金融计量学(上财版)第五章至第七章概念整理
合集下载
相关主题
- 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、"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、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)。
（2）Theil不相等系数
,U越小预测能力越强。
Theil不相等系数的分解：偏误比例 ，代表系统性误差；方差比例 ，代表模型中的变量重复其实际变化程度的能力；协方差比例 ，代表非系统性误差。
理想的不等比例的分布： 。
5.VAR模型的优点
（1）形式灵活。
（2）参数估计比较容易。
（3）预测效果优于结构联立方程。
（2）外生变量
由模型外的因素决定其取值的变量。
（3）前定变量
独立于变量所在方程当期和未来各期随机误差项的变量，包括外生变量和滞后的内生变量。
2.完备方程组
模型中方程个数等于内生变量个数的方程组。
3.结构化模型与简化式模型
（1）结构化模型是指在一定的经济理论基础上建立的，能够反映经济变量之间结构形式的一类联立方程模型。
（3）计算余下子矩阵的秩，等于(G-1)则可识别，小于则不可识别。
金融计量学（上财版）第五章至第七章概念整理
第五章 时间序列数据的平稳性
1.平稳性原理
均值、方差一定，协方差只与数据相隔的距离有关。
2.白噪声
均值为零，方差一定，协方差为零。
3.Leabharlann Baidu回归
两个随机游走变量（非随机序列）之间存在高度的相关关系，可能只是因为二者同时随时间有向上或向下变动的趋势，并没有真正的联系。
P阶截尾。
2.信息准则
随着模型解释变量增多而造成自由度丢失使预测模型不再有效，因此必须对此丢失施加一个惩罚项。
惩罚严厉程度：SC>AIC>HQIC。
3.预测类型
无条件预测与有条件预测
所有解释变量的值都是已知的。
某些解释变量的值是未知的。
样本内预测和样本外预测
用所有观测值用来估计，用估计到的模型对其中一部分观测值进行预测。
（2）简化式模型是把结构化模型中的内生变量表示为前定变量和随机误差项的函数的联立方程组。
4.联立性偏误
在结构式模型中，由于内生变量既可作为解释变量又可作为被解释变量，违背了OLS关于“解释变量与随机误差项不相关”的基本假设，若对结构式模型中的方程运用OLS进行估计则得到的参数估计值是有偏和不一致的。
4.协整
若干个随机游走的变量，存在某个线性组合是平稳的。
5.协整的性质
（1）Xt是平稳的，a+bXt也是平稳的。
（2）Xt是I(1)，a+bXt也是I（1）。
（3）Xt平稳，Yt平稳，aXt+bYt也平稳。
（4）Xt平稳，Yt不平稳，aXt+bYt不平稳。
（5）Xt与Yt都是I（1），aXt+bYt一般是I（1），也可能不是。
全部观测值的一部分用来估计，另一部分观测值用来预测。
事前预测和事后模拟
不知道因变量的实际值的情况下进行的预测。
已经知道要预测的值的实际值，目的是评估模型的好坏。
一步向前和多步向前
对下一期进行预测，静态。
对接下来若干期进行预测，动态。
4.预测的评价标准
（1）平均预测误差
平均预测预测平方和
平均预测误差绝对值
第六章 动态模型
1.MA与AR
MA
AR
平稳性
对于任意的MA均平稳。（Yt均值方差一定，协方差仅与距离有关）
特征方程 的根落在单位圆外则没有单位根，AR过程平稳。
自相关
有限记忆力，q阶截尾。
拖尾。（平稳的AR（p）等价为MA（∞））
偏自相关
拖尾。（MA（q）的特征方程的根都落在单位圆外，则MA（q）等价为AR（∞））
5.联立方程组的识别问题
识别问题是指结构方程参数的数值估计能否从估计的简化式参数中求得。
（1）能得到结构参数估计的唯一解，则称该方程是恰好识别的。
（2）能得到结构参数估计的多个解，则称该方程是过度识别的。
（3）不能通过简化式参数估计值求得结构式方程参数，则称该方程是不可识别的。
6.阶条件
G为结构方程个数，对其中某个方程有：
（1）表述1
清点方程中不包含的内生变量和前定变量。
等于(G-1)，恰好识别；小于，不可识别；大于，过度识别。
（2）表述2：
比较方程中不包含的前定变量、方程右边包含的内生变量。
等于，恰好识别；小于，不可识别；大于，过度识别。
7.秩条件
（1）结构参数矩阵。
（2）删去方程对应的一行与方程中参数不为零系数所在各列。
6.VAR模型的缺点
（1）缺乏理论依据。
（2）难以确定滞后期数。
（3）只适用于平稳序列，对差分后平稳的序列可能造成长期关系信息的丢失。
7.（G）ARCH模型的应用范围
具有丛聚性和方差波动性的经济类时间序列
第七章 联立方程模型的概念和构造
1.联立方程模型中变量的划分
（1）内生变量
由系统决定其取值的变量。
,U越小预测能力越强。
Theil不相等系数的分解：偏误比例 ，代表系统性误差；方差比例 ，代表模型中的变量重复其实际变化程度的能力；协方差比例 ，代表非系统性误差。
理想的不等比例的分布： 。
5.VAR模型的优点
（1）形式灵活。
（2）参数估计比较容易。
（3）预测效果优于结构联立方程。
（2）外生变量
由模型外的因素决定其取值的变量。
（3）前定变量
独立于变量所在方程当期和未来各期随机误差项的变量，包括外生变量和滞后的内生变量。
2.完备方程组
模型中方程个数等于内生变量个数的方程组。
3.结构化模型与简化式模型
（1）结构化模型是指在一定的经济理论基础上建立的，能够反映经济变量之间结构形式的一类联立方程模型。
（3）计算余下子矩阵的秩，等于(G-1)则可识别，小于则不可识别。
金融计量学（上财版）第五章至第七章概念整理
第五章 时间序列数据的平稳性
1.平稳性原理
均值、方差一定，协方差只与数据相隔的距离有关。
2.白噪声
均值为零，方差一定，协方差为零。
3.Leabharlann Baidu回归
两个随机游走变量（非随机序列）之间存在高度的相关关系，可能只是因为二者同时随时间有向上或向下变动的趋势，并没有真正的联系。
P阶截尾。
2.信息准则
随着模型解释变量增多而造成自由度丢失使预测模型不再有效，因此必须对此丢失施加一个惩罚项。
惩罚严厉程度：SC>AIC>HQIC。
3.预测类型
无条件预测与有条件预测
所有解释变量的值都是已知的。
某些解释变量的值是未知的。
样本内预测和样本外预测
用所有观测值用来估计，用估计到的模型对其中一部分观测值进行预测。
（2）简化式模型是把结构化模型中的内生变量表示为前定变量和随机误差项的函数的联立方程组。
4.联立性偏误
在结构式模型中，由于内生变量既可作为解释变量又可作为被解释变量，违背了OLS关于“解释变量与随机误差项不相关”的基本假设，若对结构式模型中的方程运用OLS进行估计则得到的参数估计值是有偏和不一致的。
4.协整
若干个随机游走的变量，存在某个线性组合是平稳的。
5.协整的性质
（1）Xt是平稳的，a+bXt也是平稳的。
（2）Xt是I(1)，a+bXt也是I（1）。
（3）Xt平稳，Yt平稳，aXt+bYt也平稳。
（4）Xt平稳，Yt不平稳，aXt+bYt不平稳。
（5）Xt与Yt都是I（1），aXt+bYt一般是I（1），也可能不是。
全部观测值的一部分用来估计，另一部分观测值用来预测。
事前预测和事后模拟
不知道因变量的实际值的情况下进行的预测。
已经知道要预测的值的实际值，目的是评估模型的好坏。
一步向前和多步向前
对下一期进行预测，静态。
对接下来若干期进行预测，动态。
4.预测的评价标准
（1）平均预测误差
平均预测预测平方和
平均预测误差绝对值
第六章 动态模型
1.MA与AR
MA
AR
平稳性
对于任意的MA均平稳。（Yt均值方差一定，协方差仅与距离有关）
特征方程 的根落在单位圆外则没有单位根，AR过程平稳。
自相关
有限记忆力，q阶截尾。
拖尾。（平稳的AR（p）等价为MA（∞））
偏自相关
拖尾。（MA（q）的特征方程的根都落在单位圆外，则MA（q）等价为AR（∞））
5.联立方程组的识别问题
识别问题是指结构方程参数的数值估计能否从估计的简化式参数中求得。
（1）能得到结构参数估计的唯一解，则称该方程是恰好识别的。
（2）能得到结构参数估计的多个解，则称该方程是过度识别的。
（3）不能通过简化式参数估计值求得结构式方程参数，则称该方程是不可识别的。
6.阶条件
G为结构方程个数，对其中某个方程有：
（1）表述1
清点方程中不包含的内生变量和前定变量。
等于(G-1)，恰好识别；小于，不可识别；大于，过度识别。
（2）表述2：
比较方程中不包含的前定变量、方程右边包含的内生变量。
等于，恰好识别；小于，不可识别；大于，过度识别。
7.秩条件
（1）结构参数矩阵。
（2）删去方程对应的一行与方程中参数不为零系数所在各列。
6.VAR模型的缺点
（1）缺乏理论依据。
（2）难以确定滞后期数。
（3）只适用于平稳序列，对差分后平稳的序列可能造成长期关系信息的丢失。
7.（G）ARCH模型的应用范围
具有丛聚性和方差波动性的经济类时间序列
第七章 联立方程模型的概念和构造
1.联立方程模型中变量的划分
（1）内生变量
由系统决定其取值的变量。