R软件及其在金融定量分析中的应用-CH10.pptxVIP

R软件及其在金融定量分析中的应用主编：许启发、蒋翠侠制作：王侠英、侯奇华 2014年10月编写第十章 金融风险共同趋势分析第一节 收益序列间的共同趋势第二节 风险序列间的共同趋势第三节 习题第四节 参考文献第一节 收益序列间的共同趋势单位根检验单整定义10-1（单整性）考虑非平稳时间序列 {Yt} ，必须经过 d 次差分后变换为一平稳可逆的ARMA过程，而该序列 d-1 次差分仍保持非平稳性，则称 {Yt} 具有 d 阶单整性。当 d=0 时，{Yt} 为平稳过程，记为 I(0) ；当 d≥1时，{Yt} 是单整阶数为 d 的非平稳过程，用 Yt ~ I(d) 表示。单整过程又称为单位根过程，时间序列的非平稳性的检验方法又称为单位根检验。第一节 收益序列间的共同趋势单位根检验ADF检验Dickey和Fuller提出改进的DF检验方法，称为ADF检验或增广（Augmented）DF检验。将检验的模型扩展到 AR(p) 过程及误差项 ut 存在自相关的情形，检验的模型如下： (10.11) 式中 ut ~i.i.d(0,σ2) ，α 表示截距项；βt 表示趋势项。第一节 收益序列间的共同趋势单位根检验ADF检验例10-1：模拟生成样本序列（见图10-1），使用urca包中的ur.df()函数进行ADF单位根检验。R代码演示如下：第一节 收益序列间的共同趋势单位根检验ADF检验 图10-1 单位根检验的模拟数据（n=1000）第一节 收益序列间的共同趋势单位根检验ADF检验Value of test-statistic is: -22.1566 Critical values for test statistics: 1pct 5pct 10pct Tau1 -2.58 -1.95 -1.62通过比较检验统计量值与临界值，可以对原假设做出拒绝或接受的判断。这里序列x的检验统计量值为-22.1566，小于临界值，在1%水平下拒绝原假设，因此认为序列x平稳。第一节 收益序列间的共同趋势单位根检验PP检验Phillips等(1988)[2]提出了一种非参数检验方法，称为PP检验。PP检验的原假设和备择假设为： H0:ρ=1（ Yt为非平稳序列） H1:ρ1（ Yt为平稳序列）PP检验统计量极限分布为： (10.15) (10.16)第一节 收益序列间的共同趋势单位根检验PP检验当检验统计量值大于临界值时，接受原假设，说明序列存在单位根；小于临界值时拒绝原假设，说明序列是平稳的。PP非参数检验本质上是对DF检验的修正，最大程度的修正了残差自相关和可能的异方差带来的影响。例 10-2：续例10-1。对模拟生成的样本序列，使用urca包中的ur.pp()函数进行PP单位根检验。R代码演示如下：第一节 收益序列间的共同趋势单位根检验PP检验Value of test-statistic, type: Z-tau is: -31.244 Critical values for Z statistics: 1pct 5pct 10pct critical values -3.439534 -2.864849 -2.568544序列x的检验统计量值为-31.244，小于临界值-3.439534，在1%水平下拒绝原假设，因此认为序列x平稳。第一节 收益序列间的共同趋势单位根检验KPSS检验Kwiatkowski等(1992)[4]提出了KPSS检验，用于区分平稳序列和一阶单整序列。PP检验的原假设和备择假设为： H0:ρ1（ Yt为平稳序列） H1:ρ=1（ Yt为非平稳序列）KPSS检验的步骤如下：首先通过OLS估计获取残差序列，进而通过检验残差序列是否存在单位根，来判断时间序列是否存在单位根。第一节 收益序列间的共同趋势单位根检验KPSS检验KPSS检验中，当检验统计量值大于临界值时，接受原假设，说明序列平稳；小于临界值时拒绝原假设，说明序列存在单位根。例 10-3：续例10-1。对模拟生成的样本序列，使用tseries包中的kpss.test ()函数进行KPSS单位根检验。R代码演示如下：第一节 收益序列间的共同趋势单位根检验KPSS检验data: x KPSS Level = 0.3935 Truncation lag parameter = 7 p-value = 0.07997结果表明，检验p值0.079970.05，从而序列x在5%显著性水平下接受原假设，认为序列平稳。第一节 收益序列间的共同趋势单位根检验案例分析例10-4：考察中国股票市场间的关系，选取上证综指(SH