Exponenta Banner
exponenta event banner

Оценка параметров модели VEC с использованием egcitest

Открыть сценарий в реальном времени

В этом примере показано, как оценить параметры модели векторной коррекции ошибок (VEC). Перед оценкой параметров модели VEC необходимо определить, существуют ли коинтеграционные отношения (см. Тест для коинтеграции с использованием теста Энгла-Грейнджера). Оставшиеся коэффициенты модели VEC можно оценить с помощью обычных наименьших квадратов (OLS).

После теста на коинтеграцию с использованием теста Энгла-Грейнджера загрузите Data_Canada набор данных. Проведите тест Энгла-Грейнджера на коинтеграцию по ряду малых, среднесрочных и долгосрочных процентных ставок.

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];

Предположим, что процедура выбора модели указывает на адекватность q = 2 лагов в модели VEC (q).

Δyt = α (β′yt-1+c0) +∑i=12BiΔyt-i+c1+εt.

Потому что вы оценили c0 и β = [1; -b] ранее можно условно оценить α, B1, B2, и c1 около:

  1. Формирование требуемых запаздывающих разниц

  2. Регрессируют первую разность ряда на q запаздывающих разностей и оценочный член коинтеграции.

Сформировать серию запаздывающих разниц.

q = 2;
[numObs,numDims] = size(Y);
tBase = (q+2):numObs;                    % Commensurate time base, all lags
T = length(tBase);                       % Effective sample size
YLags = lagmatrix(Y,0:(q+1));            % Y(t-k) on observed time base
LY = YLags(tBase,(numDims+1):2*numDims); % Y(t-1) on commensurate time base

Сформировать многомерные различия так, чтобы k numDims- широкий блок столбцов в DelatYLags содержит (1-L)Y(t-k+1). 

DeltaYLags = zeros(T,(q+1)*numDims);
for k = 1:(q+1)
    DeltaYLags(:,((k-1)*numDims+1):k*numDims) = ...
               YLags(tBase,((k-1)*numDims+1):k*numDims) ...
             - YLags(tBase,(k*numDims+1):(k+1)*numDims);
end
 
DY = DeltaYLags(:,1:numDims);        % (1-L)Y(t)
DLY = DeltaYLags(:,(numDims+1):end); % [(1-L)Y(t-1),...,(1-L)Y(t-q)]

Регрессируют первую разность ряда на q запаздывающих разностей и оценочный член коинтеграции. Включите перехват в регрессию.

X = [(LY*beta-c0),DLY,ones(T,1)]; 
P = (X\DY)'; % [alpha,B1,...,Bq,c1]
alpha = P(:,1);
B1 = P(:,2:4);
B2 = P(:,5:7);
c1 = P(:,end);

Отображение коэффициентов модели VEC.

alpha,b,c0,B1,B2,c1
alpha = 3×1

   -0.6336
    0.0595
    0.0269


b = 2×1

    2.2209
   -1.0718


c0 = -1.2393

B1 = 3×3

    0.1649   -0.1465   -0.0416
   -0.0024    0.3816   -0.3716
    0.0815    0.1790   -0.1528


B2 = 3×3

   -0.3205    0.9506   -0.9514
   -0.1996    0.5169   -0.5211
   -0.1751    0.6061   -0.5419


c1 = 3×1

    0.1516
    0.1508
    0.1503

См. также

|

Связанные примеры

Подробнее

Документация по инструментарию Econometrics

Поддержка