STATISTIK-FORUM.de

[Mr.Frog]

Hallo zusammen
ich schreibe momentan meine Seminararbeit und will dabei den Einfluss von der Ausgabe von US Staatsanleihen auf den Spread Reposatz- OISSatz untersuchen. Ich habe tägliche Daten über den Zeitraum von 2007 bis 2011, es handelt sich also um einen Time Series Datensatz. Ich habe gelesen dass dabei häufig die erste Differenz gebildet wird. Das heisst das Modell sieht dann etwa wie folgt aus: ΔOIS-GC repo rate spreadt=α+β*ΔTreasury Collateralt+γ*ΔXt+εt. wobei Treasury Collateral die Ausgabe von US Staatsanleihe ist und die X für eine Kontrollvariable steht. Nun weiss ich aber nicht genau mit welcher Methode das Modell geschätzt werden soll. Ich habe mich über Time Series informiert bin auf diesem Gebiet jedoch noch ziemlich unerfahren. Ein Autoregressives Modell (AR), denke ich kommt sicherlich nicht in Frage.
Bin um jeden (Literatur)Tipp dankbar

Mit freundlichen Grüssen

[DHA3000]

Bei Zeitreihen ist es bei dieser recht einfachen Analyse erst einmal wichtig, dass sie sich stationär verhalten. Ansonten bekommst du Probleme mit Scheinkorrelation. Eine Möglichkeit, der Treinbereinigung ist das differenzieren, das ist korrekt. Alles andere (VARs, Kontegration und Fehlerkorrektur) würde vermutlich den Rahmen der Arbeit sprengen und ist auch nicht für jemanden zu empfehlen, der noch keine wirkliche Ahnung hat.
Dein Spread kann durchaus auch schon stationär sein, du musst also adequat darauf testen -> Augmented Dickey Fuller Test bietet sich an.

Die Gleichung kann ganz normal mit OLS geschätzt werden. Autokorrelation und Heteroskedastizität müssen jedoch berücksichtigt werden.

[Mr.Frog]

Erstmals vielen Dank für deine rasche Antwort!
Das heisst ich würde für meine Analyse in etwa so vorgehen?
1. Für alle abhängigen so wie unabhängigen Variablen den Augmented Dickey Fuller test durchführen. Wird H0 nicht verworfen bedeutet dies, dass die Variable nicht stationär ist. Ist dies der Fall bilde ich für alle Variablen einzeln die erste Differenz.
2. Mit dem Bayes information criterion (BIC) die optimale Laglänge bestimmen. (Habe ich das richtig verstanden, dass mit Lags der Autokorrelation entgegen gewirkt werden kann?)
3. Regression mit OLS durchführen.

Diese Gleichung: ΔFF target-GC repo rate spreadt=α+β*ΔTreasury Collateralt+γ*ΔXt+εt
habe ich aus folgendem Paper: http://www.newyorkfed.org/research/staf ... /sr481.pdf
Es ist für mich der einzige Anthaltspunkt (Seite 15)(im Paper wird die Methode leider nicht beschrieben. Einzig aus dem Regressions- Output konnte ich ablesen, dass Lags für die abhängige Variable verwendet wurden.), wie die Autoren ihre Zeitreihen getestet habe. Ich denke, hätten sie ein VAR oder VECM Modell verwendet, hätten sie für jede Variable einzeln (abhängig sowie unabhängig) eine Gleichung aufschreiben müssen, oder irre ich mich da?
Ich werde das Modell mit heteroskedastisch robusten Standardfehlern berechnen.
Besten Dank

[DHA3000]

1. Nja, fast. Der ADF ist ein Unit Root Test, das heißt die Nullhypothese testet auf die Präsenz Einheitswurzel, nicht Stationarität direkt. Aber es kommt das gleiche heraus.
2. Jein. Der DF-Test, testet auf einen AR(1)-Prozess, der ADF auf einen AR(p). Letzterer ist also generalistischer. Für die meisten Makrovariablen, sollte aber der normale DF ausreichend sein.

Der Paper ist ein Lehrstück, wie man es nicht machen sollte. Keine Formeln, die das Modell erklären, keine genaueren Erklärungen in der Tabelle. Ein R² wird erst garnicht gezeigt.

Du kannst die Rsultate mit/ohne lag präsentieren. Bei letzterem dann aber nicht nur die Het.-robusten Standardfehler verwenden, sondern auch Het./Autokorrelation. Also einen der HACs von NW.

[Mr.Frog]

Vielen Dank.
ich habe mich die letzten Tage nochmals intensiver damit beschäftigt, habe aber trotzdem noch Fragen.
Da ich ja für alle Variablen Veränderungen von t-1 zu t anschaue (erste Differenz) sollten alle meine Variablen stationär sein, was mir auch vom ADF Test bestätigt wird. Mein Problem momentan betrifft die Lags. Müssen sowohl für die abhängigen als auch für die unabhängigen Variablen Lags verwendet werden? Wie teste ich darauf?

Und du hast vorhin geschrieben: "Du kannst die Rsultate mit/ohne lag präsentieren. Bei letzterem dann aber nicht nur die Het.-robusten Standardfehler verwenden, sondern auch Het./Autokorrelation. Also einen der HACs von NW."
Heisst das, wenn ich Lags verwende brauche ich den HAC von NW nicht und kann die normalen Standardfehler präsentieren. Oder soll NW auch dann angewendet werden, wenn Lags verwendet wurden?

Besten Dank

[DHA3000]

Ich würde keine Lags verwenden und den HAC nehmen, ja. Aber du kannst auch einmal schauen, was mit deinen Residuen passiert, wenn du ein Lag mit aufnimmst. Evtl. hast du dann aber das oben beschriebene Kausalitätsproblem, dass das Lag sämtlichen Erklörungsgehalt aufnimmt.

Vielen Dank.
ich habe mich die letzten Tage nochmals intensiver damit beschäftigt, habe aber trotzdem noch Fragen.
Da ich ja für alle Variablen Veränderungen von t-1 zu t anschaue (erste Differenz) sollten alle meine Variablen stationär sein, was mir auch vom ADF Test bestätigt wird. Mein Problem momentan betrifft die Lags. Müssen sowohl für die abhängigen als auch für die unabhängigen Variablen Lags verwendet werden? Wie teste ich darauf?
Besten Dank

Stationarität wird immer mit nur mit der interessierenden Zeitreihe getestet (Panels lassen wir einmal außen vor).