क्या कभी किसी को डेटा मिला है जहां ARCH और GARCH मॉडल काम करते हैं?

Question

मैं वित्तीय और बीमा क्षेत्रों में एक विश्लेषक हूं और जब भी मैं अस्थिरता वाले मॉडल को फिट करने की कोशिश करता हूं तो मुझे भयानक परिणाम प्राप्त होते हैं: अवशिष्ट अक्सर गैर-स्थिर (इकाई मूल अर्थ में) और विषमलैंगिक होते हैं (इसलिए मॉडल अस्थिरता की व्याख्या नहीं करता है)।

क्या ARCH / GARCH मॉडल अन्य प्रकार के डेटा के साथ काम करते हैं, हो सकता है?

कुछ बिंदुओं को स्पष्ट करने के लिए 17/04/2015 15:07 पर संपादित किया गया।

Comments

क्या आपका मतलब एक सामान्य क्षेत्र (जैसे वित्त, मौसम विज्ञान, ...) है जहां ये मॉडल अच्छा काम करते हैं या एक विशिष्ट डेटा सेट ? पहले मामले में, इन मॉडलों के बावजूद कुछ डेटा के लिए आम समग्र सुविधाओं पर कब्जा हो सकता है, इन मॉडलों से यह उम्मीद करना कठिन होगा कि किसी दिए गए क्षेत्र से निर्धारित किसी भी नमूना तिथि को फिट करने के लिए पर्याप्त है। दूसरे मामले में, इन मॉडलों के बारे में कई शैक्षणिक कागजात वास्तविक डेटा के लिए एक आवेदन दिखाते हैं। वास्तविकता हमेशा उतनी स्पष्ट और सुंदर नहीं होती, जितना कि उन कुछ दृष्टांतों में प्रस्तुत की गई है, लेकिन वहां आपको संभवतः कई डेटा सेट और सम्मोहक उदाहरण मिल जाएंगे।

— javlacalle

मेरा मतलब एक सामान्य क्षेत्र से था। मैं समझता हूं कि ऐसे विशिष्ट डेटासेट मौजूद हैं जिन पर ARCH और GARCH अच्छी तरह से फिट होते हैं (एंगल ने नोबेल जीता है?), लेकिन मैं सामान्य मामले पर चर्चा कर रहा था।

— स्टेफानो आर।

खैर, मुझे नहीं लगा कि यह वास्तव में बहुत व्यापक था जब तक आपने कहा "मैं सामान्य मामले पर चर्चा कर रहा था" ... मैं नहीं देखता कि कैसे साक्ष्य प्रस्तुत किए जा सकते हैं कि यह "सामान्य मामले" के बिना पूरे क्षेत्र के लिए लागू होता है कम से कम किताब-लंबाई का इलाज। इस प्रारूप में उचित जवाब के कुछ पैराग्राफ में ऐसा मामला कैसे हो सकता है?

— Glen_b -Reinstate मोनिका

मुझे इसकी आवश्यकता नहीं है मैं सिर्फ यह चाहता हूं कि किसी ने मुझे उदाहरण के लिए कहा होगा: "मैं जैव रसायन में एक शोधकर्ता हूं, हम चूहों की यकृत कोशिकाओं के विश्लेषण में नियमित रूप से गार्च का उपयोग करते हैं, और इसका उपयोग बहुत उपयोगी है" या ऐसा ही कुछ।

— स्टेफानो आर।

Answer 1

प्रोग्रामिंग / कार्यान्वयन और ARCH / GARCH प्रक्रियाओं के साथ मेरे अनुभवों ने मुझे इस निष्कर्ष पर पहुँचाया है कि उन्हें कहीं न कहीं उपयोगी होना चाहिए लेकिन मैंने इसे नहीं देखा है। असामान्य मान / स्तर की शिफ्ट / मौसमी दालों और स्थानीय समय के रुझान जैसे गौसियन उल्लंघन का उपयोग शुरू में अस्थिरता / त्रुटि विचरण में परिवर्तन से निपटने के लिए किया जाना चाहिए क्योंकि उनके कम गंभीर दुष्प्रभाव होते हैं। इनमें से किसी भी समायोजन के बाद यह सुनिश्चित करने के लिए ध्यान रखा जा सकता है कि मॉडल पैरामीटर समय के साथ स्थिर रहे। इसके अलावा त्रुटि विचरण निरंतर नहीं हो सकता है, लेकिन बॉक्स-कॉक्स जैसे सरल / कम घुसपैठ वाले उपाय और त्रुटि विचरण अल क्षय में निर्धारक विराम बिंदुओं का पता लगाना अधिक उपयोगी और कम विनाशकारी हैं। अंत में अगर इनमें से कोई भी प्रक्रिया काम नहीं करती है तो मेरा आखिरी हांफ डेटा में ARCH / GARCH को फेंकना होगा और फिर एक टन पवित्र पानी डालना होगा।

Answer 2

कुछ पृष्ठभूमि जानकारी पहले:

एक आश्रित चर को देखते हुए , स्वतंत्र चर X t और एक सशर्त माध्य मॉडल$y_t$$X_t$

$$y_t=\beta X_t+\epsilon_t$$

आप में से सशर्त विचरण मॉडल करने के लिए एक GARCH मॉडल का उपयोग कर सकते ।$\epsilon_t$

$\hat \sigma_t$$\hat \epsilon_t$$\hat \sigma_t$$\hat u_t:=\frac{\hat \epsilon_t}{\hat \sigma_t}$

$\epsilon_t$

$\hat u_t$$\hat \epsilon_t$

$\hat u_t$$\hat \epsilon_t$$\frac{1}{\hat \sigma_t}$$\hat \epsilon_t$$\hat \epsilon_t$

2: विषमलैंगिकता के बारे में
अधिक कहा जा सकता है जब आप स्पष्ट करते हैं कि आपके मन में कौन से अवशिष्ट हैं।

$\hat u_t$$\hat u_t$

$\epsilon_t$$u_t$$u_t$$\hat u_t$$t$

$\hat \epsilon_t$$\hat u_t$

GARCH मॉडल (सीमित रूप से सीमित) के साथ मेरा अनुभव यह है कि वे अपना काम करते हैं लेकिन निश्चित रूप से रामबाण नहीं हैं।

Comments

$\hat {u}$