저는 금융 및 보험 분야의 분석가이며 변동성 모델에 적합하려고 할 때마다 끔찍한 결과를 얻습니다. 잔차는 종종 고정적이지 않고 (단위 루트 의미에서) 이질성 (heteroskedastic)입니다 (모델은 변동성을 설명하지 않습니다).
ARCH / GARCH 모델이 다른 종류의 데이터와 함께 작동합니까?
일부 요점을 명확히하기 위해 17/04/2015 15:07에 편집되었습니다.
저는 금융 및 보험 분야의 분석가이며 변동성 모델에 적합하려고 할 때마다 끔찍한 결과를 얻습니다. 잔차는 종종 고정적이지 않고 (단위 루트 의미에서) 이질성 (heteroskedastic)입니다 (모델은 변동성을 설명하지 않습니다).
ARCH / GARCH 모델이 다른 종류의 데이터와 함께 작동합니까?
일부 요점을 명확히하기 위해 17/04/2015 15:07에 편집되었습니다.
답변:
프로그래밍 / 구현 및 ARCH / GARCH 프로 시저 테스트에 대한 경험으로 인해 어딘가에서 유용해야한다는 결론을 얻었지만 보지 못했습니다. 비정상적인 값 / 레벨 이동 / 계절 펄스 및 현지 시간 추세와 같은 가우시안 위반은 부작용이 적기 때문에 변동성 / 오류 분산의 변화를 처리하기 위해 초기에 사용해야합니다. 이러한 조정 후에는 시간이 지남에 따라 모델 매개 변수가 일정한지 확인하기 위해주의를 기울일 수 있습니다. 게다가 오차 분산은 일정하지 않을 수 있지만 Box-Cox와 같은 단순하고 덜 방해적인 구제책이며 오차 분산에서 결정적 중단 점을 감지하는 것이 훨씬 유용하고 덜 파괴적입니다. 마지막으로 이러한 절차 중 어느 것도 작동하지 않으면 마지막으로 데이터에 ARCH / GARCH를 던지고 거대한 물을 추가하는 것입니다.