求教Granger因果检验滞后期的选择

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

上课的时候，陈老师说过，若两时间序列协整，则存在某个方向上的Granger因果关系。但做文章的时候，已经做好两个时间序列的协整检验，进一步做Granger因果检验的时候，发现滞后期取1，2，3，4，5，6，7时，因果关系不一致，有时候是双向，有时候是单向（两种都出现了）。请问这时候怎么解释？还是在滞后期的选择上有一定的规则呢？

恳请帮助。

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

分享0 收藏2 回帖

关键词：granger因果检验 Granger Grange range Anger 检验 选择 求教 滞后期 Granger

滞后期的选择对于Granger因果检验结果极为重要。一般可通过AIC或SC准则来确定滞后阶数。

选使AIC或SC值最小的那个滞后期值

能说说这样选择的理由吗？这个问题我也头疼好久

IC最小就是拟和的最好,如果再往上加一阶反而不能更好地预测,所以可以通过最小IC来判断

但IC的公式是人凭感觉定的,没太多的理论基础,以至于IC的公式虽然大同但普遍存在小异,结果是不同的IC得出的结果也不同.

另一个方法是用FPE来决定,但和IC的缺点也一样.

通过这些没有理论基础的指标来决定阶数很大程度上是扯淡,而这样推算出来的因果关系也很扯淡(因为因果关系对阶数很敏感),就算推出来也没什么价值(不过这样的paper照样能在一流期刊上发表)

以上是我的一点见解,可能很不中听,请大家批

IC 公式并不是凭人而定的，一般用kullback-leibler convergence 推导的， 都有严格的推倒过程，但是在weight的选取上无法严格届定，所以一般用monte carlo simulation的结果做选择，不同的方法选取不同的weight，大多时候几个标准还是比较一致的，如有不同，要看数据类型，频度等做合考虑，当然，很多时候还有其他标准，计量本来就存在datamining，不可能有一个很一致的，简单易用的标准，我想任何科学都是这样的，有很多争论，也正是争论促进了科学的发展，那些在一流杂志发表的论文我认为是质量很高的，计量类的论文数学功底要求是很高的，能用granger因果检验离看懂推导过程还有很长的路要走，能看懂离自己能推更是很长的路，我也是处在低级阶段，以上是个人体会，和大家交流吧。

我想问下，Granger因果关系中X和Y的滞后阶数p和q，这两者是不是可以不相等的？

可以呀

以下是引用oldman在2005-7-23 21:14:52的发言： IC 公式并不是凭人而定的，一般用kullback-leibler convergence 推导的， 都有严格的推倒过程，但是在weight的选取上无法严格届定，所以一般用monte carlo simulation的结果做选择，不同的方法选取不同的weight，大多时候几个标准还是比较一致的，如有不同，要看数据类型，频度等做合考虑，当然，很多时候还有其他标准，计量本来就存在datamining，不可能有一个很一致的，简单易用的标准，我想任何科学都是这样的，有很多争论，也正是争论促进了科学的发展，那些在一流杂志发表的论文我认为是质量很高的，计量类的论文数学功底要求是很高的，能用granger因果检验离看懂推导过程还有很长的路要走，能看懂离自己能推更是很长的路，我也是处在低级阶段，以上是个人体会，和大家交流吧。

呵呵,我的意思不是抨击文章作者的水平低,他们都是高人,我根本没资格对他们品头论足

但是我觉得根据IC来定阶数实在太武断.我曾经比较过一些股指和汇率的数据,发现AIC,SBIC,MSPE给出的结论都不相同,而且有时会差得相当远.在决定阶数时很头疼.(不知大家有什么建议没有.)如果是做Model的话其实问题不大,顶多是准确度的问题.但Granger因果测试对阶数很敏感,几乎到了大是大非的程度,如果就这样粗糙地定下阶数那最后的结果也就显得些苍白.

此外,我对金融计量经济学在实际中的应用有些担忧,特别是线性模型.我算出来的SR(预测回报正负符号的正确率)一般都是50%左右,根本就是瞎猜.非线性模型的表现会好一些,但准确率还是不能让人很惊喜.相对而言,物理学的流体力学,飞行器制导等方向比较难学,但至少科学家现在已经能把人送上太空.而金融计量经济学这个领域却很少能见到这样振奋人心的成果.

可能又说多了几句,也许说错了不少,请大家批

hi, Netdagger,

I don't what happened, I couldn't send you email, I hence post my reply here and I suppose you will see it soon.

thank you for your question, I have never think of it before.

accordingto the definition of r-square, r-square is for knowing howwell themodel explain the data set, but in deciding the lag-length, we wannaknow the power of new-added lag value in explaining the present value,hence, it is meaningless to consider r-square in decidinglag length.actually, r-square should be growing as the increase of laglengthsuppose there is no colinearity and autocorelation caused bynew-addedlag value, you can porve this if you want to get down to thisquestion,alternatively, you also can find solution in many books. ifyou want tosay r-square paly a role in deciding the lag length, Isuggest you checkthe change of the first difference of r-square, maybeit contains someinformation about how good the model is, but in myview, it doesn't makesense.

above is my view, I cann't assure you that my interpretation isright, if you have your interpretation, please let me know.