当前位置：文档之家 › 金融计量学,唐勇,课件

金融计量学,唐勇,课件

  • 格式：ppt
  • 大小：4.16 MB
  • 文档页数：40

下载文档原格式

  / 40

合集下载

精品课件-国际金融(唐学学)-第3章

精品课件-国际金融(唐学学)-第3章

第三章 汇率制度及人民币汇率制度改革
第三章 汇率制度及人民币汇率制度改革
中国人民银行将根据市场发育状况和经济金融形势，适时 调整汇率浮动区间。同时，中国人民银行负责根据国内外经济 金融形势，以市场供求为基础，参考篮子货币汇率变动，对人 民币汇率进行管理和调节，维护人民币汇率的正常浮动，保持 人民币汇率在合理、均衡水平上的基本稳定，促进国际收支基 本平衡，维护宏观经济和金融市场的稳定。
一、自2005年7月21日起，我国开始实行以市场供求为基 础、参考一篮子货币进行调节、有管理的浮动汇率制度。人民 币汇率不再钉住单一美元，形成更富弹性的人民币汇率机制。
第三章 汇率制度及人民币汇率制度改革
二、中国人民银行于每个工作日闭市后公布当日银行间外 汇市场美元等交易货币对人民币汇率的收盘价，作为下一个工 作日该货币对人民币交易的中间价格。
第三章 汇率制度及人民币汇率制度改革 第三章 汇率制度及人民币汇率制度改革
第一节 汇率制度及其选择 第二节 中国的外汇管理与人民币汇率制度
第三章 汇率制度及人民币汇率制度改革 教学目的和要求
通过本章的学习，了解汇率制度的发展历史与趋势， 掌握固定汇率制与浮动汇率制的含义、类型及优缺点；了解外 汇管制的发展演变，掌握外汇管制的内容方法；掌握货币可兑 换的含义及分类，深刻体会货币可兑换的条件与作用；了解中 国外汇管理与汇率制度的发展与现状。
第三章 汇率制度及人民币汇率制度改革
引子案例
以市场供求为基础的、有管理的浮动汇率制度 2005年7月21中国人民银行发布公告称，为建立和完善我国社 会主义市场经济体制，充分发挥市场在资源配置中的基础性作 用，建立健全以市场供求为基础的、有管理的浮动汇率制度， 经国务院批准，现就完善人民币汇率形成机制改革有关事宜公 告如下：

第1章金融计量学介绍-PPT精选文档44页

第1章金融计量学介绍-PPT精选文档44页
25
6.由于监管者和风险管理要求计算VaR，一些新的方法用于 估计报酬分布的尾部(tails)，现在还不清楚尾部是否 有相同的动态行为，而分布的其他部分被假定为GARCH 类模型。
7.Boudoukh, Richardson and Whitelaw (2019)将 RiskMetric模型和历史模拟法结合起来，提出了混合模 型(hybrid model)。
8.Engle and Manganelli (2019)提出了条件自回归分位数 定式，称为条件自回归VaR( CAViaR) 。
9.Embrechts et al. (2019), McNiel and Frey (2000) 利 用极值理论估计分布的尾部。
参考书
米尔斯著，《金融时间序列的经济计量学模型》经济科学出版社 《经济计量学手册》章节，Introductory Econometrics for
Finance Chris Brooks 剑桥大学出版社 周国富著《金融计量学：资产定价实证分析》北京大学出版社 Andrew lo等《金融市场的经济计量学》上海财经大学出版社 Hendry著 《动态经济计量学》上海人民出版社 弗朗西斯著《商业和经济预测中的时间序列模型》中国人民大学出
《金融计量经济学》
《Fiance Econometrics》
1
主讲教师：王德发 办公地点：办公楼29-222 电话：0579-82166018 E-mail: tongji_yjs163 辅导时间：星期一、三
上午9～11点，下午2～4点。
2
一、课程说明
⑴ 教学目的 经济学是一门科学，实证的方法，尤其是数量分析方
21
1952年，Markowitz提出了投资组合理论 1963年，Sharpe提出CAPM 1965年，Fama研究股价行为 1970年，Fama对有效市场的实证研究综述，Fama(1991,

2020版金融计量学：时间序列分析视角(第三版)教学课件第15章第1节

2020版金融计量学：时间序列分析视角(第三版)教学课件第15章第1节
（8）投资者对市场中的经济变量有相 同的预期，所以他们对任意资产的预 期收益率、方差和资产之间的协方差 等都有一致的看法。
CAPM假设的核心是认为市场满足 完全、无摩擦和信息完全对称的条件 ，市场中的投资者为具有马柯维茨理 论中所描述特征的理性经济人。
i
Cov(ri , rm )
2 m
15.1.2 证券市场线
无套利定价模型（APT）假设比较 宽松，而且不需要像CAPM那样依赖市 场组合。APT的成立应包括以下假定条 件：投资者有相同的预期；投资者规 避风险并追求效用最大化；完美市场 。它没有CAPM成立所需要的无税收和 无风险利率借贷等假设。
APT的资产定价公式
E(ri ) 0 1bi1 2bi2 kbik
ri rf i (rm rf ) i
在式中再加入一个截距项得到，
ri rf i i (rm rf ) i
ri rf i i (rm rf ) i
如果CAPM成立，则i 应为零且 i 显
著不为零，所以实证结果的关键是 i
和 i 显著性检验。
15.2.2 布莱克-詹森-斯科尔斯（ Black-Jenson-Scholes）方法
在一般均衡框架下获得的证券市场线
（Security Market Line, SML）是CAPM理 论的核心结论，其形式如下 ：
i
Cov(ri , rm )
2 m
组其合中的,E预(ri )期、收E(r益m )分率别，是rf 某是资无产风和险市收场益 率。
图15-1 证券市场线
E(r)
SML
rf
β
如图15-1，证券市场线描述了预
（4）存在一种无风险利率，投资者在此 利率水平下可以无限制地贷出和借入任 意数量的资金。

金融计量学,唐勇,课件

金融计量学,唐勇,课件

m和 n 的
F 分布，记为 F ~ F (m, n)
则 n ，其中 m 称为分子自由度也是第一自由度，
称为分母自由度也
称为第二自由度。 相关结论： （1）若随机变量 F ~ F (m, n) ，则 （2）若 t ~ t (n) ，则 t 2 ~ F (1, n)
1 ~ F (n, F
不同自由度的 F
•
抽样调查
几个常用的金融机构和数据库及其网址
机构或数据库名称
纽约证券交易所(NYSE)
网址

伦敦证券交易所（LSE） 东京证券交易所（TSE） 芝加哥交易所（CBOT） 上海证券交易所（SSE） 深证证券交易所（SZSE）
http://www.tse.or.jp
福州大学经济与管理学院 唐勇教授
本章主要内容
1.1金融计量学的含义以及建模步骤 1.2金融数据的主要类型、特点和来源 1.3收益率的计算 1.4常见的统计学与概率知识 1.5常用金融计量软件介绍
1
金融计量学的含 义以及建模步骤

1.1.1 金融计量学含义 什么是计量经济学？ 起源于经济学，是经济学的一个分支学科，是以 揭示经济活动中客观存在的数量关系为内容的分支 学科 什么是金融计量学？ 在西方经济中，一般认为金融计量学是指金融市场 的计量分析，特别是统计技术在处理金融问题中的 应用。
定义：随机变量X和Y独立，且 X ~ N 0,1 , Y ~ 2 (n) 的分布为自由度为n的t分布，记为 的
tX Y /n ~ t (n)
，则称
X
Y /n
，又称“学生
t 分布”
不同自由度的t分布密度函数图
相关结论：（1） 分布是一簇曲线，以0为中心，左右对称的单峰分布 （2）自由度n越小，分布曲线越低平;自由度n越大，分布 曲线越接近标准正态分布曲线。 x1 , x2 , , xN （3）设 是来自正态分布 的一 N (, ) 个样本，N个观测值的样本方差为 ，样本均值为 ，则有 s2 x

金融计量学,唐勇,课件.详解

金融计量学,唐勇,课件.详解

6.3.1
Johansen协整检验的基本说明
6.3.1
Johansen协整检验的基本说明
6.3.1
Johansen协整检验的基本说明
6.3.1
Johansen协整检验的基本说明
6.3.1
Johansen协整检验的基本说明
6.3.1
Johansen协整检验的基本说明
6.3.1
Johansen协整检验的基本说明
6.1.2
协整检验方法
6.1.2
协整检验方法
ˆt 的最小二乘 需要注意的是，由于E-G两步法是采用协整回归的残差e ˆt 来检验平稳性的，此时的检验临界值不能再用传统的（A）DF 法估计值 e
检验的临界值，而是要采用Engle和Granger提供的临界值（见表6-1），
因此这种协整检验方法又称为扩展的Engle和Granger检验，简称AEG检验。
6.4
向量误差修正模型（VECM）
6.4
向量误差修正模型（VECM）
6.4
向量误差修正模型（VECM）
6.4
向量误差修正模型（VECM）
上述仅讨论了简单的向量误差修正模型，与VAR模型类似，我们可以 构造结构向量误差修正模型，同样也可以考虑向量误差修正模型的 Granger因果检验、脉冲响应函数和方差分解。关于VAR模型和向量误差 修正模型的更多讨论，可以参考汉密尔顿（1999）的详细讨论。
6.1.2
协整检验方法
图6-1： 两种指数2
协整检验方法
图6-2： logSZZS的ADF检验结 果
6.1.2
协整检验方法
图6-3： logSZCZ的ADF检验结 果
6.1.2
协整检验方法

金融计量学ch8

金融计量学ch8
l
l 最后，分别计算若干种股票在第t期的平均的超常收益率和若干种股票 在一段时间内的累计的超常收益率。
l
l
PPT文档演模板
金融计量学ch8
市场有效性检验方法及其中国股市实证
l 2. 残差分析法的运用
l 假定市场上出现了某股票利好的消息(例如，送配股和每 股收益大幅度增长)，并且假定半强形式有效市场假设成 立。那么，市场上可能会出现以下两种情况：第一种，如 果这一利好消息出乎投资者的预期，那么，该股票的价格 在该消息公布之前不会发生大的波动，投资的收益率也只 是正常的收益率；在消息公布的那一天，该股票的价格一 次性上涨，带来了正的超常收益率；从公布的第二天起， 股票价格重新恢复稳定，投资的收益率也回复到正常收益 率水平。第二种，如果利好消息在投资者预料之中，并且 投资者对这一利好消息的预期是逐渐形成的，那么，该股 票的价格在消息公布之前就会逐渐走高，获得超常的收益 率；由于消息已经被市场完全消化，所以，在消息正式公 布那一天， 股票价格不会由于消息的因素而发生波动； 从公布的第二天起，股票的价格趋于稳定。
PPT文档演模板
金融计量学ch8
有效市场假说及其基本形态
l （1）随机游走1(RW1)：增量 独立同分布。
l 随机游走假设最简单的形式是独立同分布增量（IID）的情形。收益率 动态序列 由以下随机过程给出：
l
IID（ ）
l （2）随机游走2(RW2)：独立增量 不同分布。
l 我们对RW1的假定放宽到包括独立但不同分布的增量过程，并称为随 机游走模型2，记作RW2。RW2显然不仅包括作为特例的RW1，而且还包 括更为一般的随机过程。
PPT文档演模板
金融计量学ch8
市场有效性检验方法及其中国股市实证

《金融计量学》课件


VS
时间序列分析
对按时间顺序排列的数据进行统计分析， 探究时间序列数据的内在规律和变化趋势 。
概率论与数理统计
概率论
研究随机现象的数学规律，为金融计 量提供理论基础。
数理统计
利用样本数据推断总体特征，进行风 险评估和预测。
线性代数与矩阵运算
线性代数
研究线性方程组、矩阵和向量等数学对象，用于金融数据的 处理和分析。
参数估计与假设检验
参数估计
利用样本数据估计模型中的未知参数，常用方法包括最小二乘法、最大似然估计法等。
假设检验
对提出的假设进行统计检验，判断假设是否成立，常用的假设检验方法有t检验、z检验 、F检验等。
模型选择与模型检验
要点一
模型选择
根据数据特征和实际需求选择合适的计量经济学模型，如 线性回归模型、时间序列模型等。
高频数据与超高频数据的计量分析
01
时间序列分析
利用高频和超高频数据，进行时 间序列分析，研究金融市场的动 态变化和波动性。
02
03
微观结构分析
风险管理
分析市场微观结构，探究交易机 制、价格发现机制等，提高对市 场行为的认知。
基于高频和超高频数据，构建风 险管理模型，提高风险控制和预 警能力。
复杂网络与金融市场的结构和动态
详细描述
资产定价实证研究是金融计量学的重要分支之一，主 要关注资产价格的决定因素和变动规律。研究者通过 收集历史数据，运用统计分析方法，检验资产定价模 型的有效性，并探讨市场有效性问题。这些研究有助 于投资者更好地理解市场运作机制，制定合理的投资 策略。
风险管理实证研究
总结词
风险管理实证研究主要探讨如何运用金融计量方法进 行风险评估和管理。

金融计量学,唐勇,课件


原假设：序列不存在p阶自相关；备择假设：序列存在p阶自相关。 如果各阶Q统计量都没有超过设定的显著水平的临界值，则接受原假设。 超过临界值，就说明序列存在自相关。
yt xt ut , ut ~ N (0, t2 )
（7.3） （7.4）
t2 Var( yt It 1 ) 0 1ut 12 2ut 22 put p 2
这里要求
0 0, j 0
( j 1, , p) ，
• 注意：在ARCH（p）模型中，我们仍然假设扰动项不存在序列相关性， 还假设扰动项的无条件期望和条件期望都为0， 下面证明ARCH模型的性 质会用到。
u
2 序列指定的滞后阶数的自相关系 t
数（AC）和偏相关系数（PAC）（如本章第一节表7-3和表7-5所示）并且 计算出了相应阶数的Ljung-Box Q统计量：

QL, B T (T 2)
j 1
p
rj2 Tj
(7.20)
其中, 阶数。
r j 是残差系类的j 阶自相关系数，T为样本容量，p是设定的滞后
max( p , q )

i 1
(i i )ut2i vt j vt j
j 1
q
（7.10）
p， i 0 ，对 i q
，i 0 ，可以得到： （7.11）
ut2 0 [ ( L) ( L)]ut2 [1 ( L)]vt
s 1
（7.17）
1.ARCH-LM检验
LM 定的显著性水平 下 ，
2 R 其中，T表示样本的容量， 表示回归方程（7.17）的可决系数，在给
2
2 ( p ) LM ，接受原假设， ( p) ，拒绝 原假设。或者可以用 p值来判断，p 则拒绝原假设，否则接受原假设。

《金融计量学》笔记(共17章节)

《金融计量学》笔记（共17章节）前14章节为重点章节第一章：导论（重要）金融计量学，作为金融学的一个重要分支，致力于运用数学、统计学和计算机技术等方法对金融市场进行量化分析和建模。

这一学科的重要性不言而喻，它为我们提供了一种理性的、基于数据的视角来审视和理解金融市场。

1.金融计量学的定义与重要性金融计量学不仅仅是关于数字和公式的学科，它更是一种思维方式，一种将复杂的金融问题转化为可量化、可分析的形式，并通过数据来寻求答案的方法。

在金融领域，无论是投资决策、风险管理还是资产定价，都需要依靠金融计量学来提供科学的依据。

2.金融计量学在金融领域的应用金融计量学的应用广泛而深入。

在投资组合管理中，它可以帮助我们确定最优的投资组合，以最大化收益并最小化风险。

在风险管理领域，金融计量学可以为我们提供精确的风险度量工具，帮助我们更好地识别和管理风险。

在资产定价方面，金融计量学则为我们提供了一种理性的、基于市场数据的定价方法。

3.金融计量学与其他学科的关系金融计量学并不是孤立存在的，它与金融经济学、统计学、计算机科学等多个学科都有着紧密的联系。

金融经济学为金融计量学提供了理论基础和研究方向，而统计学和计算机科学则为金融计量学提供了数据分析和建模的工具和方法。

4.本课程的学习目标与方法学习金融计量学，我们的目标不仅仅是掌握一些具体的模型和方法，更重要的是培养一种基于数据的、理性的思维方式。

在学习过程中，我们需要注重理论与实践的结合，通过实际的金融数据来应用和验证我们所学的模型和方法。

第二章：金融时间序列数据在金融计量学中，时间序列数据是我们分析的基础。

这一章我们将深入探讨时间序列数据的特性、收集和处理方法。

1.时间序列数据的定义与特性时间序列数据是指按照时间顺序排列的一系列观测值。

在金融领域，时间序列数据无处不在，如股票价格、汇率、利率等。

时间序列数据具有趋势性、周期性、随机性等特性，这些特性对我们的分析和建模都有着重要的影响。

教学课件第一章金融计量学介绍

图1-12 Eviews新工作文件数据设定窗口
24
图1-13 空白新工作文件
25
（二）Eviews3.1使用简介 1.数据输入、修改及保存
图1-14 新工作文件数据导入窗口
26
图1-15 数据导入后工作文件
27
图1-16 察看数据窗口
28
图1-17 GDP和M1线性图
29
图1-18 方程设定窗口
32
▪ 本章简要阐述了金融计量学的方法和一般应用 步骤，着重介绍了金融数据的类型和特点，简 要评述了主要的计量和统计软件包，对常用的 Microfit和Eviews计量软件的使用方法进行了详 细讲解并举例说明。本章旨在使学生理解金融 计量模型思想，了解金融数据的特点与来源， 掌握常用的金融计量软件。
本章要点
▪ 金融计量学的方法论与应用步骤。 ▪ 金融数据的特点和来源 ▪ 金融计量学软件的使用
1
第一节 金融计量学的含义及建模步骤 一、金融计量学的含义
金融计量学就是把计量经济学中的方法和 技术应用到金融领域，即应用统计方法和统计 技术解决金融问题。
2
二、金融计量建模的主要步骤
经济理论或金融理论 建立金融计量模型 数据收集 模型估计 模型检验
33
是按照一定的时间间隔对某一变量在不同时间 的取值进行观测得到的一组数据，例如每天的 股票价格、每月的货币供应量、每季度的GDP、 每年用于表示通货膨胀率的GDP平减指数等。
5
▪ 在分析时间序列数据时，应注意以下几点： （1）在利用时间序列数据回归模型时，各变量 数据的频率应该是相同的； （2）不同时间的样本点之间的可比性问题； （3）使用时间序列数据回归模型时，往往会导 致模型随机误差项产生序列相关； （4）使用时间序列数据回归模型时应特别注意 数据序列的平稳性问题。
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

5.2.2
VAR模型的设定
然而，利用VAR模型分析实际问题时，由于标准的统计检 验和统计推断要求分析的所有序列必须都是平稳序列，因此使用 非平稳序列变量会带来统计推断方面的麻烦。 那么，我们在用VAR模型做回归分析时，究竟应该在VAR 系统内使用平稳序列还是非平稳序列呢？作为指导性的原则，如 果要分析不同变量之间可能存在的长期均衡关系，则可以直接选 用非平稳序列；而如果分析的是短期的互动关系，则选用平稳序 列，即对于涉及到的非平稳序列，必须先进行差分或去除趋势使 其转化成对应的平稳序列，然后包含在VAR模型中进行进一步分 析。
福州大学经济与管理学院 唐勇教授
本章主要内容
5.1VAR模型介绍 5.2VAR模型估计方法与设定 5.3格兰杰因果关系检验 5.4脉冲响应函数与方差分解 5.5结构VAR(SVAR)模型
1
VAR模型介绍
5.1.1
VAR模型基本概念
上一章介绍的AR模型、MA模型、 ARMA模型以及ARIMA 模型均是单一方程的回归，且已先验地设定了变量之间解释和被 解释的关系。但是，如果我们事先并不知道哪个变量为被解释变 量，哪个变量为解释变量，就很难确定变量之间的关系。针对这 一问题，希姆斯（C. S. Sims）于1980年提出了向量自回归模型 （VAR）。 顾名思义，向量自回归模型就是用模型中所有当期变量对所 有变量的若干期滞后变量进行自回归，该模型一般用来估计联合 内生变量的动态关系。在VAR模型中，没有内生变量和外生变量 之分，而是所有的变量都被看作内生变量，初始对模型系数不施 加任何约束，即每个方程都有相同的解释变量——所有被解释变 量若干期的滞后值。
5.2.2
VAR模型的设定
2.VAR模型中变量的选择 一般来说，没有严格规定VAR模型中变量的选择。总的来 说，变量的选择需要根据经济、金融理论，同时还需要考虑手中 的样本大小。 例如，如果央行研究所的研究人员希望分析货币政策与现 实经济发展之间的互动关系，那么他就可以选择一个包含2个变 量的VAR模型，即选择一个能够代表货币政策工具的变量和一个 能反映经济发展状况的变量。因此，该研究人员可以选择货币供 应量增长率和真实GDP缺口两个变量构建一个VAR模型来研究这 一问题。此时，VAR模型就可以写成
5.2.2
VAR模型的设定
3.VAR模型中滞后阶数的确定 建立VAR模型的的一个难点就是确定滞后阶数。经济、金融理论 通常不会说明VAR模型适当的滞后阶数以及变量将在多长时期通过系 统起作用。如果要确定具体的滞后阶数，就需要用到一些方法，下面 我们将介绍其中的几种方法。
5.2.2
VAR模型的设定
5.1.2
VAR模型的平稳条件
从上一章的学习中我们可以知道，平稳性对于AR模型来说 是一个非常重要的概念。同样地，在VAR模型中，平稳性也是一 个不得不考虑的问题。 为了使VAR模型平稳，需要满足以下条件：
（5.5）
5.1.2
VAR模型的平稳条件
5.1.2
VAR模型的平稳条件
5.1.3
VAR（p）与VAR（1）转化
似然比检验法就是比较不同滞后阶数对应的似然函数值， 考察滞后阶数的增大是否导致VAR系统对应的似然函数出现显著 性的增大。需要注意的是，似然比检验法只有在每个方程的误差 2 项都服从正态分布的假设条件下， 检验才严格地渐进有效。
5.2.2
VAR模型的设定
2)信息准则法 在很多情况下，似然比检验法所要求的随机误差项正态分 布的假设条件在金融数据中并不能够得到满足，因此我们需要用 其他的一些方法来确定滞后阶数。经常用到的就是信息准则法。 与前面介绍的信息准则法不同的是，这里我们要同时确定VAR模 型中的所有方程的滞后阶数，因此，相应的信息准则的具体形式 也相应改变为
5.3
格兰杰因果关系检验
从表5-2可以看出，第一行F的值较大，p值很小，第二行的 F值很大，p值很大，说明纳斯达克综合指数收益率（NASDAQ） 的变动是上证综合指数收益率（SHANGHAI）变动的Granger原 因，但上证综合指数收益率（SHANGHAI）的变动不是纳斯达克 综合指数收益率（NASDAQ）变动的Granger原因。
5.1.1
VAR模型基本概念
（5.1）
5.1.1
VAR模型基本概念
5.1.1
VAR模型基本概念
总的来说，VAR模型具有以下五个特点： （1）VAR模型的建立可以不以严格的经济理论为依据，因此 可以在一定程度上任意添加其他解释变量。在建模过程中只需 确定两个参数，首先需要确定的是n，即，哪些变量存在相互关 系，然后把有关系的变量都包括在VAR模型中；其次，需要确定 的是p，即，用多少期的滞后变量来解释那些内生变量，才能使 模型充分反映出变量之间相互影响的绝大部分。 （2）VAR模型对参数不施加约束，即无论参数估计值有无显 著性，都会被保留到模型中。 （3）VAR模型的解释变量中不包含任何当期变量，从而可以 对未来值进行预测。
3
格兰杰因果关 系检验
5.3
格兰杰因果关系检验
从计量经济学发展的历史来看，格兰杰因果关系（Granger causality）的概念要早于VAR模型。但是，格兰杰因果关系实际 上就是利用了VAR模型来进行（一组）系数显著性的检验。该检 验的基本思想是：对于变量x和y，如果x的变化引起了y的变化， x的变化应当发生在y的变化之前，即如果说“x是引起y变化的原 因”，则必须满足以下两个条件：（1）x应该有助于预测y，即 在y关于y的过去值的回归中，添加x的过去值应当显著地增加回 归的解释能力；（2）y不应当有助于预测x，因为如果x有助于预 测y，y也有助于预测x，则很有可能存在一个或几个其他的变量， 它们既是引起x变化的原因，也是引起y变化的原因。 正因为如此，格兰杰因果关系检验经常被解释为在VAR模型 中，某个变量是否可以用来提高对其他相关变量的预测能力。所 以，“格兰杰因果关系”的实质是一种“预测”关系，而并非真 正汉语意义上的“因果关系”。
5.2.1
VAR模型的估计方法
表5-1：VAR(2)模型的估计结果
5.2.1
VAR模型的估计方法
续表5-1：VAR(2)模型的估计结果
5.2.2
VAR模型的设定
接下来我们进一步讨论如何对VAR模型进行设定。这主要 涉及到以下三个方面的问题： 1.VAR模型中变量平稳性问题； 2.VAR模型中变量的选择问题； 3.VAR模型中滞后阶数的确定问题。 下面我们分别对其进行详细介绍。
5.1.3
VAR（p）与VAR（1）转化
（5.10）
5.1.3
VAR（p）与VAR（1）转化
5.1.3
VAR（p）与VAR（1）转化
我们在第四章学习了ARMA模型，发现AR与MA模型在一 定条件下可以相互转化。事实上，这种转化思想同样也适用于 VAR模型。向量自回归模型与向量移动平均（vector moving average，VMA）过程之间也可以相互转化。事实上式（5.1） 经过适当变换可以转化为如下的 形式： VMA()
5.4.1
VAR模型与脉冲响应函数
5.4.2
VAR模型与方差分解
5.4.2
VAR模型与方差分解
5.4.2
VAR模型与方差分解
另外，利用乔莱斯基分解（Cholesky decomposition）又可以得到 下列关系：
5.4.2
VAR模型与方差分解
5.4.2
VAR模型与方差分解
虽然方差分解很有用，但是在计量经济学领域，方差分解的 结果有时候对VAR模型中变量的排序也很敏感。然而，正如 Enders（2004）所指出的，无论是正交脉冲响应还是方差分解， 在研究经济变量之间的互动关系时还是非常有帮助的。尤其是， 当VAR系统中各个等式中的随机扰动项彼此之间的相关性比较小 时，脉冲响应和方差分解受变量排序的影响就非常小了。
是估计无约束VAR模型最常用的方法之一。
5.2.1
VAR模型的估计方法
下面我们以中国的GDP增长率（GDPR）与通货膨胀率（CPI） 的季度数据组成的VAR(2)模型为例（样本区间为2001年第1季 度—2014年第4季度），利用EViews估计出VAR(2)模型。 统计数据均来自中国国家统计局网站，其中，CPI的季度数 据采用月度数据的平均值。 图5-1描绘的是中国GDP增长率与CPI的季度数据。
表5-2： 格兰杰因果关系检验结果
4
脉冲响应函数 与方差分解
5.4.1
VAR模型与脉冲响应函数
5.4.1
VAR模型与脉冲响应函数
5.4.1
VAR模型与脉冲响应函数
5.4.1

VAR模型与脉冲响应函数
5.4.1
VAR模型与脉冲响应函数
5.4.1
VAR模型与脉冲响应函数
5.4.1
VAR模型与脉冲响应函数
5.3
格兰杰因果关系检验
5.3
格兰杰因果关系检验
5.3
格兰杰因果关系检验
5.3
格兰杰因果关系检验
下面我们以2001年1月至2014年2月期间上证综合指数收 益率（SHANGHAI）与纳斯达克综合指数收益率（NASDAQ） 这两个变量组成的VAR(2)模型为例，检验二者是否互相为格兰杰 因果关系。 在EViews软件中，点击view→Granger Causality Test…， 在随后弹出的选择滞后长度（Lag Specification）界面中选定滞 后长度为2，点击OK按钮便可得到以下表5-2的结果。 对于每一个假设，系统都给出了相应的F统计量和大于此数 值的概率。如果F值较大，p值较小，就拒绝原假设，认为一个变 量是引起另一个变量变化的原因；反之，则认为一个变量不是引 起另一个变量变化的原因。
5.2.2
VAR模型的设定
1.VAR模型中变量的平稳性 虽然使用OLS方法估计VAR模型看上去很简单，但是在估计 之前有几个很重要的问题需要弄清楚。首先，涉及到包含在VAR 模型中的各变量的平稳性问题。关于这个问题，一些计量经济学 家，如Sims、Stock和Waston（1990）提出，非平稳序列仍然 可以放在VAR模型中，通过估计结果分析经济、金融含义。他们 认为，为了得到一些一阶单整（即I(1)）的经济变量的平稳序列， 如果先对其进行一次差分，再利用VAR模型分析变量间的互动关 系，这样可能会隐藏了许多非常有价值的原始变量之间的长期关 系。因此，一部分计量经济学家推崇利用VAR模型进行协整分析。