Определите ранг коинтеграции модели VEC

Этот пример показывает, как преобразовать n-мерную модель VAR в модель VEC, и затем вычислить и интерпретировать ранг коинтеграции получившейся модели VEC.

Ранг матрицы коэффициентов исправления ошибок, C, определяет ранг коинтеграции. Если ранг (C):

  • Нуль, затем конвертированный VEC (p) модель является стационарным VAR (p - 1) модель с точки зрения Δyt, без любых отношений коинтеграции.

  • n, затем VAR (p) модель стабилен с точки зрения yt.

  • Целое число r таким образом, что 0<r<n, затем существуют r отношения cointegrating. Таким образом, существуют r линейные комбинации, которые включают стационарный ряд. Можно включить срок исправления ошибок в два n-by-r матрицы C=αβ. α содержит скорости корректировки, и β матрица коинтеграции. Эта факторизация не уникальна.

Для получения дополнительной информации смотрите Коинтеграцию и Исправление ошибок и [80], Глава 6.3.

Рассмотрите следующую модель VAR (2).

yt=[10.260-0.110.350.12-0.051.15]yt-1+[-0.2-0.1-0.10.6-0.4-0.1-0.02-0.03-0.1]yt-2+εt.

Создайте переменные A1 и A2 для авторегрессивных коэффициентов. Упакуйте матрицы в вектор ячейки.

A1 = [1 0.26 0; -0.1 1 0.35; 0.12 -0.5 1.15];
A2 = [-0.2 -0.1 -0.1; 0.6 -0.4 -0.1; -0.02 -0.03 -0.1];
Var = {A1 A2};

Вычислите авторегрессивное и содействующие матрицы исправления ошибок эквивалентной модели VEC.

[Vec,C] = var2vec(Var);

Поскольку степень модели VAR равняется 2, получившаяся модель VEC имеет степень q=2-1. Следовательно, Vec является одномерным массивом ячеек, содержащим авторегрессивную матрицу коэффициентов.

Определите ранг коинтеграции путем вычисления ранга матрицы коэффициентов исправления ошибок C.

r = rank(C)
r = 2

Рангом cointegrating является 2. Этот результат предполагает, что существует две независимых линейных комбинации трех переменных, которые являются стационарными.

Смотрите также

|

Связанные примеры

Больше о

Для просмотра документации необходимо авторизоваться на сайте