向量误差修正（VECM）模型案例分析

最新推荐文章于 2024-09-08 07:30:00 发布

置顶

littlely_ll

最新推荐文章于 2024-09-08 07:30:00 发布

阅读量4.2w

点赞数 8

分类专栏：金融计量

本文链接：https://blog.csdn.net/littlely_ll/article/details/54866181

版权

本文通过实例分析向量误差修正模型（VECM），首先生成相关数据，利用arima.sim创建模拟一阶自回归模型，然后通过ca.jo函数进行Johnsansen协整检验。接着，使用cajorls()估计VECM模型的系数矩阵，并讨论如何将VECM模型转化为水平VAR模型，提供了一种理解与应用VECM模型的方法。

摘要由CSDN通过智能技术生成

向量误差修正模型案例分析

生成数据

set.seed(12345) u1<-rnorm(500) u2<-arima.sim(list(ar=0.6),n=500) #生成模拟的一阶自回归模型 u3<-arima.sim(list(ar=.4),n=500) y1<-cumsum(u1) #生成随机游走序列 y1 y2<-0.4*y1+u2 y3<-0.8*y1+u3 #调用urca包中的ca.jo()对时间序列y1 y2 y3进行Jonhansen协整检验 #2.Jonhansen协整检验 library(urca) data<-data.frame(y1=y1,y2=y2,y3=y3) #将变量组织为数据框

## ca.jo(x, type = c("eigen", "trace"), ecdet = c("none", "const", "trend"), K = 2,spec=c("longrun", "transitory"), season = NULL, dumvar = NULL) 注意这里只是用默认设置。

model.vecm<-ca.jo(data)
head(model.vecm@x) #ca.jo使用S4方法，故用@提取变量
             y1          y2         y3
[1,]  0.5855288 -0.31135095 -1.0377854
[2,]  1.2949948  0.59430322 -0.5116634
[3,]  1.1856915  1.28751