之前用EVIEWS做过LM检验,滞后为30在高阶会出现10%拒绝原假设,滞后为2时一阶接受二阶10%拒绝Heteroskedasticity Test:
ARCH
F-statistic 1.586414 Prob. F(2,177) 0.2076
Obs*R-squared 3.169785 Prob. Chi-Square(2) 0.2050
Variable Coefficient Std. Error t-Statistic Prob.
C 1.081162 0.157433 6.867435 0.0000
WGT_RESID^2(-1) 0.048416 0.074649 0.648573 0.5175
WGT_RESID^2(-2) -0.125734 0.074597 -1.685506 0.0937
Heteroskedasticity Test: ARCH
F-statistic 0.846226 Prob. F(30,121) 0.6945
Obs*R-squared 26.36023 Prob. Chi-Square(30) 0.6566
Variable Coefficient Std. Error t-Statistic Prob.
C 1.626543 0.637725 2.550538 0.0120
WGT_RESID^2(-1) -0.025360 0.090423 -0.280463 0.7796
WGT_RESID^2(-2) -0.144373 0.089896 -1.606008 0.1109
WGT_RESID^2(-3) 0.037074 0.090726 0.408641 0.6835
WGT_RESID^2(-4) 0.018333 0.090703 0.202121 0.8402
WGT_RESID^2(-5) 0.029762 0.098987 0.300670 0.7642
WGT_RESID^2(-6) -0.010678 0.098795 -0.108080 0.9141
WGT_RESID^2(-7) -0.044242 0.098713 -0.448189 0.6548
WGT_RESID^2(-8) -0.035127 0.097534 -0.360149 0.7194
WGT_RESID^2(-9) 0.117829 0.097412 1.209604 0.2288
WGT_RESID^2(-10) 0.072902 0.097980 0.744050 0.4583
WGT_RESID^2(-11) 0.048036 0.098080 0.489768 0.6252
WGT_RESID^2(-12) 0.036567 0.099039 0.369214 0.7126
WGT_RESID^2(-13) -0.084980 0.097332 -0.873099 0.3843
WGT_RESID^2(-14) -0.146788 0.096929 -1.514386 0.1325
WGT_RESID^2(-15) -0.116505 0.097184 -1.198812 0.2329
WGT_RESID^2(-16) -0.143625 0.100768 -1.425310 0.1566
WGT_RESID^2(-17) 0.051840 0.100770 0.514443 0.6079
WGT_RESID^2(-18) -0.195157 0.100188 -1.947914 0.0537
WGT_RESID^2(-19) -0.090334 0.102380 -0.882339 0.3793
WGT_RESID^2(-20) -0.066074 0.102329 -0.645704 0.5197
WGT_RESID^2(-21) -0.029387 0.102283 -0.287305 0.7744
WGT_RESID^2(-22) -0.036475 0.101268 -0.360181 0.7193
WGT_RESID^2(-23) 0.128607 0.101142 1.271553 0.2060
WGT_RESID^2(-24) 0.084898 0.101245 0.838543 0.4034
WGT_RESID^2(-25) 0.119872 0.101622 1.179585 0.2405
WGT_RESID^2(-26) -0.097486 0.102282 -0.953116 0.3424
WGT_RESID^2(-27) 0.022816 0.102827 0.221886 0.8248
WGT_RESID^2(-28) 0.100527 0.102151 0.984105 0.3270
WGT_RESID^2(-29) -0.092828 0.101714 -0.912633 0.3633
WGT_RESID^2(-30) -0.080769 0.101726 -0.793979 0.4288
请问这种情况能算作存在AECH效应吗? 但是我用winrats做bekk的结果如下:
10. A(1,1) -0.445114402 0.100981357 -4.40789 0.00001044
11. A(1,2) 0.178195741 0.102254164 1.74267 0.08139046
12. A(2,1) 0.114714860 0.074330570 1.54331 0.12275640
13. A(2,2) 0.215000441 0.051092555 4.20806 0.00002576
14. B(1,1) -0.705542174 0.064409228 -10.95405 0.00000000
15. B(1,2) 0.497627026 0.113241033 4.39441 0.00001111
16. B(2,1) 0.384411983 0.038981638 9.86136 0.00000000
17. B(2,2) 0.864277068 0.025584654 33.78107 0.00000000
之前在有关文献上看到MGARCH-BEKK在不存在ARCH效应的情况下用了BDS检验,存在两个市场联动的ARCH效应,例如:
表3 MGARCH —BEKK 模型的参数估计结果
参数 a1 a2 a3 b1 b2 b3
参数估计值 0.53 0.76 0.10 0.75 0.45 1.01
T 统计量 1.52 1.30 0.17 2.17 0.66 13.37
P 值 0.13 0.19 0.87 0.03 0.51 0.00
表4 货币供应量、房屋销售价格指数
和GDP 的BDS 检验结果
条件协方差 BDS 统计量(维数2) Z 统计量 P 值
h12 0 .034489 1 .70248 0.0887
h13 0 .079454 5 .95878 0.0000
h23 -0 .008836 -0 .56216 0.5740
因为这些文献都做的是对角BEKK,而我用winrats做的非对角的,也不太理解这些文献是用什么序列数据做的BDS检验(文献里说是a1a2的乘积,结果的表头写的是条件协方差h12)。
如果在LM检验不通过的情况下,用BDS检验是可行的,烦请各位大神指点一下这种情况具体如何进行BDS检验,诸如到底检验的是哪些序列数据(个人只知道BDS检验需要序列数据,所以难以理解表4表头的条件协方差。本人新手,请多见谅),这些数据又如何得出。
如果只能在对角BEKK中使用BDS检验的话,能否告知对角BEKK和非对角BEKK的应用情况与优劣。