基于MCMC的协整分析研究及其应用

随着时间序列相关技术日益广泛的应用,协整分析作为处理非平稳时间序列的一种技术逐渐受到人们的重视,引发了深刻的理论研究,展现出了广阔的应用前景。 协整向量的估计以及协整的检验是进行协整分析的关键。目前常用的协整向量估计方法有最小二乘估计和极大似然估计,常用的协整检验方法有EG两步法、Johansen方法等。这些方法都必须以大量的观测数据作为基础。本文在观测数据量为小样本的请况下,提出基于MCMC模拟的协整分析方法,该方法在参数估计时可以充分利用样本先验信息,在协整检验时可以模拟出所需的统计量,为协整分析提供了较大的灵活性。 本文主要从以下几个方面进行研究: (1)讨论了时间序列协整的一般概念和目前常用的研究方法,包括单位根过程、有单位根的向量自回归、协整与误差校正模型、协整向量的估计与检验、协整向量已知时协整的检验等。 (2)考虑到求解基于丁ohansen协整检验中所需的特征根的情况比较复杂,本文选择了基于MCMC抽样的Bayes方法来估计模型的特征根,然后分别用基于Johansen协整检验的迹检验和最大特征根检验进行协整关系的存在性检验。该检验结果与最后求出的在协整向量已知时的检验结果一致,表明了此方法是可靠且有效的。 (3)针对线性协整方程,通过假设模型的随机项为正态分布,我们可以得到协整向量的后验分布,从而可以采用基于MCMC抽样的方法进行协整向量的估计。由于在MCMC抽样中使用了样本信息,使得估计的结果较OLS估计结果更加可靠有效。在进行协整向量已知时的协整检验时,采用基于MCMC抽样的Bayes估计。通过R软件的R2WinBUGS程序包调用Win BUGS,我们成功模拟出检验统计量的临界值。 (4)最后本文通过建立协整预测模型,以MCMC模拟为基础,研究了中国货币需求形势,实际结果表明基于MCMC的协整预测模型有良好的预测效果。