格兰杰因果关系检验_混频(mixed frequency)数据的格兰杰因果(Grange causality)检验及其Matlab实现...

格兰杰和格兰杰因果

1383e5782e9af7d49b72631369057659.png

网络搜到的Grange大神标准照

格兰杰1934年9月出生于英国威尔士的斯旺西,早期就读于诺丁汉大学,接受当时英国第一个经济学数学双学位教育,1955年留校任教,1957年在天文学杂志上他发表了第一篇论文:“关于太阳黑子活动的一个统计模型”。1959年,他在诺丁汉大学获得统计学博士学位。在20世纪60年代早期,格兰杰获得了支持英国学者去美国深造的哈克尼斯(Harkness)奖学金,去普林斯顿做访问学者,在著名学者约翰·塔基(John Tukey)和奥斯卡·摩根斯坦(Oscar Morgenstein)门下深造。1974年移居美国,成为圣迭亚哥加州大学经济学院教授。随后,他开创了该学院的计量经济学研究工作,并使之成为全世界最出色的计量经济学研究基地之一。最后成为该校的荣誉退休教授。格兰杰于1991年成为国际预测师协会会员,曾获得斯德哥尔摩经济学院和卡洛斯三世大学的荣誉博士学位。他现为西部经济学会主席、每年仅两位的美国经济学会杰出会员。他的研究兴趣主要在统计学和计量经济学(主要是时间序列分析)、预测、金融、人口统计学和方法论等方面。

2003年诺贝尔经济学奖获得者,克莱夫·格兰杰,2003年诺贝尔经济学奖得主,来自美国加州大学圣迭戈分校。克莱夫·格兰杰(Clive W.J. Granger)教授因“协整理论”在时间序列数据分析上做出的杰出贡献而获2003年诺贝尔经济学奖。

经济学家开拓了一种试图分析变量之间的格兰杰因果关系的办法,即格兰杰因果关系检验。该检验方法为2003年诺贝尔经济学奖得主克莱夫·格兰杰(Clive W. J. Granger)所开创,用于分析经济变量之间的格兰杰因果关系。他给格兰杰因果关系的定义为“依赖于使用过去某些时点上所有信息的最佳最小二乘预测的方差。

格兰杰教授被认为是世界上最伟大的计量经济学家之一,瑞典皇家科学院曾说,“他不仅是研究员们学习的光辉典范,而且也是金融分析家的楷模。”无数经济学专业的学生奋斗一生,也只是为了能远远看到他的背影。他在利用数学模型分析时间序列数据方面的实证研究,给全世界打开了一扇窥探经济运行规律,特别是金融市场运行规律的大门。正因如此,我们可以对股市和汇市浩如烟海的数据进行分析整理,并预测今后的走势。

从访问普林斯顿的20世纪60年代早期开始,格兰杰就是一位非常有影响的时间序列计量经济学学者。他的论文几乎涵盖了过去40年间该领域的主要进展,没有格兰杰的分析方法,进行时间序列计量方面的实证分析几乎是不可能的。就他所产生的学术影响,人们对他的叹服可以用天才的研究者和作家来表达。

格兰杰的学术作品有两个突出的特点,学术思想与实际问题密切相关;很强的可读性,因此很多内容已经成为引用的经典。也许,这些方面的长处除了与他本人的天才资质有关之外,还和他的学习经历有关。早在读高中时,他就曾在两个语法学校就读。而且他喜欢纯粹的数学思维训练,在初学经济学时,就对当时只会纯文字描述的经济学家感到遗憾。

诺贝尔奖评委会认为,格兰杰的工作改变了经济学家处理时间序列数据的方法,对研究财富与消费、汇率与价格、以及短期利率与长期利率之间的关系具有非常重要意义。目前美国联邦储备委员会和许多国家的中央银行都使用这一方法来进行评估和预测。

混频数据的计量经济学方法

这里简要回顾处理混频数据的计量经济学模型。

典型的计量经济学回归方程处理的是具有相同采样频率的变量。为保持频率相同,研究人员要么将高频观测值加总为最低频率数据,要么对低频数据进行插值以得到最高频率数据。在实证应用中,前者为最常用的方法,高频数据通过平均或者取一个代表值(例如每个季度的最后一个月)而将为最低频率。这种对数据进行“预过滤”而使得预测方程左侧和右侧变量成为同频率的方法有一个潜在的问题,就是可能会破坏高频数据中大量的有用信息。因此,对混频数据进行直接建模是十分必要的。

这里,我稍微直白来讲讲,简单讲,假设你原来构建的是季度模型,例如用到了GDP增速季度数据,假设用CPI测度通胀率,而CPI数据有月度数据,传统的做法,就是将月度CPI通过一定的算法(折腾)调整为季度数据,在数据频率转换的过程中,自然会损失很多信息,也有很大的争议,月度CPI时间序列转为季度CPI时间序列,十个人可能有十五种结果。混频数据建模技术出现之后,就不用走这个步骤了,直接拿月度CPI和季度GDP建模就是。

混频数据的计量经济学应用研究很广泛,例如

1 桥接方程

2 混频数据取样(MIDAS)方法,包括MIDAS权重函数,AR-MIDAS模型,CoMIDAS模型,及其拓展等等。

3 混频&

  • 5
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
混频数据格兰杰因果关系检验通常使用混频格兰杰(MVAR-Granger causality)方法进行分析。在 Matlab 中,您可以使用 Signal Processing 工具箱中的 mvgrangercausality 函数来计算混频格兰杰因果关系。以下是一个示例代码: ``` % 读取混频数据 data = load('data.mat'); % 假设数据保存在 data.mat 文件中 X = data.X; % 每一行代表一个时间点,每一列代表一个变量 % 指定模型阶数 m = 4; % 计算混频格兰杰因果关系 [pval, f] = mvgrangercausality(X,m); % 输出结果 for i = 1:size(X,2) for j = 1:size(X,2) if i ~= j if pval(i,j) < 0.05 disp(['第',num2str(i),'个变量对第',num2str(j),'个变量有显著的因果影响']); else disp(['第',num2str(i),'个变量对第',num2str(j),'个变量没有显著的因果影响']); end end end end ``` 在这个示例中,我们读取了保存在 data.mat 文件中的混频数据,并使用 mvgrangercausality 函数计算它们之间的混频格兰杰因果关系。该函数返回一个 p 值矩阵和一个频率向量,其中 p 值矩阵表示第 i 个变量对第 j 个变量的因果影响的显著性,频率向量表示计算的频率范围。在示例代码中,我们遍历所有可能的变量对,检查它们之间是否存在显著的因果影响,并输出结果。 请注意,在实际应用中,您可能需要对数据进行预处理(例如去除趋势、周期性等),以确保混频格兰杰因果关系分析的准确性。 希望这可以帮助您!如果您有更多问题,请随时问我。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值