淘宝搜索指数与成交指数协整分析.docVIP

淘宝搜索指数与成交指数协整分析 　　摘要：文章利用协整理论对淘宝搜索指数与成交指数进行了协整性研究，建立了误差修正模型，分析了成交指数变动的长期趋势和短期波动。结果显示当期搜索量、上期误差对当期成交量的影响显著，文章最后提出了搜索成交比例指数概念。 　　关键词：淘宝指数；协整；误差修正模型 　　中图分类号：F713.36 文献标识码：A 文章编号：1001-828X（2014）03-0-01 　　淘宝指数至2012年1月初上线以来，经历两年的发展，以其独有的趣味性、官方性、免费性等特色为买家、卖家以及第三方所青睐，成为了一款中国消费者数据研究平台。但目前淘宝指数主要被买家、卖家分别用于寻找理想中的宝贝、市场调研，对于淘宝指数的研究，在中国知网及相关数据库输入“淘宝指数”关键字，只有两篇文献涉及，工信部陈正坤[1]主要介绍了淘宝指数的特色、功能和应用；赵萱[2]通过淘宝指数的分析，得出中国智能手机市场主要是中档次水平的结论，其中女性占有很大比例。然而两者都只停留在已给的数据表面信息，从定量角度对数据进行挖掘和分析的研究目前尚属空白，由于淘宝指数之间存在相互作用、相互影响，所以让我们思考，指数之间存在着怎样的内在关系？指数的波动有着什么样的规律和特点？本文将利用协整理论和误差修正模型对上述问题进行探讨。 　　一、协整理论与符号说明 　　协整定义：k维向量的分量间被称为d，b阶协整，记为如果满足： 　　1. 要求的每个分量： 　　2.存在非零列向量，使得 　　我们称是协整的，向量又称为协整向量，协整刻画了对于每一个序列单独来说可能是非平稳的，而这些时间序列的线性组合反而是平稳的，序列的均值、方差等特征不随时间的改变而发生变化。 　　符号说明： 　　：搜索指数时间序列； ：成交指数时间序列 　　：对数化的SS序列； ：对数化的CJ序列 　　：的一阶差分序列； ：的一阶差分序列 　　二、单位根检验 　　从上面的描述当中，若变量之间存在协整关系，那么协整变量必须具有相同的单整阶数，所以，在进行协整检验之前，必须检验各个变量是否为单整变量，即I（0），否则，就会产生???误的协整检验，进而导 致构造的线性回归方程不合理，本文采用ADF检验。 　　为了描述搜索行为和成交行为之间是否存在协整关系，文章选取2013年10月1日—2014年1月13日105天数据进行实证分析，数据来源于淘宝指数官网。从搜索与成交指数数据线性图可以看出两者具有相似的趋势，为了消除可能的异方差，将、进行对数化处理得到、 序列，对这两个变量进行分析后发现，取对数后近视呈线性趋势，取对数后的序列进行单位根检验，发现序列非平稳，将其差分变为平稳，即、 都是I（1）序列，满足进行协整检验的条件。 　　三、协整检验 　　文章协整检验采用基于模型残差的协整检验，其思想是：如果因变量与自变量之间存在协整关系，即因变量能被自变量的线性组合所解释，那么不能被解释的部分就应该是平稳的残差序列，文中对模型残差序列检验即可。 　　在本例中，搜索指数与成交指数之间具有相似的趋势成分，在数量上可能存在比例，两者之间可能具有协整关系，首先利用、 数据建立回归方程： 　　估计后得到 　　（1） 　　t=（-12.04） （37.07） 　　方程中的系数0.856是对数搜索弹性，表明实际对数搜索每增加1%会使得实际对数成交增加0.856%。 　　第二步，对上式的残差进行单位根检验，利用SIC准则确定之后阶数，根据检验结果，序列在1%、5%、10%的显著性水平下均拒绝原假设，说明残差序列平稳，说明和 存在协整关系，协整向量为。 　　四、建立误差修正模型（ECM） 　　由于淘宝指数数据是由“非均衡过程”生成的，建模时用成交指数的动态非均衡过程来逼近它的长期均衡过程，我们在模型中引入搜索指数和成交指数的滞后一期数据，建立自回归分布滞后模型，成交指数的长期影响将通过分布滞后的函数来反应。 　　考虑文中只有搜索指数和成交指数两个变量，我们采用一阶自回归分布滞后模型（ADL（1，1）），形式如下： 　　（2） 　　建立误差修正模型： 　　（3） 　　文章采用Engle和Granger（1981）两步法建立ECM模型，步骤如下： 　　1.求模型的OLS估计，得到残差序列。 　　2.对模型利用OLS估计其参数。 　　（1）式建立了对数成交和对数搜索的协整方程，为了考察它们之间的动态关系，利用以 　　上理论建立ECM模型来进行分析。 　　另修正误差项，建立误差误差修正模型，估计后得到： 　　（4） 　　t=（0.188） （8.016） （-8.597） 　　其中 　　在上面的误差修正模型中，和反应了短期的波动。对数成交指数的短期变动可以分