求大神们点进来看，关于ARMA(p,q)的确定和检验

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

对BAC的月收益correlegram是这样子的，unit root test做过确定是平稳的数据。实在是选不好p,q，就把（6,6）以内的都试了一边（请表嘲笑新人，抹泪。。。）因为还是挑出来的ARMA(p,q)还应该满足：1，residual的Q-test应该是都不拒绝原假设的，也就是说residual都是white noise；2，对于设定的p,q来说，最高阶lag项的系数应该是significant的，也就是最高阶lag对应的p-value应该小于5%
本来想通过比较AIC和Schwarz指数来选择最好的p,q的，但是又要满足这两个条件，就感觉很难选择。最后勉强选择出（6,4）和（2,8），感觉好大啊。。。
因为之前检测出这组数据还存在异方差性，异方差性也可能导致autocorrelation，于是做GARCH检测。单独的GARCH检测做出来结果各种好，autocorrelation没了，条件也各种满足。
按照老师给的例子，接下来把ARMA和GARCH结合在一起。例子里是发现结合在一起的AIC什么的还不如单独的GARCH的AIC指数低，于是而且单独GARCH也满足residual是Whitenoise。
但是我在把ARMA和GARCH结合在一起的时候发现AIC指数变小了，就是应该是结合在一起会更好。但是做的residual Q-test又不满足Whitenoise。。。
烦死啦。。。。。
请大家帮帮我啊，有说的不清楚的地方我再说

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0 回帖

关键词：ARMA ARM RMA correlation significant Schwarz white 收益 最好

顶顶顶顶顶顶

应该是ARMA(2,2)，主要是根据自相关图和偏自相关图的拖尾和结尾现象判断的。

zhm-1011 发表于 2014-4-16 20:08
应该是ARMA(2,2)，主要是根据自相关图和偏自相关图的拖尾和结尾现象判断的。

但是（2,2）的结果residual还是有autocorrelation的，55555