分位数向量自回归分布滞后模型及脉冲响应分析

许启发刘 曦蒋翠侠虞克明

(1.合肥工业大学管理学院,安徽合肥230009;2.合肥工业大学过程优化与智能决策教育部重点实验室,安徽合肥230009;3.Department of Mathematics,Brunel University,London UB8 3PH,UK)

1 引 言

时间序列分析是一种动态数据分析与处理方法,为揭示决策变量的动态行为特征及其相互之间动态影响关系提供了基本工具,在实践中获得了广泛应用、取得了很好的应用价值,成为一个重要的研究领域.时间序列可以视为随机过程的一次样本实现,其分析方法大体经历了从确定到随机、从一元到多元、从线性到非线性等发展历程.随着差异化统计需求的发展,时间序列平均取值信息难以满足决策需求,如:VaR风险管理侧重于尾部风险特征的描述,人们越来越倾向于研究时间序列完整分布特征的变动规律.为此,在分位数回归框架下进行多元时间序列分析,能够揭示在不同分位点处变量之间的异质影响关系,从而提供更多有用信息,便于科学决策,本文对此开展研究.

为研究多个时间序列之间的关系,Sims[1]提出了向量自回归(vector autoregressive model,VAR)模型.VAR模型采用多方程联立的形式,通过每一个内生变量对模型全部内生变量的滞后值进行回归,从而估计全部内生变量的动态关系,避免了变量内生性与外生性的划分以及模型识别等复杂问题.VAR模型建模过程非常简单,只需进行两个关键性的选择:(1)变量选择,在系统边界范围内,选择关联关系紧密的变量建立模型系统;(2)滞后阶数选择,在可能整数取值范围……