主角

残差异方差恩格尔检验

页面上倒塌

句法

h = archtest (res)

h = archtest (res、名称、值)

[h，pvalue] = archtest（___）

[h, pValue,统计,cValue] = archtest (___）

描述

例子

H= archtest (res.）返回一个逻辑值，该逻辑值具有执行恩格尔的拱测试用于单变量残留系列中的残留异源性res.。

例子

H= archtest (res.那名称,值）使用由一个或多个名称-值对参数指定的附加选项。

如果任何名称-值对参数是向量，则指定的所有名称-值对参数必须是长度相等或标量相等的向量。archtest (res、名称、值)将向量输入的每个元素作为一个单独的测试，并返回一个拒绝决定向量。
如果任何名称-值对参数是行向量，则archtest (res、名称、值)返回行向量。

例子

[H那pValue) = archtest (___）返回拒绝决定和P.- 使用先前语法中的任何输入参数进行假设测试。

例子

[H那pValue那统计那cValue) = archtest (___）另外返回测试统计信息（统计)及临界值(cValue)进行假设检验。

例子

全部折叠

检验ARCH效应的时间序列

打开生活的脚本

加载德国马克/英镑的外汇汇率数据集。

加载Data_MarkPound

将价格转换为退货。

回报= price2ret(数据);

计算返回序列的偏差。

Residuals =返回 - 平均值（返回）;

使用残差测试弓形效果的返回系列。

H = ArchTest（残差）

h =逻辑1

结果H= 1表示应拒绝无条件异方差的原假设，并得出return序列存在显著ARCH效应的结论。

指定测试统计数据的滞后

打开生活的脚本

要从Engle的Arch测试绘制有效推论，您应该确定模型的合适数量。通过将模型拟合在一系列合理的滞后，并比较适合型号。选择产生最佳拟合模型的滞后数量。

加载和处理数据

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。

加载Data_EquityIdx日期= datetime(日期,“转兑”那'数据内容'）;价格= DataTable.Nasdaq;RET = 100 * PRESS2RET（价格）;图绘图（日期（2：结束），RET）标题（'纳斯达克每日回报'）

图中包含一个坐标轴。标题为NASDAQ Daily Returns的轴包含一个line类型的对象。

收益率序列的最后一个季度似乎比前三个季度有更高的方差。这种不稳定的行为表明了条件异方差。此外，该系列似乎在一个恒定的水平上波动。

返回的频率相对较高。因此，日常变化可能很小。为了数值稳定性，展示这些数据是良好的做法。

确定适当的测试滞后次数

在滞后网格上拟合模型。选择与最佳拟合模型相对应的滞后次数。

numLags = 4;logL = 0 (numLags, 1);％preallocation.为了Mdl = garch(0,k);％create arch（k）模型[〜，〜，logl（k）] =估计（MDL，RET，“显示”那“关闭”）;%获得loglikelihood结束AIC = AICBIC（logl，1：numlags）;％得到AIC.[〜，滞后] = min（aic）％获得合适数量的滞后

滞后= 4

滞后= 4表明在ARCH检验统计量中包含四个滞后是合理的。

进行拱门测试

计算残留物，并使用它们以1％的显着性水平进行拱形测试。

r = RET  - 平均值（RET）;回报率在固定水平上波动[h, pValue,统计,cValue] = archtest (r,“滞后”滞后,“α”, 0.01)

h =逻辑1

pvalue = 0.

统计= 460.5831

cValue = 13.2767

H = 1表明拒绝ARCH(4)替代方案没有ARCH效应的原假设。pvalue = 0.表明证据强烈拒绝零点。

输入参数

全部折叠

`res.`-剩余系列
向量

软件将测试统计数据计算为向量的残差系列。最后一个元素对应于最近的观察结果。

通常情况下，你将模型与观察到的时间序列相匹配res.为拟合模型的(标准化)残差。

数据类型:双

名称-值对的观点

指定可选的逗号分离对名称,值参数。名称是参数名称和价值为对应值。名称必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家。

例子:“滞后”,1:4,“阿尔法”,0.1指定在0.1显着水平下进行的1,2,3和4个滞后术语的四个测试。

`“滞后”`-滞后术语数量
1（默认）|正整数|正整数矢量

在测试统计计算中包含的滞后术语数指定为逗号分隔的对“滞后”和正整数或正整数的矢量。

使用矢量进行多个测试。

每个元素滞后必须小于长度（RES） - 2。

例子:“滞后”,1:4

数据类型:双

`“α”`-重要性水平
0.05（默认）|标量子|向量

假设测试的显着性水平，指定为逗号分隔的对组成“α”一个标量或向量。

使用矢量进行多个测试。

每个元素α必须大于0且小于1。

例子:“阿尔法”,0.01

数据类型:双

输出参数

全部折叠

`H`- 测试拒绝决策
逻辑|逻辑值的向量

测试拒绝决策，作为逻辑值或逻辑值的向量，其长度等于软件行为的测试数量。

H = 1表明拒绝无ARCH效应无效假设，而倾向于替代。
H = 0.表明未能拒绝无ARCH效应无效假设。

`pValue`- 测试统计信息P.- 价值
标量|向量

检验统计量P.-Values，作为标量或向量，长度等于软件行为的测试数量。

`统计`——测试数据
标量|向量

测试统计信息，作为标量或向量，长度等于软件行为的测试数量。

`cValue`——关键值
标量|向量

关键值，作为标量或向量的标量，长度等于软件所进行的测试数量。

提示

为了从恩格尔的ARCH测试中得出有效的推论，您必须确定适当的滞后数。一种方法是:
1. 拟合阿玛玛那garch那egarch，要么gjr模型使用估计。通过指定逐渐较小的拱滞（即，对应于越来越小的滞后多项式术语的拱形效应来限制每个模型）。
2. 从估计模型中获得对数似然。
3. 使用lratiotest评估每个限制的重要性。或者，使用使用的信息标准AICBIC.并将它们与合适的措施相结合。
ARCH过程中的残差是依赖的，但不是相关的。因此,主角没有自相关的异形体塑性测试。测试自相关，使用LBQTEST.。
garch（P.那问：)过程在局部等效于ARCH(P.+问：）流程。如果archtest (res,滞后,滞后)显示均值从平均模型中残留物的条件异质性的证据，然后模拟GARCH可能更好（P.那问：)模型与P.+问：=滞后。