張曉桐計量經濟

1、當當代代計計量量經經濟濟模模型型體體系系 （模擬（模擬4萬次）萬次）0100200300400500600700800-5.0-2.50.02.5Series: DRIFTSample 1 10000Observations 10000Mean 0.000423Median -0.028121Maximum 4.278126Minimum -4.938927Std. Dev. 1.713000Skewness -0.002115Kurtosis 1.846687Jarque-Bera 554.2285Probability 0.000000-6-4-202460.050.10.150.2案例：

2、案例：421天的深證成指序列的單位根檢驗天的深證成指序列的單位根檢驗35040045050055060065070050100150200250300350400SZINDEX案例：案例：421天的深證成指序列的單位根檢驗天的深證成指序列的單位根檢驗案例：案例：421天的深證成指序列的單位根檢驗天的深證成指序列的單位根檢驗結構突變序列的單位根檢驗結構突變序列的單位根檢驗案例：人民幣元兌美元匯率序列的單位根檢驗案例：人民幣元兌美元匯率序列的單位根檢驗案例：人民幣元兌美元匯率序列的單位根檢驗案例：人民幣元兌美元匯率序列的單位根檢驗-.2-.1.0.1.25678919911992199319941

3、9951996ResidualActualFitted2. .線性時間序列模型線性時間序列模型 regARIMA模型模型建立建立ARIMA、SARIMA模型流程圖模型流程圖 1 識別識別 用相關圖和偏相關圖用相關圖和偏相關圖識別模型形式（確定參數識別模型形式（確定參數 d, p, q） 2 估計估計 對初步選取的模型進行參數估計對初步選取的模型進行參數估計 3 診斷與檢驗診斷與檢驗 包括參數的顯著性檢驗和殘差的隨機性檢驗包括參數的顯著性檢驗和殘差的隨機性檢驗 模型可取嗎模型可取嗎 止止 不可取不可取 可取可取 George Box 0200400600800100078798081828384

4、8586878889Y4.55.05.56.06.57.0787980818283848586878889LNY 月度數據（月度數據（y yt t，單位：億元）曲線圖，單位：億元）曲線圖 對數的月度數據（對數的月度數據（LnyLnyt t）曲線圖）曲線圖 12 Lnyt的相關圖（下）和偏相關圖（上）的相關圖（下）和偏相關圖（上） X-13AS、NBS-SA季節(jié)調整方法季節(jié)調整方法 乘法模型：乘法模型：Y = T S C I 加拿大月人口出生數（加拿大月人口出生數（y, 1973:1 1983:12） 趨勢循環(huán)分量（趨勢循環(huán)分量（TC） 26000270002800029000300003100

5、03200033000340007374757677787980818283Y280002900030000310007374757677787980818283MA12NN0.880.920.961.001.041.087374757677787980818283SF0.920.940.960.981.001.021.041.067374757677787980818283IRREGUF案例：案例：2005年年8月月30 2007年年4月月30日日407天人民幣元兌美元序列的門限模型天人民幣元兌美元序列的門限模型 序列的特征是序列的特征是“波動集群波動集群”、分布是、分布是“高峰厚尾高峰厚尾

6、” -8-6-4-20246200400600800100012001400D(JPY) (1995-2000)日元兌美元匯率差分序列（收益）日元兌美元匯率差分序列（收益）D(JPY) 高峰厚尾分布特征示意圖高峰厚尾分布特征示意圖 高峰厚尾高峰厚尾分布曲線分布曲線 正態(tài)正態(tài)分布曲線分布曲線 ARCH，GARCH模型可以預測被解釋變量的方差。對于金融時間模型可以預測被解釋變量的方差。對于金融時間序列預測的是風險。序列預測的是風險。建立建立ARCH，GARCH模型可以提高均值方程參數估計的有效性。模型可以提高均值方程參數估計的有效性。案例：日元兌美元匯率的建模研究案例：日元兌美元匯率的建模研究 1

7、995.1-2000.8日元兌美元匯率值（日元兌美元匯率值（1427個）序列（個）序列（JPY）見圖。極小值）見圖。極小值為為81.12日元，極大值為日元，極大值為147.14日元。其均值為日元。其均值為112.93日元，標準差是日元，標準差是13.3日元。日元。1995年年4月曾一度達到月曾一度達到81.12日元兌日元兌1美元。美元。 JPY的差分序列的差分序列D(JPY)表示收益。用表示收益。用D(JPY)建立時間序列模型。建立時間序列模型。80100120140160200400600800100012001400JPY (1995-2000)-8-6-4-202462004006008

8、00100012001400D(JPY) (1995-2000) 日元兌美元匯率（日元兌美元匯率（JPY）時間序列）時間序列 DJPY時間序列時間序列均值方程的估計式均值方程的估計式ARCH 模型的選擇模型的選擇0102030405060-12-8-404812u(t-1)sigma2隨機波動模型隨機波動模型 4波動模型波動模型ACD和和SCD模型模型 向量自回歸（向量自回歸（VAR）模型定義）模型定義案例案例1：上海證券交易所上證指數和股票交易上海證券交易所上證指數和股票交易 總成交量關系研究總成交量關系研究（file: 2120061741-shan） 上海證券交易所上證指數和股票交易總成

9、交量序列圖上海證券交易所上證指數和股票交易總成交量序列圖7.27.47.67.88.08.28.43.03.54.04.55.05.5255075100125150175200225LOG(SHP)LOG(SHQ)VAR的預測非常準確的預測非常準確6期期VAR的預測結果的預測結果1,5002,0002,5003,0003,5004,0004,500255075100125150175200225SHPSHP (Baseline)04080120160200240255075100125150175200225SHQSHQ (Baseline)-1.5-1.0-0.50.00.51.01.5-1

10、.5-1.0-0.50.00.51.01.5Inverse Roots of AR Characteristic Polynomial-1.5-1.0-0.50.00.51.01.5-1.5-1.0-0.50.00.51.01.5Inverse Roots of AR Characteristic Polynomial 2期期VAR的特征根的特征根 6期期VAR的特征根的特征根VAR模型穩(wěn)定的一種判別條件是，特征方程模型穩(wěn)定的一種判別條件是，特征方程 | 1 - I | = 0的根都必須在單位圓以內。的根都必須在單位圓以內。檢驗結果如下：檢驗結果如下： （當概率小于（當概率小于0.05時，表示

11、推翻原假設）時，表示推翻原假設）其中滯后其中滯后2020期的輸出結果期的輸出結果:DLOG(SHP) 和和 DLOG(SHQ) VAR(3)的脈沖相應的脈沖相應-.005.000.005.010.015.02012345678910DLOG(SHP)DLOG(SHQ)Response of DLOG(SHP) to CholeskyOne S.D. Innovations-.05.00.05.10.1512345678910DLOG(SHP)DLOG(SHQ)Response of DLOG(SHQ) to CholeskyOne S.D. InnovationsDLOG(SHP) 和和 DL

12、OG(SHQ) VAR(3)的方差分解的方差分解02040608010012345678910DLOG(SHP)DLOG(SHQ)Variance Decomposition of DLOG(SHP)02040608010012345678910DLOG(SHP)DLOG(SHQ)Variance Decomposition of DLOG(SHQ)VAR的協(xié)積檢驗的協(xié)積檢驗向量誤差修正模型向量誤差修正模型（VEC模型模型）VAR(2)基礎上的基礎上的VEC模型模型-120-80-4004080120160-20-15-10-5051015DBSHDASH-120-80-40040801201

13、60-20-15-10-5051015DASHDASHFDASHF25DASHF50DASHF75DBSH 面板數據示意圖面板數據示意圖 面板數據散點圖面板數據散點圖010002000300040005000040008000120001600020000INCOMEFOOD 蕭政蕭政面板數據模型估計方法面板數據模型估計方法面板數據模型的檢驗方法面板數據模型的檢驗方法 Hausman檢驗檢驗 H0: 個體隨機效應回歸模型個體隨機效應回歸模型 H1: 個體固定效應回歸模型個體固定效應回歸模型 H 臨界值，建立個體固定效應；臨界值，建立個體固定效應； H 臨界值，建立個體隨機效應回歸模型。臨界值，

14、建立個體隨機效應回歸模型。面板數據模型的檢驗方法面板數據模型的檢驗方法 面板數據的單位根檢驗（相同根情形）面板數據的單位根檢驗（相同根情形） 1Quah檢驗（檢驗（1990）2LL（Levin-Lin）檢驗（）檢驗（1992） 3LLC（Levin-Lin-Chu）檢驗（）檢驗（2002）4Breitung檢驗（檢驗（2002）5Hadri檢驗檢驗6Abuaf-Jorion檢驗（檢驗（1990），），Jorion-Sweeney檢驗（檢驗（1996）7Bai-Ng檢驗（檢驗（2001），），Moon-Perron檢驗（檢驗（2002）8IPS（Im-Pesaran-Shin）檢驗（）檢驗（19

15、97,2002）面板數據的單位根檢驗（不同根情形）面板數據的單位根檢驗（不同根情形） 9MW（Maddala-Wu）檢驗（）檢驗（1997）10崔仁（崔仁（In Choi）檢驗（）檢驗（2001）11Vanessa（Vanessa et al.）檢驗（）檢驗（2004）12Taylor-Sarno檢驗（檢驗（1998）面板數據的協(xié)積（協(xié)整）檢驗面板數據的協(xié)積（協(xié)整）檢驗Pedroni 協(xié)積檢驗：協(xié)積檢驗：以以Engle-Granger協(xié)積檢驗方法為基礎構造檢驗統(tǒng)協(xié)積檢驗方法為基礎構造檢驗統(tǒng)計量，標準化以后漸近服從標準正態(tài)分布。（計量，標準化以后漸近服從標準正態(tài)分布。（1999, 2004）Ka

16、o協(xié)積檢驗：協(xié)積檢驗：以以Engle-Granger協(xié)積檢驗方法為基礎構造檢驗統(tǒng)計量，協(xié)積檢驗方法為基礎構造檢驗統(tǒng)計量，標準化以后漸近服從標準正態(tài)分布。（標準化以后漸近服從標準正態(tài)分布。（1999）Fisher 個體聯(lián)合協(xié)積檢驗個體聯(lián)合協(xié)積檢驗（combined individual test）：用個體的協(xié)積）：用個體的協(xié)積檢驗值構造一個服從檢驗值構造一個服從 2分布的累加統(tǒng)計量檢驗面板數據的協(xié)積性。分布的累加統(tǒng)計量檢驗面板數據的協(xié)積性。(Maddala and Wu 1999) -4-202400.20.40.60.8105101520253000.20.40.60.81 Logit模型、模

17、型、Probit模型模型案例：天津市農戶勞動力的非農業(yè)就業(yè)模型（案例：天津市農戶勞動力的非農業(yè)就業(yè)模型（750戶）。戶）。教育程度教育程度對勞動力的非農業(yè)就業(yè)傾向有著非常明顯的作用對勞動力的非農業(yè)就業(yè)傾向有著非常明顯的作用Logit 模型估計值與擬合值散點圖模型估計值與擬合值散點圖 Logit 模型估計值與潛在變量散點圖模型估計值與潛在變量散點圖0.00.20.40.60.81.0-0.20.00.20.40.60.81.01.21.41.61.8YHATYF0.00.20.40.60.81.0-4-2024681012YFLATENTYF0.00.20.40.60.81.01012141618202224I_QUALITY_0QUALITY_1_0QUALITY_2_0QUALITY_3_00.00.20.40.60.81.01.21012141618202224I_QU