VAR-GARCH 有共整合現象，該怎麼辦(RATS) - 经管之家

› 论坛 › 数据科学与人工智能 › 数据分析与数据科学 › MATLAB等数学软件专版

VAR-GARCH 有共整合現象，該怎麼辦(RATS)

11257

42

收藏 2012-02-25

我用RAT 8.0我想跑雙變量的 VAR -GARCH
我檢定我的VAR裡有共整合現象
那我應該要如何修正我的程式碼
讓她可以跑共整合呢??
我看的論文裡面有VAR~得全部都是沒有整合現象??
所以我不知道應該如何在我的方程式裡改成有共整何

system(model=var1)
variables ex elec
lags 1
det constant
end(system)
garch(p=1,q=1,model=var1,mv=CC,variances=varma,pmethod=simplex,piters=10)

請問這樣我下面這樣是對的嗎?
system(model=ectmodel)
variables EX ELEC
lags 1
det constant
end(system)
garch(p=1,q=1,model=ectmodel,mv=CC,variances=varma,pmethod=simplex,piters=10)

但我跑出來的結果都一樣，怎麼會??
謝謝你~~

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

2012-2-26 10:29:02

依题意,可能是要做vecm-garch??

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-2-26 11:25:50

我在user guide找不到程式碼??
請問rats 能跑嗎?要怎麼輸入程式碼呢
system(model=var1)
variables ex elec
lags 1
det constant
end(system)
garch(p=1,q=1,model=var1,mv=CC,variances=varma,pmethod=simplex,piters=10)

我這樣輸入不行
請問該怎麼跑~

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-2-26 22:10:00

bang4kimo 发表于 2012-2-26 11:25
我在user guide找不到程式碼??
請問rats 能跑嗎?要怎麼輸入程式碼呢
system(model=var1)

先不谈GARCH的部分
想必你对VAR & VECM有一定的了解
首先你必须先列两者方程的不同
自然你就知道
VECM需要先自订DEX,DELEC,ECT
SET DEX = .....
SET DELEC = .....
SET ECT = .....

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-2-27 00:15:12

阿~我打錯了~
我網路上找到有人這樣打
說是可以跑VECM GARCH
我照打了~但還是不行
原因是ect{1}
我不知道我應該要如何定義ect{1}??
我的檔案裡 ex 和plas 已經是取過差分的報酬了
是穩定了~但是ex 和plas原始的價格序列存在一個共整合(我用eviews跑出來的)
要怎麼樣定義ect?? 我不太懂程式
跑vecm-garch 是要ect 還是要ect{1}???

謝謝妳!!!
*
* Define a three lag VAR with the gap being a cointegrating vector
*
system(model=vecmmodel)
variables plas
lags 1 to 3
det constant ect{1}
end(system)
*
* Estimate by GARCH-BEKK
*
garch(model=vecmmodel,mv=bekk,hmatrices=h,rvector=r,$
pmethod=simplex,piters=5,method=bfgs,iters=400) 1983:1:10 1992:7:31
*
* Compute correlations from GARCH model
*
set rou1 = h(t)(1,2)/sqrt(h(t)(1,1)*h(t)(2,2))
statistics rou1
*
* NRED1 and NRED2 are probably supposed to be standardized residuals, but they aren't
* being computed correctly. This computes standardized residuals into stdresids(1) and
* stdresids(2)
*
dec vect[series] stdresids(2)
do i=1,2
set stdresids(i) = ([vector] stdr=inv(%decomp(h(t)))*r(t)),stdr(i)
end do i

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-2-27 05:11:03

我試了一下，但我不知道這樣到底是對還是錯??
拜託幫我看一下~~

假設VAR我的方程式是
EX=C+PLAS(1)+EX(1)+e
PLAS=C+PLAS(1)+EX(1)+e
如果我的VAR有共整合
變成下面的'VECM
Y=lemada+Z(1)+X(1)+Y(1)

EX=lemada*(PLAS-beta*EX)+PLAS(1)+EX(1)+e
PLAS=lemada*(EX-beta*PLAS)+PLAS(1)+EX(1)+e
VECM方程式是這樣子嗎??

如果我在打RATS程式時ECT=PLAS-EX
在程式裡跑的時候是不是都是這個 ECT=PLAS-EX??
我的程式有沒有錯啊??
有要需要知道EX 和 PLAS的共整合有幾個才能設計ECT嗎??


data(format=xlsx,org=columns) 1 1990 EX TINDEX ELEC FIN PLAS MACH GLASS Chemicals
SET ECT  =PLAS-EX
system(model=vecmmodel)
variables EX PLAS
lags 1
det constant ect{1}
end(system)
garch(p=1,q=1,model=vecmmodel,mv=CC,variances=varma,pmethod=simplex,piters=10)

MV-GARCH, CC with VARMA Variances - Estimation by BFGS
Convergence in 57 Iterations. Final criterion was  0.0000093 <=  0.0000100
Usable Observations                   1989
Log Likelihood                   18095.9870

Variable                      Coeff    Std Error    T-Stat    Signif
************************************************************************************
1.  EX{1}                            0.1037    0.0273    3.79429  0.00014807
2.  PLAS{1}                         0.0107  2.9864e-003    3.58951  0.00033130
3.  Constant                   1.6497e-005  1.9304e-005    0.85460  0.39277495
4.  ECT{1}                      -4.7177e-003  2.7238e-003    -1.73204  0.08326580
5.  EX{1}                            -0.1141    0.0645    -1.76946  0.07681669
6.  PLAS{1}                         -0.0188    0.0216    -0.87241  0.38298203
7.  Constant                   2.0168e-004  1.2133e-004    1.66228  0.09645715
8.  ECT{1}                            0.0929    0.0201    4.61029  0.00000402
9.  C(1)                         5.8509e-008  1.7328e-008    3.37654  0.00073405
10. C(2)                         2.7290e-007  1.0803e-007    2.52615  0.01153200
11. A(1,1)                            0.3373    0.0293    11.52776  0.00000000
12. A(1,2)                            0.0154  3.6944e-003    4.17702  0.00002953
13. A(2,1)                         -0.0259    0.0345    -0.75061  0.45288471
14. A(2,2)                            0.0436    0.0108    4.04576  0.00005215
15. B(1,1)                            0.7392    0.0146    50.70248  0.00000000
16. B(1,2)                      -2.1944e-003    0.0128    -0.17168  0.86369033
17. B(2,1)                            0.0812    0.0447    1.81702  0.06921475
18. B(2,2)                            0.9542    0.0119    80.36003  0.00000000
19. R(2,1)                         -0.2997    0.0191 -15.70715  0.00000000

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2012-2-27 11:58:11

bang4kimo 发表于 2012-2-27 05:11
我試了一下，但我不知道這樣到底是對還是錯??
拜託幫我看一下~~

假设exp,plasp是原始价格序列
则level分别为
set plas=100*log(plasp)
set ex=100*log(exp)
则first difference(一阶差分),分别是dex,dplas
(等于你的ex,plas)
set dplas=plas-plas{1}
set dex=ex-ex{1}
error correction term
里的变量应该是level非first difference
可参考
EViews 6 User’s Guide II
Chapter 34. Vector Autoregression and Error Correction Models
page 380/688 formula(34.46)

若再有问题
请提供ex 和plas原始的价格序列
我帮你看看

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-2-27 13:41:16

阿~對~忘記要原始序列了~
我附上檔案了

假設VAR我的方程式是
EX=C+PLAS(1)+EX(1)+e
PLAS=C+PLAS(1)+EX(1)+e
如果我的VAR有共整合
變成下面的'VECM
Y=lemada*Z(1)+X(1)+Y(1)

VECM方程式是下面樣子嗎??
EX=lemada*(PLAS-beta*EX)(1)+PLAS(1)+EX(1)+e
PLAS=lemada*(EX-beta*PLAS)(1)+PLAS(1)+EX(1)+e

如果我在打RATS程式時 ECT=PLAS-EX
vecm會都是這樣跑嗎?
EX=lemada*(PLAS-beta*EX)(1)+PLAS(1)+EX(1)+e
PLAS=lemada*(PLAS-beta*EX)(1)+PLAS(1)+EX(1)+e
在程式裡跑的時候是不是都是這個 PLAS-beta*EX?
我的程式有沒有錯啊??
有要需要知道EX 和 PLAS的共整合有幾個才能設計ECT嗎??

我不知道我問的，妳看不看得懂
整個程式也不知道我有沒有錯，
可否幫我寫一個??
謝謝您!!

附件列表

大小:125 KB

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-2-27 14:46:58

我覺得應該是要這樣改

Example 7.7 Error Correction Model
The following (example file ECT.RPF) analyzes a set of three interest rate variables,
first testing for cointegration, then imposing it.
rats does only a limited form of cointegration analysis. For a more complete treatment,
the program cats is available from Estima as an add-on. cats provides more
sophisticated tests for cointegrating rank, model diagnostics and tests on the structures
of both the cointegrating vectors and their loadings (and much more).
cal(m) 1975:1
open data haverate.rat
data(format=rats) 1975:1 2001:6 ftbs3 ftb12 fcm7
Test for unit roots in the original variables
@dfunit(lags=6) ftbs3
@dfunit(lags=6) ftb12
@dfunit(lags=6) fcm7
Use @JohMLE to test the cointegrating rank and estimate the cointegrating vector
corresponding to the largest eigenvalue. Note that it is far from obvious (a priori)
that the cointegrating rank will be one. It might very well be zero, or, if there were
a single stochastic trend linking the yields, then the cointegrating rank would be
two.
Because the series don’t have a trend, the appropriate choice for the deterministic
component is DET=RC, which doesn’t include a constant in the individual
equations (where it would cause the series to drift because of the unit roots), but
restricts it to the cointegrating vector. The components of the cointegrating vector
produced by JohMLE with this choice will have four components: the three variables
+ the constant. If we had done the default DET=CONSTANT, it would only
be a 3-vector. We would also include DET CONSTANT in the SYSTEM definition.

@johmle(lags=6,det=rc,cv=cvector)
# ftbs3 ftb12 fcm7
equation(coeffs=cvector) ecteq *# ftbs3 ftb12 fcm7 constant
紅色的我不懂計量意義?
也不知道要如何改我的ECT??

Set up the model with the error correction term
system(model=ectmodel)
variables ftbs3 ftb12 fcm7
lags 1 to 6
ect ecteq
end(system)

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-2-28 11:14:15

bang4kimo 发表于 2012-2-27 14:46
我覺得應該是要這樣改

底下建立vecm model与在e-views结果相同.

open data 12345_plas.xls
data(format=xls,org=columns) 1 1990 EX PLAS
set lex = log(ex)
set lplas = log(plas)
set dlex = lex-lex{1}
set dlplas = lplas-lplas{1}

*Using VARLagSelect
@varlagselect(lags=6,crit=aic)
#lex lplas

@varlagselect(lags=6,crit=bic)
#lex lplas

*Use @JohMLE to test the cointegrating rank
*RC restricts a constant to the CV.
@johmle(lags=2,det=rc,cv=cvector)
# lex lplas
*-32.943952 -4.664164 138.156062

*Setting the Cointegrating Vectors
set ect = lex+(-4.664164/-32.943952)*lplas+(138.156062/-32.943952)
system(model=ectmodel)
variables dlex dlplas
det dlex{1} dlplas{1} ect{1}
end(system)
estimate

garch(p=1,q=1,model=ectmodel,mv=CC,variances=varma,pmethod=simplex,piters=10) / dlex dlplas

###Result

VAR Lag Selection
Lags AICC
0  -7915.392
1 -27573.420
2 -27690.568*
3 -27686.446
4 -27684.223
5 -27680.034
6 -27676.404

VAR Lag Selection
Lags SBC/BIC
0  -7904.210
1 -27539.884
   2 -27634.694*
3 -27608.252
4 -27583.724
5 -27557.248
6 -27531.346

Likelihood Based Analysis of Cointegration
Variables:  LEX LPLAS
Estimated from 3 to 1990
Data Points 1988 Lags 2 with Constant restricted to Cointegrating Vector

Unrestricted eigenvalues and -T log(1-lambda)
Rank    EigVal Lambda-max  Trace  Trace-95% LogL
      0                                     13875.4709
       1 0.0082 16.3881 21.0371 20.1600 13883.6650
      2 0.0023    4.6490  4.6490    9.1400 13885.9895

Cointegrating Vector for Largest Eigenvalue
   LEX       LPLAS    Constant
-32.943952 -4.664164 138.156062

VAR/System - Estimation by Least Squares
Usable Observations                   1988

Dependent Variable DLEX
Mean of Dependent Variable    -0.000056503
Std Error of Dependent Variable 0.003859426
Standard Error of Estimate       0.003772583
Sum of Squared Residuals       0.0282512779
Durbin-Watson Statistic             2.0112

Variable                      Coeff    Std Error    T-Stat    Signif
************************************************************************************
1.  DLEX{1}                   -0.197217952  0.022550732    -8.74552  0.00000000
2.  DLPLAS{1}                -0.012928663  0.005830038    -2.21760  0.02669531
3.  ECT{1}                      -0.010949180  0.002787445    -3.92803  0.00008857

Dependent Variable DLPLAS
Mean of Dependent Variable    0.0002526575
Std Error of Dependent Variable  0.0149844276
Standard Error of Estimate    0.0148682946
Sum of Squared Residuals       0.4388163770
Durbin-Watson Statistic             2.0013

Variable                      Coeff    Std Error    T-Stat    Signif
************************************************************************************
1.  DLEX{1}                   -0.286770831  0.088875693    -3.22665  0.00127287
2.  DLPLAS{1}                0.078548137  0.022977022    3.41855  0.00064227
3.  ECT{1}                      0.021328734  0.010985724    1.94150  0.05233954

MV-GARCH, CC with VARMA Variances - Estimation by BFGS
Convergence in 50 Iterations. Final criterion was  0.0000002 <=  0.0000100
Usable Observations                   1988
Log Likelihood                   14772.1370

Variable                      Coeff    Std Error    T-Stat    Signif
************************************************************************************
1.  DLEX{1}                         0.1119    0.0262    4.27376  0.00001922
2.  DLPLAS{1}                   6.3905e-003  2.7082e-003    2.35968  0.01829052
3.  ECT{1}                      -2.7697e-003  1.1520e-003    -2.40418  0.01620858
4.  DLEX{1}                         -0.2148    0.0615    -3.49070  0.00048175
5.  DLPLAS{1}                         0.0726    0.0246    2.95159  0.00316138
6.  ECT{1}                            0.0194  9.2769e-003    2.09551  0.03612601
7.  C(1)                         2.8101e-007  9.9215e-008    2.83240  0.00462007
8.  C(2)                         1.5275e-006  5.9145e-007    2.58257  0.00980679
9.  A(1,1)                            0.3345    0.0325    10.28299  0.00000000
10. A(1,2)                            0.0162  3.8395e-003    4.21287  0.00002521
11. A(2,1)                         -0.0336    0.0378    -0.88964  0.37366150
12. A(2,2)                            0.0451    0.0118    3.81509  0.00013613
13. B(1,1)                            0.7402    0.0158    46.83072  0.00000000
14. B(1,2)                      -6.1707e-003    0.0136    -0.45328  0.65034634
15. B(2,1)                            0.0896    0.0462    1.93839  0.05257527
16. B(2,2)                            0.9523    0.0127    74.84755  0.00000000
17. R(2,1)                         -0.2958    0.0198 -14.91109  0.00000000

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-2-28 20:31:44

看了之後仍有些問題請叫妳？？

open data 12345_plas.xls
data(format=xls,org=columns) 1 1990 EX PLAS
set lex = log(ex)
set lplas = log(plas)
set dlex = lex-lex{1}
set dlplas = lplas-lplas{1}

*Using VARLagSelect
@varlagselect(lags=6,crit=aic)
#lex lplas

@varlagselect(lags=6,crit=bic)
#lex lplas　　　　　
請問這裡應該是要打dlex dplas嗎？因為ｖａｒ是報酬不是股價，為什麼要取ｌｏｇ
我@varlagselect不能使用，用打的也是一樣，出現下面的字
## CP18. VARLAGSELECT is not the Name of a PROCEDURE. (Did you forget to SOURCE?)
>>>>@varlagselect(<<<<

*Use @JohMLE to test the cointegrating rank
*RC restricts a constant to the CV.
@johmle(lags=2,det=rc,cv=cvector)　　　
我還是不懂@johmle(lags=2,det=rc,cv=cvector)的意思？？為什麼要用這個？？
# lex lplas
*-32.943952 -4.664164 138.156062　　　這個係數是什麼意思？？
這個是在算共整合的數目嗎？？

*Setting the Cointegrating Vectors
set ect = lex+(-4.664164/-32.943952)*lplas+(138.156062/-32.943952)　　
為什麼ＥＣＴ是這個方程式，ｅｃｔ不是殘差嗎？？為什麼要用ｌｅｘ阿～用ｅｘ不行嗎？？
system(model=ectmodel)
variables dlex dlplas
det dlex{1} dlplas{1} ect{1}
end(system)
estimate

garch(p=1,q=1,model=ectmodel,mv=CC,variances=varma,pmethod=simplex,piters=10) / dlex dlplas

###Result

VAR Lag Selection
Lags AICC
0  -7915.392
1 -27573.420
2 -27690.568*
3 -27686.446
4 -27684.223
5 -27680.034
6 -27676.404

VAR Lag Selection
Lags SBC/BIC
0  -7904.210
1 -27539.884
2 -27634.694*
3 -27608.252
4 -27583.724
5 -27557.248
6 -27531.346

Likelihood Based Analysis of Cointegration
Variables:  LEX LPLAS
Estimated from 3 to 1990
Data Points 1988 Lags 2 with Constant restricted to Cointegrating Vector

Unrestricted eigenvalues and -T log(1-lambda)
Rank    EigVal Lambda-max  Trace  Trace-95% LogL
      0                                     13875.4709
      1 0.0082 16.3881 21.0371 20.1600 13883.6650
      2 0.0023    4.6490  4.6490    9.1400 13885.9895

Cointegrating Vector for Largest Eigenvalue
   LEX       LPLAS    Constant
-32.943952 -4.664164 138.156062

VAR/System - Estimation by Least Squares
Usable Observations                   1988

Dependent Variable DLEX
Mean of Dependent Variable    -0.000056503
Std Error of Dependent Variable 0.003859426
Standard Error of Estimate       0.003772583
Sum of Squared Residuals       0.0282512779
Durbin-Watson Statistic             2.0112

Variable                      Coeff    Std Error    T-Stat    Signif
************************************************************************************
1.  DLEX{1}                   -0.197217952  0.022550732    -8.74552  0.00000000
2.  DLPLAS{1}                -0.012928663  0.005830038    -2.21760  0.02669531
3.  ECT{1}                      -0.010949180  0.002787445    -3.92803  0.00008857

Dependent Variable DLPLAS
Mean of Dependent Variable    0.0002526575
Std Error of Dependent Variable  0.0149844276
Standard Error of Estimate    0.0148682946
Sum of Squared Residuals       0.4388163770
Durbin-Watson Statistic             2.0013

Variable                      Coeff    Std Error    T-Stat    Signif
************************************************************************************
1.  DLEX{1}                   -0.286770831  0.088875693    -3.22665  0.00127287
2.  DLPLAS{1}                0.078548137  0.022977022    3.41855  0.00064227
3.  ECT{1}                      0.021328734  0.010985724    1.94150  0.05233954

綠色的表，我看不懂是跑什麼？？

MV-GARCH, CC with VARMA Variances - Estimation by BFGS
Convergence in 50 Iterations. Final criterion was  0.0000002 <=  0.0000100
Usable Observations                   1988
Log Likelihood                   14772.1370

Variable                      Coeff    Std Error    T-Stat    Signif
************************************************************************************
1.  DLEX{1}                         0.1119    0.0262    4.27376  0.00001922
2.  DLPLAS{1}                   6.3905e-003  2.7082e-003    2.35968  0.01829052
3.  ECT{1}                      -2.7697e-003  1.1520e-003    -2.40418  0.01620858
4.  DLEX{1}                         -0.2148    0.0615    -3.49070  0.00048175
5.  DLPLAS{1}                         0.0726    0.0246    2.95159  0.00316138
6.  ECT{1}                            0.0194  9.2769e-003    2.09551  0.03612601
7.  C(1)                         2.8101e-007  9.9215e-008    2.83240  0.00462007
8.  C(2)                         1.5275e-006  5.9145e-007    2.58257  0.00980679
9.  A(1,1)                            0.3345    0.0325    10.28299  0.00000000
10. A(1,2)                            0.0162  3.8395e-003    4.21287  0.00002521
11. A(2,1)                         -0.0336    0.0378    -0.88964  0.37366150
12. A(2,2)                            0.0451    0.0118    3.81509  0.00013613
13. B(1,1)                            0.7402    0.0158    46.83072  0.00000000
14. B(1,2)                      -6.1707e-003    0.0136    -0.45328  0.65034634
15. B(2,1)                            0.0896    0.0462    1.93839  0.05257527
16. B(2,2)                            0.9523    0.0127    74.84755  0.00000000
17. R(2,1)                         -0.2958    0.0198 -14.91109  0.00000000

ｖａｒ的最適落後項應該要在共整合檢定之後嗎？？我不懂先做ｖａｒ的意義在哪裡？？
如果最適的落後像是２，那麼是不是ｖｅｃｍ－ｇａｒｃｈ要是ｖａｅｃｍ（２）－ｇａｒｃｈ
我的ｖａｃｍ裡除了Ｚ，之外的變數要是報酬

真的很謝謝妳，希望妳看得懂我的問題，我計量好像不太好，
如果看不懂的話，可以麻煩妳直接解釋程式的步驟～真的很感激你！！

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-2-29 01:09:41

阿～我看了計量的書大概了解了，上面的問題就算了
我從新問過我還是不懂的
*Use @JohMLE to test the cointegrating rank
*RC restricts a constant to the CV.
@johmle(lags=2,det=rc,cv=cvector)　　　
我還是不懂@johmle(lags=2,det=rc,cv=cvector)
因為上面有選最適落項，是兩項，所以這裡才用ｌａｇｓ
ｄｅｔ＝ｒｃ　這個我看不懂？？是在說共整合向量要不要有常數項嗎？？
ｃｖ是是共整合的向量吧！
就是這個表算的
Cointegrating Vector for Largest Eigenvalue
LEX LPLAS Constant
-32.943952 -4.664164 138.156062
但為何這個向量沒有ＥＣＴ的？？

ｅｃｔ我看不懂為什麼要這樣算
不是應該是上期的殘差嗎？
要用減的嗎？為時麼有加也有除呢？？
set ect = lex+(-4.664164/-32.943952)*lplas+(138.156062/-32.943952)　

妳上次說和ＥＶＩＥＷＳ算的一樣？請問是指什麼地方一樣啊？？
我也想要知道要怎麼驗算？？
真的謝謝您！！！

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-2-29 21:32:10

bang4kimo 发表于 2012-2-29 01:09
阿～我看了計量的書大概了解了，上面的問題就算了
我從新問過我還是不懂的
*Use @JohMLE to test the coi ...

哈哈!你的底子不错,一看就会
Q1:@johmle(lags=2,det=rc,cv=cvector)　
det = rc是在说共整合向量要不要有常数项吗?
cv 是是共整合的向量吧?(cointegrating vectors)
ANS : 对,就是EViews 6 User's Guide II
   page 366/688
   Cointegration Test Specification
   case 2. The level data have no deterministic trends and
               the cointegrating equations have intercepts

Q2:winrats:
Cointegrating Vector for Largest Eigenvalue
   LEX             LPLAS       Constant
   -32.943952 -4.664164 138.156062

e-views:
   LEX                LPLAS                C
-33.05168       -4.674294       138.5770


Normalized cointegrating coefficients (standard error in parentheses)
   LEX                LPLAS                C
1.000000       0.141424       -4.192738
                        (0.02803)       (0.14511)

所以你看到的底下公式就是Normalized cointegrating coefficients
set ect = lex+(-4.664164/-32.943952)*lplas+(138.156062/-32.943952)　

另请仔细看page ug-243,formula(30),(31),(32)
自然容易理解
7.8 Cointegration and Error Correction Models

beta : cointegrating vectors (cv)
alpha: adjustment parameters in the VEC model

附上e-views workfile供参考比较
ex_plas.wf1

ex_plas.rar
大小:(46.59 KB)

本附件包括：

ex_plas.wf1

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-11 21:31:56

我想要請教一下，請問在做共整合時的最適落後期數是用股價取log，也就是log(股價)的最適落後期
那在做VAR時，VAR裡放報酬，也是就dlog(股價)，VAR的最適落後期數是要用dlog(股價)嗎??
做共整合的最適落後期數選擇和var的最適落後期數選擇，是不是不同??選出來的落後項也有可能不同

謝謝您!!!這個問題我想好久了，一般paper都沒有詳細的寫~謝謝您!!

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-12 20:41:02

bang4kimo 发表于 2012-5-11 21:31
我想要請教一下，請問在做共整合時的最適落後期數是用股價取log，也就是log(股價)的最適落後期
那在做VAR時 ...

VAR的最适落后期数是要用dlog(股价)吗? 对.

做共整合的最适落后期数选择是用lex lplas
选出的是 lag 2
很自然的vecm model lag 是1
@johmle(lags=2,det=rc,cv=cvector)
# lex lplas
*-32.943952 -4.664164 138.156062
SYSTEM(MODEL=ecttmodel)
VARIABLES dlex dlplas
DET dlex{1} dlplas{1}
ect ecteq
END(SYSTEM)
ESTIMATE

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-12 21:17:01

epoh 发表于 2012-5-12 20:41
VAR的最适落后期数是要用dlog(股价)吗? 对.

做共整合的最适落后期数选择是用lex lplas

第一個問題??
為什麼做共整合的最适落后期数选择是用lex lplas
选出的是 lag 2
很自然的vecm model lag 是1

為什麼共整合(股價)選出的是2做vecm的lag卻是1???
這是因為還有在選vecm(裡面是報酬)的最適落後項嗎??

第二個問題
如果做共整合最適落後項是2，用lag=2去做共整合~發現沒有共整合現象
那在做var 時(裡面都是放報酬)，選擇最適落後項是5,
請問我上面的描述的做法是是對的嗎??

謝謝妳

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-12 21:32:15

bang4kimo 发表于 2012-5-12 21:17
第一個問題??
為什麼做共整合的最适落后期数选择是用lex lplas
选出的是 lag 2

这个问题跟传统的VAR,VECM相同
建议你看本计量的书或
EViews 6 User’s Guide II
Chapter 34. Vector Autoregression and Error Correction Models

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-12 23:09:02

我研究一下~
我計量的書都沒有講得很仔細，都是說要選最適落後項?
後來就沒有說了~
我在翻翻~

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-13 14:26:56

我研究了一下，
在rats 6
Lag Intervals
You should specify the lags of the test VAR as pairs of intervals. Note that the lags are specified
as lags of the first differenced terms used in the auxiliary regression, not in terms of the
levels. For example, if you type “1 2” in the edit field, the test VAR regresses on
, , and any other exogenous variables that you have specified. Note that in
terms of the level series the largest lag is 3. To run a cointegration test with one lag in the
level series, type “0 0” in the edit field.

所以level是N lags 時，跑 var和 vecm落後階數都是N-1legs是吧?!

然後我用E-VIEWS和RATS 跑共整合的係數值對不起來
下面是E-VIEWS
Date: 05/13/12 Time: 14:07
Sample: 1/15/2004 12/30/2011
Included observations: 1952
Trend assumption: No deterministic trend (restricted constant)
Series: LOG_US_ LOG_PLAS_
Lags interval (in first differences): 1 to 7

Unrestricted Cointegration Rank Test (Trace)

Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None *    0.008545    20.99231    20.26184    0.0396
At most 1    0.002171    4.241583    9.164546    0.3773

Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None *    0.008545    16.75072    15.89210    0.0366
At most 1    0.002171    4.241583    9.164546    0.3773

Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

LOG_US_ LOG_PLAS_ C
-78.95827 -10.01153    141.1289
-2.438996    8.135158 -14.75207

Unrestricted Adjustment Coefficients (alpha):

D(LOG_US_)    0.000119 -2.23E-05
D(LOG_PLAS_) -0.000350 -0.000248

1 Cointegrating Equation(s): Log likelihood    17223.19

Normalized cointegrating coefficients (standard error in parentheses)
LOG_US_ LOG_PLAS_ C
1.000000    0.126795 -1.787386
         (0.02647)    (0.05952)

Adjustment coefficients (standard error in parentheses)
D(LOG_US_) -0.009386
                  (0.00245)
D(LOG_PLAS_)    0.027648
                  (0.01170)

下面是RATS

open data finalprice_r.xlsx
data(format=xlsx,org=columns) 1 1961 TINDEX US JAP ELEC FIN PLAS MACH GLASS Chemicals Stell

set LTINDEX = log(TINDEX)
set LUS = log(US)
set LJAP = log(JAP)
set LELEC = log(ELEC)
set LFIN = log(FIN)
set LPLAS = log(PLAS)
set LMACH = log(MACH)
set LGLASS = log(GLASS)
set LChemicals = log(Chemicals)
set LStell = log(Stell)
set DLTINDEX = LTINDEX-LTINDEX{1}
set DLUS = LUS-LUS{1}
set DLJAP = LJAP-LJAP{1}
set DLELEC = LELEC-LELEC{1}
set DLFIN = LFIN-LFIN{1}
set DLPLAS = LPLAS-LPLAS{1}
set DLMACH = LMACH-LMACH{1}
set DLGLASS = LGLASS-LGLASS{1}
set DLChemicals = LChemicals-LChemicals{1}
set DLStell = LStell-LStell{1}

*Using VARLagSelect
@varlagselect(lags=24,crit=aic)
#LUS LPLAS

*Using VARLagSelect
@varlagselect(lags=24,crit=bic)
#LUS LPLAS

*Use @JohMLE to test the cointegrating rank
*RC restricts a constant to the CV.
@johmle(lags=7,det=rc,cv=cvector)
#LUS LPLAS

Likelihood Based Analysis of Cointegration
Variables:  LUS LPLAS
Estimated from 8 to 1961
Data Points 1954 Lags 7 with Constant restricted to Cointegrating Vector

Unrestricted eigenvalues and -T log(1-lambda)
Rank    EigVal Lambda-max  Trace  Trace-95% LogL
      0                                     13967.8037
      1 0.0090 17.6557 22.3083 20.1600 13976.6315
      2 0.0024    4.6526  4.6526 9.1400 13978.9578

Cointegrating Vector for Largest Eigenvalue
LUS          LPLAS          Constant
-34.060339  -4.381156    140.495053

為什麼差這麼多??我哪裡有做錯

附件列表

finalprice_r.xls

大小:191.5 KB

股價_共整寺(log,txt).rar

大小:26.26 KB

本附件包括：

股價_共整寺(log,txt).wf1

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-13 19:10:54

bang4kimo 发表于 2012-5-13 14:26
我研究了一下，
在rats 6
Lag Intervals

这个问题我在10楼已答复过
现传e-views文件供你参考比较
(上传不了)

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-13 19:27:22

BEKK是A(1,2) 1對2的影響
VARMA是A(1,2) 2對1的影響
在RAT裡面A(1,2) 這1和2 是指矩陣中的下標嗎??

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-14 00:54:39

epoh 发表于 2012-5-13 19:10
这个问题我在10楼已答复过
现传e-views文件供你参考比较
(上传不了)

我照著妳的方法做~~也做出來了
因為您上次有貼EVIEWS和RATs的COINTEGRATION VECTOR 的係數~兩個軟體的結果是一樣的
但我比較兩個軟體的COINTEGRATION VECTOR 值卻不同~?
我想要知道我是哪裡有做錯嗎?
為何上傳不了??
謝謝您~

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-14 15:50:32

bang4kimo 发表于 2012-5-14 00:54
我照著妳的方法做~~也做出來了
因為您上次有貼EVIEWS和RATs的COINTEGRATION VECTOR 的係數~兩個軟體的 ...

e-views ,attachment

attach_e_p.rar
大小:(46.6 KB)

本附件包括：

attach_e_p.wf1

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-15 19:21:29

可能是我太笨吧~我無法了解您的回答~
我試著從您的回答和user guide讓我rats和eview跑的結果都一樣
但我還是無法做到

我過分的請求你可以幫我跑eviews 和 rats
過程包括選log(股價)和dlog(股價)的最適落後期
和共整合檢定~
主要的目的是1.想要看到共整合係數相同
2.了解選最適落後期對共整合檢定時的影響

我想要比較共整合的COINTEGRATION VECTOR 的係數，是否相同
我把data附檔了~
我要做的是US 和 GLASS的組合
US和Chemicals的組合
這兩組組合

謝謝您~真的很謝謝您

附件列表

大小:219 KB

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-17 15:15:10

epoh 发表于 2012-2-28 11:14
底下建立vecm model与在e-views结果相同.

open data 12345_plas.xls

問兩個小問題，
問題一
一開始var lex lplas的最aic bic適落後項是2
*Use @JohMLE to test the cointegrating rank
*RC restricts a constant to the CV.
@johmle(lags=2,det=rc,cv=cvector)
# lex lplas
*-32.943952 -4.664164 138.156062
在做共整合時紅色的地方為什麼是lags=2
不是說vecm時的最適落後像要是var的最適落後項-1嗎，所以應該是lags=1吧??
而且在eviews裡，您vecm選的最適落後項您是選1 1?
為何在做共整合檢定適時在rates落後項選2 在eview落後項選1 1??

我下面這樣它們的關係是對的嗎?還是其實沒有這種關係
若是 log(股價) 存在共整合
1.VAR 【data=log(股價)】的最適落後項，假設選出來是n
2.檢定共整合時的最適落後項【data=log(股價)】，是n-1嗎??
3.在假設有共整合時，那麼vecm【data=log(股價)】的最適落後項就為n-1??

若是log(股價) 沒有共整合，
那麼var的最適落後是在var 【data=Dlog(股價)=報酬】選出最適落後項是=>假設是S

問題二
請問您在做bekk-vecm garch(p=1,q=1,model=ectmodel,mv=CC,variances=varma,pmethod=simplex,piters=10) / dlex dlplas
pq都是1，是因為var的最適落後項是2，所以在做bekk-vecm 才會選garch(p=1,q=1)嗎??
如果一開始選var的最適落後項是7，那在做bekk-vecm時，是不是就要是garch(p=6,q=6)呢??
謝謝您~

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-17 19:05:40

bang4kimo 发表于 2012-5-17 15:15
問兩個小問題，
問題一
一開始var lex lplas的最aic bic適落後項是2

问题一
1.VAR 【data=log(股价)】的最适落后项，假设选出来是n
2.检定共整合时的最适落后项【data=log(股价)】，是n
3.在假设有共整合时，那么vecm【data=log(股价)】的最适落后项就为n-1

问题二
请问您在做bekk-vecm garch(p=1,q=1,model=ectmodel,mv=CC,variances=varma,pmethod=simplex,piters=10) / dlex dlplas
pq都是1，是因为var的最适落后项是2，所以在做bekk-vecm 才会选garch(p=1,q=1)吗??
当然不对(很显然你要再看一次garch model)
garch(p=1,q=1)用于garch model variance equation
model=ectmodel用于garch model mean equation

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-17 19:46:12

bang4kimo 发表于 2012-5-13 14:26
我研究了一下，
在rats 6
Lag Intervals

lus_lplas_lag7.rar
大小:(35.62 KB)

本附件包括：

lus_lplas_lag7.WF1

回复19楼的问题
你做对了
只是你用于e-views的数据试错误的
结果如下与winrats是相同的
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

LUS                LPLAS                C
-34.29362       -4.332238       141.0548
-0.850181       3.555551       -15.59687

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-17 20:29:22

epoh 发表于 2012-5-17 19:05
问题一
1.VAR 【data=log(股价)】的最适落后项，假设选出来是n
2.检定共整合时的最适落后项【data=l ...

不好意思我打錯了
問題二
请问您在做bekk-vecm garch(p=1,q=1,model=ectmodel,mv=CC,variances=varma,pmethod=simplex,piters=10) / dlex dlplas
pq都是1，是因为var【data=log(股價)】的最适落后项是2，所以在做bekk-vecm 條件平均方程式才會是落後一項嗎?即vecm(1)-garck(1,1)
如果为var【data=log(股價)】的最适落后项是7，在做bekk-vecm條件平均方程式會是6嗎?
即vecm(6)-garck(1,1)，但這條件平均方程式也太長了吧?還是在搭配GARCH時，以殘差符合白噪音為原則，條件平均方程式就短一點就好，用vecm(1)-garck(1,1)就可以了吧!!

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-17 20:30:46

epoh 发表于 2012-5-17 19:46
回复19楼的问题
你做对了
只是你用于e-views的数据试错误的

太神奇了!!!!妳怎麼發現的??
為什麼我的數據是錯誤的??
是要與LN不是取LOG~
我真的是蠢到爆!!!!

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2012-5-17 20:46:52

bang4kimo 发表于 2012-5-17 20:29
不好意思我打錯了
問題二
请问您在做bekk-vecm garch(p=1,q=1,model=ectmodel,mv=CC,variances=varma,p ...

Q1:var【data=log(股价)】的最适落后项是2，
所以在做bekk-vecm 才会是vecm(1)-garck(1,1)
ANS: 对

Q2 :恩你说对了
vecm(6),是无意义的,太多没用的系数

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

首页上一页下一页跳至第页

相关推荐

栏目导航

热门文章

推荐文章

扫码加好友，拉您进群

各岗位、行业、专业交流群