邹平金融计量学合并课件解析.ppt

* 1、对某变量全部滞后项系数的联合检验 在VAR模型中，单个变量系数的意义是很难确认的，但有时我们会对如下的问题感兴趣：即对于模型内的某一方程，某变量的全部滞后值是否对被解释变量有显著的解释作用。 我们可以发现，如果VAR模型仅包含两个方程，这实际上就是我们在第五章提到的因果检验：如果该变量的所有滞后值对被解释变量有显著的解释作用，则就说该变量是被解释变量的“格兰杰原因”，反之则不是。 * 2、脉冲响应 脉冲响应度量的是被解释变量对单位冲击的响应。例如假定某误差项仅在第t期发生突变，而后各期重新恢复平静，脉冲响应测量的是各期（t,t+1,t+2…）的被解释变量对该冲击的反应。 通过测量脉冲响应，我们能够清楚地看到某一时期的冲击对未来各期被解释变量的影响。在实际中，对于拥有多个方程、滞后项数较多的VAR模型，一般采用的是将VAR模型转变为VMA（vector moving average,向量移动平均）模型，并得出脉冲响应函数 。 * （四）VAR模型的预测 前面提到，一个较小的VAR模型产生的预测结果甚至要好于一个大的联立方程模型产生的预测结果，因此VAR模型的一个主要作用就是预测，下面通过一个例子说明如何在VAR模型中进行预测。 * 考虑一个含有两个方程、滞后阶数为2的VAR模型： 首先我们来考虑一步向前预测（one-step-ahead-forecast）。如果我们要在第n期预测 、 ，由于在第n期，所有的解释变量的值已经知道，所以这是一个无条件预测： 接下来我们来考虑多步向前预测，由于在第n期，有些解释变量的值是未知的，因此预测为有条件预测，我们可以以解释变量的预测值来代表未知解释变量的条件期望。 * 同理，可得出在第n期的预测值为 可以看到，在向前两步预测时要用到我们在向前一步预测时 得到的预测值，这与前一节中我们用AR模型预测是一样 的。类似的，我们可以利用前一期的预测值进行向前三步、 四步…预测。 * VAR模型的补充说明——VAR模型的发展 （一）结构VAR模型 即模型中方程左边不仅包括内生变量，也包括一些仅作为解释变量的外生变量；不仅包括内生变量的滞后值，也包括内生变量的当期值。 （二）VECM模型 即模型内方程的右边不仅包括变量的差分项，也包括变量之间的协整关系项，从而使模型能够同时反映系统内变量间的长期均衡关系和短期动态特征，保持信息的完整性。 * 实例——VAR模型在金融数据中的运用 VAR模型的一个经典应用是检验货币政策的有效性。即研究货币供应量与产出、物价水平之间的关系。下面，我们就在Eviews软件中利用VAR模型对我国货币政策的有效性进行检验。 我们的样本取我国1994年第一季度到2004年第二季度的季度数据，变量包括狭义货币供应量M1,商品零售物价指数P,以及代表产出水平的国内生产总值GDP。 所有的数据我们都取它们的增长率，以保证序列的平稳性。 * 图 6-24 VAR模型设定 * 图6-25 VAR模型估计结果 * 图6-26 VAR脉冲响应设定 * 第四节 (G)ARCH模型的概念和构造 * (G)ARCH模型的概念 自回归条件异方差（autoregressive conditional heteroscedasticity ,简称ARCH）模型是近年来新发展起来的时间序列模型，它反映了随机过程的一种特殊特性：即方差随时间变化而变化，且具有丛集性、波动性。ARCH模型已广泛地应用于金融领域的建模及研究过程中。 * 一、ARCH模型 由均值方程和条件方差方程给出： 表示t-1时刻所有可得信息的集合， 为条件方差 用极大似然估计法对方程进行估计 * 二、GARCH模型 一般的GARCH(p,q)模型如下表示 可用极大似然估计法估计 GARCH(p,q)的推广 * (G)ARCH模型的识别、估计、类型和预测 一、 ARCH效应的识别—ARCH LM Test 1. ARCH效应的识别的含义 通常是对于残差项中是否存在自回归条件异方差现象的拉格朗日乘数检验（Lagrange multiplier test, Engle 1982） 2. ARCH LM Test 中的统计量 F统计量 Obs*R-squared 统计量 * （一）ARCH效应的识别 原假设 ： 辅助回归方程 其中e是残差 ARCH LM Test 对最小二乘法，两阶段最小二乘法，非线性最小二乘法都适用 * （二）(G)ARCH模型的估计 方法： 最大似然估计法（以建立对数似然方程来实现，见下例） * (G)AR