第三节 协整理论——时间序列模型的协整关系
一、问题来源
来源:伪回归(虚假回归)现象
MC (蒙特卡罗)的模拟结果发现:
利用 2 个相互独立的非平稳序列、或者 2 个都包含时间
趋势但彼此无关的序列, 可能建立显著的回归模型; 称这种
现象为“伪回归”现象,所建立的模型是伪回归模型。
伪回归现象意味着传统统计检验方法失去意义,需要重
新讨论对非平稳序列能否直接建立回归模型的问题。
二、平稳性
(一)平稳时间序列
定义: ( )
E y COV( y , y ) r (s)
t t t s
(序列的相关性只与间隔有关,与时刻无关)
推论 : D( y ) r (0) = 常数
t
图形特征: (1)在均值周围波动,频繁穿越均值;
(2 )波动幅度大致相同;
2 DJ PY
1
0
-1
-2
220 240 260 280 300 320 340 360 380 400
图 1 日元兑美元差分序列 图 2 上证综指收益率
平稳时间序列的含义:
任何外来冲击(或振动)对序列变动轨迹的影响是短暂
的,t 时刻的振动影响在 t+1 期会减弱, t+2 期会更弱,随
着时间推移这种影响会逐渐消失,序列将恢复到其平均水
平(称外来冲击影响具有“短记忆”特征) 。
但是,对于非平稳时间序列,振动的影响会无限地持续
下去, t 时刻的振动影响不会在以后的时期中衰减,所以序
列也难以恢复到一个稳定状态, 外来冲击影响有长记忆性。
(二)常见平稳序列
1. 白噪声过程 (white noise )
2
E( y ) 0 D ( y ) COV (y , y ) 0
t t t t s
记成: yt i.i.d (0, 2 )
古典回归模型中的随机误差项即为白噪声序列。
2 . 自回归过程 (Auto regression —AR 过程 )
yt y t 1 t | | 1 , ε i.i.d (0, 2 )
t
(三)常见非平稳序列
1.趋势平稳过程 (trend stationary )
(又称为:退势平稳过程,确定趋势过程) 。
2