Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
vuoi
o PayPal
tutte le volte che vuoi
Formattazione del testo
A A⊥ ⊥ k⊥ ⊥µ econ la quale si possono scomporre δAnalogamente a quanto esposto per la matrice degli aggiustamenti, il complemento4 B k×(k−r), di ordine , è tale cheortogonale della matrice di cointegrazione, ⊥′⋅ =B 0B ⊥ Pagina 5-17Modulo X – Modelli VAR−1 −1′ ′= ′ ′ + = +A Aµ A A A A µ A A µ A µ A µ( ) ( ) (5.6.4)⊥ ⊥ ⊥⊥ ⊥ 1 2−1 −1′ ′= ′ ′ + = +A AA A A A A A A δ A δ( ) ( )δ δ δ (5.6.5)⊥ ⊥ ⊥⊥ ⊥ 1 2dove −1= ′ ′ è il vettore, di dimensione , delle intercette nelleµµ A A A( ) r×11 relazioni di cointegrazione−1′ ′= è il vettore, di dimensione ( , dei coefficienti delleµµ A( ) k−r)×1A A⊥⊥ ⊥2 tendenze lineari delle variabili
espresse nei livelli è il vettore, di dimensione r×1, dei coefficienti delle tendenze lineari nelle relazioni di cointegrazione. è il vettore, di dimensione (k-r)×1, dei coefficienti delle tendenze quadratiche delle variabili espresse nei livelli. Sostituendo le equazioni (5.6.4) e (5.6.5) nel modello (5.6.2) si ottiene: Δy = α + Πy + βΔy + γ1t + γ2t^2 + μ + δut (5.6.6) dove α, Π, β, γ1, γ2 sono matrici di coefficienti. Il modello (5.6.6) è un modello con correzione del divario nel quale la parte deterministica è scomposta nella componente di lungo periodo (di cointegrazione) ed in quella di breve. La specificazione della componente deterministica relativa alle relazioni di cointegrazione e alle variabili espresse nei livelli è data dalla matrice Π.differenziate (cioè alle due componenti di lungo e dibreve periodo) può essere effettuata introducendo una serie di vincoli sui vettori μ₀e che permettono di discriminare tra cinque modelli differentiμ₁ = + = +• . Questa è laμ A μ A μ δ A δ A δH ( r ) : e⊥ ⊥5 1 2 1 2specificazione più generale, poiché gli elementi di e non sono vincolati.μ δIl modello ammette la presenza di tendenze lineari per le variabili espresse trendin termini di differenze prime e lineari nelle equazioni di5cointegrazione.= + =• . Nel modello viene imposto cheμ A μ A μ δ A δ A δH ( r ) : e⊥4 1 2 1nelle relazioni di cointegrazione vi sia una tendenza lineare contestualmente a constanti non nulle. Per le variabili differenziate, invece,la componente deterministica è costituita solamente dalla costante. Dunque il modello ammette tendenze quadratiche nelle variabili
espresse nei livelli.
Pagina 5-18
Modulo X – Modelli VAR= + • . Il vettore delle costanti non è μ A μ A μ δ 0H ( r ) : e⊥3 1 2vincolato, per cui si ipotizzano tendenze lineari nelle variabili nei livelli. Tali tuttavia scompaiono nelle equazioni di cointegrazione dato che δ 01 = • . Sia nello spazio di cointegrazione sia nelleμ A μ δ 0H ( r ) : e2 1 trendvariabili nei livelli sono esclusi lineari. L’unica componentedeterministica nel modello è costituita dalle intercette nelle relazioni dicointegrazione. = • . Tale ipotesi è la più restrittiva dato che imponeμ 0 δ 0H ( r ) : e1l’assenza di qualsiasi componente deterministica sia nelle relazioni dicointegrazione sia nelle variabili nei livelli.
Riepiloghiamo nella seguente tabella le differenti specificazioni della parte deterministica appena esposte
Variabili I(1) Variabili I(0)
Costante Tendenza Costante
Tendenza• presente quadratica presente lineareH (r)5• presente lineare presente lineareH (r)4• presente lineare presente assenteH (r)3• presente assente presente assenteH (r)2• assente assente assente assenteH (r)1
Tavola 5.3 – Schema sintetico dei vincoli sulle componenti deterministiche sottostanti alleH (r) .ipotesi iNella realtà e appaiono le ipotesi più rilevanti per la specificazione delH (r) H (r)4 2 trendmodello. L’imposizione di quadratici sotto permette talvolta diH (r)5migliorare la bontà di adattamento all’interno del campione ma produce risultatimolto poco soddisfacenti in ambito previsionale. Inoltre, una teoria asintotica percondurre inferenza statistica su questo tipo di modello non è ancora statasviluppata, rendendo molto poco attendibili le procedure di stima. vieneH (r)3accettata generalmente quando si dispone di considerevoli informazioni a priori(derivanti ad esempio dalla teoria economica).
L'ipotesi, infine, si realizza solo in situazioni del tutto particolari dato che un vettore di intercette è necessario affinché esista il vettore dei valori pre-campionari della rappresentazione a somma mobile che verrà esposta nel paragrafo 5.8. Pagina 5-19 Modulo X - Modelli VAR 5.7. Le variabili di comodo Nel paragrafo precedente si è mostrato come la presenza contemporanea di variabili nelle differenze prime e variabili nei livelli nei VAR di cointegrazione rende necessario scomporre opportunamente i vettori associate alle tendenze. Il corretto utilizzo delle variabili di comodo nei modelli VAR cointegranti comporta sia individuare il tipo che devono assumere sia discriminare se esse appartengono o meno allo spazio di cointegrazione. Da un punto di vista funzionale si possono distinguere tre tipi di variabili di comodo, a seconda della natura dell'evento eccezionale che è occorso durante il periodo campionario. Più specificatamente,si possono individuare variabili di comodo per regimi•, rappresentabili per mezzo di un vettore d rt×1, che raccoglie valori zero/uno; ossia, le variabili di dimensione d1 comodo assumono il valore 1 in presenza di un nuovo regime ed il valore 0 in sua assenza;
variabili di comodo per impulsi permanenti•, rappresentabili per mezzo di un ×1 vettore, di dimensione , che raccoglie valori zero/uno; ossia, le d d2p t variabili di comodo assumono il valore 1 in presenza del tempo in cui si registra un impulso con effetti permanenti sul sistema;
variabili di comodo per impulsi transitori•, rappresentabili per mezzo di un ×1 vettore, di dimensione , che raccoglie valori zero/uno; ossia, le d d3trt variabili di comodo "neutralizzano" un'oscillazione anomala nella serie -1 assumendo i valori 1 nei tempi in cui si registra l'anomalia con effetti che non si protraggono nel tempo.
La specificazione del modello VAR (5.6.2) in presenza di
variabili di comodo Escludere la presenza di componenti I(2) deve valere anche l'ulteriore condizione ′ ′ = −rango( ) k rA Γ B⊥ ⊥ e , ambedue di ordine Come già indicato nel paragrafo 5.6, le matrici A B⊥ ⊥complementi ortogonali, sono i , rispettivamente della matrice deglik×(k−r)aggiustamenti e della matrice di cointegrazione, e sono legate ad esse dalle seguenti relazioni ′ ′⋅ = ⋅ =A 0 B 0A B⊥ ⊥ (5.8.2) ′ ′⋅ = ⋅ =kA B) rango( )rango( A B⊥ ⊥mentre la , quadrata di ordine , è definita comeΓ k −p 1∑= −Γ I Π (5.8.3)′= ′ ′ = = =, , e , .dove A Aγ A A A D κ A A D( ) i r, p, tr ( ) i r, p, tr⊥ ⊥i i⊥ ⊥i iUtilizzando il risultato (5.7.2) è possibile riscrivere il modello con correzione deldivario (5.7.1) separando gli effetti esercitati dalle variabili di comodo nel breve enel lungo corso. Pagina 5-21Modulo X – Modelli VAR5.8. Le rappresentazioni a somma mobile e con tendenzestocastiche comuniE’ opportuno per il prosieguo riassumere le condizioni che devono essere soddisfatteaffinché il VAR( ) che genera un vettore di dimensioneyp kt= (5.8.1)A y u(L) t tsia composto da varabili integrate di ordine uno:i) le radici del polinomio caratteristico 2 p= − − + −A I A A Adet (z) det( z z ... z )k 1 2 pdevono tutte giacere al di fuori del cerchio unitario complesso o essere pariad uno; = ⋅ ′ii) della forma nelle differenze (5.5.4) deve essere dila matrice Π A B0 < ;rango ridotto r kiii) inoltre, per