ホワイトノイズテストでさえ検出できない非定常シリーズの例を次に示します(Dickey-Fullerタイプのテストは言うまでもありません)。
はい、これは驚くかもしれませんが、これはホワイトノイズではありません。
ほとんどの非定常カウンターの例は、定常の最初の2つの条件(決定論的傾向(非一定の平均)または単位根/不均一時系列(非一定の分散))の違反に基づいています。しかし、あなたはまた、一定の平均と分散を持つ非定常プロセスを持つことができますが、彼らは第三条件違反:自己共分散関数(ACVF)時間をかけて定数との関数であるべき| s − t | のみ。cov(xs,xt)|s−t|
上記の時系列は、そのような系列の例であり、平均値、単位分散はゼロですが、ACVFは時間に依存します。より正確には、上記のプロセスは、それがなるようにパラメータを使用して局所的に固定MA(1)プロセスであるスプリアス白色雑音 MAプロセスのパラメータ(下記参考文献を参照)上の変化時間xt=εt+θ1εt−1
θ1(u)=0.5−1⋅u,
ここで、は正規化された時間です。これがホワイトノイズのように見える理由は(数学的には明らかにそうではありませんが)、時間変動ACVFが時間とともにゼロに積分されるためです。サンプルACVFは平均ACVFに収束するため、これはサンプルの自己共分散(および自己相関(ACF))がホワイトノイズのように見える関数に収束することを意味します。そのため、Ljung-Boxテストでさえ、この非定常性を検出することはできません。局所的に静止した代替物に対するホワイトノイズのテストに関する論文(免責:私は著者)は、そのような局所的に静止したプロセスに対処するためのBoxテストの拡張を提案しています。u=t/T
Rコードと詳細については、このブログ投稿も参照してください。
mpiktasコメントの後の更新:
これは、実際には見られない理論的に興味深いケースのように見えるかもしれません。実世界のデータセットでこのような偽のホワイトノイズを直接見ることはほとんどありませんが、定常モデルの近似のほとんどすべての残差でこれを見ることができます。あまり理論的な詳細に入るがなければ、単に一般的、時間的に変化するモデル想像
時間的に変化する共分散関数とγ θを(K 、U )。あなたが一定のモデル合う場合はθを、この推定値は近い真のモデルの時間平均になりますθ (U ) ; そして当然、残差は近くになりますθ(u)γθ(k,u)θˆθ(u)の建設により、 θ(約)ゼロに出て統合されます。詳細については、Goerg(2012)を参照してください。θ(u)−θˆθˆ
例を見てみましょう
library(fracdiff)
library(data.table)
tree.ring <- ts(fread(file.path(data.path, "tree-rings.txt"))[, V1])
layout(matrix(1:4, ncol = 2))
plot(tree.ring)
acf(tree.ring)
mod.arfima <- fracdiff(tree.ring)
mod.arfima$d
## [1] 0.236507
私たちは、パラメータと小数ノイズに合わせてD = 0.23(以降D < 0.5我々は考えてすべてがうまくであり、我々は定常モデルを持っています)。残差を確認しましょう:dˆ=0.23dˆ<0.5
arfima.res <- diffseries(tree.ring, mod.arfima$d)
plot(arfima.res)
acf(arfima.res)
良さそうですか?問題は、残差が偽のホワイトノイズであるということです。どうやって知るの?まず、テストできます
Box.test(arfima.res, type = "Ljung-Box")
##
## Box-Ljung test
##
## data: arfima.res
## X-squared = 1.8757, df = 1, p-value = 0.1708
Box.test.ls(arfima.res, K = 4, type = "Ljung-Box")
##
## LS Ljung-Box test; Number of windows = 4; non-overlapping window
## size = 497
##
## data: arfima.res
## X-squared = 39.361, df = 4, p-value = 5.867e-08
2つ目は、年輪データが実際には局所的に定常的な非整数ノイズであることを文献から知っています。Goerg(2012)およびFerreira、Olea、and Palma(2013)を参照してください。
これは、私の-確かに-理論的に見える例が、実際のほとんどの例で実際に発生していることを示しています。