Se distribuye normalmente y por eso los dos primeros momentos son suficientes para inferir su significación estadística.
Las pruebas son bastante técnicas (y a veces no son específicas de los modelos de series temporales) y dependen principalmente de:
-
El método de estimación empleado ( QMLE, Mínimos Cuadrados, Momento, Whittle...)
-
El espacio de los parámetros
-
Restricciones de momento
-
...
Estas pruebas demuestran, bajo supuestos, que los parámetros estimados son consistentes ( $\hat{\theta} \rightarrow \theta$ ) y la Normal asintótica ( $\sqrt{n}(\hat{\theta}-\theta)\rightarrow N(0,\sigma)$ ). Esto es cierto incluso si las innovaciones no tienen una distribución gaussiana.
Puedes echar un vistazo a:
- Un recorrido por la teoría asintótica de la estimación GARCH de Christian Francq, Jean-Michel Zakoïan (Handbook of Financial Time Series)