BADANIE STOPNIA INTEGRACJI I VAR

  1. BADANIE STOPNIA INTEGRACJI

  1. Wykres szeregu czasowego

Miedźprawywykres szeregu czasowego

  1. Test ADF


$$Y_{t} = \delta Y_{t - 1} + \sum_{i = 1}^{k}{\alpha_{i}Y_{t - 1}} + \varepsilon_{t}$$

H0: δ=0 Y(t) ∼1 Proces niestacjonarny, zintegrowany co najmniej rzędu 1.

H1: δ<0 Y(t)  ∼  0 Proces stacjonarny.

Miedź zmienna testy pierwiastka jednostkowegotest ADFopóźnienie: 0, test z wyrazem wolnym, z wyrazem wolnym i trendem liniowym, pokaż detale regresji, wykorzystaj poziomy zmiennej ok.

Decyzja weryfikacyjna:

p < p-value = 0,05 odrzucamy H0 na korzyść alternatywnej, możemy sądzić, że proces jest stacjonarny, tj. zintegrowany rzędu 0. Koniec.

p > p-value = 0,05 brak podstaw do odrzucenia H0, możemy sądzić, że proces yt jest zintegrowany co najmniej rzędu 1. Dalej badamy

Badanie wyższego stopnia integracji

H0: δ=0 Y(t) ∼2 Proces niestacjonarny, zintegrowany co najmniej rzędu 2.

H1: δ<0 Y(t)  ∼  1 Proces zintegrowany rzędu 1.

Miedźdodawanie zmiennychpierwsze różnice dla wybranych zmiennych

D_miedź zmienna testy pierwiastka jednostkowegotest ADFopóźnienie: 0, test z wyrazem wolnym, z wyrazem wolnym i trendem liniowym, pokaż detale regresji, wykorzystaj poziomy zmiennej ok.

p < p- value = 0,05 odrzucamy H0 na korzyść H1, możemy sądzić, że proces yt jest zintegrowany rzędu 1. Procedura się kończy.

p > p-value = 0.05 brak podstaw do odrzucenia H0, możemy sądzić, że proces yt jest zintegrowany co najmniej rzędu 2.

Badanie wyższego stopnia integracji

H0: δ=0 Y(t) ∼3 Proces niestacjonarny, zintegrowany co najmniej rzędu 3.

H1: δ<0 Y(t)  ∼  2 Proces zintegrowany rzędu 2.

  1. KOINTEGRACJA

  1. Wykres szeregu czasowego dla wszystkich zmiennych

Zaznaczasz 2 zmienne prawywykres szeregu czasowego

  1. Równanie kointegrujące


Yt = α0 + α1Xt + εt

Model-KMNKzmienna zależna: KGHM, zmienne objaśniające, miedźok.

Interpretacja podstawowych parametrów:

α_1= 0,276948 W długim okresie wzrost stopy miedzi o jeden punkt procentowy powoduje wzrost stopy zwrotu KGHM o 0,276948 punktu procentowego.

R^2=90% - w 90% całkowita zmienność zmiennej objaśnianej (KGHM) została wyjaśniona przez zmienne objasniające(MIEDŹ).

γ^2=10% - w 10% całkowita zmienność zmiennej objaśnianej (KGHM) nie została wyjaśniona przez zmienność zmiennych objaśniających (MIEDŹ), ma charakter losowy.

Błąd standardowy reszt 2,665577→ odchylenie wartości empirycznych zmiennej KGHM od wartości teoretycznych wynosi średnio +/- 2,665577.

  1. Wyznaczanie reszt modelu ko integrującego

Gretl:

Model kointegrującyzapiszresztyok.

  1. Korelogram reszt

Reszty uhat_1 prawykorelogramok.

  1. Testowanie kointegracji reszt

Test ADF

H0: δ=0 E(t) ∼1 Proces niestacjonarny, zintegrowany co najmniej rzędu 1.

H1: δ<0 E(t)  ∼  0 Proces stacjonarny.

Gretl:

Reszty uhat_1 zmienna testy pierwiastka jednostkowegotest ADFopóźnienie: 0, test z wyrazem wolnym, z wyrazem wolnym i trendem liniowym, pokaż detale regresji, wykorzystaj poziomy zmiennej ok.

P < p-value = 0,05 odrzucamy H0 na korzyść H1, możemy sądzić, że proces yt jest zintegrowany rzędu 0. Proces stacjonarny. Procedura się kończy.

P > p-value = 0,05 brak podstaw do odrzucenia H0, możemy sądzić że proces jest zintegrowany co najmniej rzędu 1. Badamy dalej.

  1. Test Engla

Modelmodel szeregów czasowychtest kointegracjitest Engle’a Grangera

Ważne opóźnienie( z ko integracji) i kolejność zmiennych: najpierw y potem x

Kointegracja występuje, jeżeli każdy wykorzystywany proces jest I(1), tzn. hipoteza zerowa o pierwiastku jednostkowym nie jest odrzucana oraz proces resztowy (uhat) z równania ko integrującego nie jest zintegrowany I(0) , tzn. hipoteza zerowa o pierwiastku zerowym jest odrzucana.

Zmienne MIEDŹ i KGHM są zintegrowane rzędu 1, a reszty są zintegrowane rzędu 0, czyli procesy są skointegrowane.

  1. MODEL KOREKTY BŁĘDEM

  1. Model kointgrujący równanie długookresowe


Yt = α0 + α1Xt + εt

Model-KMNKzmienna zależna: KGHM, zmienne objaśniające, miedźok.

  1. Wyznaczanie reszt modelu ko integrującego

Gretl:

Model kointegrującyzapiszresztyok.

  1. Model krótkookresowy oparty na przyrostach zmiennych


Yt = β0 + βtXt + γUt − 1 + εt

Model-KMNKzmienna zależna: d_KGHM, zmienne objaśniające,d_ miedź, reszty opóźnione o 1ok.

  1. Korelogram

Model długookresowywykresykorelogram

  1. Dodajemy opóźnienia do modelu

  2. Test pominiętych zmiennych – metoda aposteriori

Interpretacja modelu:

β0=0,00571310 wyraz wolny został oszacowany ze średnim błędem +/- 0,00571310

β1=0,0467729 wzrost d_miedź o 1pp powoduje wzrost d_kghm średnio o 0,0467729pp, ceteris Paribas

β2=0,0786695 wzrost d_miedź_1 o 1pp powoduje wzrost d_kghm średnio o 0,0786695 pp, ceteris Paribas

β3=-0,0172210 wzrost d_miedź_4 o 1pp powoduje spadek d_kghm średnio o 0,0172210pp, ceteris Paribas

γ =-0,0144 - 1,44% nierównowagi od długookresowej ściezki jest korygowane w kazdym miesiącu,

β4=0,106456 inercyjny przyrost d_kghm w stosunku do okresu sprzed 5 miesiący o 0,106456 pp

  1. Prognoza – dodaję obserwację do d_miedź

Błędy ex ante

Vt=0,5 – w okresie prognozowanym rzeczywiste wartości zmiennej prognozowanej będą się róznić od wartości prognoz średnio o +/-0,5

Vt*=(Vt/prognoza)*100% = 368,022% - prognoza niedopuszczalna

Z prawdopodobieństwem 0,95 możemy sądzić że nieznana wartość zmiennej prognozowanej mieści się w przedziale w okresie 2005/01/17 w przedziale od -0,843055 do 1,11395

  1. MODEL VAR

  1. Badamy rząd zintegrowania zmiennych

  2. Badamy rząd opóźnień modelu VAR – na przyrostach zmiennej

Jeżeli zmienne są zintegrowane rzędu 1, to aby zbudować model VAR należy pozbyć się niestacjonarnych zmiennych poprzez wykorzystanie pierwszych różnic badanych zmiennych. Wówczas otrzymujemy zmienne zintegrowane rzędu 0. W przypadku zintegrowania 2 rzędu wykorzystujemy drugie różnice

Model model szeregów czasowych wybór rzędu opóźnienia dla modelu VAR endogeniczne – d_miedx, d_KGHM ok.

Wnioskowanie na podstawie BIC – minimalna wartość kryterium Schwartzca osiągana jest dla modelu VAR(1)

  1. Model VAR

Model model szeregów czasowych model wektorowej autoregresji VAR endogeniczne – d_miedx, d_KGHM , opóźnienie: takie jak wyszło w BIC ok.

Hipotezy modelowe równań:


ΔMIEDZ = α0 + α1ΔMIEDZ − 1 + α2ΔKGHM − 1 + εt


$$\Delta\hat{MIEDZ} = 0,109 - 0,045\Delta MIEDZ - 1 + 0,074\Delta KGHM - 1$$


ΔKGHM = β0 + β1ΔMIEDZ − 1 + β2ΔKGHM − 1 + ηt


$$\Delta\hat{\text{KGHM}} = 0,013 + 0,078\Delta MIEDZ - 1 - 0,039\Delta KGHM - 1$$

  1. Badamy korelogram procesu resztowego, powinien być białym szumem

Model VARzapiszreszty z modelu 1, reszty z modelu 2ok.

Resztykorelagram

  1. Prognoza

Błędy ex ante

  1. PRZYCZYNOWOŚĆ VAR


ΔXt = KGHM


ΔYt = MIEDZ

  1. ΔXt jako przyczyna ΔYt

Model 1 – opóźniony w zależności od opóźnienia modelu VAR (pkt. 4.2)


ΔYt = αΔYt − 1 + εt

εtskładnik losowy modelu ΔYt, objaśnianego przez opóźnione wartość Δyt

Wyznaczamy błąd standardowy reszt

Model 2


ΔYt = αΔYt − 1 + βΔXt − 1 + ηt

ηt −  składnik losowy modelu ΔYt objasniany przez opóźnienia Δyt i ΔXT

Wyznaczamy błąd standardowy reszt

Test Grangera

Ho s2(et) = s2(ht) ΔXt nie jest przyczyną ΔYt

H1 s2(et) ¹≠s2(ht) ΔXt jest przyczyną ΔYt

G=$\frac{\mathbf{T}\mathbf{*}\mathbf{\lbrack}\mathbf{S}^{\mathbf{2}}\left( \mathbf{\text{et}} \right)\mathbf{-}\mathbf{S}^{\mathbf{2}}\left( \mathbf{\text{nt}} \right)\mathbf{\rbrack}}{\mathbf{S}^{\mathbf{2}}\mathbf{(}\mathbf{\text{et}}\mathbf{)}}$= -0,53625862

Wartość krytyczna:

Narzędzia tablice statystycznechi kw df: 1 ( to opóźnienie modelu VAR), prawdopodobieństwo 0,05

G<chi kw brak podstaw do odrzucenia hipotezy zerowej, czyli ΔXt nie jest przyczyną ΔYt

G>chi kw odrzucamy H0 na korzyść alternatywnej, czyli ΔXt jest przyczyną ΔYt

  1. ΔYt jako przyczyna ΔXt

Model 1


ΔXt = αΔXt − 1 + εt

εt składnik losowy modelu ΔXt, objaśnianego przez opóźnione wartość ΔXT

Model 2


ΔXt = αΔXt − 1 + βΔYt − 1 + ηt

ηt −  składnik losowy modelu ΔXt objasniany przez opóźnienia Δyt i ΔXT

H0: s2(et) = s2(ht) ΔYt nie jest przyczyną ΔXt

H1: s2(et) ≠ s2(ht) ΔYt jest przyczyną ΔXt

G=$\frac{\mathbf{T}\mathbf{*}\mathbf{\lbrack}\mathbf{S}^{\mathbf{2}}\left( \mathbf{\text{et}} \right)\mathbf{-}\mathbf{S}^{\mathbf{2}}\left( \mathbf{\text{nt}} \right)\mathbf{\rbrack}}{\mathbf{S}^{\mathbf{2}}\mathbf{(}\mathbf{\text{et}}\mathbf{)}}$= 51,69954712

G>chi^2 – odrzucamy hipotezę zerową na korzyść alternatywnej, czyli ΔYt jest przyczyną ΔXt

G<chi kw brak podstaw do odrzucenia hipotezy zerowej, czyli ΔYt nie jest przyczyną ΔXt

  1. EGZOGENICZNOŚĆ VAR


ΔXt = KGHM


ΔYt = MIEDZ

  1. Egzogeniczność Δxt względem Δyt

H0=E(v,a)=0 Δxt względem Δyt jest słabo egzogeniczne

H1=E(v,a))≠0 Δxt względem Δyt nie jest słabo egzogeniczne

Model: Δxt= const+Δxt_1+Δyt_1 KMNKzapisz reszty uhat

Model 2: Δyt=const+reszty+Δxt+Δyt_1

Badamy istotność reszt:

Istotne występuje egzogeniczność

Nieistotnesłaba egzogeniczność, Nie występuje tu silna egzogeniczność.

  1. Egzogeniczność Δyt względem ΔXT

H0=E(v,a)=0 Δyt względem Δxt jest słabo egzogeniczne

H1=E(v,a))≠0 Δyt względem Δxt nie jest słabo egzogeniczne

Model: Δyt= const+Δxt_1+Δyt_1 KMNKzapisz reszty

Model 2: Δxt=const+reszty+Δyt+Δxt_1

Badamy istotność reszt:

Istotne występuje egzogeniczność

Nieistotnesłaba egzogeniczność, Nie występuje tu silna egzogeniczność.

  1. ODPOWIEDŹ NA IMPULS

Model VARwykresyodpowiedź na impuls zbiorczy

D_MIEDŹ – D_KGHM

Wpływ impulsu ze strony d_MIEDŹ w okresie t na d_kghm powoduje krótkookresowy wzrost d_kghm do poziomu 0,14 w okresie t=2. Następnie nastepuje gwałtowny spadek poniżej zera w okresie t=3. Następuje wzrost w następnym okresie i w okresie od t=4 utrzymuje zerową wartość.


Wyszukiwarka

Podobne podstrony:
BADANIE STOPNIA ZADOWOLENIA KLIENTÓW Z JAKOŚCI USŁUG
Instrukcja do ćwiczenia(16), Badanie stopni mocy wzmacniaczy m
PN 90 B 02867 Ochrona przeciwpożarowa budynków Metoda badania stopnia rozprzestrzeniania ognia prze
PN B 02873 1996 Ochrona p poż budynków Metoda badania stopnia rozprzestrzeniania ognia po instalacj
badanie stopnia promieniowego went, AGH
Badanie tranzystorowych stopni wzmacniających v2
Badanie tranzystorowych stopni wzmacniających v4, Politechnika Lubelska
Badanie tranzystorowych stopni wzmacniających 3, Politechnika Lubelska
Ćw.3 -Badanie tranzystorowych stopni wzmacniających, SPR EL. 3 HJ
Drgania mechaniczne, Badanie drgań własnych o jednym stopniu swobody, WSI Opole
Badanie drgań wymuszonych o dwóch stopniach swobody na przykładzie wymuszonych siłą harmoniczną drga
Badanie drgań wymuszonych o dwóch stopniach swobody na przykładzie wymuszonych siłą harmoniczną drga
Badanie tranzystorowych stopni wzmacniających
badanie tranzystorowych stopni wzmacniajacych
Badanie tranzystorowych stopni wzmacniających - Pelc, Elektronika

więcej podobnych podstron