时间序列作业VAR模型

VARVAR 模型作业模型作业 1 11 一 案例分析的目的 按国际货币基金组织的划分口径可以把货币供给划分为 M0 现钞 是指流通于银行体系以外的现钞 即居民手中的现钞和企业单位的备用金 不 包括商业银行的库存现金 M1 狭义货币 M0 加上商业银行活期存款构成 M2 广义货币 由 M1 加上准货币构成 准货币由银行的定期存款 储蓄存款 外币存款 以及各种短期信用工具如银行承兑汇票 短期国库券等构成 我国参照国际货币基金组织的划分口径 把货币供给层次划分如下 M0 现金 M1 M0 活期存款 M2 M1 城乡居民储蓄存款 定期存款 其他存款 商业票据 大额可转让定期存单 在这三个层次中 M0 的流动性最强 M1 次之 M2 的流动性最差 M0 与消费变动密 切相关 是最活跃的货币 M1 反映居民和企业资金松紧变化 是经济周期波动的先行指 标 流动性仅次于 M0 M2 流动性偏弱 但反映的是社会总需求的变化和未来通货膨胀的 压力状况 通常所说的货币供应量 主要指 M2 1 M1 反映着经济中的现实购买力 M2 不仅反映现实的购买力 还反映潜在的购买力 若 M1 增速较快 则消费和终端市场活跃 若 M2 增速较快 则投资和中间市场活跃 中央银 行和各商业银行可以据此判定货币政策 M2 过高而 M1 过低 表明投资过热 需求不旺 有危机风险 M1 过高 M2 过低 表明需求强劲 投资不足 有涨价风险 2 M1 增加表示货币市场流通性增强 M2 中包括了 M1 因此 再排除 M1 变化因素后 M2 的增减代表了储蓄的增加 货币流通性降低 根据央行的数据 2009 年 9 月份货币供应 M2 余额 58 5 万亿 同比增长 29 3 比上年 末加快 11 5 个百分点 M1 余额 20 2 万亿元 增长 29 5 加快 20 5 个百分点 月末 与 的同比与环比增速双双创出了新高 与此同时 的同比增速已经超越了 的同比增速 这意味着整个经济领域的活跃度已被有效激活 储蓄开始活期化 本案例主要研究 M1 的数量与 M2 的数量关系 希望得出现实的购买力与潜在购买力 的相对关系 二 实验数据 本实验选取的数据是 2001 年 11 月到 2013 年 10 月的月度数据 整理如下 时间M1M2 2001 1156579 60154088 30 2001 1259871 60158301 90 2002 0160576 10159639 30 2002 0258702 90160935 60 2002 0359474 80164064 60 2002 0460461 30164570 60 2002 0561284 90166061 00 2002 0663144 00169601 20 2002 0763487 80170851 10 2002 0864868 80173250 90 2002 0966797 00176982 40 2002 1067100 30177294 20 2002 1167992 80179736 30 2002 1270882 10185007 30 2003 0172405 70190488 30 VARVAR 模型作业模型作业 2 11 2003 0269756 60190108 40 2003 0371438 80194487 30 2003 0471321 20196130 10 2003 0572777 80199505 20 2003 0675923 20204931 40 2003 0776152 80206193 10 2003 0877033 00210591 90 2003 0979163 90213567 10 2003 1080267 10214469 40 2003 1180814 90216351 70 2003 1284118 60221222 80 2004 0183805 90225101 90 2004 0283556 40227050 70 2004 0385815 60231654 60 2004 0485603 60233627 90 2004 0586780 40234842 40 2004 0688627 10238427 50 2004 0787982 20238127 00 2004 0889125 30239729 20 2004 0990439 10243756 90 2004 1090782 50243740 30 2004 1192387 10247135 60 2004 1295969 70254107 00 2005 0197079 00257708 50 2005 0292815 00259357 30 2005 0394743 20264588 90 2005 0494593 70266992 70 2005 0595802 00269240 50 2005 0698601 30275785 50 2005 0797674 10276966 30 2005 0899377 70281288 20 2005 09100964 00287438 30 2005 10101752 00287591 60 2005 11104125 80292350 40 2005 12107278 70298755 70 2006 01107250 70303571 70 2006 02104357 10304516 30 2006 03106737 10310490 70 2006 04106389 10313702 30 2006 05109219 20316709 80 2006 06112342 40322756 40 2006 07112653 00324010 80 2006 08114845 70327886 70 2006 09116814 10331865 40 2006 10118360 00332747 20 2006 11121645 00337504 20 2006 12126035 10345603 60 2007 01128484 10351498 80 2007 02126258 10358659 30 2007 03127881 30364093 70 2007 04127677 76367425 57 2007 05130275 80369718 15 2007 06135847 40377832 15 2007 07136237 43383884 88 2007 08140993 21387205 04 2007 09142591 57393098 91 2007 10144649 33394204 17 2007 11148009 82399757 91 2007 12152519 17403401 30 2008 01154872 59417846 17 2008 02150177 88421037 84 2008 03150867 47423054 53 2008 04151681 41429240 91 2008 05153344 75436221 60 2008 06154820 15443141 02 2008 07154992 44446362 17 2008 08156889 92448846 68 2008 09155748 97452898 71 2008 10157194 36453133 32 2008 11157826 63458644 66 2008 12166217 13475166 60 2009 01165214 34496135 31 2009 02166149 60506708 07 2009 03176541 13530626 71 VARVAR 模型作业模型作业 3 11 2009 04178213 57540481 21 2009 05182025 58548263 51 2009 06193138 15568916 20 2009 07195889 27573102 85 2009 08200394 83576698 95 2009 09201708 14585405 34 2009 10207545 74586643 29 2009 11212493 18594604 72 2009 12220001 51606225 01 2010 01229588 98625609 29 2010 02224286 95636072 26 2010 03229397 93649947 46 2010 04233909 76656561 22 2010 05236497 88663351 37 2010 06240580 00673921 72 2010 07240664 07674051 48 2010 08244340 64687506 92 2010 09243821 90696471 50 2010 10253313 17699776 74 2010 11259420 32710339 03 2010 12266621 54725851 79 2011 01261765 01733884 83 2011 02259200 50736130 86 2011 03266255 48758130 88 2011 04266766 91757384 56 2011 05269289 63763409 22 2011 06274662 57780820 85 2011 07270545 66772923 65 2011 08273393 77780852 30 2011 09267193 16787406 20 2011 10276552 67816829 25 2011 11281416 37825493 94 2011 12289847 70851590 90 2012 01270010 40855898 89 2012 02270312 11867171 42 2012 03277998 11895565 50 2012 04274983 82889604 04 2012 05278656 31900048 77 2012 06287526 17924991 20 2012 07283090 68919072 40 2012 08285739 27924894 59 2012 09286788 21943688 75 2012 10293309 78936404 28 2012 11296883 05944832 35 2012 12308664 23974148 80 2013 01311228 55992129 25 2013 02296103 24998600 83 2013 03310898 291035858 37 2013 04307648 421032551 90 2013 05310204 481042169 16 2013 06313499 821054403 69 2013 07310596 461052212 34 2013 08314085 911061256 43 2013 09312330 341077379 16 2013 10319433 851070166 64 数据来源 中经网 三 VAR 模型的构建 一 数据平稳性检验 由于我的数据具有稍强的季节性 所以在刚开始的数据中做了消除季节性操作 趋势性也 较强 而且数据的单位根检验接近 1 所以先做一阶差分 在其满足平稳性之后开始做 VAR VARVAR 模型作业模型作业 4 11 根据图形特征选取同时存在趋势项和截距项进行单位根检验 VARVAR 模型作业模型作业 5 11 从而 DLM1 SA DLM2 SA 在 20 的显著性水平上是平稳序列 二 VAR 模型滞后阶数的选择 从以上分析结果可以看出 FPE AIC SC HQ 都得出滞后阶数为 6 时 VAR 模型是最优的 因此 VARVAR 模型作业模型作业 6 11 选取的最优滞后阶数为 6 即 K 6 三 VAR 模型的估计 VARVAR 模型作业模型作业 7 11 从上图可以看出 VAR 模型的参数估计大多显著 四 VAR 模型的检验 VAR 模型的检验包括 VAR 模型的平稳性检测 以及残差的独立性检验 VARVAR 模型作业模型作业 8 11 因此 VAR 满足平稳性的条件 接下来进行残差的独立性检验 所以残差不存在自相关性 满足独立性假设 二 二 VAR 模型的应用模型的应用 VARVAR 模型作业模型作业 9 11 一 格兰杰因果检验 将两个变量建立 group 根据 VAR 模型确定的滞后阶数 来确定滞后阶数 本例的滞后阶 数为 6 二 脉冲响应 脉冲响应函数受到变量顺序的影响 因此