基于MCMC的協(xié)整分析研究及其應用.pdf

1、隨著時間序列相關(guān)技術(shù)日益廣泛的應用，協(xié)整分析作為處理非平穩(wěn)時間序列的一種技術(shù)逐漸受到人們的重視，引發(fā)了深刻的理論研究，展現(xiàn)出了廣闊的應用前景。 協(xié)整向量的估計以及協(xié)整的檢驗是進行協(xié)整分析的關(guān)鍵。目前常用的協(xié)整向量估計方法有最小二乘估計和極大似然估計，常用的協(xié)整檢驗方法有EG兩步法、Johansen方法等。這些方法都必須以大量的觀測數(shù)據(jù)作為基礎(chǔ)。 本文在觀測數(shù)據(jù)量為小樣本的請況下，提出基于MCMC模擬的協(xié)整分析方法，該方法

2、在參數(shù)估計時可以充分利用樣本先驗信息，在協(xié)整檢驗時可以模擬出所需的統(tǒng)計量，為協(xié)整分析提供了較大的靈活性。 本文主要從以下幾個方面進行研究： (1)討論了時間序列協(xié)整的一般概念和目前常用的研究方法，包括單位根過程、有單位根的向量自回歸、協(xié)整與誤差校正模型、協(xié)整向量的估計與檢驗、協(xié)整向量已知時協(xié)整的檢驗等。 (2)考慮到求解基于Johansen協(xié)整檢驗中所需的特征根的情況比較復雜，本文選擇了基于MCMC抽樣的Baye

3、s方法來估計模型的特征根，然后分別用基于Johansen協(xié)整檢驗的跡檢驗和最大特征根檢驗進行協(xié)整關(guān)系的存在性檢驗。該檢驗結(jié)果與最后求出的在協(xié)整向量已知時的檢驗結(jié)果一致，表明了此方法是可靠且有效的。 (3)針對線性協(xié)整方程，通過假設(shè)模型的隨機項為正態(tài)分布，我們可以得到協(xié)整向量的后驗分布，從而可以采用基于MCMC抽樣的方法進行協(xié)整向量的估計。由于在MCMC抽樣中使用了樣本信息，使得估計的結(jié)果較OLS估計結(jié)果更加可靠有效。在進行協(xié)整向