Fejlvektorkorrektionsmodel (MCVE)

økonomisk-ordbog

Fejlvektorkorrektionsmodellen (MCVE) er en udvidelse af VAR-modellen, der indebærer tilføjelse af korrektionsleddet for den forsinkede fejl i autoregression for at lave et estimat under hensyntagen til kointegrationen af ​​to variable.

Med andre ord inkorporerer MCVE-modellen kointegration ved hjælp af fejlkorrektionsleddet som en ny uafhængig variabel i VAR-modellen.

På denne måde kan vi lave estimater af den afhængige variabel under hensyntagen til dens forsinkede værdier, de forsinkede værdier af den anden variabel og den forsinkede fejlkorrektion (kointegrationseffekt).

Anbefalede artikler: kointegration, VAR-model, autoregressiv model.

Kointegration

Kointegrationen mellem to tilfældige variable er tilstedeværelsen af ​​en fælles stokastisk tendens. Med andre ord deler variablerne, på trods af at de er tilfældige, en tendens. For eksempel, givet en given tidsperiode, kan det ske, at den ene variabel stiger, og den anden også stiger. Det samme for det modsatte tilfælde.

Tilstedeværelsen af ​​kointegration betyder ikke, at variablerne stiger eller falder i de samme relative enheder, men snarere, at der er en heterogen spredning mellem variablerne.

Fejlrettelsesterm

Fejlkorrektionsleddet eller kointegrationskoefficienten fortæller os, om der er kointegration på en visuel og unøjagtig måde. For at træffe en så afgørende beslutning, anbefales det at anvende statistik såsom EG-ADF kontrasten.

Matematisk definerer vi variablen Xt og Yt som to tilfældige variable, der følger en standard normal sandsynlighedsfordeling på middelværdi 0 og varians 1.

Så indebærer tilstedeværelsen af ​​kointegration det

Fejlrettelsesterm.

det er integreret grad 0.

Parameteren d er koefficienten for kointegration. Denne koefficient opnås under hensyntagen til, at du skal eliminere den fælles tendens til forskellen.

De anvendte økonometriske metoder er kombinationen af ​​generaliserede mindste kvadrater med Dickey-Fuller-testen.

Med andre ord, hvis vi ser, at forskellen mellem de to serier ikke følger nogen klar tendens, bestemmer vi, at kointegrationen mellem de to variable er grad 1, og at fejlkorrektionsleddet er integrationsgrad 0.

Skematisk

  • Hvis vi ser en tendens mellem de to variable => tjek forskel => forskel følger ikke en klar tendens => fejlkorrektionsled er integration af grad 0 => der er kointegration mellem de to variable (integration af grad 1).
  • Vi ser ikke en tendens mellem de to variable => tjek forskel => forskel, hvis der er en klar tendens => fejlkorrektionsled er integration af grad 1 => der er ingen kointegration mellem de to variable (integration af grad 0).

Modelformel VAR (s, q):

Grundlaget for MCVE er Vector Autoregressive (VAR) modellen:

Autoregressiv vektormodelligning (VAR).

For at transformere VAR-modellen til en MCVE-model skal vi:

  • Tilføj rettelsesbegrebet for fejlen, der har forsinket én periode:
Forsinker fejlkorrektionsperioden med én periode.
  • Tilføj fortegnet for stigningen til de forsinkede uafhængige variable for at henvise til det faktum, at vi anvender den første forskel.

2-variable MCVE model formel

Så MCVE for to variable Xt og Yt (når k = 2) er:

MCVE-modelligning når k = 2.

Teoretisk eksempel

Kan vi fastslå, at der er kointegration mellem afkastet af AlpineSki aktien og NordicSki aktien? Siger forskellen i absolut værdi mellem AlpineSki og NordicSki (| A-N |) os noget?

AlpineSki og NordicSki præstationsdiagram.

Tags.:  økonomisk-analyse vidste du hvad til stede 

Interessante Artikler

add