var计量模型.pdf

铜的日期货（qcu）和现货（xcu）价格的协整关系分析【案例file:6copper-dayly】

上海金属网和上海期货交易所的铜的期货和现货价格的关系研究，选取2001:6-2007:3
间1297个铜的期货和现货价格观测值。qcu表示铜的期货价格（千元），xcu表示铜的现货

价格（千元）。

9090
XCUQCUQCU
8080

7070

6060

5050

4040

3030

2020
XCU
1010
25050075010001250102030405060708090

对铜的日期货（qcu）和现货（xcu）价格取对数，做序列图和散点图如下：
不存在异方差，可以直接用qcu和xcu建VAR。

4.54.5
LOG(XCU)LOG(QCU)

4.04.0

3.5
3.5
LOG(QCU)

3.0
3.0

2.5
2.52.62.83.03.23.43.63.84.04.24.44.6
25050075010001250LOG(XCU)

VAR模型估计的EViews操作：
打开工作文件，点击Quick键,选EstimateVAR功能。作相应选项后（k=2），即可得到
VAR的表格式输出方式。在VAR模型估计结果窗口点击View选representation功能可得
到VAR的代数式输出结果。

VAR模型的特点是：
（1）不以严格的经济理论为依据。在建模过程中只需明确两件事：①共有哪些变量是
相互有关系的，把有关系的变量包括在VAR模型中；②确定滞后期k。使模型能反映出变
量间相互影响的绝大部分。
（2）VAR模型对参数不施加零约束。（对无显着性的参数估计值并不从模型中剔除，
不分析回归参数的经济意义。）
（3）VAR模型的解释变量中不包括任何当期变量，所有与联立方程模型有关的问题在
VAR模型中都不存在（主要是参数估计量的非一致性问题）。
（4）VAR模型的另一个特点是有相当多的参数需要估计。比如一个VAR模型含有三
个变量，最大滞后期k=3，则有kN2=3×32=27个参数需要估计。当样本容量较小时，
多数参数的估计量误差较大。
（5）无约束VAR模型的应用之一是预测。由于在VAR模型中每个方程的右侧都不含
有当期变量，这种模型用于样本外一期预测的优点是不必对解释变量在预测期内的取值做任
何预测。
（6）用VAR模型做样本外近期预测非常准确。做样本外长期预测时，则只能预测出变
动的趋势，而对短期波动预测不理想。
（7）VAR模型中每一个变量都必须具有平稳性。如果是非平稳的，则必须具有协整关
系。
西姆斯（Sims）认为VAR模型中的全部变量都是内生变量。近年来也有学者认为具有
单向因果关系的变量，也可以作为外生变量加入VAR模型。

选择滞后期：
在VAR模型估计结果窗口点击View选LagStructure,LagLengthCriteria功能，k=8时，
即可得到5个决定最优滞后期的评价统计量。

应该建立VAR(8)模型：
用VAR(8)模型进行预测：
点击Procs选MakeModel功能。点击Solve。在出现的对话框中选择staticsolution（静态

解）。

9090
QCUXCU
80QCU(Baseline)80XCU(Baseline)

7070

6060

5050

4040

3030

2020

1010
2505007501000125025050075010001250

VAR模型稳定的条件
1．先回顾单方程情形。以AR(2)过程

yt=φ1yt-1+φ2yt-2+ut

为例。改写为
2
(1-φ1L-φ2L)yt=Φ(L)yt=ut

2
yt稳定的条件是Φ(L)=(1-φ1L-φ2L)=0的根必须在单位圆以外。

2．对于VAR模型，也用特征方程判别稳定性。以Yt=c+ΠΠΠ1Yt-1+ut为例，改写为

(I-ΠΠΠ1L)Yt=c+ut

保持VAR模型稳定的条件是|I-ΠΠΠ1L|=0的根都在单位圆以外。|I–ΠΠΠ1L|=0称做相反
的特征方程（reversecharacteristicfunction）。（注意：ARIMA模型中称特征方程）
3．VAR模型稳定的另一种判别条件是，特征方程

|ΠΠΠ1-λI|=0

的根都在单位圆以内。特征方程|ΠΠΠ1-λI|=0的根就是ΠΠΠ1的特征值。
例：以二变量（N=2），k=1的VAR模型
y1t8/5/12y,1t−1u1t
=+
y2t/148/5y,2t−1u2t

8/52/1λ08/5−λ/12
|ΠΠΠ1-λI|=−==0
/148/50λ/148/5−λ

即
(5/8-