指数平滑方法和VAR模型预测效果探讨.docVIP

指数平滑方法和VAR模型预测效果探讨 　　摘要：预测是计量经济学中重要的内容，关于一些重要的经济指标诸如：GDP，通胀，股价，汇率，失业率等我们如何预测呢？本文将通过对一个实例研究曾经相当流行的预测方法：指数平滑法及目前仍旧流行的VAR方法的预测效果。总地来说，基于时间序列数据进行经济预测的方法有五种：单方程回归模型；联立方程回归模型；ARIMA模型；VAR模型及指数平滑法，当然这些预测方法均基于所用的时间序列平稳这一前提（至少通过适当变换可使之平稳）。 　　关键词：计量经济学；预测；时间序列 　　本文将简介双指数平滑方法Holt-winter方法及VAR模型，并且将重点以一个数值例子：加拿大的货币供给量，来直对比观展示双指数平滑方法，holt-winter和VAR模型的预测效果。 　　指数平滑法： 　　指数平滑法（Exponential Smoothing，ES）是一项既可以用于对时间序列数据进行平滑处理，又可以用于对其预测的技术手段。时间序列数据本身就是一系列的观察数值。被观测到的现象既可以是随机过程也可以是有序的噪音过程。在移动平均平滑法中，过去的观测值被赋予相同的权重，而指数平滑法则依时间远近对其赋予逐渐递增的权重。指数平滑法常用于金融市场和经济数据，但它也可以用于任何离散重复的测量当中。最简单的指数平滑方法只能被用于没有任何系统性趋势或者季节因素的数据。 　　单指数平滑法。平滑值公式： 　　y（1）t=αyt+（1-α）yt-1（1） 　　其中α为平滑系数且α∈[0-1] 　　预测值公式： 　　y∧t+1=αyt+（1-α）y∧t 　　实践中α可取多个值，分别计算其预测误差，然后再选择误差相对而言最小的那个，在eviews实践操作中，软件会自动给定一个合适值。另外可以使用第一期的观察值作为初始值，或用前2-3期观测值的品均值亦或由软件本身生成。 　　双指数平滑法则基于单指数平滑法，其预测公式为： 　　y∧t-T=at+btT 　　参数估计公式为： 　　a1=2y（1）t-y（2）t 　　bt=α1-α（y（1）t-y（2）t） 　　Holter-Winter-无季节趋势（双参数） 　　此法适用于具有线性时间趋势却没有因季节趋势导致的变差的情形。它和双指数平滑法均以线性趋势无季节成分进行预测。不同的是，双指数平滑法只用单个参数，而HW方法则用到双参数。平滑后的序列由下式给出： 　　y∧t+k=at+btk 　　参数估计式： 　　at=αyt+（1-α）（at-1-bt-1） 　　bt=β（at-at-1）+（1-β）bt-1 　　其中初始值公式： 　　a0=y1b0=（y2-y1）+（y4-y3）2 　　它的系数的确定过程与平滑系数方法基本相同 　　向量自回归（VAR）模型： 　　向量自回归模型（vector autoregressive model）是一种计量经济学模型，它被用于获取多个时间序列间的线性相关性。VAR模型通过包含多个变量将单变量回归方程一般化。在一个VAR模型中，所有的变量被对称地进行结构性处理。尽管估计系数通常不同。每个变量都有一个方程解释之，解释变量为它自己的滞后项和其各他变量的滞后项。VAR的建模不像结构方程一样，它不依赖于其他具有影响因素的变量。VAR模型唯一重要的信息就是一系列的变量，它们被假设成相互之间具有内部影响。 　　VAR模型的形式为（N个变量，滞后k期的） 　　Yt=μ+Π1Yt-1+Π2Yt-2+…+ΠkYt-k+ut，ut～IID（0，Ω） 　　其中： 　　Yt=（y1，ty2，t…yN，t）′ 　　μ=（μ1μ2…μN）′ 　　Πj=π11，jπ12，j…π1N，j 　　π21，jπ22，j…π2N，j 　　πN1，jπN2，j…πNN，j，j=1，2，…，k 　　ut=（u1tu2，t…uNt）′ 　　下面将分别用双指数平滑法，Holt-Winter 方法及VAR模型估计1988年加拿大4个季度的货币供给量。我们手头数据如下： 　　年/季M1R年/季M1R 　　1979Q122175.0011.133331985Q129018.6610.51667 　　1979Q222841.0011.166671985Q229398.669.666670 　　1979Q323461.0011.800001985Q330203.669.033330 　　1979Q423427.0014.183331985Q431059.339.016670 　　1980Q123811.0014.383331986Q130745.3311.03333 　　1980Q223612.3312.983301986Q23047