Granger因果检验用法探讨

在经济分析中,常常要对经济变量之间的因果关系作出判断,Granger因果性检验因为其简单实用而得到了广泛运用.但目前国内一些实证研究存在着对该方法的不正确运用.本文从Granger的因果性定义出发,对目前国内文献应用中存在的问题进行了讨论,并对该方法在应用中存在的问题作进一步探讨.     

Granger因果检验的非线性进展及应用研究

Granger因果检验是计量经济学的重要组成部分,也是现代经济、金融学分析的重要工具,近年来Granger因果检验在非线性检验方向有了较大进展。本文在线性Granger因果检验的基础上,阐述了Granger因果检验的非线性进展,重点总结了针对一阶矩的基于回归模型、非参函数和信息理论的三大类非线性方法以及针对二阶矩的基于残差交叉相关系数和多元条件方差模型下的两大类非线性方法,讨论了不同非线性Granger方法中数据要求、核心模型、建模关键以及模型优缺点,提出了Granger因果检验"线性-非线性"的整体框架和研究范式.通过模型分析和比较,本文可为因果检验的非线性理论和模型研究提供参考,并对因果检验在经济和金融领域的更广泛应用提供支持。     

基于多变量的Granger因果检验方法

针对既有的Granger因果检验方法只能处理两个变量间的因果关系问题,指出这种方法会导致间接因果与直接因果的混淆及由于数据同源而产生的伪因果问题,提出一种可以消除以上问题的多变量因果检验方法,该方法立足于原有的Granger因果检验,适用于短时相依的和平稳的时间序列数据,并根据蒙特卡罗方法给出了统计推断的检验量,设计了方法的实施步骤.最后,应用一个仿真的实例具体展示了方法的使用过程和方法的有效性。     

因果链上因果效应的关系及推断

探讨因果链上总因果效应与局部因果效应的关系及因果效应的可识别性. 给出了在因果链上因果效应的传递关系. 根据这个关系, 给出了通过控制因果链上中间因素消除混杂偏倚的方法.     

多维时间序列Granger因果性的一种图模型学习方法

传统的两变量Granger因果分析法容易产生伪因果关系,且不能刻画变量间的同期因果性.利用图模型方法研究多维时间序列变量间Granger因果关系,通过Granger因果图的建立将问题转化为Granger因果图结构的辨识问题,利用局部密度估计法构造相应的辨识统计量,采用bootstrap方法来确定检验统计量的原分布.模拟分析以及对于中国股市间Granger因果关系的研究说明了该方法的有效性.     

中国股指期现货市场间的非对称风险溢出效应——基于分位数Granger因果检验

为了揭示中国股指期现货市场之间风险溢出效应的非对称特征,本文利用已实现半方差将中国股指期现货市场的风险区分为下跌风险和上涨风险,并运用均值Granger因果检验和分位数Granger因果检验,考察两市场之间下跌风险溢出效应和上涨风险溢出效应的差异。研究发现,中国股指期现货市场之间不仅存在显著的下跌风险溢出,还存在显著的上涨风险溢出,而且溢出效应随着分位数区间不同而呈现出显著的非对称特征。一方面,期货市场对现货市场的下跌风险溢出在全部分位数区间均显著,而上涨风险溢出仅在分布的中间位置和上尾显著。另一方面,现货市场对期货市场的下跌风险溢出主要集中在尾部极端分位数区间,而上涨风险溢出主要集中在分布的中间位置和低分位数区间。     

Gauss因果模型中因果效应识别方法的比较

一个Gauss因果模型中常常存在不只一种识别因果效应的方法, 不同的方法对应的估计可能不同. 该文对Pearl等人提出的前门准则, 后门准则,工具变量准则等识别方法的估计精度进行了分析比较, 并给出了相应的模拟结果, 为实践中选择更优的识别准则提供了依据.     

基于扩展事件图的因果分析方法及在仿真中的应用

通过因果分析对仿真结果作出因果解释是仿真非常重要的一个环节.为了能够支持因果分析,首先提出扩展事件图,以重构仿真中发生的事件以及事件之间的因果关系;然后根据扩展事件图提出若干分析算法,通过对图模型的概率参数的可能性和主要性分析,获取因果知识;最后以一个攻防对抗仿真为例,对以上方法进行了必要的验证.     

基于格兰杰因果检验遍历性分析的中国股市和国际股市的时变联动特征研究

通过判断检验结果是否依赖滞后阶数的选取(遍历性分析)来考察格兰杰因果关系的稳定性,并基于该方法,构建了度量中国股市和国际主要股市之间关联程度的指标.虽然中国股市制度上的开放是稳步推进的,但发现中国股市同国际股市波动的关联程度是经历了一个先下降再上升的过程.此研究对认识中国股市的波动生成机制,以及防范境外风险向境内的传导提供了有益参考.     

A、B股指数波动的Granger因果关系分析

本文利用时间序列分析中的格兰杰因果关系检验法对中国证券市场A、B股的波动性进行分析 ,发现上海市场A、B股的波动间存在双向因果关系 ,而深圳市场A、B股的波动间则不存在显著可信的因果关系。对于A、B股市场间的关系以及深、沪两市的差异 ,本文从信息传递和交易者构成的角度进行了分析     

金融演化网络建模

本文基于收集的股票日交易数据,通过对时间窗口进行划分和股票收益间的相关性,将股票市场构建为一个金融演化网络,通过分析金融演化网络的拓扑特征,进而可以研究金融市场演化的内在机制．     

格兰杰因果图模型及其在股市信息传导中的应用

利用格兰杰因果图表示多维时间序列变量间的因果关系,图中的点表示时间序列分量的点过程,图中的有向边反映序列间的格兰杰因果关系,无向边表示即期因果关系。利用部分定向相干技术研究了格兰杰因果图结构的识别问题,数值模拟表明该方法是有效的。将格兰杰因果图及识别方法应用于国际股票市场分析主要股指的信息流动,结果表明美国和香港股市在信息传导中起着重要作用,中国与国际主要股票市场的直接信息传导较弱,国际股市在信息流动中存在一定的区域效应。     

Modeling Earthquake Vulnerability of Highway Networks

In this study, we investigate the earthquake vulnerability of highway networks whose links are subject to failure. We propose a model called α-conservative failure model that aims to capture the dependency among link failures in the event of an earthquake. According to this model, we calculate a path-based accessibility measure to assess the expected weighted average shortest distance to serve a unit demand after the earthquake. We test the proposed link failure model on a case study of the earthquake vulnerability in Istanbul.     

非平稳过程的小波因果度量

该文对带有随机趋势的非平稳过程给出了一种新的因果度量定义.作者将证明新定义与Hosoya给出的因果度量定义等价, 但由于避免了以往文献中常见的对非平稳过程协整性的要求, 该定义有利于简化因果关系的假设检验.文中还对Wald检验和似然比检验进行了讨论.数值模拟和实证分析表明, 这两种检验方法都是有效的.     

能源消费与产业发展的协整性与因果关系分析

能源消费与经济增长关系密切,本文利用协整理论,检验了我国能源消费总量与国民生产总值以及三次产业之间的协整性和Granger因果关系,并且建立了向量误差修正模型。研究结果表明,我国能源消费与GDP以及第一产业、第三产业之间存在协整关系,但是能源消费与第二产业之间并不存在长期的均衡关系。并且,GDP和三次产业只是能源消费的单向Granger因果关系,它们之间并不存在双向的Granger因果关系。     

我国证券市场传染性的实证研究

本文利用计量经济学方法分别就上海、深圳A、B股市场关联性与因果关系进行了定量分析,结论是:B股市场向境内居民的开放,使得我国股票市场的联系更为紧密,传染性更明显,且大致说来,一个股票市场对另一个股票市场的作用,一般在2至4个交易日就可达到较大的程度。     

Extended Shenoy-Shafer architecture for inference in hybrid bayesian networks with deterministic conditionals

The main goal of this paper is to describe an architecture for solving large general hybrid Bayesian networks (BNs) with deterministic conditionals for continuous variables using local computation. In the presence of deterministic conditionals for continuous variables, we have to deal with the non-existence of the joint density function for the continuous variables. We represent deterministic conditional distributions for continuous variables using Dirac delta functions. Using the properties of Dirac delta functions, we can deal with a large class of deterministic functions. The architecture we develop is an extension of the Shenoy-Shafer architecture for discrete BNs. We extend the definitions of potentials to include conditional probability density functions and deterministic conditionals for continuous variables. We keep track of the units of continuous potentials. Inference in hybrid BNs is then done in the same way as in discrete BNs but by using discrete and continuous potentials and the extended definitions of combination and marginalization. We describe several small examples to illustrate our architecture. In addition, we solve exactly an extended version of the crop problem that includes non-conditional linear Gaussian distributions and non-linear deterministic functions.