Меня смущает модель коррекции ошибок вектора ( VECM ).
Техническая справка:
VECM предлагает возможность применять векторную авторегрессионную модель ( VAR ) к интегрированным многомерным временным рядам. В учебниках они называют некоторые проблемы в применении VAR к интегрированным временным рядам, наиболее важной из которых является так называемая ложная регрессия (t-статистика очень значительна, а R ^ 2 высока, хотя между переменными нет никакой связи).
Процесс оценки VECM состоит примерно из трех следующих этапов, один из которых сбивает с толку первый:
Спецификация и оценка модели VAR для интегрированных многомерных временных рядов
Рассчитать критерий отношения правдоподобия для определения количества коинтеграционных отношений
После определения количества коинтеграций оцените VECM
На первом этапе оценивается модель VAR с соответствующим числом лагов (с использованием обычных критериев соответствия), а затем проверяется, соответствуют ли остатки допущениям модели, а именно отсутствие последовательной корреляции и гетероскедастичности, и что остатки обычно распределяются , Итак, один проверяет, правильно ли описывает модель VAR многомерный временной ряд, а второй переходит к дальнейшим шагам, только если это так.
А теперь мой вопрос: если модель VAR хорошо описывает данные, зачем мне вообще нужен VECM ? Если моя цель состоит в том, чтобы генерировать прогнозы , не достаточно ли оценить VAR и проверить предположения, и если они выполнены, то просто использовать эту модель?