金融时间序列分析 第2部分 时间序列分析基础4 协整与误差修正模型.pptVIP

协整与误差修正模型;§1 虚假回归（伪回归）; 伪回归的出现说明模型的设定出现了问题； 解决方案： 增加或减少解释变量，或者把原方程进行差分，以使残差序列达到平稳。;§2 协整的概念;二、单整的性质;三、协整（Co-intergration） 多数经济或金融时间序列都是非平稳的，例如消费C和国民收入Y都是单位根过程。 方法1：差分，得到平稳变量，对 △C 和△Y进行回归。 缺陷：只揭示了收入增长和消费增长之间的关系，而不是收入和消费这两个变量之间的关系。 改进：20世纪80年代，恩格尔---格兰杰提出了协整理论，为两个或多个非平稳过程间寻找均衡关系。;定义：自变量序列为 ，响应变量序列为 ， 假定回归残差序列 平稳，我们称响应序列 与 自变量序列 之间具有协整关系。;定义：如果时间序列 X1t, X2t, …, Xkt 都是 d 阶单整，且存在常 数向量 使得;注意几点： （1）协整向量不是唯一的。如果 是协整向量，则 也是协整向量。 （2）如果两个变量不是同阶数的单整，则它们不可能协整。 （3） 最多只有 k-1个线性无关的协整向量。 （4）当变量的单整阶数不同时，可能存在多重协整关系。 例如， 和 都是 I (2)，而 是 I (1)，则 （或 ） 与 之间不可能有协整关系，  但是，如果 和 是 CI(2,1) ， 是 I (1)， 则这个组合与 可能是协整的。;(5) 当两个变量之间具有协整关系时，它们一定有共同的趋势。如：;五、协整理论的意义 （一）避免伪回归 如果非平稳时间序列之间具有协整关系，那就说明残差序列平稳，就不会产生伪回归问题。所以，协整理论是我们处理非平稳时间序列的有效工具。 （二）估计量的“超一致性” 如果一组非平稳时间序列之间存在协整关系，可以利用协整理论直接建立回归模型， 而且，其参数的最小二乘估计量具有超一致性，即以更快的速度收敛于参数的真实值，但不一定是渐近无偏或渐近正态的。 （三）能够区分变量之间长期均衡关系与短期动态关系;§3 协整检验;2、检验残差序列的平稳性 用单位根检验---DF检验，检验残差序列的平稳性； 若残差序列 是平稳的，则认为存在协整关系。 若残差序列 是非平稳的，则不存在协整关系。;例 对1978年－2002年中国农村居民家庭人均纯收入对数序列 和 生活消费支出对数序列 进行EG检验。;残差时序图;模型残差的自相关图、偏自相关图;二、残差序列的单位根检验（Z=Resid）; t 检验统计量的值为-1.93，小于显著性水平 0.1下的临界值-1.6238，所以，在显著性水平 0.1下可以认为残差序列是平稳的， 即认为中国农村居民家庭人均纯收入对数序列 和生活消费支出对数序列之间存在协整关系。;§4 误差修正模型;（一）误差修正模型（ECM）的产生背景; 对于分布滞后模型，这并不是一个严重问题，因为人们的注意力并不在单个回归系数上，而是在这些回归系数的和式 上。通过这个和式可以了解当 xt 变化时，对 yt 产生的长期影响。 尽管对每个 ?j 估计得不很准确， 但这些估计值的和却是相当精确的。看下式 ; 消除分布滞后模型多重共线性的影响，常用阿尔蒙（Almon）提出的利用多项式来逼近滞后参数的变化结构， 从而减少待估参数的数目。 ; 2、动态模型(自回归模型) 如果在回归模型的解释变量中包括被解释变量的一个或几个滞后值，则称这种回归模型为动态模型(或自回归模型)。例;3、动态分布滞后模型（自回归分布滞后模型） 如果在分布滞后模型中包括被解释变量的若干个滞后值作解释变量，则称之为“动态分布滞后模型或自回归分布滞后模型”。 例 ;对于ADL（1，1）模型;（4）当约束条