基于向量自回归模型有色金属期货市场分析.docVIP

基于向量自回归模型有色金属期货市场分析 　　摘要根据VAR模型的建立方法和过程,本文对期货市场上铜铝锌三大品种进行拟合,研究三大品种间的关系和相互之间的影响。 　　关键词向量自回归模型 有色金属 期货市场分析 　　中图分类号:F8文献标识码:A 　　 　　1 VAR模型 　　向量自回归模型(VAR)就是用模型中所有当期变量对所有变量的若干滞后变量进行自回归。VAR模型一般用来估计联合内生变量的动态关系,而不带事先的约束条件,这种模型也被称作无约束的向量自回归模型。 　　假设存在一个N??阶的时间序列向量Xt,它是一个列向量:Xt=(x1t,x2t,…,xnt),则K阶的VAR模型可以表示为:(1) 　　Xt=iXt-i+Ut (1) 　　其中Ut为随机误差列向量,Ut~IND(0,),是N??N阶的方差―协方差矩阵,i为该VAR模型的参数矩阵。 　　2 VAR模型建立过程 　　2.1 参数确定 　　在建模过程中需要明确两件事,首先是需要确定变量个数N,即总共都有哪些变量是相互有关系的,需要把所有有关系的变量都包含在VAR模型中;其次需要确定滞后期k,即到底需要多少滞后变量才能清楚的解释那些内生变量。如何确定滞后期k,一般有以下几种方法:(1)LR(似然比)统计量法;(2)AIC(赤池)统计量,选择滞后期k的原则是AIC值达到最小;(3)SC(施瓦茨)准则,选择滞后期k的原则和AIC一样,即当SC值达到最小时的滞后期k合适。 　　2.2 平稳性考虑 　　在建立VAR模型之前,首先应该判断各个变量是否具有平稳性。稳定性检验通常用单位根检验的ADF统计量等检验。在判断VAR模型中变量的稳定性时,当向量中的变量都是一阶非平稳的变量时,可以采用一种协整表达式将其变为平稳性向量,进而对其进行VEC模型拟合,得到更加符合实际情况的模型形式,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阶VAR模型: 　　Xt=1Xt-1+2Xt-2+…+kXt-k+ut(2) 　　其向量误差修正模型(VEC)的表达式是: 　　△Xt=(1+2+…+k-I)Xt-1-(2+…+k)△Xt-1-(3+…+k)△Xt-2-…-k△Xt-(k-1)+ut(3) 　　这就是向量误差修正模型(VEC)的一般表达式,其中被成为压缩矩阵。是全部参数矩阵的和减去一个单位阵,即为一个多项式矩阵,其中的每一个元素是一个多项式。在VEC模型的具体估计过程中一般包含下面两个步骤:(1) 确定数据之间的协整关系以及协整关系的数量,一般采用约翰森(johansen)协整检验方法。(2) 确定了数据之间的协整关系后,对参数进行具体的估计。 　　2.3 因果关系考虑 　　在VAR模型的应用方面,可以考虑用来检验一个变量与另一个变量是否有因果关系,即格兰杰(Granger)非因果性检验。格兰杰(Granger)非因果性被定义为:如果由yt和xt的滞后值所决定的yt的条件分布与仅由yt的滞后值所决定的条件分布相同的话,即有: 　　f(yt|yt-1,…,xt-1,…)=f(yt|yt-1,…)(4) 　　则称对存在着格兰杰非因果性。 　　3 实证分析 　　根据以上VAR模型的建立方法和过程,我们对期货市场上铜铝锌三大品种进行拟合,研究三大品种间的关系和相互之间的影响。 　　本文选取的数据来自Wind资讯,为保证数据连续性,选取的方法是:伦敦市场选取三个月综合铜、铝、锌合约,上海市场选取铜、铝、锌连三合约。时间从2007年3月26日锌期货合约在上期所上市开始至2010年3月12日。在进行模型拟合之前首先对数据的一些特征进行研究,采用最新的Eviews6.0软件。 　　表1上海、伦敦期货市场铜铝锌统计量 　　 　　由表1可以发现,三大品种均不符合正态分布的要求,其JB统计量也大大超出了临界值。 　　建模过程: 　　(1)滞后期k的确定:首先对原序列取对数,记为lncu、lnal、lnzn、lnlcu、lnlal、lnlzn,其立滞后1期、滞后2期、滞后3期、滞后4期的LR、AIC、SC统计量如下: 　　 　　综合考虑以上统计量,我们最后确定lncu、lnal、lnzn、lnlcu、lnlal、lnlzn的VEC模型的滞后期数为2。 　　(2)平稳性检验: 　　根据建立VAR模型的要求,我们首先对序列的平稳性进行检验,采用常用的ADF检验方法对以上序列进行检验。表2是检验结果,从检验结果可以发现,六组序列均不符合平稳性的要求,因此不能用原始的数据序列进行VAR模型的拟合。 　　表2稳定性检验 　　 　　(3)协整关系检验:考虑序列之间是否有长期性的关系,即协整关系。我们用Johansen检验方法