金融计量第六章协整分析.pdf
- 文档编号:3431831
- 上传时间:2023-05-05
- 格式:PDF
- 页数:66
- 大小:1.43MB
金融计量第六章协整分析.pdf
《金融计量第六章协整分析.pdf》由会员分享,可在线阅读,更多相关《金融计量第六章协整分析.pdf(66页珍藏版)》请在冰点文库上搜索。
PresentedByHarryMills/PRESENTATIONPRO第六章第六章协整分析协整分析汪昌云中国人民大学财政金融学院教授张成思中国人民大学财政金融学院教授戴稳胜中国人民大学财政金融学院副教授PresentedByHarryMills/PRESENTATIONPRO本章内容梗概本章内容梗概协整的基本定义Engle-Granger协整分析VECM&Johanson协整分析方法Eviews案例PresentedByHarryMills/PRESENTATIONPRO协整的基本定义协整的基本定义协整关系协整关系对于经典线性回归模型,如:
进行回归分析的重要好前提是回归变量和为平稳时间序列,只有在这样的前提下,OLS分析后模型系数才具有统计一致性和统计无偏性。
但是,除了直接将非平稳时间序列转化为平稳时间序列外,如果多个非平稳时间序列经过线性组合,可以形成平稳序列,也可以顺利地进行计量分析。
此时这些非平稳时间序列就形成了协整关系,也被称为长期关系,均衡关系或者长期均衡关系。
这表明,协整关系所体现的是非平稳时间序列之间的确定的长期关系。
tttycxutytxPresentedByHarryMills/PRESENTATIONPRO协整的基本定义协整的基本定义用数学语言定义协整,可以这样阐释:
假定研究两个时间序列变量和,且这两个变量都是一阶单整过程,即I
(1)过程。
如果和的一个线性组合,如,构成了一个平稳的时间序列,那么就称和具有协整关系,并且协整向量为。
协整关系具有丰富的经济含义,例如相对购买力评价理论、货币数量论等。
tytxtytxtytxtttyxz),1(PresentedByHarryMills/PRESENTATIONPRO协整的基本定义协整的基本定义伪回归伪回归如果对多个非平稳时间序列进行线性回归后不能得到平稳序列,但是新得到的序列却具有非常高的拟合优度,较低的DW统计量,容易被分析者误判定为变量之间存在着显著线性关系时,非平稳变量之间就存在伪回归。
所谓伪回归伪回归,即指变量之间本来并不存在真正的关系,而是由于变量都是趋势(非平稳)序列造成的虚假显著性关系。
与协整关系相反,伪回归刻画的经济变量之间的长期关系并不是确实存在的。
因此,在分析非平稳序列的回归过程中,必须要区分协整关系与伪回归。
2RPresentedByHarryMills/PRESENTATIONPRO协整的基本定义协整的基本定义伪回归伪回归判别过程判别过程第1步,证实研究变量的非平稳性。
如果变量可以分别通过单位根检验,则表明变量应被看作是非平稳时间序列。
第2步,对模型进行回归分析。
回归分析仅适用于线性模型,所以对于非线性模型可以考虑利用对数等方式加以线性化。
如果回归结果显示拟合优度较高,系数的统计结果也较为显著,就表明模型拟合结果非常好。
注意:
由于存在伪回归的可能,根据已掌握的信息尚无法判断变量间是否存在协整关系。
第3步,利用经济理论和计量分析进行进一步探索。
在经济理论的适用方面要根据研究变量进行选择。
从计量分析的角度,要对模型残差进行一次单位根检验,如果没能通过该检验,则表明变量之间存在协整关系;反之,则为伪回归。
PresentedByHarryMills/PRESENTATIONPRO协整的基本定义协整的基本定义协整定义更一般的定义协整定义更一般的定义如果多个一阶单整变量的线性组合是平稳时间序列,那么这些变量存在协整关系,而对应的刻画这种关系的系数向量称为协整向量。
PresentedByHarryMills/PRESENTATIONPRO协整的基本定义协整的基本定义通常,如果m个变量存在协整关系,则它们之间的长期均衡关系就可以用矩阵表示成:
其中,如果出现偏离这种长期关系时,就会出现所谓的“均衡误差”,即:
均衡误差概念的提出,就联系到误差修正模型:
这是在协整关系检验并确定之后必然进行的模型分析。
0tX12(,)m12(,)tttmtXxxxtteXPresentedByHarryMills/PRESENTATIONPRO协整的基本定义协整的基本定义误差修正模型误差修正模型误差修正模型是协整分析的一部分。
以两个I
(1)变量和为例,假设和具有协整关系,即:
在OLS回归之后,为平稳序列。
由于和存在长期均衡关系,所以,长期来看,的期望值为0,即。
相应地,在短期中两个变量必然会出现偏离均衡的现象,即,此时和必须进行修正和调整,将非均衡状态尽量恢复到均衡状态。
如果在期出现偏离均衡状态的情况,那么在期时,这两个变量会对出现的这种误差分别进行修正,从而确保。
这个过程,就是误差修正过程。
12tttxcxe12()0ttExcxtx1tx2tx1tx2tx1tx2te01te0)(teEtet1ttx1tx2PresentedByHarryMills/PRESENTATIONPRO协整的基本定义协整的基本定义以模型形式可以写成:
上式就是最简单形式的误差修正模型(ECM)。
ECM模型中,变量用差分的形式刻画了当误差项出现偏离均衡状态时,变量的动态变化过程。
和被称为修正速度系数,反映了变量对出现均衡偏差情况的调整(修正)的速度。
这些系数的绝对数值越大,说明修正反应越强烈。
值得注意的是,系统内变量的修正速度系数不可能同时为0,否则系统间的协整关系将不复存在。
11011112202112ttttttxcexce1121PresentedByHarryMills/PRESENTATIONPRO协整的基本定义协整的基本定义如果考虑到各个变量的滞后项对当期值的影响,上式模型对应的更一般的ECM形式是:
其中,与依此类推。
如果将上述模型拓展到n个非平稳序列,可以用矩阵型式表示为:
11011111111112202112112112()()()()ttttttttttxceLxLxxceLxLx2111112131()ppLLLL2111112131()mmLLLL)(2L)(2L011()ttttXCeLXPresentedByHarryMills/PRESENTATIONPROEngleEngle-GrangerGranger协整分析协整分析Engle-Granger协整分析方法是运用计量方法检验非平稳变量之间的线性组合是否能够形成一个平稳的序列,从而判定变量之间是否存在协整关系。
区分协整关系和伪回归时所运用的分析方法,实质上就是对Engle-Granger协整方法的运用。
PresentedByHarryMills/PRESENTATIONPROEngleEngle-GrangerGranger协整分析协整分析EngleEngle-GrangerGranger协整分析方法协整分析方法运用步骤运用步骤第1步:
利用单位根检验法检验变量的非平稳性。
因为协整关系是存在于两个同阶的非平稳时间序列之间,因此这一步除了检验各个变量是否为非平稳序列之外,还要确认变量的单整阶数是否相同。
例如,如果两个变量都是I
(1)过程,那么就可以继续下面的协整分析步骤。
但是,如果其中一个变量为I
(2)过程,而另一个为I
(1)变量,则它们一定不存在协整关系。
如果一个变量为I
(1)过程,而另一变量为平稳过程,即I(0),那么二者之间也不可能存在协整关系。
PresentedByHarryMills/PRESENTATIONPROEngleEngle-GrangerGranger协整分析协整分析第2步:
如果第1步中的检验结果表明两个变量为同阶的非平稳序列,例如和都是I
(1)过程,则进行以下回归:
并且获得OLS回归的系数估计值,并且保存残差序列,即:
如果接下来的步骤检验发现和确实具有协整关系,那么回归模型就刻画了两个变量的长期均衡关系。
12tttexcx12tttxcxetx1tx2tx1tx2tePresentedByHarryMills/PRESENTATIONPROEngleEngle-GrangerGranger协整分析协整分析第3步:
对残差序列进行单位根检验。
在本例中,可以获得一下模型:
从上式可以看出,设立单位根检验模型时,一般可以不包括常数项。
因为经过回归所获得的残差序列的期望值一定为0。
1111pttititieeePresentedByHarryMills/PRESENTATIONPROEngleEngle-GrangerGranger协整分析协整分析值得注意的是,由于这里只能使用OLS回归后得到的残差序列,而OLS回归又是以最小方差为原则,因此容易得到具有较小方差的残差序列。
换言之,如果利用传统的临界值判断残差序列是否平稳,很容易得到错误的信息。
因此,此时需要利用特殊的临界值进行检验。
NT15102504.1233.4613.1301004.0083.3983.0872003.9543.3683.0675003.9213.3503.054无穷大3.903.343.043504.5923.9153.5781004.4413.8283.5142004.3683.7853.4835004.3263.7603.464无穷大4.293.743.45PresentedByHarryMills/PRESENTATIONPROEngleEngle-GrangerGranger协整分析协整分析选取正确的临界值进行判断后,如果模型通过单位根检验,则说明是非平稳序列,这时的结论是和不具有协整关系。
反过来,如果上式模型没有通过单位根检验,那么是平稳序列,这时的结论是和具有协整关系。
在后一种情况下,下面继续进行Engle-Granger协整分析的第4步。
1111pttititieeetx1tx2tx1tx2tetePresentedByHarryMills/PRESENTATIONPROEngleEngle-GrangerGranger协整分析协整分析第4步:
设立并估计误差修正模型。
根据定义,可以得到ECM模型,即:
其中,第5步:
诊断检验并解释实证结果。
在协整检验和ECM估计之后,需要运用相关的诊断检验进一步验证误差修正模型是否完备,如各个滞后项的滞后期数是否合理等。
同时,研究人员要对整个协整分析的结果进行综合解释,如果有可能,最好给出含义分析。
11011111111112202112112112()()()()ttttttttttxceLxLxxceLxLx11121tttexcxPresentedByHarryMills/PRESENTATIONPROEngleEngle-GrangerGranger协整分析协整分析PresentedByHarryMills/PRESENTATIONPROEngleEngle-GrangerGranger协整分析协整分析如果要研究高阶单整变量之间是否具有协整关系,可以将前面介绍的步骤直接加以拓展运用。
如果要研究两个变量之间的协整关系,直接运用Engle-Granger协整分析方法就比较复杂。
因为这一方法以此只能检验出一个协整关系,不适合在多个变量的情况下进行。
此时更推荐运用Johansen协整分析方法。
PresentedByHarryMills/PRESENTATIONPROVECM&JohansonVECM&Johanson协整分析协整分析向量形式的向量形式的ADFADF模型模型向量形式的自回归模型,即VAR(p)模型:
VAR模型系统是否稳定,由特征方程式的根决定。
()ttLYC()0zPresentedByHarryMills/PRESENTATIONPROVECM&JohansonVECM&Johanson协整分析协整分析VARVAR模型系统内变量的平稳特性与特征方程的根紧密相关模型系统内变量的平稳特性与特征方程的根紧密相关如果的所有根都落在单位圆外则VAR模型系统内的所有变量均为平稳序列,即I(0)。
如果的一个根等于1,而其他所有根都落在单位圆外,那么VAR模型系统内的所有变量均为非平稳序列,即I
(1)。
()0z()0zPresentedByHarryMills/PRESENTATIONPROVECM&JohansonVECM&Johanson协整分析协整分析含有n个变量的VAR(p)模型可以写成向量形式的ADF模型,即:
其中:
可以观察到,维矩阵实质上决定了VAR模型系统的平稳特性。
*1()tttLYCY11*1
(1)()pinipiniipijjiLL)(nnPresentedByHarryMills/PRESENTATIONPROVECM&JohansonVECM&Johanson协整分析协整分析考虑不含截距项、含有n个变量的VAR
(1)模型,即:
这个模型的ADF形式为:
很容易看到,是VAR
(1)模型的ADF模型条件中第一个等式的特殊形式。
根据矩阵的性质:
从而可知,VAR
(1)模型的ADF模型条件中第一个等式的绝对值有如下关系:
1tttYY11()tnttttYYY
(1)nXaaXn
(1)PresentedByHarryMills/PRESENTATIONPROVECM&JohansonVECM&Johanson协整分析协整分析矩阵的秩条件与协整关系矩阵的秩条件与协整关系以含有n个变量的VAR
(1)模型为例,其相应的特征方程是:
因为这是个行列式形式,总可以利用因式分解,获得下面的结果,即:
所以,上式模型的根为。
如果特征方程含有一个单位根,那么。
根据VAR
(1)模型的ADF模型第一个条件等式,可知单位根暗示着。
这就意味着VAR系统中所有变量都是I
(1)序列,矩阵必然是奇异矩阵。
()0z0)1()1)(1()(21zzzznnizi,2,1,1
(1)00PresentedByHarryMills/PRESENTATIONPROVECM&JohansonVECM&Johanson协整分析协整分析矩阵矩阵与与VAR(p)VAR(p)模型系统的平稳性以及协整关系个数的联系模型系统的平稳性以及协整关系个数的联系情况1:
为非奇异矩阵,即满秩矩阵,以矩阵秩的形式表示就是:
此时VAR模型为平稳系统,其所有组成变量均为平稳序列,不存在协整关系。
()ranknPresentedByHarryMills/PRESENTATIONPROVECM&JohansonVECM&Johanson协整分析协整分析情况2:
为非0奇异矩阵,即但,矩阵的秩满足下列条件,即:
含有一个单位根,即VAR系统的所有组成部分都是一阶单整过程。
此时VAR系统存在协整关系。
情况3:
为0矩阵,此时矩阵的秩为0,即:
此时,系统内存在n个不同的单位根过程,而这些变量并不构成协整关系。
00()rankr0rn()z0()0rankPresentedByHarryMills/PRESENTATIONPROVECM&JohansonVECM&Johanson协整分析协整分析综合讨论可知,协整关系的出现要求:
以上讨论的都是在VAR
(1)模型上的,这些结论也可以很自然的扩展到VAR(p)中去。
0rnPresentedByHarryMills/PRESENTATIONPROVECM&JohansonVECM&Johanson协整分析协整分析向量误差修正模型向量误差修正模型VECMVECM对于含有n个变量的VAR模型,当对应的矩阵的秩满足时,这n个变量之间存在个协整关系。
定义一个维的矩阵B,其中B的列含有个不同的线性独立协整向量,所以。
定义,从而获得一个(r1)维的向量。
的这个元素都是平稳序列。
因为,矩阵的所有个行可以写成矩阵的组合,即:
所以,只要给定矩阵和B,总能获得一个矩阵A,其中ttYBZ()rankrAB()rankAr0rn)(rnrrrBrank)(tZrnB)(rnPresentedByHarryMills/PRESENTATIONPROVECM&JohansonVECM&Johanson协整分析协整分析如果把模型代入到向量形式的ADF模型中,就可以获得:
上式模型就是VECM的表达形式。
事实上,这个VECM形式包含了所谓的格兰杰表达式定理的一个重要部分,即如果VAR模型中的组成变量之间存在协整关系,那么总存在这样的VECM表达形式。
*11()tttttLYCABYCAZABPresentedByHarryMills/PRESENTATIONPROVECM&JohansonVECM&Johanson协整分析协整分析根据定义,必定为平稳的,而矩阵是协整向量的矩阵,每一个协整关系代表了非平稳变量组成的一个长期均衡关系,所以捕捉了个不同的长期均衡关系。
在长期则有:
从短期来看,对于每个确定的时刻,都存在偏离协整关系的成分。
为了回复到均衡状态,通过促使的增加或者减少,从而推动朝着它的长期均值移动,即误差修正。
此时建立的就是VECM模型。
根据定义,矩阵A为调整系数。
11ttZBYBtYBr0ttZBYtYBtYB11ttYABAZttYPresentedByHarryMills/PRESENTATIONPROVECM&JohansonVECM&Johanson协整分析协整分析两个变量的两个变量的VAR
(1)VAR
(1)模型的模型的VECMVECM两个变量的VAR
(1)模型是最简单的VAR模型,即:
在这个例子中,该矩阵的秩为1CointegrationTest即可。
PresentedByHarryMills/PRESENTATIONPROEviewsEviews案例案例PresentedByHarryMills/PRESENTATIONPROEviewsEviews案例案例该协整检验对话框由四部分组成:
左边的部分供用户选择检验的基本形式,这里,采用第三种形式,即观测序列有线性确定性趋势并且协整方程仅有截距。
右上部的空白区域等待用户输入VAR系统中的外生变量名称,如季节名义变量等,而不包括常数和线性趋势,本例中无外生变量。
对话框右中部的空行处输入VAR模型的滞后阶数p-1。
由于在第七章中已经根据相应准则判断出该VAR模型的最大滞后期p取值3比较合适,因此,这里输入12是可行的。
对话框右下方用来设臵计算临界值的方法,此处采用默认形式。
PresentedByHarryMills/PRESENTATIONPROEviewsEviews案例案例UnrestrictedCointegrationRankTest(Trace)HypothesizedTrace0.05No.ofCE(s)EigenvalueStatisticCriticalValueProb.*None*0.31761068.9796929.797070.0000Atmost1*0.16032825.0319315.494710.0014Atmost2*0.0420174.9364013.8414660.0263UnrestrictedCointegrationRankTest(MaximumEigenvalue)HypothesizedMax-Eigen0.05No.ofCE(s)EigenvalueStatisticCriticalValueProb.*None*0.31761043.9477521.131620.0000Atmost1*0.16032820.0955314.264600.0054Atmost2*0.0420174.9364013.8414660.0263Johansen协整检验结果PresentedByHarryMills/PRESENTATIONPROEviewsEviews案例案例Johanson检验结果上半部分给出了trace统计量给出的协整关系个数的检验结果,而表中的下半部分给出了最大特征值统计量对应的协整关系个数的检验结果。
第一列对应的是在原假设条件下协整关系的个数,第二列报告的是从大到小排列的特征值的估计值,第三列是介绍过的两个统计量在各水平下的临界值和p值。
对此例,max-eigen检验和trace检验均认为在0.05的显著性水平下至少有两个协整关系,这里可认为r=2。
PresentedByHarryMills/PRESENTATIONPROEviewsEviews案例案例利用Johansen检验结果估计VECM模型的矩阵B和调整系数矩阵A矩阵B的估计值调整系数矩阵A的估计值UnrestrictedCointegratingCoefficients(normalizedbyb*S11*b=I):
CPI1M1RGDP11.5098630.0003230.0100031.088584-0.000540-0.0186010.3537960.0293320.004468UnrestrictedAdjustmentCoefficients(alpha):
D(CPI1)-0.251017-0.312542-0.011810D(M1)9.8661183.066809-4.041158D(RGDP1)-31.036636.655816-4.140286PresentedByHarryMills/PRESENTATIONPROEviewsEviews案例案例在上图所对应的,其实是基于的标准化方法。
因为可以知道,为了识别矩阵B,必须将其中的一些元素标准化为1。
因此途中报告的结果实质上是B的转臵矩阵,所以第一行就对应第一个协整向量,第二行对应的是第二个协整向量,以此类推。
IBSB11PresentedByHarryMills/PRESENTATIONPROEviewsEviews案例案例2)在Johansen协整关系检验的对话框中,选择VECRestrictions项,并在VECCoefficientRestrictions中输入B(2,1)=1。
这是由于需要将B矩阵中的第一个元素标准化为1,因此B(r,1)=1。
PresentedByHarryMills/PRESENTATIONPROEviewsEviews案例案例1CointegratingEquation(s):
Loglikelihood-1264.310Normalizedcointegratingcoefficients(standarderrorinparentheses)CPI1M1RGDP11.0000000.0006860.004457(0.00194)(0.00175)Adjustmentcoefficients(standarderrorinparentheses)D(CPI1)-0.801572(0.18801)D(M1)16.48176(5.81670)D(RGDP1)-65.67444(11.4044)2CointegratingEquation(s):
Loglikelihood-1257.524Normalizedcointegratingcoefficients(standarderrorinparentheses)CPI1M1RGDP11.0000000.0000000.001661(0.00185)0.0000001.0000004.077291(1.14005)Adjustmentcoefficients(standarderrorinparentheses)D(CPI1)-0.8935090.000873(0.18437)(0.00053)D(M1)17.41636-0.003155(5.89084)(0.01686)D(RGDP1)-61.81013-0.104829(11.3983)(0.03263)该图显示了对每个可能的协整关系的个数的标准化结果,这个标准化过程将前2个变量表示为剩下的1个变量的函数。
小括号内为渐进标准差。
PresentedByHarryMills/PRESENTATIONPROEviewsEviews案例案例3)建立VECM模型。
在VAR定义框中选择VectorErr
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 金融 计量 第六 章协整 分析