時間序列
使用 ARMA 時間序列時的建模偏斜
我目前正在通過 ARMA 流程對金融時間序列進行建模，但我有理由相信，除了顯著的自相關之外，時間序列還表現出偏度。有沒有辦法聯合估計它們？
我知道非正態自相關變數的模擬，但它只討論如何結合 AR 和 MA 模型來實現所需的偏斜和峰度。還有這篇論文尋找金融時間序列中的偏度分析時間序列以表明它們表現出隨時間變化的條件偏度而不是無條件偏度。
還有這篇論文基於無限制偏斜正態過程的時間序列模型，它對偏斜創新進行建模。
是否存在我在這裡忽略的使用 ARMA 模型對偏度進行建模的一般方法？啟發式存在嗎？
從概念上講，如果您想要恆定的條件偏度，您可以簡單地為您的 ARMA 模型選擇一個偏斜的誤差分佈。ARMA 僅限制時間序列的條件均值以某種方式變化，但所有其他參數（例如偏度或峰度）都可以自由選擇。
在實踐中，您需要一種方法來估計這樣的模型。如果我需要自己執行此操作，我會使用
rugarchR 中的包。它有多種分佈，包括多個偏斜分佈，可用於 AR(FI)MA-GARCH 模型。ARMA 是 ARFIMA-GARCH 的受限版本，並且在rugarch. 您可以分別使用函式arfimaspec和來指定和擬合具有無條件偏斜度的 ARMA 模型。arfimafit