Эконометрика: Введение в регрессионный анализ временных рядов. Носко В.П. - 57 стр.

UptoLike

ВУЗ: 

МФТИ | Москва

Составители: 

Рубрика: 

индексов, обменных курсов. Для таких рядов распределение ε
t
обычно имеет “тяжелые”
хвосты, т.е достаточно часто наблюдаются большие по абсолютной величине значения ε
t
. И
это требует привлечения для описания таких рядов более сложных моделей.)
В пакете EVIEWS в распечатке результатов оценивания моделей ARMA рядом с
коррелограммой ряда остатков приводятся P-значения для наблюдаемых значений Q–
статистики Люнга – Бокса.
Для только что рассмотренных моделей AR(1) и МA(1) коррелограммы рядов остатков
имеют следующий вид.
Для модели AR(1):
ACF PACF AC PAC Q-Stat Prob
*| . *| . 1 -0.096 -0.096 0.2033
. |** . |** 2 0.271 0.265 1.9334 0.164
*| . *| . 3 -0.116 -0.078 2.2687 0.322
. |* . | . 4 0.076 -0.008 2.4232 0.489
*| . . | . 5 -0.099 -0.049 2.7024 0.609
*| . *| . 6 -0.125 -0.175 3.1852 0.671
**| . **| . 7 -0.257 -0.260 5.3801 0.496
. | . . | . 8 0.019 0.051 5.3928 0.612
. | . |* 9 0.047 0.189 5.4826 0.705
*| . **| . 10 -0.178 -0.259 6.8945 0.648
. | . . | . 11 0.040 -0.050 6.9748 0.728
*| . *| . 12 -0.187 -0.132 8.9579 0.626
Для модели MA(1):
ACF PACF AC PAC Q-Stat Prob
. |* . |* 1 0.100 0.100 0.2306
. |*** . |*** 2 0.365 0.358 3.4838 0.062
. | . *| . 3 -0.050 -0.127 3.5491 0.170
. | . *| . 4 0.058 -0.068 3.6417 0.303
*| . *| . 5 -0.139 -0.088 4.2051 0.379
*| . *| . 6 -0.169 -0.182 5.1071 0.403
*| . **| . 7 -0.277 -0.199 7.6991 0.261
*| . . |* 8 -0.066 0.094 7.8603 0.345
. | . . |* 9 -0.021 0.159 7.8772 0.446
. *| . **| . 10 -0.187 -0.302 9.4191 0.400
. | . . | . 11 0.002 -0.042 9.4192 0.493
. *| . *| . 12 -0.187 -0.104 11.338 0.415
индексов, обменных курсов. Для таких рядов распределение εt обычно имеет “тяжелые”
хвосты, т.е достаточно часто наблюдаются большие по абсолютной величине значения εt . И
это требует привлечения для описания таких рядов более сложных моделей.)
    В пакете EVIEWS в распечатке результатов оценивания моделей ARMA рядом с
коррелограммой ряда остатков приводятся P-значения для наблюдаемых значений Q–
статистики Люнга – Бокса.

   Для только что рассмотренных моделей AR(1) и МA(1) коррелограммы рядов остатков
имеют следующий вид.
   Для модели AR(1):
ACF PACF        AC     PAC Q-Stat Prob
   *| .   *| . 1 -0.096 -0.096 0.2033
  . |** . |** 2 0.271 0.265 1.9334       0.164
   *| .   *| . 3 -0.116 -0.078 2.2687    0.322
  . |*   . | . 4 0.076 -0.008 2.4232     0.489
   *| . . | . 5 -0.099 -0.049 2.7024     0.609
   *| .   *| . 6 -0.125 -0.175 3.1852    0.671
 **| . **| . 7 -0.257 -0.260 5.3801      0.496
  . | . . | . 8 0.019 0.051 5.3928       0.612
  . | .    |* 9 0.047 0.189 5.4826       0.705
   *| . **| . 10 -0.178 -0.259 6.8945    0.648
 . | . . | . 11 0.040 -0.050 6.9748      0.728
   *| .   *| . 12 -0.187 -0.132 8.9579   0.626

  Для модели MA(1):
ACF    PACF    AC           PAC Q-Stat Prob
  . |*      . |*   1 0.100 0.100 0.2306
  . |***    . |*** 2 0.365 0.358 3.4838     0.062
  . | .      *| . 3 -0.050 -0.127 3.5491    0.170
  . | .      *| . 4 0.058 -0.068 3.6417     0.303
   *| .      *| . 5 -0.139 -0.088 4.2051    0.379
   *| .      *| . 6 -0.169 -0.182 5.1071    0.403
   *| .    **| . 7 -0.277 -0.199 7.6991     0.261
   *| .     . |*   8 -0.066 0.094 7.8603    0.345
  . | .     . |*   9 -0.021 0.159 7.8772    0.446
 . *| .    **| . 10 -0.187 -0.302 9.4191    0.400
  . | .    . | . 11 0.002 -0.042 9.4192     0.493
 . *| .      *| . 12 -0.187 -0.104 11.338   0.415

Страницы