Loading...
墨滴

thomas

2021/04/09  阅读:22  主题:橙心

VAR模型与VEC视频

VAR模型及检验

上节回顾

时间序列数据的分析与处理 - 托马斯营的文章 - 知乎
股市时间序列数据的处理
ARIMA模型设定、检验与预测
股市面板数据的讨论

作业

使用美国利率与价格(GDP平减指数)

webuse rates2

做时间序列分析
1、试建立ARIMA模型分析,有什么问题?
2、建立VAR模型,试作分析,有什么结论?
3、两个模型有什么区别,什么情况使用ARIMA,什么情况使用VAR?

VAR模型基本原理


回归的前提是,变量是单一因果关系。即X--->Y或者反过来,Y-->X 但是,如果X-->Y,同时Y-->X,普通回归就有问题 这时候要采用新的模型,向量自回归VAR模型是主要模型之一。


webuse rates2 \\美国利率与gdp平减指数系统

首先使用arima模型(a,d,m,s) 用相关图ac确定自相关阶数和季节指数阶数 用偏相关图pac确定移动平均阶数和季节阶数 用ADF检验确定差分阶数 15分钟时间大家各自操作一次


但是,差分上遇到麻烦 采用多元时间模型——向量自回归var模型 在单变量回归中,一个平稳的时间序列经常被模型化为 AR 过程:

当遇到多个时间序列时,VAR模型结果更加稳健


一种方式是直接采取var模型。但是要注意,存在两个因变量。r与gdpdef都要选择上。

滞后两阶,显著。但是这个阶数是系统默认的。需要加以检验。


采用var模型检验(模型前),选择滞后10阶

可以发现,滞后六阶为最优。看AIC,HQIC,SBIC中的最小值。


重新var回归

这个式子可以得到平减指数方程和利率方程。不过重点不在方程。 重点在之后的格兰杰因果检验和脉冲响应函数。


评价var的结果:格兰杰因果检验 有了滞后六阶的var模型,就可以进行格兰杰因果检验了。

结果两个方程的结果上看,互为因果,但利率变动更可能是GDP平减指数的原因


评价VAR模型结果:脉冲响应分析 外生冲击

分析结束


本节回顾

本节课堂练习:使用rates2数据做Arima模型和var模型训练
1、Arima,借助自相关图和偏相关图识别自相关AR和移动平均MA的阶数
2、借助ADF检验识别差分阶数,然后回归。解释模型含义
3、VAR模型,(1)模型前检验识别模型阶数;(2)回归
4、格兰杰因果检验评价var结果
5、用脉冲响应分析评价结果


课后作业

选择VAR模型和协整检验模型对如下数据进行统计分析
(1)rates2数据
(2)股市数据

参考视频:
EG协整检验与误差修正模型

Johansen协整检验


thomas

2021/04/09  阅读:22  主题:橙心

作者介绍

thomas