金融计量经济模型方法应用的统计分析

合集下载

金融计量分析(完整版)[整理版]

金融计量分析(完整版)[整理版]

案例一:中国居民总量消费函数(序列相关性)一、研究目的居民消费在社会经济的持续发展中有着重要的作用。

居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长。

建立总量消费函数是进行宏观经济管理的重要手段。

为了研究全国居民总量消费水平及其变动的原因,从总量上考察居民总消费与居民收入间的关系,需要作具体的分析。

为此,可以建立相应的计量经济模型去研究。

二、模型设定研究对象:中国居民实际消费总支出与居民实际可支配收入之间的关系。

模型变量:影响中国居民消费总支出有多种不同的因素,但从理论和经验分析,最主要的影响因素应是居民实际可支配收入,其他因素虽然对居民消费也有影响,但有的不易取得数据;有的与居民收入可能高度相关。

因此这些其他因素可以不列入模型,可归入随即扰动项中。

考虑到数据的可得性,我们将“实际可支配收入”作为解释变量X,“居民实际消费总支出”作为被解释变量。

关于变量的符号与涵义如表1所示。

表1 变量定义模型数据:我们选择了1978-2006年的时间序列数据,表2中给出了中国名义支出法国内生产总值GDP、名义居民总消费CONS以及表示宏观税收税收总额TAX、表示价格变化的居民消费价格指数CPI(1990=100),并由这些数据整理出实际支出法国内生产总值GDPC =GDP/CPI、居民实际消费总支出Y=CONS/CPI,以及实际可支配收入X=(GDP-TAX)/CPI。

这些数据观测值是连续不同中的数据。

表2 中国居民总量消费支出与收入数据资料中国居民总量消费支出与收入资料单位:亿元2006 221170.5 80120.5 217.65 34809.72 101616.3 85623.1 36811.2图1:变量X 与Y的趋势图图2:X与Y的散点图从散点图可以看出居民实际消费总支出(Y)和实际可支配收入(X)大体呈现为线性关系,所以建立的计量经济模型为如下线性模型:12i i i Y X u ββ=++三、 估计参数假定所建模型及随机扰动项iu 满足古典假定,可以用OLS 法估计其参数。

计量经济模型的应用

计量经济模型的应用

计量经济模型的应用1. 简介计量经济学是应用数理统计和经济理论的统计学分支,旨在使用统计方法来解释经济现象和经济政策的影响。

计量经济模型是计量经济学的重要组成部分,它是通过建立数学方程来描述经济变量之间的关系,以实现对经济现象的测量、预测和政策评估。

2. 应用领域计量经济模型在经济学研究的各个领域都有应用,包括宏观经济学、微观经济学、劳动经济学、金融经济学等。

下面将介绍几个常见的应用领域。

在宏观经济学研究中,计量经济模型被广泛应用于宏观经济变量的分析与预测。

例如,经济增长模型可以用来研究一个国家或地区的经济增长速度,以及影响经济增长的因素。

货币供应和通货膨胀模型可以用来解释货币供应量对通货膨胀率的影响。

经济周期模型可以用来分析经济周期的起伏。

这些模型可以帮助决策者制定宏观经济政策,同时也对企业和个人的决策提供参考。

2.2 微观经济学在微观经济学研究中,计量经济模型常被用于分析个体行为和市场行为。

例如,需求和供给模型可以用来分析价格和数量之间的关系,研究市场的供求关系和均衡价格。

企业生产函数模型可以用来测量企业使用不同生产要素的效率和生产率水平。

这些模型可以帮助企业制定销售和生产策略,优化资源配置。

计量经济模型在劳动经济学中的应用主要包括劳动力供给和劳动力需求分析。

劳动力供给模型可以用来研究个体的劳动供给决策,包括劳动力参与率、工作时间等。

劳动力需求模型可以用来研究企业对劳动力的需求决策,包括工资水平、雇佣数量等。

这些模型可以帮助政府制定劳动力政策,引导劳动力市场的平衡发展。

2.4 金融经济学在金融经济学研究中,计量经济模型常被用于分析金融市场中的变量之间的关系。

例如,资本资产定价模型(CAPM)可以用来研究资产价格的形成机制,以及不同风险资产的投资组合。

利率模型可以用来研究利率的变动规律,对货币政策和金融市场预测有重要意义。

这些模型可以帮助投资者制定投资策略,评估风险和收益。

3. 模型评估计量经济模型的应用不仅需要建立模型,还需要对模型进行评估。

计量经济学方法在经济研究中的应用

计量经济学方法在经济研究中的应用

计量经济学方法在经济研究中的应用引言:经济学作为一门社会科学,研究的是人类生产、分配和消费等经济行为。

为了更准确地理解和预测经济现象,学者们开发出了各种计量经济学方法。

这些方法基于数学和统计学原理,能够对经济现象进行量化和分析,为经济研究提供了强有力的工具。

本文旨在探讨计量经济学方法在经济研究中的应用,凸显它们的重要性和广泛性。

一、线性回归模型线性回归模型是计量经济学中最基本的方法之一,通过建立自变量和因变量之间的线性关系,可以进行经济现象的解释和预测。

例如,在研究经济增长的因素时,可以将GDP作为因变量,而劳动力和资本等作为自变量,建立线性回归模型来分析它们之间的关系。

二、时间序列分析时间序列分析是一种对连续的时间序列数据进行统计分析的方法,常用于金融市场预测、经济周期研究等领域。

通过对历史数据的观察和模型拟合,可以预测未来的经济走势。

例如,通过对股票价格的时间序列数据进行分析,可以帮助投资者制定更有效的投资策略。

三、面板数据模型面板数据模型是同时考虑横截面和时间序列维度的一种方法,能够避免截面数据和时间序列数据的限制。

它常用于探讨不同个体之间的异质性和非平稳性。

例如,在研究不同地区的经济增长率时,可以使用面板数据模型来分析和比较不同地区之间的差异。

四、协整模型协整模型是一种通过将非平稳时间序列数据进行合理组合,构建平稳关系从而消除相关性的方法。

它广泛应用于货币政策、汇率波动等领域的研究。

例如,在研究通货膨胀对投资的影响时,可以使用协整模型来分析它们之间的长期关系。

五、计量经济学实证研究计量经济学方法的应用不仅仅限于理论模型的构建,还包括对现实经济数据的实证研究。

通过实证研究,研究者能够对经济现象进行验证和检验,并提出相应的政策建议。

例如,在研究经济增长的驱动因素时,可以使用实证方法对不同因素的重要性进行判断和评估。

结论:计量经济学方法在经济研究中的应用广泛而多样。

线性回归模型、时间序列分析、面板数据模型、协整模型等方法为经济学家提供了有力的工具,能够帮助他们更好地理解和解释经济现象。

经济统计学中的计量经济模型评估

经济统计学中的计量经济模型评估

经济统计学中的计量经济模型评估经济统计学是研究经济现象和经济变量之间关系的一门学科。

在经济统计学中,计量经济模型评估是一种重要的方法,用于评估经济模型的准确性和可靠性。

本文将探讨经济统计学中的计量经济模型评估方法及其应用。

计量经济模型评估是经济统计学中的一项关键任务。

经济模型是对经济现象和变量之间关系的一种简化和抽象。

通过建立经济模型,经济学家可以更好地理解和解释经济现象,并进行经济政策的制定和预测。

然而,经济模型往往是基于一定的假设和参数设定,因此需要通过计量经济模型评估来验证其准确性和可靠性。

计量经济模型评估的方法有很多种,其中最常用的是参数估计和模型检验。

参数估计是通过收集和分析经济数据,对模型中的参数进行估计。

模型检验是通过比较模型预测结果和实际观测值,来评估模型的拟合程度和预测能力。

参数估计是计量经济模型评估的重要一环。

在参数估计中,经济学家需要选择适当的估计方法和模型设定。

常用的参数估计方法包括最小二乘法、极大似然估计和广义矩估计等。

这些方法在不同的情况下有不同的优势和适用性。

经济学家需要根据具体问题和数据特点来选择合适的估计方法。

模型检验是计量经济模型评估的另一个重要环节。

模型检验的目的是评估模型的拟合程度和预测能力。

常用的模型检验方法包括残差分析、假设检验和模型比较等。

残差分析是通过对模型的残差进行统计分析,来评估模型的拟合程度。

假设检验是通过对模型参数的显著性进行检验,来评估模型的可靠性。

模型比较是通过比较不同模型的拟合程度和预测能力,来选择最优模型。

计量经济模型评估在实际应用中具有广泛的应用。

例如,在宏观经济学中,计量经济模型评估可以用于评估经济政策的效果和影响。

在金融学中,计量经济模型评估可以用于评估投资组合的风险和收益。

在产业经济学中,计量经济模型评估可以用于评估市场竞争和垄断行为。

在国际贸易学中,计量经济模型评估可以用于评估贸易政策的效果和影响。

总之,经济统计学中的计量经济模型评估是一项重要的任务。

计量经济学方法在金融领域的应用研究

计量经济学方法在金融领域的应用研究

计量经济学方法在金融领域的应用研究随着金融行业的不断发展,统计分析和计量经济学方法在该领域中的重要性也越来越凸显。

这些方法不仅可以帮助金融机构更好地了解市场和风险概率,而且可以提供定量工具帮助制定政策和决策。

本文将介绍计量经济学方法在金融领域的应用研究,包括时间序列数据分析、风险管理和金融市场预测等方面。

时间序列数据分析在金融领域,时间序列分析是一种广泛应用的技术,它可以用于分析金融市场的变化和趋势。

时间序列分析包括多个步骤,其中包括检验序列的平稳性、拟合模型、模型检验和预测未来价值。

平稳时间序列是一个重要的先决条件,在时间序列分析中非常重要。

在计量经济学中,平稳序列被认为是满足一定条件的随机序列,它具有不变的均值和协方差。

一旦我们对时间序列的平稳性进行了检验,就可以开始拟合模型。

拟合模型是为了能够对时间序列进行预测和解释,通常选择的模型包括ARIMA和GARCH模型。

当我们得到拟合的模型之后,还需要对模型进行检验。

这一步尤其重要,确保模型可以显著地解释数据。

一些检验模型的工具包括残差分析、Jarque-Bera检验和Ljung-Box检验。

这些检验可以帮助我们确定模型是否与时间序列数据紧密相关。

风险管理风险管理是金融领域中另一个重要的应用领域。

风险管理目的是为了最小化可能的财务损失。

计量经济学方法可以帮助金融机构确定其风险承受能力范围,从而制定出最优的风险管理策略。

例如,VaR(Value-at-Risk)是一种广泛应用的风险管理工具,它可以用于预测资产损失的最大概率值。

VaR的计算需要一定的数据和统计知识,但是它可以帮助金融机构有效地对市场风险进行管理。

金融市场预测金融市场的预测是另一重要应用领域。

在金融市场中,计量经济学方法可以用来预测股票价格、商品价格和汇率。

使用这些模型可以帮助投资者制定投资策略,以及管理资产组合。

与时间序列分析类似,对于金融市场预测,我们也需要拟合模型并检验其有效性。

计量经济学在金融市场中的应用

计量经济学在金融市场中的应用

计量经济学在金融市场中的应用引言计量经济学是经济学的分支学科,以数学方法对经济学问题进行研究,是一种重要的经济分析方法。

它以数理模型和数据为基础,对经济学上的问题进行计量分析,促进了经济学理论的发展,同时也为金融领域的研究提供了理论基础和实证方法。

本文将探讨计量经济学在金融市场中的应用。

第一章计量经济学和金融市场的基础知识计量经济学是一种用数学和统计方法来分析经济现象的工具和方法。

它是经济学与数学、统计学的有机结合,旨在将经济学理论模型转化为数学模型,并使用经济数据对这些模型进行实证研究。

金融市场是金融系统中最为重要的组成部分,它是指各种各样的交易市场,包括股票市场、债券市场、外汇市场等等。

金融市场的主要活动是证券交易和资本流动,在整个经济体系中起到了至关重要的作用。

第二章计量经济学在金融市场中的应用2.1 资产定价资产定价是计量经济学在金融市场中最具代表性的应用之一。

它主要研究资产价格与影响资产价格的各种因素之间的关系。

这些因素包括与资产收益有关的经济基本面因素、市场必需因素和投资者心理因素等。

资产定价模型可用于预测资产价格的变化,以及评估金融市场的风险程度。

2.2 投资组合选择投资组合选择是指在投资者的风险接受程度和收益期望的前提下,选择哪些商品、资产和证券组成投资组合。

计量经济学可以运用现代资产定价模型,帮助投资者在寻求最大化收益的同时,控制风险和构建适合自己的投资组合。

2.3 金融风险管理金融风险管理包括各种形式的风险,如市场风险、信用风险、操作风险和流动性风险等。

计量经济学可以帮助金融机构设计衡量和管理风险的指标,识别关键风险因素,并建立风险模型和预警系统,以降低金融风险对金融机构和金融市场的影响。

2.4 金融政策评估金融政策评估是指通过实证分析,对金融政策的效果和影响进行评估。

计量经济学可以帮助研究者进行系统性的评估,揭示金融政策的效应和缺陷,为政策制定者提供有价值的参考和建议。

第三章建立计量经济学模型的步骤3.1 确定模型的目的和假设建立计量经济学模型的第一步是确定模型的目的和假设。

金融计量经济学

金融计量经济学

金融计量经济学金融计量经济学是一门研究金融领域中数据收集、分析和解释的学科。

它利用统计和经济模型来研究金融市场的运行机制、金融政策的效果以及金融风险的评估等问题。

本文将介绍金融计量经济学的概念、方法和应用领域。

一、金融计量经济学的概念金融计量经济学是计量经济学的一个分支,它将计量经济学的理论和方法应用于金融领域。

它的基本任务是建立数学模型来解释和预测金融变量之间的关系,比如证券价格、利率、货币供应量等。

通过对历史数据的分析和模型的估计,金融计量经济学能够为金融决策提供理论和实证的支持。

二、金融计量经济学的方法金融计量经济学主要运用统计学和经济学的方法来进行研究。

其中,最主要的方法之一是回归分析,它通过建立数学模型来解释因变量与自变量之间的关系。

回归模型可以描述金融变量之间的线性或非线性关系,通过对模型的估计和检验,可以得到关系的定量描述和统计推断。

在金融计量经济学中,常用的统计学方法还包括时间序列分析、面板数据模型等。

时间序列分析用于研究时间上连续观测到的变量之间的关系,可以分析金融市场的波动性、长期趋势以及周期性。

面板数据模型则可以同时考虑时间和横截面上的变动,适用于研究多个个体之间的异质性和相互依赖关系。

此外,金融计量经济学还常用经济计量学中的工具,如离散选择模型、时间序列模型等。

这些方法可以处理一些特殊情况,如二项选择、序列相关等。

三、金融计量经济学的应用领域金融计量经济学的应用领域非常广泛,包括金融市场、宏观经济、风险管理等。

在金融市场领域,金融计量经济学可以用于研究资产定价、市场效率、交易成本等问题。

宏观经济领域中,金融计量经济学可以提供宏观经济变量的预测和政策分析。

而在风险管理领域,金融计量经济学可以用于金融风险的测度和控制。

金融计量经济学还可以应用于金融政策的评估和决策支持。

通过对政策变量与经济变量之间的关系进行定量分析,可以评估政策的效果和影响。

同时,金融计量经济学还可以为金融机构和投资者提供决策支持,帮助他们理解市场的特征和机会。

金融市场的金融计量经济学运用计量经济学方法研究金融市场

金融市场的金融计量经济学运用计量经济学方法研究金融市场

金融市场的金融计量经济学运用计量经济学方法研究金融市场金融市场作为经济活动中的一个重要方面,一直以来都备受关注。

为了更好地了解金融市场的运行规律和经济影响,人们运用计量经济学方法对金融市场进行研究。

本文将探讨金融市场的金融计量经济学及其在研究金融市场中的应用。

首先,金融计量经济学是计量经济学在金融领域的应用。

它以统计学方法为基础,运用数理统计、时间序列分析、概率论等方法研究金融市场中的各种现象和问题。

金融计量经济学的核心是建立模型,通过对数据的收集和处理,运用适当的统计方法,对金融市场的行为、价格、波动、风险等进行量化分析和预测。

金融计量经济学在金融市场研究中起着重要的作用。

首先,金融计量经济学方法可以用来研究金融资产的价格和收益率。

通过对历史数据的分析,可以建立模型,对金融资产的价格和收益率进行预测,并帮助投资者制定投资策略。

其次,金融计量经济学可以应用于风险管理。

通过对金融市场的波动性进行建模,可以评估和管理投资组合的风险,并提供风险控制的方法。

此外,金融计量经济学还可以用于金融市场监管。

通过对金融市场的监测和分析,可以加强对金融风险的监管,维护金融市场的稳定。

金融计量经济学方法在金融市场研究中的应用也是多样化的。

例如,人们常常使用时间序列分析方法研究金融市场的波动性。

时间序列模型可以对金融资产的价格和收益率进行预测,帮助投资者制定投资策略。

此外,人们还可以通过计量经济学方法研究金融市场的有效性。

有效市场假说认为金融市场是信息有效传播的,计量经济学方法可以用来检验和评估市场的有效性。

除此之外,人们还可以运用计量经济学方法研究金融市场中的不同因素对金融资产价格的影响,如利率、汇率、股票指数等。

然而,金融计量经济学方法也存在一些限制和挑战。

首先,金融市场的复杂性和非线性使得建立模型和预测变得更加困难。

其次,金融市场中的异常事件和冲击可能会使得模型的预测失效。

另外,数据的可得性和精确性也对金融计量经济学方法的应用提出了要求。

  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)。

金融计量经济模型方法应用的统计分析朱晋黄阿娜1【摘要】本文统计分析了2002----2006年《经济研究》、《金融研究》、《财贸经济》、《管理世界》、《数量经济技术经济》五种期刊刊登的共5938篇论文中的涉及计量经济模型的金融实证论文数量、比重和文章题目的特点,将所涉模型方法划分为六大类,进而分析模型方法种类分布的情况,在此基础上总结了过去金融计量经济模型与方法的发展历程,并预测其将来的发展趋势。

【关键词】金融计量模型统计分析发展轨迹一、引言在当今的西方经济学至少是所谓的高级西方经济学中,金融计量经济模型已经成为阐述理论内容的基本要素或者说是通用语言。

以精确的量化分析替代模糊的文字描述是各国经济学研究和经济政策制定的一个明显趋势。

第二次世界大战以来,世界范围内计量经济学的应用和研究飞速发展,大量的经济学论文都使用不同的金融计量经济模型论述和解决所研究的实际问题,尤其是在近年来,不管是研究区域经济、宏观经济、开放经济、农业经济还是金融领域,只要不是纯理论的几乎每篇文章或多或少都会涉及金融计量经济模型的应用。

自从1998年5月份《统计研究》上发表了一篇《对〈统计研究〉的统计研究》(刘传哲,1998)后,研究界便掀起了一股统计分析的热潮。

国内目前有关金融计量经济模型应用的教科书和综述文献的数量已经非常巨大,但他们往往只针对某一类型,比如面板数据或者行为金融模型,来分析统计这一类型的发展趋势(王志诚周春生,2006;李少付海小辉,2006),或者都是对金融计量经济模型应用综述,而不是对其应用做一个统计分析。

本文从权威性与专业性的角度出发,以《经济研究》、《金融研究》、《财贸经济》、《管理世界》、《数量经济技术经济》五种期刊从2002----2006年刊登的5938篇文章为统计研究对象,统计分析该五种期刊刊登的论文中有应用金融计量经济模型的文章的占比情况、题目特点以及模型种类的分布情况,从而试图从一个整体的角度来回答金融计量模型过去及未来的发展轨迹。

二、样本期刊中关于金融计量经济模型应用的论文特点(一)样本期刊中涉及金融计量经济模型方法应用的论文概况1朱晋,女,汉族,1963年1月,浙江工商大学(单位会员)金融学院投资系主任,硕士,教授;黄阿娜,汉族,1985年5月,上海财经大学金融学院硕士生。

自从二战后随着经济的发展,各国政府在分析经济形势和制定经济政策时越来越要求将定性的文字描述用定量的数据分析来替代,国内学术界也越来越注重量化分析的重要性,同时金融计量经济模型的应用也是越来越普遍。

本文将有涉及金融计量经济模型应用的文章划分为三大类,论文、广义数量经济学论文和金融计量经济模型应用论文,其定义参照 Morgan (1998)和Joseph Persky (2000)在统计美国经济学杂志的论文特征时使用的方法。

全部论文除了“读者来信”、“新春问候”、“征文广告”、“开会通知”外的所有文章金融计量经济模型应用论文包含金融计量模型、实际数据和严格的大样本估计方法广义数量经济学论文1、包含金融计量模型、实际数据但没有使用严格的大样本进行参数估计或假设检验2、涉及计量方法论,或涉及对某一主题的金融计量模型的文献综述的3、包含金融计量模型、但使用模拟数据而不是实际数据,或者数据分析和模型没有直接关系的4、不涉及金融计量模型,包含实际数据,但只是进行图表汇总分析5、 包含金融计量模型、实际数据和严格的大样本估计方法非数量型论文全部论文中,不属于计量和数量经济学的其他论文图1给出了2002----2006年《经济研究》、《金融研究》、《财贸经济》、《管理世界》、《数量经济技术经济》五种期刊刊登的各个年份的全部论文、全部广义数量经济学论文和全部金融计量经济模型应用论文的年变动情况。

图1 各类文章数目的变动情况20040060080010001200140020022003200420052006年份文章总数全部论文广义数量经济学论文金融计量经济模型应用论文从图1可以看出,全部论文的数量基本均衡,但2002年和2003年的论文总数比后三年要大,其原因主要在于《数量经济技术经济》的论文发表数量的变动,从2002----2006年的发表数量分别为398、432、262、218、216,很显然,前两年的论文总数要比后两年多得多,因为从2004年开始,《数量经济技术经济》上发表的论文的篇幅基本上是原来的2至3倍。

而广义数量经济学论文总体上是小幅递增,仅2005年较2004年稍微减少,但递增趋势仍然明显。

此外,最显著的是金融计量经济模型应用论文每年都是稳步上升,从2002年的162篇到2006年的360篇,基本上上升了两倍多。

(二)样本期刊金融计量经济模型方法应用论文刊载的时序特征以上给出的是将五种期刊作为一个整体来分析历年的金融计量经济模型应用论文的刊载情况。

下面将简要分析《经济研究》、《金融研究》、《财贸经济》、《管理世界》、《数量经济技术经济》各自这五年来金融计量经济模型应用论文的刊载情况。

先从绝对数上来讲,从图2可以看出《数量经济技术经济》波动幅度比较大,而《金融研究》则呈现相互稳定上升的趋势,《经济研究》、《财贸经济》、《管理世界》则是不规则的上升。

相对于其它四种期刊而言,《财贸经济》上刊载的金融计量经济模型应用论文是最少的,其次是金融研究。

而从总体上看,《数量经济技术经济》是五种期刊中相对来说刊登的最多的。

从相对数上来讲,从图3可以看出,整体上而言,五种期刊刊登的金融计量经济模型应用论文占同一年份全部论文的百分比基本上是逐年递增。

《数量经济技术经济》是递增速度最快的;《经济研究》明显比其它四种期刊更注重金融计量经济模型应用论文的发表;《财贸经济》依然是五种期刊中金融计量经济模型应用论文刊登比重最少的。

图2 五种期刊论文刊载绝对数2040608010012020022003200420052006年份数量管理世界经济研究金融研究财贸经济数量经济技术经济图3 五种期刊论文刊载相对数0.00%10.00%20.00%30.00%40.00%50.00%60.00%20022003200420052006年份所占百分比管理世界经济研究金融研究财贸经济数量经济技术经济综合图2和图3,我们可以得出以下结论,不管是从绝对数还是相对数来看,本文统计的五种期刊刊登的金融计量经济模型应用论文基本上都是呈现出上升趋势的。

三、金融计量经济模型与方法应用的发展轨迹经过统计,在统计研究范围内的文章共涉及了将近120种(细分情况下,以最小二乘估计为例,在此普通最小二乘估计、加权最小二乘估计、两阶段最小二乘估计各算一种)模型及检验方法,鉴于有些模型仅出现过一两次,为不常用模型,因此在次将这些模型先剔除,再将其余的70种(总括情况下,在此最小二乘估计包括普通最小二乘估计、加权最小二乘估计、两阶段最小二乘估计,算为一种)常用模型根据李子奈的《计量经济学-----方法与应用》以及李子奈和叶阿忠的《高等计量经济学》划分为六大类,分别是线性回归模型及扩展、时间序列分析方法、时间序列检验、数据类型非经典、估计方法的扩展、金融实证模型。

其中,前三种代表了经典的计量经济学模型,而第四、五种分别代表了数据类型和估计方法的非经典。

线性回归模型及扩展线性回归模型是金融计量经济模型中最常用的模型,有单方程模型和联立方程模型,前者用于研究单一的经济活动中各变量之间的关系,后者用于研究经济系统中各变量之间的关系。

变量之间的关系用线性方程加以描述,虽然实际生活中很少存在直接线性关系,但在大部分情况下可以经简单变换而转化为线性关系。

时间序列分析方法时间序列,就是各种社会、经济、自然现象的数量指标按照时间次序排列起来的统计数据。

时间序列检验对单方程模型的经济意义检验、统计检验、计量经济学检验、模型预测检验;对联立方程模型的检验包括上述检验外还有对模型系统的拟合效果检验、预测性能检验、方程间预测误差传递检验、样本点间预测误差传递检验。

数据类型非经典 在实际中,往往仅利用时间数据或截面数据并不能满足预测要求,即同时运用时间序列数据和截面数据,而且样本观测值也不一定必然会连续,因此便出现了经典数据不能概括的非经典数据。

估计方法的扩展 在非经典计量经济模型中,数据往往比较复杂,因此在传统的估计方法的基础上产生了估计方法非经典。

金融实证专用模型在金融领域中用于估计资产组合的价值、资本资产定价等金融实证方面。

(一)模型方法应用的分布情况用使用某类模型文章的总篇数与全部金融计量经济模型应用论文的比值来表示六大模型类型应用的频率,图4给出了在本文的研究对象范围内所涉及的以上定义的六大金融计量经济模型应用的具体分布情况。

从图4可以看出,经典计量经济学模型仍然是使用最频繁的,其数据类型、模型结构和估计方法均占去了总数的大部分,三者之和达到了85%,究其原因有三:第一、线性模型是计量经济模型中最常用的模型;第二、最小二乘估计是估计方法中最常用的;第三,在实际生活中,与截面数据相比,时间序列数据更为普遍。

继这三者之后,便是估计方法非经典,由于现实中遇到的数据往往比较复杂,仅靠传统估计方法常常会无法达到预期的拟合效果,因此便出现了更适合处理复杂数据的估计方法非经典。

图4 各类模型方法分布情况26%19%40%9%2%4%线性回归模型及扩展时间序列分析方法时间序列检验数据类型非经典估计方法的扩展金融实证模型(二)各类模型的发展轨迹探讨1、线性回归模型及扩展的发展轨迹计量经济学已经在现代经济学科中居于最重要的地位。

计量经济学中有很多的数学模型,而最为常用和解释能力强且直观的莫过于线性的数学模型,就是非线性的模型最终还转化为线性模型加于解决(魏东平、郑超亮和袁文俊,2004)。

而线性模型中经常会使用到线性回归模型,在这个模型中要估计参数的值,一般会使用到最小二乘法。

本文将样本期刊从2002----2006年涉及的所有线性回归模型及其扩展分成16小类,并将每种期刊每年出现的次数进行统计(具体数据见附表1)。

图5显示了每种小类的应用频率,很显然,线性回归模型是所有模型中使用频率最高的;而最小二乘估计是估计方法中最常用的,极大似然估计的应用频率与之相差甚远的主要原因在于,相对于单一的时间序列数据或面板数据而言,它更适用于复杂数据的估计。

0%20%40%60%80%100%1图5 线性回归模型及扩展的分布情况LM相关系数矩阵T检验显著性检验最小二乘法对数线性回归Hausman Sparman极大似然估计IV卡方相似分析Wald 逐步回归自相关分析结构方程模型线性回归在本文的第二部分,已经得出从整体上来看,金融计量经济模型应用论文的刊载数量基本上都是呈现出逐年上升的趋势的结论。

相关文档
最新文档