《金融计量学》

FINANCIAL ECONOMETRICS
𝑋𝑘

VAR模型

刘莉亚教授
上海财经大学
中国大学慕课MOOC@上海财经大学 刘莉亚
VAR模型的起源
结构方程与模型

卢卡斯批判（the
Lucas critique）

石油危机，经济危机，滞涨
罗伯特·卢卡斯（Robert
E. Lucas, Jr.），美国著
名经济学家、诺贝尔经
济学奖得主

中国大学慕课MOOC@上海财经大学 刘莉亚
VAR模型的起源
为使结构模型可识别而施加 每个方程的解释变量
的许多约束是不可信的,可 都一样，即所有解释
以用VAR模型进行改进 变量的若干滞后期

VAR

克里斯托弗·西姆斯 所有的变量都被看 初始对模型系数不

施加任何约束
Christopher A.Sims 作内生变量

中国大学慕课MOOC@上海财经大学 刘莉亚
VAR模型的形式
• VAR模型的一般形式：

Zt = ෍ 𝐴i 𝑍t−i + 𝑉t
i=1

• 双变量，滞后两期的形式
𝑌1𝑡 = 𝛽10 + 𝛽11 𝑌1,𝑡−1 + 𝛽12 𝑌1,𝑡−2 + 𝛼11 𝑌2,𝑡−1 + 𝛼12 𝑌2,𝑡−2 + 𝑉1𝑡

𝑌2𝑡 = 𝛽20 + 𝛽21 𝑌2,𝑡−1 + 𝛽22 𝑌1,𝑡−2 + 𝛼21 𝑌1,𝑡−1 + 𝛼22 𝑌1,𝑡−2 + 𝑉2𝑡
中国大学慕课MOOC@上海财经大学 刘莉亚
滞后阶数的确定
方程自由
度减少
在信息获取与自
由度减少之间取
滞后阶数增加
得最优解。

方程捕捉
信息增多
中国大学慕课MOOC@上海财经大学 刘莉亚
滞后阶数的确定
• 似然比检验法：𝐿𝑅 = 𝑇 𝑙𝑜𝑔 Σ෠ − 𝑙𝑜𝑔 Σ෠ μ

服从自由度为m的分布

2𝐾 ′
• 信息准则法：𝐴𝐼𝐶 = 𝑙𝑜𝑔 Σ෠ +
𝑇

𝐾′
𝑆𝐵𝐼𝐶 = 𝑙𝑜𝑔 Σ෠ + 𝑙𝑜𝑔𝑇
𝑇

2𝑘 ′
𝐻𝑄𝐼𝐶 = 𝑙𝑜𝑔 𝛴෠ + 𝑙𝑜𝑔(𝑙𝑜𝑔𝑇)
𝑇
中国大学慕课MOOC@上海财经大学 刘莉亚
脉冲响应函数与预测方差分解
• 单方程的系数只是局部的动态关系，通常不为我们所关注

• 脉冲响应函数：脉冲响应函数（𝐼𝑚𝑝𝑢𝑙𝑠𝑒 𝑅𝑒𝑠𝑝𝑜𝑛𝑠𝑒 𝐹𝑢𝑛𝑐𝑡𝑖𝑜𝑛）

是指系统对其中某一变量的一个冲击或新生所做的反应

• 预测方差分解：预测方差分解是一种判断经济序列变量间动态
相关性的重要方法。它实质上是一个新生计算过程，是将系统
的预测均方误差分解为系统中各变量冲击所作的贡献

中国大学慕课MOOC@上海财经大学 刘莉亚
VAR模型的拓展
• SVAR——从简约式步入到结构式

• BVAR——VAR模型统计推断方法上的革命

• PVAR——向空间计量的拓展

• 非线性动态VAR——线性分析范式的变革

中国大学慕课MOOC@上海财经大学 刘莉亚
一个例子
• 利用VAR模型来研究宏观经济中利率，通货膨胀与失业的关系

• 本案例数据来源于陈强(2014）书中的数据，采用1960Q1-2012年Q1美国
的季度宏观数据，共621个观测值

• 模型变量分别为fedfunds（联邦基金利率），inflation（通货膨胀率），
unrate（失业率）

中国大学慕课MOOC@上海财经大学 刘莉亚
一个例子
Vector Autoregression Estimates
Date: 04/25/19 Time: 09:51
Sample (adjusted): 1960Q3 2012Q1
UNRATE(-2) 0.884654 0.437728 -0.648786
Included observations: 207 after adjustments
(0.20662) (0.25522) (0.06062)
Standard errors in ( ) & t-statistics in [ ]
[ 4.28161] [ 1.71508] [-10.7020]

FEDFUNDS INFLATION UNRATE

C 0.286172 0.522984 0.146306
FEDFUNDS(-1) 1.005570 0.137130 0.007449 (0.25523) (0.31527) (0.07489)
(0.07692) (0.09501) (0.02257) [ 1.12123] [ 1.65883] [ 1.95370]
[ 13.0730] [ 1.44326] [ 0.33007]
R-squared 0.940406 0.802877 0.976057

FEDFUNDS(-2) -0.106199 -0.109829 0.006366 Adj. R-squared 0.938618 0.796963 0.975339

(0.07524) (0.09294) (0.02208) Sum sq. resids 149.7054 228.4257 12.88786

[-1.41149] [-1.18173] [ 0.28835] S.E. equation 0.865174 1.068704 0.253849

F-statistic 526.0075 135.7657 1358.852

INFLATION(-1) 0.037162 0.602073 0.003501 Log likelihood -260.1811 -303.9142 -6.359457

(0.05522) (0.06821) (0.01620) Akaike AIC 2.581460 3.004002 0.129077

[ 0.67297] [ 8.82657] [ 0.21607] Schwarz SC 2.694161 3.116703 0.241778

Mean dependent 5.640676 3.514493 6.061836

INFLATION(-2) 0.112173 0.293602 0.002688 S.D. dependent 3.492078 2.371756 1.616463

(0.05691) (0.07030) (0.01670)

Determinant resid covariance (dof adj.) 0.045621
[ 1.97100] [ 4.17641] [ 0.16098]
Determinant resid covariance 0.041148
Log likelihood -550.9354
UNRATE(-1) -0.924676 -0.487598 1.608657
Akaike information criterion 5.525946
(0.21001) (0.25942) (0.06162)
Schwarz criterion 5.864048
[-4.40292] [-1.87957] [ 26.1062]
中国大学慕课MOOC@上海财经大学 刘莉亚
一个例子 Response to Cholesky One S.D. Innovations ?2 S.E.
Response of FEDFUNDS to FEDFUNDS Response of FEDFUNDS to UNRATE Response of FEDFUNDS to INFLATION
1.5 1.5 1.5

1.0 1.0 1.0

0.5 0.5 0.5

0.0 0.0 0.0

-0.5 -0.5 -0.5

-1.0 -1.0 -1.0

2 4 6 8 10 12 14 16 18 20 2 4 6 8 10 12 14 16 18 20 2 4 6 8 10 12 14 16 18 20

Response of INFLATION to FEDFUNDS Response of INFLATION to UNRATE Response of INFLATION to INFLATION

1.0 1.0 1.0

0.5 0.5 0.5

0.0 0.0 0.0

-0.5 -0.5 -0.5

2 4 6 8 10 12 14 16 18 20 2 4 6 8 10 12 14 16 18 20 2 4 6 8 10 12 14 16 18 20

Response of UNRATE to FEDFUNDS Response of UNRATE to UNRATE Response of UNRATE to INFLATION

.8 .8 .8

.6 .6 .6

.4 .4 .4

.2 .2 .2

.0 .0 .0

-.2 -.2 -.2

中国大学慕课MOOC@上海财经大学 刘莉亚
-.4 -.4 -.4
2 4 6 8 10 12 14 16 18 20 2 4 6 8 10 12 14 16 18 20 2 4 6 8 10 12 14 16 18 20
一个例子 Percent FEDFUNDS variance due to FEDFUNDS
Variance Decomposition
Percent FEDFUNDS variance due to INFLATION Percent FEDFUNDS variance due to UNRATE
100 100 100

80 80 80

60 60 60

40 40 40

20 20 20

0 0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10

Percent INFLATION variance due to FEDFUNDS Percent INFLATION variance due to INFLATION Percent INFLATION variance due to UNRATE
100 100 100

80 80 80

60 60 60

40 40 40

20 20 20

0 0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10

Percent UNRATE variance due to FEDFUNDS Percent UNRATE variance due to INFLATION Percent UNRATE variance due to UNRATE
100 100 100

80 80 80

60 60 60

40 40 40

20 20 20

中国大学慕课MOOC@上海财经大学 刘莉亚
0
1 2 3 4 5 6 7 8 9 10
0
1 2 3 4 5 6 7 8 9 10
0
1 2 3 4 5 6 7 8 9 10
本章小结
1.面对无法确定内外生变量的复杂问题，我们可以用VAR模型
代替联立方程模型来对其进行刻画

2.VAR的一般形式是所有变量依次作为被解释变量，每个方程
的解释变量都是所有变量的若干滞后期

3.构建VAR模型的关键在于确定滞后期数，主要有两种方法，
似然比检验法，信息准则法

4.VAR模型的结果主要看脉冲响应与方差分解，而不是单个方
程的系数
中国大学慕课MOOC@上海财经大学 刘莉亚