Saya bingung. Saya tidak mengerti perbedaan antara ARMA dan proses GARCH .. bagi saya ada yang sama?
Inilah proses (G) ARCH (p, q)
Dan di sini adalah ARMA ( ):
Apakah ARMA hanyalah perpanjangan dari GARCH, GARCH hanya digunakan untuk pengembalian dan dengan asumsi mana mengikuti proses putih yang kuat?
Jawaban:
Anda menggabungkan fitur dari suatu proses dengan perwakilannya. Pertimbangkan proses (kembali) .(Yt)∞t=0
Perhatikan khususnya kesetaraan pertama .V(Yt∣It)=V(ϵt∣It)
Selain itu : Berdasarkan representasi ini, Anda dapat menulis mana adalah proses white noise yang kuat, tetapi ini mengikuti cara prosesnya didefinisikan.
sumber
Sunting: Saya menyadari bahwa jawabannya kurang dan dengan demikian memberikan jawaban yang lebih tepat (lihat di bawah - atau mungkin di atas). Saya telah mengedit yang ini untuk kesalahan faktual dan meninggalkannya sebagai catatan.
Parameter fokus berbeda:
Model stokastik versus deterministik:ARMA adalah model stokastik dalam arti bahwa variabel dependen - realisasi proses stokastik - ditetapkan sebagai jumlah dari fungsi deterministik variabel dependen tertinggal dan kesalahan model tertinggal (mean kondisional) dan istilah kesalahan stokastik.GARCH adalah model deterministik dalam arti bahwa variabel dependen - varians kondisional dari proses - adalah fungsi deterministik murni dari variabel lagged.sumber
ARMA
Pertimbangkan yang mengikuti proses ARMA ( ). Misalkan untuk kesederhanaan ia memiliki nol mean dan varian konstan. Secara kondisional pada informasi , dapat dipartisi menjadi bagian (yang telah ditentukan) (yang merupakan rata-rata bersyarat dari diberikan ) dan bagian acak :yt p,q It−1 yt μt yt It−1 ut
di mana adalah kepadatan.D
The bersyarat berarti sendiri mengikuti proses yang sama dengan ARMA ( ) tapi tanpa acak kontemporer istilah error: mana ; untuk ; dan untuk . Perhatikan bahwa proses ini memiliki urutan ( ) daripada ( ) seperti halnya .μt p,q
Kita juga dapat menulis distribusi kondisional dalam hal sarana kondisional sebelumnya (daripada nilai realisasi sebelumnya) dan parameter model sebagaiyt
Representasi yang terakhir membuat perbandingan ARMA ke GARCH dan ARMA-GARCH lebih mudah.
GARCH
Pertimbangkan yang mengikuti proses GARCH ( ). Misalkan untuk kesederhanaan itu memiliki mean konstan. Kemudianyt s,r
di mana dan adalah kepadatan.ut:=yt−μt D
The bersyarat varians mengikuti proses yang sama dengan ARMA ( ) tapi tanpa istilah kesalahan acak kontemporer.σ2t s,r
ARMA-GARCH
Pertimbangkan yang memiliki mean nol tanpa syarat dan mengikuti proses ARMA ( ) -GARCH ( ). Kemudianyt p,q s,r
dimana ; adalah beberapa kerapatan, misalnya Normal; untuk ; dan untuk . D φ i = 0 i > p θ j = 0 j > qut:=yt−μt D φi=0 i>p θj=0 j>q
Proses rata-rata bersyarat karena ARMA pada dasarnya memiliki bentuk yang sama dengan proses varians bersyarat karena GARCH, hanya pesanan lag mungkin berbeda (memungkinkan untuk rata-rata tanpa syarat dari tidak boleh mengubah hasil ini secara signifikan). Yang penting, tidak ada istilah kesalahan acak yang pernah dikondisikan pada , sehingga keduanya telah ditentukan sebelumnya.I t - 1yt It−1
sumber
Proses ARMA dan GARCH sangat mirip dalam presentasi mereka. Garis pemisah antara keduanya sangat tipis karena kami mendapatkan GARCH ketika proses ARMA diasumsikan untuk varian kesalahan.
sumber