Тест Дики — Фуллера¶

Тест Дики — Фуллера — это статистический тест, используемый для проверки гипотезы о наличии единичного корня во временном ряду. Относится к классу тестов на стационарность и является одним из наиболее распространённых инструментов анализа временных рядов в эконометрике, финансах и других областях, где изучаются последовательные данные во времени. Тест назван в честь статистиков Дэвида Дики и Уэйна Фуллера, разработавших его в 1979 году.

¶Суть теста

Основная цель теста Дики — Фуллера — определить, является ли временной ряд стационарным (то есть его статистические свойства, такие как среднее и дисперсия, не зависят от времени) или нестационарным (содержит единичный корень, что приводит к случайным блужданиям и трендам). Наличие единичного корня означает, что ряд не возвращается к долгосрочному среднему значению после шока, а его дисперсия растёт со временем.

¶Модели теста

Тест Дики — Фуллера основан на регрессии проверяемого временного ряда на его лаговые значения. В базовой версии теста рассматривается три модели:

1. Модель без константы и тренда:

Δyₜ = γ·yₜ₋₁ + εₜ где Δyₜ — первая разность ряда, yₜ₋₁ — предыдущее значение, γ — коэффициент, εₜ — ошибка (белый шум). Нулевая гипотеза H₀: γ = 0 (ряд содержит единичный корень). Альтернативная гипотеза H₁: γ < 0 (ряд стационарен).

1. Модель с константой (дрейфом):

Δyₜ = α + γ·yₜ₋₁ + εₜ где α — константа. Эта модель допускает наличие ненулевого среднего в стационарном случае.

1. Модель с константой и линейным трендом:

Δyₜ = α + β·t + γ·yₜ₋₁ + εₜ где β·t — временной тренд. Эта модель проверяет стационарность вокруг тренда.

¶Расширенный тест Дики — Фуллера (ADF)

Расширенный тест Дики — Фуллера (Augmented Dickey–Fuller, ADF) является модификацией исходного теста, предназначенной для учёта автокорреляции ошибок. В ADF в уравнение регрессии добавляются лаговые разности зависимой переменной:

Δyₜ = α + β·t + γ·yₜ₋₁ + δ₁·Δyₜ₋₁ + δ₂·Δyₜ₋₂ + ... + δₚ·Δyₜ₋ₚ + εₜ

где p — количество лагов, выбираемое эмпирически (например, по информационным критериям Акаике или Шварца). Включение лагов позволяет устранить автокорреляцию в остатках, что делает тест применимым к более широкому классу моделей.

¶Статистика теста и критические значения

Тестовая статистика — это t-статистика для коэффициента γ, вычисленная по обычной регрессии. Однако её распределение не является стандартным t-распределением даже в больших выборках, поскольку при нулевой гипотезе ряд нестационарен. Дики и Фуллер вычислили критические значения для этой статистики методом Монте-Карло. Эти значения зависят от:

• объёма выборки;
• выбранной модели (с константой, трендом или без них);
• уровня значимости (обычно 1%, 5%, 10%).

Если вычисленная статистика меньше критического значения (то есть более отрицательна), нулевая гипотеза о наличии единичного корня отвергается в пользу стационарности. Если статистика больше критического значения, нулевая гипотеза не отвергается.

¶Применение

Тест Дики — Фуллера широко используется в следующих областях:

• Эконометрика и макроэкономика: для анализа временных рядов ВВП, инфляции, безработицы, денежных агрегатов. Проверка на стационарность необходима перед построением регрессионных моделей, чтобы избежать ложной регрессии (spurious regression).
• Финансы: для анализа цен акций, облигаций, валютных курсов. Тест применяется для проверки гипотезы эффективного рынка (случайное блуждание цен).
• Климатология: для анализа температурных рядов, уровней осадков.
• Инженерные науки: для анализа сигналов и процессов в системах управления.

¶Ограничения и критика

Несмотря на популярность, тест Дики — Фуллера имеет ряд недостатков:

• Низкая мощность: тест часто не может отличить единичный корень от близкого к нему стационарного процесса (например, AR(1) с коэффициентом 0,95). Это может приводить к ложному принятию нулевой гипотезы.
• Чувствительность к выбору лагов: неправильный выбор количества лагов в ADF-тесте может исказить результаты.
• Неприменимость к рядам с разрывами (структурными сдвигами): тест может ошибочно принять ряд со структурным сдвигом за нестационарный.
• Зависимость от спецификации модели: выбор между моделями с константой, трендом или без них влияет на результат.

Для преодоления этих ограничений были разработаны альтернативные тесты, такие как тест Филлипса — Перрона (Phillips–Perron test), тест Квятковского — Филлипса — Шмидта — Шина (KPSS test), тест Дики — Фуллера с разрывами (Zivot–Andrews test) и другие.

¶Пример интерпретации

Рассмотрим гипотетический пример. Пусть проверяется ряд месячных значений курса доллара к рублю за 5 лет (60 наблюдений). Выбран ADF-тест с константой и трендом, количество лагов p = 2 по критерию Акаике. Вычисленная статистика равна -2,34. Критическое значение для 5% уровня значимости при выборке 60 составляет -3,49 (по таблицам Дики — Фуллера). Поскольку -2,34 > -3,49, нулевая гипотеза о наличии единичного корня не отвергается. Это означает, что ряд курса, вероятно, нестационарен и содержит случайное блуждание. Для дальнейшего анализа рекомендуется взять первую разность ряда и повторить тест.

¶История

Тест был предложен Дэвидом Дики и Уэйном Фуллером в 1979 году в статье «Distribution of the Estimators for Autoregressive Time Series with a Unit Root» (Journal of the American Statistical Association). Работа стала одной из наиболее цитируемых в эконометрике. В 1981 году они же опубликовали расширение теста для моделей с трендом и константой. Впоследствии тест был обобщён для учёта автокорреляции (ADF) и структурных сдвигов.

¶Источники

• Dickey, D. A., & Fuller, W. A. (1979). Distribution of the Estimators for Autoregressive Time Series with a Unit Root. Journal of the American Statistical Association, 74(366), 427–431.
• Dickey, D. A., & Fuller, W. A. (1981). Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root. Econometrica, 49(4), 1057–1072.
• Hamilton, J. D. (1994). Time Series Analysis. Princeton University Press.
• Enders, W. (2014). Applied Econometric Time Series (4th ed.). Wiley.
• Магнус, Я. Р., Катышев, П. К., & Пересецкий, А. А. (2007). Эконометрика. Начальный курс (8-е изд.). Дело.