ARFIMA-GARCH模型的混成檢驗(yàn)及其應(yīng)用.pdf

1、隨著信息時(shí)代及網(wǎng)絡(luò)技術(shù)的發(fā)展，人們處理時(shí)間序列數(shù)據(jù)的能力日益強(qiáng)大。盡管如此，在實(shí)際應(yīng)用領(lǐng)域中，對(duì)時(shí)間序列數(shù)據(jù)的建模及統(tǒng)計(jì)推斷依然備受關(guān)注。由于時(shí)間序列數(shù)據(jù)存在長短記憶性及異方差等特征，因而需要選擇合適的時(shí)間序列模型進(jìn)行擬合，若模型仍然不恰當(dāng)，就會(huì)使預(yù)測(cè)出現(xiàn)嚴(yán)重的誤差，因此需要對(duì)模型進(jìn)行診斷檢驗(yàn)。近年來，人們開始利用混成檢驗(yàn)來診斷檢驗(yàn)?zāi)Ｐ?，混成檢驗(yàn)逐漸成為模型診斷檢驗(yàn)的一種工具，在金融學(xué)中混成檢驗(yàn)得到了重視，許多學(xué)者進(jìn)行了研究。研究表明，

2、基于擬極大指數(shù)似然估計(jì)的混成檢驗(yàn)可以較好的檢驗(yàn)擬合的模型是否準(zhǔn)確，是否符合實(shí)際數(shù)據(jù)。
　　本文基于ARFIMA-GARCH模型，針對(duì)擬極大指數(shù)似然估計(jì)，對(duì)混成檢驗(yàn)、混合混成檢驗(yàn)及其應(yīng)用進(jìn)行研究。
　　介紹了ARFIMA-GARCH模型的理論、擬極大指數(shù)似然估計(jì)及混成檢驗(yàn)的定義和主要性質(zhì)。對(duì)于ARFIMA-GARCH模型的擬極大指數(shù)似然估計(jì)，通過給出平方殘差自相關(guān)函數(shù)的極限分布，進(jìn)而構(gòu)造出了基于平方殘差自相關(guān)函數(shù)的混成檢驗(yàn)，并

3、給出它的漸近分布；其次，在殘差和平方殘差自相關(guān)函數(shù)的基礎(chǔ)上，通過給出殘差自相關(guān)函數(shù)和平方殘差自相關(guān)函數(shù)的聯(lián)合極限分布，進(jìn)一步構(gòu)造出了一種混合混成檢驗(yàn)，同時(shí)也給出了它的漸近分布。
　　通過對(duì)樣本數(shù)據(jù)的平穩(wěn)性、相關(guān)性及異方差性進(jìn)行分析，采用擬極大指數(shù)似然估計(jì)，建立了AR-GARCH模型，并利用本文給出的混成檢驗(yàn)及混合混成檢驗(yàn)，對(duì)擬合后的AR-GARCH模型進(jìn)行診斷檢驗(yàn)。結(jié)果表明，可以利用基于平方殘差自相關(guān)函數(shù)的混成檢驗(yàn)及基于殘差和平方