Salah satu motivasi untuk bentuk VECM () adalah mempertimbangkan relasi tersebut sebagai mendefinisikan hubungan ekonomi yang mendasarinya dan menganggap bahwa agen bereaksi terhadap kesalahan disekuilibrium melalui koefisien penyesuaian untuk mengembalikan keseimbangan, yaitu, mereka memenuhi hubungan ekonomi. Vektor kointegrasi, kadang-kadang disebut parameter jangka panjang. Anda dapat mempertimbangkan model koreksi kesalahan vektor dengan istilah deterministik. Istilah deterministik dapat mengandung suatu trend konstan, linear, dan variabel dummy musiman. Variabel eksogen juga dapat disertakan dalam model. Uji untuk Koordinasi Uji peringkat kointegrasi menentukan kolom bebas linear dari. Johansen (1988, 1995a) dan Johansen dan Juselius (1990) mengajukan uji peringkat kointegrasi dengan menggunakan regresi peringkat rendah. Spesifikasi yang Berbeda dari Tren Penetapan Ketika Anda membangun bentuk VECM () dari model VAR (), istilah deterministik dalam bentuk VECM () dapat berbeda dari model VAR (). Bila ada hubungan kointegrasi deterministik antar variabel, istilah deterministik dalam model VAR () tidak ada dalam bentuk VECM (). Di sisi lain, jika ada hubungan kointegrasi stokastik dalam model VAR (), istilah deterministik muncul dalam bentuk VECM () melalui istilah koreksi kesalahan atau sebagai istilah independen dalam bentuk VECM (). Ada lima spesifikasi deterministik yang berbeda dalam bentuk VECM (). Gambar 30.53 menunjukkan hasil mana, baik Kasus 2 (hipotesis H0) atau Kasus 3 (hipotesis H1), sesuai tergantung pada tingkat signifikansi. Karena peringkat kointegrasi dipilih menjadi 1 oleh hasil pada Gambar 30.52. Lihat baris terakhir yang sesuai dengan rank1. Karena nilai-nya adalah 0,054, Kasus 2 tidak dapat ditolak pada tingkat signifikansi 5, namun dapat ditolak pada tingkat signifikansi 10. Untuk pemodelan dua Kasus 2 dan Kasus 3, lihat Gambar 30.56 dan Gambar 30.57. Gambar 30.53 Uji Peringkat Cointegration Lanjutan Hipotesis Pembatas Drift dalam Uji Hipotesis Proses Pembatasan Gambar 30.54 menunjukkan perkiraan parameter parameter (Beta) dan koefisien penyesuaian (Alpha) yang panjang berdasarkan Kasus 3. Gambar 30.54 Uji Peringkat Cointegration Lanjutan Menggunakan NORMALIZE pilihan, rendah pertama dari tabel Beta memiliki 1. Menimbang bahwa peringkat kointegrasi adalah 1, hubungan jangka panjang dari seri adalah Pernyataan berikut adalah contoh pemasangan lima kasus yang berbeda dari model koreksi kesalahan vektor yang disebutkan di Bagian sebelumnya Untuk pemasangan Case 1, Untuk pemasangan Case 2, Untuk pemasangan Case 4, Untuk pemasangan Case 5, Dari Gambar 30.53 yang menggunakan opsi COINTTEST (JOHANSEN), Anda dapat menyesuaikan model dengan menggunakan Case 2 atau Case 3 Karena uji tidak signifikan pada tingkat 0,05, namun signifikan pada tingkat 0,10. Disini kedua model tersebut dipasang untuk menunjukkan perbedaan tampilan output. Gambar 30.56 untuk Kasus 2, dan Gambar 30.57 adalah untuk Kasus 3. Gambar 30.56 Estimasi Parameter dengan ECTREND OptionStudies di bidang Ekonomi dan Keuangan PERCETAKAN KINERJA PERUSAHAAN: PERBANDINGAN VECM DENGAN MODEL WAKTU TIME LAINNYA Opsi dan Alat Pasal Abstrak Dikutip oleh (Scopus, 2 ) Add to Marked List Download Kutipan kutipan Citation Ali F. Darrat (Profesor, Departemen Ekonomi amp Keuangan, Sekolah Tinggi Administrasi dan Bisnis, Universitas Teknologi Louisiana, Ruston, LA 71272.) M. Zhong (Departemen Ekonomi amp Finance, College of Administrasi dan Bisnis, Louisiana Tech University, Ruston, LA 71272.) RM Shelor (Associate Professor, Departemen Ekonomi amp Keuangan, Sekolah Tinggi Administrasi dan Bisnis, Universitas Teknologi Louisiana, Ruston, LA 71272.) R. N. Dickens (Associate Professor, Departemen Ekonomi amp Keuangan, Sekolah Tinggi Bisnis, Universitas South Alabama, Mobile, AL 36688.) Kutipan: Ali F. Darrat. M. Zhong. R. M. Shelor. R. N. Iblis. (1998) PERAMALAN KINERJA PERUSAHAAN: PERBEDAAN VECM DENGAN MODEL TIME TIME LAIN, Studi di bidang Ekonomi dan Keuangan. Vol. 19 Iss: 12, hlm.49 - 61 DOI dx. doi. org10.1108eb028752 Unduhan: Fulltext dokumen ini telah diunduh 164 kali sejak tahun 2006 Penelitian ini menggunakan Vector Error Correction Model (VECM) untuk meramalkan perubahan ex post dalam earning Dan harga saham enam perusahaan DOW utama serta indeks pasar SampP 500. Dibandingkan model ARIMA dan GARCH, hasil dari empat dekade data mendukung kemampuan peramalan proses VECM. Tipe: Tinjauan umum Penerbit: MCB UP Ltd Hak Cipta: MCB UP Limited 1998 Diterbitkan oleh MCB UP Ltd Pilihan Akses AndaAnalisis Hubungan Cointegrating Menggunakan Model Vecm Essay Ekonomi Diterbitkan: 23 Maret 2015 Diedit terakhir: 23 Maret 2015 Esai ini telah diserahkan Oleh seorang siswa Ini bukan contoh karya yang ditulis oleh penulis esai profesional kami. Makalah ini menganalisis hubungan jangka panjang antara pasar saham Inggris, Jerman, dan Prancis dengan menggunakan teknik ko-integrasi Johansen, yaitu, Vector Error Correction Model (VECM) dengan kerangka analisis tren stokastik rekursif bersama. Hasil analisis menunjukkan bahwa tidak sampai setelah sekitar tahun 1982, ada indikasi adanya peningkatan kointegrasi antara pasar saham utama Eropa. Makalah ini mencoba untuk mereplikasi sejauh analisis yang dilakukan oleh Pascual (2003) dalam makalahnya berjudul, mengutip pasar saham Eropa (co) dan berkonsentrasi pada analisis VECM bagian dari makalah ini. Pendahuluan Studi tentang kecenderungan umum jangka panjang antara data derek makroekonomi dan data waktu keuangan merupakan analisis ekonometrik yang penting, karena membantu ekonom untuk menentukan korelasi antara berbagai variabel ekonomi, yang mengarah pada peramalan dan keputusan rasional yang dibuat oleh individu, perusahaan dan Pemerintah pada isu-isu yang mempengaruhi perekonomian suatu negara dan dengan demikian ekonomi dunia. Analisis integrasi data deret waktu ekonomi dan keuangan oleh Christopher Sims (1980) mengemukakan model Vector Auto-Regression (VAR) sebagai metodologi yang kredibel untuk tujuan ini. VAR adalah model linier n-variabel dimana masing-masing variabel pada gilirannya dijelaskan oleh nilai lagalnya sendiri, ditambah nilai arus dan masa lalu dari variabel n-1 yang tersisa. Ini berarti lebih dari satu variabel dapat dianalisis sekaligus untuk mengetahui hubungan yang ada diantara keduanya. Oleh karena itu bentuk regresi vektor: dimana saya adalah (n x n) matriks koefisien dan t adalah (n x 1) tidak teramati nol berarti proses vektor kebisingan putih (tidak berkorelasi atau independen secara simultan) dengan matriks kovariansi invarian waktu. Untuk mengatasi hal ini, dapat diperlakukan seperti masalah kuadrat multivariat: di mana Y adalah matriks dari variabel dependen dalam bentuk kolom yang mewakili setiap variabel. Dalam analisis VAR, penting bahwa variabel-variabel tersebut adalah stasioner I (0) - mengukur tidak ada akar unit yang ada pada model-untuk mendukung asumsi bahwa karakteristik statistik data akan berperilaku sama seperti di masa depan karena Telah di masa lalu Namun, disarankan untuk membedakan stasioneritas tidak dianjurkan, karena dikatakan bahwa tujuan analisis VAR semata-mata untuk menguji korelasi antara variabel, dan perbedaannya akan menghilangkan informasi mengenai hubungan jangka panjang antara variabel-variabel , (Brooks, 2008). Data deret waktu ekonomi dan keuangan, biasanya diketahui memiliki tren stochastic yang sama, ini berarti mereka berkorelasi dalam arti bahwa mereka diketahui secara linear mengikuti tren pada jangka panjang. Satu rangkaian seri seperti ini dianggap saling terintegrasi bila berisi satu unit root I (1) dan kombinasi liniernya bersifat stasioner. Pertama kali disarankan oleh Granger (1981) bahwa sebuah vektor deret waktu yang menjadi proses stasioner bila dibedakan, juga dapat memiliki kombinasi linier yang memiliki proses stasioner tanpa differensi, maka dapat dikatakan bahwa variabel tersebut saling terkait satu sama lain, Yang mengarah pada pertanyaan tentang berapa banyak perbedaan harus dilakukan pada variabel dalam hal kombinasi dari deret waktu yang dipertimbangkan. Telah diidentifikasi bahwa ketika semua variabel dibedakan dari sifat univariat mereka secara tepat, maka model tersebut tidak lagi memiliki representasi deret linier multi-variate dengan rata-rata bergerak yang dapat dibalik. Dalam kasus seperti ini, model dapat dikatakan telah terlalu berbeda. Engle dan Granger (1987) menunjukkan bahwa struktur terpadu dapat digambarkan dalam model koreksi kesalahan yang mencakup karakteristik stasioner dan non-stasioner dari deret waktu makroekonomi, yaitu kombinasi seri non-stasioner yang memiliki Faktor ekonomi umum yang mempengaruhi mereka dengan cara yang sama, sehingga mereka memiliki kecenderungan yang sama di antara mereka dan karena itu akan selalu bergerak secara linier bersama dalam jangka panjang bahkan jika mereka saling terpisah dalam jangka pendek. Faktor-faktor ini bisa berupa inflasi, suku bunga dan atau kebijakan ekonomi. Model koreksi kesalahan menyediakan metodologi yang dapat digunakan untuk memperkirakan, meramalkan dan menguji ko-integrasi. Metode Engle dan Granger yang juga dikenal sebagai teknik dua langkah dianggap tidak cukup kredibel karena beberapa masalah yang terlibat dalam prosedurnya. Hal ini terbukti dalam analisis yang dilakukan oleh Xu (2005) yang menguji efisiensi metode dua langkah yang digunakan oleh Lattau dan Ludvigson (2001) dan metode Vector Error Correction Model (VECM) untuk memeriksa pergerakan bersama. Dalam data Jerman dan AS. Disimpulkan bahwa metode VECM adalah metode yang lebih tepat untuk mempelajari pengaruh rasio konsumsi-konsumsi (cay) terhadap return saham dan tingkat pengembalian pada kedua data yang ditetapkan secara signifikan. Tujuan makalah ini adalah menggunakan VECM untuk menganalisis integrasi antara tiga pasar saham Eropa, yaitu pasar saham Inggris, Jerman dan Prancis, dalam upaya untuk mereplikasi sejauh analisis yang dilakukan oleh Pascual (2003) di Paper quotAssessing pasar saham Eropa (co) integrationquot menggunakan uji Johansen. Namun, walaupun Pascual (2003) menggunakan data kuartalan indeks pasar saham Eropa dari tahun 1960 sampai 1999, makalah ini akan menggunakan ukuran sampel dari 192 pengamatan dari tahun 1963 sampai 2010 dari indeks pasar saham yang sama, hal ini disebabkan oleh masalah ketersediaan data . Selain itu, makalah ini akan berkonsentrasi terutama pada penggunaan uji Johansen untuk mengukur pergerakan bersama pasar, membandingkan hasil ko-integrasi pada titik waktu yang berbeda untuk mengetahui apakah ada bukti adanya konvergensi pasar saham Eropa yang meningkat seiring dengan Pengamatan meningkat. Bagian berikut adalah tinjauan literatur mengenai berbagai analisis yang dilakukan untuk menyelidiki koalisi dengan menggunakan VECM, selanjutnya adalah deskripsi metodologi yang akan digunakan dalam analisis makalah ini, dilanjutkan dengan presentasi dan interpretasi hasil. Tinjauan Literatur Integrasi pasar keuangan telah menjadi bahan penelitian yang ekstensif dalam literatur ekonomi untuk waktu yang lama, dengan tujuan untuk menyelidiki bukti hubungan ko-integrasi antara indeks saham nasional dengan mempelajari pergerakan bersama jangka panjang dari pasar ini. Menurut Corhay dkk (1993), minat ini didorong dari kenaikan harga modal di seluruh batas negara, kemungkinan keuntungan dari diversifikasi internasional dan adanya hubungan timbal balik antara bursa saham. Namun, metode yang berbeda telah digunakan dan diperbaiki seiring dengan waktu. Pascual (2003) mencoba untuk membuktikan bahwa peningkatan konvergensi antara indeks saham dari pasar saham Eropa yang dipilih tidak boleh dianggap sebagai kesimpulan yang akurat dari pendekatan rekursif yang diajukan oleh Rangvid (2001). Menurutnya, hasil dari analisis Rangvid (2001) dapat menyesatkan karena peningkatan konvergensi pasar Eropa dapat diartikan sebagai akibat dari peningkatan kekuatan uji Johansen karena ukuran sampel meningkat dari 20 Untuk 156 pengamatan. Oleh karena itu, dapat dikatakan bahwa tidak ada bukti adanya peningkatan ko-integrasi. Dia kemudian menyarankan metode alternatif untuk memeriksa peningkatan integrasi pasar saham. Dia mengusulkan bahwa istilah koreksi kesalahan (ECT) harus diperkirakan karena dapat mencerminkan kecepatan penyesuaian penyimpangan dari hubungan co-integration jangka panjang. Nilai koefisien ECT yang lebih tinggi, dapat diartikan sebagai tingkat integrasi pasar saham yang lebih tinggi, karena sampel meningkat. Corhay dkk (1993), dalam analisis mereka mengetahui bahwa pendekatan terbaik untuk menganalisis harga saham ketika variabel yang terlibat bersifat non-stasioner adalah penggunaan konsep ko-integrasi atau tren stochastic umum, yang menunjukkan bahwa variabel non-stasioner bervariasi Lakukan secara linear bergerak bersama dalam jangka panjang. Menurut mereka, karena diharapkan pasar saham dua atau lebih negara Eropa tunduk pada tren pasar yang sama, maka dapat dikatakan bahwa pasar saling terkait satu sama lain. Analisis mereka melibatkan 389 pengamatan dua mingguan, yaitu dari 1 Maret 1975 sampai 30 September 1991, dari indeks harga saham lima pasar saham utama Eropa (Jerman, Prancis, Italia, Inggris dan Belanda). Dengan menggunakan pendekatan VECM yang akan digunakan kemudian dalam makalah ini, yang diajukan oleh Johansen (1988), dan Johansen dan Juselius (1990) yang merupakan pendekatan likelihood maksimum untuk memperkirakan dan menguji jumlah kon-integrasi dalam model VAR. Dalam kesimpulan mereka menemukan bukti yang menunjukkan bahwa mereka ada beberapa tren stokastik jangka panjang antara beberapa indeks pasar saham Eropa, meskipun juga menemukan bahwa harga saham Italia tampaknya tidak mempengaruhi tren jangka panjang ini. Pukthuanthong and Roll (2009) dalam studinya mengusulkan sebuah ukuran alternatif untuk integrasi pasar global. Mereka menyarankan untuk menggunakan secara empiris kekuatan penjelasan model multi-faktor untuk menyelidiki peningkatan integrasi pasar global karena korelasi indeks pasar negara dianggap sebagai tindakan yang buruk. Mereka menjelaskan bahwa kecuali faktor global yang sama mempengaruhi misalnya dua indeks di negara pada proporsi yang sama, korelasi mereka akan menjadi tidak sempurna walaupun faktor global menjelaskan kembalinya indeks di kedua negara tersebut. Mereka mengamati bahwa hal tersebut tampaknya merupakan peningkatan - Integrasi antara 17 negara besar dari waktu ke waktu, menunjukkan bahwa korelasi sederhana tidak memberi hasil yang efisien, karena gagal mengungkap sepenuhnya integrasi indeks negara selama 30 tahun terakhir. Alasan untuk kepentingan oleh analis ekonomi dan pembuat kebijakan ekonomi dalam hubungan antara pasar saham dan konvergensinya mungkin karena penyelidikan apakah ada kemungkinan keuntungan dari diversifikasi internasional, terutama dalam perspektif investor, misalnya , Dalam kasus dimana ada kecenderungan umum linier jangka panjang antara pasar saham nasional, maka kemungkinan memperoleh keuntungan dari diversifikasi internasional dalam jangka panjang kemungkinannya kecil. Fraser dan Oyefeso (2005) dalam penelitian mereka menyelidiki konvergensi jangka panjang antara Inggris A. S. dan tujuh pasar saham Eropa. Dari uji multivariat ko-integrasi Johansen yang dilakukan yang digunakan pada sampel data bulanan selama periode 1974 sampai 2001 dari indeks harga pasar saham dari satu set negara Eropa yang dipilih termasuk Inggris dan Amerika Serikat, Denmark, Belgia, Jerman, Italia, Swedia dan Spanyol, menunjukkan bahwa mereka memiliki hubungan jangka panjang antara pasar saham karena adanya satu tren stokastik bersama. Kesimpulan yang disarankan dari analisis mereka menegaskan bahwa pasar saham yang diperiksa benar-benar berkorelasi dalam jangka panjang atau masa depan. Juga dicatat bahwa hasil yang diperoleh dari penyelidikan mereka menunjukkan tingkat integrasi yang jauh lebih banyak daripada yang diperoleh oleh Corhay dkk. (1993) dilakukan pada satu set tertentu pasar Eropa, menurut pendapat mereka, ini mungkin sebagai akibat dari periode waktu yang diperpanjang. Makalah lain yang mendukung pandangan bahwa pasar saham utama dunia telah terkonvergensi dalam jangka panjang termasuk Kasa (1992), di mana sampel pengamatan berasal dari data pasar ekuitas AS Jepang, Jerman, bulanan dan triwulanan. Inggris dan Kanada dari tahun 1974 sampai pertengahan 1990. Di Taylor dan Tonks (1989), mereka menyelidiki dampak penghapusan kontrol pertukaran Inggris terhadap tingkat integrasi pasar saham Inggris dan luar negeri, dengan menggunakan teknik dua langkah Engle dan Granger (1987) untuk memeriksa koeksistensi pada Data deret waktu Hasil mereka menunjukkan bukti yang sesuai dengan yang diperoleh dari analisis ko-integrasi yang telah disebutkan sebelumnya. Dalam kasus ini, dengan penghapusan kontrol pertukaran, bursa efek Inggris telah menjadi terintegrasi dengan Jepang, Jerman dan Belanda, menurut pendapat mereka ini mungkin karena kenyataan bahwa sejak kontrol modal sekarang rileks. Dan karena itulah peluang arbitrase yang belum dieksploitasi telah dimanfaatkan. Syriopoulos (2004) menyelidiki adanya korelasi jangka pendek dan jangka panjang antara pasar saham utama yang dikembangkan utama Jerman dan Amerika Serikat dan pasar saham Eropa yang sedang berkembang Polandia, Hungaria, Republik Cheska dan Slovakia. Teknik VECM digunakan dan disimpulkan bahwa ada hubungan ko-integrasi antara pasar. Menurut pendapat penulis, kekuatan domestik dan eksternal, yang dapat disebut sebagai kekuatan makroekonomi, mempengaruhi perilaku pasar saham, yang pada gilirannya mengarah pada ekuilibrium jangka panjang, juga mengamati bahwa ada tingkat korelasi yang lebih tinggi antara Pasar individu Eropa dan pasar maju dibandingkan dengan negara-negara berkembang lainnya. Ini menyiratkan bahwa strategi investasi diversifikasi risiko internasional untuk menciptakan return portofolio pasar yang efisien mungkin terbatas bagi investor yang tertarik untuk menggunakan strategi investasi ini. Di Karolyi dan Stulz (1996) mereka menyelidiki komponen pergerakan kembali shock lintas negara. Hasil saham A. S dan Jepang yang diperdagangkan di Amerika Serikat dipelajari untuk mengetahui apakah pengumuman makroekonomi dan tingkat suku bunga menciptakan guncangan yang mempengaruhi pergerakan bersama antara imbal hasil A. S dan Jepang. Dari hasil yang diperoleh dari metode empiris VECM, disimpulkan bahwa faktor makroekonomi ini tidak mempengaruhi pergerakan bersama dan bahwa kovariansi dan korelasi di pasar tinggi ketika sangat volatile. Menurut mereka, yang mirip dengan Syriopoulos (2004), ini berarti diversifikasi internasional sebagai strategi investasi untuk menyebarkan risiko mungkin tidak seefektif yang diharapkan. Karena analisis mereka menunjukkan bahwa diversifikasi dalam kasus ini tidak memberikan perlindungan yang cukup terhadap goncangan besar terhadap indeks nasional seperti yang diperkirakan. Hal ini juga disarankan oleh Karolyi dan Stulz (1996) kovarian antar negara tidak konstan, karena perubahannya seiring waktu dan dapat diperkirakan. Pertanyaan tentang apa yang bisa menjadi alasan kenaikan co-integration di pasar saham muncul. Apa faktor makroekonomi atau global yang menyebabkan pergerakan sesama indeks pasar saham negara maju dan berkembang Yang et al (2003) mempelajari pengaruh pembentukan Uni Ekonomi dan Moneter (EMU) pada jangka pendek Dan integrasi jangka panjang di antara sebelas pasar saham Eropa dan pasar saham AS. Hasilnya sama dengan yang diperoleh Taylor dan Tonks (1989) dan Corhay dkk (1993). Menurut pendapatnya, teknologi informasi modern dan penggabungan bursa saham di Eropa mungkin merupakan faktor yang telah meningkatkan integrasi antara pasar saham Eropa. Selanjutnya, Ioannidis et al (2006) dalam menggunakan metodologi yang diusulkan oleh Lettau dan Ludvigson (2001), yang merupakan metode dua langkah, meneliti tiga negara di Australia, Inggris dan Kanada. Mereka mengkonfirmasi hasil dari analisis Lettau dan Ludvigson (2001) yang menunjukkan bahwa variabel ko-integrasi tertinggal (cay) adalah prediktor signifikan dari expected return atau excess return dari pasar saham negara-negara yang ditentukan, seperti halnya pada AS Meskipun, Xu (2005) menggunakan VECM untuk menyelidiki hubungan antara rasio konsumsi-kekayaan (cay) terhadap return saham Jerman. Tujuan analisis Xu (2005) adalah membandingkan efisiensi metodologi yang diusulkan oleh Lettau dan Ludvigson (2001) dan VECM menggunakan data Jerman dan AS, dan disimpulkan bahwa VECM adalah metode yang lebih tepat untuk mempelajari efek dari Cay pada return saham dan return berlebih di kedua kumpulan data secara signifikan. Kemudian dapat dikatakan bahwa cay mungkin dianggap sebagai faktor makroekonomi yang menentukan kecenderungan linier pengembalian pasar saham dalam jangka panjang, karena ada bukti bahwa ada korelasi antara variabel-variabel ini dan imbal hasil pasar keuangan. Dengan bukti ini, return pasar saham dapat diprediksi oleh siklus bisnis pada frekuensi rotasi dalam jangka panjang. Metodologi Metodologi yang akan digunakan adalah Vector Error Correction Model (VECM) yang paling sering digunakan dalam analisis data deret waktu ekonomi. Engle dan Granger (1987) menguraikan aspek fundamental dari aspek ko-integrasi. Dalam makalah ini, analisis ko-integrasi dalam kerangka model vektor autoregresif (VAR) seperti yang diusulkan oleh Johansen (1988), dan Johansen dan Juselius (1990) akan digunakan. Berikut ini adalah penjelasan statistik analisis VECM dengan menggunakan teknik Johansen seperti yang dilansir oleh Brooks (2008). Untuk menggunakan pendekatan Johansen, VAR dengan k lags yang mengandung satu set variabel g (g 2) yang diasumsikan adalah I (1) dan kointegrasi, harus diubah menjadi model koreksi kesalahan vektor (VECM), Seperti yang ditetapkan: yt 1 yt1 2 yt2 k ytk ut g - gg g 1 g - gg - 1 g - gg - 1 g - 1 (3) diubah menjadi model koreksi kesalahan vektor (VECM) sebagai Di bawah ini: Ig dan i (- Ig Dari persamaan VAR di atas, variabel g adalah dalam bentuk differensial pertama di sisi kiri dan di sisi kanan. K-1 adalah kelambatan dari variabel dependen dalam bentuknya yang berbeda, masing-masing berisi matriks koefisien yang menyertainya. Matriks dalam uji Johansen dapat mewakili matriks koefisien jangka panjang, karena semua yti akan menjadi nol dan kesalahan Istilah ut akan ditetapkan ke nilai yang diharapkan dari nol akan meninggalkan ytk 0, dalam ekuilibrium. Peringkat matriks dari nilai eigennya digunakan untuk menghitung Jumlah ko-integrasi antara ys. Nilai eigen, yang merupakan jumlah akar karakteristiknya yang berbeda dari nol sama dengan pangkat matriks. Simbol i menunjukkan nilai eigen, yang ditetapkan dalam urutan menaik sebagai demikian 1 2. G. Dalam kasus di mana nilai eigen (s) adalah akar, nilainya harus kurang dari 1 dalam nilai absolut dan positif, dan 1 akan paling dekat dengan 1 yang merupakan yang terbesar, sedangkan g akan mendekati 0 yang terkecil. Bila variabel yang dianalisis tidak saling terintegrasi, rangking matriks tidak akan berbeda dari nol, sehingga i0 i. Dalam uji Johansen, ada dua statistik uji yang digunakan untuk analisis ko-integrasi, yaitu dalam bentuk di bawah ini: trace (r) Ti) (4) (trace 0 ketika semua i 0, untuk i 1. g. ) Max (r, r1) T ln (1 r1) (5) di mana r adalah mewakili jumlah vektor pengintegrasian gabungan berdasarkan hipotesis nol dan i mewakili nilai estimasi untuk nilai eigen i dari matriks. Dalam jejak, yang merupakan uji bersama memiliki hipotesis nol dimana jumlah vektor pengantara kurang dari atau sama dengan r terhadap hipotesis alternatif bahwa ada lebih dari r. Dalam tes maks tes terpisah dilakukan pada setiap nilai eigen dengan hipotesis nol yaitu jumlah vektor pengintegrasian adalah r dan hipotesis alternatif r 1. Uji jejak dimulai dengan nilai eigen p, dan kemudian berturut-turut yang terbesar adalah Dihapus Setiap nilai eigen memiliki vektor ko-integrasi yang berbeda, yang dikenal sebagai vektor eigen. Nilai eigen yang tidak nol secara signifikan menunjukkan vektor ko-integrasi yang signifikan. Nilai kritis yang digunakan untuk dua statistik uji bergantung pada nilai g-r, jumlah elemen non-stasioner dan bagaimana konstanta disertakan dalam masing-masing persamaan. Bila nilai kritisnya kurang dari statistik uji, tolak hipotesis nol bahwa ada r co-integration vector untuk mendukung hipotesis alternatif (r 1 untuk uji jejak atau lebih dari r untuk uji maks). Pengujian dilakukan secara berurutan dan di bawah null, r 0, 1. g - 1 sehingga hipotesis untuk max dapat direpresentasikan sebagai berikut: H0. R 0 versus H1. 0 lt r g H0. R1 versus H1. 1 lt r g H0. R 2 versus H1 2 lt r g H0. R g 1 versus H1. R g Dari contoh di atas, uji pertama berarti hipotesis nol tidak adanya vektor ko-integrasi, oleh karena itu matriks yang sesuai memiliki pangkat 0. Dalam kasus dimana hipotesis nol (H0: r 0) ditolak, maka null bahwa ada satu vektor pengintegrasian (H0: r 1) yang diuji dan proses berlanjut, dan dengan demikian nilai r terus meningkat. Sampai hipotesis nol tidak ditolak. Matriks tidak akan pernah berada pada peringkat penuh (g) karena ini berarti bahwa yt tidak bergerak. Dalam kasus di mana matriks memiliki 0 peringkat, maka dengan korespondensi dengan kasus univariat, yt hanya bergantung pada yt j dan bukan pada yt - 1, yang akan menghasilkan tidak ada hubungan jangka panjang antara unsur yt - 1, yang mana Giliran berarti tidak ada co-integration. Misalnya, dalam peringkat 1 lt () lt g, ada r co-integration vector. Matriks ini kemudian dicirikan sebagai produk dari dua matriks, dan, dari dimensi (g - r) dan (r - g), masing - masing, dimana matriks menunjukkan vektor ko - integrasi, sementara. Yang dikenal sebagai parameter penyesuaian, memberikan jumlah masing-masing vektor koordinat yang terkait dengan setiap persamaan model koreksi kesalahan vektor. Pada bagian berikut, pendekatan VECM menggunakan teknik Johansen seperti yang dijelaskan, akan dilakukan pada tiga pasar saham Eropa terpilih Inggris, Prancis dan Jerman untuk menyelidiki kemungkinan integrasi pasar yang meningkat, dengan menggunakan pendekatan rekursif yang dilakukan. Oleh Pascual (2003) yang serupa dengan yang dilakukan oleh Rangvid (2001). Pendekatan Johansen kemudian diterapkan pada model koreksi kesalahan vektor xt A 0xt1 i xt1 ut (7) di sini x mewakili vektor yang berisi nilai logaritma dari indeks pasar saham untuk negara-negara Eropa yang dipilih. Sejumlah besar vektor pengintegrasian yang signifikan akan diamati seiring berjalannya waktu jika pasar konvergen. Data yang digunakan digunakan untuk menyelidiki ko-integrasi adalah data kuartalan indeks pasar saham Eropa (Inggris, Jerman dan Prancis) dari tahun 1963 sampai 2010 yang menghasilkan total ukuran sampel dari 192 pengamatan yang diperoleh dari DATASTREAM. Alasan untuk memulai analisis ini dari tahun 1963, bukan 1960 yang dilakukan oleh Pascual (2003) adalah karena masalah ketersediaan data. Dimulai dengan sampel 20 perempat dari tahun 1960: Q1 sampai 1964: Q4 untuk tiga indeks saham Eropa diperkirakan secara rekursif dengan menambahkan satu pengamatan ekstra pada satu waktu sampai dengan tahun 2010: Q4. Pada Lampiran 1, dapat diamati dengan data bola mata, bahwa karena lebih banyak pengamatan ditambahkan, garis yang mewakili setiap variabel tampaknya saling mendekat satu sama lain dan memiliki kecenderungan naik. Menurut Pascual (2003), tren kenaikan dapat dikaitkan dengan dua alasan. Pertama, adalah jumlah tren stokastik yang ada yang melakukan sistem tiga dimensi menurun seiring waktu karena pasar menjadi semakin terintegrasi. Kedua, seiring pengamatan meningkat dari 20 menjadi 156, statistik jejak bergabung ke nilai-nilai jangka panjang. Hal ini dapat ditafsirkan sebagai adanya kointegrasi antar variabel, walaupun analisis yang diperlukan harus dilakukan untuk membenarkan asumsi ini. Di bagian representasi hasil, empat jendela lag yang berbeda, sesuai dengan 20, 60, 100, 140 dan 192 pengamatan, dianalisis. Hasil Presentasi Langkah pertama dalam analisis VECM adalah memeriksa stasioneritas pada variabel. Uji Unit Root dilakukan pada log variabel menggunakan uji Augmented Dickey-Fuller (ADF), Philips-Perron (PP) dan Kwiatkowski-Philips-Schmidt-Shin (KPSS). Hasilnya disajikan di bawah ini: Unit Uji AkarStasial Tabel 1: Hasil akar unit Dari tabel di atas, Inggris, G dan F masing-masing mewakili Inggris, Jerman dan Prancis, mereka menunjukkan log pasar saham Eropa. Dari hasil di atas dapat disimpulkan bahwa variabel adalah I (1), artinya terdapat akar unit dan oleh karena itu variabel bersifat non-stasioner. Hasil ini dapat diilustrasikan dalam grafik akar unit seperti di bawah ini: Gambar 1: Grafik Unit Root Karena, salah satu titik biru menyentuh lingkaran, kita dapat menyimpulkan bahwa variabel tidak bergerak. Langkah selanjutnya adalah menentukan lag optimal. Tabel di bawah ini berisi struktur lag 20, 60, 100 dan 140 pengamatan. Kelemahan optimal diperoleh bila kriteria Akaike memiliki nilai minimum. Kriteria Informasi Akaike sesuai untuk analisis ini karena ukuran yang cukup kecil. Kriteria Informasi Akaike untuk VECM dengan lag 2 sampai lag 10 Jumlah Observasi Tabel 2: Kriteria Informasi Akaike Dari tabel di atas, membandingkan kriteria informasi menunjukkan bahwa VAR (1, 2) memberikan kriteria informasi terkecil untuk semua kategori observasi dan Jadi ini adalah estimasi bias bias terbaik. Untuk 20 pengamatan hanya VAR (1, 2) yang didapat karena ukuran sampelnya sangat kecil. Berikut ini adalah analisis kointegrasi dari variabel. Dengan menggunakan pendekatan Johansen FIML untuk menguji kointegrasi, ada dua hasil tes dasar. Nilai max-eigen dan trace test seperti yang dijelaskan sebelumnya dalam makalah ini. Hasil uji ini disajikan di bawah ini dengan menggunakan aturan keputusan hipotesis yang diberikan: H0: R0 H1: Rgt0Rgt0 H0: 0R1 H1: Rgt1 H0: 0R2 H1: Rgt2Rgt2. Dimana R mewakili pangkat dan kurang dari 3. Uji Co-integrasi - Johansen FIML untuk 20 pengamatan Tabel 3: Uji Rank Koordinasi Tidak Terikat (Trace) Hipotesis Jumlah CE Hasil uji jejak menunjukkan bahwa ada 3 persamaan pengintegrasian Pada tingkat 5 Tabel 4: Uji Peringkat Kointegrasi yang Tidak Terikat (Nilai Eigen Maksimum) Hasil Uji Maximum eigenvalue yang Hipotesa menunjukkan bahwa ada 1 persamaan pengintegrasian di tingkat 5. Uji Co-integrasi - Johansen FIML untuk 60 pengamatan Tabel 5: Uji Rank Koordinasi Tidak Terikat (Jejak) Hipotesis Jumlah CE Hasil uji jejak menunjukkan bahwa tidak ada persamaan pengintegrasian gabungan pada tingkat 5 Tabel 6: Peringkat Koordinasi Tidak Terikat Test (Maximum Eigenvalue) Hypothesized No. of CE(s) Max-eigenvalue test results shows that there exist no co-integrating equation at the 5 level. Co-integration test - Johansen FIML for 100 observations Table 7: Unrestricted Cointegration Rank Test (Trace) Hypothesized No. of CE(s) Trace test results shows that there exist no co-integrating equations at the 5 level Table 8: Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized No. of CE(s) Max-eigenvalue test results shows that there exist no co-integrating equation at the 5 level. Co-integration test - Johansen FIML for 192 observations Table 9: Unrestricted Cointegration Rank Test (Trace) Hypothesized No. of CE(s) Trace test results shows that there exist 1 co-integrating equations at the 5 level Table 10: Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized No. of CE(s) Max-eigenvalue test results shows that there exist 1 co-integrating equation at the 5 level. The above tables 3-10 shows the co-integration results of the recursive test. The trace and max-eigenvalue test for 20 observations shows conflicting results, this may be due the small sample size or unidentified structural breaks in the co-integration system. We rely on the result of the max-eigenvalue test, because the trace test may be assumed to be weaker as it is prone to false rejection due to data issues. Thus we adopt the result of the max-eigenvalue test, which indicates that there exists one co-integration relationship in the vector variables. In the case of 60, 100 and 140 observations, the co-integration test results both for the trace and max-eigenvalue test indicates that they exist no co-integration relationship among the vector variables. Rangvid (2001) in his similar analysis recognized this when he stated that quot. until approximately 1982, the indications of increased convergence between the major European stock markets are not clear cutquot. As the observation is increased to 192, the co-integration results shows that there exist one co-integration for both the trace and max-eigenvalue test, this indication is confirmed by Rangvid (2001), he noted that it was after 1982 that there seem to be signs of an increasing convergence between the markets, in his analysis the max-eigenvalue became significantly large and exceeded the critical value. He also noted that this was the period when capital restrictions were lifted all over the European area. According to Pascual (2003) the co-integration test shows no significant evidence of variation in the integration of the analyzed European markets. However, due to the increasing speed of adjustment coefficient between 1965-1986 it is suggested that it indicates an evidence of increasing integration for the French market. The cointegration graphs are presented below: Conclusions From the above analysis the results from the paper by Pascual (2003) were compared following the Johansen co-integration test and it was observed that before approximately 1982 there exists weak signs of integration between the selected European stock markets, but after 1982 the tendency for the market to be driven by the same common stochastic trend is observed. Therefore in 2010, the co-integration result of the trace and max-eigenvalue test confirmed the previous observation as they both indicated that there exists 1 co-integration relationship in the variables. However, Pascual (2003) suggested an alternative to measure convergence due to the fact that using the Johansen test with a recursive approach may provide misleading results, as the increasing value of the trace statistics may be interpreted as an increase of co-integration, which in fact may be the due to the corresponding power of the Johansen test as the observations increases from 20 to 192. He suggests that a more intuitive measure of integration between the stock market could be done by estimating the time-path followed by the coefficients of the error correction term (ECT), since the coefficient of the ECT reflects the speed of adjustment to fluctuations from the long run equilibrium, it can be assumed that the higher the values of the coefficient, the higher the degree of stock market co-integration. References Brooks, C. (2008). Introductory Econometrics for Finance. 2nd Ed. Cambridge University Press, pp. 292-326. Corhay, A. A. Rad, T. Urbain, J. 1993. Common stochastic trends in European stock markets. Economics Letters 42,385-390 Engle, R. F. and Granger, C. W. J. (1987). Co-Integration and Error Correction: Representation, Estimation, and Testing. Econometrica, Vol. 55, No. 2 (Mar. 1987), pp. 251-276 Fraser, P. and Oyefeso, O. (2005). US, UK and European Stock Market Integration. Journal of Business and Accounting. Volume 32, Issue 1-2, pp. 161-181. Granger, C. W.J (1981). Some Properties of Time Series Data and their use in Econometric Model Specification. University of California at San Diego, La Jolla, CA 92093, USA Ioannidis C. Peel, D. A. Matthews, K. P.G. (2006). Expected stock returns, aggregate consumption and wealth: Some further empirical evidence. Journal of Macroeconomics. Volume 28, Issue 2, Pages 439-445 Johansen, S. (1988). Statistical analysis of cointegration vectors. Journal of Economic Dynamics and Control, 12, 231-254. Johansen, S. and Juselius, K. (1990). Maximum likelihood estimation and inference on cointegration-With application to the demand for money. Oxford Bulletin of Economics and Statistics, 52, 169-210. Karolyi G. A. and Stulz, R. M. (1996). Why Do Markets Move Together An Investigation of U. S.-Japan Stock Return Comovements. The Journal of Finance, Vol. 51, No. 3, pp. 951-986 Kasa, K. 1992. Common stochastic trends in international stock markets. Journal of Monetary Economics 29, 95-124. Lettau, M. and Ludvigson, S. (2001). Consumption, Aggregate Wealth, and Expected Stock Returns. The Journal of Finance, Vol. LVI, No. 3 Pascual, A. G. (2003). Assessing European stock markets (co)integration. Economics Letters 78, 197-203. Pukthuanthong, K. And Roll, R. (2009). Global market integration: An alternative measure and its application. Journal of Financial Economics. Volume 94, Issue 2, November 2009, Pages 214-232 Rangvid, J. 2001. Increasing convergence among European stock markets A recursive common stochastic trends analysis. Economics Letters 71, 383-389. Sims, C. A. (1980). Macroeconomics and Reality. Econometrica, Vol. 48, No. 1, pp. 1-48. Syriopoulos, T. 2004. International Portfolio Diversification to Central European Stock Markets. Applied Financial Economics. Vol. 14. Pp 1253-1268. Taylor, M. P. and I. Tonks (1989). The Internationalization of Stock Markets and the Abolition of U. K Exchange Control. Review of Economics and Statistics, Vol. 71, pp. 332-36. Williams, J. (2011). Empirical Methods in Finance-Lecture Notes, University of Aberdeen. Xu, F. (2005). Does ConsumptionWealth Ratio Signal Stock Returns VECM Results for Germany. Economics Bulletin, Vol. 3, No. 30 pp. 113 Yang, J. Min, I. and Li, Q. (2003). European Stock Market Integration: Does EMU Matter Journal of Business Finance amp Accounting, 30(9) amp (10). References and further reading may be available for this article. To view references and further reading you must purchase this article. Essay Writing Service Fully referenced, delivered on time, Essay Writing Service. Assignment Writing Service Everything we do is focussed on writing the best possible assignment for your exact requirements Marking Service Our Marking Service will help you pick out the areas of your work that need improvement. FREE APA Referencing Tool Create your 6th Edition APA references quickly, easily and for free FREE Harvard Referencing Tool Our free online Harvard Referencing Tool makes referencing easy. FREE Vancouver Referencing Tool Get help with your Vancouver referencing with our free online tool. FREE Study Guides Everything you need to know during your studies Place an order now Our experts are waiting to help you with your essay Our experts can help you with your essay question Request Removal If you are the original writer of this essay and no longer wish to have the essay published on the UK Essays website then please click on the link below to request removal: More from UK Essays Invest in your future today Copyright copy 2003 - 2017 - UK Essays is a trading name of All Answers Ltd, a company registered in England and Wales. Company Registration No: 4964706. VAT Registration No: 842417633. Registered Data Controller No: Z1821391. Registered office: Venture House, Cross Street, Arnold, Nottingham, Nottinghamshire, NG5 7PJ.
No comments:
Post a Comment