1、2020版金融计量学:时间序列分析视角(第三版)教学课件第12章第2节 从长期来看,即所谓的均衡状态或者静止状态,这样的关系精确地存在,所以在长期,我们有:然而,从短期来看,例如对于每个确定的时刻t,都存在偏离协整关系 的成分。这种偏离代表了这些长期关系在短期内的一定程度的非均衡状态,所以偏离成分一般被称为误差。0ttZB Y tBY 因此,促使 增加或者减少,从而使得 朝着它的长期均值移动(长期均值为0,为什么?)。这种增加或者减小的变化,实际上是一种调整,所以称为误差修正。因为这里我们研究的对象是VAR模型,所以VECM的名字由此而来。11ttAZABYtYtB Y 根据定义,矩阵A衡量了
2、 中每个变量是如何调整,从而回复到长期的均衡关系的水平上。所以,矩阵A经常被称为调整系数。另外,在实践中,经常对协整向量B进行标准化。tY12.4.2 VECM12.4.2 VECM模型的演示模型的演示1 1)两个变量的)两个变量的VARVAR(1 1)模型的)模型的VECMVECM1,1112,1221120.41.50.21.50.61.50.20.512.5ttttttttttyyyyyZyy 在 这 个 例 子 中,使的 系 数 为。这 样,就 可 以 定 义为 平 稳 的 协 整 变 量。因此,促使 增加或者减少,从而使得 朝着它的长期均值移动(长期均值为0,为什么?)。这种增加或者
3、减小的变化,实际上是一种调整,所以称为误差修正。11ttAZABYtYtB Y 12.4.2 VECM12.4.2 VECM模型的演示模型的演示1 1)两个变量的)两个变量的VARVAR(1 1)模型的)模型的VECMVECM1,1112,1221120.41.50.21.50.61.50.20.512.5ttttttttttyyyyyZyy 在 这 个 例 子 中,使的 系 数 为。这 样,就 可 以 定 义为 平 稳 的 协 整 变 量。这样,本例中的VAR模型对应的VECM形式就可以写成:(12.48)或者写成:(12.49)1,1112,12211,12,120.612.50.20.6
4、2.50.2ttttttttttyyyyyy11,12,1121,12,120.6(2.5)0.2(2.5)ttttttttyyyyyy 2 2)3 3个变量的个变量的VARVAR(1 1)模型与)模型与VECMVECM VAR模型的ADF形式,即:或者写成:(12.50)1tttYY 11112131,1122122232,1233132333,13tttttttttyyyyyy 从最简单的协整情况开始,如果在这三个变量存在一个协整关系,即 ,那么平稳的线性组合可以写成:(12.51)根据定义,就是一个一维的随机变量,协整向量 (标准化了的形式)。()1rrank 123212 23 331
5、ttttttttyZBybbyyb ybyytZ231Bbb 调整系数矩阵A就是一个 的向量,从而对应的VECM形式可以写成:(12.52)31111221233311,112122,1233,131tttttttttttttyayaZyaayabbyay 12.5 12.5 确定性趋势与协整分析确定性趋势与协整分析 在VAR模型中是否包含常数项,可以影响到协整检验的分析。所以,在大部分情况下,我们需要明确选择是否在VECM模型中加入常数项。为了将核心的问题讲清楚,我们使用VAR(1)模型来讨论向量协整分析中的确定性趋势设立问题。第一种情况,是最简单的情形,即假设Yt的组成变量都不含有确定性趋
6、势,协整向量中也不含有确定性趋势变量(即常数项),即:(12.56)11tttttYYABY,AB其中,和与前面的定义相同。第二种情况,假设Yt的组成变量都不含有确定性趋势,而协整向量中含有确定性趋势,即:(12.57)或者写成:(12.58)01tttttZB YcYAZ1010()tttttYABYcYAc 第三种情况,假设 的组成变量含有线性趋势变量(线性趋势变量就是指以时间t形式表现的),而协整等式中含有截距项,即:(12.59)其中:指的是在协整关系之外的确定性趋势项,表示系数矩阵。100()tttYA BYcAtYA0 第四种情况,假设 和协整关系式中都含有线性趋势项,即:(12.
7、60)tY1010()tttYA BYcctA 第五种情况,假设 含有二次型趋势项,协整关系等式含有线性趋势项,即:(12.61)其中:因为 为时间趋势项,所以 就表示二次型趋势项。tY10101()()tttYABYcctAt A01()At图图12-8 EViews5.112-8 EViews5.1中中VECMVECM模型选项模型选项12.6 Johansen12.6 Johansen协整分析方法协整分析方法12.6.1 Johansen12.6.1 Johansen协整分析方法介绍协整分析方法介绍 虽然Engle-Granger分析法简单易用,但是这种方法只能识别出多个变量的一种协整关系
8、。而如果存在多于一个协整关系的情形,Engle-Granger协整分析方法就不再适用了。因此,在多个变量的协整分析中,更常用的方法是Johansen协整分析法。Johansen协整分析过程中,第一步也是最重要的一步,就是检验协整关系的个数。在检验协整关系个数的同时,又会获得协整向量的估计结果(矩阵B)。这样,就得到矩阵 的元素,从而进一步得到VECM系统(12.43)的估计结果。tZ 12.6.2 12.6.2 协整向量个数的检验协整向量个数的检验 Johansen方法在检验协整关系的个数时,运用了一个重要的矩阵代数的知识,即每一个 维的方阵都有 个特征根。Johansen方法就是检验这些特征
9、根有多少个是大于0的正值。nnn Johansen的方法,实际上是一个循环过程,从检验第一个总体假设 开始,再检验 的情形,一直到一个平稳的系统对应的 。这个循环可以使用下列假设来描述:(9.63)()0rrank()1r rank()r rankn 0000110,1:0 :0:1 :1:1AAkA nHrHrHrHrHrkHrkM 矩阵 的特征根是 ,Johansen提出以下两个统计量,都可以用来检验向量协整关系的个数,这两个统计量分别定义为:Trace 统计量:(12.63)Maximal Eigenvalue 统计量:(12.64)(1,2,)iinL1ln(1),0,1,1ktrac
10、eii rTrn Lmax1ln(1),0,1,1rTrn L表表12-9 12-9 向量协整关系个向量协整关系个数的数的JohansenJohansen检验结果检验结果12.7 VECM12.7 VECM的估计与统计推断的估计与统计推断 在上面介绍的Johansen方法中,特征根 估计出之后,矩阵B的列就是对应的特征根向量,这样,对应的r个元素就可以被估计出来了。从理论上说,矩阵B的估计涉及到超级一致性问题,因为它是在估计一个由非平稳序列组成的平稳序列。ittZBY 12.8 Johansen12.8 Johansen协整分析方法的应用协整分析方法的应用表表12-10 Johansen12-10 Johansen协整检验结果协整检验结果图图12-7 EViews12-7 EViews中中VECMVECM假设检验对话窗口假设检验对话窗口