北京大学实证金学讲义 4 VAR介绍.docVIP

VAR（向量自回归）模型 第一节 什么是VAR 对于自回归AR模型 （1） 其中 （2） 如果进一步扩展，考虑多个变量的动态交互作用。 其中u是残差项。. 例如 k 1. 或者写成紧凑形式 第二节 向量自回归的极大似然估计和假设检验 非限制性VAR模型的特点： 1）VAR是一种数据驱动建模的方法。不需要严格的经济理论作为依据。 2）在建模过程中需要确定两件事：共有那些变量相互之间有关系；确定滞后期。 3）VAR模型没有参数的零约束。 4）VAR模型中有相当多的参数需要估计。 一．向量自回归的条件似然函数 令表示包含时期的个变量的值向量。假定的动态服从阶高斯向量自回归 其中。 假定已经观测到个时期各变量中的每个变量的值。则以前个观测为条件，根据后各观察值形成估计，这就是条件似然函数： 并对求最大值，这里包含和种元素的向量。向量自回归总是基于条件似然函数进行估计。计算方式和数量回归模型形式一致。 以直到时期的值为条件的期的值等于一个常数（条件均值） 加上一个变量。即 令表示包含一个常数和中每一个元素的阶滞后向量（向量）： 令表示矩阵： 则条件均值等于。第行包含了向量自回归的第个方程的参数。于是 第个观测值的条件密度为 则以为条件，观察值1到地联合密度函数 以为条件的全样本的似然值是单个条件密度的乘积： 取对数得到样本对数函数值 二．似然比检验 构建LR统计量（似然比统计量） 这里表示模型中滞后变量的最大滞后期，和分别为和模型的极大似然估计值。当时，表示统计量显著，表示增加滞后值能够显著增大极大似然的估计值。 三、k的确定 利用AIC赤池信息准则 SC舒瓦茨准则 可以确定滞后阶数k（k过大，自由度降低。k过小，误差项自相关较严重）。方法是两个准则最小的模型的阶数为最佳滞后阶数。如果两个准则出现不一致，则需要利用似然比检验来选择模型。 格兰杰因果关系 判断一个变量的变化是否是另一个变量变化的原因，是经济计量学中的常见问题。本节讨论在向量自回归模型中，一些变量在预测另外一些变量的有用程度如何。首先讨论二元格兰杰因果关系检验，即讨论一个数量是否能用于估计另一个数量。。 Granger因果检验的思想：如果影响，或者是的原因，此时的变化必然先于的变化，即可以预测，即根据的过去值对进行回归时，如果加上的过去值，能显著增强回归的解释能力。 1．格兰杰原因定义： 如果对于所有的，基于预测的的与用和二者得到的预测的相同，则不是的格兰杰原因。即如果 则不是的格兰杰原因。或者称在时间序列意义上关于是外生的。换句话说，此时的信息对的预测没有任何信息作用。 2． 中的格兰杰因果关系 定理1： 对于一个二元向量自回归模型，如果系数矩阵关于所有的都是下三角形的，则不是的格兰杰原因。 证明： 设二元向量自回归模型为 该系统的第一行中关于的最优前一期预测决定于它自身的滞后值而不是的滞后值， 根据数学归纳法，前期的预测同样决定于它自身的滞后值而不是的滞后值。 定理2（西姆斯）： 对于关于的过去、现在和未来值的一个线性投影 其中和称为总体投影参数，并且。则对于所有的，当且仅当时，不是的格兰杰原因。 3．格兰杰检验的步骤 假定一个特定的自回归滞后且用估计： 原假设：。其意义是不是的格兰杰原因。 运用西姆斯回归表达式 此时模型存在自相关问题，采用广义最小二乘法进行估计。并且的无限和取成有限和。此时利用有限制回归和无限制回归建立检验统计量，判断是否是的格兰杰原因。 4．例子 例1（修正的股价模型） 如果一个投资者在时期以价格买进一种股票，在时期投资者可以得到的红利且可以以价格卖出股票。因此股票的事后收益率为 对于一个简单的股价模型为： 此时股票的预期收益率恒为常数。表示市场参加者以时期的可获得信息为条件的预期。如果投资者根据时期得到的信息，预期股票收益率将高于正常收益率，则在时期投资者将买进更多股票，从而使得股价上升，直到等式成立。这种观点就是有效市场假设理论。 对（65）进行叠代，从而得到 即股价等于市场关于未来分红现值的最优预测相一致。因此，股价是分红的格兰杰原因。 假定 其中和为独立高斯白噪声序列，且是平均分红。假定在时期投资者知道和的值。则基于这些信息的的预测为 得到 从而，股价是白噪声，不能利用红利或滞后股价进行预测，因此红利不是股价的格兰杰原因。 根据上式， 显然，包含除之外的决定的其他信息，因此股价是红利的格兰杰原因。 写成二元向量自回归形式为 本模型中，格兰杰因果关系的方向和真实的方向相反。红利不是股价的格兰杰原因，而尽管现实当中，投资者关于股利的看法是股价的主要决定因素。其次，股价是红利的格兰杰原因，尽管现实当中，市场价格并没有对红利发放产生影响。 例2 石油冲击和经济衰退的关系 自二次大战以来，美国的绝大部分经济衰退都经历了一次原油价格的巨涨。这