求问时间序列ARIMA-GARCH建模前的预处理数据问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

搜了蛮久资料了，请问时间序列ARIMA-GARCH建模前的预处理数据的步骤和原理是不是这样呢：
我使用的是股票对数收益率的时间序列和R语言

1、收益率序列平稳性检验：ADF、ACF图、PACF图
问题1：是不是ACF图、PACF图快速收敛到0，也即在两条横线之内即说明平稳呀
2、收益率序列白噪声检验：Box.test(rt, lag = 5, type = 'Ljung-Box')
问题2：如果p值大于0.05，就说明收益率序列是白噪声，是不是就不用ARMA建模了，直接检验收益率序列的ARCH效应
问题3：若收益率序列非白噪声，则进行ARMA建模，对残差进行白噪声检验，若为白噪声，则再检验残差的ARCH效应

问题4：若收益率序列是白噪声，且有ARCH效应，则直接对收益率序列进行GARCH建模，其均值方程为常数项+误差项对吗
问题5：若收益率序列非白噪声，且ARMA建模后残差也为白噪声且有ARCH效应，则对残差进行GARCH建模，其均值方程就是前面的ARMA模型

因为我主要搞不清对什么序列进行检验，毕竟一时原始序列一时残差序列的，所以想请大家帮我看看是不是理解正确

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：ARIMA GARCH 时间序列 处理数据 ARCH

up 有人路过吗

你对时间序列ARIMA-GARCH建模前的预处理数据的步骤和原理的理解基本是正确的。下面是对你提出的问题的回答：

问题1：ACF图和PACF图是用来检查时间序列的自相关性和偏自相关性。在平稳序列中，ACF和PACF图通常会迅速衰减并在某个阈值内收敛到零。这种收敛性是平稳性的一个指标，但还需要结合ADF检验等方法来综合判断序列的平稳性。

问题2：白噪声检验可以通过Ljung-Box检验来进行，其中p值大于0.05表示序列是白噪声，不需要进行ARMA建模。如果序列是白噪声，您可以直接检验收益率序列的ARCH效应。

问题3：如果收益率序列不是白噪声，可以进行ARMA建模，并对残差进行白噪声检验。如果残差是白噪声，再进行残差的ARCH效应检验。

问题4：如果收益率序列是白噪声且有ARCH效应，可以直接对收益率序列进行GARCH建模，其中均值方程包括常数项和误差项。

问题5：如果收益率序列不是白噪声，经过ARMA建模后的残差是白噪声且有ARCH效应，可以对残差进行GARCH建模，其中均值方程可以使用之前的ARMA模型。

在进行ARIMA-GARCH建模之前，确保对原始序列进行平稳性检验和白噪声检验是很重要的。这些步骤可以帮助你确定是否需要进行ARIMA建模和GARCH建模，并为后续的模型选择提供指导。请注意，这只是一种常见的方法，具体的步骤和判断标准可能会因数据特点和研究目的而有所不同。建议您在实际应用中结合实际情况进行判断和调整。

sun_man 发表于 2023-9-28 15:33
你对时间序列ARIMA-GARCH建模前的预处理数据的步骤和原理的理解基本是正确的。下面是对你提出的问题的回答 ...

谢谢您的回复，对我很有帮助！