[求助][讨论]有关FIGARCH模型的两个问题

engineer-xin：

(1)我用的R/S检验，不过取另外时间段时就忘记检验直接建模了，不好意思。。。

(2)短记忆FIGARCH与长记忆FIGARCH该如何区分？分别有何特征？我意思是给出了一个FIGARCH模型（已作过长记忆检验），怎么可以看出它是短记忆还是长记忆的？有没有办法，通过d的大小吗？还是只能通过建模前的检验来区分？

(3)FIGARCH到底可不可以对非平稳数据建模呢？(个人感觉，FIGARCH可以对非平稳数据建模；它本身的意思就是d阶分数差分后序列平稳。)另外，我看到这方面的论文中，都进行了单位根检验和平稳性检验呀，既然FIGARCH可以对非平稳建模，那平稳性检验的目的又是什么？目的是检查数据要不要预处理？

有点混乱。。。

(4)我就用的股指数据哈

[此贴子已经被作者于2007-5-17 23:12:25编辑过]

补充：

(5)非平稳性FIGARCH模型与平稳FIGARCH模型在建立时，对系数的要求有何不同呢？

是否平稳的要求1-B(L)形式的算子，其根在单位圆外？非平稳的不需要？

(6)有一种情况，平稳性检验显示平稳，R/S显示有长记忆性，但是FIGARCH得到d=0.508......刚好大于0.5，这些结果好像不太一致？数据太少么？我取的1700多

若用以前楼上那个：“一篇论文中找到一句话：FIGARCH is strictly stationary and ergodic for 0<=d<=1？”来解释，好像就是可能合理的了

[此贴子已经被作者于2007-5-17 12:39:27编辑过]

好不容易遇到一个高手，可老不现身，那个急呀

1. 既然是非平稳性FIGARCH模型,模型都已不平稳了,那意义?

2.先浅谈一下ARFIMA-FIGARCH model,先假设

ARFIMA(1,d1,1)

FIGARCH(1,d2,1)

3.首先你会做单根检验,简单说就是y series d1不可为1

y series 必须是平稳的.

其次你会做长记忆性检验.

条件吻合了再作FIGARCH model.

4.d2 会随着你的error distribution 不同而不同

假设normal 时是0.3,那么t-dist可能是0.8

当然会随着不同数据而变.

5.这时就印证了你的那句话

FIGARCH is strictly stationary and ergodic for 0<=d<=1

[此贴子已经被作者于2007-5-20 7:48:34编辑过]

谢谢yiyo900的批评，不平稳确实就没意义了。。。

第一步在对序列建立ARMA模型时，检验中首先出现问题，导致无法继续，请赐教：

在splus中，有检验序列平稳性的函数unitroot、stationaryTest两个；unitroot有两种方法：ADF和PP；stationaryTest对应KPSS检验。

我先用unitroot中的PP法检验，得到下面结果：

（1）备选项trend="ct"时，统计值-45.74—p值约为0；

备选项trend="c"时，统计值-45.68—p值0.2136；

备选项trend="nc"时，统计值-46.37—p值0.8132；

零假设均是：there is a unit root

同一组数据，然后用stationaryTest检验，结果如下：

（2）备选项trend="ct"时，统计值0.0322，在5%水平下不显著

（零假设：stationary around a linear trend）

备选项trend="c"时，统计值0.4804，在5%水平下显著

（零假设：stationary around a constant）

没有trend="nc"的备选项。

我想问的是：上面的两个检验结果分别该得到什么结论？显示结果一致么？不一致的话该信谁？如果结论是序列不平稳，该如何预处理数据？

[此贴子已经被作者于2007-5-18 23:12:10编辑过]

yiyo900：

关于你在14楼中的一个地方提问，若误差分布是normal，不能出现d2>0.5？

engineer-xin：

请问关于股指实证的研究中，通常结论大家都检验出股指序列是平稳的么？

忠心感谢大家帮助哈，我才开始时间序列学习没多久，难免有时提的问题比较幼稚，还请见谅纠正！再次谢谢。。。

1.MM,首先声明我没他意,我是佩服你的学习精神,学习态度.

原本创意就是在不可能的思考中产生的,请继续发挥你的创意.

2.数据你一定要先处理好,才能进行检验.

1)如果你是直接用closing price ,要先进行detrended.

2)比较常用的是logarithmic differences multiplied by 100

percent returns : 100*(log(y)-log(y(-1)))

[此贴子已经被作者于2007-5-20 7:49:40编辑过]

yiyo900:

我用的是价格数据，已经用splus中的函数getReturns(其中设定type="continuous",percentage=T)得到回报序列，应该就是100*(log(y)-log(y(-1)))

然后再对回报序列进行平稳性检验，出现15楼所述情况，不知道该对那个结果作何解释...你觉得症结在哪呢？

关于你在14楼中的一个地方提问，若误差分布是normal，不能出现d2>0.5？对条件方差用FIGARCH建模时，均值非要用ARFIMA？

终于知道自己对模型的理解有多肤浅了。。。

[此贴子已经被作者于2007-5-18 23:28:44编辑过]

1.帮你做了一个简单的例子,供参考

内含archTest, unit root test, modified R/S test,

figarch, fiegarch, and model checking.

请把你的数据和ibm.txt作一比较

#####

module(finmetrics)

ibm=matrix(scan(file='c:/ibm.txt'))

par(mfrow=c(2,1))

acf(ibm,24)

acf(ibm^2,24)

archTest(ibm,lag=24)

# UNIT ROOT ADF TEST

adft.out = unitroot(ibm, trend="nc", statistic="t", lags=1)

adft.out

# Modified R/S Long Memory Test

rosTest(abs(ibm))

# use percentage returns

ibm=ibm*100

#figarch

ibm.mod1=fgarch(ibm~1,~figarch(1,1))

summary(ibm.mod1)

# figarch model checking

autocorTest(residuals(ibm.mod1,standarize=T),lag=20)

archTest(residuals(ibm.mod1,standarize=T),lag=20)

#fiegarch

ibm.mod2=fgarch(ibm~1,~fiegarch(1,1),leverage=T)

summary(ibm.mod2)

# fiegarch model checking

autocorTest(residuals(ibm.mod2,standarize=T),lag=20)

archTest(residuals(ibm.mod2,standarize=T),lag=20)

plot(ibm.mod1)

[此贴子已经被作者于2007-6-12 7:36:59编辑过]