时间序列的协整和误差修正模型

合集下载

时间序列模型--ARMA模型与ARCH模型(2008.11)

时间序列模型--ARMA模型与ARCH模型(2008.11)

时间序列模型时间序列分析是现代计量经济学的重要内容,是研究经济变量的动态特征和周期特征及其相关关系的重要工具,被广泛应用经济分析和预测中。

时间序列按其平稳性与否又分为平稳时间序列和非平稳时间序列。

1.ARMA与ARCH模型2.协整与误差修正模型3.向量自回归模型1第五讲ARMA与ARCH模型本讲中将讨论时间序列的平稳性(stationary)概念及自回归模型(Autoregressive models)、移动平均模型(Moving average models)、自回归移动平均模型(Autoregressive moving average models)、自回归条件异方差模型(Autoregressivec conditional Heteroscedasticity models)的识别、估计、检验、应用。

23一、时间序列的平稳性(一)平稳时间序列所谓时间序列的平稳性,是指时间序列的统计规律不会随着时间的推移而发生变化。

严格地讲,如果一个随机时间序列,对于任何时间,都满足下列条件:t y t Ⅰ)均值;()t E y μ=∞ Ⅱ)方差,是与时间无关的常数;22()()t t Var y E y μσ=-=t Ⅲ)自协方差,是只与时期间隔有关,{}(,)t t k t t k k Cov y y E y y μμγ--=--=()()k 与时间无关的常数。

t4则称该随机时间序列是平稳的。

生成该序列的随机过程是平稳过程。

例5.1.一个最简单的随机时间序列是一具有零均值同方差的独立分布序列:= ~该序列常被称为是一个白噪声(white noise )。

t y t εt ε2(0,)iid σ 由于具有相同的均值与方差,且协方差为零,满足平稳性条件,是平稳的。

t y 例5.2.另一个简单的随机时间列序被称为随机游走(random walk ):~,是一个白噪声。

1t t t y y ε-=+t ε2(0,)iid σ 容易判断该序列有相同的均值:,但是方差,即1()()t t E y E y -=2()t Var y t σ=的方差与时间t 有关而非常数,它是一非平稳序列。

5.3 协整与误差修正模型 计量经济学PPT课件

5.3 协整与误差修正模型  计量经济学PPT课件
• 如果X与Y间的长期均衡关系正确,该式表述的非 均衡误差应是一平稳时间序列,并且具有零期望值, 即是具有0均值的I(0)序列。
• 非平稳的时间序列,它们的线性组合也可能成为 平稳的。称变量X与Y是协整的(cointegrated)。
3、协整
• 如果序列{X1t,X2t,…,Xkt}都是d阶单整,存在向量 =(1,2,…,k),使得Zt=XT ~ I(d-b), 其中,b>0,X=(X1t,X2t,…,Xkt)T,则认为序列 {X1t,X2t,…,Xkt}是(d,b)阶协整,记为Xt~CI(d,b), 为协整向量(cointegrated vector)。
5%的显著性水平下协 整的ADF检验临界值
为-3.521
注意:查什么临 界值表?
结论:中国居民总量消费的对数序 列lnY与总可支配收入的对数序列 lnX之间存在(1,1)阶协整。
注意:
这里采用由协整检 验临界值表算得的 临界值(-3.521 ),没有采用ADF 检验给出的临界值 (-1.953),是 正确的。但是,在 很多应用研究中忽 视了这一点,而直 接采用ADF检验给 出的临界值,则是 错误的,容易产生
• 均衡方程中应该包含均衡系统中的所有时间序 列,而协整方程中可以只包含其中的一部分时 间序列。
• 协整方程的随机扰动项是平稳的,而均衡方程 的随机扰动项必须是白噪声。
• 不能由协整导出均衡,只能用协整检验均衡。
五、误差修正模型 Error Correction Model, ECM
1、一般差分模型的问题
• 对于非稳定时间序列,可通过差分的方法将其 化为稳定序列,然后才可建立经典的回归分析 模型。
Yt 0 1 X t t
Yt 1X t vt vt t t1

计量经济学第五章协整与误差修正模型

计量经济学第五章协整与误差修正模型
数据变换
根据需要对数据进行变换,如对数变换、差 分变换等,以满足模型对数据的要求。
模型参数估计方法选择
01
最小二乘法(OLS )
适用于满足经典假设的线性回归 模型,通过最小化残差平方和来 估计模型参数。
02
广义最小二乘法( GLS)
适用于存在异方差性的模型,通 过加权最小二乘法进行参数估计 ,以消除异方差性的影响。
误差修正模型定义
误差修正模型(Error Correction Model,简称ECM)是一种具有特定形式的计 量经济学模型,用于描述变量之间的长期均衡关系和短期动态调整过程。
该模型通过引入误差修正项,将变量的短期波动和长期均衡关系结合起来,从而 更准确地刻画经济现象。
误差修正项解释
误差修正项(Error Correction Term,简称ECT)是误差修正模型中的核 心部分,表示变量之间的长期均衡误差。
长期均衡
协整关系反映了时间序列之间的长期均衡,即使短期内有所偏离,长期内也会恢复到均 衡状态。
线性组合平稳
协整序列的线性组合可以消除非平稳性,得到平稳序列。
协整检验方法
EG两步法
首先通过OLS回归得到残差序列,然 后对残差序列进行单位根检验(如 ADF检验),判断其是否平稳。
Johansen检验
适用于多变量协整关系的检验,通过 构建似然比统计量来判断协整向量的 个数。
计量经济学第五章协 整与误差修正模型
汇报人:XX
目 录
• 协整理论概述 • 误差修正模型介绍 • 协整与误差修正模型关系 • 协整检验方法及应用举例 • 误差修正模型建立与评估 • 案例研究:金融市场波动性分析
01
协整理论概述
协整定义及性质

协整与误差修正模型的研究

协整与误差修正模型的研究

协整与误差修正模型的研究第一部分协整理论概述 (2)第二部分误差修正模型介绍 (4)第三部分协整与误差修正关系 (7)第四部分模型构建与检验方法 (9)第五部分实证分析应用案例 (13)第六部分结果解释与经济含义 (16)第七部分模型局限性与改进方向 (18)第八部分研究展望与未来趋势 (22)第一部分协整理论概述协整理论概述在经济学和金融学中,我们常常遇到时间序列数据之间的长期均衡关系。

然而,在实际经济活动中,这种均衡关系并不总是能够得到严格的保持,而是存在着一定程度的波动和偏差。

为了解决这一问题,经济学家们提出了协整理论。

协整理论是指两个或多个非平稳的时间序列之间存在一种长期稳定的关系。

换言之,即使各时间序列本身是随机游走的过程,它们之间也可能存在一个稳定的线性组合,使得这个组合呈现出平稳性质。

协整理论的发展为研究经济变量之间的长期动态关系提供了一个强有力的工具。

协整理论的核心思想是由 Engle 和Granger 于1987 年提出的。

他们认为,如果两个非平稳的时间序列之间存在协整关系,则这两个时间序列可以通过一个线性组合达到长期均衡状态,且这个线性组合具有零均值、有限方差和恒定自相关等特性。

在这个意义上,我们可以将协整关系看作是一种长期均衡关系的表现形式。

为了检验两个时间序列之间是否存在协整关系,Engle 和 Granger 提出了一种两步法:首先检验每个时间序列是否为非平稳过程;然后,如果这两个时间序列都是非平稳过程,再通过回归分析来检验它们之间是否存在协整关系。

这种方法被称为 Engle-Granger 两步协整检验。

除了 Engle-Granger 两步协整检验之外,还有许多其他的方法可以用来检验协整关系,例如 Johansen 检验和 Pedroni 检验等。

这些方法都可以有效地帮助我们确定不同时间序列之间的协整关系。

协整理论不仅用于检验不同时间序列之间的长期均衡关系,还可以用于构建误差修正模型。

误差修正模型

误差修正模型

样本容量 25 50 100 ∝
表 9.3.1 双变量协整 ADF 检验临界值
显著性水平
0.01
0.05
-4.37
-3.59
-4.12
-3.46
-4.01
-3.39
-3.90
-3.33
0.10 -3.22 -3.13 -3.09 -3.05
Page 15
例9.3.1 检验中国居民人均消费水平CPC与人均国内生 产总值GDPPC的协整关系。
在前文已知CPC与GDPPC都是I(2)序列,而§2.10中已 给出了它们的回归式
CPCt 49.764106 0.45831 GDPPC t
R2=0.9981
通过对该式计算的残差序列作ADF检验,得适当检验
模型
eˆt 1.55eˆt1 1.49eˆt1 2.27eˆt3
反之,如果Y的值大于其均衡值,则Y的变化往往会小 于第一种情形下的Yt 。
可见,如果Yt=0+1Xt+t正确地提示了X与Y间的长 期稳定的“均衡关系”,则意味着Y对其均衡点的偏离从 本质上说是“临时性”的。
因此,一个重要的假设就是:随机扰动项t必须是平稳 序列。
显然,如果t有随机性趋势(上升或下降),则会导 致Y对其均衡点的任何偏离都会被长期累积下来而不能被 消除。
从这里已看到,非稳定的时间序列,它们的线性组合也可 能成为平稳的。
例如:假设Yt=0+1Xt+t式中的X与Y是I(1)序列,如果
该式所表述的它们间的长期均衡关系成立的话,则意味着由 非均衡误差(*)式给出的线性组合是I(0)序列。这时我们称 变量X与Y是协整的(cointegrated)。
Page 7

Eviews:协整与误差修正模型

Eviews:协整与误差修正模型

LnC一阶差分单位根检验结果
LnGDP一阶差分单位根检验结果
协整检验
建立lnC 与lnGDP的回归模型,采用OLS法进行估计,得到结果如下:
期均衡关系
经济理论指出,某些经济变量间确实存在长 期均衡关系。这种均衡关系意味着经济系统不 存在破坏均衡的内在机制。如果变量在某时期 受到干扰后偏离其长期均衡点,则均衡机制将 会在下一期进行调整以使其重新回到均衡状态。
协整
尽管许多经济变量是非平稳的,即它们是一阶或高阶的单 整时间序列。但是,由于长期均衡关系的存在,非平稳的 时间序列,它们的线性组合也能成为平稳的。 一般地,如果序列 X1t , X 2t , .X kt 都是d阶单整的,存在向 量 1,2 , ,k ,使得 Z X ~ I d b,其中 b 0, X X , X , , X 则认为序列 X1t , X 2t , .X kt 是(d, b)阶协整,记为 X t ~ CI d , b 为协整向量(co integrated vector)。
et 的单整性检验
通常使用DF检验或者ADF检验来检验et的单整性。由于协整回归中 已含有截距项,则检验模型中无需再用截距项。如使用模型1:
et et 1 i et i i
i 1
p
进行检验时,拒绝零假设 H : 是平稳序列,从而说明X与Y是协整的。
0
0
,意味着残差项et
时间序列计量经济学模型

——协整与误差修正模型
经典回归模型是以平稳的数据变量为基 础的。对于非平稳变量,如果使用经典 回归模型,就容易出现虚假回归等诸多 问题,即变量之间不存在因果关系,只 是这些非平稳的经济时间序列表现出了 共同的变化趋势,因此,使用经典回归 模型进行分析没有了任何实际意义。

第三章(3-5节)协整与误差修正模型

第三章(3-5节)协整与误差修正模型

第三节协整理论——时间序列模型的协整关系一、问题来源来源:伪回归(虚假回归)现象MC(蒙特卡罗)的模拟结果发现:利用2个相互独立的非平稳序列、或者2个都包含时间趋势但彼此无关的序列,可能建立显著的回归模型;称这种现象为“伪回归”现象,所建立的模型是伪回归模型。

伪回归现象意味着传统统计检验方法失去意义,需要重新讨论对非平稳序列能否直接建立回归模型的问题。

二、平稳性(一)平稳时间序列定义:μ=)(t y E)(),(s r y y COV s t t =- (序列的相关性只与间隔有关,与时刻无关) 推论:)0()(r y D t = = 常数图形特征:(1)在均值周围波动,频繁穿越均值;(2)波动幅度大致相同;-2-112240260340360DJ PY图1 日元兑美元差分序列 图2上证综指收益率平稳时间序列的含义:任何外来冲击(或振动)对序列变动轨迹的影响是短暂的,t时刻的振动影响在t+1期会减弱,t+2期会更弱,随着时间推移这种影响会逐渐消失,序列将恢复到其平均水平(称外来冲击影响具有“短记忆”特征)。

但是,对于非平稳时间序列,振动的影响会无限地持续下去,t时刻的振动影响不会在以后的时期中衰减,所以序列也难以恢复到一个稳定状态,外来冲击影响有长记忆性。

(二)常见平稳序列1.白噪声过程(white noise )0)(=t y E 2)(σ=t y D 0),(=-s t t y y COV记成: y t ~ i.i.d (0, σ2)古典回归模型中的随机误差项即为白噪声序列。

2.自回归过程(Auto regression —AR 过程)1t t t y y ρε-=+ ||1ρ<,εt ~ i.i.d (0, σ2)(三)常见非平稳序列1.趋势平稳过程(trend stationary)(又称为:退势平稳过程,确定趋势过程)。

y t =α + βt + εt , εt~i.i.d(0, σ2)性质:(1)E (y t )=α + βt , D (y t ) = σ2 , COV(y t ,y t-s ) = 0(2)图形:围绕趋势线等幅波动,外来冲击影响短暂;(3)可以扩展成带趋势的AR 过程:1t t t y t y αβρε-=+++ ||1ρ<特点:由于存在长期趋势使得均值不是常数,所以是非平稳序列;但是序列始终围绕着趋势线波动,外来冲击是短记忆的,所以又具备平稳序列的特征。

时间序列的协整检验与误差修正模型讲义

时间序列的协整检验与误差修正模型讲义

时间序列的协整检验与误差修正模型讲义时间序列的协整检验与误差修正模型是在经济学和金融学中广泛使用的方法,用于分析两个或多个变量之间的长期稳定关系。

本讲义将介绍协整检验的基本概念和步骤,并讨论误差修正模型的理论背景和实际应用。

一、协整检验1. 概念与原理协整是指两个或多个变量之间存在长期稳定的关系,即它们的线性组合是平稳的。

协整关系可以用来解释一个变量对另一个变量的影响,并提供长期均衡关系的信息。

协整检验的基本原理是利用单位根检验方法,测试变量是否存在单位根(非平稳性)。

如果变量存在单位根,则它们是非平稳的;如果变量不存在单位根,则它们是平稳的。

如果变量之间存在协整关系,它们的线性组合将是平稳的。

2. 协整检验的步骤协整检验的一般步骤如下:- 收集数据并绘制时间序列图,观察变量之间的趋势和关系;- 进行单位根检验,常用的方法包括ADF检验、Phillips-Perron检验等;- 如果变量存在单位根,则进行差分,直到变量变为平稳的;- 应用最小二乘法等方法,估计协整关系方程;- 进行残差平稳性检验,确保协整关系的合理性;- 如果协整关系存在,可以进行模型的进一步分析与应用。

二、误差修正模型(Error Correction Model, ECM)1. 概念与原理误差修正模型是一种动态模型,用于解释协整关系的调整速度和误差纠正机制。

在误差修正模型中,除了协整关系的线性组合外,还引入了误差修正项,用于捕捉变量之间的短期非平衡关系。

误差修正项反映了系统离开长期均衡后的调整速度,通过估计误差修正项的系数,可以判断系统是否有趋向于均衡的能力。

当误差修正项的系数为负数且显著时,表示系统具有自我修复的能力;当系数为零时,表示系统处于长期均衡状态;当系数为正数时,表示系统趋向于进一步偏离均衡。

2. ECM模型的应用误差修正模型可以用于解释和预测时间序列数据的长期和短期动态变化。

它在经济学和金融学中有广泛的应用,如货币供给与通货膨胀、利率与消费支出、汇率与经济增长等领域。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

3、协整
• 如果序列{X1t,X2t,…,Xkt}都是d阶单整,存在向量 =(1,2,…,k),使得Zt=XT ~ I(d-b), 其中,b>0,X=(X1t,X2t,…,Xkt)T,则认为序列 {X1t,X2t,…,Xkt}是(d,b)阶协整,记为Xt~CI(d,b), 为协整向量(cointegrated vector)。 • 如果两个变量都是单整变量,只有当它们的单整 阶数相同时,才可能协整;如果它们的单整阶数 不相同,就不可能协整。
• (d,d)阶协整是一类非常重要的协整关系, 它的经济意义在于:两个变量,虽然它们具有 各自的长期波动规律,但是如果它们是(d,d) 阶协整的,则它们之间存在着一个长期稳定的 比例关系。
• 例如,中国CPC和GDPPC,它们各自都是2阶单整,如果 它们是(2,2)阶协整,说明它们之间存在着一个长期稳 定的比例关系,从计量经济学模型的意义上讲,建立 如下居民人均消费函数模型是合理的。
• 非均衡误差的单整性的检验方法仍然是DF检验 或者ADF检验。
• 需要注意是,这里的DF或ADF检验是针对协 整回归计算出的误差项,而非真正的非均衡误 差。
• 而OLS法采用了残差最小平方和原理,因此估 计量是向下偏倚的,这样将导致拒绝零假设 的机会比实际情形大。 • 于是对et平稳性检验的DF与ADF临界值应该比 正常的DF与ADF临界值还要小。
§3.2 协整与误差修正模型
Cointegration and Error Correction Model
一、长期均衡与协整分析 二、协整检验
三、误差修正模型
一、长期均衡与协整分析 Equilibrium and Cointegration
1、问题的提出
• 经典回归模型( classical regression model )是建立在 平稳数据变量基础上的,对于非平稳变量,不能使用经典 回归模型,否则会出现虚假回归等诸多问题。 • 由于许多经济变量是非平稳的,这就给经典的回归分析方 法带来了很大限制。 • 但是,如果变量之间有着长期的稳定关系,即它们之间是 协整的(cointegration),则是可以使用经典回归模型方 法建立回归模型的。 • 例如,中国居民人均消费水平与人均 GDP 变量的例子 , 从 经济理论上说,人均 GDP 决定着居民人均消费水平,它们 之间有着长期的稳定关系,即它们之间是协整的。
与Y在时期t与t-1末期仍满足它们间的长期均衡关 系,即上述第一种情况,则Y的相应变化量为:
Yt 1X t vt
vt=t-t-1
• 如果t-1期末,发生了上述第二种情况,即Y的 值小于其均衡值,则t期末Y的变化往往会比第 一种情形下Y的变化大一些; • 反之,如果t-1期末Y的值大于其均衡值,则t期 末Y的变化往往会小于第一种情形下的Yt 。 • 可见,如果 Yt=0+1Xt+t 正确地提示了 X 与 Y 间的长期稳定的“均衡关系”,则意味着 Y 对 其均衡点的偏离从本质上说是“临时性”的。 • 一个重要的假设就是 : 随机扰动项 t 必须是平 稳序列。如果 t有随机性趋势(上升或下降), 则会导致 Y 对其均衡点的任何偏离都会被长期 累积下来而不能被消除。
2、长期均衡 •
经济理论指出,某些经济变量间确实存在着长期均衡关 系,这种均衡关系意味着经济系统不存在破坏均衡的内在 机制,如果变量在某时期受到干扰后偏离其长期均衡点, 则均衡机制将会在下一期进行调整以使其重新回到均衡状 态。
假设X与Y间的长期“均衡关系”由式描述
Yt 0 1 X t t
t t t
称为协整回归(cointegrating)或静态回归(static regression)。
t 的单整性。如果 t 为稳定序列,则认为变量 e e Yt , X t 第二步,检验 t 为 1 阶单整, e Yt , X t 为 (2,1)阶协整; 为 (1,1)阶协整; 如果 则认为变量 „。
• 式Yt=0+1Xt+t中的随机扰动项也被称为非均 衡误差(disequilibrium error),它是变量X 与Y的一个线性组合:
t Yt 0 1 X t
• 如果X与Y间的长期均衡关系正确,该式表述的非
均衡误差应是一平稳时间序列,并且具有零期望值, 即是具有0均值的I(0)序列。 • 非稳定的时间序列,它们的线性组合也可能成为 平稳的。称变量X与Y是协整的(cointegrated)。
CPCt 0 1GDPPC t t
• 尽管两个时间序列是非平稳的,也可以用经典
的回归分析方法建立回归模型。

从这里,我们已经初步认识到: 检验变量之 间的协整关系,在建立计量经济学模型中是非常 重要的。 而且,从变量之间是否具有协整关系出发选 择模型的变量,其数据基础是牢固的,其统计性 质是优良的。
二、协整检验—EG检验
1、两变量的Engle-Granger检验
• 为了检验两变量 Yt,Xt 是否为协整, Engle 和 Granger 于 1987年提出两步检验法,也称为EG检验。 第一步,用OLS方法估计方程 Yt=0+1Xt+t 并计算非均衡误差,得到:
ˆ ˆ0 ˆ1 X t Y t ˆ ˆ Y Y e
该均衡关系意味着:给定X的一个值,Y相应的均衡值也随 之确定为0+1X。
• 在t-1期末,存在下述三种情形之一:
– Y等于它的均衡值:Yt-1= 0+1Xt ; – Y小于它的均衡值:Yt-1< 0+1Xt ; – Y大于它的均衡值:Yt-1> 0+1Xt ; • 在时期t,假设X有一个变化量Xt,如果变量X
• 3个以上的变量ቤተ መጻሕፍቲ ባይዱ如果具有不同的单整阶数,有 可能经过线性组合构成低阶单整变量。
Wt ~ I (1),Vt ~ I (2),Ut ~ I (2)
P t aV t bUt ~ I (1) Qt cWt eP t ~ I (0)
Vt , U t ~ CI (2,1) Wt , P 1,1) t ~ CI (
相关文档
最新文档