多元时间序列分析及其的应用.pptVIP

田 协整理论 协整理论的产生背景 2协整的定义及应用步骤 3协整理论在国内外的应用 4协整理论当前研究和应用的热点问题 1协整理论的产生背景 田 Engle and granger在1978年首先提出协整的概 念,并将经济变量之间存在的长期稳定关系成 为“协整关系” 克菜夫·格兰杰1934年生于英国威尔士的斯旺西 1955年获得诺丁汉大学颁发的首批经济学与数 学联合学位,随后留校担任数学系统计学教师 1959年获诺丁汉大学统计学博士学位。1974年 移居美国后,格兰杰在加州大学圣迭戈分校经 济学院任教,是该学院经济计量学研究的开创 者,现为该校的荣誉退休教授。格兰杰曾担任 美国西部经济学联合会主席,并于2002年当选 为美国经济学联合会杰出资深会员 田 格兰杰教授的研究兴趣主要集中在统计和经 济计量学(尤其是时间序列分析)、预泱 金融、人口统计学以及方法论等方面,其专 著和论文几乎涵盖近40年来时间序列分析方 面的所有重大进展 格兰杰在协整理论、虛假回归、因果关系和 谱分析等许多领域的研究工作都是开拓性的, 协整概念就是由他在20世纪70年代首先提出 来的 在此之前很长的一段时间里,计量经济学家 们在处理时间序列时,不得不采用平稳数据 的分析方法,如最小二乘法、自回归移动平 均法(ARMA)等。 田 协整理论从分析时间序列的非平稳性着手, 探求两个或多个非平稳经济变量间蕴涵的长 期稳定关系,从而为协整变量之间建立误差 修正模型奠定了理论基础。 任何时间序列数据都可以视为某个随机过程 的一个(特殊)实现,这一方法允许研究者 使用统计推断来构建和检验回归方程,导出 经济变量之间的关系。传统的时间序列分析 大量考察的是所谓平稳随机过程,即假定时 间序列是平稳的,这保证了普通最小二乘法 得到的估计量具有一致性和渐近正态性 田 (注:如果一个随机过程的均值和方差在时间过程中 都是常数,并且在任何两期之间的协方差值仅依赖于 上述两期间的距离或滞后,不依赖于计算这一协方差 的实际时间,就称它为平稳时间序列。在这个意义上, 如果一个时间序列不是平稳的,就称它为非平稳时间 序列。) ·然而在实际中,大多数宏观经济和金融时间序列数据 (比如国内生产总值、价格、消费等)是非平稳性, (因为这些时间序列数据之间具有某种长期的均衡关 系,但是短期内的变动又毫不相干)它意味着经济变 量并不具备回归到某个常数或某一线性趋势的显著倾 向,因而假设这些时间序列数据由非平稳随机过程产 生才比较恰当 田 格兰杰和他的同事保尔·纽博德( Cranger and Newbold 1974)证明,当经典的平稳随机过程理论和模型用于 非平稳时间序列数据的分析时,往往会推断出毫不相 关的变量在统计上却显著相关的结论,这一结论显然 是不合理的。这时,鉴于非平稳数据的特性,如何 设计出能够排除短期波动干扰、揭示潜在长期关系的 统计方法构成了对经济学家的巨大挑战 长期以来,研究者常用的解决办法是对非平稳序列数 据进行差分,然后用差分项序列建模。但是,建立在 差分基础上的计量模型往往丢失了数据中包含的长期 信息,无法判断变量间的长期协方差变动情况 田 格兰杰引入的协整理论能够把时间序列分析 中短期与长期模型的优点结合起来,为非平 稳时间序列的建模提供了较好的解决方法 在80年代发表的一系列重要论文中,格兰杰 教授提出了单整阶数( degree of integratio n)概念,并证明若千非平稳时间序列(一阶 单整)的特定线性组合可能呈现出平稳性, 即它们之间存在“协整关系” 田 由此他归纳出著名的格兰杰表示定理( Grange r Representation Theorem),证明用误差修 正模型可以刻画非平稳协整变量间的联合动 关系。 协整概念及其方法的提出对于用非平稳变量 建立经济计量模型非常重要。当且仅当若干 个非平稳变量具有协整关系时,由这些变量 建立的回归模型才有意义,所以协整性检验 也是区别真实回归和虚假回归( spur lous reg ress on)的有效方法 田 在协整概念的基础上,1987年Eng1e和Gran ger建立了检验经济变量间存在协整关系的EG 两步法理论以及检验向量的估计 EG两步法可以得到一致的参数估计,主要适 用于处理只存在一个协整向量的系统,特别 适用于两变量的情形。此后,约翰森( Johans en)改进了协整关系的检验方法 在与恩格尔及其他研究者的合作中,格兰杰 对协整理论做了若干拓展,研究了季节协整 门限协整和多重协整等问题,他还运用协整 理论做了大量的实证研究 田 1976年 Dickey和 Fuller建立了积分过程的检 验方法D检验,1979-1980年又对D检验进行 了拓展,提出了ADF检验。(前者