金融计量学第五章至第七章概念整理

1、金融计量学(上财版)第五章至第七章概念整理第五章时间序列数据的平稳性平稳性原理均值、方差一定，协方差只与数据相隔的距离有关。白噪声均值为零，方差一定，协方差为零。伪回归两个随机游走变量(非随机序列)之间存在高度的相关关系，可能只是因为 二者同时随时间有向上或向下变动的趋势，并没有真正的联系。协整若干个随机游走的变量，存在某个线性组合是平稳的。协整的性质Xt是平稳的，a+bXt也是平稳的。Xt 是 1(1), a+bXt 也是 1(1)。Xt平稳，Yt平稳，aXt+bYt也平稳。Xt平稳，Yt不平稳，aXt+bYt不平稳。Xt与Yt都是I (1), aXt+bYt 一般是I (1),也可能不是。

2、第六章动态模型1.MA 与 ARMAAR平稳性对于任意的MA均平稳。 (Yt均值方差一定，协方差仅 与距离有关)特征方程。(L)的根落 在单位圆外则没有单位根，AR 过程平稳。Yt=M + 6 （L） tqe（l）= i + 孕 iUi = lPe（L）= 1 - e i U i=l自相关有限记忆力，q阶截尾。拖尾。(平稳的AR(p)等价为MA C)偏自相关拖尾。(MA (q)的特征方P阶截尾。程的根都落在单位圆外，则MA （q）等价为AR（8）信息准则随着模型解释变量增多而造成自由度丢失使预测模型不再有效，因此必须对 此丢失施加一个惩罚项。惩罚严厉程度：SOAIOHOICo3.预测类型无条件

3、预测与有条 件预测所有解释变量的值 都是己知的。某些解释变量的值是未 知的。样本内预测和样本 外预测用所有观测值用来 估计，用估计到的模型 对其中一部分观测值进 行预测。全部观测值的一部分用 来估计，另一部分观测值用 来预测。事前预测和事后模 拟不知道因变量的实 际值的情况下进行的预 测。己经知道要预测的值的 实际值，目的是评估模型的 好坏。一步向前和多步向 前对下一期进行预 测，静态。对接下来若干期进行预 测,动态。4.预测的评价标准（1）平均预测误差平均预测预测平方和T12MSE =（猝一评）t=l平均预测误差绝对值TMAE = ；如（yy? ） It=l（2）Theil不相等系数Vmse

4、u =Ji（猝）+ （yF）0 U 1, u越小预测能力越强。Theil不相等系数的分解：偏误比例UM,代表系统性误差；方差比例US, 代表模型中的变量重复其实际变化程度的能力；协方差比例UC,代表非系统性 误差。理想的不等比例的分布：俨=US = 0, Uc = 1。VAR模型的优点（1）形式灵活。（2）参数估计比较容易。（3）预测效果优于结构联立方程。VAR模型的缺点（1）缺乏理论依据。（2）难以确定滞后期数。（3）只适用于平稳序列，对差分后平稳的序列可能造成长期关系信息的丢 失。（G） ARCH模型的应用范围具有丛聚性和方差波动性的经济类时间序列第七章联立方程模型的概念和构造联立方程模型

5、中变量的划分（1）内生变量由系统决定其取值的变量。（2）外生变量由模型外的因素决定其取值的变量。（3）前定变量独立于变量所在方程当期和未来各期随机误差项的变量，包括外生变量和滞 后的内生变量。完备方程组模型中方程个数等于内生变量个数的方程组。结构化模型与简化式模型（1）结构化模型是指在一定的经济理论基础上建立的，能够反映经济变量 之间结构形式的一类联立方程模型。（2）简化式模型是把结构化模型中的内生变量表示为前定变量和随机误差项的函数的联立方程组。联立性偏误在结构式模型中，由于内生变量既可作为解释变量乂可作为被解释变量，违 背了 OLS关于“解释变量与随机误差项不相关”的基本假设，若对结构式模型中 的方程运用OLS进行估计则得到的参数估计值是有偏和不一致的。联立方程组的识别问题识别问题是指结构方程参数的数值估计能否从估计的简化式参数中求得。（1）能得到结构参数估计的唯一解，则称该方程是恰好识别的。（2）能得到结构参数估计的多个解，则称该方程是过度识别的。（3）不能通过简化式参数估计值求得结构式方程参数，则称该方程是不可 识别的。阶条件G为结构方程个数，对其中某个方程有：（1）表述1清点方程中不包含的内生变量和前定变量。等于（G-1）,恰好识别；小于，不可识别；大于，过度识别。（2）表述2：比较方程中不包含的前定变量、方程右边包含的内生变量。等于，恰好