Zamanla Değişen Parametreli Engle-Granger Eş Bütünleşmesi
Time-Varying Parameter Engle-Granger Cointegration Model · Ayrıca şöyle bilinir: TVP Engle-Granger cointegration, time-varying cointegration, TVP-EG cointegration, varying-coefficient cointegration
Zamanla değişen parametreli (TVP) Engle-Granger eş bütünleşmesi, entegre seriler arasındaki uzun dönemli ilişkinin zamanla evrimleşmesine izin vererek klasik iki adımlı Engle-Granger çerçevesini genişletir. Sabit bir eş bütünleşme vektörü varsaymak yerine, eş bütünleşme katsayıları stokastik süreçler olarak — tipik olarak rastgele yürüyüş yoluyla — modellenir ve Kalman filtresi veya ilgili durum-uzay yöntemleriyle tahmin edilir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
İki veya daha fazla I(1) zaman serisinin uzun dönemli bir dengeyi paylaşmasını beklediğiniz, ancak bu ilişkinin gücünün veya yönünün örneklem boyunca değiştiğinden şüphelendiğiniz durumlarda TVP Engle-Granger eş bütünleşmesini kullanın — örneğin, büyük politika değişiklikleri, finansal krizler veya değişen ticaret rejimleri boyunca. Parametre istikrarsızlığına işaret eden Chow testleri veya yuvarlanan pencere tahminleri olduğunda statik Engle-Granger testine tercih edilir. Seviyelerde durağan olan serilerle (eş bütünleşme geçerli değildir), örneklem kısa olduğunda (yaklaşık 80 gözlemden az) veya tam çok değişkenli bir eş bütünleşme analizine ihtiyaç duyduğunuzda kullanmayın — bu durumlarda zamanla değişen parametrelere sahip Johansen iz testi daha uygundur.
Güçlü yönler & sınırlılıklar
- Önceden belirlenmiş kırılma tarihleri gerektirmeden uzun dönemli ilişkideki kademeli yapısal değişimi yakalar.
- Zamanla değişen parametre esnekliği eklerken sezgisel iki adımlı Engle-Granger mantığını korur.
- Kalman filtresi, her dönemde mevcut tüm verileri kullanan verimli, özyinelemeli tahminler sağlar.
- Ekonomik olarak anlamlı içgörü sağlayan, denge ilişkisinin nasıl evrimleştiğini gösteren eş bütünleşme katsayısının zaman yolunu üretir.
- Eş bütünleşme onaylandıktan sonra standart hata düzeltme modeli çıkarımına uyumludur.
- Kalman filtresinin yakınsaması ve kararlı tahminler sunması için nispeten uzun zaman serileri (en az 80–100 gözlem) gerektirir.
- Durum denklemi varyansı Q'nun tahmini başlangıç değerlerine duyarlıdır ve küçük örneklemlerde kötü tanımlanabilir.
- Klasik Engle-Granger artık testi, katsayılar önemli ölçüde değiştiğinde düşük güce sahip olabilir ve bu da gerçek eş bütünleşmeyi kaçırabilir.
- İki değişkenli veya düşük boyutlu sistemlerle sınırlıdır; yüksek boyutlu uzantılar Johansen TVP çerçevesini gerektirir.
- Zamanla değişen eş bütünleşme vektörünün yorumlanması, özellikle yüksek volatilite dönemlerinde dikkat gerektirir.
SSS
Bu, standart Engle-Granger iki adımlı prosedürden nasıl farklıdır?
Standart Engle-Granger prosedürü, OLS ile sabit bir eş bütünleşme vektörü tahmin eder ve ardından artıkların durağanlığını test eder. TVP uzantısı, sabit OLS katsayılarını zamanla evrimleşen ve Kalman filtresi aracılığıyla tahmin edilen durum değişkenleriyle değiştirir, böylece uzun dönemli ilişkinin tüm örneklem boyunca sabit olmak yerine sürüklenmesine izin verilir.
Durum denkleminin varyansını (Q) nasıl seçerim?
Q tipik olarak durum-uzay temsilinde maksimum olabilirlik ile tahmin edilir. Pratikte, bir dizi Q değeri boyunca duyarlılık analizi önerilir. Çok küçük bir Q, neredeyse sabit katsayılara (OLS'ye yaklaşan) yol açarken, büyük bir Q hızlı sürüklenmeye izin verir. AIC veya BIC gibi model seçimi kriterleri seçimi yönlendirebilir.
Bu modeli ikiden fazla değişkene uygulayabilir miyim?
İki değişkenli TVP Engle-Granger yaklaşımı, normalleştirme seçimi ve değişkenlerin sıralaması sonuçları etkilediği için ikiden fazla değişkenin ötesine garip bir şekilde genişler. Çok değişkenli sistemler için, zamanla değişen parametreli bir Johansen yaklaşımı veya VAR tabanlı bir durum-uzay modeli tercih edilir.
Güvenilir sonuçlar için ne kadar örneklem büyüklüğü gereklidir?
Kalman filtresinin yakınsamasına izin vermek ve ADF artık testi için yeterli gücü vermek üzere genellikle en az 80–100 gözlem önerilir. 60 gözlemden az olduğunda, filtrelenmiş katsayı yolları düzensiz olabilir ve durağanlık testi güvenilmez olabilir.
TVP modelini mi yoksa yapısal kırılma modelini mi kullanmalıyım?
Ön bilgi veya testler (örneğin, Bai-Perron) bir veya iki keskin ayrık kırılma olduğunu gösteriyorsa, bölünmüş örneklem veya kukla değişken eklenmiş eş bütünleşme modeli daha tutumlu ve yorumlanması daha kolay olabilir. Kırılmaların kademeli, sık veya zamanlaması ve sayısı bilinmediğinde TVP modeli tercih edilir.
Kaynaklar
- Engle, R. F., & Granger, C. W. J. (1987). Co-integration and error correction: Representation, estimation, and testing. Econometrica, 55(2), 251–276. DOI: 10.2307/1913236 ↗
- Park, J. Y., & Hahn, S. B. (1999). Cointegrating regressions with time varying coefficients. Econometric Theory, 15(5), 664–703. DOI: 10.1017/S0266466699155026 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Time-Varying Parameter Engle-Granger Cointegration Model. ScholarGate. https://scholargate.app/tr/econometrics/time-varying-parameter-engle-granger-cointegration
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Johansen Eşbütünleşme Testi ve Vektör Hata Düzeltme ModeliFinans↔ karşılaştır
- Kalman FiltresiBayesçi↔ karşılaştır
- Durum Uzay Modeli (Kalman Filtresi)Ekonometri↔ karşılaştır