主要内容

使用EGCITest估算VEC模型参数

打开直播脚本

这个例子展示了如何估计矢量误差修正(VEC)模型的参数。在估计VEC模型参数之前，必须确定是否存在协整关系(见使用Engle-Granger测试进行协整的测试）。您可以使用普通最小二乘（OLS）估计剩余的VEC模型系数。

以下是使用Engle-Granger测试进行协整的测试，加载DATA_CANADA.数据集。在小型，中期和长期利率系列上运行Engle-Granger协整测试。

加载DATA_CANADA.Y =数据（:,3：结束）;％利率数据[〜，〜，〜，〜，reg] = Egcitest（y，'测试'那't2'）;c0 = reg.coeff（1）;b = reg.coeff（2：3）;beta = [1; -b];

假设模型选择程序表示充分性问：= vec中的2个滞后（问：） 模型。

δ. y T. = α. （ β ' y T. - 1 + C 0. ） + σ. 一世 = 1 2 B. 一世 δ. y T. - 一世 + C 1 + ε. T. 。

因为你估计C0.和 β =[1;-B]以前，您可以有条件估计 α. 那B1那B2， 和C1.经过：

  1. 形成所需的滞后差异

  2. 将序列的第一个区别退出到问：滞后差异和估计的协整术语。

形成滞后差异系列。

q = 2;[numObs, numDims] = (Y)大小;tBase = (q + 2): numObs;％相称时间基础，所有滞后t =长度（tbase）;％有效的样本大小ylags = lagmatrix（y，0：（q + 1））;观察时间基础上的％y（t-k）ly = ylags（tbase，（numdims + 1）：2 * numdims）;相应时间基础上的％Y（T-1）

形成多维差异，使 K. T. H numdims.-Wide列块咪啶棒包含（1-L）Y（T-K + 1）。

deltaylags = zeros（t，（q + 1）* numdims）;为了k = 1：（q + 1）deltaylags（：，（（k-1）* numdims + 1）：k * numdims）=......ylags（tbase，（（k-1）* numdims + 1）：k * numdims）......-  ylags（tbase，（k * numdims + 1）:( k + 1）* numdims）;结尾dy = deltaylags（：，1：numdims）;％（1-L）y（t）dly = deltaylags（：（numdims + 1）：结束）;％[（1-L）Y（T-1），...，（1-L）Y（T-Q）]

将序列的第一个区别退出到问：滞后差异和估计的协整术语。在回归中包含截距。

x = [（ly * beta-c0），dly，（t，1）];p =（x \ dy）';％α，B1，...，BQ，C1]alpha = p（：，1）;B1 = P（:,2：4）;B2 = P（:,5：7）;C1 = P（：，结束）;

显示VEC模型系数。

Alpha，B，C0，B1，B2，C1
alpha =3×1-0.6336 0.0595 0.0269
b =2×12.2209 -1.0718
C0 = -1.2393.
B1 =3×30.1649 -0.1465 -0.0416 -0.0024 0.3816 -0.3716 0.0815 0.1790 -0.1528
B2 =3×3-0.3205 0.9506 -0.9514-0.1996 0.5169 -0.5211-0.1751 0.6061 -0.5419
C1 =3×10.1516 0.1508 0.1503

也可以看看

|

相关例子

更多关于

OuthoMetrics工具箱文档

金宝app

用Matlab建模财务风险的实用指南

用Matlab建模财务风险的实用指南

下载电子书