这个例子展示了如何通过绘制样本自相关函数(ACF)和偏自相关函数(PACF)来检查平方残差序列的自相关。然后,进行Ljung-Box Q-test更正式地评估自相关性。
加载数据。
加载工具箱中包含的纳斯达克数据。将每日收盘的综合指数系列转换成百分比回报系列。
负载Data_EquityIdx;y = DataTable.NASDAQ;r = 100 * price2ret (y);T =长度(r);图(r) xlim([0,T])“纳斯达克每日回报”)
回报似乎在一个恒定水平上下波动,但表现出波动聚集。收益的大变化往往聚集在一起,小变化往往聚集在一起。也就是说,该级数具有条件异方差。
回报的频率相对较高。因此,每天的变化可能很小。为了数值的稳定性,对这类数据进行缩放是一个很好的做法。
绘制样本ACF和PACF。
绘制样本ACF和PACF的平方残差序列。
E = r -均值(r);图subplot(2,1,1) autocorr(e.^2) subplot(2,1,2) parcorr(e.^2)
样本ACF和PACF在平方残差序列中具有显著的自相关。这说明在残差序列中存在波动性聚类。
进行Ljung-Box q测试。
对滞后5和10的平方残差序列进行Ljung-Box q检验。
(h p) = lbqtest (e。^ 2,“滞后”, 5、10)
h =1 x2逻辑阵列1 1
p =1×20 0
在两个测试中,无效假设被拒绝(h = 1
).两个测试的p值是0
.因此,滞后5(或10)之前的自相关性并非都为零,表明残差序列中存在波动性聚类。
这个例子说明了如何对条件异方差进行恩格尔ARCH检验。
加载数据。
加载工具箱中包含的纳斯达克数据。将每日收盘的综合指数系列转换成百分比回报系列。
负载Data_EquityIdx;y = DataTable.NASDAQ;r = 100 * price2ret (y);T =长度(r);图(r) xlim([0,T])“纳斯达克每日回报”)
回报似乎在一个恒定水平上下波动,但表现出波动聚集。收益的大变化往往聚集在一起,小变化往往聚集在一起。也就是说,该级数具有条件异方差。
回报的频率相对较高。因此,每天的变化可能很小。为了数值的稳定性,对这类数据进行缩放是一个很好的做法。
实施恩格尔ARCH测试。
利用备择假设中的两个时滞,对残差序列的条件异方差进行Engle的ARCH检验。
E = r -均值(r);(h p fStat,暴击)= archtest (e,“滞后”, 2)
h =逻辑1
p = 0
函数= 399.9693
暴击= 5.9915
零假设被完全拒绝(h = 1
,p = 0
),支持ARCH(2)替代方案。检验的F统计量为399.97
的临界值,远远大于
二自由度分布,5.99
.
检验结果表明,残差序列存在显著的波动性聚类。
archtest
|autocorr
|lbqtest
|parcorr