论文部分内容阅读
在利用计量模型进行分析时,由于数据可能是非平稳的序列,对多个序列间的协整关系进行诊断检验非常关键。对一组非平稳序列进行协整检验就是为了决定序列的线性组合是否存在长期稳定的均衡关系。只有存在稳定的均衡关系时,利用非平稳序列建立计量模型才有实际经济意义,才不会出现“伪回归”问题。Johansen和Juselius(1990)共同提出的似然比检验(本文使用JJ协整检验)是当前检验非平稳序列协整关系的主流方法,不仅仅是因为这一检验方法易于理解,便于编程,更是因为该方法的功效水平比较高而扭曲水平相对较小的缘故。然而,随着研究的深入,Cheng等(1993)发现,在样本长度较小时,JJ协整检验常常会存在很大的偏差,以至于过多的接受存在协整关系的假设,从而造成误判；另外,JJ检验统计量对扰动项的分布形式是敏感的。Kleibergen和Paap (2006)在研究矩阵的秩检验过程中引入了奇异值分解(SVD)方法,得到一个基于SVD的秩检验统计量,同时,他还证明这个秩检验统计量的渐近分布形式与Johansen协整迹检验相似。SVD秩检验方法与JJ协整迹检验相比,有哪些优缺点,文献中并未做过多的说明。基于此,本文首先从JJ协整检验和SVD的协整秩检验的理论方面进行比较研究,得到的结论是：JJ协整检验的检验统计量是基于序列的回归扰动项矩阵的,所以相对于直接对协整矩阵进行秩化简的SVD协整检验来说,JJ协整检验更容易受到扰动项序列分布形式的影响。在本文的模拟研究部分,首先利用有限样本进行数据模拟实验,对数据生成过程中的随机扰动项分别设定为服从标准高斯分布、泊松分布、Skewed-t分布、广义差分误差分布(GED)和混合泊松—高斯分布五种形式,然后分别利用这两种协整检验方法进行分析比较；其次,本文结合实际模型中的随机扰动项的分布可能存在“尖峰”,“厚尾”和“有偏”的特征,分别在上述五种形式的分布假定下建立GARCH模型和Realized GARCH模型并生成非平稳序列,然后利用JJ迹检验和SVD的秩检验方法研究协整检验的扭曲水平和功效水平,得到如下结论：在非高斯分布的假定下,SVD秩检验方法相对于JJ协整迹检验方法的检验扭曲水平较小,检验功效水平较大而在高斯分布的假定下两者表现差不多。在这两种协整检验过程中引入Wild Bootstrap方法,其检验的功效水平均得到明显的提高,这两种协整秩检验方法在检验效果上是差不多的。本文最后利用中国原油价格水平和迪拜原油(东南亚原油的代表)价格水平建立VAR模型,利用上述两种协整检验方法进行分析,结果表明均接受存在一个协整关系的假设检验。