《表3 各ARMA模型的参数显著性t检验(p值)》
已知上证指数月对数收益率序列是平稳序列,从图3得知自相关和偏自相关系数都是拖尾的,故应该建立ARMA模型。通过表3发现,虽然自相关和偏自相关系数在滞后2阶和4阶时落在2倍标准差的边缘,但ARMA (2,2)和ARMA (4,4)模型都不能直接通过参数显著性t检验,需要进行修正处理来反复估计模型。其中,ARMA (2,2)模型只需要1次修正,而ARMA (4,4)模型则需要6次修正,但修正后的ARMA (2,2)_1模型和ARMA (4,4)_6模型中参数t检验的概率值都为p=0.000<α=0.05,即模型中的所有参数都是显著的。为进一步选择最优模型,需要对其特征统计量进行比较,从表4可知,ARMA (2,2)_1模型调整后的拟合优度为0.023,略低于ARMA (4,4)_6模型0.050;其回归标准误差12.476,略大于ARMA (4,4)_6模型12.322。根据AIC准则和BIC准则比较可知,两者的数值相差不大,ARMA (2,2)_1模型仅比ARMA (4,4)_6模型分别大0.028和0.040,即AIC准则值和BIC准则值较小的后者更有优势。
图表编号 | XD0066387800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 李姣 |
绘制单位 | 重庆工商大学数学与统计学院 |
更多格式 | 高清、无水印(增值服务) |