R语言ECM误差修正模型、均衡修正模型、受限VECM、协整检验、单位根检验即期利率市场数据...
全文下载:http://tecdat.cn/?p=29221
传统上,协整检验是在非常长的时间内进行的,本案例研究A测试了1960-2010年期间T-Bill利率和国债收益率之间的均衡(点击文末“阅读原文”获取完整代码数据)。
但是作为量化主义者,我们必须在市场数据中寻找共同运动。
现货曲线
银行提供每日收益率曲线数据。考虑长时间框架的小窗口是有意义的。
2013年5月至2015年5月的两年窗口期(以下图表)。
• 所有数据从2005年1月至2015年5月。
我们必须学习均衡修正模型ECM(误差修正模型) ,从协整的多变量 检验中窥探一二。
短期利率
长期利率
曲线数据的问题
1. 在这种数据中,RT在 "短端" ,YT在 "长端"。不具有协整性。
2. 哪些利率是协整的?
恩格尔格兰杰(Engle-Granger)预览
让我们选择一个具有协整的10Y和25Y期限的模型,因为它们作为基准 的重要性。
• 首先,我们检验r10Y和r25Y是否存在单位根
• 然后,我们设置了一个协整方程
我们测试这个估计的残差ˆet的平稳性。
如果残差是平稳的,这意味着r10Y和r25Y有一个共同的单位根,并且已经被差分法去除。
点击标题查阅往期内容
R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
左右滑动查看更多
01
02
03
04
Dickey-Fuller检验
无效假设:时间序列有单位根
我们假设有一个线性趋势,所以∆Yt将有一个常数
如果φ不显著,时间序列就有单位根。我们可以用φk∆Yt-k中更多的滞后期来增加检验方程。或时间依赖性φtt,其中φt为漂移。
相关视频
单位根
r25Y单位根
长期关系
像往常一样,将一个非平稳序列回归到另一个非平稳序列上,可以得到 极显著的系数。
如果是协整的长期关系
这个模型只有在产生平稳的ˆet时才有效,所以在r10Y 和r25Y 它只在长期均衡修正的情况下起作用,产生平稳的和均值回复 的残差。
线性回归拟合为 r10
我们的线性模型旨在获得ˆet,因此我们将差分实际的r10Y与拟合的rˆ10Y
ˆe t的平稳性检验
平稳的协整残差 ˆ e t
我们已经确认了残差的平稳性,因此根据Engle-Granger,确认了协整关系。
长期关系(协整)
ECM估计给出了
• 所关注的参数是向平衡状态的修正速度(1-α)。它不可避免地很小,但对于协整关系的存在必须是显著的 。
我们在∆r10Y和∆r25Y之间有相当好的相关性。
均衡修正模型:双向的
摘要
• 这种不同期限的即期利率的演变情况是一种基础关系的情况。
• 因此,强加一个长期关系并使用Engle-Granger程序具有更大的统计能力。
• r10Y 和r25Y 系列都有一个单位根。
• 事实证明,通过对这些时间序列进行差分,单位根被取消了 ,得到了一个平稳的残差。
• 这意味着时间序列是协整的。
∆r10Y和∆r25Y的受限VECM
长期关系r25Y对r10Y的影响
线性模型r25Y = β r10Y + t的目的只是为了获得ˆet。
ˆet的平稳性检验
与线性回归的比较
∆r25Y和∆r10Y的简单差分之间的回归 之间的回归给出了一个最小方差关系,并表明协整在其中扮演了一个完全独立的角色。
点击文末“阅读原文”
获取全文完整代码数据资料。
本文选自《R语言ECM误差修正模型、均衡修正模型、受限VECM、协整检验、单位根检验即期利率市场数据》。
本文中的利率数据分享到会员群,扫描下面二维码即可加群!
点击标题查阅往期内容
Matlab用向量误差修正VECM模型蒙特卡洛Monte Carlo预测债券利率时间序列和MMSE 预测
R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
向量自回归(VAR)模型分析消费者价格指数 (CPI) 和失业率时间序列
Matlab创建向量自回归(VAR)模型分析消费者价格指数 (CPI) 和失业率时间序列
Stata广义矩量法GMM面板向量自回归 VAR模型选择、估计、Granger因果检验分析投资、收入和消费数据
R语言时变向量自回归(TV-VAR)模型分析时间序列和可视化
R语言用向量自回归(VAR)进行经济数据脉冲响应研究分析
R语言arima,向量自回归(VAR),周期自回归(PAR)模型分析温度时间序列
R语言VAR模型的不同类型的脉冲响应分析
R语言随机搜索变量选择SSVS估计贝叶斯向量自回归(BVAR)模型
R语言时变参数VAR随机模型
R语言估计时变VAR模型时间序列的实证研究分析案例
R语言向量自回归模型(VAR)及其实现
R语言实现向量自回归VAR模型
R语言估计时变VAR模型时间序列的实证研究分析案例
Python和R用EWMA,ARIMA模型预测时间序列
R语言用LASSO,adaptive LASSO预测通货膨胀时间序列
Python中的ARIMA模型、SARIMA模型和SARIMAX模型对时间序列预测
R语言arima,向量自回归(VAR),周期自回归(PAR)模型分析温度时间序列
【视频】Python和R语言使用指数加权平均(EWMA),ARIMA自回归移动平均模型预测时间序列
R语言ECM误差修正模型、均衡修正模型、受限VECM、协整检验、单位根检验即期利率市场数据...相关推荐
- R语言ECM误差修正模型、均衡修正模型、受限VECM、协整检验、单位根检验即期利率市场数据
传统上,协整的测试是在非常长的时间内进行的,本案例研究A测试了1960-2010年期间T-Bill利率和国债收益率之间的平衡. 但是作为量化主义者,我们必须在市场数据中寻找共同运动. 现货曲线 银行提 ...
- R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
原文链接:http://tecdat.cn/?p=22215 向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以使这些变量差分而平 ...
- R语言使用rpart包构建决策树模型、使用prune函数进行树的剪枝、交叉验证预防过拟合、plotcp可视化复杂度、rpart.plot包可视化决策树、使用table函数计算混淆矩阵评估分类模型性能
R语言使用rpart包构建决策树模型.使用prune函数进行树的剪枝.使用10折交叉验证选择预测误差最低的树来预防过拟合.plotcp可视化决策树复杂度.rpart.plot包可视化最终决策树.使用t ...
- R语言使用caret包构建gbdt模型(随机梯度提升树、Stochastic Gradient Boosting )构建回归模型、通过method参数指定算法名称
R语言使用caret包构建gbdt模型(随机梯度提升树.Stochastic Gradient Boosting )构建回归模型.通过method参数指定算法名称 目录
- R语言caret包构建机器学习回归模型(regression model)、使用DALEX包进行模型解释分析、特征重要度、偏依赖分析等
R语言caret包构建机器学习回归模型(regression model).使用DALEX包进行模型解释分析.特征重要度.偏依赖分析等 目录
- R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释一个iris数据样本的预测结果、LIME解释器进行模型预测结果解释并可视化
R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释一个iris数据样本的预测结果.LIME解释器进行模型预测结果解释并可视化 ...
- R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释多个iris数据样本的预测结果、使用LIME解释器进行模型预测结果解释
R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释多个iris数据样本的预测结果.使用LIME解释器进行模型预测结果解释并可 ...
- R语言使用caret包构建GBM模型:在模型最优参数已知的情况下,拟合整个训练集,而无需进行任何重采样或参数调优
R语言使用caret包构建GBM模型:在模型最优参数已知的情况下,拟合整个训练集,而无需进行任何重采样或参数调优 目录 R语言使用caret包构建GBM模型:在模型最优参数已知的情况下,拟合整个训练集 ...
- R语言使用caret包对GBM模型进行参数调优实战:Model Training and Parameter Tuning
R语言使用caret包对GBM模型进行参数调优实战:Model Training and Parameter Tuning 目录 R语言使用caret包对GBM模型进行参数调优实战:Model Tra ...
最新文章
- 三代测序的基本原理、组装方法和应用场景
- 李飞飞团队加入AI抗疫:家用监控系统,可以远程反馈新冠症状
- 网络营销外包专员浅析从用户角度出发如何完善网络营销外包?
- Python双版本下No module named 'requests'
- Mac下PyCharm CE 配置PyQt5环境
- 二叉树的建立和遍历算法 - 数据结构和算法47
- [渝粤教育] 厦门理工学院 机械设计 参考 资料
- Java集合之LinkedHashSet源码分析
- 红黑树与平衡二叉树_百图详解红黑树,想不理解都难
- Apache软件基金会Member陈亮:一名开源拓荒者的 Apache之旅
- 这14个Java核心并发容器,Java高手和低手的区别点
- 自动测试-按键精灵使用
- SC;FC;LC;光纤接口介绍
- 哔哩哔哩HLB站缓存合并电脑版链接:https://wwa.lanzoui.com/b016vmouf版本:1.1公告:1、支持旧版(blv)合并2、新增提取音频功能3、修复合并失败的bug
- Ubuntu16.04.4制作自定义安装光盘方案
- 输出“A、B...Z、AA、AB...AZ、BA、BB...BZ.......”的结构
- 网页占满整个屏幕_html如何让body占满整个屏幕
- gcc利用-m32编译报错问题处理
- 关于考研的几个潜规则
- omnet java_omnet++4.0安装使用