协整及自回归条件异方差理论贡献及其应用.doc

协整及自回归条件异方差理论贡献及其应用２００３年度诺贝尔经济学奖获得者是两位著名计量经济学家，罗伯特 Ｅｎｇｌｅ）和克莱夫 Ｇｒａｍｇｅ）。格兰杰获奖是因为时间序列的协整 （Ｃｏｉｎｔｅｇｒａｔｉｏｎ） 分析方法，他的贡献已经被广泛地用于研究财富与消费、汇率与物价水平、以及短期与长期利率之间的关系。恩格尔的最主要贡献在于解决了经济时间序列分析领域内一个重要的问题―――异方差（Ｔｉｍｅ－Ｖａｒｙｉｎｇ Ｖｏｌａｔｉｌｉ-ｔｙ），他不仅为经济研究人员提供了不可或缺的分析工具，还为资产定价和投资组合风险评估找到了一条捷径。 一、协整与自回归条件异方差的基本理论概述 经济学家们在估计经济变量之间的关系、预测经济变量数值以及对经济原理进行假设检验的时候，经常对时间序列数据进行研究。对于宏观经济变量的研究来说，这是一种常用的方法。例如，考察消费和国民收入这两个宏观经济变量的关系时，以一元线性回归为例，传统的时间序列分析方法是在假设检验的基础上建立以下回归方程： ｒｔ ＝?＋βｘｔ ＋ｅｔ 其中：变量ｒｔ 表示ｔ时期的消费额；ｘｔ 表示同一时期的国民收入， 取决于ｘｔ ； ?和β是利用ｒｔ 和ｘｔ 的时间序列数据，使用回归分析的方法计算出的参数值；ｅｔ 被称之为随机误差项―――表示模型无法解释的ｒｔ 的变动， ｅｔ 是一个服从正态分布、期望值为零、方差是常数的随机变量。 从这个简单的例子我们可以看出，传统的时间序列回归分析理论做出如下两个假设前提： （１）认为单个经济变量时间序列的波动具有长期规律和趋势，经济变量之间具有静态、长期稳定的相互关系，这种规律或关系用函数关系式及其参数表达；单个变量的波动、经济变量之间相互变动，可能偏离这种趋势和函数关系，但是这种偏离是偶然的，具有回归于这种函数关系的必然性（因为假定随机误差项ｅｔ 的期望值为零）。 （２）单个经济变量时间序列偏离自身趋势的程度以及变量之间偏离相互关系的程度（随机误差项ｅｔ ） 服从正态分布，并且这种偏离程度的波动特征保持不变，即具有不变的方差。 随着人们对时间序列理论的深入研究，发现很多经济变量并不能满足以上两个假设前提，应用传统的方法会得出错误的结论。这使人们继续进行大量深入的研究，协整与自回归条件异方差理论就是在这种背景下应运而生的。 （一）协整理论 １、非平稳时间序列。 很多宏观经济变量时间序列是非平稳的。和平稳时间序列相比，非平稳时间序列无法回到既定的长期趋势或常数。例如，ＧＤＰ会体现出非平稳性，一个短期冲击会影响其以前形成的长期趋势。 非平稳时间序列否定了传统计量经济学的第一个假设。在１９７４年，克莱夫 Ｎｅｗｂｏｌｄ）在一篇论文中证明：应用传统的方法估算非平稳变量之间的相互关系，可能对两个没有任何关系的变量得出具有显著相关性的结论，而这样的结论毫无意义。以上述消费和国民收入的关系为例，如果两个变量都是非平稳的，使用传统的方法会在β值事实上为零的时候，得出非零解。 与此同时，在某种关系确实存在的情况下，统计上的缺陷也会产生误导性的结果。尤其是很难将非平稳时间序列之间的临时性的和永久性的关系区分开来。例如，在长期内，低的通货膨胀率使汇率坚挺；而在短期，由于跨国资本流动和人们对汇率预期的影响，汇率走势具有不确定性。这使得传统的标准方法对精确估计长期关系无能为力。 传统的处理非平稳时间序列的常用方法是考察非平稳时间序列增长率之间的关系。如果增长率是平稳时间序列的话，应用传统的方法可以得到有效的结果。仅仅对增长率之间建立统计模型，虽然能对短期的动态过程进行合理描述，但是对于变量之间长期协变（Ｃｏ－ｖａｒｉａｔｉｏｎ）关系解释程度很低。并且，使用这种方法更大的问题是，很多经济理论通常用绝对值而不是增长率来描述。 ２、协整理论。 对于非平稳时间序列的特殊性质，需要找到一种方法，能够剔除短期波动的“噪声”（Ｎｏｉｓｅ），揭示出潜在的长期关系。克莱夫个以上的非平稳时间序列进行特定的组合可以得到平稳的时间序列，这样就可以得到有效的统计推断。 这种思想和一些经济原理是相吻合的。经济原理经常假定：如果两个经济变量具有均衡关系，那么虽然在短期内会偏离这种关系，但是在长期内会向均衡关系靠拢。例如，虽然短期内汇率存在波动，但是长期来看，汇率与用同一货币表示的两国价格水平的比例是一致的。格兰杰用″协整″ （Ｃｏｉｎｔｅ-ｇｒａｔｉｏｎ）这个术语表示非平稳变量的平稳组合。 格兰杰还证明了协整变量之间的联合动态（Ｊｏｉｎｔ ｄｙｎａｍｉｃｓ）可以用所谓“纠错”模型（Ｅｒｒｏｒ－ｃｏｒｒｅｃｔｉｏｎ）表示。该模型不仅在统计上是合理的，而且可以给出有意义的经济解释。比如，汇率和价格的动态，受到同时