基于ARCH模型的美国消费者物价指数..doc

江苏师范大学科文学院 课程论文 课程： 时间序列分析 班级：　　 11金融 　 姓名： 李铮 学号： 118310115 时 间：2014年11月 基于ARCH模型对美国消费者物价指数（CPI）研究 摘要：为了看出以CPI度量的美国通货膨胀率中是否存在ARCH效应，本文收集了从1947年2月至2009年8月的CPI数据，从实证上说明了美国消费者物价指数存在ARCH效应，并建立了ARCH（2）模型。 关键词：消费者物价指数；ARCH模型；残差 一、引言 消费者物价指数（CPI）是衡量通货膨胀的三个指标之一，是一个重要的经济指标。本文首先简要介绍ARCH理论模型，然后判断以CPI度量的美国通货膨胀率是否存在ARCH效应，若存在，最后根据这个模型消费者者物价指数的数据进行拟合。 ARCH模型 ARCH模型就是就是将存在波动性的金融时间序列进行模型化，如模型化股票价格、汇率和通货膨胀率等序列。这些金融时间序列多数具有这样一个特征：它们的水平值为随机步游；即是非平稳的，但另一方面，它们的一阶差分形式则通常都是平稳的，这些一阶差分通常都表现出大幅摆动或变动，说明金融时间序列的方差也在随时间的变化，Engle在1982年提出的ARCH模型，就是模型化这种“变动着的方差”。 为了理解ARCH模型的含义，先给出ARCH(1)模型。 其中。是平稳过程，首先，的无条件均值仍是0，其次，的无条件方差Var()=Var()=E(),Var()=+Var( ),Var()=。 ARCH（m)模型的一般形式则为： 其中，是一个mm阶的非负定矩阵。这样，Engle的模型是用一个节省参数的方式来逼近一个二次函数。 建立一个ARCH模型的简单方法包括三个步骤：（1）对收益率序列建立一个经济计量模型（如AR模型），以分离出数据中的任何线性相关成分，并用该模型的残差序列检验ARCH效应；（2）具体确定ARCH模型的阶，在本文中利用偏自相关函数来确定ARCH的阶，并估计参数；（3）仔细检验所拟合的ARCH模型。 消费者物价指数的ARCH模型及其估计 本文选取了美国1947年2月至2009年8月共751个月度数据，由于数据较难收集，因此，此数据由经济学家网站下载而来。 1、平稳性和单位根检验 从图1可以看到，1947年2月至2009年8月期间美国消费者物价指数呈现明显的ARCH效应，即大的抖动会接着另一个大的抖动，数据的波动呈现聚类现象，因此，可确定数据是不平稳的。 从图2可以看到，消费者物价指数的对数也是非平稳的，利用自相关和偏自相关函数来检验数据的平稳性，如图3所示，我们这里只关注消费者物价指数对数的自相关函数，从图3我们可以看到，序列 图1 1947-02至2009-8（月度）期间美国CPI 图2 1947-2至2009-08（月度）美国CPI的对数（ACPI=log(CPI)） 图3 消费者物价指数对数的PAC和AC函数 PAC没有很快地趋于0，并落入随机区内，而且自相关系数大于临界值，时间序列有显著的自相关性，时间序列是非平稳的。 因美国CPI对数的时间序列不是平稳的，要把该时间序列数据变为平稳的，图4为一阶差分图，从图中没有看到序列中的任何趋势，这也许表明，取一阶差分后的CPI时间序列是平稳的。图5为CPI对数一阶差分的PAC和AC函数，CPI对数时间序列的一阶差分相关图和偏相关图可以看到，序列的自相关系数很快趋于0，并落入随机区 图4 CPI对数的一阶差分 内，因此，经差分后的时间序列是平稳的，从图中可以看到，时间序列的自相关函数有呈衰减现象，偏自相关函数则显著的直至滞后2阶的尖柱。再运用ADF检验对时间序列数据进行单位根检验，图6所示,ADF=-23.90959，在1%的显著性水平下可以拒绝零假设，说明经过差分后序列DCPI已经平稳。 2、参数估计 对CPI对数的一阶差分进行回归分析，建立经济计量模型AR模型（从图5偏自相关函数可以确定阶数为2），利用最小二乘法对DCPI进行自回归，得 DCPI=0.005-0.3822AR(1) (1) (0.2671)(-9.5257) =0.1552 F=90.74 AIC=1.7598 SC=1.7768 DCPI=0.0041-0.5023AR(1)-0.2827AR(2) （2）