金融计量6分析.pptVIP

注意，因为模型(6.33)中的T并不影响函数最小化过程的实质性结果，所以有的教材可能会使用最小化下面的表达式来代替模型(6.33)，即： 另外，既然惩罚系数 对HP滤波的结果至关重要，在实际应用中应该如何设定它的值呢？ 已有研究表明，对于不同频率的数据，可以参考下列规则来设定 的值： 实际上，这里介绍的是传统的双侧HP滤波，在分析某些问题的过程中，可能还会使用到所谓的单侧HP滤波。单侧HP滤波的算法过程是利用卡尔曼滤波估计出以下模型中的趋势成分 ，即： (6.35) 其中： 和 是互不相关的白噪音序列。 和 二者的方差满足下列关系： (6.36) Stock和 Watson(1999)建议q的取值原则为： （6.37） * 6.3 去除趋势的方法 在实际应用当中，平稳时间序列要比非平稳时间序列具有更多吸引人的特性。另外，平稳时间序列与非平稳时间序列在某些重要特性方面差异明显。 但是，含有趋势的时间序列却永远也不会回复到一个长期的固定水平。随机扰动对含有趋势的时间序列的影响将是长久的，表现出一种长期的记忆性。 如果含有趋势成分的非平稳时间序列参与到计量回归中，许多经典的回归估计假设条件将不再满足，所以就必须小心解释相应的统计检验和统计推断，有的情况下会出现所谓的“伪回归” 现象，而有的条件下需要应用协整分析方法。 一般来说，常用的去除趋势的方法有差分法和去除趋势法，前者主要针对随机趋势非平稳时间序列，而后者主要针对含有确定性趋势的非平稳时间序列。 6.3.1 差分法 差分法一般用来去除含有随机趋势的非平稳时间序列。如果从AR模型的平稳性条件来考虑，它非平稳，就是因为它的特征方程的根含有一个单位根。所以也被称为“单位根过程” ，或者“一阶单整过程” ，记做I(1)，其中“I”表示单整，“(1)”表示单整的阶数。 随机趋势非平稳过程可以通过差分法变为平稳过程。如果是I(1)，则一次差分即可实现，而对于I(2)过程，则可以通过两次差分获得平稳过程。 以随机游走过程为例，一阶差分就是指使用原过程获得一次差分项 的表达式，其中“ ”表示差分符号。所以： （6.22） 从模型（6.22）可以看出，基于随机游走过程的一次差分 是一个平稳的随机时序变量，因为 等于平稳白噪音过程。 以上处理方法很容易拓展到高阶单整序列。例如，假设 是一个I(2)过程，那么对其二次差分就可以获得平稳序列，即： 其中：“ ”表示二次差分符号。依此类推，“ ”表表示三次差分符号，而“ ”表示n次差分符号。 对于ARIMA(p,1,q) 来说， 虽然我们这里讨论的是一阶单整形式的ARIMA模型，但二阶或者其他高阶ARIMA模型可以运用类似的思路获得平稳的差分序列。概括地说，一个ARIMA(p,d,q)过程，经过d次差分后就可以获得对应的平稳过程。 6.3.2 去除趋势法 当然，如果不能确定时间趋势成分是否仅为一次幂的形式，还可以采用更一般的确定性趋势非平稳序列的模型形式，如：