Cómo elegir el número de retardos en el ARCO de modelos usando ARCH LM prueba?

Question

Me gustaría preguntarle, ¿cuál es el número correcto de los Gal en los ARCH LM Prueba? Me estoy refiriendo a ArchTest en FinTS paquete, pero otros ArchTest (como la del Eviews) proporcionar los mismos resultados. En muchas series de tiempo, a la hora de elegir los desfases entre 1:5 el p.el valor es por lo general mayor que 0,05, pero con el aumento de los Gal, p.el valor se hace más pequeño. Entonces, ¿cómo hacer una decisión correcta si para los gal=1, la serie de tiempo se ve homoscedástica(en el ARCO de los Efectos), pero para los gal=5 y gal=12 resultado es heteroscedastic (presencia de ACH) o inversa? Gracias

Sinceramente Jan

#Example code in R
library(quantmod) 
library(FinTS) 
getSymbols("XPT/USD",src="oanda") 
ret_xptusd<-as.numeric(diff(log(XPTUSD))) 
ones<-rep(1,500) 
ols<-lm(ts(ret_xptusd)~ones);ols 
residuals<-ols$residuals 

ArchTest(residuals,lags=1)   # p-value = 0.008499 
ArchTest(residuals,lags=5)   # p-value = 0.08166 
ArchTest(residuals,lags=12)  #p-value = 0.2317 

Answer 1

Arch LM si las pruebas de los coeficientes de la regresión:

$$a_t^2=\alpha_0+\alpha_1 a_{t-1}^2+...+\alpha_p a_{t-p}^2+e_t$$

son cero, donde $a_t$ es observado de la serie que queremos para la prueba de ARCO efectos. Por lo que la hipótesis nula es

$$\alpha_0=\alpha_1=...=\alpha_p=0$$

Si la hipótesis es aceptada, podemos decir que la serie no tiene ARCO de efectos. Si se rechaza, uno o más coeficientes son distintos de cero y nos dicen que hay ARCO efectos.

Aquí tenemos clásico de regresión problema de la articulación de las hipótesis individuales hipótesis. Cuando más regresores están incluidos en la regresión conjunta insignificante, aunque un par de regresores parecen ser importantes. Todos los libros de introducción acerca de regresión generalmente tiene el capítulo dedicado a esto. La clave de la motivación es que los conjuntos de hipótesis tomar en cuenta todas las interacciones, cuando el individuo hipótesis no. Así que en este caso la estadística con algunos de los gal no toman en cuenta los efectos de los gal.

Cuando las pruebas estadísticas dar resultados contradictorios, para mí es una indicación de que los datos deben ser reexaminados. Las pruebas estadísticas suelen tener ciertos supuestos, que los datos pueden violar. En su caso, si nos fijamos en el gráfico de la serie, podemos ver una gran cantidad de ceros.

Así que no es un ordinario de series de tiempo y me atrevería a simple ARCO de modelo.