经济时间序列分析的新方法

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

2003 年诺贝尔经济学奖授予美国经济学家恩格尔 (Robert F.Engle, 1942— ) 和在美国工作的英国经济学家格兰杰 (Clive W.J.Granger, 1934— )，以奖励他们对于分析经济时间序列的方法上的贡献。
   这两位经济学家都是典型的计量经济学家。虽然说诺贝尔经济学奖已经多次颁发给计量经济学家，其中包括1969 年第一届经济学奖得主、计量经济学的奠基人弗里希 (R.Frisch, 1895—1973) 和宏观经济计量模型的创始人丁伯根 (J.Tinbergen, 1903—1994)、1980年得主、宏观经济计量模型大家克莱因 (L.R.Klein,1920— )，1989年得主、为计量经济学澄清概率论基础的哈维尔莫 (T.Haavelmo, 1911—1999)， 2000年得主、微观经济计量分析大家赫克曼 (J.Heckman,1944— )和麦克法顿(D.McFadden, 1937— )等，然而，与以前显著不同之处有两点：以往的得主都不仅是因为计量经济学方法，同时也在经济学思想上有贡献；而今年的两位得主则几乎完全是因为提出了新方法，在经济学思想上的贡献很少；以往的任何一位诺贝尔经济学奖得主的成就都已经过近30年的历史考验，并且都早上了经典教科书，唯独这次得主的成就还只有20年左右的历史，要了解他们的工作还必须到前沿文献和最新的教科书中去找。这似乎也表明诺贝尔经济学奖的一种新动向。

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：时间序列分析 时间序列 新方法 Tinbergen 诺贝尔经济学奖得主 经济 时间序列分析

什么是时间序列？


   为理解这两位学者的贡献，先来说说什么是时间序列。时间序列是一个随时间变化的量按照时间的顺序排列起来所形成的一个序列。例如，一个国家历年的国民生产总值按年份排列起来就是一个经济时间序列。从数学的观点来看，所谓时间序列就是以时间为自变量的一个函数。不过这个函数的取值一般并不是一个事先可以确定的值，而总带有一定的不确定性，从而它是一个取随机变量值的函数，需要用概率论来研究。但是从古典概率论的观点来看，这种概率论与古典概率论又有很大不同。拿最简单的例子来看，扔一枚标准硬币出现正面的概率是1/2，是指由于硬币的构造以及环境等因素的对称性，使得把硬币扔上许多次，出现正面的次数总是一半左右。而时间序列中出现的概率概念就没有这样的含义。明年的国民生产总值从今年来看是一个取不确定值的随机变量。你可以根据各种环境条件对它取值的各种可能性有所估计，但是一旦到了明年年底的统计数字一公布，这个不确定值就变成了确定值。你不可能让时间倒流，让明年重新再来一次，以取得明年的国民生产总值的另一个样本。除非你认为从明年看后年，或者更一般地从某年看隔年，与今年看明年从统计上来说是完全一样的。这时为估计明年的国民生产总值，就只需回顾以往一些年份的国民生产总值，求出明年的值的平均值、方差以至其他统计特性。这样的办法是以时间变化的特性替换状态变化的统计特性。尽管操作起来很方便，但实在也是一个没有办法的办法。


   类似的问题在19世纪统计力学理论中就出现过。统计力学意图用大量分子的力学运动的统计特性来刻画物体的宏观特性，其中也涉及这样的一个问题：单个分子随时间的运动与大量分子运动的统计特性之间有什么关系？对此，为导出统计力学的许多理论结论，人们不得不做出所谓“遍历性假设”：分子随时间的运动将逐步遍历其所有可能的统计状态，使得单个分子随时间变化的总体特性与大量分子的统计特性是一致的。这个假设曾引起了大量的物理和数学的理论研究。


   如果离开物理背景或经济背景，而把问题抽象为纯粹的数学问题，那么理论的解决办法无非是提出一整套抽象的公理化框架。人们可以专门定义一种“按时间统计等同于按状态统计”的时间序列，这种时间序列就是所谓平稳时间序列。对于这种时间序列来说，完全可以把它的每一项看作同一个统计母体的样本，求出其相应的统计参数：均值、方差等等。同时，还要求时间序列中相隔一段时间的两项之间的相关关系只与它们之间的时间间隔有关，而与时间的起点、终点无关。更严格的平稳时间序列还可提出更高的统计特性与时间平移无关方面的要求。1930 年代起，平稳时间序列 (以及更一般的平稳随机过程)的理论已经发展成为一门非常精致的理论，其中最重要的定理之一是所谓谱分解定理：每个平稳时间序列都可分解为一些周期一定、但幅度和相位都是随机的随机波动的叠加。平稳时间序列 (以及更一般的平稳随机过程) 理论带来了许多应用。在自然科学领域中，它被用于统计力学、湍流理论、信号分析、气象预报、飞行器导航等各式各样的学科中；在社会科学领域中，它当然首先用于经济时间序列分析中，以预测或估计经济指标的未来。熟悉股市技术分析的读者一定会发现，平稳时间序列的谱分解定理多么像出现更早的描述股市波动的道 (Dow) 理论。事实上，也曾经有人用平稳时间序列的理论不成功地预测过股市。

本帖隐藏的内容

时间序列理论中的


两个新名词：ARCH 和协整


平稳时间序列理论在计量经济学的研究中自然起了很大作用。诚然，经济时间序列中不大可能有真正的平稳时间序列。如果一个国家的国民生产总值是平稳时间序列，那岂不意味着其经济总在同一个水平上来回摆动？为使平稳时间序列理论能更有效地用于经济分析，人们通常的做法是先要把时间序列平稳化，即要去除其中的“非平稳”成分。这种“非平稳”成分有：线性增长趋势、周期性或季节性效应、特殊事件效应、若干时间序列之间的关系等。把这些 (非随机的) 非平稳成分去除以后，余下的部分就可看作一个平稳时间序列。


这样的方法几乎充斥以往所有的经济时间序列研究中。由此人们可用它来分析单个时间序列的变化模式，也可分析两个或几个时间序列之间的相互关系 (一般是线性关系，这时用的方法就是所谓“回归分析”)，还可分析单个时间序列的过去与未来之间的关系 (在线性关系情况下，这种方法就是所谓“自回归分析”)。在计量经济学研究中，人们用这样的方法建立了无数经济模型。


然而，这种把一切都归结为平稳时间序列的做法其缺点也是很明显的。首先，这样的方法把一切随机变化都归结为是一种平稳随机序列的变化，于是其变化的幅度 (用平稳序列的随机变量项的方差来刻画) 就不会随时间而改变。这显然与许多经济时间序列的实际不符。例如，在金融学中，证券收益率的方差对投资者来说意味着一种投资风险。如果把证券收益率时间序列平稳化以后来计算其方差，那将是一个常数，也就是说，投资风险大小与时间无关。这样的分析结论显然意义不大。尽管可以通过时间段的划分来刻画不同时间段的投资风险，但那仍然是个很笨拙的做法。


恩格尔于 1982 年提出的新分析方法就是针对这样的问题的。他的高明之处在于打破了平稳时间序列理论对分析强加的禁锢，而让序列随机变量项的方差也随时间变化起来，并且这种变化也遵循某种“自回归关系”。他的新方法叫做“自回归条件异方差” (autoregressive conditional heteroskedasticity, ARCH)，根据这种方法，不但时间序列本身有自回归，即过去与未来之间有一个线性关系，并且序列项的方差 (因为它随时间条件变化，所以它称为“条件方差”) 之间也有自回归。后一种自回归在几年后的 1986 年，由恩格尔的学生波勒斯列夫 (T.Bollerslev)提出的推广 (即所谓 GARCH) 表达得更清楚，并且运用起来更加方便。从此 GARCH 方法的应用就变为一股势不可挡的潮流。一切需要让方差变化的计量经济模型几乎全都开始套用 GARCH 方法。尽管人们对为什么“条件异方差”之间的关系是“自回归”说不出多少道理，但是这样做并不比通常的自回归分析更无理，因为人们需要的本来只是一种“统计描述”，而不是真正的内在机理。不但如此，既然有人这样来打破“平稳禁锢”，其他人也可用类似的思维再往前推进。于是形形色色的推广层出不穷，ARCH 和 GARCH 这两个词都被加上许多前缀和后缀，使得这类方法很快演变成一个大家族。


格兰杰考虑的是时间序列非平稳性的另一个方面。他的出发点不是单个时间序列的自回归，而是多个时间序列之间的回归。传统的做法是定出这些时间序列之间的线性关系以后，余下的误差就作为平稳时间序列来处理。而格兰杰认为，这样的做法完全无视原来的时间序列的非平稳性。例如，考虑消费与国民收入之间的关系问题。简单的做法是对消费时间序列与国民收入时间序列两者进行回归分析。然而，当你看到消费时间序列与国民收入时间序列都在随时间波动，并且波动方式还很不一样时，你就会感到这种回归分析所得出的线性关系实在是令人怀疑的。格兰杰于 1981 年提出的协整 (cointegration) 方法就是针对这种“虚假回归”的另外一种考虑。它认为当所涉及的经济时间序列很不平稳时，那就不应该直接处理这些时间序列之间的相互关系，而是应该先找出怎样使它们的不平稳变化相互抵销的关系。这种关系就是所谓“协整关系”，它使得一些有类似不平稳变化的时间序列的组合变为平稳时间序列。这样的考虑显然比原来的做法要好得多。为此，格兰杰提出了“整合度”、“表示定理”、“纠错形式”、“因果律检验”等许多新概念，大大丰富了计量经济学分析工具的宝库。其应用领域之广泛，如同 GARCH一样势如潮涌。

本帖隐藏的内容

若干典型的经济学应用成果


正如上面所说，最近 20 年来，ARCH、GARCH 和协整的应用已数不胜数。这里介绍几项在诺贝尔经济学奖颁奖公告提到的典型应用。


对于 ARCH 和 GARCH，公告上除指出它已经成为研究者必不可少的工具以及对通货膨胀研究的应用以外，特别指出它对金融市场分析在资产定价和风险评估中的应用。对于资产定价问题，先要提到 1990 年诺贝尔经济学奖得主夏普（W.F.Sharpe，1934— ） 和另一些经济学家于 1960 年代提出的资本资产定价模型 (CAPM)。这个模型指出，在一个均衡金融市场中，每一种证券的超额期望收益都与市场组合 (在实际应用时，它往往就是股市指数) 的超额期望收益成比例，其中比例常数可代表该证券的风险大小。


这一模型对金融学理论和金融市场实践都有巨大的推动。但是 CAPM 最明显的缺点在于它是单时期的模型，或者说，对它进行实证分析时，先验地就要假设面临的金融时间序列是平稳的。这种分析方法上的缺陷也是造成 CAPM 在历史上引起激烈争论的原因之一。有了 ARCH 类方法以后，这一问题就有了解决的手段。利用所谓 GARCH-M 方法，恩格尔等于1988 年提出随时间变化的 CAPM，它自然更受金融分析界的欢迎。


对于风险评估问题，则要提到 1994 年问世、1996 年被巴塞尔银行监督委员会作为协议规则推荐的风险管理工具——风险值 (Value at Risk， VaR) 的计算。所谓风险值是指一个金融机构在下一时期以某个大概率可能造成的损失上限。这种损失的计算自然也是以该机构的资产组合价值的时间序列来计算的。用传统的方法只能计算出一个静态值，但是用 ARCH 类的模型，就有可能计算出随时间变化的风险值来。风险值的计算一开始就运用了 GARCH 模型，而恩格尔等最近又对此提出一系列专门方法。它们必将逐渐成为金融风险管理的经典工具。


关于协整方法，公告更是认为它“已经转换了经济学家处理时间序列数据的方式”，而成为建立动态计量经济模型的“必经步骤 (stepping-stone)”。因此，它的应用更为广泛。公告上列举的例子有：汇率与价格水平的关系；消费与财富的关系；红利与股价的关系；不同到期日的债券利率之间的关系等等。这些关系都有一个共同的显著特点，那就是这些经济时间序列都是不平稳的，并且它们的波动相互间很不一样。这里以汇率和价格水平之间的关系为例来说明这一点。经典理论认为，汇率的调整将维持所谓购买力平价关系 (purchasing power parity, PPP)，即用一种公共货币经过汇率换算为两国货币以后，同样的公共货币量在两国的购买力应该是一样的。然而，这样的命题完全忽视了所观察到的汇率的巨大波动和两国通货膨胀率的相对稳定。因此，PPP 至多只是一个长期关系。而与 PPP 的偏差又可用某些不可交易的商品以及交易和运输费用来解释。考虑到这些因素后，对 PPP 的计量模型就将是考虑汇率与两国的价格水平之间的某种协整关系。由此构造出的新的模型已经被许多国家之间的汇率和价格水平的数据所证实。


最后还可看到，虽然直到现在为止，ARCH 类模型和协整关系的应用还仅限于经济学、金融学领域，但是从上面的介绍中可以看出，这些时间序列分析的新方法是有普遍意义的。如果有朝一日我们听说这些方法使气象预报或者空间导航有重大突破，那是不会令人感到惊奇的。事实上，这些方法在自然科学领域中的应用也正在出现。

看看有啥新观点

bucuo..........

看看有什么新东西，谢谢

回复一下，学习中

学习了！~呵呵

恩，楼主的帖子不错！