A Modified Cox Test for Time Series Models

시계열 모형 분석을 위한 보완된 콕스 검정법

본 논문은 전통적인 콕스 검정법이 가지고 있는 계산상의 어려움을 완화시키기 위해 조건부 평균과 조건부 분산을 이용한 보완된 콕스 검정법을 제시한다. 처음 두 조건부 적률을 이용한 이러한 접근방법은 주어진 관찰치 전체의 결합밀도함수를 구하지 않아도 되는 계산상의 이점과 시계열모형에 쉽게 적용될 수 있는 장점이 있다. 제안된 검정법에 대한 만족 할만 한 모의실험 결과를 얻었으며 비선형 오차 방정식 모형에 대한 실증분석결과 GARCH모형이 bilinear모형보다 더 올바른 모형으로 나타났다.

We propose a new approach based on conditional means and variances to avoid the computational difficulties of the traditional Cox test. This approach can be extended to more complicated time series models. Monte Carlo experiments are performed to investigate the potential applicability of the proposed test. Empirical applications to two different non-linear error equation models are also examined.