Численное сравнение V-MLR- и CUSUM-методов обнаружения структурных сдвигов для кусочно-заданных GARCH-моделей

Бесплатный доступ

Предложен новый метод обнаружения структурных сдвигов для GARCH-моделей, названный авторами V-MLR. С помощью двух численных экспериментов, состоящих из 10 000 испытаний каждый, предлагаемый нами V-MLR-метод сопоставляется с хо- рошо известным CUSUM-методом. В первом эксперименте с одним структурным сдви- гом V-MLR-метод обнаружил правильное число структурных сдвигов в 91 % случаев, а CUSUM-метод - в 85 % случаев. При этом точность обнаружения самого структурного сдвига обоими методами оказалась сопоставимой. Во втором эксперименте без струк- турных сдвигов V-MLR-метод указал на отсутствие структурных сдвигов в 99 % случа- ев, в то время как CUSUM-метод - лишь в 91 % случаев. Таким образом, проведенные численные эксперименты указывают на то, что при сопоставимой точности обнару- жения моментов структурных сдвигов предлагаемый V-MLR-метод обладает большей чувствительностью к структурным сдвигам по сравнению с CUSUM-методом.

Еще

Структурные сдвиги, волатильность, статистика отношения правдоподобия

Короткий адрес: https://sciup.org/142214968

IDR: 142214968

Список литературы Численное сравнение V-MLR- и CUSUM-методов обнаружения структурных сдвигов для кусочно-заданных GARCH-моделей

  • Lee S., Kim S., Cho S. On the CUSUM test for parameter changes in GARCH(1,1) Models//Communications in Statistics -Theory and Methods. 2000. V. 29, N 2. P. 445-462.
  • Lee S., Tokutsu Y., Maekawa K. The CUSUM test for parameter change in regression models with ARCH errors//Journal of the Japanese Statistical Society. 2004. V. 34, N 2. P. 173-188.
  • Kokoszka P., Leipus R. Change-point estimation in ARCH models//Bernoulli. 2000. V. 6, N 3. P. 513-539.
  • Davis R., Lee T., Rodriguez-Yam G. Break detection for a class of nonlinear time series models//Journal of Time Series Analysis. 2008. V. 29, N 5. P. 834-867.
  • Ross G.J. Modeling Financial Volatility in the Presence of Abrupt Changes//Physica A: Statistical Mechanics and its Applications. 2013. V. 192, N 2. P. 350-360.
  • Francq C., Zakoian J.-M. GARCH models: structure, statistical inference and financial applications. John Wiley & Sons, 2010.
  • Bollerslev T. Generalized Autoregressive Conditional Heteroscedasticity//Journal of Econometrics. 1986. V. 31. P. 307-327.
  • Bollerslev T. A Conditionally Heteroskedastic Time Series Model for Speculative Prices and Rates of Return//The Review of Economics and Statistics. 1987. V. 69, N 3. P. 542-547.
  • Bollerslev T., Wooldridge J. Quasi-Maximum Likelihood Estimation and Inference in Dynamic Models with Time-Varying Covariances//Econometric Reviews. 1992. V. 11, N 2. P. 143-172.
  • Bollerslev T., Mikkelsen H.O. Modeling and pricing long memory in stock market volatility//Journal of econometrics. 1996. V. 73, N 1. P. 151-184.
  • Andersen T.G., Bollerslev T. Answering the skeptics: Yes, standard volatility models do provide accurate forecasts//International economic review. 1998. V. 39, N 4. P. 885-905.
  • Engle R. GARCH 101: The use of ARCH/GARCH models in applied econometrics//The Journal of Economic Perspectives. 2001. V. 15, N 4. P. 157-168.
  • Tse Y.K. The conditional heteroscedasticity of the yen-dollar exchange rate//Journal of Applied Econometrics. 1998. V. 13, N. 3. P. 49-55.
  • Bera A.K., Higgins M.L. ARCH models: Properties, Estimation and Testing//Journal of Economic Surveys. 1993. V. 7, N 4. P. 305-366.
  • Peresetsky A., Ivanter A. Interactions of the Russian Financial Markets//Economics of Planning. 2000. V. 33. P. 103-140.
Еще
Статья научная