如何配适模型.ppt

時間序列分析與應用 逢甲財金系主任 張倉耀 博士 模型的配適度 配適度：判定係數 配適度：AIC與SBC 配適度：AIC與SBC 配適度：AIC與SBC AIC與SBC哪一個模型選擇準則比較好？ 配適度：LR檢定 由於剛剛介紹的判定係數、AIC與SBC，雖然是幾種常用的準則，但是卻沒有統計上所要求的『顯著性』。 當我們利用判定係數或AIC與SBC找出一個配適度較佳的模型，但是我們卻不知道這個模型是否『顯著地』優於其他模型。 模型的配適度 模型的預測力 模型的預測力 樣本外預測方法有兩種： 重複代入預測法(Iterative Forecasts) 逐次更新預測法(Recursive updating Forecasts) 重複代入預測法(Iterative Forecasts) 逐次更新預測法(Recursive updating Forecasts) AR(1)的預測結果 AR(2)的預測結果 非定態時間序列模型 何謂Random walk及其經濟意涵？ 何謂單根？ 單根檢定：ADF、PP、KPSS 何謂共整合？ Johansen共整合檢定 Granger因果檢定 Random walk及其經濟意涵 Random walk的典故？ Karl Pearson(1905)在Nature雜誌上提問：假如有個醉漢，醉得非常嚴重，完全喪失方向感，把他放在荒郊野外一段時間後，再去找他，在哪裡找到他的機率最大？ Random walk及其經濟意涵 單根檢定 單根檢定 單根檢定 由於ADF單根檢定沒有考慮到殘差是否有自我相關及異質變異的問題。 PP單根檢定考慮了殘差可能存在自我相關及異質變異，利用無母數方法修正了ADF的估計式，並且使其與原來的ADF有相同的漸進分配，因此其臨界值亦會相同。 因此一般在進行單根檢定時，會同時做ADF與PP單根檢定。 單根檢定 而KPSS提供了另一種觀點的單根檢定，由於ADF與PP的虛無假設都是時間序列為I(1)序列，而KPSS的虛無假設是時間序列為I(0)序列。 因此KPSS單根檢定可以提供作為ADF與PP單根檢定的互補。 因此同時進行ADF、PP、KPSS可以更精確的找出時間序列是否為定態。 何謂共整合？ 由於Granger and Newbold(1974)提出非定態時間序列間可能會出現假性迴歸(spurious regression)問題。 Engle and Granger(1987)提出共整合理論，指出非定態時間序列假如存在共整合現象時，則假性迴歸的問題就不存在。 共整合是指將一些非定態序列做線性組合後變成定態的序列。 共整合檢定 現在一般常用的共整合檢定為Johansen共整合檢定。 Johansen共整合檢定是利用矩陣與特性根的觀念來同時檢定n個變數是否存在共整合關係。 其檢定步驟為 1.先以VAR確定變數的落後期數。 2.依Johansen的方法估計向量共整合模型。 3.依據估計出的特性根，排序後計算 與 檢定，決定其rank，即共整合個數。 Granger因果檢定 Granger對於因果關係的定義，主要是以變數間預測能力的強弱來決定，亦即當某個變數為解釋變數時的解釋能力最佳，則該變數即為因，被解釋變數為果。 假使要研究X與Y之間的因果關係，則考慮下列迴歸式： Granger因果檢定 欲檢定Y對X有Granger因果關係，其虛無假設與對立假設如下： 若拒絕虛無假設，則表示Y過去的訊息對於X有顯著的解釋能力；亦即Y對X有Granger因果關係。 同理，檢定 ，若X過去的訊息對於Y有顯著的解釋能力；亦即X對Y有Granger因果關係。 若上述兩項檢定均顯著，則表示X與Y存在雙向反餽(feedback)效果。 單根檢定操作方式 共整合檢定操作方式 範例 台灣地區房價指數與股價之關係 資料來源：台灣地區房價指數取自信義房屋企研室、台灣 加權股價指數取自台灣經濟新報。 資料期間：1991Q1～2006Q3 資料型態：季資料 變 數：台北市房價指數(TP)、台北縣房價指數 (TPC)、台中市房價指數(TC)、高雄市房價指 數(KS)、台灣地區房價指數(TW)、台灣加權股 價指數(ST)。 變數處理：所有變數均經對數(logarithm)轉換，處理後變 數為LTP、LTPC、LTC、LKS、LTW、LST。 台灣地區房價指數與股價之關係 房地產市場與股票市場的關係過去的爭論可以主要分為兩種：wealt