非平稳时间序列文档.pptVIP

* 第五节 实例—金融数据的平稳性检验 下面我们借用Eviews来分析一下上海证券市场A股成份指数（简记SHA）和深圳证券市场A股成份指数（简记AZA）之间的关系，同时也通过这个实例来回顾一下Eviews5.0的使用。 * （4）如果Xt~ I (0)，Yt~ I (1)，则aXt+bYt是I (1)，即I (1)具有占优势的性质。 （5）如果Xt和Yt都是I (1)，则aXt+bYt一般情况下是I (1)，但不保证一定是I (1)。如果该线性组合是I (0)，Xt和Yt就是协整的，a、b就是协整参数。 * 二、协整检验的具体方法 （一）EG检验和CRDW检验 假如Xt和Yt都是I (1)，如何检验它们之间是否存在协整关系，我们可以遵循以下思路： 首先用OLS对协整回归方程 进行估计。 然后，检验残差 是否是平稳的。因为如果Xt和Yt没有协整关系，那么它们的任一线性组合都是非平稳的，残差 也将是非平稳的。 * 检验 是否平稳可以采用前文提到的单位根检验，但需要注意的是，此时的临界值不能再用(A)DF检验的临界值，而是要用恩格尔和格兰杰（Engle and Granger）提供的临界值，故这种协整检验又称为（扩展的）恩格尔格兰杰检验(简记(A)EG检验）。 * 此外，也可以用协整回归的Durbin-Watson统计检验（Cointegration regression Durbin-Watson test,简记CRDW）进行。CRDW检验构造的统计量是： 对应的零假设是：DW=0 * 若 是随机游走的，则 的数学期望为0，所以Durbin-Watson统计量应接近于0，即不能拒绝零假设；如果拒绝零假设，我们就可以认为变量间存在协整关系。 上述两种方法存在如下的缺点： （1）CRDW检验对于带常数项或时间趋势加上常数项的随机游走是不适合的，因此这一检验一般仅作为大致判断是否存在协整的标准。 （2）对于EG检验，它主要有如下的缺点： * ①当一个系统中有两个以上的变量时，除非我们知道该系统中存在的协整关系的个数，否则是很难用EG法来估计和检验的。因此，一般而言，EG检验仅适用于包含两个变量、即存在单一协整关系的系统。 ②仿真试验结果表明，即使在样本长度为100时，协整向量的OLS估计仍然是有偏的，这将会导致犯第二类错误的可能性增加，因此在小样本下EG检验结论是不可靠的。 * （二）Johansen协整检验。 （1）Johansen协整检验的基本思想 其基本思想是基于VAR模型将一个求极大似然函数的问题转化为一个求特征根和对应的特征向量的问题。 下面我们简要介绍一下Johansen协整检验的基本思想和内容： * 对于如下的包含n个变量，k阶滞后项的VAR模型： （5.11） 假定所有的n个变量都是I(1)即一阶单整过程。其中，yt、yt-1…yt-k为n×1列向量，Ф1 Ф 2… Ф p为n×n系数矩阵， 为白噪音过程的随机误差项组成的n×1列向量。 * 对式5.11做适当的变换，可以得到如下的以VECM形式表示的模型： （5.12） 其中 ，In为n阶单位矩阵， * 我们所感兴趣的是 系数矩阵，它可以看作是一个代表变量间长期关系的系数矩阵。因为在长期达到均衡时，式5.12所有的差分变量都是零向量， 中随机误差项的期望值为零，因此我们有 =0，表示的是长期均衡时变量间的关系。 * 且yt存在h个独立的线性组合是平稳的 是平稳的 假定ut是高斯的，在 条件下， 的对数似然函数为： * 思路 假定 与 给定，通过将 关于常数项和解释变量进行OLS回归来解决这一约束型条件下的最大化问题。 * Johansen的第一步 第一组回归： 第二组回归： 此时的对数似然函数为： * Johansen的第二步 在假定 仍然给定的条件下，最优的 为： 此时的对数似然函数为： * Johansen的第三步 在 存在h个协整关系条件下： * 假设检验 在 存在h个协整关系条件下： 在 存在n个协整关系条件下： 对数似然比： * Johansen协整检验有两个检验统计量： ①迹检验统计量 ： ，其中r为假设的协整关系的个数， 为 的第i个特征值的估计值（下同）。对应