发帖
雷达卡
大家好，我想和大家讨论下一个计量经济学里关于时间序列模型稳健性检验的问题。比如我的研究里已经估计了GARCH模型和DCC模型，且参数全部显著，并且已经对模型的残差和标准化残差通过了arch效应检验，那么还有什么方法可以用来检验这两个模型所得到的结果或者说结论的稳健性呢，我看到不少计量经济学里线性回归分析类的论文都会在文章后面有一个robustness analysis的章节，有些没有系统地构成一个章节，但也会提到相关的内容。可是我发现似乎时间序列类的论文分析robustness analysis的好像不多，都是展示下arch检验、ljung-box检验、最后是参数显著性，然后基本上就结束了。
如果时间序列类模型没有什么特别的稳健性检验流程，那么按照其他帖子里介绍计量经济学线性回归类论文的分析稳健性的方法，我们是否可以按如下两步操作：1. 考虑改变样本数据的区间段。在原有已选定样本数据的基础上，往前更改样本数据的起始时间或者往后更改结束时间，适当增加或者删减样本数据看看时间序列模型计算出来的结果是否和原来一样一致、结论稳健，当然前提是有样本数据可以这样换用，往往宏观经济的样本数据有限。2. 换用类似的时间序列模型对原本的样本数据进行计算。比如GARCH模型换成APARCH，或者考虑不对称性的EGARCH还有GJR-GARCH，看看分析出来的条件方差是否还有一致的结论。DCC模型换成考虑有偏特性的ADCC模型，看看条件相关性是否有一致的结果。但这前提是有可选的其他时间序列模型替代，若是本身已经使用较为高级的时间序列模型，那要找到类似的模型进行换用分析稳健性，似乎也有操作的难度，比如Markov-switching DCC，这一模型的研究重点在于估计出来的state probability，但若换用其他非Markov switching的DCC模型便得不到相应的state probability以验证这一块机制转移的稳健性了。还有就是绝大部分延伸的GARCH Type和DCC Type的模型族类都是在不对称性上去做些改变，那往往不对称性一考虑结论就会有些许变化，而有时候不对称性不是关注点，甚至可能考虑不对称性模型的参数估计结果并不理想，所以想要用这些不对称性的延伸模型做robustness analysis也有困难。
如果很不巧，上面两个稳健性检验的方式都是遇到这样无法操作的困难，即缺乏足够的样本数据改变区间段，还有无其他合适的可替代模型，那是不是就没法儿进行稳健性检验了？不知道大家对这个时间序列模型稳健性分析的问题有没有什么了解。
京公网安备 11010802022788号
