فصل ب ي ست و دوم اقتصاد سنج ي سر ي ها ي زمان ي II :

فصل بيست و دوم اقتصاد سنجي سريهاي زمانيII : پيش بيني با استفاده از مدلهايVAR و ARIMA فهرست

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA • چکيده: • چگونه يک سري زماني ساکن مدلسازي مي‎شود. يعني چه نوع مدل رگرسيون را مي‎توان براي توصيف رفتار آن به کار برد؟ • چگونه از مدل برازش شده براي پيش‎بيني استفاده مي‎شود؟

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA روش‎هاي پيش بيني اقتصادي • بطور کلي چهار روش پيش‎بيني اقتصادي براساس داده‎هاي سري زماني وجود دارد: • مدلهاي رگرسيون تک معادله‎اي • مدلهاي رگرسيون معادلات همزمان • مدلهاي ARIMA • مدلهاي(VAR)

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA متودولوژی باکس جنکینز در مدلهاي سري زماني از نوع BJ متغير Yt با استفاده از مقادير گذشته از متغير Y و جملات 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 VAR تا اندازه زيادي شبيه معادلات همزمان مي‎باشد، جز اينکه در اين روش با تعدادي متغيرهاي درون‎زا سروکار داريم و معمولاً هيچ‎گونه متغير برون‎زايي در مدل وجود ندارد.

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA فرآيند خود رگرسيون (AR) خودرگرسيون مرتبه اول AR(1): δ : ميانگين Yut : جمله اخلال خالص خودرگرسيون مرتبه Pام AR(p):

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA فرآيند ميانگين متحرک (MA) فرآيندMA(1): μ : يک مقدار ثابت u : جمله اخلال فرآيند)MA(q:

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA Y را يک فرآيند (ARMA) گويند هرگاه ويژگي‎هاي هر دو فرآيند MAوAR را داشته باشد: : يک عبارت ثابت به طور کلي فرآيندي را ARMA(p,q) گويند که شامل p مرتبه جمله خود رگرسيون و q مرتبه جمله ميانگين متحرک باشد. فرآيند خود رگرسيون ميانگين متحرک (ARMA)

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA فرآيند خودرگرسيون ميانگين متحرک انباشته (ARIMA) اگر يک سري زماني پس از d مرتبه تفاضل‎گري مرتبه اول ساکن شود و سپس آنرا توسط فرآيند ARMA(p, q) مدلسازي کنيم، در اينصورت سري زماني اصلي، سري زماني خودرگرسيوني ميانگين متحرک انباشته ARIMA(p,d,q) مي‎باشد.

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA متدولوژي باکس- جنکينز : تشخيص (شناسايي) مرحله اول مرحله دوم تخمين کنترل تشخيصی مرحله سوم پيش‎بيني مرحله چهارم

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA تشخيص بهترين ابزار تشخيص تابع خودهمبستگي(ACF)، تابع خود همبستگي جزئي(PACF) و نمودارهاي همبستگي (که بيانگر ACF و PACF، در مقابل وقفه‎هايشان است)ميباشدو همبستگي جزئي عبارت است از همبستگي بين Yt و Yt-k پس از حذف تاثير Yهاي مياني.

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA الگوهاي نظريACF و PACF نوع مدل الگويACF الگويPACF AR(P) به صورت نمايييا با يک الگوي تغييرات قابل توجه در مجموعه موجييا به هر دو صورت، کاهش وقفه هايp مشاهده مي گردد. مييابد. MA ( q ) تغييرات قابل توجه در مجموعه به صورت نمايي کاهش مييابد. وقفه هايq مشاهده مي گردد. ARMA ( p , q ) به صورت نمايي کاهش مييابد. به صورت نمايي کاهش مييابد.

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA : Y*تفاضل‎هاي مرتبه اول GDP ايالات متحده Yt*= تخمين مدل ARIMA

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA کنترل تشخيصی يک روش ساده تشخيص اينکه مدل, برازش قابل قبولي دارد آن است که باقيمانده‎هاي حاصل از معادله را بدست آورده و سپس PACF وACF اين باقيمانده‎ها را بررسی نماييم.(باقيمانده ها بايد به طور خالص تصادفي باشند.)

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA پيش‎بيني

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA جنبه‎هاي ديگر از متدولوژي BJ ٭تاثيرات فصلي ٭ مطالعه همزمان دو يا چند سري زماني

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و 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. تخمينVAR:

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA برخي از مشکلات مدلسازي VAR • طرفداران مدل VAR بر ويژگيهايي از اين روش تاکيد دارند که عبارتند از: • اين روش ساده است. • تخمين مدل ساده و آسان است. • پيش‎بينيهايي که از اين روش بدست ميآيد در بسياري از موارد بهتر از نتايج مدلهاي پيچيده معادلات همزمان است. • منتقدين روش مدلسازي VAR مشکلات اين روش را اين چنين بيان مي‎کنند. • بر خلاف مدلهاي معاملات همزمان، مدل VAR بر اساس تئوري نمي‎ باشد. • بدليل تاکيد اين روش بر پيش‎بيني مدلهايVAR کمتر براي تحليلهای سياستي مناسب هستند. • بزرگترين مسئله روش VAR انتخاب طول وقفه مناسب مي‎باشد. • به بيان صريحتر در يک مدل VAR، mمتغيره بايد تمامي m متغير بطور مشترک ساکن باشند، در غير اينصورت مي‎بايست داده‎ها را تبديل کرد که نتايج حاصل از داده‎ها تبديليرضايت بخش نمي‎باشد. • از آنجا که تعبير و تفسير ضرايب تکي در مدلهاي تخميني VAR غالباً دشوار مي‎باشد در عمل غالباً تابع عکس‎العمل (IRF) تخمين‎زده مي‎شود.

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA مدل VAR براي اقتصاد تگزاس • يک مدل VAR سه متغيره مورد نظر عبارت است از: • درصد تغيير در قيمت واقعي نفت. • درصد تغيير در اشتغال بخشهاي غير کشاورزي تگزاس • درصد تغيير در اشتغال بخشهاي غير کشاورزي ساير ايالتهاي امريکا همچنين جمله ثابت و دو مقدار با وقفه از هريک از متغيرها را در معادلات وارد کردند.

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA خلاصه و نتيجه‎گيري • روشهاي باکس- جنکينز و مدل VAR براي پيش‎بيني‎هاي اقتصادي جايگزيني براي مدل‎هاي سنتي تک معادله‎اي و معادلات همزمان مي‎باشد. • براي پيش‎بيني مقادير يک سري زماني، استراتژي اساسي باکس- جيکنز بصورت زير است: • الف) نخست، ساکن بودن سري زماني را بررسي 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 , ACF سري 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 بررسي قرار مي‎دهيم. • و) مدل انتخابي را مي‎توان براي پيش‎بيني بکاربرد.

فصل بيست و دوم: اقتصاد سنجي سريهاي زمانيII :پيش بيني با استفاده از مدلهايVAR و ARIMA 3- روش VAR براي پيش‎بيني‎هاي مختلف سري‎هاي زماني را در يک زمان مورد بررسي 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 VAR مقدار يک متغير بصورت تابعي خطي از مقادير گذشته و تمامي متغيرهاي موجود در فصل بيان مي‎شود. ج) اگر هر يک از معادلات 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 (SURE) تخمين زد. د) سادگي روش VAR ممکن 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 معادلات وجود داشته باشد همواره تفسير هر يک از ضرايب بخصوص هنگامي که ضرايب مختلف العلامه باشند آسان نيست. به همين دليل از تابع عکس‎العمل (IRF) در روشVAR براي بررسي چگونگي واکنش متغير وابسته به توسط شوک وارده به هريک از معادلات سيستم استفاده مي‎شود. و) درباره برتري هر يک از روش‎هاي پيش‎بيني بحث‎ها و نکات احتياطي فراواني وجود دار. هر يک از روش‎هاي تک معادله‎اي معادلات همزمان، باکس- جنکينز و VAR داراي معايب و مزاياي ويژه خود مي‎باشد و روش واحد، مناسبي براي تمامي وضعيتها وجود ندارد.

پایان

فصل ب ي ست و دوم اقتصاد سنج ي سر ي ها ي زمان ي II :

فصل ب ي ست و دوم اقتصاد سنج ي سر ي ها ي زمان ي II :

Presentation Transcript