《当代计量经济模型体系-张晓桐.pptx》由会员分享，可在线阅读，更多相关《当代计量经济模型体系-张晓桐.pptx（84页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、当当代代计计量量经经济济模模型型体体系系 （模拟（模拟4万次）万次）0100200300400500600700800-5.0-2.50.02.5Series: DRIFTSample 1 10000Observations 10000Mean 0.000423Median -0.028121Maximum 4.278126Minimum -4.938927Std. Dev. 1.713000Skewness -0.002115Kurtosis 1.846687Jarque-Bera 554.2285Probability 0.000000-6-4-202460.050.10.150.2案例：
2、案例：421天的深证成指序列的单位根检验天的深证成指序列的单位根检验35040045050055060065070050100150200250300350400SZINDEX案例：案例：421天的深证成指序列的单位根检验天的深证成指序列的单位根检验案例：案例：421天的深证成指序列的单位根检验天的深证成指序列的单位根检验结构突变序列的单位根检验结构突变序列的单位根检验案例：人民币元兑美元汇率序列的单位根检验案例：人民币元兑美元汇率序列的单位根检验案例：人民币元兑美元汇率序列的单位根检验案例：人民币元兑美元汇率序列的单位根检验-.2-.1.0.1.25678919911992199319941
3、9951996R esidualA ctualF itted2. .线性时间序列模型线性时间序列模型 regARIMA模型模型建立建立ARIMA、SARIMA模型流程图模型流程图 1 识别识别 用相关图和偏相关图用相关图和偏相关图识别模型形式（确定参数识别模型形式（确定参数 d, p, q） 2 估计估计 对初步选取的模型进行参数估计对初步选取的模型进行参数估计 3 诊断与检验诊断与检验 包括参数的显著性检验和残差的随机性检验包括参数的显著性检验和残差的随机性检验 模型可取吗模型可取吗 止止 不可取不可取 可取可取 George Box 0200400600800100078798081828
4、3848586878889Y4.55.05.56.06.57.0787980818283848586878889LNY 月度数据（月度数据（y yt t，单位：亿元）曲线图，单位：亿元）曲线图 对数的月度数据（对数的月度数据（LnyLnyt t）曲线图）曲线图 12 Lnyt的相关图（下）和偏相关图（上）的相关图（下）和偏相关图（上） X-13AS、NBS-SA季节调整方法季节调整方法 乘法模型：乘法模型：Y = T S C I 加拿大月人口出生数（加拿大月人口出生数（y, 1973:1 1983:12） 趋势循环分量（趋势循环分量（TC） 26000270002800029000300003
5、10003200033000340007374757677787980818283Y280002900030000310007374757677787980818283MA12NN0.880.920.961.001.041.087374757677787980818283SF0.920.940.960.981.001.021.041.067374757677787980818283IRREGUF案例：案例：2005年年8月月30 2007年年4月月30日日407天人民币元兑美元序列的门限模型天人民币元兑美元序列的门限模型 序列的特征是序列的特征是“波动集群波动集群”、分布是、分布是“高峰厚尾高
6、峰厚尾” -8-6-4-20246200400600800100012001400D(JPY) (1995-2000)日元兑美元汇率差分序列（收益）日元兑美元汇率差分序列（收益）D(JPY) 高峰厚尾分布特征示意图高峰厚尾分布特征示意图 高峰厚尾高峰厚尾分布曲线分布曲线 正态正态分布曲线分布曲线 ARCH，GARCH模型可以预测被解释变量的方差。对于金融时间模型可以预测被解释变量的方差。对于金融时间序列预测的是风险。序列预测的是风险。建立建立ARCH，GARCH模型可以提高均值方程参数估计的有效性。模型可以提高均值方程参数估计的有效性。案例：日元兑美元汇率的建模研究案例：日元兑美元汇率的建模研
7、究 1995.1-2000.8日元兑美元汇率值（日元兑美元汇率值（1427个）序列（个）序列（JPY）见图。极小值）见图。极小值为为81.12日元，极大值为日元，极大值为147.14日元。其均值为日元。其均值为112.93日元，标准差是日元，标准差是13.3日元。日元。1995年年4月曾一度达到月曾一度达到81.12日元兑日元兑1美元。美元。 JPY的差分序列的差分序列D(JPY)表示收益。用表示收益。用D(JPY)建立时间序列模型。建立时间序列模型。80100120140160200400600800100012001400JPY (1995-2000)-8-6-4-202462004006
8、00800100012001400D(JPY) (1995-2000) 日元兑美元汇率（日元兑美元汇率（JPY）时间序列）时间序列 DJPY时间序列时间序列均值方程的估计式均值方程的估计式ARCH 模型的选择模型的选择0102030405060-12-8-404812u(t-1)sigma2随机波动模型随机波动模型 4波动模型波动模型ACD和和SCD模型模型 向量自回归（向量自回归（VAR）模型定义）模型定义案例案例1：上海证券交易所上证指数和股票交易上海证券交易所上证指数和股票交易 总成交量关系研究总成交量关系研究（file: 2120061741-shan） 上海证券交易所上证指数和股票交
9、易总成交量序列图上海证券交易所上证指数和股票交易总成交量序列图7.27.47.67.88.08.28.43.03.54.04.55.05.5255075100125150175200225LOG(SHP)LOG(SHQ)VAR的预测非常准确的预测非常准确6期期VAR的预测结果的预测结果1,5002,0002,5003,0003,5004,0004,500255075100125150175200225SHPSHP (Baseline)04080120160200240255075100125150175200225SHQSHQ (Baseline)-1.5-1.0-0.50.00.51.01.
10、5-1.5-1.0-0.50.00.51.01.5Inverse Roots of AR Characteristic Polynomial-1.5-1.0-0.50.00.51.01.5-1.5-1.0-0.50.00.51.01.5Inverse Roots of AR Characteristic Polynomial 2期期VAR的特征根的特征根 6期期VAR的特征根的特征根VAR模型稳定的一种判别条件是，特征方程模型稳定的一种判别条件是，特征方程 | 1 - I | = 0的根都必须在单位圆以内。的根都必须在单位圆以内。检验结果如下：检验结果如下： （当概率小于（当概率小于0.05时
11、，表示推翻原假设）时，表示推翻原假设）其中滞后其中滞后2020期的输出结果期的输出结果:DLOG(SHP) 和和 DLOG(SHQ) VAR(3)的脉冲相应的脉冲相应-.005.000.005.010.015.02012345678910DLOG(SHP)DLOG(SHQ)Response of DLOG(SHP) to CholeskyOne S.D. Innovations-.05.00.05.10.1512345678910DLOG(SHP)DLOG(SHQ)Response of DLOG(SHQ) to CholeskyOne S.D. InnovationsDLOG(SHP) 和和
12、 DLOG(SHQ) VAR(3)的方差分解的方差分解02040608010012345678910DLOG(SHP)DLOG(SHQ)Variance Decomposition of DLOG(SHP)02040608010012345678910DLOG(SHP)DLOG(SHQ)Variance Decomposition of DLOG(SHQ)VAR的协积检验的协积检验向量误差修正模型向量误差修正模型（VEC模型模型）VAR(2)基础上的基础上的VEC模型模型-120-80-4004080120160-20-15-10-5051015DBSHDASH-120-80-40040801
13、20160-20-15-10-5051015DASHDASHFDASHF25DASHF50DASHF75DBSH 面板数据示意图面板数据示意图 面板数据散点图面板数据散点图010002000300040005000040008000120001600020000INCOMEFOOD 萧政萧政面板数据模型估计方法面板数据模型估计方法面板数据模型的检验方法面板数据模型的检验方法 Hausman检验检验 H0: 个体随机效应回归模型个体随机效应回归模型 H1: 个体固定效应回归模型个体固定效应回归模型 H 临界值，建立个体固定效应；临界值，建立个体固定效应； H 临界值，建立个体随机效应回归模型。临
14、界值，建立个体随机效应回归模型。面板数据模型的检验方法面板数据模型的检验方法 面板数据的单位根检验（相同根情形）面板数据的单位根检验（相同根情形） 1Quah检验（检验（1990）2LL（Levin-Lin）检验（）检验（1992） 3LLC（Levin-Lin-Chu）检验（）检验（2002）4Breitung检验（检验（2002）5Hadri检验检验6Abuaf-Jorion检验（检验（1990），），Jorion-Sweeney检验（检验（1996）7Bai-Ng检验（检验（2001），），Moon-Perron检验（检验（2002）8IPS（Im-Pesaran-Shin）检验（）检验
15、（1997,2002）面板数据的单位根检验（不同根情形）面板数据的单位根检验（不同根情形） 9MW（Maddala-Wu）检验（）检验（1997）10崔仁（崔仁（In Choi）检验（）检验（2001）11Vanessa（Vanessa et al.）检验（）检验（2004）12Taylor-Sarno检验（检验（1998）面板数据的协积（协整）检验面板数据的协积（协整）检验Pedroni 协积检验：协积检验：以以Engle-Granger协积检验方法为基础构造检验统协积检验方法为基础构造检验统计量，标准化以后渐近服从标准正态分布。（计量，标准化以后渐近服从标准正态分布。（1999, 2004
16、）Kao协积检验：协积检验：以以Engle-Granger协积检验方法为基础构造检验统计量，协积检验方法为基础构造检验统计量，标准化以后渐近服从标准正态分布。（标准化以后渐近服从标准正态分布。（1999）Fisher 个体联合协积检验个体联合协积检验（combined individual test）：用个体的协积）：用个体的协积检验值构造一个服从检验值构造一个服从 2分布的累加统计量检验面板数据的协积性。分布的累加统计量检验面板数据的协积性。(Maddala and Wu 1999) -4-202400.20.40.60.8105101520253000.20.40.60.81 Logit模
17、型、模型、Probit模型模型案例：天津市农户劳动力的非农业就业模型（案例：天津市农户劳动力的非农业就业模型（750户）。户）。教育程度教育程度对劳动力的非农业就业倾向有着非常明显的作用对劳动力的非农业就业倾向有着非常明显的作用Logit 模型估计值与拟合值散点图模型估计值与拟合值散点图 Logit 模型估计值与潜在变量散点图模型估计值与潜在变量散点图0.00.20.40.60.81.0-0.20.00.20.40.60.81.01.21.41.61.8YHATYF0.00.20.40.60.81.0-4-2024681012YFLATENTYF0.00.20.40.60.81.0101214
18、1618202224I_QUALITY_0QUALITY_1_0QUALITY_2_0QUALITY_3_00.00.20.40.60.81.01.21012141618202224I_QUALITY_0QUALITY_1_0QUALITY_1_0+QUALITY_2_0QUALITY_1_0+QUALITY_2_0+QUALITY_3_00123456789-0.6 -0.4 -0.20.00.20.40.60.81.01.21.4B1F1B1F2B1F3012345678-0.8-0.40.00.40.81.21.62.0B1F1B1F2B1F3B1F4XT=20T=50T=100T=100024681012140.80.91.01.11.21.31.41.51.6beta11beta12beta13结束，谢谢结束，谢谢.