衡量金融情绪以预测金融不稳定：一种新方法

10.1016/j.socnet。2014.03.001.附录R中用于调查Granger因果关系的Toda Yamamoto程序包如下：  tseries–我们使用adf的两个功能。测试和KPS。测试（分别是增强的DickeyFuller测试和Kwiatkowski-Phillips-Schmidt-Shin测试）以检查序列是否是固定的或包含单位根  vars–我们使用函数VARselect计算p从1到20的VaR（p）过程的Akaike信息标准。我们使用VAR函数来估计VAR（p）过程。我们使用串行函数。计算VAR（p）过程中连续相关误差的多变量Portmanteau和Breusch-Godfrey检验的测试。根据OLS-CUSUM方法，我们使用函数稳定性来计算经验波动过程   aod–我们使用函数wald。测试执行格兰杰因果关系的瓦尔德测试我们使用统计数据包中的lm函数拟合线性模型。补充表1a：美国实际GDP季度增长值（DLGDP3EST）的第三个年份估计值与上一季度一致预测（SPF）因变量的回归：DLGDP3ESTSPF 1.066***（0.264）常数-0.061（0.726）观测值73R20.186调整后的R2 0.175残余标准。

误差2.230（df=71）F统计量16.262***（df=1；71）注：*p<0.1**p<0.05***p<0.01表2a：美国实际GDP季度增长的第三个年份估计值（DLGDP3EST）对上一季度的后果预测（SPF）和相对情绪变化序列（RSS）因变量的回归：DLGDP3ESTSPF 0.760***（0.271）RSS 0.793***（0.266）常数0.722（0.737）观察值73R2 0.278调整后的R2 0.258剩余标准误差2.115（df=70）F统计13.485***（df=2；70）注：*p<0.1**p<0.05***p<0.01请注意，RSS数据无需修订。表3a：包含（CFSI，RSS）和（STLSFI，RSS）滞后的VAR模型中选择滞后的AIC标准值CFSI STLFSI1-2.667-3.1292-2.694-3.2833-2.748-3.3064-2.740-3.3395-2.756-3.3276-2.755-3.2967-2.742-3.2758-2.745-3.2459-2.721-3.21510-2.698-3.19311-2.682-3.512-3.673-3.613-3.613-3-3.613-3-3.613-3-3-3.643-3-3-3-3.643-3-3-3-3-3.613-3-3-3-3-3.613-3.613-3-3-3-3-3-3-3.13016-2.615-3.10417-2.592-3.09218-2.572-3.06919-2.577-3.06220-2.541-3.052补充图形图1a：包含CFSI和RSSF的VAR模型的OLS-CUSUM图1b：包含STLFSI和RSS的VAR模型的OLS-CUSUM图