ожидание процесса ARCH(1) дает .


Применяя формулу итерированного случайного ожидания, получим .
Следовательно, безусловное математическое ожидание процесса рано нулю.

2 2
𝐸𝑡 − 2 (𝐸𝑡 − 1 (𝑢 ))=𝐸𝑡 −2 (𝛼 0 +𝛼 𝑢 )=¿
 
𝑡 1 𝑡−1
  𝐸 ( 𝑢2
𝑡 )= 𝐸 0 ¿
Если
  уравнение AR(1) для дисперсии стационарно, то , и прейдя
к пределу при , получим .


 Доказано, что при

2 2 2
 𝜐 𝑡 = 𝑢𝑡 − h𝑡 ⟹ 𝑢𝑡 =𝜐 𝑡 +h 𝑡 = 𝛼 0 + 𝛼 1 𝑢 𝑡 −1 +𝜐 𝑡

ARCH(p) 2 2
h  𝑡 =𝑣𝑎𝑟 ( 𝜀 𝑡|𝜀 𝑡 − 1 ¿=𝛼 0+𝛼 1 𝜀 𝑡 − 1+...+𝛼 𝑝 𝜀 𝑡 − 𝑝

 𝛼 0 >0 , 𝛼 1 , 𝛼 2 … , 𝛼 p ≥ 0
  2𝑡 =𝜐𝑡 + h𝑡 =𝛼 0+ 𝛼 p ( 𝐿)𝑢 2𝑡 +𝜐 𝑡
𝑢

 
Для слабой стационарности ARCH(p) нужно, чтобы AR-полином
был устойчивым, в частности
𝛼0
 
𝑣𝑎𝑟 (¿ 𝑢𝑡 )= ¿
  𝐸 ( 𝑢𝑡 )=0 𝑝
1−∑ 𝛼 𝑖
𝑖=1
Тестирование наличия условной гетероскедастичности ARCH-эффект

 1. Строим необходимую модель и получаем ряд остатков . Если


исследованию на условную гетероскедастичность подвергается
одномерный ряд исходных данных, то этот шаг не нужен.
2. Методом наименьших квадратов оцениваем модель .
3. Проверяем гипотезу об адекватности регрессии, построенной на
втором шаге: против естественной альтернативы .
Применяются F-тест и LM-тест ()
В малых выборках F-тест предпочтительнее

  Существуют более мощные тесты, учитывающие не


отрицательность (Lee, King), (Hong), (Demos, Sentana)

Не учет ARCH-эффекта ведет к перепараметризации ARMA и ошибках в


значимости коэффициентов (Weiss).

  1
𝑤𝑡= 2 2
√ 𝛼^ +^𝛼 𝑒
0 1 𝑡−1 +...+ 𝛼^ 𝑒
𝑝 𝑡 −𝑝
GARCH(p,q)
2 2
h
  =𝑣𝑎𝑟 𝜀 |𝜀
𝑡 ( 𝑡 𝑡 − 1 ¿=𝛼 0=𝛼 0 +𝛼 1 𝜀 𝑡 −1 +...+𝛼 𝑝 𝜀 𝑡 − 𝑝 + 𝛾 1 h𝑡 −1 +...+𝛾 𝑞 h𝑡 − 𝑞
𝛾  1 , 𝛾 2 … , 𝛾 𝑞 ≥ 0
2
h  𝑡 =𝑣𝑎𝑟 ( 𝜀 𝑡|𝜀 𝑡 − 1 ¿=𝛼 0+ 𝛼 𝑝 ( 𝐿) 𝜀 𝑡 +𝛾 𝑞 ( 𝐿)h𝑡 −1
  𝛼0
h𝑡 =
¿ ¿
Если
  корни характеристического полинома лежат вне единичного круга (в данном
случае удобней использовать характеристическое уравнение в такой форме).

Если
  у полиномов кроме того нет общих корней, то положительность дисперсии будет гарантирована,
если все коэффициенты полинома бесконечной степени неотрицательны.

Если
  у полиномов нет общих корней, то положительность дисперсии гарантирована, если все
коэффициенты полинома бесконечной степени неотрицательны. Необходимые и достаточные условия
этого были получены Нельсоном и Као. Для процесса GARCH(1,1) , эти условия означают
неотрицательность всех трех параметров.
Эквивалентное представление GARCH(p,q)

 𝑢2=𝛼 2
𝑡 0 + ( 𝛼 𝑝 𝐿 +𝛾 𝑞 𝐿 ) 𝑢 𝑡 +𝜐 𝑡 − 𝛾 𝑞 ( 𝐿 ) 𝜐 𝑡
( ) ( )
  Условие слабой стационарности (достаточное)

  IGARCH(p,q)
  IGARCH(1,1)
 Для оценивания процессов GARCH(p,q) применяется метод
максимального правдоподобия в предположении о
гауссовости сильного белого шума . При увеличении
порядка процесса GARCH трудности оценивания
параметров быстро нарастают, так что широкое применение
нашел, пожалуй, только процесс GARCH(1,1).
Engle 𝜋
  𝑡 = 𝑝 𝑡 − 𝑝𝑡 −1 , 𝑟 𝑡 = 𝑤 𝑡 − 𝑝 𝑡

  𝜋 𝑡
¿
  h𝑡 =0,000089
  LM тест для ARCH(4) показал
2 2 2 2
 h𝑡 =𝛼 0 +𝛼 1 ( 0,4 𝑒𝑡 − 1+ 0,3 𝑒𝑡 −2 +0,2 𝑒𝑡 − 3 +0,1 𝑒𝑡 −4 )
  𝜋 𝑡
¿
2 2 2 2
h
  𝑡 =1,4 𝐸 −5+ 0,955 ( 0,4 𝑒 𝑡 −1 +0,3 𝑒 𝑡 −2 +0,2 𝑒 𝑡 −3 +0,1 𝑒 𝑡 − 4 )
Bollerslev
  𝜋 𝑡  h𝑡 =0,282
¿
  𝜋 𝑡
¿
8
  9 −𝑖 2
h𝑡 =0,058+0,802 ∑ 𝑒𝑡 −𝑖
𝑖=1 36
8
  9 −𝑖 2
h𝑡 =𝛼 0 +𝛼 1 ∑ 𝑒𝑡 −𝑖+ 𝛾 1 h𝑡 − 1
𝑖=1 36

  𝜋 𝑡
¿

  h𝑡
¿
Сравним с первоначальным уравнением

  𝜋 𝑡
¿
 h𝑡 =0,000089