Modelización de la inclinación al utilizar series temporales ARMA

Question

Actualmente estoy modelando series temporales financieras mediante procesos ARMA, pero tengo razones para creer que, además de una autocorrelación significativa, las series temporales también presentan asimetría. ¿Hay alguna forma de estimarlas conjuntamente?

Soy consciente de Simulación de variables autocorrelacionadas no normales pero sólo habla de cómo combinar los modelos AR y MA para conseguir el sesgo y la curtosis deseados. También existe este documento Buscando la asimetría en las series temporales financieras analizar las series temporales para demostrar que presentan una asimetría condicional variable en el tiempo en lugar de una asimetría incondicional.

También existe este documento Modelos de series temporales basados en el proceso normal y asimétrico no restringido , que modela las innovaciones de la inclinación.

¿Existe un enfoque general para modelar la asimetría con modelos ARMA que yo esté pasando por alto? ¿Existe una heurística?

Answer 1

Conceptualmente, si usted quiere una asimetría condicional constante, usted podría simplemente elegir una distribución de error que sea asimétrica para su modelo ARMA. ARMA sólo restringe la media condicional de la serie temporal para que varíe de una manera determinada, pero todos los demás parámetros, como la asimetría o la curtosis, pueden elegirse libremente.

En la práctica, se necesita una forma de estimar dicho modelo. Si tuviera que hacerlo yo mismo, utilizaría el rugarch en R. Dispone de una amplia variedad de distribuciones, incluidas las multidireccionales, para ser utilizadas en modelos AR(FI)MA-GARCH. ARMA es una versión restringida de ARFIMA-GARCH, y vis hizo factible en rugarch . Puede especificar y ajustar un modelo ARMA con skenwness incondicional utilizando las funciones arfimaspec y arfimafit respectivamente.