Ljung-Box-Q-Test-Autokorrelation-Residuen-Rechner

Ljung-Box-Q-Test-Rechner 1978 ARMA/GARCH-Residuen-Autokorrelation: Q = n(n+2)Σρ_k²/(n-k). Banca d'Italia, ISTAT, BTP FTSE MIB.

Berechnungsparameter
War dieser Rechner nützlich?

Ljung-Box-Q-Test-Rechner Residuen-Autokorrelation ARMA

Der Ljung-Box-Q-Test-Rechner prüft das Vorhandensein mehrfacher Autokorrelation in den Residuen eines ARMA- oder GARCH-Modells, gemäß der Formulierung von Greta M. Ljung und George E. P. Box veröffentlicht in Biometrika Bd. 65 Nr. 2 (1978) S. 297-303 "On a measure of lack of fit in time series models", einer Verbesserung des früheren Box-Pierce-Tests 1970 (JASA 65, 1509-1526) mit Korrektur für kleine Stichproben. Die Portmanteau-Test-Formel: Q = n · (n + 2) · Σ_{k=1}^{h} ρ_k² / (n - k), wobei n = Stichprobengröße, h = Anzahl der getesteten Lags (typischerweise h = ln(n) Tsay 2010 oder h = min(20, n/4) Faustregel), ρ_k = Stichproben-Autokorrelation bei Lag k. Unter der Nullhypothese H0 keiner Autokorrelation (White-Noise-Residuen) ist die Statistik Q ~ χ²(h) Chi-Quadrat-verteilt mit h Freiheitsgraden; für ARMA(p,q)-Modelle werden die Freiheitsgrade auf χ²(h - p - q) angepasst. Kritische Werte 5%: h=10 → χ²=18,307; h=15 → χ²=24,996; h=20 → χ²=31,410. Der p-Wert = P(χ²(h) > Q) wird über die regularisierte obere unvollständige Gammafunktion Q(h/2, Q/2) mit Kettenbruchentwicklung NIST DLMF 8.9.2 berechnet.

Die Entscheidung: wenn Q > χ²_kritisch beim Niveau α wird H0 abgelehnt (Residuen autokorreliert, Modell unzureichend, ARMA durch Erhöhung von p oder q neu spezifizieren); wenn Q ≤ χ²_kritisch wird H0 nicht abgelehnt (Residuen White Noise, Modell adäquat Box-Jenkins-Methodologie). Die 5 Hauptanwendungen:

  • Diagnostic Checking Residuen ARMA(p,q)/ARIMA(p,d,q) Box-Jenkins (vierteljährliches BIP ISTAT, monatliche Inflation NIC FOI HICP, M2 monetär Banca d'Italia 1893, Industrieproduktion)
  • Volatility-Clustering-Test Finanzrenditen (Q-Test auf standardisierte quadrierte Residuen GARCH(1,1) Engle 1982 ARCH + Bollerslev 1986 GARCH für BTP 10Y Banca d'Italia + FTSE MIB Borsa Italiana → Euronext Milan 2021)
  • Basel-III-Risk-Management italienische Banken Intesa Sanpaolo, UniCredit, Banco BPM, BPER, MPS — VaR-Backtesting EBA + Banca d'Italia Aufsicht
  • Italienisches Asset Management Anima, Eurizon (Intesa), Mediolanum, Azimut, Generali Investments — Multi-Faktor-Modelle Fama-French + Momentum
  • Hochfrequenz-Algorithmushandel Borsa Italiana → Euronext Milan + IDEM FTSE-MIB-Derivate Futures. Die spezifischen italienischen Anwendungen:
  • Banca d'Italia 1893 Forschungsabteilung Rom Via Nazionale makroökonometrische Modelle DSGE-IT + BEMOD + IGEM Quarterly Italian Model BIP-Inflations-M2-EZB-Zins-Prognosen 2,5% (2026)
  • ISTAT 1926 Rom 4.500 Mitarbeiter — demografische Zeitreihen, NIC nationaler Verbraucherpreisindex, FOI HICP harmonisiert Eurostat, X-13ARIMA-SEATS Saisonbereinigung
  • Bocconi-Universität Mailand 1902 Mario Forni Dynamic Factor Models + Marco Lippi + Lucrezia Reichlin empirische Ökonometrie
  • Universität Bologna 1088 Alma Mater + Katholische Sacro Cuore Mailand 1921
  • Polytechnikum Mailand 1863 + Polytechnikum Turin 1859
  • SISSA Triest 1978 + ICTP Triest Data Science
  • Bruno de Finetti 1931 Triest subjektive Wahrscheinlichkeit Begründer der italienischen Bayes-Schule
  • IIT Genua 2003
  • Cineca Bologna 1969 Marconi100 + Leonardo HPC 250 PFlops 2023
  • Consob 1974 + IVASS 2012 Solvency II
  • Borsa Italiana 1808 → Euronext Milan 2021 FTSE MIB 40 Blue Chips
  • BTP-Renditen Banca d'Italia + MEF
  • Generali Triest 1831 + Intesa Sanpaolo + UniCredit + Mediobanca
  • Carlo Rubbia 1984 Nobelpreis Physik CERN + INFN Atlas/CMS Higgs MC
  • PNRR Mission 4 Komponente 2 Data Science 6,9 Mrd. €

Tabelle Anwendungen Q Ljung-Box Italien

Italienische AnwendungTypisches Modelln Beobachtungenh LagTypisches QP-WertEntscheidung
BTP 10Y Renditen Banca d'ItaliaARMA(1,1)+GARCH(1,1)2.500 daily20220,34Modell adäquat
FTSE MIB Renditen Euronext MilanGARCH(1,1) Bollerslev3.000 daily20450,001Volatility Clustering
Spread BTP-Bund 10YARMA(2,1)1.500 daily15180,26Modell adäquat
BIP vierteljährlich ISTAT 1926ARIMA(1,1,1) X-13120 Quart.1080,63Modell adäquat
Inflation NIC ISTAT monatlichSARIMA(1,0,1)(0,1,1)12360 monthly12140,30Modell adäquat
M2 monetär Banca d'ItaliaARIMA(0,1,1)240 monthly12100,62Modell adäquat
Generali Triest Aktien-RenditenGARCH(1,1)+t-Student2.500 daily20260,16Modell adäquat
Eurizon Momentum-Faktor-FondsFama-French 5500 monthly1070,73Modell adäquat
HFT Bid-Ask-Spread FTSE MIBARMA(0,1)50.000 Tick30120<0,001Microstructure Noise

(Quelle: Ljung & Box 1978 Biometrika 65, 297-303 + Box-Pierce 1970 JASA + Box-Jenkins 1970 + Banca d'Italia 1893 + ISTAT 1926 + Borsa Italiana → Euronext Milan 2021).

Italienische Berechnungsbeispiele Q Ljung-Box

  • BTP 10Y Residuen ARMA(1,1) Banca d'Italia Rom: BTP-10Y-Renditen-Reihe daily 2018-2026 n = 2.500, ARMA(1,1) (φ=0,15, θ=-0,12), Residuen ε_t. ACF Lag 1-20 alle |ρ_k| < 0,04. Q ≈ 22, df h-p-q = 18, χ²_18(0,95) = 28,87. Q=22 < 28,87 → H0 nicht ablehnen, p-Wert ≈ 0,29. ARMA(1,1) adäquat
  • FTSE MIB GARCH(1,1) Bollerslev Borsa Italiana → Euronext Milan: 3.000 daily 2014-2026, GARCH(1,1) ω=10⁻⁶, α=0,08, β=0,90. Q auf Residuen ε_t/σ_t Q=15 (h=20) p=0,77 OK Mittel; Q² auf ε_t²/σ_t² Q=18 p=0,59 Volatility Clustering OK. Ohne GARCH Q²=250 p<0,001 starke Ablehnung rechtfertigt GARCH
  • BIP vierteljährlich ISTAT ARIMA Box-Jenkins: BIP Italien 1996Q1-2026Q1 n=120, ARIMA(1,1,1). Q h=10 = 8 p=0,63 χ²_10=18,3 → nicht ablehnen, OK Prognosen
  • Inflation NIC FOI HICP ISTAT: 1996m1-2026m4 n=360, SARIMA(1,0,1)(0,1,1)_12. Q h=12 = 14 p=0,30 nicht ablehnen. HICP 1,9% (Apr 2026 ISTAT)
  • Asset Management Anima Eurizon Mediolanum Azimut Fama-French 5: Portfolio 500 Beobachtungen, Residuen Fama-French + Momentum (UMD). Q h=10 = 7 p=0,73 White Noise
  • HFT Bid-Ask-Spread FTSE MIB IDEM Borsa Italiana: Tick 50.000 Beobachtungen, ARMA(0,1) Bid-Ask-Bounce Roll 1984. Q h=30 = 120 p<0,001 Microstructure Noise → notwendig VECM Kointegration
  • Banca d'Italia DSGE-IT Quarterly Italian Model: Gleichungen 1980Q1-2026Q1 n=180, Residuen Q h=10 0,05 → Modell validiert Bayesian Smets-Wouters

Italienische Forschung Ökonometrie Zeitreihen

Die italienische Forschung in Zeitreihenökonometrie:

  • Banca d'Italia 1893 Forschungs- und Wirtschaftsanalyseabteilung Rom Via Nazionale 7.500 Mitarbeiter, Gouverneur Fabio Panetta seit 2023 (Ex-EZB Frankfurt + Ex-IWF), makroökonometrische Modelle DSGE-IT + BEMOD + IGEM BIP-Inflations-M2-EZB-Zins-Prognosen; "Temi di Discussione" Working Papers seit 1974
  • ISTAT 1926 Rom 4.500 Mitarbeiter Volkswirtschaftliche Gesamtrechnung ESA 2010 Eurostat + Indizes NIC FOI HICP harmonisiert + Permanente Volkszählung + Arbeitskräfteerhebung RCFL vierteljährlich; X-13ARIMA-SEATS US Census Bureau Saisonbereinigung
  • Bocconi-Universität Mailand 1902 Fakultät Wirtschaftswissenschaften IGIER Mario Forni Dynamic Factor Models + Marco Lippi Structural VAR + Lucrezia Reichlin (LBS Ex-EZB) Makroökonometrie + Carlo Favero Asset Pricing
  • Universität Bologna 1088 Alma Mater Studiorum Finanzökonometrie + Katholische Universität Sacro Cuore Mailand 1921 quantitative Finanzmethoden Massimo Guidolin Regime-Switching + LUISS Rom 1974
  • Polytechnikum Mailand 1863 + Polytechnikum Turin 1859 Wirtschaftsingenieurwesen quantitative Finanz Derivate
  • SISSA Triest 1978 Strada Costiera 11 + ICTP Abdus Salam Internationales Zentrum Theoretische Physik Triest 1964 Data Science Statistik Machine Learning Stefano Battiston Complex Networks Finance
  • Bruno de Finetti 1906-1985 Triest-Rom Sapienza subjektive Wahrscheinlichkeit Begründer der italienischen Bayes-Schule "Theory of Probability" 1970 + Repräsentationstheorem Austauschbarkeit + IRC De-Finetti-Preis
  • IIT Genua 2003 Morego 1.700 Forscher Robotik KI Massimiliano Pontil + Lorenzo Rosasco Kernel-Methoden
  • Cineca Bologna 1969 Marconi100 IBM Power9 30 PFlops 2018 + Leonardo HPE Pre-Exascale 250 PFlops Atos 2023 (5. TOP500 Green500) Monte-Carlo-Simulation Derivate-Pricing + DSGE Bayesian
  • Consob Rom 1974 Aufsicht Finanzmärkte + IVASS Rom 2012 Solvency II EIOPA + Banca d'Italia Bankenaufsicht EBA Basel III IFRS 9 ECL Expected Credit Loss
  • Borsa Italiana 1808 Mailand → Euronext Milan 2021 nach LSE-Group-Veräußerung Euronext-Fusion Post-Brexit; FTSE MIB 40 Blue Chips + IDEM Futures + MIBO Optionen
  • BTP-Renditen Marginalauktion MEF + Banca d'Italia Sekundärmarkt BondVision MTS Group
  • Italienische Risk-Management-Unternehmen: Generali Triest 1831 12 Mio. Kunden 50 Länder 70 Mrd. € Prämien + Intesa Sanpaolo Turin 2007 Sanpaolo IMI + Intesa BCI Fusion 22 Mio. Kunden + UniCredit Mailand 1998 14 CEE-Länder + Mediobanca Mailand 1946 Enrico Cuccia + Banco BPM 2017 + BPER Banca 1867 Modena + MPS Monte Paschi Siena 1472 älteste Bank Welt; VaR 99% 1-Tag Backtesting Expected Shortfall ES Basel III FRTB
  • Carlo Rubbia 1934 Gorizia Nobelpreis Physik 1984 CERN W/Z-Bosonen SPS UA1 + INFN 1951 23 Sektionen + ATLAS/CMS LHC Higgs-Boson 5. Juli 2012 4,9-5,0σ Monte-Carlo-Validierung Chi-Quadrat-Goodness-of-Fit
  • PNRR Mission 4 Komponente 2 Data-Science-Forschung 6,9 Mrd. € + F&E-Steuergutschrift Art. 1 Abs. 200 G. 160/2019 bis 25% + Patent Box G. 178/2020 50% + PIR Individuelle Sparpläne G. 232/2016 detax italienische Märkte

Aktualisiert im Juli 2026

Häufig gestellte Fragen

Was ist der Ljung-Box-Q-Test?

Statistischer Portmanteau-Test für mehrfache Autokorrelation in ARMA/GARCH-Residuen formuliert von Greta Ljung & George Box 1978 Biometrika 65, 297-303, Verbesserung Box-Pierce 1970 mit Kleinstichprobenkorrektur. Formel Q = n(n+2)·Σ_{k=1}^{h} ρ_k²/(n-k) unter H0 White Noise verteilt χ²(h). Box-Jenkins Diagnostic ISTAT BIP, BTP Banca d'Italia, FTSE MIB Euronext Milan.

Ljung-Box-Test-Formel?

Q = n · (n + 2) · Σ_{k=1}^{h} ρ_k² / (n - k) wobei n Stichprobengröße, h Anzahl Lags (typisch h=ln(n) Tsay 2010 oder min(20,n/4)), ρ_k Stichproben-Autokorrelation Lag k. Unter H0 Q ~ χ²(h); für ARMA(p,q) df angepasst χ²(h-p-q). Kritisch 5%: h=10→18,307; h=15→24,996; h=20→31,410. P-Wert über regularisierte obere unvollständige Gammafunktion Q(h/2,Q/2) NIST DLMF 8.9.2.

Wann H0 Ljung-Box ablehnen?

H0 ablehnen (keine Autokorrelation White Noise) wenn Q > χ²_kritisch beim Niveau α (typisch 5%) oder äquivalent p-Wert < α. Ablehnung bedeutet Residuen autokorreliert → ARMA-Modell unzureichend, neu spezifizieren durch Erhöhung von p oder q AR/MA-Ordnungen. Beispiel: BTP 10Y Residuen ARMA(1,1) Q=22 (h=20, df=18) χ²_18(0,95)=28,87 → nicht ablehnen, p=0,29, Modell adäquat Banca d'Italia.

Unterschied Box-Pierce vs Ljung-Box?

Box-Pierce 1970 Original: Q* = n·Σρ_k² asymptotisch χ²(h)-verteilt, aber Überablehnung bei kleinen Stichproben (n<100). Ljung-Box 1978 Korrektur: Q = n(n+2)·Σρ_k²/(n-k) viel bessere χ²(h)-Approximation für kleine/mittlere n. Moderner Standard ARIMA-Residuentest Box-Jenkins-Methodologie Software R Box.test(type='Ljung-Box') + Python statsmodels acorr_ljungbox + EViews + Stata wntestq.

Italienische Ljung-Box-Anwendungen?

Italien: 1) ARMA/GARCH-Residuen-Diagnostic BTP 10Y Banca d'Italia + BTP-Bund-Spread + FTSE MIB Euronext Milan 2021; 2) BIP vierteljährlich ISTAT 1926 + NIC FOI HICP + M2 monetär; 3) Volatility Clustering Bollerslev 1986; 4) Banken-Risk Intesa UniCredit MPS Generali Basel III VaR; 5) Asset Management Anima Eurizon Mediolanum Azimut Faktor-Modelle.

Q Ljung-Box GARCH-Volatilität?

Q-Test zweimal angewandt GARCH-Modelle: 1) standardisierte Residuen ε_t/σ_t prüfen White Noise Mittel; 2) standardisierte quadrierte Residuen (ε_t/σ_t)² prüfen Volatility Clustering erfasst. FTSE MIB GARCH(1,1) Bollerslev 1986 ω=10⁻⁶ α=0,08 β=0,90 Persistenz 0,98: Q²=18 (h=20) p=0,59 OK Volatilität. Ohne GARCH nur ARMA Q²=250 p<0,001 starke Ablehnung rechtfertigt GARCH.

Italienische Quant-Forschungs-Steuerboni?

Italienische Data-Science-Boni 2025-2026: F&E-Steuergutschrift Art. 1 Abs. 200 G. 160/2019 bis 25% Forschungsausgaben; Patent Box G. 178/2020 50% Software-Quant-Einkünfte; PIR G. 232/2016 detax italienische Märkte; PNRR Mission 4 Komponente 2 Data-Science-KI 6,9 Mrd. € Bocconi Bologna Polytechnikum Mailand Cineca Leonardo HPC Pre-Exascale 250 PFlops.

Kommentare (0)

Noch keine Kommentare. Sei der Erste!