三个变量存在一个协整方程_第三章(3-5节)协整与误差修正模型分析.pdf

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