金融时间序列讲义第八章.docVIP

协整分析 本章主要内容求 协整的概念 协整的检验方法 误差修正模型 向量之间的各分量是阶协整的，如果满足： 1）的各分量都是阶可积的； 2）存在一个向量，使得线性组合 是阶可积的。 1. VAR模型与协整 如果VAR模型 ， (1) 的内生变量都含有单位根，那么可以用这些变量的一阶差分序列建立一个平稳的VAR模型。 (2) 然而，当这些变量存在协整关系时，这种建模方法不是最好的选择。如果，且非平稳变量间存在协整关系。那么非平稳变量的由协整向量组成的线性组合则是平稳的。这时，采用差分的方法构造VAR模型虽然是平稳的，但不是最好的选择。建立单纯的差分VAR模型将丢失重要的非均衡误差信息。因为变量间的协整关系给出了变量间的长期关系。同时用这种非均衡误差以及变量的差分变量同样可以构造平稳的VAR模型。从而得到一类重要的模型，这就是向量误差修正模型。 下面推导向量误差修正（VEC）模型的一般形式。 对于k = 1的VAR模型，，两侧同减Yt-1，得 (3) 对于k=2的VAR模型，，两侧同减，在右侧加、减，并整理得 (4) 对于k=3的VAR模型，，两侧同减，在右侧加、减 和并整理得 在右侧加、减并整理得 (5) 对于k阶VAR模型，，利用k=1, 2, 3的VAR模型的推导规律，其向量误差修正模型（VEC）的表达式是 (6) 令 ， j = 1, 2, …, k-1， (7) 则上式写为 (8) 这是向量误差修正模型（VEC）的一般表达式。称为压缩矩阵（影响矩阵）。是全部参数矩阵的和减一个单位阵。滞后期的延长不影响对协整向量个数的分析。 根据Granger定理，向量误差修正模型（VEC）的表达式是 (9) 其中是协整矩阵，是调整系数矩阵。和都是N(r阶矩阵。表示有r个协整向量，，存在r个协整关系。因为，所以。因为，所以除了，模型 (6) 中各项都是平稳的。而对于有如下三种可能。 当的分量不存在协整关系，的特征根为零，。 若（满秩），保证平稳的唯一一种可能是。 当，若保证平稳，只有一种可能，即的分量存在协整关系。 VEC模型是带有误差修正机制的关于的VAR模型。增加滞后项的目的是吸收中的自相关成分，使其变为白噪声。没有这些项，等于丢掉了动态成分。 假定具有一般性。如果某个变量的单整阶数高于1，可通过差分取其相应单整阶数为1的序列加入模型。上式也可以加入位移项与趋势项。 若成立，且存在r个协整关系，则的一般表达式是 = = (10) 为便于理解，现在以N =2, k=1的VEC模型为例，说明VEC模型中的协整关系。 例 有VEC模型 (11) 看(11)的第一式，令误差修正项。当v1, t-1增加，系统偏离了均衡点，，因为调整系数为负（- 1/2），在t期将导致 减小，也即减小。从而使移向均衡点。反之亦然。 把 (11) 的第二式改写如下， 误差修正机制的解释与上类似。 把 (11) 式写成矩阵形式。 =+ (12) 现在分析矩阵。因为，是降秩的。为求的特征值，解如下特征方程， = = 1/32 + 9/16( + ( 2 –1/32 = ( 2 + 9/16( = ( (( + 9/16) = 0 (13) 两个根是(1 = 0，(2 = - 9/16。 (1 = 0，说明是降秩的。一般来说，非零根的个数既是的秩。 当完全降秩，即时，任意形式的通过适当线性变换，可以得到。于是（12）式变为， 这是一阶差分形式的平稳的VAR模型。说明中含有一个单位根。VAR模型中没有协整向量。 现在讨论多于一个协整关系的情形。 例 设三个变量的k = 1的误差修正模型如下， 矩阵形式是 = + (14) = 的特征值是 -0.7928，-0.441