Exponenta Banner

Сравните подходы к анализу коинтеграции

Скрипт Open Live Script

Сравнение выводов и оценок от подходов Йохансена и Энгла-Грейнджера может быть сложным по ряду причин. В первую очередь, эти два метода чрезвычайно отличаются, и могут не согласиться на выводах из тех же данных. Метод тустепа Энгла-Грейнджера для оценки модели VEC, сначала оценки cointegrating отношения и затем оценки остающихся коэффициентов модели, отличается от подхода наибольшего правдоподобия Йохансена. Во-вторых, cointegrating отношения, оцененные подходом Энгла-Грейнджера, не могут соответствовать cointegrating отношениям, оцененным подходом Йохансена, особенно в присутствии нескольких cointegrating отношений. Важно в этом контексте, помнить, что cointegrating отношения исключительно не заданы, но зависят от разложения C=AB′ из матрицы влияния.

Тем не менее, два подхода должны обеспечить обычно сопоставимые результаты, если и начаться с тех же данных и ищут те же базовые отношения. Правильно нормированный, cointegrating отношения, обнаруженные любым методом, должен отразить механику генерирующего данные процесса, и модели VEC, созданные от отношений, должны иметь сопоставимые способности к прогнозированию.

Когда следующее показывает в случае канадских данных о процентной ставке, H1 Йохансена*, модель, которая является самой близкой к настройкам по умолчанию egcitest, обнаруживает то же cointegrating отношение как тест Энгла-Грейнджера, принимая ранг коинтеграции 2:

load Data_Canada
Y = Data(:,3:end); % Interest rate data
[~,~,~,~,reg] = egcitest(Y,'test','t2');
c0 = reg.coeff(1);
b = reg.coeff(2:3);
beta = [1; -b];

[~,~,~,~,mles] = jcitest(Y,'model','H1*');
************************
Results Summary (Test 1)

Data: Y
Effective sample size: 40
Model: H1*
Lags: 0
Statistic: trace
Significance level: 0.05


r  h  stat      cValue   pValue   eigVal   
----------------------------------------
0  1  38.8360   35.1929  0.0194   0.4159  
1  0  17.3256   20.2619  0.1211   0.2881  
2  0  3.7325    9.1644   0.5229   0.0891  

BJ2 = mles.r2.paramVals.B;
c0J2 = mles.r2.paramVals.c0;
 
% Normalize the 2nd cointegrating relation with respect to
%  the 1st variable, to make it comparable to Engle-Granger:
BJ2n = BJ2(:,2)/BJ2(1,2);
c0J2n = c0J2(2)/BJ2(1,2);
 
% Plot the normalized Johansen cointegrating relation together
%  with the original Engle-Granger cointegrating relation:

h = gca;
COrd = h.ColorOrder;

plot(dates,Y*beta-c0,'LineWidth',2,'Color',COrd(4,:))
hold on
plot(dates,Y*BJ2n+c0J2n,'--','LineWidth',2,'Color',COrd(5,:))
legend('Engle-Granger OLS','Johansen MLE','Location','NW')
title('{\bf Cointegrating Relation}')
axis tight
grid on
hold off

Смотрите также

Связанные примеры

Больше о

Документация Econometrics Toolbox
Поддержка