ΜΕΣΑΠΣΤΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΜΑΠ

Χρονολογικζσ ΢ειρζσ & Προβλζψεισ: Διάλεξθ 5θ

Πολυμεταβλθτά Τποδείγματα: VAR

• Πολυμεταβλθτά υποδείγματα χρονολογικϊν ςειρϊν
(multivariate time series): αφοροφν τθ μελζτθ από
κοινοφ ενόσ αρικμοφ χρονολογικϊν ςειρϊν
• Παράδειγμα: ζνασ επενδυτισ κζλει να μελετιςει τθν
πορεία των αποδόςεων των ομολόγων μιασ αγοράσ από
κοινοφ με τισ αποδόςεισ ομολόγων άλλων ςυναφϊν
αγορϊν
• Απαιτείται εμπλουτιςμόσ των ARMA με άλλεσ ςειρζσ

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 1

 Παράδειγμα: Διμεταβλθτό VAR
Ζςτω διμεταβλθτό VAR με μεταβλθτζσ το προϊόν 𝑋𝑡 και τθν
προςφορά χριματοσ 𝛭𝑡 :

𝑋𝑡 = 𝛿1 + 𝑎11 𝑋𝑡−1 + 𝑎12 𝑋𝑡−2 +𝛽11 𝑀𝑡−1 + 𝛽12 𝛭𝑡−2 + 𝑒𝑡1

𝑀𝑡 = 𝛿2 + 𝑎21 𝑋𝑡−1 + 𝑎22 𝑋𝑡−2 +𝛽21 𝑀𝑡−1 + 𝛽22 𝛭𝑡−2 + 𝑒𝑡2

΢ε μορφι πινάκων:
𝑋𝑡 𝛿1 𝑎11 𝛽11 𝑋𝑡−1
= +
𝑀𝑡 𝛿2 𝛼21 𝛽21 𝑀𝑡−1

𝑎12 𝛽12 𝑋𝑡−2 𝑒𝑡1

+ + 𝑒
𝛼22 𝛽22 𝑀𝑡−2 𝑡2

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 2

 Τπόδειγμα VAR(2)
Σο VAR ςε μορφι πινάκων:
𝒀𝒕 = 𝜹 + 𝑨𝟏 𝒀𝒕−𝟏 + 𝑨𝟐 𝒀𝒕−𝟐 + 𝒆𝒕

𝒀𝒕 : διάνυςμα ενδογενϊν μεταβλθτϊν

𝜹: διάνυςμα ςτακερϊν όρων
𝑨𝒊 : μιτρεσ ςυντελεςτϊν μεταβλθτϊν
𝒆𝒕 : διάνυςμα λευκοφ κορφβου

• Επειδι ζχει μορφι AR(2) είναι VAR(2)

• Σα 𝒆𝒕 λζγονται και καινοτομικζσ διαταραχζσ
• Μπορεί να ζχει και άλλουσ παράγοντεσ πζρα από 𝛿

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 3

 Γενικι μορφι Τποδείγματοσ VAR
Γενικι μορφι VAR(p):
𝒀𝒕 = 𝑨𝟏 𝒀𝒕−𝟏 + 𝑨𝟐 𝒀𝒕−𝟐 + ⋯ + 𝑨𝒑 𝒀𝒕−𝒑 + 𝜝 𝜲𝒕 + 𝒆𝒕

𝒀𝒕 = 𝑌1𝑡 , … , 𝑌𝑘𝑡 ′
𝜲𝒕 = 1 𝛸1𝑡 , … , 𝛸𝑑𝑡 ′, εξωγενείσ μεταβλθτζσ
𝐸 𝑒𝑡 = 0 για όλα τα t
′ 𝛺 𝛾𝜄𝛼 𝑡 = 𝑠
𝐸 𝑒𝑡 𝑒𝑠 = , όπου:
0 𝛾𝜄𝛼 𝑡 ≠ 𝑠
′ 𝑣𝑎𝑟(𝑒𝑡1 ) 𝑐𝑜𝑣(𝑒𝑡1 , 𝑒𝑡2 )
𝛺 = 𝐸 𝑒𝑡 𝑒𝑡 =
𝑐𝑜𝑣(𝑒𝑡1 , 𝑒𝑡2 ) 𝑣𝑎𝑟(𝑒𝑡2 )

o Τποκζτουμε ότι VAR είναι ςτάςιμο, δθλ. μεταβλθτζσ Ι(0)

o Αν όχι, χρειάηεται μετατροπι ςε ςτάςιμεσ (λιψθ διαφορϊν, εποχικι
διόρκωςθ κτλ.)

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 4

 Διαρκρωτικό υπόδειγμα VAR
Θεωρϊ το εξισ παράδειγμα:
∗ ∗
𝑋𝑡 = 𝑑1 + 𝑐10 𝛭𝑡 + 𝑎11 𝑋𝑡−1 + 𝛽11 𝑀𝑡−1 + 𝜀𝑡1
∗ ∗
𝛭𝑡 = 𝑑2 + 𝑐20 𝛶𝑡 + 𝑎21 𝑋𝑡−1 + 𝛽21 𝑀𝑡−1 + 𝜀𝑡2
Με πίνακεσ:
∗ ∗ 𝜀𝑡1
1 −𝑐10 𝑋𝑡 𝑑1 𝑎11 𝛽11 𝑋𝑡−1
= + ∗ ∗ + 𝜀
−𝑐20 1 𝑀𝑡 𝑑2 𝑎21 𝛽21 𝑀 𝑡−1 𝑡2
ι αλλιϊσ
𝐶𝑌𝑡 = 𝑑 + 𝐴1∗ 𝑌𝑡−1 + 𝜀𝑡
𝐶:μιτρα τρεχουςϊν επιδράςεων
=> διαρκρωτικό υπόδειγμα VAR: structural VAR, SVAR
Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 5
 Εκτίμθςθ των VAR
• Αν πλθροφνται οι ςυνκικεσ ςταςιμότθτασ, θ εκτίμθςθ μπορεί να
γίνει με LS ςε κάκε εξίςωςθ
• Δυςκολία ςτθν ςωςτι εκτίμθςθ του p ςτισ εμπειρικζσ
• Εκτίμθςθ ςυςτθμάτων για διάφορα p και επιλογι ςφμφωνα με
κριτιρια Akaike, Schwarz, κριτιριο λόγου πικανοφανειϊν κ.ά.
• Σα VAR περιζχουν πολφ μεγάλο αρικμό παραμζτρων-Ζνα VAR(p)
ζχει k+pk2 παραμζτρουσ για εκτίμθςθ
• Χρειάηεται αρκετά μεγάλοσ αρικμόσ παρατθριςεων
• Χριςθ ςτοιχείων με υψθλι ςυχνότθτα (πχ μθνιαία)
• Οι παράμετροι δεν ζχουν ερμθνεία (ακεωρθτικότθτα)
• Κάκε ςτάςιμο VAR αντιςτρζφεται ςε MA(∞)
– διάνυσμα κινητών μέσων VMA
– Κάκε μεταβλθτι είναι ςυνάρτθςθ όλων των προθγοφμενων
ςφαλμάτων όλων των μεταβλθτϊν

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 6

 ΢υναρτιςεισ Δυναμικϊν Αποκρίςεων

• Οι δυναμικζσ αποκρίςεισ (impulse responses)ςε ζνα

VAR είναι ο αντίκτυποσ ςτθν πορεία των ενδογενϊν
μεταβλθτϊν, όταν υπάρξει μια αιφνίδια διαταραχι
• Αν υπάρξει μια διαταραχι ςτο 𝑒𝑡1 τότε κα υπάρξει
άμεςθ διαταραχι και ςτθν 𝛸𝑡 κακϊσ και ςτα
𝛸𝑡+𝑗 (𝑗 > 0) μιασ και θ 𝑒𝑡1 αφορά τθν 𝛸𝑡
• Θα υπάρξει διαταραχι όμωσ ΚΑΙ ςτα 𝛭𝑡+𝑗 𝑗 > 0
παρόλο που 𝑒𝑡1 και 𝑒𝑡2 αςυςχζτιςτα μεταξφ τουσ

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 7

 Αντιςτροφι του VAR ςε VMA
Μετατρζπουμε το VAR ςε VMA:
𝑌𝑡 = 𝛿 + 𝐴1 𝑌𝑡−1 + 𝑒𝑡 =
𝛿 + 𝐴1 𝛿 + 𝐴1 𝑌𝑡−2 + 𝑒𝑡−1 + 𝑒𝑡
= 𝛪 + 𝛢1 𝛿 + 𝛢12 𝑌𝑡−2 +𝐴1 𝑒𝑡−1 + 𝑒𝑡
Μετά από ν-επαναλιψεισ:
𝜈

𝑌𝑡 = (𝛪 + 𝐴1 + 𝛢12 + ⋯ + 𝛢1𝜈 )𝛿 + 𝛢1𝑖 𝑒𝑡−𝑖 + 𝛢1𝜈+1 𝑌𝑡−𝜈−1

𝑖=0
Για να ςυγκλίνει κα πρζπει το άκροιςμα να τείνει ςτο 0
κακϊσ το ν → ∞
 αυτό ςυμβαίνει όταν ιςχφουν οι ςυνκικεσ ςτακερότθτασ
(stability conditions) του ςυςτιματοσ των εξιςϊςεων

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 8

 ΢υνκικεσ ΢τακερότθτασ
– Οι ιδιοτιμζσ του πίνακα 𝐴1 (ρίηεσ τθσ |𝐴1 − 𝜆𝐼| = 0)
να είναι μικρότερεσ από 1 ςε απόλυτεσ τιμζσ
– Γράφεται και ωσ (𝛪 − 𝐴1 𝐿)𝑌𝑡 = 𝛿 + 𝑒𝑡
Αν ιςχφει θ ςτακερότθτα παίρνουμε VMA:
𝑌𝑡 = 𝜇 + ∞ 𝑖
𝑖=0 1 𝑒𝑡−𝑖
𝛢
𝑌𝑡 = 𝜇 + (𝛪 + 𝐴1 𝐿 + 𝛢12 𝐿2 + ⋯ )𝑒𝑡
όπου:
𝜇 = 𝛸 𝛭 ′ , 𝛥 = (1 − 𝛼11 ) 1 − 𝛼22 − 𝛼12 𝛼21

𝛿1 1 − 𝛼22 + 𝛼12 𝛼20 𝛿2 1 − 𝛼11 + 𝛼21 𝛼10

𝛸= ,𝛭 =
𝛥 Δ
Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 9
 Τπολογιςμόσ Δυναμικϊν Αποκρίςεων

Ζτςι ζχουμε το ςφςτθμα:

∞ 𝑖
𝑋𝑡 𝑎11 𝛽11 𝑒1𝑡−𝑖
𝑌𝑡 = = 𝛸 + 𝑒2𝑡−𝑖
𝑀𝑡 𝛭 𝛼21 𝛽21
𝑖=0
• Μια διαταραχι, πχ ςτο 𝑒1𝑡 , κα ζχει επιπτϊςεισ και
ςτθν 𝑋𝑡 και ςτθν 𝑀𝑡
• Γενικά ςε VAR(p) παίρνουμε το VMA
πολλαπλαςιάηοντασ κατά μζλθ με 𝛷(𝐿)−1 :
𝑌𝑡 = 𝜇 + 𝛷(𝐿)−1 𝑒𝑡 = 𝜇 + 𝑒𝑡 + 𝛹1 𝑒𝑡−1 + 𝛹2 𝑒𝑡−2 + ⋯
όπου 𝛷(𝐿)−1 = 𝛪 + 𝛹1 𝐿 + 𝛹2 𝐿2 + ⋯

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 10

 ΢υναρτιςεισ Δυναμικϊν Αποκρίςεων (1)
• Η μιτρα δυναμικϊν αποκρίςεων:
𝜕𝑌𝑡+𝑠
𝛹𝑠 = , 𝑠 = 1,2,3, …
𝜕𝑒𝑡 ′
• Κάκε ςτοιχείο (𝑖, 𝑗) μετρά τθν επίδραςθ μιασ μοναδιαίασ
διαταραχισ ςτθν εξίςωςθ j τθ χρονικι ςτιγμι t (𝑒𝑗𝑡 ) πάνω ςτθν i
μεταβλθτι μετά από t+s περιόδουσ (𝑌𝑖,𝑡+𝑠 ), κεωρϊντασ ότι όλοι οι
άλλοι όροι ςε οποιοδιποτε χρόνο είναι ςτακεροί
Αν λάβουμε το ςτοιχείο (𝑖, 𝑗) 𝛹𝑠 ςυναρτιςει του s:
𝜕𝑌𝑖,𝑡+𝑠
, s = 1,2,3, …
𝜕𝑒𝑗𝑡
ζχουμε τθν ςυνάρτθςθ απόκριςθσ (impulse response) ςε εφάπαξ
διαταραχζσ
Αν το πρϊτο ςτοιχείο διαταραχκεί κατά 𝑑1 , το δεφτερο κατά 𝑑2 ,…., το
ν-ιοςτό κατά 𝑑𝜈 :
𝜕𝑌𝑡+𝑠 𝜕𝑌𝑡+𝑠 𝜕𝑌𝑡+𝑠
𝑑 + 𝑑 + ⋯+ 𝑑 = 𝛹𝑠 𝑑
𝜕𝑒1𝑡 1 𝜕𝑒2𝑡 2 𝜕𝑒𝜈𝑡 𝜈

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 11

 Παράδειγμα Τπολογιςμοφ ΢υναρτιςεων
Απόκριςθσ
 Ζςτω VAR(1) με δφο μεταβλθτζσ, μ=0, και:
𝑦1𝑡 0,5 0,2 𝑦1𝑡−1 𝑒1𝑡 4 3
𝑦2𝑡 = + , 𝛺 =
0,1 0,3 𝑦2𝑡−2 𝑒2𝑡 3 16
Θεωροφμε 𝑦10 =𝑦20 =0, και ςτο t=1 γίνεται διαταραχι
𝑒11 = 0 + 4, 𝑒21 = 0 (μόνο ςτθν πρϊτθ μεταβλθτι)
𝑠
𝑠 0,5 0,1 2
 Ζχουμε: 𝛹𝑠 𝑑 = 𝐴1 𝑑 =
0,2 0,3 0

• To VAR(1) δίνει το VMA:

𝑌𝑡 = 𝜇 + (𝛪 + 𝛹1 𝐿 + 𝛹2 𝐿2 + ⋯ )𝑒𝑡
= 𝜇𝑡(𝛪 + 𝐴1 𝐿 + 𝛢12 𝐿2 + ⋯ )𝑒𝑡
με μιτρα δυναμικϊν αποκρίςεων: 𝛹𝑠 = 𝛢1𝑠

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 12

 Παράδειγμα: Διαταραχι ςτθν πρϊτθ εξίςωςθ

𝑡=1 → 𝑦11 𝑦10 4 0 2 2 Διαταραχι = 𝜎𝑒21 =2

𝑦21 = 𝑨 𝟏 𝑦20 + 0 = 𝑨𝟏 + =
0 0 0
𝑡=2 → 𝑦12 𝑦11 0 0,5 0,1 2 1 2x (Πρϊτθ ςτιλθ τθσ 𝑨𝟏 )
𝑦22 = 𝑨 𝟏 𝑦 + = =
21 0 0,2 0,3 0 0,4
2
𝑡=3 → 𝑦13 𝑦12 𝟐 2 0,5 0,1 2 0,54 2x (Πρϊτθ ςτιλθ τθσ 𝑨𝟐𝟏 )
𝑦23 = 𝑨 𝟏 𝑦22 = 𝑨 𝟏 = =
0 0,2 0,3 0 0,32
⋮ ⋮ ⋮ ⋮

𝑡=𝑠 → 𝑦1𝑠 𝑦1,𝑠−1 0,5 0,1 𝑠

2 2x (Πρϊτθ ςτιλθ τθσ 𝑨𝒔𝟏 )
𝑦2𝑠 = 𝑨 𝟏 𝑦 =
2,𝑠−2 0,2 0,3 0

 Για 𝑡 = 1 επίδραςθ ζχει μόνο θ 𝑦1𝑡

 Για 𝑡 > 1 ζχουμε αλυςωτζσ επιδράςεισ και ςτθν 𝑦2𝑡
 Eπιδράςεισ από τθν 𝑒1𝑡 φαίνονται ςτθν πρϊτθ ςτιλθ του 𝐴1𝑠

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 13

Παράδειγμα: Διαταραχι ςτθν πρϊτθ εξίςωςθ
Περίοδοσ s y1t y2t
1 2,00 0,00
2 1,00 0,40
3 0,54 0,32
4 0,30 0,20
5 0,17 0,12
6 0,10 0,07
7 0,06 0,04

Αποκρίςεισ τθσ y1t ςε διαταραχι τθσ 𝒆𝟏𝒕 Αποκρίςεισ τθσ y2t ςε διαταραχι τθσ 𝒆𝟏𝒕

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 14

 Παράδειγμα: Ζλεγχοσ ΢τακερότθτασ
Παίρνουμε ιδιοτιμζσ:
0,5 0,1 𝜆 0 0,5 − 𝜆 0,1
|𝐴1 − 𝜆𝛪| = − = =0
0,2 0,3 0 𝜆 0,2 0,3 − 𝜆
0,5 − 𝜆 0,3 − 𝜆 − 0,1 0,2 = 0
𝜆2 − 0,8𝜆 − 0,13 = 0
Ρίηεσ: 𝜆1 = 0,57 και 𝜆2 = 0,23 , |𝜆1 |, 𝜆2 < 1
Οι ακροιςτικζσ επιδράςεισ για όλα τα t είναι:
𝑆 = 𝛪 + 𝐴1 + 𝐴12 + ⋯ + 𝐴1𝑠
Σο άκροιςμα ςυγκλίνει μιασ και το ςφςτθμα είναι ςτάςιμο
−1
−1 0,5 0,1 2,121 −0,303
lim 𝑆 = (𝛪 − 𝐴1 ) = =
s→∞ 0,2 0,7 −0,606 1,515

 Σο 𝛪 − 𝐴1 −1 (𝑖, 𝑗) δείχνει τθ ςωρευτικι επίδραςθ ςτθν μεταβλθτι 𝑖

μιασ διαταραχισ ςτθν μεταβλθτι 𝑗

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 15

 ΢χόλια ςτον υπολογιςμό των ΢υναρτιςεων
Απόκριςθσ
 ΢το παράδειγμα κεωροφμε ότι οι διαταρακτικοί όροι
δεν ςχετίηονται μεταξφ τουσ
 ΢τθν πράξθ είναι ςχεδόν απίκανο να ςυμβαίνει
 Ζτςι δεν διαχωρίηεται ακριβϊσ ποια είναι θ
επίδραςθ τθσ κάκε διαταραχισ
 Πρακτικά κεωροφμε κοινι ςυνιςτϊςα τθν πρϊτθ
μεταβλθτι του VAR
 Καταςκευι ορκογϊνιων λακϊν με ανάλυςθ
Cholesky
 C: τριγωνικόσ, και γίνεται ερμθνεία των διαταραχϊν
Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 16
 Αιτιότθτα κατά Granger (1)
• ΢τθν οικονομικι επιςτιμθ δεν είναι δυνατι θ διενζργεια
πειράματοσ για εφρεςθ ςχζςθσ αίτιου και
αποτελζςματοσ
Ζςτω κατανάλωςθ Y και ειςόδθμα Χ
• Αιτιάηει το ειςόδθμα Χ τθν κατανάλωςθ Τ;
• Μποροφμε να παλινδρομιςουμε το Χ ςτο Τ και να
ελζγξουμε τθν ςτατιςτικι ςθμαντικότθτα του Χ
• Όμωσ θ υψθλι ςυςχζτιςθ δφο μεταβλθτϊν δεν
αποδεικνφουν ότι υπάρχει ςχζςθ αιτιότθτασ μεταξφ τουσ
• Γι’αυτό αιτιότθτα κατά Granger (Granger causality).
Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 17
 Αιτιότθτα κατά Granger (2)
• 𝛸𝑡 αιτιάηει κατά Granger τθν 𝑌𝑡 , αν όλθ θ πρόςφατθ
και προθγοφμενθ πλθροφόρθςθ γφρω από τισ τιμζσ
τθσ μεταβλθτισ 𝛸𝑡 βοθκοφν ςτθν καλφτερθ
πρόβλεψθ των τιμϊν τθσ 𝑌𝑡
Οριςμόσ: 𝛸𝑡 ΔΕΝ αιτιάηει κατά Granger τθν 𝑌𝑡 αν:
𝑀𝑆𝐸[𝛦 𝑌𝑡+𝑠 𝑌𝑡 , 𝑌𝑡−1 , . . =
𝑀𝑆𝐸[ 𝛦 𝑌𝑡+𝑠 𝑌𝑡 , 𝑌𝑡−1 , . . , 𝑋𝑡 , 𝑋𝑡−1 , … ]

• Η φπαρξθ ι όχι αιτιότθτασ κατά Granger εξαρτάται

από το πόςο ςθμαντικζσ είναι οι υςτεριςεισ τθσ 𝛸𝑡
ςτθ βελτίωςθ τθσ προβλεπτικισ ικανότθτασ τθσ 𝑌𝑡

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 18

 Ζλεγχοι Αιτιότθτασ κατά Granger (1)
Ζχουμε ςφςτθμα προϊόντοσ 𝛸𝑡 και προςφοράσ χριματοσ
𝛭𝑡
𝐻0 : "𝛭𝑡 δεν προκαλεί τθ 𝛸𝑡 " ι 𝐻0 : 𝛽11 = 𝛽12 = 0
𝐻𝛼 : "𝛭𝑡 προκαλεί τθ 𝛸𝑡 " ι 𝐻𝛼 : Σουλάχιςτον ζνα 𝛽11 , 𝛽12 ≠ 0

Ζλεγχοσ με κατανομι F:
(𝑆𝑆𝐸 𝑅 − 𝑆𝑆𝐸 𝑈 )/𝜅
𝐹=
𝑆𝑆𝐸𝑈 /𝑓
𝑆𝑆𝐸 𝑈 = Άκροιςμα τετραγϊνων καταλοίπων τθσ παλινδρόμθςθσ
εκτίμθςθ χωρίσ περιοριςμοφσ (𝐻𝛼 )
𝑆𝑆𝐸 𝑅 = Άκροιςμα τετραγϊνων καταλοίπων τθσ παλινδρόμθςθσ χωρίσ
τισ υςτεριςεισ 𝛭𝑡−1 και 𝛭𝑡−2 , εκτίμθςθ με περιοριςμοφσ (𝐻0 )
f = Βακμοί ελευκερίασ ςτθ μθ περιοριςμζνθ εξίςωςθ
κ =Πλικοσ περιοριςμϊν (εδϊ κ=2)

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 19

 Ζλεγχοι Αιτιότθτασ κατά Granger (2)
• Αν 𝐹 > 𝐹𝑘,𝑓 (του πίνακα) για α% τότε θ 𝐻0 απορρίπτεται
=> Μt “προκαλεί” κατά Granger τθ Χ t
• Σο παραπάνω δεν απορρίπτει το αντίςτροφο, ότι
υπάρχει αιτιότθτα και από τθ 𝛸𝑡 προσ τθν 𝛭𝑡 , χρειάηεται
να γίνει ο ζλεγχοσ:
𝐻0 : 𝑎21 = 𝑎22 = 0 ζναντι 𝐻𝑎 : 𝑎21 ≠ 0 ι/και 𝑎22 ≠ 0
o Απόρριψθ τθσ πρϊτθσ 𝐻0 ςε ςυνδυαςμό με μθ
απόρριψθ τθσ δεφτερθσ 𝐻0 δείχνει μονόδρομθ
αιτιότθτα: 𝛭𝑡 → 𝛸𝑡
o Απόρριψθ τόςο τθσ πρϊτθσ 𝐻0 όςο και τθσ δεφτερθσ 𝐻0
δείχνει αμφίδρομθ αιτιότθτα: 𝛭𝑡 ↔ 𝛸𝑡

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 20

 Ζλεγχοι Αιτιότθτασ κατά Granger (3)

• ΢ε ζνα διμετάβλθτο VAR(2) κα ιςχφει 𝛭𝑡 → 𝛸𝑡 , αν 𝛢1

και 𝛢2 είναι άνω τριγωνικοί πίνακεσ

𝑋𝑡 𝛿1 𝑎11 𝛽11 𝑋𝑡−1 𝑎12 𝛽12 𝑋𝑡−2 𝑒𝑡1

= + + + 𝑒
𝑀𝑡 𝛿2 0 𝛽21 𝑀𝑡−1 0 𝛽22 𝑀𝑡−2 𝑡2

• Και οι 𝛹𝑗 του VMA κα είναι άνω τριγωνικοί πίνακεσ

• Εμπειρικζσ μελζτεσ δείχνουν ότι ο ζλεγχοσ
επθρεάηεται από τον αρικμό υςτεριςεων που
επιλζγουμε
Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 21
VAR και Ζλεγχοι Αιτιότθτασ: Εμπειρικι Εφαρμογι (1)
Ζλεγχοι Μοναδιαίασ Ρίηασ Πλθκωριςμοφ (INFL) και Ανεργίασ (UNR)
Optimal Lag DFGLS Κριτικζσ τιμζσ
Μεταβλθτι Ng-Perron t statistic 1% 5% 10%
INFL 0 -1.667 -3.759 -3.183 -2.880
D(INFL) 1 -6.359* -3.762 -3.183 -2.880
UNR 1 -2.920 -3.759 -3.177 -2.875
D(UNR) 2 -3.082* -3.762 -3.143 -2.844
Πθγι ςτοιχείων: ΕΛ΢ΣΑΣ, 2012.
Επιλογι Σάξθσ του VAR (αρικμόσ υςτεριςεων)
VAR Lag Order Selection Criteria
Endogenous variables: DINFL DUNR
Sample: 1960 2012 Included observations: 48

Lag LR FPE AIC SΙC HQ

0 NA 22.07571 8.770220 8.848187 8.799684

1 37.29251* 11.39001* 8.108164* 8.342065* 8.196556*
2 6.376608 11.61504 8.126538 8.516371 8.273857
3 4.120051 12.44290 8.192715 8.738482 8.398962
4 6.893951 12.37699 8.182614 8.884315 8.447788

* indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error, ΑIC: Akaike information criterion,
SC: Schwarz information criterion, HQ: Hannan-Quinn information criterion

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 22

VAR και Ζλεγχοι Αιτιότθτασ: Εμπειρικι Εφαρμογι (2)
 Ζγινε ζλεγχοσ για 𝑙 = 4, 3, 2, 1 και επιλζχκθκε 𝑙 = 1
 Απαιτείται ζλεγχοσ ςτακερότθτασ του VAR ςυςτιματοσ:
Inverse Roots of AR Characteristic Polynomial
1.5

Ρίζες (Roots) Μέτρο (Modulus)

1.0

0.5 0.487 - 0.237i 0.542144

0.487 + 0.237i 0.542144
0.0
-0.015 - 0.495i 0.495395
-0.5 -0.015 + 0.495i 0.495395

-1.0
No root lies outside the unit circle.
-1.5
VAR satisfies the stability condition.
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5

 Οι ρίηεσ είναι εντόσ του μοναδιαίου κφκλου

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 23

VAR και Ζλεγχοι Αιτιότθτασ: Εμπειρικι Εφαρμογι (3)
 Σα αποτελζςματα εκτίμθςθσ
του VAR(1)
Εκτιμιςεισ ΢υςτιματοσ VAR(1)
Vector Autoregression Estimates
Sample (adjusted): 1962 2012
Included observations: 51 after adjustments
Standard errors in ( ) & t-statistics in [ ]

 Η μόνθ ςτατιςτικά ςθμαντικι DINFL DUNR

παράμετροσ είναι θ επίδραςθ DINFL(-1) 0.011236

(0.14419)
0.024965
(0.02939)
[ 0.07793] [ 0.84932]
τθσ DUNR(-1) πάνω ςτθν
DUNR(-1) -0.502553 0.816447
τρζχουςα DUNR = 0,816 (0.51535)
[-0.97516]
(0.10506)
[ 7.77157]

 Η ανεργία ζχει ζντονθ κετικι C 0.095463

(0.55741)
0.113497
(0.11363)
ςυςχζτιςθ και εμμονι [ 0.17126] [ 0.99884]

R-squared 0.020137 0.557187

 Η ανεργία ζχει υψθλό Adj. R-squared
Sum sq. resids
-0.020691
727.0265
0.538736
30.21206
R-squared=0,557 S.E. equation
F-statistic
3.891836
0.493213
0.793359
30.19891
Log likelihood -140.1229 -59.01446
 Ο πλθκωριςμόσ δεν ζχει καλι Akaike AIC
Schwarz SC
5.612661
5.726298
2.431940
2.545576
προςαρμοςτθκότθτα Mean dependent
S.D. dependent
-0.017647
3.852187
0.298824
1.168140

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 24

VAR και Ζλεγχοι Αιτιότθτασ: Εμπειρικι Εφαρμογι (4)
Εκτιμιςεισ Δυναμικϊν αποκρίςεων του VAR(1)

(α) Αποκρίςεισ του Πλθκωριςμοφ (β) Αποκρίςεισ τθσ Ανεργίασ

4 .8

3 .6

2 .4

1 .2

0 .0

-1 -.2
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10

DINFL Equation DUNR Equation DINFL Equation DUNR Equation

 Διαταραχι ςτθν εξίςωςθ του πλθκωριςμοφ δίνει αρχικά μεγάλθ ϊκθςθ

ςτθν ίδια τθ μεταβλθτι, αλλά ςχεδόν μθδενικι μετά τθν πρϊτθ περίοδο

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 25

VAR και Ζλεγχοι Αιτιότθτασ: Εμπειρικι Εφαρμογι (5)

 Η αρχικι αντίδραςθ τθσ ανεργίασ ςε μια διαταραχι

ςτθν εξίςωςι τθσ είναι ζντονα ανοδικι-φκίνουν
αργά ςτισ επόμενεσ περιόδουσ
 Μια διαταραχι ίδιου μεγζκουσ ςτθν εξίςωςθ του
πλθκωριςμοφ ωκεί τθν ανεργία ςε μικρι αφξθςθ τθν
πρϊτθ περίοδο και ςταδιακι επάνοδο ςτο
μακροχρόνιο επίπεδό τθσ
 Μια αιφνίδια αφξθςθ τθσ ανεργίασ κα ζχει ζντονεσ
και μεγάλθσ διάρκειασ επιπτϊςεισ ςτισ μελλοντικζσ
μεταβολζσ τθσ ανεργίασ

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 26

VAR και Ζλεγχοι Αιτιότθτασ: Εμπειρικι Εφαρμογι (6)
Διάςπαςθ τθσ Διακφμανςθσ των Μεταβλθτϊν του VAR(1)
 ΢ε κάκε μεταβλθτι το μεγαλφτερο Variance Decomposition of DINFL:
ποςοςτό μεταβλθτότθτασ Period S.E. DINFL DUNR

οφείλεται ςτθν διαταραχι τθσ 1 3.891836 100.0000 0.000000

2 3.912643 98.96356 1.036440
ίδιασ 3 3.926656 98.26598 1.734020
4 3.935647 97.82316 2.176845
 ΢τον πλθκωριςμό, θ ςυμμετοχι 5 3.941399 97.54145 2.458546

ςτθ μεταβλθτότθτα λακϊν Variance Decomposition of DUNR:

Period S.E. DINFL DUNR
πρόβλεψθσ από μια διαταραχι
1 0.793359 0.188139 99.81186
ςτθν ανεργία δεν ξεπερνά το 2,5% 2 1.026138 0.565442 99.43456
3 1.151109 0.702419 99.29758
 Ενϊ το ανάποδο δεν ξεπερνά το 4 1.224518 0.764499 99.23550
5 1.269335 0.797227 99.20277
1%
Cholesky Ordering: DINFL DUNR

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 27

VAR και Ζλεγχοι Αιτιότθτασ: Εμπειρικι Εφαρμογι (7)
 Μθ απόρριψθ τθσ πρϊτθσ Η0 Ζλεγχοι Αιτιότθτασ κατά Granger
Prob.=0,329 > 0,05 που ςθμαίνει VAR Granger Causality/Block Exogeneity Wald Tests
Sample: 1960 2012 Included observations: 51
απουςία αιτιότθτασ από τθν Dependent variable: DINFL
ανεργία προσ τον πλθκωριςμό Excluded Chi-sq df Prob.
 Μθ απόρριψθ τθσ δεφτερθσ Η0 DUNR 0.950945 1 0.329
Prob.=0,395 > 0,05 απουςία Dependent variable: DUNR
αιτιότθτασ από τον πλθκωριςμό Excluded Chi-sq df Prob.
προσ τθν ανεργία
DINFL 0.721348 1 0.395

 Απαιτείται ζλεγχοσ των καταλοίπων, δεν αυτοςυςχετίηονται, αλλά

παραβιάηεται θ ςυνκικθ κανονικότθτασ (μικρό δείγμα)
 Καλι κα ιταν θ επανάλθψθ τθσ ανάλυςθσ με ςτοιχεία μεγαλφτερθσ
ςυχνότθτασ (μθνιαία κλπ)
Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 28
 Πλεονεκτιματα VAR
1. Η μεκοδολογία τουσ δεν απαιτεί προςδιοριςμό των
μεταβλθτϊν ςε ενδογενείσ και εξωγενείσ
2. Εκτιμϊνται ςχετικά εφκολα, χρθςιμοποιϊντασ τθ
μζκοδο LS ςε κάκε εξίςωςθ ξεχωριςτά
3. Η διενζργεια προβλζψεων με τα υποδείγματα VAR
είναι πιο αποτελεςματικι και οι προβλζψεισ είναι
καλφτερεσ
4. Είναι δυναμικά και χρθςιμεφουν ςτον υπολογιςμό των
ςυναρτιςεων απόκριςθσ
5. Επιτρζπουν το διαχωριςμό τθσ μεταβλθτότθτασ μιασ
ενδογενοφσ μεταβλθτισ ςε αυτιν που οφείλεται ςτθν
ίδια και ςτισ ςυνιςτϊςεσ που προκαλοφνται από τισ
υπόλοιπεσ

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 29

 Μειονεκτιματα VAR
1. Είναι ακεωρθτικά
2. Δεν είναι εφαρμόςιμα ςε δείγματα μικροφ μεγζκουσ λόγω
του μεγάλου αρικμοφ παραμζτρων
3. ΢ε ζνα VAR υπόδειγμα κα πρζπει όλεσ οι μεταβλθτζσ να
είναι από κοινοφ ςτάςιμεσ, αν δεν ιςχφει για κάποιεσ πρζπει
γίνουν ςτάςιμεσ μζςω κάποιου μεταςχθματιςμοφ, πράγμα
που οδθγεί ςε ςειρζσ που ζχουν διαφορετικό βακμό
ολοκλιρωςθσ
4. Αν όλεσ οι ςειρζσ του VAR είναι μθ ςτάςιμεσ Ι(1), τότε το
ςφςτθμα κα μποροφςε να γραφεί ςτισ πρϊτεσ διαφορζσ και
να είναι ςτάςιμο μόνο αν οι Ι(1) μεταβλθτζσ του VAR δεν
ςυνολοκλθρϊνονται

Δθμζλθ ΢. (2013), ΢φγχρονεσ Μζκοδοι Ανάλυςθσ Χρονολογικϊν ΢ειρϊν 30