Kinh tế lượng ứng dụng phần nâng cao chương 5 mô hình ARIMA và VAR

37 3.6K 5
Kinh tế lượng ứng dụng phần nâng cao chương 5 mô hình ARIMA và VAR

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

ThS Phạm Trí Cao * Kinh tế lượng ứng dụng – Phần nâng cao * Chương Chương MÔ HÌNH TRUNG BÌNH TRƯT ĐỒNG LIÊN KẾT TỰ HỒI QUY (ARIMA) & MÔ HÌNH TỰ HỒI QUY THEO VEC TƠ (VAR) Ở chương IV bàn đến tính chất quan trọng chuỗi dừng Chương đề cập đến hai vấn đề: (1) Làm để đưa chuỗi không dừng thành chuỗi dừng? (2) Sử dụng mô hình để dự báo nào? Nói cách tổng quát có phương pháp dự báo kinh tế dựa vào chuỗi thời gian: (1) Dự báo dựa mô hình hồi quy phương trình; (2) Dự báo dựa mô hình nhiều phương trình; (3) Dự báo dựa mô hình trung bình trượt, đồng liên kết, tự hồi quy ARIMA (Autoregressive intergrated moving average); (4) Dự báo dựa vào mô hình tự hồi quy theo véc tơ VAR (Vector autoregressive models) Khi dự báo dựa mô hình phương trình, trước hết cần dự báo biến độc lập sau dự báo biến phụ thuộc Dự báo sai số tăng nhanh ta dự báo xa tương lai Trong thập niên 60, 70 , việc xây dựng mô hình bao gồm hệ phương trình chiếm ưu dự báo kinh tế Mỹ Nhưng sau quyến rũ phương pháp dự báo suy giảm nhiều cú sốc dầu lửa năm 1973, 1979 trích Lucas Robert E Lucas cho rằng, tham số ước lượng từ mô hình kinh tế lượng phụ thuộc vào sách thời điểm mô hình ước lượng, tham số thay đổi sách thay đổi Nói ngắn gọn, tham số ước lượng không đổi sách thay đổi Phương pháp phân tích chuỗi thời gian G.P.E Box G M Jenkins đề xuất mở trang công cụ dự báo Phương pháp BJ (Box – Jenkins) kỹ thuật gọi phương pháp ARIMA Phương pháp không dựa vào nhiều phương trình mà dựa vào việc phân tích tính ngẫu nhiên chuỗi thời gian Chuỗi thời gian giải thích hành vi tại, khứ, trễ yếu tố ngẫu nhiên Mô hình ARIMA gọi mô hình lý thuyết không xuất phát từ lý thuyết kinh tế Mô hình VAR bề giống mô hình nhiều phương trình xem xét đồng thời số biến nội sinh Trong mô hình biến nội sinh giải thích giá trị khứ, giá trị trễ tất biến nội sinh khác Thông thường mô hình biến ngoại sinh Sau xem xét mô hình ARIMA VAR ThS Phạm Trí Cao * Kinh tế lượng ứng dụng – Phần nâng cao * Chương I- MÔ HÌNH AR, MA, VÀ ARIMA MÔ HÌNH HÓA CHUỖI THỜI GIAN TRONG KINH TẾ Nếu chuỗi thời gian có tính dừng, ta lập mô hình theo nhiều cách khác 1- Quá trình tự hồi quy (AR) Giả sử Yt chuỗi thời gian Nếu ta lập mô hình: Yt = 0+ 1Yt -1 + Ut (5.1) với giá trị trung bình Y Ut sai số ngẫu nhiên, Ut không tương quan, có trung bình phương sai không đổi (Ut– nhiễu trắng) ta nói Yt tuân theo trình ngẫu nhiên tự hồi quy bậc hay AR(1) Ở giá trị Y thời đoạn t phụ thuộc vào giá trị thời đoạn trước phụ thuộc vào yếu tố ngẫu nhiên Nói cách khác, mô hình cho biết giá trị dự báo Y thời đoạn t đơn giản tỷ lệ ( 1) giá trị Y thời đoạn (t -1) cộng với yếu tố ngẫu nhiên thời đoạn t Nếu xem xét mô hình: Yt = 0+ 1Yt -1 + 2Yt -2 + Ut (5.2) Thì ta nói Yt tuân theo trình tự hồi quy bậc hai hay AR(2) Tức giá trị Y thời đoạn t phụ thuộc vào giá trị hai thời đoạn trước Tổng quát, ta có: Yt= 0+ 1Yt -1+ 2Yt -2 + .+ pYt – p + Ut (5.3) Trong trường hợp này, Yt trình tự hồi quy bậc p hay AR(p) Điều kiện để trình AR(p) dừng | i|q (1,d,1) Sau giảm dạng mũ/ giảm hình sin (1,d,2) 1, Sau giảm dạng mũ/ giảm hình sin (2,d,1) Sau giảm dạng mũ/ giảm hình sin (2,d,2) 1, Sau giảm dạng mũ/ giảm hình sin PACF kk=0 với k>p Giảm dạng mũ giảm hình sin 11 Sau giảm dạng mũ/ giảm hình sin 11 Sau giảm dạng mũ/ giảm hình sin 11, 22 Sau giảm dạng mũ/ giảm hình sin 11, 22 Sau giảm dạng mũ/ giảm hình sin Các trình ARIMA có bậc cao cần phải làm thực nghiệm, kết hợp với nhiều phương pháp nhận dạng, sau kiểm định ThS Phạm Trí Cao * Kinh tế lượng ứng dụng – Phần nâng cao * Chương Về mặt hình học, Một vài dạng ACF PACF sau: k kk 0 (a) AR(2): k = 0,5 ; = 0,3 kk 0 (b) MA(2): = 0,5; k = 0,3 kk (c) ARMA(1, 1): 1= 0,5; 1= 0,5 Hình 5.5 Chú ý: Do thực tế ta không quan sát ACF PACF lý thuyết mà dựa vào liệu mẫu Các giá trị ACF PACF ước lượng không phù hợp cách xác với giá trị lý thuyết Điều mà tìm kiếm giống ACF PACF lý thuyết với liệu mẫu để từ chúng cho ta hướng việc xây dựng mô hình ARIMA Và lý việc lập mô hình ARIMA cần phải có nhiều kỹ mà tất nhiên kỹ có thông qua thực hành 1.2) Tiêu chuẩn Akaike Schwarz Sau ta xét tiêu chuẩn để lựa chọn mô hình thích hợp, tiêu chuẩn dựa vào lược đồ tương quan Giả thiết d biết, chọn lựa p q cho thích hợp Akaike (1974) đề nghị: p q n AIC ( p1, q1) AIC ( p, q ) , với p P, q Q AIC ( p, q ) ln( ) ThS Phạm Trí Cao * Kinh tế lượng ứng dụng – Phần nâng cao * Chương Khi p1 q1 giá trị thích hợp cho p q Schwarz (1978) đề nghị: ( p q ) ln(n) n SIC ( p1, q1) SIC ( p, q ) , với p P, q Q SIC ( p, q ) ln( ) Trong tiêu chuẩn tập P Q chưa biết Hannan (1980) p0 q0 giá trị p0 p1, q0 q1 Trên sở tiêu chuẩn Jeffreys (1961), Poskitt Tremayne (1987) đưa ý tưởng xây dựng lớp mô hình Các tác giả cho chưa p1 q1 xác định giá trị thực mô hình, cần phải xem xét thêm tiêu chuẩn khác với giá trị lân cận p1 q1 Tác giả đề nghị: R exp n.{SIC ( p1, q1) SIC ( p, q )} Nếu R

Ngày đăng: 07/07/2015, 08:01

Từ khóa liên quan

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan