金融计量经济之时间序列模型的理论与方法.ppt

例2.6 中国支出法GDP的单整性。 经过试算，发现例2.4中中国支出法GDP是1阶单整的，适当的检验模型为 ⒉ 趋势平稳与差分平稳随机过程 前文已指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联关系，这时对这些数据进行回归，尽管有较高的R2，但其结果是没有任何实际意义的。这种现象我们称之为虚假回归或伪回归（spurious regression）。 如：用中国的劳动力时间序列数据与美国GDP时间序列作回归，会得到较高的R2 ，但不能认为两者有直接的关联关系，而只不过它们有共同的趋势罢了，这种回归结果我们认为是虚假的。 　为了避免这种虚假回归的产生，通常的做法是引入作为趋势变量的时间，这样包含有时间趋势变量的回归，可以消除这种趋势性的影响。 　然而这种做法，只有当趋势性变量是确定性的（deterministic）而非随机性的（stochastic），才会是有效的。 　换言之，如果一个包含有某种确定性趋势的非平稳时间序列，可以通过引入表示这一确定性趋势的趋势变量，而将确定性趋势分离出来。 　1)如果?=1，?=0，则（2.13）式成为一带位移的随机游走过程： Xt=?+Xt-1+?t （2.14） 根据?的正负，Xt表现出明显的上升或下降趋势。这种趋势称为随机性趋势（stochastic trend）。 2)如果?=0，??0，则（2.13）式成为一带时间趋势的随机变化过程： 　　　 Xt=?+?t+?t 　　　　　　　 （2.15） 根据?的正负，Xt表现出明显的上升或下降趋势。这种趋势称为确定性趋势（deterministic trend）。 考虑如下的含有一阶自回归的随机过程： Xt=?+?t+?Xt-1+?t （2.13） 其中:?t是一白噪声，t为一时间趋势。 3) 如果?=1，??0，则Xt包含有确定性与随机性两种趋势。 判断一个非平稳的时间序列，它的趋势是随机性的还是确定性的，可通过ADF检验中所用的第3个模型进行。 该模型中已引入了表示确定性趋势的时间变量t，即分离出了确定性趋势的影响。 因此，(1)如果检验结果表明所给时间序列有单位根，且时间变量前的参数显著为零，则该序列显示出随机性趋势; (2)如果没有单位根，且时间变量前的参数显著地异于零，则该序列显示出确定性趋势。 随机性趋势可通过差分的方法消除 如：对式　 　　　　　　Xt=?+Xt-1+?t 可通过差分变换为 ?Xt= ?+?t 该时间序列称为差分平稳过程（difference stationary process）； 　确定性趋势无法通过差分的方法消除，而只能通过除去趋势项消除， 　如：对式 　　　　　Xt=?+?t+?t 可通过除去?t变换为 　　　　　Xt - ?t =?+?t 该时间序列是平稳的，因此称为趋势平稳过程（trend stationary process）。 　　最后需要说明的是，趋势平稳过程代表了一个时间序列长期稳定的变化过程，因而用于进行长期预测则是更为可靠的。 例2.7 一阶单整例题： 利用基金金泰2002年5月10日到2004年7月2日的周净值数据，检验序列是否为单整。 1）对序列作滞后3期的ADF检验，得： ADF Test Statistic -1.527659 1% Critical Value* -3.4922 5% Critical Value -2.8884 10% Critical Value -2.5809 序列非平稳。 2）对序列差分值作滞后3期的ADF检验，得： ADF Test Statistic -4.043469 1% Critical Value* -3.4928 5% Critical Value -2.8887 10% Critical Value -2.5811 一阶差分后的序列平稳，所以该基金净值序列为一阶单整I（1）(可针对模型讨论随机性趋势或确定性趋势)。 第三节 协整与误差修正模型 3.1 长期均衡关系与协整 3.2 协整检