×
埃里克·盖泽尔;J.Isaac米勒

时间聚集和混合频率时间序列的协整检验。 （英语） Zbl 1330.62339号

J.时间序列。分析。 第6号第36页，第797-816页（2015年）.
摘要：我们检验了混合抽样频率和时间加总对常用协整检验规模的影响，我们发现这些影响可能很严重。所有序列的匹配采样方案通常会减少尺寸畸变，只有当所有序列以相同的方式跳过采样时，才能渐近获得标称尺寸，例如，期末采样。我们提出并分析了协整检验的混合频率版本，以便在一些高频数据可用时控制规模。否则，当没有高频数据可用时，我们将讨论使用自举临界值来控制大小。我们对股票价格和股息进行协整检验，作为实证证明。

引用于8文件

理学硕士：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62亿02 马尔可夫过程：假设检验
2007年6月26日 非马尔科夫过程：假设检验

关键词：

时间聚集;混合采样频率;协整;痕迹试验;基于残差的协整检验
PDF格式BibTeX公司 XML格式引用
\textit{E.Ghysels}和\textit{J.I.Miller}，J.Time-Ser。分析。36，第6号，797--816（2015；Zbl 1330.62339）
全文： 内政部

参考文献：

[1] Anderson BDO、DeistlerM、FelsensteinE、FunovitsB、ZadroznyPA、EicherM、ChenW、ZamaniM。2012.混合频率数据中常规和奇异多元自回归模型的可识别性。第51届决策与控制会议IEEE控制系统学会：Maui，HI，第184-189页。
[2] Anderson BDO、DeistlerM、FelsensteinE、FunovitsB、KölblL、ZamaniM。2014年，“多元AR系统和混合频率数据：可识别性和估计”，维也纳大学，讨论文件。
[3] AndreouE、GhyselsE、KourtellosA。2010年。混合采样频率的回归模型。计量经济学杂志158:246-261。
[4] AndreouE、GhyselsE、KourtellosA。2011年，使用混合频率数据进行预测。《牛津经济预测手册》，MClements编辑，DHendry编辑，牛津大学出版社：纽约，第225-246页。
[5] ArmestoM、EngemannK、OwyangM。2010年。混合频率预测。圣路易斯联邦储备银行评论92:521-536。
[6] CavaliereG、RahbekA、TaylorAMR。2012.向量自回归模型中协整秩的Bootstrap确定。计量经济学80:1721-1740。
[7] 张伯斯MJ。2003.时间加总下协整估计量的渐近效率。计量经济学理论19:49-77。
[8] 张伯斯MJ。2011年。协整和抽样频率。计量经济学杂志14:156-185。
[9] CheungYW，LaiKS。1993年，协整Johansen似然比检验的有限样本量。《牛津经济与统计公报》55:313-328。
[10] EngleRF、GrangerCWJ。1987.协整和误差修正：表示、估计和测试。计量经济学55:251-276。
[11] 埃里克森。R.、HendryDF、TranHA。1993年，《联合王国联邦储备系统理事会的协整、季节性、包容性和货币需求》，《国际金融讨论文件》，第457号。
[12] ForoniC、GhyselsE E、MarcellinoM。2013.向量自回归的混合频率方法。在宏观经济学、金融计量经济学和预测的VAR模型（计量经济学进展：第31卷）中，T.B.Fomby（编辑），KilianL（编辑）（编辑）Emerald Group Publishing Limited：英国宾利，第247-272页，。
[13] 吉斯尔。1990.单位根检验和季节调整的统计陷阱：以战后美国实际国民生产总值为例。商业与经济统计杂志8:145-152。
[14] 吉斯尔。宏观经济学和混合频率数据的现实。《计量经济学杂志》（2014）。即将推出。
[15] MillerJI GhyselsE。2014.关于协整检验线性插值低频序列的尺寸畸变。在Peter C.B.Phillips的论文（计量经济学进展，第33卷）中，FombyTB（编辑）、ParkJY（编辑）和ChangY（编辑。Emerald Group Publishing Limited：英国宾利出版社，第93-122页。
[16] 盖泽尔斯E，圣克拉拉P，瓦尔卡诺夫R。2004.MIDAS Touch:混合数据采样回归模型。CIRANO工作文件2004s-20。
[17] GhyselsE、Santa‐ClaraP、ValkanovR。2005年。毕竟存在着风险回报权衡。《金融经济学杂志》76:509-548。
[18] 盖泽尔斯E，圣克拉拉P，瓦尔卡诺夫R。2006.预测波动性：从不同频率的回报数据中获得最大收益。计量经济学杂志131:59-95。
[19] GötzTB、HecqA、UrbainJP。2014.使用ECM‐MIDAS模型预测混合频率时间序列。《预测杂志》33:198-213。
[20] GötzTB、HecqA、UrbainJP。2013年，使用可变频率数据测试非平稳VAR中的常见周期。在宏观经济学中的VAR模型-新的发展和应用：纪念Christopher A.Sims的论文（计量经济学进展，第32卷），TBFomby（编辑），LKilian（编辑），AMurphy（编辑）（编辑）Emerald Group Publishing Limited：Bingley，UK，pp.361-393。
[21] 格兰杰CWJ。1990.时间序列变量的聚合：一项调查。《计量经济学模型中的分解》，TBarker（编辑），MHPesaran（编辑）（编辑）Routledge:纽约，第17-34页。
[22] 豪格AA。时间加总与协整检验的功效：蒙特卡洛研究。牛津经济统计公报64:399-411。
[23] 胡克玛，1993年。协整检验：功率与观察频率。经济学快报41:359-362。
[24] HuW公司。1996.协整检验中的时间聚集和跳跃抽样。统计文件37:225-234。
[25] 约翰森。1988.协整向量的统计分析。经济动力学与控制杂志12:231-254。
[26] 约翰森。1995.协整向量自回归模型中基于似然的推断，牛津大学出版社：牛津。
[27] 马明·拉希里克。1995.协整检验：功率与观察频率——另一种观点。经济学快报49:121-124。
[28] 马塞利诺姆。1999.实证分析中时间聚集的一些后果。《商业与经济统计杂志》17:129-136。
[29] 米勒基。2014年a。使用混合频率时间序列对长期关系进行条件有效估计。计量经济学评论DOI:10.1080/07474938.2014.976527。
[30] 米勒JI。2014年b。具有简约分布滞后结构的混合频率协整回归。《金融计量经济学杂志》12:584-615。
[31] 奥斯特瓦尔德‐勒努姆。1992年。最大似然协整秩检验统计量渐近分布的分位数注释。牛津经济统计公报54:461-472。
[32] OteroJ，SmithJ。2000.协整检验：功率与观察频率——进一步的蒙特卡洛结果。经济学快报67:5-9。
[33] PalmFC、SmeekesS、UrbainJP。2010年，条件误差修正模型中协整的筛网自举检验。计量经济学26:647-681。
[34] 菲利普斯印刷电路板。1976年。基于连续系统中外生变量分量的观测数据系列的一些计算。《连续时间经济模型中的统计推断》，BergstromAR（编辑）（编辑），《美国爱思唯尔：纽约》，第175-214页。
[35] 菲利普公司。1991年，误差修正和连续时间的长期均衡。计量经济学59:967-980。
[36] 伊利亚里斯·菲利普斯。基于残差的协整检验的渐近性质。《计量经济学》58（1990），165-193。
[37] SeongB、AhnSK、ZadroznyPA。2013年，混合频率数据的协整分析。时间序列分析杂志34:194-205。
[38] Shiller RJ.1989年。市场波动，麻省理工学院出版社：马萨诸塞州剑桥。
[39] 希勒RJ.2000。《非理性繁荣》，普林斯顿大学出版社：普林斯顿。
[40] 斯托克JH。1987.宏观经济学中的时间加总和结构推断——评论，131-139。卡内基·罗切斯特公共政策系列会议，26。
[41] 工作H。1960.关于随机链中平均数第一次差异相关性的注释。计量经济学28:916-918。
[42] 宾夕法尼亚州扎德罗兹尼。1988.当数据为不同频率的存量和流量时，连续时间ARMAX模型的高斯似然。计量经济学理论4:108-124。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。