非线性 时间序列 模型

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
3 t t
平滑转移模型
第三步:计算F统计量,检验线性零假 设 H 0′ : δ i = 0 , i = 1,2,3 。在转换变量 zt 服 从平稳时间序列时,如下结论成立:
F=
( SSR0 − SSR1 ) 3m SSR1 ( T − 4 m −1)
F (3m, T − 4m − 1)
平滑转移模型
平滑转移模型
为了求解模型参数的方便,我们通常 把一般意义下的STR模型写成一个线 性模型与一个非线性部分的和的形式:
yt = α0 + α ′wt + ((θ0 − α0 ) + (θ − α )′wt ) F ( zt ) + ε t (2) = α0 + α ′wt + ( β 0 + β ′wt ) F ( zt ) + ε t
Bollerslev(1986)引进了广义自回归条件 异方差(GRACH)模型
σ =a 0 +a1σ
2 t 2 t −1
+ ⋅ ⋅ ⋅ + a pσ
2 t− p
+ b1 X
2 t −1
+ ⋅ ⋅ ⋅ + bq X
2 t −q
,
其中 a j ≥ 0, b j ≥ 0
门限模型
由H.Tong 提出的门限自回归(TAR) 模型假定在状态空间的不同区域,模 型有不同的线性形式,状态空间的划 分通常由一个门限变量来描述。
谢谢
Page 31
非线性时间序列模型
线性模型
AR模型 MA模型 ARMA模型 ARIMA模型
非线性模型
ARCH模型 门限模型 Markov 区制转移模型 平滑转移模型STR
自回归条件异方差( 自回归条件异方差(ARCH)模型 )
ARCH模型首先由Engle(1982)为建模 英国的通货膨胀的预报方差而引进, 用于建模时间序列变化的(条件)方 差或波动性,从此这个模型被广泛地 用来建模金融和经济时间序列的波动 率。
平滑转移模型
检验原模型(2)的线性原假设 H 0 : γ = 0 就 相当于检验辅助回归(6)式中H ′ : δ = 0 , i = 1, 2,3 而备择假设此时变为 H ′ : δ 不都为0 , i = 1, 2,3 。同 理,当进行ESTR形式的模型设定检验的时 候,只要令转换函数如下即可 将转换函数带入到(2)式后可得简化形为:
自回归条件异方差( 自回归条件异方差(ARCH)模型 )
X t = σ tε t

σ t2 = a0 + b1 X t2−1 + ⋅ ⋅ ⋅ + bq X t2−q
其中
a 0 ≥ 0, b j ≥ 0, {ε t } ~ IID(0,1)
广义自回归条件异方差( 广义自回归条件异方差(GARCH)模型 )
γ >0
(4 )
平滑转移模型
以上两式中的c可以认为是在两个状态 之间发生转换的临界值,用来确定状 态转换发生的时间,γ 是平滑参数, 当 γ 很大时,转换变量相对于临界值 很小的变化都能导致剧烈的状态转换, F ( zt ) 当其趋于无穷时, 取值在临界值c周 γ →0 围的变化是瞬时的,当 时,上述 两种非线性模型的非线性部分消失, 变为一个线性模型。
(1)
平滑转移模型
其中,模型自变量的滞后阶数可通过 AIC或SIC准则判断,并综合考虑参数 估计值的T统计量和残差的自相关检 验,从较大的阶数逐一剔除。 wt = ( yt −1 ,L, yt − p , x1t , x2t ,L xkt ) 是自变量组成 的向量,既包含因变量滞后值又可以 包含其他的外生解释变量,p+k=m,
Markov区制转移模型 区制转移模型
Markov区制转移模型能够给出数据生 成过程中结构变化的转移概率,并模 拟出时间序列的内生变化过程,能够 更好的模拟动态变化过程;Markov区 制转移模型能够详细的给出研究变量 的区制和区制转移时间,可以分阶段 对比政策对经济的作用效果。
平滑转移模型
平滑转移模型(smooth transition regression)主要解决经济过程的机制 转化行为,将数据生成过程中的非线 性信息转换成可控制的模型机制,它 可以通过选取不同的转移变量或转移 函数形式较为准确的捕捉经济过程中 对称与非对称的转换。
平滑转移模型
F 是 与θ 对应不同状态的参数向量。( zt ) 取值范围在0-1之间的一个连续、有 界函数,起到链接两个线性模型的传 z 递作用, t 是转换变量,既可以是向 量wt 的一个元素,也可以是时间趋势、 因变量的前定变量或两者的一个线性 ε 组合, t 是服从独立同分布的误差序 列。
α α 0与θ 0是两种不同状态下的截距项,
平滑转移模型
根据转换函数形式的不同,Granger和 Teräsvirta把STR模型具体分为逻辑形式 STR模型(Logistic STR,LSTR)和指数 形式的STR模型(Exponential STR, ESTR)两大类。
平滑转移模型
在LSTR模型中,转换函数F ( zt ) LSTR模型中, 模型中 被认为是服从逻辑函数的形式: 被认为是服从逻辑函数的形式:
0 i 1 i
yt = δ 0 +δ1′wt ht +δ 2′wt ht 2 +et ∗
(7)
平滑转移模型
Baidu Nhomakorabea
整个检验过程按照下面的步骤进行: 第一步:建立 yt 对带有截距 wt 项的最优 线性模型,并计算残差 ε t 和残差平方 ˆ 和 SSR0 。 w w wt ht ,t ht 2 , h 第二步:以 εˆt 为因变量,对 进行有截距的回归,计算此时的残差平 方和 SSR1。
平滑转移模型
Teräsvirta(1994)提出了一个通常可以检 验STR模型框架的构想,这种方法也可用 于确定序列能否被模型化为最优的LSTR模 型或ESTR模型。这个检验基于(2)式模 型转换函数的三阶泰勒展开。
平滑转移模型
假定正确设定的模型应该是LSTR形式的, 现将 F ( zt )写为:
yt = δ 0 +δ 1′wt ht +δ 2′wt ht 2 +δ 3′wt ht 3 +et ∗
(6)
平滑转移模型
e δ 其中, i , i = 1, 2,3 是m维的系数向量,t ∗ = ε t + β ′wt R( zt ) R( zt ) 为泰勒展开的余项,在线性零假设成 立时 R( zt ) 恒为零,所以这个余项不影响零 假设成立时残差的统计性质,也就不会影 响统计量的分布。
平滑转移模型
一般的STR模型可用两个线性模型的 加权平均形式表出,权数可由某个分 布函数来充当,而转换变量则可以控 制因变量在不同状态之间的转换。经 典的具有m个解释变量的STR模型可 以写成如下形式:
yt = (α0 + α ′wt )(1 − F ( zt )) + (θ0 + θ ′wt ) F ( zt ) + ε t
第四步:若上一步的检验结果拒绝了原假 设,肯定了非线性的STR模型,接下来就 要在LSTR模型和ESTR模型中进行选择。 Teräsvirta(1998)提出了一种有效的方法, 对(6)式进行如下的序贯检验,这一检验 具有递归性,原检验和备择假设分别为: H 01 : δ 3 = 0 |
H 02 : δ 2 = 0 | δ 3 = 0 H 03 : δ1 = 0 | δ 2 = δ 3 = 0
平滑转移模型
就选择LSTR模型, LSTR模型 若拒绝 H 01 ,就选择LSTR模型,若接 受 则选择ESTR模型, H 01但拒绝 H 02 则选择ESTR模型,当接受 ESTR模型 H 01 和 H 02但拒绝 H 03 时,应选择LSTR模 应选择LSTR LSTR模 由于STR模型展开式没有考虑高阶项, STR模型展开式没有考虑高阶项 型。由于STR模型展开式没有考虑高阶项, 严格按上述步骤作出的选择也可能犯错误, 严格按上述步骤作出的选择也可能犯错误, 这时普遍的做法是上式的三个检验, 这时普遍的做法是上式的三个检验,选择 有最小P值对应的模型形式, 有最小P值对应的模型形式,检验统计量 的形式仍使用渐进F统计量。 的形式仍使用渐进F统计量。
平滑转移模型
在对STR模型进行参数估计之前,我们需要 知道一个经济行为是否可以用STR模型去拟 合,即首先要检验非线性的STR模型设定是 否正确。Luukkonen和Saikkonen等(1988) 提出可以将转换函数用适当的泰勒级数展开 χ 2 分布的 式近似替代,同时使用渐进服从 LM统计量检验模型的线性和非线性性质, LM统计量可以用于检验特定的非线性类型, 这有助于我们选择具体的非线性函数。
F ( zt )=(1 + exp( −γ ( zt − c))) −1 =(1 + exp( −ht ))−1 γ > 0 ,设γ ( zt − c) = ht
(5)
h 当线性原假设成立,即 H 0 : γ = 0 时,t = 0 也成立,现求 F ( zt ) 在 ht 为0附近的三阶泰 勒展开最后可得
LSTR转换函数和 转换函数和ESTR转换函数的区别 转换函数和 转换函数的区别
LSTR转换函数随 zt 的增加而单调递 增,yt在超过 zt 或没超过临界值c时有不 对称的动态行为,只要 zt 大于c,其对因 变量 yt 的影响就是持久的;但在ESTR模 y 型转换函数中, t 当 zt 在临界值周围运动 F z 时呈对称分布, t 越靠近c, ( zt )越逼近于0, F ( zt ) 越远离c, 越向1靠近,也就是说此时 zt yt 在不同的状态中有相同的动态行为但在临 界值附近却有不同的动态过程, 对 zt 并 yt 没有长期的影响。
F ( zt ) = (1 + exp( −γ ( zt − c))) −1
γ >0
(3 )
F 而在ESTR模型中, 而在ESTR模型中,转换函数 ( zt ) ESTR模型中 又可以采用指数函数的形式: 又可以采用指数函数的形式:
F ( zt ) = 1 − exp( −γ ( zt − c)2 )
θ - α 是斜率参数在不同状态间的差异。
STR模型建模步骤 模型建模步骤
一、模型的线性部分,通常采用VAR模型通过滞 后阶数进行判定 二、模型的非线性部分,利用LM统计量检验模型 的非线性;当确定为非线性之后,进行序贯检验, 确定转换变量以及STR模型的形式(LSTR1或者 LSTR2)。 三、进行参数估计(位置参数和平滑参数)。 四、得到STR模型的具体形式后,进行模型评价。 主要包括模型的残余非线性检验,残差的自相关 性检验,异方差性检验以及正态性检验等。
门限自回归模型( 门限自回归模型(TAR) )
具有k ( k ≥ 2 )分段的门限自回归(TAR)模型 定义为 X = ∑{b + b X + ⋅⋅⋅ + b X + σ ε }I ( X ∈ A ) 其中 {ε t } ~ IID ( 0,1) , d , p1, ⋅⋅⋅, pk 是一些未知的正整 {A 数,σ i > 0 且 bij 是未知参数, } 构成( −∞, +∞ ) 的 一个分割,其含义是对所有的 k i ≠ j , Ai I Aj = ∅, 且U i =1 Ai = ( −∞, +∞ )
k t i =1 i0 i1 t −1 i , pi t − pi i t t −d i
i
门限自回归模型( 门限自回归模型(TAR) )
TAR模型的有用性归因于逐段线性函数类 实际上可以为更复杂的非线性函数提供简 单和易于操作的逼近。
Markov区制转移模型 区制转移模型
Markov区制转移模型最早由Hamilton (1989)提出并应用到经济周期阶段 性的转变研究,随后被广泛应用于宏 观经济分析和金融行为分析当中。
相关文档
最新文档