论文部分内容阅读
Engles和Granger于1987年提出的协整(cointegration)理论帮助人们进一步认识了非平稳时间序列间的长期均衡关系,该理论假定时间序列在偏离长期均衡时的趋回调节是连续的。随着研究的深入,大量的证据表明由于存在调节成本或政策干预,许多重要的经济、金融时间序列并不符合上述假定,它们对长期均衡的趋回调节是非连续的。因此,使用传统的协整理论对这类时间序列进行协整检验就会出现较大偏差,甚至造成错误的统计推断。门限协整(threshold cointegration)理论正是在这样的背景下逐步发展起来的。该理论使用门限自回归(TAR)模型精确的刻画时间序列对长期均衡的非连续趋回调节。对该理论的研究主要集中在门限的估计方法和门限协整的检验方法上。根据研究框架的不同,现有对门限协整的研究主要分为两类,一类基于协整系统的均衡误差项,另一类基于门限向量误差校正模型(TVECM)。本文基于协整系统的均衡误差项对门限的估计和门限协整的检验方法进行了研究,并运用上述估计和检验方法对美国的利率期限结构进行了实证分析。本文首先设定了几种常见的门限自回归模型,并对其数据特点进行了分析;其次用Monte Carlo实验的方法对两种常用的门限参数估计方法(排列自回归法和网格搜索法)在不同样本下的估计精度进行了对比,得到小样本下网格搜索法更为可靠的结论;本文重点确立了一个两步的门限协整检验方法,用一种基于残差的分块(RBB)bootstrap算法分别构造sup-Wald统计量来实现第一步的单位根检验和第二步的协整的非线性检验;同时,用Monte Carlo实验的方法对上单位根检验的有限样本性质和ADF检验进行了对比,证明在门限效应的背景下RBB bootstrap的sup-Wald检验比ADF检验具有更高的检验势;在对美国利率期限结构的实证分析,本文得到存在门限协整的结论。