Ujian kointegrasi digunakan untuk menentukan apakah ada korelasi antara beberapa siri waktu Analisis Data Siri Masa Analisis data siri waktu adalah analisis dari set data yang berubah dalam jangka waktu tertentu. Set data siri masa mencatat pemerhatian pemboleh ubah yang sama sepanjang pelbagai titik masa. Penganalisis kewangan menggunakan data siri masa seperti pergerakan harga saham, atau penjualan syarikat dari masa ke masa dalam jangka panjang. Konsep ini pertama kali diperkenalkan oleh pemenang Nobel Robert Engle dan Clive Granger, pada tahun 1987, setelah ahli ekonomi Britain Paul Newbold dan Granger menerbitkan konsep regresi palsu.
Ujian kointegrasi mengenal pasti senario di mana dua atau lebih siri masa tidak bergerak disatukan bersama dengan cara yang tidak dapat menyimpang dari keseimbangan dalam jangka masa panjang. Ujian digunakan untuk mengenal pasti tahap kepekaan dua pemboleh ubah terhadap harga purata yang sama dalam jangka masa yang ditentukan.
Gabungan Jantina sebagai Petunjuk Umur Perkahwinan
Sumber: Econometrics Beat (Dave Giles's Blog)
Ringkasan
- Kointegrasi adalah teknik yang digunakan untuk mencari kemungkinan korelasi antara proses siri masa dalam jangka panjang.
- Pemenang Nobel Robert Engle dan Clive Granger memperkenalkan konsep perpaduan pada tahun 1987.
- Ujian kointegrasi yang paling popular merangkumi Engle-Granger, Johansen Test, dan ujian Phillips-Ouliaris.
Sejarah Kointegrasi
Sebelum pengenalan ujian kointegrasi, ahli ekonomi bergantung pada regresi linier untuk mencari hubungan antara beberapa proses siri masa. Namun, Granger dan Newbold berpendapat bahawa regresi linier adalah pendekatan yang salah untuk menganalisis siri masa kerana kemungkinan menghasilkan korelasi palsu. Korelasi palsu berlaku apabila dua atau lebih pemboleh ubah yang berkaitan dianggap berkaitan kerana sama ada secara kebetulan atau faktor ketiga yang tidak diketahui. Hasil yang mungkin berlaku adalah hubungan statistik yang mengelirukan antara beberapa pemboleh ubah siri masa.
Granger dan Engle menerbitkan makalah pada tahun 1987, di mana mereka memformalkan pendekatan vektor gabungan. Konsep mereka menetapkan bahawa dua atau lebih data siri masa tidak bergerak disatukan bersama dengan cara yang mereka tidak dapat menjauhkan diri dari beberapa keseimbangan dalam jangka panjang.
Kedua-dua ahli ekonomi itu menentang penggunaan regresi linier untuk menganalisis hubungan antara beberapa pemboleh ubah siri masa kerana detrending tidak akan menyelesaikan masalah korelasi palsu. Sebagai gantinya, mereka mengesyorkan untuk memeriksa penggabungan siri masa yang tidak bergerak. Mereka berpendapat bahawa dua atau lebih pemboleh ubah siri masa dengan tren I (1) dapat disatukan bersama jika dapat dibuktikan bahawa ada hubungan antara pemboleh ubah.
Kaedah Ujian untuk Kointegrasi
Terdapat tiga kaedah utama pengujian untuk penggabungan. Mereka digunakan untuk mengenal pasti hubungan jangka panjang antara dua atau lebih set pemboleh ubah. Kaedahnya merangkumi:
1. Kaedah Dua Langkah Engle-Granger
Kaedah Engle-Granger Two-Step dimulakan dengan membuat residu berdasarkan regresi statik dan kemudian menguji residu untuk kehadiran unit root. Ia menggunakan Augmented Dickey-Fuller Test (ADF) atau ujian lain untuk menguji unit stasioner dalam siri masa. Sekiranya siri masa disatukan, kaedah Engle-Granger akan menunjukkan ketahanan sisa.
Batasan dengan kaedah Engle-Granger adalah jika terdapat lebih dari dua pemboleh ubah, kaedah tersebut dapat menunjukkan lebih dari dua hubungan yang saling mengintegrasikan. Batasan lain adalah bahawa ia adalah model persamaan tunggal. Walau bagaimanapun, beberapa kelemahan telah ditangani dalam ujian penyatuan baru-baru ini seperti ujian Johansen dan Phillips-Ouliaris. Ujian Engle-Granger dapat ditentukan dengan menggunakan perisian STAT atau MATLAB Financial Modeling With Matlab.
2. Ujian Johansen
Ujian Johansen digunakan untuk menguji perkaitan antara beberapa data siri masa tidak bergerak. Berbanding dengan ujian Engle-Granger, ujian Johansen memungkinkan untuk menjalin lebih dari satu hubungan bersama. Walau bagaimanapun, ia dikenakan sifat asimtotik (ukuran sampel yang besar) kerana saiz sampel yang kecil akan menghasilkan hasil yang tidak dapat dipercayai. Menggunakan ujian untuk mencari penggabungan beberapa siri masa mengelakkan masalah yang timbul apabila kesilapan dibawa ke langkah seterusnya.
Ujian Johansen datang dalam dua bentuk utama, iaitu ujian Trace dan Maximum Eigenvalue test.
- Ujian jejak
Ujian jejak menilai bilangan kombinasi linear dalam data siri masa, iaitu, K sama dengan nilai K 0, dan hipotesis untuk nilai K lebih besar daripada K 0. Ia digambarkan seperti berikut:
H 0 : K = K 0
H 0 : K> K 0
Semasa menggunakan ujian jejak untuk menguji kesepaduan dalam sampel, kami menetapkan K 0 hingga sifar untuk menguji sama ada hipotesis nol akan ditolak. Sekiranya ia ditolak, kita dapat menyimpulkan bahawa terdapat hubungan kointegrasi dalam sampel. Oleh itu, hipotesis nol harus ditolak untuk mengesahkan adanya hubungan kointegrasi dalam sampel.
- Ujian Nilai Eigen Maksimum
Nilai Eigen didefinisikan sebagai vektor bukan sifar yang, apabila transformasi linier diterapkan padanya, berubah oleh faktor skalar. Uji Nilai Eigen Maksimum sama dengan ujian jejak Johansen. Perbezaan utama antara keduanya adalah hipotesis nol.
H 0 : K = K 0
H 0 : K = K 0 + 1
Dalam senario di mana K = K 0 dan hipotesis nol ditolak, ini bermaksud bahawa hanya ada satu kemungkinan hasil pemboleh ubah untuk menghasilkan proses pegun. Walau bagaimanapun, dalam senario di mana K 0 = m-1 dan hipotesis nol ditolak, ini bermaksud bahawa terdapat kemungkinan kombinasi linear M. Senario seperti itu tidak mustahil kecuali pemboleh ubah dalam siri masa tidak bergerak.
Sumber tambahan
Finance adalah penyedia rasmi Pensijilan Pemodelan & Penilaian Kewangan global (FMVA) ™ Sertifikasi FMVA® Sertai 350,600+ pelajar yang bekerja untuk syarikat seperti program pensijilan Amazon, JP Morgan, dan Ferrari, yang direka untuk membantu sesiapa sahaja menjadi penganalisis kewangan bertaraf dunia . Untuk terus belajar dan memajukan kerjaya anda, sumber Kewangan tambahan di bawah akan berguna:
- Konsep Statistik Asas dalam Kewangan Konsep Statistik Asas untuk Kewangan Pemahaman yang kukuh mengenai statistik sangat penting dalam membantu kita memahami kewangan dengan lebih baik. Lebih-lebih lagi, konsep statistik dapat membantu pemantau memantau
- Matriks Korelasi Matriks Korelasi Matriks korelasi hanyalah jadual yang menunjukkan pekali korelasi untuk pemboleh ubah yang berbeza. Matriks menggambarkan hubungan antara semua kemungkinan pasangan nilai dalam jadual. Ini adalah alat yang ampuh untuk meringkaskan set data yang besar dan untuk mengenal pasti dan menggambarkan corak dalam data yang diberikan.
- Analisis Data Cross-Sectional Analisis Data Cross-Sectional Analisis data keratan rentas adalah analisis kumpulan data keratan rentas. Tinjauan dan rekod kerajaan adalah beberapa sumber data keratan rentas umum
- Uji Hipotesis Uji Hipotesis Ujian Hipotesis adalah kaedah inferens statistik. Ia digunakan untuk menguji apakah pernyataan mengenai parameter populasi betul. Ujian hipotesis
