全部版块 我的主页
论坛 计量经济学与统计论坛 五区 计量经济学与统计软件 EViews专版
30652 5
2014-04-12
大家好,我想求证一下自己想法,请大家多多指教!
我想对期货和现货两组数据进行协整检验,根据针管ADF检验的结果,我发现,两组数据的log-closing price均是不平稳的,
于是,我对两组log price都做了一阶差分,针管ADF说明两组数据都是平稳的了,从实际意义上来看,就证明两组log return均是平稳的序列。
我的第一个问题是,根据以上结果,我应该得到的结论是 log return是符合I(1)的呢 还是说两组 log price是符合I(1)的呢?
之后,我要建立VAR模型以此得到误差修正模型的阶。第二个问题就是,这个时候我应该用log return 序列建立VAR 模型,还是用log price序列建立VAR模型呢?
VAR 模型建立之后,我开始进行两组数据的协整检验,由于只有两组数据,所以n=2,也就是说0<=r<=2,根据协整检验的结果,我发现r=0和r=1 的原假设p值都接近0,也就是说,两个原假设都会被拒绝,于是,我得到的结论是两组数据存在两个协整向量和0个共同趋势。这样的结果在实际中有什么意义呢?是说明短期偏离均衡,有没有什么力量能够将两者拉回均衡状态呢?协整向量代表的是长期均衡还是短期偏离呢?那共同趋势代表的是什么呢?
我是时间序列的初学者,烦请大家不吝赐教,感激不尽!!!
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
2014-4-14 10:35:40
帮楼主顶一顶,希望有高手来帮忙
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

2014-4-14 19:28:56
非常感谢沙发!!
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

2015-1-9 23:14:38
第一,用log price 建立VAR
第二,两个变量最多存在一个协整关系,协整方程反应的长期关系。
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

2015-4-29 14:11:54
跟楼主遇到同样的问题,顶一下
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

2018-5-31 10:19:02
Date: 05/31/18   Time: 09:41                                       
Sample: 1978 2015                                       
Included observations: 37                                       
Series: JR WL ZZ                                        
Lags interval: No lags                                       
                                       
Selected (0.05 level*) Number of Cointegrating Relations by Model                                       
                                       
Data Trend:        None        None        Linear        Linear        Quadratic
Test Type        No Intercept        Intercept        Intercept        Intercept        Intercept
        No Trend        No Trend        No Trend        Trend        Trend
Trace        1        1        1        1        2
Max-Eig        1        1        1        1        1
                                       
*Critical values based on MacKinnon-Haug-Michelis (1999)                                       
                                       
Information Criteria by Rank and Model                                       
                                       
Data Trend:        None        None        Linear        Linear        Quadratic
Rank or        No Intercept        Intercept        Intercept        Intercept        Intercept
No. of CEs        No Trend        No Trend        No Trend        Trend        Trend
                                       
         Log Likelihood by Rank (rows) and Model (columns)                               
0         161.3241         161.3241         165.5933         165.5933         166.7266
1         174.8844         174.8883         176.8791         180.0026         181.1357
2         178.9315         181.6102         183.1608         189.3488         189.3887
3         179.3407         184.3033         184.3033         190.6969         190.6969
                                       
         Akaike Information Criteria by Rank (rows) and Model (columns)                               
0        -8.720224        -8.720224        -8.788829        -8.788829        -8.687924
1        -9.128886        -9.075044        -9.074548        -9.189332        -9.142469
2        -9.023322        -9.060013        -9.089771         -9.316152*        -9.264253
3        -8.721119        -8.827206        -8.827206        -9.010641        -9.010641
                                       
         Schwarz Criteria by Rank (rows) and Model (columns)                               
0        -8.720224        -8.720224        -8.658214        -8.658214        -8.426694
1        -8.867656*        -8.770275        -8.682703        -8.753948        -8.620009
2        -8.500862        -8.450476        -8.436697        -8.576000        -8.480564
3        -7.937429        -7.912901        -7.912901        -7.965721        -7.965721
                                       
大佬,这个是johensen检验的第六个假设得出的结果 ,怎么看这个模型应该选择哪个假设(johensen的前五个假设)呢?  谢谢大佬
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

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群