پاورپوینت اقتصاد سنجی گجراتی
Download
Report
Transcript پاورپوینت اقتصاد سنجی گجراتی
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
مادسیج یعنی دهکده علم و دانش ایران!!
مادسیج ،شبکه آموزش ی پژوهش ی دانشجویان ایران
Madsg.com
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم
اقتصاد سنجي سريهاي زماني : II
پيش بيني با استفاده از مدلهاي VARو
ARIMA
فهرست
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
چکيده:
(1چگونه يک سري زماني ساکن مدلسازي ميشود .يعني چه نوع مدل
رگرسيون را ميتوان براي توصيف رفتار آن به کار برد؟
(2چگونه از مدل برازش شده براي پيشبيني استفاده ميشود؟
3
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
روشهاي پيش بيني اقتصادي
بطور کلي چهار روش پيشبيني اقتصادي براساس دادههاي سري زماني وجود دارد:
(1مدلهاي رگرسيون تک معادلهاي
(2مدلهاي رگرسيون معادالت همزمان
(3مدلهاي ARIMA
(4مدلهاي )(VAR
4
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
متودولوژی باکس جنکینز
در مدلهاي سري زماني از نوع BJمتغير Ytبا استفاده از مقادير گذشته از متغير Yو
جمالت خطاي استوکاستيک توضيح داده ميشود .به همين دليل مدلهاي ARIMA
گاهي اوقات مدلهاي غير تئوريک ناميده ميشوند ،زيرا آنها را نميتوان از هيچ تئوري
اقتصادي استنتاج کرد.
متدلوژي VARتا اندازه زيادي شبيه معادالت همزمان ميباشد ،جز اينکه در اين روش
ً
و
با تعدادي متغيرهاي درونزا سروکار داريم و معموال هيچگونه متغير بر نزايي در مدل
وجود ندارد.
5
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
خودرگرسيون مرتبه اول ): AR(1
(Yt ) 1 (Yt 1 ) U t
: δميانگين Y
خودرگرسيون مرتبه Pام
: utجمله اخالل خالص
): AR(p
(Yt ) 1 (Yt 1 ) 2 (Yt 2 ) ..... p (Yt p ) U t
6
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
فرآيند ): MA(1
: μيک مقدار ثابت
Yt 0 ut 1ut 1
: uجمله اخالل
فرآيند) :MA(q
Yt 0 ut 1ut 1 2 ut 2 .... q ut q
7
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
Yرا يک فرآيند ) (ARMAگويند هرگاه ويژگيهاي هر دو فرآيند MAو ARرا داشته
باشد:
Yt 1Yt 1 0 ut 1ut 1
:يک عبارت ثابت
به طور کلي فرآيندي را ) ARMA(p,qگويند که شامل pمرتبه جمله خود رگرسيون و q
مرتبه جمله ميانگين متحرک باشد.
8
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
اگر يک سري زماني پس از dمرتبه تفاضلگري مرتبه اول ساکن شود و سپس
آنرا توسط فرآيند ) ARMA(p, qمدلسازي کنيم ،در اينصورت سري زماني
اصلي ،سري زماني خودرگرسيوني ميانگين متحرک انباشته )ARIMA(p,d,q
ميباشد.
9
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
10
مرحله اول
تشخيص (شناسايي)
مرحله دوم
تخمين
مرحله سوم
کنترل تشخيص ی
مرحله چهارم
پيشبيني
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
تشخيص
بهترين ابزار تشخيص تابع خودهمبستگي) ،(ACFتابع خود همبستگي
جزئي) (PACFو نمودارهاي همبستگي (که بيانگر ACFو ،PACFدر مقابل
وقفههايشان است)ميباشدو همبستگي جزئي عبارت است از همبستگي بين Ytو
Yt-kپس از حذف تاثير Yهاي مياني.
11
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
12
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
13
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
الگوهاي نظري ACFو PACF
الگوي PACF
نوع مدل
الگوي ACF
)AR(P
به صورت نمايي يا با يک الگوي
تغييرات قابل توجه در مجموعه
موجي يا به هر دو صورت ،کاهش
وقفه هاي pمشاهده مي گردد.
مي يابد.
) MA ( q
تغييرات قابل توجه در مجموعه
به صورت نمايي کاهش مي يابد.
وقفه هاي qمشاهده مي گردد.
) ARMA ( p , q
14
به صورت نمايي کاهش مي يابد.
به صورت نمايي کاهش مي يابد.
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
15
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
تخمين مدل ARIMA
* : Yتفاضلهاي مرتبه اول GDPاياالت متحده
Yt* = 1Yt* 1 8Yt* 8 12Yt* 12
0.2644 Y
0.2994 Y
*
t 12
*
t 8
Y 23.0894 0.3428 Y
*
t
*
t 1
)(0.0986
)(0.1016
)(0.0987
)Se : (2.9774
)(-2.6817
)(2.9475
)(3.4695
)t : (7.7547
D 1.7662
16
R 0.2931
2
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
کنترل تشخيص ی
يک روش ساده تشخيص اينکه مدل ,برازش قابل قبولي دارد آن است که
باقيماندههاي حاصل از معادله را بدست آورده و سپس PACFو ACFاين
باقيماندهها را بررس ی نماييم(.باقيمانده ها بايد به طور خالص تصادفي باشند).
17
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
18
دانشکده اقتصاد دانشگاه تهران
ARIMA وVAR پيش بيني با استفاده از مدلهاي: II اقتصاد سنجي سريهاي زماني:فصل بيست و دوم
پيشبيني
Y1992 I Y1991 IV 1[Y1991 IV Y1991 III ] 8 [Y1989 IV
Y1989 III ] 12 [Y1988 IV Y1988 III ] U1992 I
Y1992 I (1 1 ) Y1991 IV 1Y1991 III 8 Y1989 IV
8Y1989 III 12Y1988 IV 12Y1988 III U1992 I
دانشکده اقتصاد دانشگاه تهران
19
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
جنبههاي ديگر از متدولوژي BJ
٭ تاثيرات فصلي
٭ مطالعه همزمان دو يا چند سري زماني
20
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
خود رگرسيون برداري ):(VAR
استفاده از واژه خودرگرسيون بدليل وجود مقدار با وقفه متغير وابسته در طرف راست و واژه
برداري بدليل سرو کار داشتن با يک بردار از دو (يا چند) متغير است.
تخمين :VAR
4
4
j 1
j 1
4
4
j 1
j 1
ASt j ASt j j Tt j U1t
TBt j ASt j j TBt j U 2t
21
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
22
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
برخي از مشکالت مدلسازي VAR
طرفداران مدل VARبر ويژگيهايي از اين روش تاکيد دارند که عبارتند از:
.1اين روش ساده است.
.2تخمين مدل ساده و آسان است.
.3پيشبيني هايي که از اين روش بدست مي آيد در بسياري از موارد بهتر از نتايج مدلهاي پيچيده معادالت
همزمان است.
منتقدين روش مدلسازي VARمشکالت اين روش را اين چنين بيان ميکنند.
.1بر خالف مدلهاي معامالت همزمان ،مدل VARبر اساس تئوري نمي باشد.
.2بدليل تاکيد اين روش بر پيشبيني مدلهاي VARکمتر براي تحليلهای سياستي مناسب هستند.
.3بزرگترين مسئله روش VARانتخاب طول وقفه مناسب ميباشد.
23
.4به بيان صريحتر در يک مدل m ،VARمتغيره بايد تمامي mمتغير بطور مشترک ساکن باشند ،در غير
اينصورت ميبايست دادهها را تبديل کرد که نتايج حاصل از دادهها تبديلي رضايت بخش نميباشد.
ً
ً
.5از آنجا که تعبير و تفسير ضرايب تکي در مدلهاي تخميني VARغالبا دشوار ميباشد در عمل غالبا تابع
عکسالعمل ) (IRFتخمينزده ميشود.
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
مدل VARبراي اقتصاد تگزاس
يک مدل VARسه متغيره مورد نظر عبارت است از:
.1درصد تغيير در قيمت واقعي نفت.
.2درصد تغيير در اشتغال بخشهاي غير کشاورزي تگزاس
.3درصد تغيير در اشتغال بخشهاي غير کشاورزي ساير ايالتهاي امريکا همچنين جمله ثابت و دو مقدار
با وقفه از هريک از متغيرها را در معادالت وارد کردند.
24
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
25
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
خالصه و نتيجهگيري
.1روشهاي باکس -جنکينز و مدل VARبراي پيشبينيهاي اقتصادي جايگزيني براي مدلهاي
سنتي تک معادلهاي و معادالت همزمان ميباشد.
.2براي پيشبيني مقادير يک سري زماني ،استراتژي اساس ي باکس -جيکنز بصورت زير است:
الف) نخست ،ساکن بودن سري زماني را بررس ي مينماييم.
ب) اگر سري زماني ساکن نباشد ميتوان با تفاضلگيري مرتبه اول (يکبار يا بيشتر) از سري زماني
آنرا به ساکن تبديل کرد.
ج) PACF , ACFسري زماني بصورت ساکن محاسبه ميشوند تا مشخص گردد سري زماني
خود رگرسيون خالص يا ميانگين متحرک خالص و يا يک نوع ترکيبي از اين دو ميباشد.
د) سپس مدل تجربي تخمين زده ميشود.
ه) باقيمانده مدل تجربي را مورد بررس ي قرار ميدهيم.
و) مدل انتخابي را ميتوان براي پيشبيني بکاربرد .
26
دانشکده اقتصاد دانشگاه تهران
فصل بيست و دوم :اقتصاد سنجي سريهاي زماني : IIپيش بيني با استفاده از مدلهاي VARو ARIMA
-3روش VARبراي پيشبينيهاي مختلف سريهاي زماني را در يک زمان مورد بررس ي قرار ميدهد ويژگيهاي
که اين روش را از روشهاي ديگر متمايز ميکند عبارتند از:
الف) اين روش در واقع يک سيستم همزمان ميباشد که در آن تمامي متغيرها درونزا در نظر گرفته ميشود.
ب) در روش VARمقدار يک متغير بصورت تابعي خطي از مقادير گذشته و تمامي متغيرهاي موجود در فصل بيان
ميشود.
ج) اگر هر يک از معادالت شامل تعداد يکساني از متغيرهاي با وقفه در سيستم باشد ميتوان آنرا با روش OLSبدون
استفاده از روشهاي سيستمي ديگر نظير حداقل مربعات دو مرحلهاي يا رگرسيونهاي به ظاهر غير مرتبط ) (SUREتخمين
زد.
د) سادگي روش VARممکن است بعنوان يکي از معايب شناخته ميشود بطور کلي يکي از محدوديتها در اغلب
تحليلهاي اقتصادي کمبود مشاهده است ميباشد ،بنابراين با وارد کردن متغييرهاي با وقفه تعداد درجات آزادي کاهش
مييابد.
ه) اگر چند وقفه در معادالت وجود داشته باشد همواره تفسير هر يک از ضرايب بخصوص هنگامي که ضرايب مختلف
العالمه باشند آسان نيست .به همين دليل از تابع عکسالعمل ) (IRFدر روش VARبراي بررس ي چگونگي واکنش متغير
وابسته به توسط شوک وارده به هريک از معادالت سيستم استفاده ميشود.
27
و) درباره برتري هر يک از روشهاي پيشبيني بحثها و نکات احتياطي فراواني وجود دار .هر يک از روشهاي تک معادلهاي
معادالت همزمان ،باکس -جنکينز و VARداراي معايب و مزاياي ويژه خود ميباشد و روش واحد ،مناسبي براي تمامي
دانشکده اقتصاد دانشگاه تهران
پایان
Title
Lorem ipsum dolor sit amet, •
consectetuer adipiscing elit.
Vivamus et magna. Fusce sed
sem sed magna suscipit
egestas.
Lorem ipsum dolor sit amet, •
consectetuer adipiscing elit.
Vivamus et magna. Fusce sed
sem sed magna suscipit
egestas.
دانشکده اقتصاد دانشگاه تهران