Далее мы должны преобразовать модель через разности. Это можно сделать следующим образом. Во-первых, мы вычитаем
из обеих частей уравнения, преобразуя левую сторону уравнения в разности, учитывая, что
(7.43)
Yt-\
При этом мы получаем: АХ, AY,
= [A,-I}
+ А-
Х,-2 Yf-2
Xt-\
Л-!.
+ A:
Х,-з
Xt-3
(7.44)
(7.45)
Учитывая, что А, - это матрицы 2 • 2, мы можем преобразовать это выражение следующим образом:
АХ, AY,
+ А:
Х,-з у,-з
. (7.46)
Открывая скобки, получаем: АХ,~
Х,-з
Гг-з.
и группируем члены с общими множителями, например
В результате получим выражение \X,-i1 \~Х, 2
у,-1
(7.47)
(7.48)
(7.49)
Схожая процедура применяется по отношению к матрицам A3. В результате получаем
АХ, AY,
(7:50)
Как мы уже говорили выше, полученная матрица Л + А2 + + A3 - /] - это матрица 2 • 2, обозначим ее П. Матрицу \А\ - /]
обозначим А\ и матрицу [А; + А2 - /J - /42. В результате имеем
А, Д
+ /41.Д
*,-2 П-2
*,-3 7,-3.
(7.51)
(7.52)
Мы видим, что VAR - процесс уровней рядов - может быть записан как VAR - процесс разностей за исключением одного члена
Л-з.
Ранг матрицы П дает число векторов коинтеграции в рядах динамики (ранг матрицы - это число линейно независимых рядов). Таким образом, ранг матрицы говорит о том, что следует делать. Если П имеет нулевой ранг, то матрица П - нулевая, и мы по сути имеем VAR-процесс в ряде разностей. Это показывает, что коинтеграции в рядах данных нет, и для достижения стационарности требуется нахождение разностей.
Если матрица П - полная, то ряды уже стационарны (матрица П имеет обратную, и, таким образом, выражение может быть решено для уровней, выраженных в разностях. Это будет верным только, если ряды уровней /(0)).
Если ранг П лежит между 0ия(0</я<я, в нашем случае п = 2, т = 1), то существует т векторов коинтеграции. Эти векторы описывают долгосрочные равновесные соотношения переменных. Модель исправления ошибки включает в себя краткосрочные изменения, которые поддерживают долгосрочное равновесие.
Чтобы лучше понять это, разложим матрицу П на матрицу а и у.
Так что
Если
А, 3"
[У\ Уг]-
m 7 21
lYl У2
(7.53)
(7.54)
(7.55)
стационарно, то существует коинтеграция. СЦ и а2 интерпретируются как скорость приведения процесса к равновесию. Таким образом, модель исправления ошибки будет
(7.56)
где Z является 7(0).
Наиболее точное образование матрицы П получается при методе наибольшего правдоподобия Йохансена (1988) и Йохансена и Йезулеуса (1990), который применяется к коинтеграции нескольких временных рядов.
Коинтеграция нескольких переменных
Теперь мы можем применить анализ коинтеграции к нескольким переменным, например X, Ум W. Существуют четыре возможные линейные комбинации этих переменных, например Xи У, Хм W, Y и W, X, К и W. Однако мы заинтересованы только в независимых комбинациях, так как только они могут быть коинтегрированы. Любая комбинация векторов коинтеграции сама по себе будет вектором коинтеграции. Таким образом, мы можем иметь не более л-1 векторов коинтеграции. Поскольку у нас три переменные, то мы имеем две независимые комбинации.
Теперь рассмотрим упомянутые выше четыре комбинации.
Мы можем доказать, что если X + К коинтегрированы и. К и W коинтегрированы, то должна существовать коинтеграция в рядах X, Ум Wm в рядах Хм W.
Так как X w У коинтегрированы, то существуют такие a, b и с, что аХ+ ЬУ+ с является 7(0).
Поскольку коинтегрированы К и W, то существуют такие р, q и г, что рУ+ qW+ /-является 7(0).
Сложение дает аХ + (р + b)Y + qW + (с + г), что является 7(0), отсюда существует коинтеграция X, Ум W.
Умножение на р и b соответственно и вычитание дают ряд арХ - bqW+ (cp-br), который также является 7(0), а значит между А" и W существует коинтеграция.
Таким образом, существует не больше двух независимых векторов коинтеграции.
| - А*\ | | + а2&. | Xt-2 | | a.\Z |
| - /1\ L\ | | Yt-2. | | |