Quelle est la bonne procédure pour choisir le décalage lors du test de cointégration Johansen?


13

Lors du préformage du test Johansen Cointegration pour 2 séries temporelles (le cas simple), vous devez décider du décalage que vous souhaitez utiliser. Faire le test pour différents décalages renvoie des résultats différents: pour certains niveaux de décalage, l'hypothèse nulle peut être rejetée mais pour d'autres, elle ne le peut pas.

Ma question est quelle est la bonne méthode basée sur les données d'entrée pour décider quel décalage je dois utiliser lors de la préforme du test Johansen?

ps J'ai soumis cette question à quant.stackexchange mais certains ont suggéré qu'elle soit mieux adaptée à ce groupe.

Réponses:


11

Vous avez raison. La faiblesse de l'approche Johansen est qu'elle est sensible à la longueur du décalage. Ainsi, la longueur du décalage doit être déterminée de manière systématique. Voici le processus normal utilisé dans la littérature.

une. Choisissez la longueur de décalage maximale "m" pour le modèle VAR. Habituellement, pour les données annuelles, il est défini sur 1, pour les données trimestrielles, il est défini sur 4, et pour les données mensuelles, il est défini sur 12.

b. Exécutez le modèle VAR en niveau. Par exemple, si les données sont mensuelles, exécutez le modèle VAR pour les longueurs de décalage 1,2, 3, .... 12.

c. Trouver l'AIC (critère d'information Akaike) et SIC (critère d'information Schwarz) [il existe également d'autres critères tels que HQ (critère d'information Hannan-Quin), FPE (critère d'erreur de prédiction finale) mais AIC et SIC sont principalement utilisés) pour le VAR modèle pour chaque longueur de décalage. Choisissez la longueur de décalage qui minimise AIC et SIC pour le modèle VAR. Notez que SIC et AIC peuvent donner des résultats contradictoires.

ré. Enfin, vous DEVEZ confirmer que pour la longueur de décalage que vous avez sélectionnée à l'étape c, les résidus du modèle VAR ne sont pas corrélés [utiliser les tests de Portmanteau pour les autocorrélations]. Vous devrez peut-être modifier la longueur du décalage, s'il y a une autocorrélation. Habituellement, les débutants en économétrie des séries chronologiques ont tendance à sauter l'étape d.

e. Pour la cointégration, la longueur de décalage est la longueur de décalage choisie dans l'étape d moins un (puisque nous exécutons le modèle en première différence maintenant, contrairement au niveau lorsque nous avons utilisé VAR pour décider de la longueur de décalage).


Avez-vous un exemple de document publié qui fixe le délai maximum pour les données trimestrielles à 4?
Jase

@Jase: En ce moment, non! Je vous suggère de lire p.313 Applied Econometrics Time Series (Paul Enders, première édition). Enders suggère de commencer avec 12 décalages trimestriels (contrairement à 4, dans la réponse ci-dessus). Son argument est basé sur la théorie et la disponibilité des données. Par exemple, s'il existe une justification théorique que la variable peut avoir une influence jusqu'à deux ans (et à condition qu'il existe des données pour, disons, comme 30 ans), on peut commencer avec un décalage maximum de huit). Là où il n'y a pas de théorie claire, on peut utiliser un décalage maximal de 4 pour les données trimestrielles.
Mesures

je(0)

La réponse à cette question est étroitement liée à votre question précédente à laquelle j'ai déjà répondu.
Mesures

les informations ci-dessus sont très utiles. Cependant, comment pouvons-nous déterminer la durée de décalage appropriée pour les données financières quotidiennes comme le marché boursier, les prix des matières premières?

2

AIC ou SBC pourrait être utilisé pour vous aider à décider quel décalage. Le package URCA dans R recommande de sélectionner le décalage ayant un minimum AIC ou SBC.


Il convient d'ajouter que les critères d'information doivent être calculés sur le modèle VAR en niveaux.
mpiktas
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.