基于MCMC的協(xié)整分析研究及其應(yīng)用.pdf

1、隨著時(shí)間序列相關(guān)技術(shù)日益廣泛的應(yīng)用，協(xié)整分析作為處理非平穩(wěn)時(shí)間序列的一種技術(shù)逐漸受到人們的重視，引發(fā)了深刻的理論研究，展現(xiàn)出了廣闊的應(yīng)用前景。 協(xié)整向量的估計(jì)以及協(xié)整的檢驗(yàn)是進(jìn)行協(xié)整分析的關(guān)鍵。目前常用的協(xié)整向量估計(jì)方法有最小二乘估計(jì)和極大似然估計(jì)，常用的協(xié)整檢驗(yàn)方法有EG兩步法、Johansen方法等。這些方法都必須以大量的觀測(cè)數(shù)據(jù)作為基礎(chǔ)。 本文在觀測(cè)數(shù)據(jù)量為小樣本的請(qǐng)況下，提出基于MCMC模擬的協(xié)整分析方法，該方法

2、在參數(shù)估計(jì)時(shí)可以充分利用樣本先驗(yàn)信息，在協(xié)整檢驗(yàn)時(shí)可以模擬出所需的統(tǒng)計(jì)量，為協(xié)整分析提供了較大的靈活性。 本文主要從以下幾個(gè)方面進(jìn)行研究： (1)討論了時(shí)間序列協(xié)整的一般概念和目前常用的研究方法，包括單位根過(guò)程、有單位根的向量自回歸、協(xié)整與誤差校正模型、協(xié)整向量的估計(jì)與檢驗(yàn)、協(xié)整向量已知時(shí)協(xié)整的檢驗(yàn)等。 (2)考慮到求解基于Johansen協(xié)整檢驗(yàn)中所需的特征根的情況比較復(fù)雜，本文選擇了基于MCMC抽樣的Baye

3、s方法來(lái)估計(jì)模型的特征根，然后分別用基于Johansen協(xié)整檢驗(yàn)的跡檢驗(yàn)和最大特征根檢驗(yàn)進(jìn)行協(xié)整關(guān)系的存在性檢驗(yàn)。該檢驗(yàn)結(jié)果與最后求出的在協(xié)整向量已知時(shí)的檢驗(yàn)結(jié)果一致，表明了此方法是可靠且有效的。 (3)針對(duì)線性協(xié)整方程，通過(guò)假設(shè)模型的隨機(jī)項(xiàng)為正態(tài)分布，我們可以得到協(xié)整向量的后驗(yàn)分布，從而可以采用基于MCMC抽樣的方法進(jìn)行協(xié)整向量的估計(jì)。由于在MCMC抽樣中使用了樣本信息，使得估計(jì)的結(jié)果較OLS估計(jì)結(jié)果更加可靠有效。在進(jìn)行協(xié)整向