計量經(jīng)濟(jì)學(xué)漫談

1、計量經(jīng)濟(jì)學(xué)漫談第1頁，共112頁，2022年，5月20日，16點38分，星期三一、數(shù)量經(jīng)濟(jì)學(xué)學(xué)科的定位兩種學(xué)科分類：中華人民共和國國家標(biāo)準(zhǔn)學(xué)科分類與代碼（GB/T13745-92，1993年7月1日）： 790.35數(shù)量經(jīng)濟(jì)學(xué)，包括 790.351 數(shù)理經(jīng)濟(jì)學(xué) 790.352計量經(jīng)濟(jì)學(xué) 790.353 數(shù)量經(jīng)濟(jì)學(xué)其他學(xué)科第2頁，共112頁，2022年，5月20日，16點38分，星期三國務(wù)院學(xué)位委員會、國家教育委員會授予博士、碩士學(xué)位和培養(yǎng)研究生的學(xué)科、專業(yè)目錄（1997年6月）： 02 經(jīng)濟(jì)學(xué)門類 0202 應(yīng)用經(jīng)濟(jì)學(xué)一級學(xué)科 020209 數(shù)量經(jīng)濟(jì)學(xué)二級學(xué)科應(yīng)用經(jīng)濟(jì)學(xué)中的學(xué)科，基本上都是按照

2、研究對象劃分的。按此類推，數(shù)量經(jīng)濟(jì)學(xué)應(yīng)該是研究經(jīng)濟(jì)數(shù)量分析理論與方法。第3頁，共112頁，2022年，5月20日，16點38分，星期三國際上的共識Mathematical Economics 屬于理論經(jīng)濟(jì)學(xué)的范疇，是最一般經(jīng)濟(jì)學(xué)理論的數(shù)學(xué)描述、證明和演繹；Econometrics屬于應(yīng)用經(jīng)濟(jì)學(xué)的范疇，檢驗和發(fā)現(xiàn)經(jīng)濟(jì)學(xué)理論的方法研究和應(yīng)用研究；Quantitative Economics很少用，講常用的經(jīng)濟(jì)數(shù)量分析方法。中國的數(shù)量經(jīng)濟(jì)學(xué)應(yīng)該是理論經(jīng)濟(jì)學(xué)和應(yīng)用經(jīng)濟(jì)學(xué)相結(jié)合的學(xué)科。第4頁，共112頁，2022年，5月20日，16點38分，星期三三、計量經(jīng)濟(jì)學(xué)研究的六大主要領(lǐng)域 1經(jīng)典計量經(jīng)濟(jì)學(xué) 2微

3、觀計量經(jīng)濟(jì)學(xué)（離散選擇模型與受限模型） 3面板數(shù)據(jù)模型 4金融時間序列模型（單位根檢驗、波動模型 、向量自回歸模型與向量誤差修正模型） 5非參數(shù)計量經(jīng)濟(jì)學(xué)模型 6估計方法（廣義矩估計，貝葉斯估計、分位數(shù)回歸技術(shù)、模擬與自舉技術(shù)）第5頁，共112頁，2022年，5月20日，16點38分，星期三二、經(jīng)典計量經(jīng)濟(jì)學(xué)經(jīng)典計量經(jīng)濟(jì)學(xué)(20世紀(jì)30年代至60年代) R.Frish創(chuàng)立 T.Haavelmo建立了它的概率論基礎(chǔ) 成為其理論與應(yīng)用的集大成者 30年代創(chuàng)立、40-50年代發(fā)展、60年代擴(kuò)張非經(jīng)典（現(xiàn)代）計量經(jīng)濟(jì)學(xué)（20世紀(jì)70年代以來） 微觀計量經(jīng)濟(jì)學(xué) 非參數(shù)計量經(jīng)濟(jì)學(xué) 動態(tài)時間序列計量經(jīng)濟(jì)學(xué)第

4、6頁，共112頁，2022年，5月20日，16點38分，星期三1. 經(jīng)典計量經(jīng)濟(jì)學(xué)Nobel獎獲得者對經(jīng)典計量經(jīng)濟(jì)學(xué)作出重大貢獻(xiàn)而獲得Nobel經(jīng)濟(jì)學(xué)獎的經(jīng)濟(jì)學(xué)家有6位。經(jīng)典計量經(jīng)濟(jì)學(xué)為經(jīng)濟(jì)學(xué)的發(fā)展作出了重大貢獻(xiàn)，許多在其它經(jīng)濟(jì)學(xué)領(lǐng)域獲得Nobel經(jīng)濟(jì)學(xué)獎的經(jīng)濟(jì)學(xué)家都成功地應(yīng)用了計量經(jīng)濟(jì)學(xué)理論方法。第7頁，共112頁，2022年，5月20日，16點38分，星期三The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel 1969 for having developed and applied dynamic

5、models for the analysis of economic processesRagnar FrischNorwayJan Tinbergen the Netherlands第8頁，共112頁，2022年，5月20日，16點38分，星期三The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel 1973 for the development of the input-output method and for its application to important economic probl

6、emsWassily Leontief USA第9頁，共112頁，2022年，5月20日，16點38分，星期三 The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel 1980 “ for the creation of econometric models and the application to the analysis of economic fluctuations and economic policiesLawrence R. Klein USA第10頁，共112頁，2022年，5月20日，

7、16點38分，星期三 The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel 1984 for having made fundamental contributions to the development of systems of national accounts and hence greatly improved the basis for empirical economic analysisRichard Stone Great Britain第11頁，共112頁，2022年，5月20日，1

8、6點38分，星期三The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel 1989 for his clarification of the probability theory foundations of econometrics and his analyses of simultaneous economic structuresTrygve HaavelmoNorway第12頁，共112頁，2022年，5月20日，16點38分，星期三經(jīng)典計量經(jīng)濟(jì)學(xué)創(chuàng)立建立第1個應(yīng)用模型建立概率論基礎(chǔ)發(fā)展數(shù)據(jù)基礎(chǔ)發(fā)

9、展應(yīng)用模型TinbergenFrischHaavelmoStoneKlein建立投入產(chǎn)出模型Leontief第13頁，共112頁，2022年，5月20日，16點38分，星期三其他第14頁，共112頁，2022年，5月20日，16點38分，星期三2. 微觀計量經(jīng)濟(jì)學(xué)2000年正式提出微觀計量經(jīng)濟(jì)學(xué)“對個人和家庭的經(jīng)濟(jì)行為進(jìn)行經(jīng)驗分析”“微觀計量經(jīng)濟(jì)學(xué)的原材料是微觀數(shù)據(jù)”微觀數(shù)據(jù)是通過調(diào)查得到的微觀數(shù)據(jù)的顯著增加使得微觀計量經(jīng)濟(jì)學(xué)得到發(fā)展和的基礎(chǔ)性貢獻(xiàn)第15頁，共112頁，2022年，5月20日，16點38分，星期三2000年以來關(guān)于微觀計量經(jīng)濟(jì)學(xué)的研究形成高潮 “Microeconometric

10、s” “Advanced Microeconometrics” “Applied Microeconometrics” “Topics in Microeconometrics” “Methods in Microeconometrics”最前沿的理論方法研究應(yīng)該是關(guān)于微觀計量經(jīng)濟(jì)學(xué)中的非參數(shù)和半?yún)?shù)方法第16頁，共112頁，2022年，5月20日，16點38分，星期三離散數(shù)據(jù)被解釋變量模型（Model with Discrete Dependent Variable） 離散選擇模型（Discrete Choice Model）一般離散選擇模型嵌套離散選擇模型(Nested)排序離散選擇模型(

11、Ordered) 計數(shù)數(shù)據(jù)模型（Model for Count Data）第17頁，共112頁，2022年，5月20日，16點38分，星期三受限數(shù)據(jù)被解釋變量模型(Model with Limited Dependent Variable) 選擇性樣本模型(Selective Samples Model)截斷（Truncation）刪失（Censored） 持續(xù)時間被解釋變量模型（Model for Duration Data）第18頁，共112頁，2022年，5月20日，16點38分，星期三The Bank of Sweden Prize in Economic Sciences in Me

12、mory of Alfred Nobel 2000 for his development of theory and methods for analyzing selective samples”James J Heckman USA第19頁，共112頁，2022年，5月20日，16點38分，星期三代表性獲獎?wù)撐摹癝hadow Prices, Market Wages and Labour Supply”, Econometrica 42 (4), 1974, P679-694 發(fā)現(xiàn)并提出“選擇性樣本”問題。 “Sample Selection Bias as a Specificatio

13、n Error”, Econometrica 47(1), 1979, P153-161 證明了偏誤的存在并提出了Heckman兩步修正法。 第20頁，共112頁，2022年，5月20日，16點38分，星期三The Bank of Sweden Prize in Economic Sciences inMemory of Alfred Nobel 2000 for his development of theory andmethods for analyzing discrete choiceDaniel L McFaddenUSA第21頁，共112頁，2022年，5月20日，16點38分，

14、星期三代表性獲獎?wù)撐摹癈onditional Logit Analysis of Qualitative Chioce Behavior”, Frontiers of Econometrics, Academic Press.1974 經(jīng)濟(jì)理論與計量經(jīng)濟(jì)方法的結(jié)合“The Measurement of Urban Travel Demand”, Journal of Public Economics 3, 1974，P303-328 離散選擇模型的成功應(yīng)用第22頁，共112頁，2022年，5月20日，16點38分，星期三離散選擇模型與受限模型 注: 隨著市場經(jīng)濟(jì)體制的深化和完善，這種模型的用途

15、將越來越廣泛。 第23頁，共112頁，2022年，5月20日，16點38分，星期三Tobit 模型（離散選擇模型）第24頁，共112頁，2022年，5月20日，16點38分，星期三 Logit模型、Probit模型（離散選擇模型） 第25頁，共112頁，2022年，5月20日，16點38分，星期三Logit模型、Probit模型（離散選擇模型） 案例：某市農(nóng)戶勞動力的非農(nóng)業(yè)就業(yè)模型（750戶）。教育程度對勞動力的非農(nóng)業(yè)就業(yè)傾向有著非常明顯的作用Logit 模型估計值與擬合值散點圖 Logit 模型估計值與潛在變量散點圖第26頁，共112頁，2022年，5月20日，16點38分，星期三刪失模型（

16、censored regression model）。把小于刪失點或（和）大于刪失點的數(shù)值用該點數(shù)值替代的模型。截尾模型（truncated regression model）。應(yīng)用于某個截尾點之上或之下的觀測值數(shù)據(jù)得不到或故意舍棄的一種回歸模型。計數(shù)模型（count model）。當(dāng)被解釋變量表示次數(shù)時，離散模型就變成了計數(shù)模型。有序響應(yīng)模型（ordered response model）。當(dāng)相互排斥的定性分類有一個正常的順序時，可用有序響應(yīng)模型描述。有序響應(yīng)模型與計數(shù)模型有些類似，但又不同。有序響應(yīng)數(shù)據(jù)沒有自然的數(shù)值。受限被解釋變量模型 第27頁，共112頁，2022年，5月20日，16點

17、38分，星期三ER-POLI1：選擇浮動匯率制度ER-POLI2：有管理的浮動匯率制度ER-POLI3：中間匯率制度ER-POLI4：傳統(tǒng)釘住匯率制度ER-POLI5：超級固定匯率制度案例：匯率制度選擇問題研究（有序選擇probit模型） 解釋變量：lngdp：對數(shù)的經(jīng)濟(jì)規(guī)模（gdp：10億美元）doll：貨幣流動性（%）capo：實際資本開放程度（%）mv5cpi：歷史通貨膨脹情況（%）liec：選舉競爭力立法指數(shù)2001年62個國家的樣本。左側(cè)第一條豎線對應(yīng)的是土耳其，由圖可知該國選擇浮動匯率制度的概率最大；第二條豎線對應(yīng)的是巴拉圭，其對應(yīng)第三種匯率制度（中間匯率制度）的概率最大；第三條豎

18、線對應(yīng)的是葡萄牙，因為其對應(yīng)的第5個概率值最大，所以它選擇超級固定匯率制度。 第28頁，共112頁，2022年，5月20日，16點38分，星期三3、面板數(shù)據(jù)模型 （Panel Data Model) 4類模型經(jīng)典模型變截踞模型：固定影響、隨機(jī)影響變系數(shù)模型：固定影響、隨機(jī)影響動態(tài)模型：固定影響、隨機(jī)影響 研究重點檢驗方法估計方法第29頁，共112頁，2022年，5月20日，16點38分，星期三第30頁，共112頁，2022年，5月20日，16點38分，星期三 面板數(shù)據(jù)示意圖 面板數(shù)據(jù)散點圖 第31頁，共112頁，2022年，5月20日，16點38分，星期三混合回歸模型（Pooled model

19、） 如果一個面板數(shù)據(jù)模型定義為， yit = + Xit +it, i = 1, 2, , N; t = 1, 2, , T 其中yit為被回歸變量（標(biāo)量），表示截距項，Xit為k 1階回歸變量列向量（包括k個回歸量），為k 1階回歸系數(shù)列向量，it為誤差項（標(biāo)量）。則稱此模型為混合回歸模型?；旌匣貧w模型的特點是無論對任何個體和截面，回歸系數(shù)和都相同。第32頁，共112頁，2022年，5月20日，16點38分，星期三個體固定效應(yīng)回歸模型（entity fixed effects model） 如果一個面板數(shù)據(jù)模型定義為，yit = i + Xit +it, i = 1, 2, , N; t =

20、 1, 2, , T 其中i是隨機(jī)變量，表示對于i個個體有i個不同的截距項，且其變化與Xit有關(guān)系；yit為被回歸變量（標(biāo)量），it為誤差項（標(biāo)量），Xit為k 1階回歸變量列向量（包括k個回歸量），為k 1階回歸系數(shù)列向量，對于不同個體回歸系數(shù)相同，則稱此模型為個體固定效應(yīng)回歸模型。第33頁，共112頁，2022年，5月20日，16點38分，星期三個體隨機(jī)效應(yīng)回歸模型（entity random effects model） 對于面板數(shù)據(jù)模型 yit = i + Xit +it, i = 1, 2, , N; t = 1, 2, , T 如果i為隨機(jī)變量，其分布與Xit無關(guān)；yit為被回歸變

21、量（標(biāo)量），it為誤差項（標(biāo)量），Xit為k 1階回歸變量列向量（包括k個回歸量），為k 1階回歸系數(shù)列向量，對于不同個體回歸系數(shù)相同，這種模型稱為個體隨機(jī)效應(yīng)回歸模型（隨機(jī)截距模型、隨機(jī)分量模型）。第34頁，共112頁，2022年，5月20日，16點38分，星期三面板數(shù)據(jù)模型估計方法混合最小二乘（Pooled OLS）估計 （適用于混合模型）平均數(shù)（between）OLS估計 （適用于混合模型和個體隨機(jī)效應(yīng)模型）離差變換（within）OLS估計 （適用于個體固定效應(yīng)回歸模型）一階差分（first difference）OLS估計 （適用于個體固定效應(yīng)模型）可行GLS（feasible GL

22、S）估計 （適用于隨機(jī)效應(yīng)模型）第35頁，共112頁，2022年，5月20日，16點38分，星期三面板數(shù)據(jù)模型的檢驗方法 F 檢驗H0：i =。模型中不同個體的截距相同 （真實模型為混合回歸模型）。H1：模型中不同個體的截距項i不同 （真實模型為個體固定效應(yīng)回歸模型）。F 統(tǒng)計量定義為： F = F( m , T k )F 臨界值，推翻原假設(shè)，F(xiàn) 臨界值，建立個體固定效應(yīng)； H 臨界值，建立個體隨機(jī)效應(yīng)回歸模型。面板數(shù)據(jù)模型的檢驗方法 第37頁，共112頁，2022年，5月20日，16點38分，星期三案例：全國城鎮(zhèn)居民人均食品支出與 收入面板數(shù)據(jù)研究 19852005年（21年）全國28個省級

23、地區(qū)（不包括西藏、新疆和重慶市）城鎮(zhèn)居民人均食品支出與收入588組觀測值散點圖 第38頁，共112頁，2022年，5月20日，16點38分，星期三首先通過散點圖確定模型形式。首先嘗試建立半對數(shù)模型。散點圖顯示，建立半對數(shù)模型并不合理。案例：全國城鎮(zhèn)居民人均食品支出與 收入面板數(shù)據(jù)研究 第39頁，共112頁，2022年，5月20日，16點38分，星期三案例：全國城鎮(zhèn)居民人均食品支出與 收入面板數(shù)據(jù)研究 嘗試建立全對數(shù)模型，異方差得到克服。但是可以看出，log(Food)和log(income)的關(guān)系仍然是非線性的。 進(jìn)一步觀察散點圖，log(Food)和log(log(income) )存在滿意

24、的線性關(guān)系，同時，不存在異方差。所以討論建立面板數(shù)據(jù)模型時，應(yīng)該建立關(guān)于log(Food)和log(log(income) ) 的面板數(shù)據(jù)模型。 第40頁，共112頁，2022年，5月20日，16點38分，星期三案例：全國城鎮(zhèn)居民人均食品支出與 收入面板數(shù)據(jù)研究 倒數(shù)擬合 2次多項式擬合 log(Food)和log(income)的混合數(shù)據(jù)散點圖 log(Food)和log(log(income) )的散點圖第41頁，共112頁，2022年，5月20日，16點38分，星期三用個體固定效應(yīng)回歸模型的估計結(jié)果如下： logfood = - 5.5151 + 6.0645 log(logincome

25、) （-90.1） （206.3） R2 = 0.989，DW= 0.43，NT= 2821 = 588案例：全國城鎮(zhèn)居民人均食品支出與 收入面板數(shù)據(jù)研究 F 檢驗結(jié)果顯示混合模型與個體固定效應(yīng)模型相比較，應(yīng)該建立個體固定效應(yīng)模型。第42頁，共112頁，2022年，5月20日，16點38分，星期三案例：全國城鎮(zhèn)居民人均食品支出與 收入面板數(shù)據(jù)研究 Hausman 檢驗結(jié)果顯示個體隨機(jī)效應(yīng)模型與個體固定效應(yīng)模型相比較，應(yīng)該建立個體固定效應(yīng)模型。第43頁，共112頁，2022年，5月20日，16點38分，星期三建立帶有兩個誤差自回歸項的個體固定效應(yīng)模型如下：第44頁，共112頁，2022年，5月2

26、0日，16點38分，星期三 安徽省城鎮(zhèn)人均食品支出的樣本內(nèi)靜態(tài)預(yù)測結(jié)果 北京市人均食品支出的樣本內(nèi)靜態(tài)預(yù)測結(jié)果 案例：全國城鎮(zhèn)居民人均食品支出與 收入面板數(shù)據(jù)研究 第45頁，共112頁，2022年，5月20日，16點38分，星期三面板數(shù)據(jù)的單位根檢驗（相同根情形） 1Quah檢驗（1990）2LL（Levin-Lin）檢驗（1992） 3LLC（Levin-Lin-Chu）檢驗（2002）4Breitung檢驗（2002）5Hadri檢驗6Abuaf-Jorion檢驗（1990），Jorion-Sweeney檢驗（1996）7Bai-Ng檢驗（2001），Moon-Perron檢驗（2002）

27、8IPS（Im-Pesaran-Shin）檢驗（1997,2002）第46頁，共112頁，2022年，5月20日，16點38分，星期三面板數(shù)據(jù)的單位根檢驗（不同根情形） 9MW（Maddala-Wu）檢驗（1997）10崔仁（In Choi）檢驗（2001）11Vanessa（Vanessa et al.）檢驗（2004）12Taylor-Sarno檢驗（1998）面板數(shù)據(jù)的協(xié)積（協(xié)整）檢驗Pedroni 協(xié)積檢驗：以Engle-Granger協(xié)積檢驗方法為基礎(chǔ)構(gòu)造檢驗統(tǒng)計量，標(biāo)準(zhǔn)化以后漸近服從標(biāo)準(zhǔn)正態(tài)分布。（1999, 2004）Kao協(xié)積檢驗：以Engle-Granger協(xié)積檢驗方法為基礎(chǔ)

28、構(gòu)造檢驗統(tǒng)計量，標(biāo)準(zhǔn)化以后漸近服從標(biāo)準(zhǔn)正態(tài)分布。（1999）Fisher 個體聯(lián)合協(xié)積檢驗（combined individual test）：用個體的協(xié)積檢驗值構(gòu)造一個服從2分布的累加統(tǒng)計量檢驗面板數(shù)據(jù)的協(xié)積性。(Maddala and Wu 1999)第47頁，共112頁，2022年，5月20日，16點38分，星期三4. 金融時間序列計量經(jīng)濟(jì)學(xué)現(xiàn)代宏觀計量經(jīng)濟(jì)學(xué)的主要研究方向金融計量經(jīng)濟(jì)學(xué)的主要研究方向Engle、Granger、Hendry作出了最杰出的貢獻(xiàn)第48頁，共112頁，2022年，5月20日，16點38分，星期三現(xiàn)代宏觀計量經(jīng)濟(jì)學(xué)的主要研究方向宏觀計量經(jīng)濟(jì)學(xué)名稱由來已久，主要內(nèi)

29、容和研究方向發(fā)生了變化經(jīng)典的宏觀計量經(jīng)濟(jì)學(xué)宏觀計量經(jīng)濟(jì)學(xué)模型理論現(xiàn)代宏觀計量經(jīng)濟(jì)學(xué)的主要研究方向單位根檢驗、協(xié)整理論以及動態(tài)計量經(jīng)濟(jì)學(xué)2001Journal of Econometrics100期紀(jì)念專輯 C.W.Granger“MacroeconometricsPast and Future” J.H.Stock“Macroeconometrics”宏觀計量經(jīng)濟(jì)學(xué)的前沿研究方向結(jié)構(gòu)變化的單位根和協(xié)整理論第49頁，共112頁，2022年，5月20日，16點38分，星期三金融計量經(jīng)濟(jì)學(xué)的主要研究方向計量經(jīng)濟(jì)學(xué)的一個相對獨立的分支。數(shù)據(jù)的充分性和可得性，提供了發(fā)展理論方法的條件。金融市場時間序列數(shù)

30、據(jù)的特殊性，為理論方法的發(fā)展提出了迫切需要。金融市場分析的重要性，使得理論方法得到廣泛的應(yīng)用。第50頁，共112頁，2022年，5月20日，16點38分，星期三1. 單位根檢驗Peter C B Phillips 第51頁，共112頁，2022年，5月20日，16點38分，星期三四種典型的隨機(jī)過程 隨機(jī)游走過程（含單位根） 趨勢（退勢）平穩(wěn)過程（不含單位根） yt = yt-1 + ut yt = 0 + t + yt-1 + vt 隨機(jī)趨勢過程（含單位根） 趨勢非平穩(wěn)過程（含單位根）yt = 0 + yt-1 + ut yt = 0 + t + yt-1 + ut第52頁，共112頁，202

31、2年，5月20日，16點38分，星期三 DF（Dickey-Fuller）、ADF（Augmented-Dickey-Fuller）檢驗。 最常用的一種單位根檢驗方法。檢驗式有3種第53頁，共112頁，2022年，5月20日，16點38分，星期三對應(yīng)三個檢驗式的DF統(tǒng)計量的極限分布第54頁，共112頁，2022年，5月20日，16點38分，星期三三個檢驗式對應(yīng)的DF統(tǒng)計量分布的蒙特卡羅模擬T=100，ut IID(0, 1) 模擬10000次 第55頁，共112頁，2022年，5月20日，16點38分，星期三DF、ADF單位根檢驗原理 原假設(shè)是yt含有單位根。DF、ADF檢驗屬左單端檢驗。依據(jù)

32、序列圖，先用確定性成分多的檢驗式，少的次之，無確定性成分的再次之。 第56頁，共112頁，2022年，5月20日，16點38分，星期三案例：421天的深證成指序列的單位根檢驗Dszindext = 9.3279 - 0.0154 szindext-1 (2.6) (-2.6)* DW = 1 .9, T = 420t( ) = 2.6 2.8（5%水平臨界值），序列無趨勢項。DF = -2.6 -2.9（5%水平臨界值），序列有單位根。第57頁，共112頁，2022年，5月20日，16點38分，星期三 Dickey-Fuller 的F檢驗結(jié)果如下。 H0: c = = 0， F =3.56 0

33、 和 = ， 0 第75頁，共112頁，2022年，5月20日，16點38分，星期三案例：2005年8月302007年4月30日407天人民幣元兌美元序列的門限模型 第76頁，共112頁，2022年，5月20日，16點38分，星期三對應(yīng)的TAR模型估計結(jié)果是：序列存在門限特征。當(dāng)系統(tǒng)接受小于-0.39的沖擊時（即DUSt 減小，人民幣較大幅度升值時），自回歸系數(shù)為正，相對于接受大于門限值的沖擊時，序列將保持更長的衰減時間。這正好與我國本階段人民升值的特征相吻合。第77頁，共112頁，2022年，5月20日，16點38分，星期三X-12-ARIMA季節(jié)調(diào)整方法 中國月度商業(yè)零售額（sales,

34、1993:12004:11） X-12-ARIMA季節(jié)調(diào)整序列 第78頁，共112頁，2022年，5月20日，16點38分，星期三乘法模型：Y = T S C I 加拿大月人口出生數(shù)（y, 1973:11983:12） 趨勢循環(huán)分量（TC） 季節(jié)分量（S） 不規(guī)則分量（IR）第79頁，共112頁，2022年，5月20日，16點38分，星期三波動模型 第80頁，共112頁，2022年，5月20日，16點38分，星期三序列的特征是“波動集群”、分布是“高峰厚尾” 日元兌美元匯率差分序列（收益）D(JPY) 高峰厚尾分布特征示意圖 高峰厚尾分布曲線 正態(tài)分布曲線 ARCH，GARCH模型可以預(yù)測被解

35、釋變量的方差。對于金融時間序列預(yù)測的是風(fēng)險。建立ARCH，GARCH模型可以提高均值方程參數(shù)估計的有效性。第81頁，共112頁，2022年，5月20日，16點38分，星期三（2）GARCH模型（1）ARCH模型 xt = 0 + 1 xt -1 + 2 xt -2 + + p xt - p + ut t2 = 0 + 1 ut 1 2 + 1 t -12 第82頁，共112頁，2022年，5月20日，16點38分，星期三TARCH模型對于利好和利壞消息反應(yīng)是不一樣的 （3）TGARCH模型 （4）ABSGARCH /ARCH模型t2 = 0 + 1 ut 1 2 + ut 1 2 dt 1 +

36、 1 t -12 其中第83頁，共112頁，2022年，5月20日，16點38分，星期三另一種保證方差為正的模型形式是指數(shù)GARCH（exponential GARCH），記為EGARCH（Nelson 1991年提出）。其形式是（5）EGARCH模型第84頁，共112頁，2022年，5月20日，16點38分，星期三（6）GARCH-M，ABSGARCH-M和EGARCH-M模型把波動項引入相對應(yīng)的均值方程中 （7）FIGARCH模型 d 0.5時，F(xiàn)IEGARCH具有二階平穩(wěn)性和可逆性。此模型既具有EGARCH模型特點。負(fù)沖擊似乎比正沖擊更容易增加波動，又具有長記憶性 Ln(t2) = +

37、(L)-1 (1- L) - d 1+(L) f (ut-1) f(ut) = ut+ ut -E ut Ef(ut) = 0第85頁，共112頁，2022年，5月20日，16點38分，星期三案例：日元兌美元匯率的建模研究 日元兌美元匯率值（1427個）序列（JPY）見圖。極小值為81.12日元，極大值為147.14日元。其均值為112.93日元，標(biāo)準(zhǔn)差是13.3日元。1995年4月曾一度達(dá)到81.12日元兌1美元。 JPY的差分序列D(JPY)表示收益。用D(JPY)建立時間序列模型。 日元兌美元匯率（JPY）時間序列 DJPY時間序列第86頁，共112頁，2022年，5月20日，16點38

38、分，星期三通過相關(guān)圖與偏相關(guān)圖分析，應(yīng)該建立一個AR(3)模型。 第87頁，共112頁，2022年，5月20日，16點38分，星期三均值方程：ARCH (7)方程 第88頁，共112頁，2022年，5月20日，16點38分，星期三 ARCH (7) 模型的滯后項太多，應(yīng)該嘗試建立GARCH(1,1)模型均值方程：GARCH(1,1)方程：第89頁，共112頁，2022年，5月20日，16點38分，星期三均值方程： 試做均值GARCH模型。結(jié)果顯示沒有必要建立 GARCH-M(1,1)模型 通過建立TARCH 模型考察新息沖擊曲線的對稱性TARCH方程估計結(jié)果 因為ut 1 2 dt 1項的系數(shù)

39、沒有顯著性，所以GARCH 模型中不存在新息沖擊曲線的非對稱性。第90頁，共112頁，2022年，5月20日，16點38分，星期三 通過EARCH 模型考察新息沖擊曲線的對稱性。結(jié)果顯示不存在明顯的杠桿效應(yīng)。 均值方程配以GARCH(1,1)模型是最合理的。均值方程殘差與GARCH(1,1)方程殘差-5 的比較 第91頁，共112頁，2022年，5月20日，16點38分，星期三隨機(jī)波動模型 SV（隨機(jī)波動）模型。典型的隨機(jī)波動（SV）模型表示為其中ut是一個鞅差分過程，ut iid(0,1)。ut，ht相互獨立。ut和vt可以是同期相關(guān)的。vt iid(0, v2)。是常數(shù)，表示平均波動水平。

40、 如果ut服從正態(tài)分布，SV模型稱作正態(tài)SV模型。如果ut服從t分布，SV模型稱作t-SV模型。如果ut服從廣義誤差分布，SV模型稱作GED-SV模型。此外，還有有偏GED-SV模型，和長記憶SV模型。 此模型常用來描述金融理論中資產(chǎn)定價的擴(kuò)散過程。第92頁，共112頁，2022年，5月20日，16點38分，星期三ACD和SCD模型第93頁，共112頁，2022年，5月20日，16點38分，星期三4 VAR與VEC模型 第94頁，共112頁，2022年，5月20日，16點38分，星期三向量自回歸（VAR）模型定義第95頁，共112頁，2022年，5月20日，16點38分，星期三案例1：上海證券

41、交易所上證指數(shù)和股票交易 總成交量關(guān)系研究（file: 2120061741-shan） 上海證券交易所上證指數(shù)和股票交易總成交量序列圖 第96頁，共112頁，2022年，5月20日，16點38分，星期三VAR的預(yù)測非常準(zhǔn)確6期VAR的預(yù)測結(jié)果第97頁，共112頁，2022年，5月20日，16點38分，星期三VAR的平穩(wěn)性分析 2期VAR的特征根 6期VAR的特征根VAR模型穩(wěn)定的一種判別條件是，特征方程 | 1 - I | = 0的根都必須在單位圓以內(nèi)。第98頁，共112頁，2022年，5月20日，16點38分，星期三檢驗結(jié)果如下：Granger非因果性檢驗 （當(dāng)概率小于0.05時，表示推翻

42、原假設(shè)）其中滯后20期的輸出結(jié)果: 第99頁，共112頁，2022年，5月20日，16點38分，星期三VAR的脈沖響應(yīng)分析DLOG(SHP) 和 DLOG(SHQ) VAR(3)的脈沖相應(yīng) 第100頁，共112頁，2022年，5月20日，16點38分，星期三VAR的方差分解DLOG(SHP) 和 DLOG(SHQ) VAR(3)的方差分解 第101頁，共112頁，2022年，5月20日，16點38分，星期三VAR的協(xié)積檢驗第102頁，共112頁，2022年，5月20日，16點38分，星期三向量誤差修正模型（VEC模型）VAR(2)基礎(chǔ)上的VEC模型 VAR(6)基礎(chǔ)上的VEC模型第103頁，共112頁，2022年，5月20日，16點38分，星期三5. 非參數(shù)計量經(jīng)濟(jì)學(xué)參數(shù)模型與非參數(shù)模型。 完全非參數(shù)模型與半?yún)?shù)模型。單方程模型和聯(lián)立方程模型。隨機(jī)設(shè)定模型和固定設(shè)定模型。非參數(shù)模型的三大類估計方法