向量自回归与ARCH、GARCH模型剖析.pdfVIP

向量自回归 预测是计量经济分析的重要部分，宽泛的说，依据时间序列数据 进行经济预测的方法有五种： （1）指数平滑法； （2）单一方程回归模 型；（3）联立方程回归模型； （4）单整自回归移动平均模型； （5 ）向 量自回归模型（ VAR ，vector autoregression）。 一、VAR 的估计 VAR 方法论同时考虑几个内生变量， 它看起来类似于联立方程模 型。但是，在 VAR 模型中，每一个内生变量都是由它的滞后或过去 值以及模型中所有其他内生变量的滞后或过去值来解释。 通常模型中 没有任何外生变量。 在联立方程模型中， 我们把一些变量看作内生的， 而另一些变量看作外生的或预定的， 在估计这些模型之前， 必须肯定 方程组中的方程是可识别的， 而为达到识别的目的， 常常要假定某些 预定变量仅出现在某些方程之中， 这些决定往往是主观的， 因此这种 方法受到 C.A.西姆斯 （Christopher Sims）的严厉批评， 他认为如果在 一组变量中有真实的联立性， 这些变量就应该平等对待， 而不应事先 区分内生和外生变量，以此思路，其推出了 VAR 模型。 例我们想考虑中国的货币（ M1 ）与利率（ R）的关系。如果通过 格兰杰因果关系检验，我们无法拒绝两者之间有双向因果关系的假 设，即 M1 影响 R，而 R 反过来又影响 M1 ，这种情形是应用 VAR 的理想情形。假定每个方程都含有 M1 和 R 的 k 个滞后值作为回归 元，每个方程都可以用 OLS 去估计，实际模型如下： k k M 1 M 1 R u t j 1 j t j j 1 j t j 1t k k R M 1 R u t j 1 j t j j 1 j t j 2t 其中 u 是随机误差项，在 VAR 术语中称为脉冲值（ impulses）。 在估计以上方程时，必须先决定最大滞后长度，这是一个经验问题， 包括过多的滞后项将消耗自由度，而且会引入多重共线性的可能性， 而包含过少的滞后值将导致设定误差， 解决这个问题的方法之一就是 使用赤池、 施瓦茨或汉南 —奎因准则中的某一个准则， 并选择准则最 低值的模型，因此，这个过程中试错法就不可避免。 值得注意的是，向量自回归模型中同时引入同一变量的几个滞后 项，可能因多重共线性而使每个估计系数在统计上都不显著， 但基于 F 检验它们可能是联合显著的。 二、VAR 建模的一些问题 VAR 的倡导者强调此法有如下的优点： （1）方法简单，无需决定 哪些变量是内生的，哪些变量是外生的， VAR 中的全部变量都是内 生的。 （2）估计简单：常用的 OLS 法可以用于逐个估计每一个方程。 （3）在许多案例中，此方法得到的预测优于用更复杂的联立方程模 型得到的预测。 但 VAR