基于距离协方差的时间序列模型拟合优度检验
统计理论
2019-03-05 v1 统计方法学
统计理论
摘要
在许多统计建模框架中，拟合优度检验通常针对估计残差进行。在时间序列设定下，残差的白噪声性利用样本自相关函数进行评估。对于许多时间序列模型，尤其是用于金融时间序列的模型，关于残差的关键假设是它们实际上是独立的，而不仅仅是不相关的。本文中，我们应用自距离协方差函数（ADCV）来评估估计残差的序列依赖性。距离协方差能够区分两个随机向量的依赖与独立。基于ADCV的检验统计量的极限性质针对一般类别的时间序列模型得到推导。该理论的一个关键方面是对由参数估计引起的依赖性进行调整。无论模型设定如何，这种调整本质上具有相同的形式。我们在模拟示例中说明了这些结果。
引用
@article{arxiv.1903.00708,
title = {Goodness-of-Fit Testing for Time Series Models via Distance Covariance},
author = {Phyllis Wan and Richard A. Davis},
journal= {arXiv preprint arXiv:1903.00708},
year = {2019}
}