协整和误差校正分析
集成和协整
单变量时间序列yt是融合的如果可以通过差异使其成为平稳性。实现平稳性所需的差异称为集成顺序。时间序列d表示一世((d)。固定系列表示一世(0)。
一个n- 维时间序列yt是协整如果有些线性组合β1y1t+… +βnynt组件变量的静止。该组合称为协整关系和系数β=(((β1,…,,βn)'形式A协整向量。协整通常与一世(1)变量,因为任何一世(0)变量与其他变量使用系数1在一世(0)其他组件上的组件和系数0。如果线性组合降低了它们的共同集成顺序,则协整的概念可以推广到高阶变量系统。
协整与传统的经济平衡区别开来,在这种平衡中,力平衡在变量中产生稳定的长期水平。协整变量通常在其水平上不稳定,但表现出均值的“扩散”(通过协整关系概括),迫使变量围绕共同的随机趋势移动。协整与正协方差的短期同步也有所区别,这仅测量在每个时间步长一起移动的趋势。VAR模型的修改以包括协整变量平衡系统的短期动力学与长期趋势。
协整和误差校正
协整变量恢复为常见随机趋势的趋势是根据错误修正。如果yt是一个n- 维时间序列和β是协整向量,然后是组合β'yt-1测量数据中数据中的“误差”(与固定平均值的偏差)t-1。不平衡的“正确”序列的速率由矢量表示α的调整速度,它们在时间时被合并到VAR模型中t通过乘法错误校正项αβ'yt-1。
通常,变量之间可能存在多个协整关系yt,在这种情况下,向量α和β成为矩阵一种和b,每列的b代表特定关系。错误纠正项变为ab'yt-1=Cyt-1。在差异中将错误校正项添加到var模型中会产生向量误差纠正((vec)模型:
如果变量中yt都是一世(1),涉及差异的术语是静止的,仅留下误差校正项来引入长期随机趋势。等级冲击矩阵C确定长期动态。如果C有完整的排名yt是静止的。如果C具有等级为0,错误校正项消失,并且系统在差异上是静止的。这两个极端对应于单变量建模中的标准选择。但是,在多元案例中,有中间选择,对应于排名降低在0到之间n。如果C仅限于降级r, 然后C因素(非唯一)n-经过-r矩阵一种和b和C=ab',有r在变量之间的独立协整关系yt。
通过收集差异,VEC(问)模型可以转换为var(p)级别的模型,p=问+1:
VEC之间的转换(问)和var(p)表示n- 维系统由功能进行VEC2VAR
和var2vec
使用公式:
由于两个表示的等效性,因此具有降低级别误差系数系数的VEC模型通常称为A协整VAR模型。特别是,可以使用标准VAR技术模拟协整VAR模型。
确定性术语的作用
协调的VAR模型通常用外源性术语增强dX:
变量进X可能包括季节性或介入的假人,或代表数据水平确定趋势的术语。由于模型以差∆表示yt,在X表示确定性的线性趋势yt线性术语代表确定性二次趋势。相比之下,协调序列中的恒定和线性术语通常将其解释为截距和线性趋势,尽管仅限于协调关系形成的固定变量。约翰森[110]考虑了五个AB案件yt-1+dX涵盖了宏观经济系统中大多数观察到的行为:
价值 | 形式Cyt-1+dX |
---|---|
'H2' |
ab‘yt-1。协调系列中没有截距或趋势,数据水平没有确定性的趋势。 |
'H1*' |
一种((b‘yt-1+C0)。协调系列中有截距,数据水平没有确定性趋势。 |
'H1' |
一种((b‘yt-1+C0)+C1。协调系列中存在截距,并且数据级别上存在确定性的线性趋势。这是默认值。 |
'H*' |
一种((b‘yt-1+C0+d0t)+C1。协调系列中有截距和线性趋势,数据水平有确定性的线性趋势。 |
'H' |
一种((b‘yt-1+C0+d0t)+C1+d1t。协调系列中有截距和线性趋势,数据水平上存在确定性的二次趋势。 |
在《计量经济学工具箱™》中,确定性术语在协整系列之外,C1和d1通过分别将常数和线性回归系数投射到正交补体上,可以识别一种。
协整建模
集成和协整都为将变量转换为平稳性提供了机会。通过单位根和平稳性测试识别的集成变量可能与平稳性不同。通过协整测试确定的协整变量可以组合形成新的固定变量。实际上,必须确定这种转变是否导致更可靠的模型,并保留经济解释的变量。
从单变量案例中概括可能会产生误导。在标准盒子中[23]单变量ARMA建模的方法,平稳性是一个必不可少的假设。没有它,基本的分布理论和估计技术就变得无效。在相应的多变量情况下,其中var模型是不受限制的,没有协整,选择不那么简单。如果VAR分析的目标是确定原始变量之间的关系,则差异会丢失信息。在这种情况下,模拟人生,股票和沃森[183]即使在单位根存在的情况下,也建议不要差异。但是,如果目标是模拟潜在的数据生成过程,则集成级别数据可能会导致许多问题。模型规范测试由于估计参数数量的增加而丧失了功率。其他测试(例如Granger因果关系的测试)不再具有标准分布,并且变得无效。最后,由于脉冲反应不会衰减,因此在长期范围内的预测遭受了不一致的估计。恩德斯[64]讨论建模策略。
在协整的情况下,简单的差异是模型错误指定,因为长期信息出现在该级别中。幸运的是,协整的VAR模型通过将它们与协整关系混合在一起,提供了中间选项,即差异和级别之间的中间选项。由于协调VAR模型的所有条款都是静止的,因此消除了单位根问题。
经济理论通常独立地建议协整建模。通常用协整VAR模型描述的变量的示例包括:
货币库存,利率,收入和价格(货币需求的共同模型)
投资,收入和消费(生产率的共同模型)
消费和长期收入预期(永久收入假设)
外国和国内市场的汇率和价格(购买力均等)
现货和远期货币汇率和利率(覆盖利率均等)
不同成熟度的利率(术语结构预期假设)
利率和通货膨胀(Fisher方程)
由于这些理论描述了变量之间的长期平衡,因此对协整模型的准确估计可能需要大量的低频(年度,季度,每月)宏观经济数据。结果,这些模型必须考虑样本期间基础数据生成过程的结构变化的可能性。
相比之下,财务数据通常以高频(小时,分钟,微秒)提供。协整财务系列的均值差异可以进行建模并检查是否有套利机会。例如,一个价格的定律表明以下变量组之间协整:
具有相同现金流量的资产价格
资产和股息的价格
现场,未来和前瞻性价格
出价并询问价格
也可以看看
应用
职能
相关示例
- 使用计量经济学建模器应用程序进行协整测试
- 使用Engle-Granger测试进行协整测试
- 确定VEC模型的协整等级
- 使用Egcitest估算VEC模型参数
- VEC模型蒙特卡洛预测
- 使用Johansen测试进行协整测试
- 使用jcitest估算VEC模型参数
- 比较协整分析的方法
- 测试协整载体
- 测试调整速度