Testing causality in variance using multivariate GARCH models
(2009) Annales d’économie et de statistique — n° 89, p. 215-241 (2009)
Files
No attached file found for this publication.
Details
- Authors
- Abstract
- les tests de causalité en variance dans des séries temporelles multiples ont été récemment proposés, qui se fondent sur les résidus estimés à partir de modèles univariés. Bien que ces tests soient souvent utilisés, on sait peu de chose sur leur puissance. Dans cette article, nous présentons une autre méthode pratique, qui consiste à spécifier un modèle à volatilité multivariée, comme le GARCH multivarié (ou BEKK), et à construire un test de Wald de non-causalité en variance. Nous comparons la première approche à cette dernière pour tester la causalité en variance à la fois asymptotiquement et à distance finie. On montre que le test de Wald a de meilleures propriétés de puissance sous une séquence d'alternatives locales. De plus, nous montrons par simulation que le test de Wald est assez robuste à une mauvaise spécification de la vraisemblance. Sous-estimer l'ordre du BEKK et négliger l'effet de levier potentiel en volatilité induit des pertes mineures mais la méthode conserve son avantage en puissance par rapport à celle fondée sur les résidus.
- Affiliations
Citations
Hafner, C., & Herwartz, H. (2009). Testing causality in variance using multivariate GARCH models. Annales d’économie et de statistique, 89, 215-241. https://hdl.handle.net/2078.5/84197 (Original work published 2009)