时间序列分析VAR模型实验.docx
《时间序列分析VAR模型实验.docx》由会员分享，可在线阅读，更多相关《时间序列分析VAR模型实验.docx（22页珍藏版）》请在冰豆网上搜索。
时间序列分析VAR模型实验
基于VAR模型的我国房地产市场与汇率
波动的因果关系
————VAR模型实验
第一部分实验分析目的及方法
现选取人民币对美元汇率以及商品房房价作为变量构建VAR模型。
对于不满足单位
根检验的序列采取对数化或差分处理，使其成为平稳序列再进行模型的拟合。
对于商品
房房价这一变量，由于全国各省市差异较大，故此处采用全国房地产开发业综合景气指
数这一变量。
此外，为了消除春节假期不固定因素带来的影响，增强数据的可比性，按
照国家统计制度，从2012年起，不单独对1月份统计数据进行调查，1-2月份数据一起
调查，一起发布。
所以国房景气指数p这一序列缺少每年一月份的相关数据，属于非随
机、不可忽略缺失，在此采用平均值填充的方法，补足数据。
第二部分实验样本
2.1数据来源
数据来源于中经网统计数据库。
具体数据见附录表。
2.2所选数据变量
由于我国于2005年7月实行第二次汇改，此次汇改以市场供求为基础、参考一篮
子货币进行调节、有管理的浮动汇率制度取代了过去人民币汇率长达10年的紧盯美元
的固定汇率体制。
故本实验拟选取2005年07月到2014年10月我国以月为单位的数据。
，
用以上两个变量来构建VAR模型，并利用该模型进行分析预测。
第四部分模型构建
4.1判断序列的平稳性
4.1.1汇率E序列
首先绘制出E的折线图，结果如下图：
图4.1汇率E的曲线图
从图中可以看出，汇率E序列较强的趋势性，由此可以初步判断该序列是非平稳的。
为了减少m的变动趋势以及异方差性，先对m进行对数化处理，记为lm，其时序图如下：
图4.2lm的曲线图
对数化后的趋势性减弱，但仍存在一定的趋势性，下面对
趋势性，得到新变量dlm，观察dlm的曲线图。
lm进行一阶差分处理，去除
图4.3DLE的曲线图
从图中可以看出，dle序列的趋势性基本已经消除，且新变量
因此选择形式为yt=yt-1+ut进行单位根检验：
dle基本围绕
0上下波动，
表4.1单位根输出结果
NullHypothesis:
DLEhasaunitroot
Exogenous:
Constant
LagLength:
2（Automatic-basedonSIC,maxlag=12）
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-3.031673
0.0351
Testcriticalvalues:
1%level
-3.491928
5%level
-2.888411
10%level
-2.581176
*MacKinnon（1996）one-sidedp-values.
AugmentedDickey-FullerTestEquation
DependentVariable:
D（DLE）
Method:
LeastSquares
Date:
11/15/14Time:
20:
20
Sample（adjusted）:
2005M112014M10
Includedobservations:
108afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
DLE（-1）
-0.353005
0.116439
-3.031673
0.0031
D（DLE（-1））
-0.502730
0.115417
-4.355768
0.0000
D（DLE（-2））
-0.311531
0.093265
-3.340258
0.0012
C
-0.000888
0.000470
-1.887592
0.0619
R-squared
0.450240
Meandependentvar
1.15E-05
AdjustedR-squared
0.434382
S.D.dependentvar
0.005058
S.E.ofregression
0.003804
Akaikeinfocriterion
-8.269046
Sumsquaredresid
0.001505
Schwarzcriterion
-8.169708
Loglikelihood
450.5285
Hannan-Quinncriter.
-8.228768
F-statistic
28.39119
Durbin-Watsonstat
2.061613
Prob（F-statistic）
0.000000
单位根统计量
ADF=-3.031673
小于临界值，且P为0.0351
，因此该序列不是单位根过程，
即该序列是平稳序列。
4.1.2国房景气指数P序列
首先作出P序列的时序图：
图4.4P的曲线图
由于每年一月份的数据缺失，故取相邻两项进行平均补全数据，得到新序列的时序
图如下：
图4.5P的曲线图（补全）
由上图可知，该序列P可能存在一定的趋势性和季节性，先进行单位根检验，确定
改序列是否平稳。
由于序列
表4.2单位根输出结果
NullHypothesis:
Phasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
3（Automatic-basedonSIC,maxlag=12）
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-3.972457
0.0124
Testcriticalvalues:
1%level
-4.045236
5%level
-3.451959
10%level
-3.151440
*MacKinnon（1996）one-sidedp-values.
由单位根检验结果可知，T值小于临界值，且P=0.0124，在5%的置信水平下，该序
列不存在单位根过程。
由于汇率E序列为一阶单整序列，并进行了一阶差分处理，因此样本数量减少，在
下面的操作中，所有的样本序列调整为2005-08至2014-10。
4.2模型参数识别
先进行VAR模型的拟合，初步选定滞后阶数为
3：
表4.3拟合输出结果
VectorAutoregressionEstimates
Date:
11/22/14Time:
22:
20
Sample（adjusted）:
2005M112014M10
Includedobservations:
108afteradjustments
Standarderrorsin（）&t-statisticsin[]
DLE
P
DLE（-1）
0.063183
-19.12274
（0.09626）
（14.1374）
[0.65638]
[-1.35263]
DLE（-2）
0.116798
15.42129
（0.09604）
（14.1052）
[1.21615]
[1.09330]
DLE（-3）
0.245260
16.39171
（0.09617）
（14.1243）
[2.55030]
[1.16053]
P（-1）
-9.04E-05
1.490708
（0.00066）
（0.09765）
[-0.13593]
[15.2656]
P（-2）
-0.000583
-0.355442
（0.00118）
（0.17380）
[-0.49226]
[-2.04508]
P（-3）
0.000346
-0.160740
（0.00067）
（0.09872）
[0.51479]
[-1.62821]
C
0.031328
2.571540
（0.01274）
（1.87084）
[2.45943]
[1.37454]
R-squared
0.295033
0.979509
Adj.R-squared
0.253154
0.978292
Sumsq.resids
0.001390
29.99247
S.E.equation
0.003710
0.544936
F-statistic
7.044848
804.6767
Loglikelihood
454.8094
-84.06138
AkaikeAIC
-8.292766
1.686322
SchwarzSC
-8.118924
1.860164
Meandependent
-0.002527
100.2406
S.D.dependent
0.004293
3.698585
Determinantresidcovariance（dofadj.）
4.08E-06
Determinantresidcovariance
3.57E-06
Loglikelihood
370.8871
Akaikeinformationcriterion
-6.609021
Schwarzcriterion
-6.261337
再进行滞后阶数的确定：
表4.4最优滞后阶数的判断
VARLagOrderSelectionCriteria
Endogenousvariables:
DLEP
Exogenousvariables:
C
Date:
11/22/14
Time:
22:
22
Sample:
2005M072014M10
Includedobservations:
99
Lag
LogL
LR
FPE
AIC
SC
HQ
0
134.7784
NA
0.000234
-2.682392
-2.629965
-2.661180
1
302.5627
325.3999
8.57e-06
-5.991165
-5.833886
-5.927530
2
329.0230
50.24783
5.45e-06
-6.444909
-6.182775*
-6.338849*
3
334.3733
9.943949*
5.30e-06*
-6.472187*
-6.105200
-6.323704
4
337.4531
5.599742
5.40e-06
-6.453598
-5.981758
-6.262691
5
339.7589
4.099176
5.60e-06
-6.419372
-5.842679
-6.186041
6
345.0498
9.192324
5.46e-06
-6.445451
-5.763905
-6.169696
7
345.5484
0.846076
5.87e-06
-6.374716
-5.588316
-6.056537
8
346.7369
1.968760
6.23e-06
-6.317917
-5.426663
-5.957314
9
352.5801
9.443639
6.01e-06
-6.355154
-5.359047
-5.952128
10
353.7714
1.877082
6.39e-06
-6.298411
-5.197451
-5.852961
11
354.3649
0.911279
6.87e-06
-6.229594
-5.023780
-5.741720
12
356.4617
3.134644
7.18e-06
-6.191146
-4.880479
-5.660848
*indicateslagorderselectedbythecriterion
LR:
sequentialmodifiedLRteststatistic（eachtestat5%level）
FPE:
Finalpredictionerror
AIC:
Akaikeinformationcriterion
SC:
Schwarzinformationcriterion
HQ:
Hannan-Quinninformationcriterion
由上边可知，根据信息准则，采取少数服从多数原则，取滞后阶数为
后阶数为2（SC为-6.182775）或取滞后阶数为3（SC为-6.105200）时，两者
很大。
3，此外取滞SC值相差不是
3.3模型参数估计
选取了最优滞后阶数3，进行模型的拟合。
拟合结果如下：
表4.5VAR（3）模型估计结果
VectorAutoregressionEstimates
Date:
11/22/14Time:
22:
23
Sample（adjusted）:
2005M112014M10
Includedobservations:
108afteradjustments
Standarderrorsin（）&t-statisticsin[]
DLE
P
DLE（-1）
0.063183
-19.12274
（0.09626）
（14.1374）
[0.65638]
[-1.35263]
DLE（-2）
0.116798
15.42129
（0.09604）
（14.1052）
[1.21615]
[1.09330]
DLE（-3）
0.245260
16.39171
（0.09617）
（14.1243）
[2.55030]
[1.16053]
P（-1）
-9.04E-05
1.490708
（0.00066）
（0.09765）
[-0.13593]
[15.2656]
P（-2）
-0.000583
-0.355442
（0.00118）
（0.17380）
[-0.49226]
[-2.04508]
P（-3）
0.000346
-0.160740
（0.00067）
（0.09872）
[0.51479]
[-1.62821]
C
0.031328
2.571540
（0.01274）
（1.87084）
[2.45943]
[1.37454]
R-squared
0.295033
0.979509
Adj.R-squared
0.253154
0.978292
Sumsq.resids
0.001390
29.99247
S.E.equation
0.003710
0.544936
F-statistic
7.044848
804.6767
Loglikelihood
454.8094
-84.06138
AkaikeAIC
-8.292766
1.686322
SchwarzSC
-8.118924
1.860164
Meandependent
-0.002527
100.2406
S.D.dependent
0.004293
3.698585
Determinantresidcovariance（dofadj.）
4.08E-06
Determinantresidcovariance
3.57E-06
Loglikelihood
370.8871
Akaikeinformationcriterion
-6.609021
Schwarzcriterion
-6.261337
由回归结果可知，
VAR
模型的参数估计一部分显著。
估计的方程为：
DLE=0.0631825185907*DLE（-1）+0.116798166932*DLE（-2）+0.245260334897*DLE（-3）
9.03782278173e-05*P（-1）-0.000582535557655*P（-2）+0.000346029705954*P（-3）+
.0313********
-
P=-19.1227437147*DLE（-1）+15.421290462*DLE（-2）+16.3917067335*DLE（-3）
1.4907076294*P（-1）-0.355441747867*P（-2）-0.160740461814*P（-3）+2.57153978544
+
4.4模型检验
首先对模型进行平稳性检验
表4.6VAR模型平稳性检验的表格显示
RootsofCharacteristicPolynomial
Endogenousvariables:
DLEP
Exogenousvariables:
C
Lagspecification:
13
Date:
11/22/14
Time:
22:
27
Root
Modulus
0.883466
-0.097039i
0.888779
0.883466
+0.097039i
0.888779
0.670300
0.670300
-0.321875-0.501863i
0.596213
-0.321875+0.501863i
0.596213
-0.239592
0.239592
Norootliesoutsidetheunitcircle.
VARsatisfiesthestabilitycondition.
图4.6VAR模型平稳性检验的图形显示
由上表和上图可知，VAR模型的特征方程的根均在单位园内，因此VAR模型是平稳的。
下面进行残差的自相关性的检验，检验结果如下：
图4.7VAR模型各方程残差项的自相关图
由上图可知，VAR模型允许不同方程的残差之间存在交叉相关性，但是残差自身不存
在自相关性，因此，观察残差自身的自相关图，可以看出自相关系数均位于置信区间内，说
明残差不存在自相关性。
第五部分模型应用
5.1格兰杰因果检验
接下来做两两变量之间的格兰杰因果检验。
序列P与序列DLE:
表5.1序列P与序列DLE格兰杰因果检验表
PairwiseGrangerCausalityTests
Date:
11/21/14Time:
23:
32
Sample:
2005M072014M10
Lags:
3
NullHypothesis:
ObsF-StatisticProb.
PdoesnotGrangerCauseDLE
108
2.77760
0.0451
DLEdoesnotGrangerCauseP
1.34286
0.2648
由上述结果可知，在5%的置信水平下，P是dle的格兰杰原因，即全国房地产开发业
综合景气指数是人民币对美元汇率变动幅度的格兰杰原因。
5.2脉冲响应
由于脉冲响应函数收到变量顺序的影响，因此其结果与分析的主观因素有关，对于
这三个变量：
DLE、R、P,按照中国市场目前现状，认为DLE外生性最强，p其次最后为
r。
故选取顺序为DLE、P、R。
图5.1脉冲响应图
5.3方差分解
表5.4方差分解结果
Varian
ce
Decom
position
ofDLE:
Period
S.E.
DLE
P
1
0.003710
100.0000
0.000000
2
0.003718
99.98250
0.017500
3
0.003769
98.89311
1.106885
4
0.003929
97.90952
2.090481
5
0.003966
96.36508
3.634918
6
0.004019
94.21821
5.781793
7
0.004078
92.06035
7.939649
8
0.004129
89.81515
10.18485
9
0.004182
87.60545
12.39455
10
0.004231
85.59975
14.40025
11
0.004276
83.80638
16.19362
12
0.004316
82.24748
17.75252
13
0.004351
80.93658
19.06342
14
0.004381
79.85384
20.14616
15
0.004406
78.97724
21.02276
16
0.004426
78.28318
21.71682
17
0.004442
77.74396
22.25604
18
0.004454
77.33345
22.66655
19
0.004464
77.02793
22.97207
20
0.004471
76.80583
23.19417
21
0.004476
76.64855
23.35145
22
0.004479
76.54051
23.45949
23
0.004482
76.46887
升级会员 