第12章联立方程估计与模拟.ppt

一、基本选项(Basic Options) 在左上部，Simulation type框可以设置模型是确定性模拟还是随机性模拟。在确定性模拟中，模型所有方程的解使方程在模拟期内成立而没有残差，所有的系数都固定为点估计值，所有的外生变量都保持不变，这使得内生变量的路径是单一的，一次求解模型就可以得到结果。 在随机模拟中，模型方程的求解是使方程残差等于随机抽取的残差，系数和外生变量也是随机变化的。在这种情形中，模型对内生变量的每期结果都产生了一个分布。通过抽取不同的随机成分多次求解模型，再计算所有不同结果的统计量，这样可以获得渐近分布。 Dynamics框中选项是用于确定求解模型时EViews怎样使用内生变量的历史数据： 1. 动态求解(Dynamic Solution) 进行预测时只有求解样本期之前的内生变量被使用。滞后内生变量和ARMA项是用前些期的解计算的，而不是来自实际的历史数据。动态求解方法一般用于对未来几期的预期（多期预测），或用于评价多期预测对历史的拟合程度。 2. 静态求解(Static Solution) 每次求解模型时直到前一期的内生变量都被使用。滞后内生变量和ARMA项取自内生变量的实际值。静态求解一般用于基于历史数据的一期预测，以检验模型的历史拟合程度。静态预测不能用于预测未来的多期值。 3. 拟合(Fit) 求解模型时内生变量的当期值也被使用。除了正被计算的方程的内生变量以外，所有的内生变量值都被实际值所替代。Fit项可用于研究每个方程的独立拟合程度，而不考虑它们之间的依赖关系。该项只能用于所有内生变量的历史数据都可用的区间。 除了这些选项以外，Structural复选框还可以选择是否忽略方程中出现的ARMA项。 对话框的左下部是Solution Sample框，它是用来确定求解模型的样本区间。与其他EViews过程不同，它不会自动设为剔除缺失的数据。 该对话框的右端是用于选择所要求解的情景分析。单击Edit Scenario Options中的按钮可以快速查看选定的情景分析的设置。选项Solve for Alternate along with Active主要用于比较情形，且两个情景分析必须同时求解以保证对两者同时使用各自的冲击。 模型模拟的分类 设观测值样本个数为T，一般将模型中的样本分为两个区间：[1, T1]和[T1+1, T]，前一个区间用于估计，后一个区间用于检验。模型模拟所涉及的时间范围将取决于模拟的目的。 1．拟合 模拟的第一种形式是样本内预测 (in-sample forecast)，也称为拟合(fitting)。内生变量在估计样本区间[1, T]内的预测值称为拟合值。把每一个内生变量的原始时间序列数据与模拟结果进行比较，就是一种很有用的检验模拟效果的方法。 令矩阵M为方差方程中常数项的系数矩阵，矩阵A为方差方程中ARCH项的系数矩阵，矩阵B为方差方程中GARCH项的系数矩阵（这三个矩阵都是对称矩阵，所以每个矩阵需要估计的系数个数为3×(3+1)/2=6个），方差方程可表示为： （12.2.71） 我们可以用矩阵的形式表示式（12.2.71）的方差估计结果。其中条件方差矩阵Ht为： 在下面部分统计结果中，以矩阵元素的形式给出常数项矩阵M；ARCH项的系数矩阵A，用A1表示；GARCH项的系数矩阵B，用B1表示，同时输出结果还描述了矩阵元素相应的统计量。 那么三个系数矩阵估计结果分别为 矩阵A中的各个元素表示了各变量的上一期残差的平方之间的相互影响关系，而矩阵B中的各个元素则表示了各变量的上期方差和协方差之间的相互影响关系。 写成方程形式，则条件方差方程为 （12.2.72） z = (5.92) (7.15) (84.52) （12.2.73） z = (4.55) (8.14) (79.06) （12.2.74） z = (5.59)