Professional Documents
Culture Documents
4 Finance Multivariatetimeseriesmodel Postgraduate
4 Finance Multivariatetimeseriesmodel Postgraduate
MÔ HÌNH VAR
MULTIVARIATE TIME SERIES MODEL
TÀI LIỆU ĐỌC
•Phương trình dạng rút gọn (reduced forms) và phương trình cấu
trúc (structural)
•Vấn đề nhận dạng (identification)
•Hệ phương trình đồng thời (simultaneous equations model)
•Hệ phương trình tam giác (triangular system)
PHƯƠNG TRÌNH DẠNG RÚT GỌN (REDUCED
FORMS) VÀ PHƯƠNG TRÌNH CẤU TRÚC
(STRUCTURAL)
Phương trình dạng rút gọn có biến nội sinh (endogeneous variable)
phụ thuộc vào
biến trễ (lagged variable) của chính nó,
biến trễ của các biến nội sinh khác,
biến cùng thời điểm (contemporaneous variable) và trễ của các biến ngoại sinh
(exogeneous)
và hạng nhiễu (disturbance terms)
nhưng không phụ thuộc vào biến cùng thời điểm của biến nội sinh khác
Phương trình cấu trúc có biến nội sinh phụ thuộc vào biến cùng thời
điểm của một biến nội sinh khác
Phương trình cấu trúc có thể chuyển sang nhiều phương trình dạng rút gọn
VÍ DỤ: PHƯƠNG TRÌNH DẠNG RÚT GỌN
VÀ PHƯƠNG TRÌNH CẤU TRÚC
Thuật ngữ hàm ý có đầy đủ thông tin trong phương trình dạng
rút gọn để ước lượng các tham số của phương trình cấu trúc.
Một phương trình được gọi là đã nhận dạng (identified) hoặc
chưa nhận dạng (under-identified) phụ thuộc vào số lượng biến
trong hệ phương trình cấu trúc.
Điều kiện trật tự (order condition): Một phương trình được nhận
dạng nếu số lượng biến loại trừ (excluded variable) trong
phương trình nhiều hơn hoặc bằng G - 1.
G: số lượng phương trình cấu trúc
Biến loại trừ trong phương trình là biến nội sinh và ngoại sinh không
xuất hiện trong phương trình đang xem xét nhưng có xuất hiện đâu
đó trong cả hệ phương trình.
Hệ phương trình:
Y1 = α0 + α2Y2 + α3Y3 + α4X1 + α5X2 + u1
Y2 = β0 + β1Y3 + β2X1 + u2
Y3 = γ0 + γ 1Y2 + u3
Nhận dạng:
Phương trình Y1 không có biến loại trừ, chưa được nhận dạng;
Phương trình Y2 có biến Y1 và X2 bị loại trừ, được nhận dạng;
Phương trình Y3 có biến Y1, X1 và X2 bị loại trừ, được nhận dạng quá
mức (over-identified)
MÔ HÌNH HỆ PHƯƠNG TRÌNH ĐỒNG THỜI
SIMULTANEOUS EQUATIONS MODEL (SEM)
Cho Y1t và Y2t, trong đó Y1t chịu tác động của giá trị cùng thời
điểm và giá trị quá khứ của Y2t, Y2t cũng chịu tác động của giá trị
cùng thời điểm và quá khứ của Y1t.
Mô hình SVAR có thể được sử dụng để phản ánh mối quan hệ
giữa Y1t và Y2t
Trong đó, uit ~ idd (0, σ²it), E(u1t, u2t) = 0; k là số bậc trễ của mô hình
Giả sử, cho k = 1:
Dạng ma trận:
Mục đích: khám phá mối quan hệ giữa phát triển tài chính và
tăng trưởng kinh tế Mỹ
Phát triển tài chính (FD): đo lường bằng private credit/GDP danh
nghĩa
Tăng trưởng kinh tế (Y): đo lường bằng %GDP bình quân đầu người
Yêu cầu:
Viết mô hình VAR sử dụng ký hiệu tổng (sigma)
Viết mô hình VAR sử dụng toán tử trễ (lag operator)
Gọi Zt = [FDt, Yt]
Viết mô hình VAR dạng ma trận
Mở file: fdy.wf1
Thực hiện:
Vẽ chuỗi fd và y
Loại bỏ yếu tố mùa vụ (nếu có)
Kiểm định tính dừng của chuỗi fd và y (sau khi đã loại bỏ yếu tố mùa
bằng ACF)
fd là chuỗi không dừng tại bậc gốc à chuyển dạng sang sai phân bậc 1,
đặt tên dfd
y là chuỗi dừng tại bậc gốc
Bước 1: chọn bậc
trễ tối ưu cho mô
hình VAR
Quick/ Estimate
VAR
View/ Lag
Structure/ Lag
Length Criteria...
Bước 2: Ước lượng
mô hình VAR theo
bậc trễ tối ưu lựa
chọn ở bước 1
Bước 3: Kiểm định mô hình VAR
Tính ổn định của mô hình VAR
Điều kiện cần và đủ để mô hình
VAR ổn định là các trị tuyệt đối của
nghiệm đặc trưng nằm ngoài vòng
tròn đơn vị
Hay: trị tuyệt đối của nghịch đảo
nghiệm đặc trưng phải nằm trong
vòng tròn đơn vị.
Kiểm định tính ổn định của mô
hình VAR trong Eviews: View/ Lag
Structure/ AR Roots Graph
Bước 3: Kiểm định mô hình VAR
Kiểm định tự tương quan phần dư: Kiểm định Portmanteau:
Giả thiết H0: Phần dư không có hiện tượng tự tương quan đến bậc trễ h
Giả thiết H1: Phần dư có hiện tượng tự tương quan đến bậc trễ h
Thống kê Q ~ χ2 (n2(h - p)) (n là số lượng biến nội sinh, h là bậc trễ tối đa,
p là bậc trễ của mô hình VAR)
Prob > α (1%, 5%, 10%), không có cơ sở bác bỏ giả thiết H0, kết luận
phần dư không có hiện tượng tự tương quan.
Nếu giá trị Prob < α (1%, 5%, 10%), bác bỏ giả thiết H0 kết luận có hiện
tượng tương quan chuỗi bậc h mà tại đó Prob < α
View/ Residual Tests/ Portmanteau Autocorrelation Test... ( giả sử lag
12)
Bước 3: Kiểm định mô hình VAR
Kiểm định tự tương quan phần dư: Kiểm định LM
Giả thiết H0: Phần dư không có hiện tượng tự tương quan đến bậc trễ h
Giả thiết H1: Phần dư có hiện tượng tự tương quan đến bậc trễ h
Thống kê LM ~ χ2 (n2) (n là số lượng biến nội sinh)
View/ Residual Tests/ Autocorrelation LM Test... (giả sử lag 12)
Bước 3: Kiểm định mô hình VAR
Kiểm định phương sai thay đổi:
Kiểm định White
Giả thiết H0: Phần dư không có hiện
tượng phương sai thay đổi
Giả thiết H1: Phần dư có hiện tượng
phương sai thay đổi
Thống kê LM ~ χ2 (m) (m là số lượng
nhân tố hồi qui trong mô hình hồi qui
phụ)
View/ Residual Tests/ Autocorrelation
LM Test... (giả sử lag 12)
Bước 3: Kiểm định mô hình VAR
Kiểm định phân phối chuẩn của
phần dư: Kiểm định Jarque Bera
phiên bản đa biến
Giả thiết H0: Phần dư có phân phối
chuẩn
Giả thiết H1: Phần dư không có phân
phối chuẩn
View/ Residual Tests/ Normality
Test...
PHÂN TÍCH MÔ HÌNH VAR
KIỂM ĐỊNH NHÂN QUẢ GRANGER
GRANGER CAUSALITY TEST
Kiểm định nhân quả để kiểm tra mối quan hệ nhân quả giữa các
biến
“Thay đổi của Y1 có là nguyên nhân thay đổi của Y2 hay không?”
Kiểm định bằng cách: đặt ràng buộc 0 đối với tất cả bậc trễ của
Y2 (block) và xem xét khi có ràng buộc và khi không có ràng
buộc, mô hình nào sẽ có kết quả ước lượng tốt hơn (dựa trên
SSR)
Thuật ngữ nhân quả (causality) ở đây có ý nghĩa quan hệ tương
quan giữa giá trị hiện tại của một biến số và giá trị trễ của các
biến số khác.
Mô hình VAR(3)
Y1t = α10 + β11Y1t-1 + β12Y2t-1 + !11Y1t-2 + !12Y2t-2 + "11Y1t-3 + "12Y2t-
3 + u1t
Y2t = α20 + β21Y1t-1 + β22Y2t-1 + !21Y1t-2 + !22Y2t-2 + "21Y1t-3 + "22Y2t-
3 + u2t
Các khả năng xảy ra:
1: Thay đổi của Y1 là nguyên nhân thay đổi của Y2.
2: Thay đổi của Y2 là nguyên nhân thay đổi của Y1.
3: Quan hệ nhân quả hai chiều (bi-directional causality).
4: Không tồn tại quan hệ nhân quả.
Bước 4: Kiểm định
nhân quả Granger
§View/ Lag Structure/
Granger
Causality/Block
Exogeneity Tests
PHÂN TÍCH MÔ HÌNH VAR
PHÂN TÍCH PHẢN ỨNG ĐẨY (XUNG)
IMPULSE RESPONSE FUNCTION
Xem xét phản ứng trong hiện tại và tương lai của từng biến nội
sinh (trong mô hình VAR) dưới cú sốc của một biến nội sinh
Cú sốc của một biến được xác định là sai số của phương trình
có biến số đó là biến phụ thuộc
thường mặc định là 1 đơn vị tăng hoặc 1 độ lệch chuẩn tăng
Kết quả phản ứng đẩy luôn đồng nhất với kiểm định nhân quả
Granger. Nếu biến Y1 không phải là nguyên nhân của Y2, Y2 sẽ
không phản ứng với cú sốc của Y1
Mô hình VAR (1):
Một đơn vị sốc của Y1t tại thời điểm t = 0 có tác đến các biến số trong
mô hình VAR (Y1 và Y2) tại thời điểm t = 0, 1, 2.. như sau
Tại thời điểm t = 0
Mục tiêu: xem xét ảnh hưởng của khủng hoảng kinh tế đến tăng
trưởng kinh tế và phát triển tài chính Mỹ
•Đặt biến giả crisis đại diện cho khủng hoảng tài chính 2008
• Crisis nhận giá trị 1 cho các quan sát 2007, 2008, 2009
• Crisis nhận giá trị 0 cho các giai đoạn còn lại
•Ước lượng mô hình VAR có biến giả crisis
BÀI TẬP
Đọc bài 2 (Ứng dụng mô hình VAR phân tích mối quan hệ của FDI và tăng trưởng
kinh tế Việt Nam)
1. Mục tiêu cuả bài viết là gì?
2. Cho biết mô hình nghiên cứu của bài viết? Mô hình có bao nhiêu biến số? Bài viết
sử dụng những lý thuyết gì để xây dựng mô hình nghiên cứu?
3. Từng biến số trong bài viết được đại diện và đo lường như thế nào?
4. Tại sao bài viết sử dụng mô hình VAR?
5. Bài viết có thực hiện đầy đủ các bước để ước lượng mô hình VAR hay không?
6. Hãy cho biết kết quả tóm tắt của phân tích: (i) Phản ứng đẩy; (ii) Phân rã phương
sai?
ƯỚC LƯỢNG MÔ HÌNH SVAR
SVAR là hệ chưa được định dạng, do vậy cần định dạng SVAR
để ước lượng
Sims (1980) khuyến nghị sử dụng hệ đệ qui (hệ tam giác) để
định dạng SVAR
Dạng viết đơn giản của ma trận: AYt = β0 + β1Yt-1 + ut
SVAR (1)
Mục đích: Ước lượng mối quan hệ giữa phát triển tài chính và
tăng trưởng kinh tế bằng mô hình SVAR
§Ước lượng mô hình VAR(1)
§Tạo ma trận định giạng SVAR
§Hệ số cùng thời điểm: ma trận A
§Sai số: ma trận B
Tạo ma trận A
§Lệnh: Objects/
New objects…/