ARCH LM检验：如何检测金融模型残差中的波动聚集

收益的正负方向可能变化，但波动幅度仍会随时间呈现聚集：大幅波动之后往往还是大幅波动，平静期之后也可能继续平静。这种现象称为波动聚集。ARCH LM检验是一项诊断，用于判断去除均值动态后的残差平方，是否依赖于指定阶数以内的滞后。

检验的问题范围有限：当前残差平方与过去q阶残差平方之间是否存在可由线性关系描述的依赖，并与“没有这种关系”的零假设进行比较。Engle的ARCH论文提出了检验和建模时变条件方差的框架。可参阅Engle（1982）论文。

它不检验未来收益的正负方向是否可预测，也不能识别这种依赖为何出现，更不会自动选出正确的方差模型。

检验前，应根据数据和研究问题设定合理的均值方程。有些序列只需要常数均值，但若遗漏自相关、星期效应、已知解释变量或日内模式，残差中仍会留有结构。这些结构可能表现为残差平方的滞后关系，从而影响方差诊断。

估计后，将t时点的残差记为e_t。残差取决于所选样本、均值方程、数据频率和异常值处理。更改均值方程会改变残差，所以不能脱离模型设定解释ARCH LM结果。

检查残差自相关和均值方程是否合理，并记录收益定义、价格处理、缺失数据以及日频或日内频率。在分析条件方差之前，先确认均值部分得到了适当处理。

选定阶数q后，估计辅助回归：以当前残差平方为因变量，以过去q期的残差平方为解释变量。

e_t^2 = a_0 + a_1 e_{t-1}^2 + ... + a_q e_{t-q}^2 + v_t

零假设是滞后项系数联合为零：H0: a_1 = ... = a_q = 0。备择假设是至少一个系数不为零，也就是残差平方与所选阶数内的过去残差平方存在某种线性依赖。

对齐滞后后，最前面的q个观测无法用于辅助回归。将实际进入辅助回归的行数记为M，将该回归的决定系数记为R²。M指滞后对齐后的可用行数，不一定等于原始序列的总观测数。

在标准的大样本条件下，LM = M × R²近似服从自由度为q的卡方分布。比较时使用的自由度就是辅助回归中包含的滞后数。小样本、厚尾或结构突变可能削弱这一近似的可靠性。

完全假设的例子：q=5、M=300、R²=0.018，则LM=300×0.018=5.4。自由度为5的卡方分布在5%显著性水平下，临界值约为11.07。由于5.4小于11.07，这个例子在5%水平下不拒绝零假设。

这不等于证明方差恒定。样本可能太短、检验力不足、均值方程设定不合适，或者结论对q的选择敏感。应表述为“在当前设定下没有足够证据拒绝”，不要把它说成波动恒定的保证。

q不应在看到结果后，为了取得显著性而随意调整。候选阶数应结合采样频率、样本长度、诊断目的和所关心的依赖时域来确定。同样的滞后数用于日频和周频数据，代表的时间跨度并不相同。

若检验多个q，应记录选择依据并展示敏感性。只报告最大的检验统计量，可能夸大多次尝试中偶然拒绝的结果。若q稍有变化就改变结论，这种不稳定本身也值得说明。

q越大，辅助回归中的系数越多；样本较短时，估计精度和检验力都可能下降。报告样本长度、q、滞后对齐后的M、R²、LM、p值，以及合理的替代设定。

ARCH LM不检验收益或价格的上涨、下跌方向。即使残差平方存在依赖，也无法判断它来自新闻、流动性、市场参与者行为、交易机制还是测量误差。发现依赖不等于识别了因果关系。

拒绝零假设也不能证明某个ARCH或GARCH设定正确。模型阶数、分布假设、非对称性和结构变化仍需单独评估。检验统计量不会给出买卖方向或进场时点，也不是交易信号。

同样，不拒绝零假设不代表波动率被证明恒定。短样本、异常值和厚尾都可能降低检验发现依赖的能力。

McLeod–Li检验通过portmanteau型统计量检查残差平方的自相关。它关注的问题与ARCH LM相近，但汇总信息的方式不同。McLeod和Li（1983）的论文同样不能证明依赖的成因或获利预测能力。

这项诊断补充而不替代OLS回归系数与假设指南，也不同于稳健标准误。ARCH LM检验残差平方的滞后依赖；稳健标准误则在异方差下调整统计推断的不确定性。

ARCH LM结果可以成为考虑ARCH或GARCH模型的理由，却不是必须采用某个模型的指令。拟合均值和方差模型后，应重新检查标准化残差、残差及其平方中剩余的依赖、分布假设和参数稳定性。

关于模型背景，可阅读波动聚集与GARCH指南；关于异方差对推断的影响，可参阅稳健标准误与HAC指南。Engle的诺贝尔奖讲座回顾了ARCH的发展及其在金融时间序列中的应用。候选模型还应通过样本外条件方差预测来评估。

报告应包括收益频率和定义、均值方程、残差的生成方法、选择q的理由、辅助回归的可用观测数M、R²、LM、自由度、p值以及尝试过的设定。若未拒绝零假设，不要把它描述为方差恒定的证明。

还应记录异常值、厚尾、结构突变、均值动态遗漏和样本较短可能带来的影响。如果尝试了多个q或多种检验，应说明搜索范围及如何处理多重比较。结合Engle的ARCH诺贝尔奖讲座和原始论文阅读，有助于把检验放在模型诊断的语境中，而非视为最终结论。