0

我目前正在筛选 Ruey Tsay 的《金融时间序列分析》第二版的副本，其中一个部分涉及将 MA 模型拟合到某些数据（数据集在此处）。根据文本，这是具有精确最大似然的拟合，删除了某些无关紧要的参数：

rt = 0.013 + a(t) + 0.181a(t-1) - 0.121a(t-3) + 0.122a(t-9)

σ(a) = 0.0724

但是，当我尝试将其与 R 匹配时...

> mew = read.table("m-ew.dat")
> arima(mew,order = c(0,0,9),fixed = c(NA,0,NA,rep(0,5),NA,NA),method = "ML")
Call:
arima(x = mew, order = c(0, 0, 9), fixed = c(NA, 0, NA, rep(0, 5), NA, NA), 
method = "ML")

Coefficients:
        ma1  ma2      ma3  ma4  ma5  ma6  ma7  ma8     ma9  intercept
      0.180    0  -0.1318    0    0    0    0    0  0.1373     0.0132
s.e.  0.031    0   0.0362    0    0    0    0    0  0.0327     0.0029

sigma^2 estimated as 0.005282:  log likelihood = 1039.1,  aic = -2068.21

如您所见，ma1 系数相同，但 ma3 和 ma9 不同，即使使用 method = "ML"，即最大似然。为什么是这样？

此外，从实际的角度来看，虽然 ma2 和 ma4-ma8 可能为 0（它们的 95% 置信区间与 0 重叠），但从模型中删除它们会提高 AIC，降低关于 Ljung-Box 测试的 p 值残差，并且还降低了对数似然值。如果发生这种情况，是否值得删除这些参数？

4

1 回答 1

3

在对 arima 的帮助中，可以阅读：“结果可能与 S-PLUS 的 arima.mle 不同，后者计算条件似然性并且不包括模型中的平均值。进一步......”

Tsay 使用 S-Plus...

于 2013-05-06T13:42:01.957 回答