计量学-向量自回归和自回归条件异方差模型.ppt

它反映了t时期的扰动（创新）对时期t+s向量或其中各个变量水平的影响。如果已知变化，那么对的综合影响为因此系数矩阵称为“脉冲——响应函数”。脉冲——响应函数是研究新生冲击的长期影响的方法。在实际应用中，由于把向量自回归模型变换成移动平均形式并不是很容易，因此一般采用模拟的方法求向量自回归模型的脉冲——响应函数。令根据上述向量自回归模型模拟时期t、t+1、t+2…的向量，其中即对应矩阵的第j列。让j取遍1,…,n，即可计算出中所有元素。第二节自回归条件异方差模型许多学者在分析通货膨胀、汇率、股票价格等金融时间序列时，都发现时间序列模型扰动方差的稳定性比通常认为的差，时间序列数据也存在异方差问题。经济时间序列数据的这种方差变化也称为波动集聚性（volatilityclustering），对于研究和控制金融风险等非常有用。恩格尔（Engle）1982年提出一种自回归条件异方差模型（autoregressiveconditionalhetroscedasticitymodel，ARCH），来描述上述时间序列的方差波动。后来该模型又被扩展到GARCH、EGARCH、ARCH-M等模型。自回归条件异方差模型可以在一个自回归模型的基础上引出1、自回归模型是p阶自回归过程AR(p)其中是白噪声：假定特征方程的根都在单位圆之外，则该过程是弱平稳的。的无条件均值则是对的最优线性预测为2、自回归条件异方差模型服从q阶自回归过程:其中服从独立同分布的白噪声过程给定，的条件方差随时间而变化，而且模型中包含的q阶自回归结构，因此称服从q阶“自回归条件异方差过程”，记作~ARCH(q)。的分布是受限制的，上述自回归过程中的系数必须满足；对都必须成立。平稳性条件特征方程的根必须都在单位圆之外。因为，，，该平稳条件等价于上述平稳性条件成立时，的无条件方差仍然为常数。本章介绍时间序列的向量自回归和自回归条件异方差模型。向量自回归模型是自回归移动平均模型从单个时间序列到多个时间序列的扩展。自回归条件异方差模型主要考察时间序列数据波动性的变化，在金融领域的风险分析中有重要应用。本章介绍这两种模型的意义和特征、参数估计、检验和应用等。第一节向量自回归模型一、向量自回归模型概述ARMA模型分析针对单个时间序列，存在忽略经济变量之间内在联系的缺点。克服这个缺点的方法是把ARMA模型扩展到针对多个时间序列，把ARMA模型中的变量换成向量。因为自回归移动平均模型可相互转换，而且在向量变量的情况下自回归模型比较方便，因此一般主要考虑向量变量的自回归模型，称为“向量自回归模型”（Vectorautoregressionmodel，VAR）。(一)VAR模型的表示形式把p阶自回归模型AR(p)中的变量和误差项都变成向量，系数变成系数向量或矩阵，就得到一个p阶向量自回归模型VAR(p)：引进滞后算子，向量自回归模型可以写成或者引进下列记号：则p阶向量自回归模型VAR(p)，也可写成一阶自回归形式VAR(1)：其中的协方差矩阵为为了分析的方便，也常常假设服从多元正态分布，即~，其中可以包含一定自相关性，即是对称正定矩阵，但不一定是对角线矩阵。当满足该假设时，上述向量自回归模型也称为“高斯向量自回归模型”。向量自回归模型VAR(p)展开，可以写成每个变量对常数项和向量中所有变量的1-p阶滞后项回归的，n个方程构成的联立方程组系统这个展开形式上与一般联立方程组模型相似，但其实有本质差异：1、VAR模型不强调变量之间关系的理论根据，模型形式、变量、滞后期数等并不以特定经济理论为依据，模型变量也不存在内生、外生之分，每个方程都包含所有的变量；2、VAR模型的主要作用是进行预测分析而不是经济结构分析；3、由于模型结构性质的差别，VAR模型的参数估计和检验等与联立方程组模型也有差别。（二）平稳性分析1、平稳性定义如果向量自回归过程的一阶