9第九章多维时间序列分析.pptVIP

一、向量自回归（VAR）模型 二、ARCH模型 三、单位根检验 四、协整分析与ECM模型 VAR模型介绍 向量自回归的理念 联立方程的不足： 把一些变量看成是内生的，另一些变量看作是外生的或前定的。 估计前必须肯定方程组中的方程是可识别的。为了达到识别的目的，常常要假定某些前定变量仅出现在某些方程中，因此，往往是主观的。 VAR：如果在一组变量之中有真实的联立性，那么这些变量就应平等地加以对待，而不应该事先区分内生和外生变量。 VAR模型的矩阵表示 VAR模型的矩阵表示 Yi是内生变量，有m个； Xj为外生变量，有n个； 内生变量的滞后期为p期； 外生变量的滞后期为r期； a和b是参数， u是随机扰动项。 无外生变量的VAR模型 例子：GDP与进出口总额的关系 1978年-2004年 滞后3期 在Eviews统计软件的应用 在主菜单中选择Quick/Estimate VAR 或者在主窗口命令行输入var 在变量滞后区间（lag intervals）中给出每个内生变量的滞后阶数 ARCH模型 模型提出背景 时序数据的异方差性 从事股票价格、通货膨胀率、外汇汇率等金融时间序列预测时，这些变量的预测精度随时期的不同而有很大差异。 差异特征很可能由于金融市场的波动易受消息、政局变动、政府货币与财政政策变化等因素的影响。 一种特殊的异方差形式——误差项的方查主要依赖于前端时期误差的变化程度，