國際金融學習記事10592001 莉絜

105/01/02(一)
元旦連假停課一次
國際金融期末報告影片網址：https://youtu.be/IwOCOV3Vm9w

105/12/26(一)
．國際金融期末考試+上機考

國際金融新聞：
新台幣封關 收32.279 2016年 全年升值逾2%
紐約匯市 - 美元指數二連跌收102.29點 分析師：後市看川普跟中國經濟

105/12/19(一)
．對資料的單位及數據的定義要清楚
．避免模糊的解釋及說法(要補充正向影響或負向影響)
．趨勢所指的是「大趨勢」

國際金融新聞：
英國脫歐後 為何英鎊將再度受創
3天暴漲14%！比特幣再刷新逾3年來新高

105/12/12(一)
．課堂Gretl實作
．Lag期的最大選擇要看資料的倍數，ADF的落後期至少要選樣本的1/3
．做共整合才要用VAR

國際金融新聞：
通匯國際：加息終於落定 美指漲勢兇猛
日圓持續走貶創新低哈日族換錢、旅遊現省5千元

105/12/05(一)
．停課一次，老師出席科技部會議。

國際金融新聞：
TFX拓瑞金融：歐央行打太極 歐元重回解放前
央行維穩人民幣力度逐漸加大

105/11/28(一)
．誤差修正模型(VECM)－得到的係數效率較好且具有意義。
．Johansen共整合－檢查rank看有無共整合
    1.首先以VAR確定變數落後期，並且要選擇較適合的AIC,BIC,HQC(經驗法則判斷)
    2.做Johansen共整合檢定
    3.VECM(有幾個內生變數就有幾個調整向量)
．對角元素和檢定及最大特性根檢定
．個別檢定可能會過度拒絕正確的H0(型1誤差)，因此聯合檢定可能會比較正確。

國際金融新聞：
經濟學人：美元的暴漲 全球的大災難
紐約匯市─就業報告公布後 美元兌歐元回檔 兌日元走高

105/11/21(一)
．迴歸X影響Y/共整合X及Y相互影響(同時，非導致)
．有共整合要注意VECM，所以要檢定個別係數的顯著性。
．Engle-Granger→用迴歸的方式跑(OLS)
    1.先確定整合階次是否相同
    2.再用ADF檢定殘差，證明殘差為I(0)
．科學的精神：可以重複驗證、經得起考驗
．故事：可以推論的(自己的推測)

國際金融新聞：
Fed升息幾成定局 美元兌日元勢創1995年以來的最大三周漲幅
英國脫歐影響消逝 英鎊將在暴風雨後復歸平靜

105/11/14(一)
．單根檢定-ADF檢定式→殘差白噪音化、檢定力太低。/KPSS、ADF-GLS
．有單根不等於非定態，單根只是非定態的一種。
．結構轉變有可能是部分非定態，部分定態。
．OLS及共整合的比較
．共整合與誤差修正同時存在
．共整合檢定－有無共整合、向量有幾組(變數兩個以上)(兩組以上的共整合)

國際金融新聞：
美元指數突破關鍵點位 人民幣中間價連續下調
王洪章：APEC應充分發揮金融在區域經濟合作中的引領作用

105/10/31(一)
．國際金融paper期中報告
．報告須注意及改進重點：
　1.簡報部分：字別太多、版面不要有太多空白、每一頁都要加標題且內文字形不要大過標題
　2.paper部分：中國與台灣匯率制度不同，故無法代入台灣的資料、須找台灣數據去跑gretl。
　3.報告部分：報告不需要太快60-80字/分、除非要補充細節否則不需重複講DATA、錄影要
　　　　　　　用腳架，畫面才不會晃動。
　4.其        他：樣本選擇的時間拉長，中間結構的不可預測性會增加，所以樣本並不是越多越
　　　　　　　好、大部分的總體經濟和財務資料都是不穩定的
    5.國際金融期中報告影片：https://www.youtube.com/watch?v=hlB-itJDEhs

國際金融新聞：
三星集團傳涉「閨蜜門」！韓元大貶近4個月來新低
美元即將下跌修正？利差、購買力平價亮警訊！

105/10/24(一)
．單根的應用－弱勢定態、強勢定態，如何判斷單根
．如何做ADF檢定－Gretl手動跑、lag的解釋及選定
．AIC、SBC、HQC的差別
．paper的選定及模仿

國際金融新聞：
離岸人民幣貶破6.78逼近空前新低！中國資金外流創新高
加元兌美元跌至7個月低點！加國行長：不排除採取非常規措施


105/10/17(一)
．矩陣-方陣、單位矩陣、零矩陣、反矩陣(非所有矩陣都有反矩陣)
．時間序列中會用到rank時，是在Johensen的共整合檢定上。
．介紹非定態時間序列模型、時間趨勢、Random Walk模型、單根
．Gretl的操作

國際金融新聞：
中國外管局:美元強導致全球貨幣普遍疲軟 人民幣跌幅不算大
瑞銀在本月英鎊閃崩時的外匯交易量創出紀錄新高


105/10/10(一)

國慶放假

國際金融新聞：

遭遇無法承受的痛 英國或許會推翻脫歐決定
經濟學家預期下屆美國總統將在任內遭遇經濟衰退

105/10/03(一)

物流、金流、資訊流（Big data）的影響
國際金融的理論－LOP、PPP、IRP
理性預期及K層次思考

國際金融新聞:
美、德政經因素不確定性 星展：外匯焦點轉往新興市場

英鎊「閃崩」6%！摜破1.2美元 疑停損爆出

105/09/26(一)

老師講解課程及報告注意事項
本學期使用Gretl軟體
尋找期末專題的paper
多閱讀英文及國際新聞

國際金融新聞:

如果川普贏得美國大選...瑞銀指出：將不利亞洲貨幣

加入SDR只是萬里長征從頭越 人民幣挑戰美元尚有雄關漫道真如鐵

國際金融學習記事

12/19(一)
yt=a+yt-1
yt=a+(a+y+2)
   =2a+yt-2
   =2a+a+yt-3
   =3a+yt-3
   =4a.....
   =5a....

yt=a+yt-1
yt-1=a+yt-2
yt-2=a+yt-3 

國際金融新聞
https://tw.news.yahoo.com/2017%E6%8A%95%E8%B3%87%E8%A6%81%E8%BD%89%E5%BF%B5%E6%8A%95%E8%B3%87%E6%A8%99%E7%9A%84%E8%A6%81%E8%BD%89%E6%8F%9B%E7%BE%8E%E8%82%A1%E6%87%89%E6%98%AF%E9%A0%98%E9%A0%AD%E7%BE%8A-064035143.html

https://tw.news.yahoo.com/%E9%81%93%E7%93%8A20000%E9%BB%9E%E5%A4%A7%E9%97%9C%E8%8B%A5%E7%AA%81%E7%A0%B4-%E5%88%A5%E4%BB%A5%E7%82%BA%E6%9C%83%E6%B5%B7%E9%97%8A%E5%A4%A9%E7%A9%BA-143546493.html

12/12 (一)
1. 數劇EXCEL要排好
2. 落後階次要輸入最大(自己找)
3. Pvalue 在原階，含常數項是穩態 < 0.05 (定態)

4. 一階差分後 穩態 → 共整合

5. 按照自己資料做調整
6. 可以換年份做
7. 兩個不一致→ 看anders 383 選一個

8. 用VAR找落後期



國際金融新聞
https://tw.news.yahoo.com/%E5%B7%9D%E6%99%AE%E5%9C%98%E9%9A%8A%E8%8F%AF%E7%88%BE%E8%A1%97%E7%86%9F%E9%9D%A2%E5%AD%94%E5%A4%9A-%E5%B0%87%E5%BB%B6%E6%94%AC%E9%AB%98%E7%9B%9B%E7%B8%BD%E8%A3%81%E6%8B%BC%E7%B6%93%E6%BF%9F-093100573.html

https://tw.news.yahoo.com/%E5%B7%9D%E6%99%AE%E5%A4%A7%E7%BE%8E%E5%9C%8B%E5%A4%A2-%E7%BE%8E%E8%82%A1%E5%BC%B7%E8%80%85%E7%BA%8C%E5%BC%B7-215004672--finance.html



11/28 (一)

9.5 Johansen 共整合檢定與估計 …Engle-Granger 兩步驟共整合檢定上的操作問題 
● 哪一個變數應該當做因變數放在迴歸式的左邊？ 
● 將所有的變數都當成因變數來估計(例如 Kim, 1990)。 
● 變數多，則估計和檢定的式子會倍數增加。 
● 無從判斷某一個變數是否應該包含在共整合的關係式中。 
● 無統計量判斷有幾組共整合向量。 …
● Johansen 共整合 Johansen 共整合檢定可以視為同時處理 n 個變數的一般化單根檢定。

●落遲項為 P 期的 Johansen 共整合檢定 
●落遲項＝p，以矩陣的方式來表示 Xt = A1 Xt-1 + A2 Xt-2 + A3 Xt-3 +…+ Ap Xt-p + et 
●等式左右邊所有變數各加減 ApXt-p+1一階落遲項
●即成 Xt = A1Xt-1 + A2 Xt-2 +…+ ApXt-p+1 − ApXt-p+1 + Ap Xt-p + et 
●將整理後可得 Xt = A1Xt-1 + A2 Xt-2 +…+ Ap-1Xt-p+1 + ApXt-p+1 − Ap(Xt-p+1 −Xt-p) + et = ●A1Xt-1 + A2 Xt-2 +…+ (Ap-1+Ap)Xt-p+1 − Ap∆Xt-p+1 + et

誤差修正模型
DF  =  deltaYt = ryt-1+ut

ADF  =  deltaYt = ryt-1+bi delta yt-i +ut

→聯合特性根是否為零
→邊際特性根是否為零

向量自我回歸

… Johansen 共整合檢定步驟 

第一步驟：
●首先以 VAR 的方式確定變數的落後期。 
●確認未差分變數其落後期數。 
●例如：n 個變數下，檢定落後 2 期是否比落後 1 期適當
●VAR(1)：Xt = A0 + A1 Xt-1 + ut和 
●VAR(2)：Xt = A0 +A1 Xt-1 + A2 Xt-2 + vt 
●LR 檢定 (T−c)( ln|Σ1| − ln|Σ2|) ~ χ2(1×n) Σi：
●VAR(i) 所估計之共變數矩陣；
●T：樣本總數； 
●c：未受限 VAR 方程式待估參數之數目。

…第二步驟：
●依 Johansen 的方法，估計「向量共整合」模型。 
●以下列的模型來估計 (落後期 = p) ∆Xt =Π0 + Π Xt-1 + Π1 ∆Xt-1 + Π2 ∆Xt-2 + ... + et 

第三步驟：
●確定 rank(Π)。即根據估計出來的特性根，依大小排序，
●計算 λtrace 或 λmax檢定，來決定確定 rank(Π)。

第四步驟：
● 找出共整合向量，必要時將之標準化處理，以分析其特性。

AIC BIC HQC 越小越好
有軟體稱做HBC









國際金融新聞

https://tw.news.yahoo.com/%E5%B0%B1%E7%9C%8B%E4%BB%96%E4%BA%86-%E5%88%86%E6%9E%90%E5%B8%AB-%E7%BE%8E%E8%82%A1%E5%85%89%E6%98%8E%E6%88%96%E9%BB%91%E6%9A%97-%E5%B0%B1%E7%9C%8B%E5%B7%9D%E6%99%AE%E8%B5%B0%E5%93%AA%E6%A2%9D%E8%B7%AF-051951103.html

https://tw.news.yahoo.com/%E8%B3%87%E9%87%91%E8%93%84%E5%8B%A2%E5%BE%85%E7%99%BC-%E9%99%B8%E8%82%A1%E9%8C%A2%E6%99%AF%E4%BF%8F-215005757--finance.html



11/21 (一)

共整合 VECM
如果有兩個變數共整合，不知道哪個影響哪個，用哪一條都不能說服所有人，比較接近聯合
檢定的概念。個別T檢定判斷→TYPE1 ERROR會太大

ENGLE GRANGER共整合檢定與估計 → 要先有檢定才有估計，檢定就是偵測。
可以用OLS跑，但需要特殊的表。

1. 首先應該先確定的就是這兩個變數的整合階次是否相同。
    ● 用 ADF 檢定來測定 xt和 yt兩變數的階次。 (確定整合階次是否一樣)
    ●整合階次相同，則繼續進行下一步驟。
    ●整合階次不同，判定此二變數不具共整合性質。

2. 以 OLS 估計 xt和 yt兩變數的長期關係，並保留其殘差，令其為 et 變數。
    ●估計式： yt = a0 + a1 xt + et

3. 以 ADF 檢定來檢定 et 是否已經降階為定態變數
(現在用自動選擇取代，但不能保證你的殘差一定是白噪音)
    ●若可拒絕 ADF 檢定之虛無假設，則表示無法拒絕 xt和 yt兩變數具有共整合現象。
    ●DF 檢定 ∆ et = b1 et + vt vt ：隨機殘差。
    ●等式右邊加入∆ et-1，∆ et-2，...，使 vt 變成白噪音。
    ●二變數有共整合現象，則殘差 et是定態變數。
    ●故 E(et) = yt − a0 − a1 xt = 0 共整合向量： (1, −a0, −a1)。

嘎馬介於0~(-2)才有可能是定態

購買力評價一般式
pt=st pt*

EX：Kim (1990) 使用 1901 年至 1987 年，加、法、義、日、英、美等六 國的匯率
        (用 st表示，分子以美元為單位) 和 CPI (以 ct表示)、WPI (以 wt表示) 等變數
        探討購買力平價 (purchasing power parity) 是否成 立。
    ●購買力平價的一般式： pt = st pt* 
    ●p：本國物價水準；p*：外國物價水準。
    ●取對數再移項 log(st) = log(pt /pt*) 
    ●長期 PPP 理論成立下： log(st) = a0 + a1 log(pt /pt*) + ut    ●以 Engle-Granger 兩步驟法檢定殘差 ut 是否為定態。 
    ●無法拒絕單根的假設，則 PPP 不成立。 
    ●PP 檢定： t yt 1 t y = α ˆ + ε − t 0 t 1 t y = α + α* y + ε − t 0 t 1 t y ~ y = α + β(t − T/ 2) + α + ε −     ●T：樣本總數。    ●Z( αˆ t ) 是檢定 H0 :αˆ =1 的統計量
    ●Z(tα*) 是檢定 H0 :α* =1 的統計量 
    ●Z(Φ1 ) 是檢定 H : 0 * 1 0 α0 = 且 α = 的統計量
    ●Z( αt ~ ) 是檢定 1 ~ H : 0 α = 的統計量
    ●Z(Φ3 ) 是檢定 1 ~ H : β 0 0 = 且 α = 的統計量。 
    ●Z(Φ2 ) 是檢定 1 ~ H : 0, β 0 0 α0 = = 且 α = 的統計量

共整合向量的標準化（normalization）
    ●若 x1t，x2t，兩 I(1) 變數有共整關係，則隱含

→ β1x1t+β2x2t = εt (9.4.1) εt ~ I(0)。

    ●除以常數 k 

→(β1/k)x1t+(β2/k)x2t =(1/k) εt (9.4.2)

    ●共整合向量 

→(β1/k, β2/k ) 

    ●共整合向量可寫成： 

(1/k) (β1x1t+β2x2t) = (1/k) εt 

    ●不管 k 值為何，共整合向量都是同一個。

共整合向量的「標準化」，即是將共整合向量中的其中一個當做 1。
    ●例如：(9.4.1) 式兩邊皆除以β1 x1t+(β2 /β1 )x2t =(1/β1) εt
    ●「標準化」的共整合向量 (1, β2/β1) 
    ●N 個整合變數的共整合向量「最多」為 N-1 個

整合階次不相同是否一定沒有共整合？
    ●假設有三個變數：

 xt~ I(2), yt~ I(2), zt~ I(1) →降階

    ●wt表示 xt與 yt線性組合變數：

 wt = β1xt + β1yt ~ I(1) 

    ●wt和 zt的線性組合，可能降階而形成共整合關係。

9.5 Johansen 共整合檢定與估計 …

Engle-Granger 兩步驟共整合檢定上的操作問題
    ●哪一個變數應該當做因變數放在迴歸式的左邊？
    ●將所有的變數都當成因變數來估計(例如 Kim, 1990)。 
    ●變數多，則估計和檢定的式子會倍數增加。 
    ●無從判斷某一個變數是否應該包含在共整合的關係式中。 
    ●無統計量判斷有幾組共整合向量。 …

Johansen 共整合
●Johansen 共整合檢定可以視為同時處理 n 個變數的一般化單根檢定。

油價是外生變數

國際金融新聞

https://tw.news.yahoo.com/%E9%BB%91%E5%A4%A9%E9%B5%9D%E4%BA%82%E7%AB%84-%E6%B3%95%E4%BA%BA-%E6%AD%90%E8%82%A1%E4%BB%8D%E6%9C%89%E6%92%90-215003215--finance.html

https://tw.news.yahoo.com/%E8%91%89%E5%80%AB%E6%9A%97%E7%A4%BA%E5%8D%87%E6%81%AF%E5%B0%87%E8%87%B3-%E6%BF%80%E5%8B%B5%E7%BE%8E%E8%82%A1-%E5%8C%AF%E5%B8%82%E9%96%8B%E7%B4%85%E7%9B%A4-071029740.html




11/14 (一)
1. 進口對匯率影響O
2. 匯率影響進口X
3. 無綱要字太多→0分

ADF
1. 無                                          
2. 有常數                                  
3. +趨勢                                  

(A)ADF檢定式→ADF(OLS)法→殘差白噪音化→消除自我相關
1. E(ut)=0
2. Cov(ut+uej)=0
3. Var(ue)=西格瑪t2 常數

Delta yt=.....+ryt+.....+B1 delta y t-1
其他→ADF→OLS
        →KPSS

(B)時間序列易有自我相關
1. 檢定力太低
2. ADF的需無假設是存在單根

非定態 不等於!!! 單根
非定態範圍比較大，單根只是其中一種

OLS
表示法 y=b0+b1xt
             x是原因變數(右邊)，y為結果變數(左邊)
             以上不能顛到換

詮釋法→可以說→X增加一個單位導致Y....
            →無


C-I 共整合
表示法 y=b0+b1xt → yt-b0-b1xt=ut
             yt, xt~I(1), ut~I(0) → yt, xt 互為因果
             Y和X 可能可以顛倒換 → xt=c0+c1yt

詮釋法→Johensen→看表達方法

共整合誤差修正模型
●整合變數性質
●共整合意義
●誤差修正模型與共整合檢定
●ENGLE GRANGER兩階段共整合檢定
●JOHANSEN 共整合檢定

沒有降到一不是共整合
降階不一定是定態

共整合原始定義
K階整合變數的線性組合發生降b階的現象。

共整合的經濟意義與長期均衡
均衡的意義隱含經濟變數的線性組合具有定態的性質

誤差修正模型推導
滿足誤差修正機能存在條件

誤差修正實證模型
調整參數速度
一般式→落後期

ADF，共整合，誤差修正接有落後期

國際金融新聞
https://tw.news.yahoo.com/%E5%B7%9D%E6%99%AE%E7%95%B6%E9%81%B8%E6%A8%82%E8%A7%80%E6%B0%9B%E5%9C%8D%E6%8C%81%E7%BA%8C%E7%99%BC%E9%85%B5-%E9%81%93%E7%93%8A%E7%BA%8C%E5%A4%A7%E6%BC%B2-120030948.html

https://tw.news.yahoo.com/%E9%89%85%E4%BA%A8%E7%B6%B2-%E5%A4%A7%E4%B8%AD%E8%8F%AF%E9%80%B1%E5%A0%B1-%E5%8E%9F%E7%89%A9%E6%96%99%E5%8D%87%E6%BA%AB-%E6%B7%B1%E6%B8%AF%E9%80%9A%E9%A0%90%E6%9C%9F-%E9%99%B8%E8%82%A1%E5%89%B5%E5%85%83%E6%9C%88%E4%B8%AD%E6%97%AC%E4%BB%A5%E4%BE%86%E6%96%B0%E9%AB%98-094232537.html


10/31 (一)
期中報告需要改進的地方
1. 講話不要太快，大概一分鐘60字就好
2. PPT字不要太多，多數用口頭報告就好
3. 資料不要放中英文，中文 或 英文
4. 資料不要重覆放
5. 字不要擠在一起，間距放大，可以放小圖片小圖形遮空白
6. 更多樣本，不確定性越多(時間序列)，不然時間要拉更長，信度與效度有限，除非是問卷。
7. 每一頁都要有標題
8. 字不要大過標題
9. 表格字要清楚
10. 圖表要在PPT中間
11. 字太小
12. 螢幕不要歪歪的
13. 匯率影響石油進口─非國際金融，此為能源經濟
14. 文要對題
15. PPT 可以多一點變化
16. 空白不要太多 拉大表格
17. 牛魔王大戰孫悟空
18. 可以做GDP動力
19. P<0.05才為顯著
20. 第一個字統一大寫
21. 投影片不要當講搞
22. 投影片提綱挈領
23. 匯率影響油價X
24. 油價影響匯率O

國際金融新聞
https://tw.news.yahoo.com/%E5%8D%87%E6%81%AF%E8%85%B3%E6%AD%A5%E8%BF%91%E4%BA%86-%E7%BE%8Egdp%E5%84%AA%E9%A0%90%E6%9C%9F-%E9%81%94%E6%88%90%E8%81%AF%E6%BA%96%E6%9C%83%E7%9B%AE%E6%A8%99%E6%A9%9F%E7%8E%87%E9%AB%98-020100243.html

https://tw.news.yahoo.com/%E7%84%A1%E7%95%8F%E4%BA%BA%E6%B0%91%E5%B9%A3%E8%B2%B6%E5%80%BC-%E9%99%B8%E8%82%A1-%E5%89%B510%E5%80%8B%E6%9C%88%E6%96%B0%E9%AB%98-215003146--finance.html


10/24 (一)
●Stationarity vs non-stationarity
  Strong stationary
  weakly stationary
  E(yt)= a constant, for all t
  var(yt)= sigma平方 (a constant), for all t
  Cov(yt, yt-k-j)= a constant, for all j, k, j不等於k
(只要違反上面任一，即為非定態)
 In general, any (yt)with violations of the above are non-stationary

●假性回歸 (Granger and Newbold, 1974)
  nonsense correlations between non-stationary variables

●Symptoms of spurious regression
if yt and st are both non-stationary, regress yt on xt
yt = b1 + b2x1

The result often leads to statistically significant but NONSENSE coefficient of b2. EXCEPT they are co-integrated.

●The random walk model
  ○pure random walk DGP
    有白噪音
  ○Problems of pure RW DGP
    不符合弱勢定態 (寬鬆)，一定不符合強勢定態 (嚴格)

● Dectection of Non-stationarity L D-F test
  ○RW (random walk) models

    yt=yt-1+et

    yt=a0+yt-1+et

    yt=a0+yt-1+bt+et

   where et ~ white noise

  ○Null model (example)

    yt=a1yt-1+et

   delta yt=(a1-1)yt-1+et

    let r =a1-1, null hypothesis:

    H0:a1=1, or equivalently → H0: r=0

● Regression of "first difference", Delta yt, on its lag-1, yt-1.

(1) no constant : Delta yt = ryt-1+et

  (2) with constant : Delta yt=a0+ryt-1+et

    (3) with constant and trend  : Delta yt=a0+rtyt-1+bt+et

H0 : r=0

●Step of DF test
 1. Show times-series plots
 2. Determine with/without constant(and/or) trend
 3. Do DF test on the level (focus on p-value of the test)

 4. If fail to reject H0, do DF test on the "first difference"

●ADF table for YNS

●Diagnosis of residuals of ADF test
  ○If residual ~ white noise
    two often considerations
     1. no auto correlation : Q test
     2. no ARCH effects : Q平方 test

跑這個檢定式 出來殘差必須是白噪音

●OLS 方法，殘差自動會接近0

●填不同落後期，軟體說不一樣的時候怎麼辦？
原始paper跟期末報告用資料完全不一樣怎麼辦
1. 能寫多少是多少，期數少比較好，要會詮釋
2. 老實把自己的答案寫下來，當我選4，答案只有2，所以我選2
    (用4時，自動呈現2的結果)

●Learning objectives
  ○Integrated variables
  ○Co-integration
  ○VECM
  ○Engle- Granger co-integration test
  ○Johansen co-integration test

●國際金融新聞
http://fund.megabank.com.tw/ETFData/djhtm/ETNEWSContentMega.djhtm?TYPE=1&DATE=&PAGE=1&A=704342FD-901C-449B-AD68-FEA1E884994E

http://fund.megabank.com.tw/ETFData/djhtm/ETNEWSContentMega.djhtm?TYPE=1&DATE=&PAGE=1&A=66E6F130-D5ED-4696-9F71-A3A402FEA940


10/17 (一)
●矩陣 Matrix
列(row)
行(column)

●特殊矩陣
方陣(square matrix)
單位矩陣(idenity matrix)
零舉證(null matrix)

●反舉證(sigularity)
AA-1 = I 的矩陣
非所有矩陣為反矩陣

●矩陣的RANK

●非定態時間序列模型
y=a+bx → Delta X ↑ 1單位 → Delta Y ↑ 2單位
y, x 實際無關
但強列拒絕 H0 : b=0 (表示B不等於0)

●定性趨勢 (deterministic trend)的定義
多半指 : 時間趨勢
模型 yt = a0 + a1t

●隨機趨勢 (stochastic trend)
變數中的隨機成份對該變數具有永久性影響的現象
Mt = Mt-1+Vt
V為白噪音(時間序列內的隨機變數)(謠言期望值=0)

●變數
1.定態→弱式定義→(1)平均數 E(yt) = 常數
                                   (2)變異數 Var(yt) = 常數
                                   (3)共變數 Cov(yt, yt-k-j)= 常數
2.非定態

●Random walk模型 (RW)
時間序列的資料產生過程 (DGP) 的特例情形
模型 : Yt= Yt-1+et
(不含截距項的RW模型)

●UNIT ROOT
指的是方程式的解=1
若表示具有單根, 指的是這個變數的DGP之特性跟方程式解, 或其中一個解, 等於一
All characteristic roots lie within the unit circle (定態)
All characteristic roots lie on or outside the unit circle (非定態)

國際金融新聞
http://fund.megabank.com.tw/ETFData/djhtm/ETNEWSContentMega.djhtm?TYPE=1&DATE=&PAGE=1&A=52292CB6-B109-4408-9BAE-1D15EC2BD009

http://fund.megabank.com.tw/ETFData/djhtm/ETNEWSContentMega.djhtm?TYPE=1&DATE=&PAGE=1&A=8E1A1813-126D-4EB3-A7FA-8783155DB64B

10/3 (一)
國際金融概論

●匯率是由金流：IRP利率平價理論
                物流：買低賣高、LOP單一價格法則、PPP購買力平價理論
                資訊流：BIG DATA
                以上三種匯集而成。

●結合理論與實證
  Level-K, think up

●建構一個國際金融模型
Theory→Theorical model→Empirical Studies
(數學模型)(蒐集數據資料)(作實驗)

●有變數的
over-reacting 過度反應

國際金融新聞
https://tw.news.yahoo.com/%E7%BE%8E%E8%82%A1%E7%9B%A4%E4%B8%AD-%E5%B0%B1%E6%A5%AD%E5%A0%B1%E5%91%8A%E8%BC%83%E9%A0%90%E6%9C%9F%E7%96%B2%E5%BC%B1-%E9%81%93%E7%93%8A%E4%B8%8B%E8%B7%8C%E8%BF%91120%E9%BB%9E-164937494.html

https://tw.news.yahoo.com/%E4%B8%96%E9%8A%80%E9%A0%90%E4%BC%B0-%E5%B7%B4%E6%8B%BF%E9%A6%AC%E4%BB%8A%E5%B9%B4%E6%88%90%E9%95%B75-6-034953035.html

9/26 (一)

幾個國家有個匯率?
EX 八個國家會有C8取2個不同的匯率。

-SQL電腦查詢資料庫

-YAYA站註冊管理自己的兩個網誌

-上課用GRETL (統計軟體)

-上課用時間序列的書
(時間序列  定態/非定態  國際金融)

-上中原大學張靜瑜圖書館找期刊論文

-學習記錄新的更新到最上面

-期中口頭報告
  →任選1990後，英文期刊上已發表國際金融論文
  →需要確切的數據
  →口頭報告6分鐘 (超過扣分)
  →PAPER越短越好
  →8張PPT，不可超過10張。

-期末報告
  →完全相同的文章架構(以台灣資料為主題)，包含相同標題和個小節'模型、檢定、圖表
  →頁數多寡與評分無關
  →不可抄襲，盡量用自己的話表達
  →找paper先找先贏，不能與他人重複
  →格式依經濟論文之格式
  →A4大小，邊界上下左右各2CM
  →不含封面至少5頁，不可超過10頁
  →字型新細明體12大小

國際金融新聞
https://tw.news.yahoo.com/%E7%BE%8E%E8%82%A1%E7%9B%A4%E4%B8%AD-%E9%81%93%E7%93%8A%E7%9B%A4%E4%B8%AD%E4%B8%8B%E8%B7%8C123%E9%BB%9E-%E6%B2%B9%E5%83%B9%E5%A4%A7%E8%B6%85%E9%81%8E3-2-170040844.html

https://tw.news.yahoo.com/9%E6%9C%88%E6%B6%88%E8%B2%BB%E8%80%85%E4%BF%A1%E5%BF%83%E6%8C%87%E6%95%B8%E7%B9%BC%E7%BA%8C%E8%B7%8C-%E7%89%A9%E5%83%B9%E6%B0%B4%E6%BA%96%E4%B8%8B%E9%99%8D%E6%9C%80%E5%A4%9A-025735599.html

國際金融學習記事

期末報告影片
https://www.youtube.com/watch?v=qWrpF0aSf1g

12/19
跑數據給老師看

另外一個決戰點是OLS殘差
如果有非定態的定數在裡面 殘差變成定態 是有共整合得現象


https://tw.news.yahoo.com/%E9%99%B8%E8%82%A1%E8%BD%89%E5%BC%B1-%E5%B8%83%E5%B1%80%E5%83%B9%E5%A4%96%E8%B3%A3%E6%AC%8A%E5%A5%97%E5%88%A9-215003032--finance.html

https://tw.news.yahoo.com/%E7%BE%8E%E8%82%A1%E7%9B%A4%E5%89%8D-%E6%AD%90%E8%82%A1%E6%97%A9%E5%A0%B4%E4%B8%8A%E6%BC%B2-%E7%BE%8E%E5%9C%8B%E6%8C%87%E6%95%B8%E6%9C%9F%E8%B2%A8%E7%9B%A4%E5%89%8D%E4%BA%A6%E5%BE%AE%E5%B9%85%E8%B5%B0%E9%AB%98-130044082.html
12/12
跑數據給老師看，問問題時間

https://tw.news.yahoo.com/%E6%8C%89%E9%A0%90%E6%B8%AC%E5%8D%873%E5%9B%9E-%E8%8F%AF%E7%88%BE%E8%A1%97%E8%B3%AA%E7%96%91fed%E6%98%8E%E5%B9%B4%E5%83%85%E5%8D%87%E6%81%AF2%E6%AC%A1-051052136.html

https://tw.news.yahoo.com/%E9%99%B6%E5%86%AC-%E7%BE%8E%E5%9C%8B%E8%81%AF%E6%BA%96%E6%9C%83%E5%86%8D%E5%95%9F%E5%8D%87%E6%81%AF-%E5%85%A8%E7%90%83%E5%88%A9%E7%8E%87%E5%8F%88%E8%A6%8B%E5%8D%87%E6%B5%AA-034411353.html

12/5暫停上課一次


11/28


誤差修正實證模型一般式

ADF 和DF的差別

A-augment

加了一階落後期

Johansen 共整合檢定擴展到n 個變數 (續)

(1) 對角元素和檢定 (trace test)：

按照大小來排

最大特性根 是不是跟0不一樣確定就換第二個

第一個已經異於0 再看下一個 一個一個淘汰

(2) 最大特性根檢定 (maximun eigenvalue test)

Johansen 共整合檢定步驟

1. 首先以VAR 的方式確定變數的落後期。

確認未差分變數其落後期數。

例如：n 個變數下，檢定落後2 期是否比落後1 期適當

(兩者看自己相信哪個)

P235向量自我回歸

向量誤差修正模型(vector error correction model，簡稱VECM)

*範例9.2　Johansen 共整合檢定 (續)

(1) 第1 欄是rank，即為有幾個共整合向量的虛無假設。

(2) 第2 欄是估計之 Eigenvalue 特性根值。

(3) 第3、4 欄是對角元素和檢定 (trace test) 之值和p-value。

(4) 第5、6 欄是最大特性根檢定值及p-value。

在5% level 下，不論是用對角元素和、最大特性根檢定，都拒絕

rank=0 之虛無假設; 但無法拒絕 rank<=1 之虛無假設

*Granger causality因果關係

 升息股票會下跌

升息讓資金回流

錢先進來之後再升息 資金回美國 美元上漲

升貶值跟股市有時候是正向 負項 或 無關

所以要有理論的基礎

資金影響利率

變數先後的關係 不是真正原因

a變數格蘭傑影響b(O)

a影響b(X)

國際金融

https://tw.news.yahoo.com/%E7%BE%8E%E5%8D%87%E6%81%AF%E5%9C%A8%E5%8D%B3-%E5%8F%B0%E8%82%A1%E5%B9%B4%E5%BA%95%E8%A1%8C%E6%83%85%E7%9C%8B%E5%A4%96%E8%B3%87%E8%87%89%E8%89%B2-002954514.html

https://tw.news.yahoo.com/%E5%8E%9F%E7%89%A9%E6%96%99-%E7%BE%8E%E5%85%83%E6%8C%87%E6%95%B8%E5%BC%B7%E5%8B%81-%E4%BA%9E%E6%B4%B2%E7%8F%BE%E8%B2%A8%E9%87%91%E7%9B%A4%E4%B8%AD%E7%BA%8C%E8%B7%8C0-64-%E8%B7%8C%E8%90%BD%E6%AF%8F%E7%9B%8E%E5%8F%B81180%E7%BE%8E%E5%85%83%E9%97%9C%E5%8D%A1-035851844.html

11/21
先檢定在做估計

ppt17
Engle-Granger 共整合檢定步驟
1. 首先應該先確定的就是這兩個變數的整合階次是否相同。
用ADF 檢定來測定xt 和yt 兩變數的階次。
整合階次相同，則繼續進行下一步驟。
整合階次不同，判定此二變數不具共整合性質。
2. 以OLS 估計xt 和yt 兩變數的長期關係，並保留其殘差，令其為et
變數。  估計式：yt = a0 + a1 xt + et
最簡單的 也可以用OLS跑 但是要查特別的表

*先確定整合階次是不是一樣
顯著水準的選擇會造成結果不一樣
文章顯著水準全部要一致

科學證據-任何人做出實驗會得到相同的結果
事實不等於推論
事實只有一種
推論自己判斷
fact事實要如何描述推論，就是故事但非事實，是自己的觀點
愛因斯坦相對論-空間被重力扭曲

3. 以ADF 檢定來檢定 et 是否已經降階為定態變數；若可拒絕ADF
檢定之虛無假設，則表示無法拒絕xt 和yt 兩變數具有共整合現象。
*自動選擇並不能保證你的殘差一定是白噪音
為何沒有誤差項-做殘差的adf的檢定時候 如果有et 則很接近0
對個別變數做adf檢定  用adf做殘差檢定

*Yt=BYt-1

絕對值B<1

定態 -1<B<1

-2<B-1<0

-2<r<0

 Yt-Yt-1=BYt-1=BYt-1 – Yt-1

Yt變化量=(B-1)Yt-1

B-1=r

研究實例 9.1

Kim (1990) 使用1901 年至1987 年，加、法、義、日、英、美等六

國的匯率 (用st 表示，分子以美元為單位) 和 CPI (以ct 表示)、WPI (以

wt 表示) 等變數探討購買力平價 (purchasing power parity) 是否成

立。

購買力平價的一般式：

pt = st pt*

p：本國物價水準；p*：外國物價水準。

取對數再移項

log(st) = log(pt /pt*)

長期PPP 理論成立下：

log(st) = a0 + a1 log(pt /pt*) + ut

*理論

P=SP*

=>P/S=P*

OLS

(1) P=b0+b1(sp*)

(2)H0:b1=1

    H0:b0=0

**

P=SP*

lnP=ln(SP*)

lnP=lnS+lnP*

lnS=lnP-lnP*

     =ln(P/P*)


N個整合變數所可能形成的共整合項量最多只有N-1個。
總經跟財務比較容易出現非定態

9.5 Johansen 共整合檢定與估計
􀂅Engle-Granger 兩步驟共整合檢定上的操作問題
哪一個變數應該當做應變數放在迴歸式的左邊？
將所有的變數都當成因變數來估計(例如 Kim, 1990)。
變數多，則估計和檢定的式子會倍數增加。
無從判斷某一個變數是否應該包含在共整合的關係式中。
無統計量判斷有幾組共整合向量。

􀂅􀂅 Johansen 共整合
Johansen 共整合檢定可以視為同時處理n 個變數的一般化單根檢定。

*
Y2變化量=rYt-1

PPT33
其中 Π = A−I，是 0 矩陣，Π 之rank = 0，特性根也皆為0。

*兩組共整合關係 兩個共整合向量

Johansen 共整合檢定擴展到n 個變數 (續)
若這n 個非定態變數都是獨立的變數，則
rank(Π) = 0
λ1 = λ2 =…= λn = 0
ln(1−λi) = ln(1) = 0 for all i
而rank(Π) = 1 時
λ1 ≠ 0，λ2 = λ3 =…= λn = 0
若rank(Π) = 2 時
λ1 ≠ 0，λ2 ≠ 0

λ3 =λ4 =…= λn = 0

Johansen 共整合檢定擴展到n 個變數 (續)
兩種統計量： (T：樣本總數， i
ˆλ
：第i 個特性根的估計值，r = rank(Π) )
(1) 對角元素和檢定 (trace test)-像是聯合檢定
(2) 最大特性根檢定 (maximun eigenvalue test)-像是一和二比 二和三比 邊際檢定



國際金融:
https://tw.news.yahoo.com/%E5%AF%8C%E9%82%A6%E9%87%91-%E5%B7%9D%E6%99%AE%E5%B0%B1%E4%BB%BB%E5%BE%8C-%E5%8F%B0%E7%81%A3gdp%E6%9C%80%E4%BD%B3%E7%9C%8B1-8-032456840.html

https://tw.news.yahoo.com/%E7%BE%8E%E5%85%83-%E5%B0%87%E6%AF%94%E6%AD%90%E5%85%83-%E6%97%A5%E5%9C%93%E5%BC%B7%E5%8B%A2-215004213--finance.html


11/14

方同學重新報告

1.題目不對

匯率影響油價不是國際金融

油價影響匯率是國際金融

進口對匯率的影響 就是國際金融

2.ppt要提綱挈領 不是講稿

3.衣服要穿著正式服裝

從ADF開始講

1.無

2.有常數

3.+趨勢

ADF檢定式(OLS)>檢定式殘差 >殘差白噪音化

a.跟平均數有關 E(ue)=0

b.cov(ut+uej)=0  ***

c.var(ue)= _的平方常數

大部分都是解決殘差 不是白噪音

時間序列資料很容易都是自我相關

ADF檢定力太低

檢定力 虛無假設是錯的 但是無法拒絕

ADF的虛無假設 就是有存在單根

ADF 報告 程式

非定態範圍比較大 不等於單根，單根只是其中一種

局部定態

OLS

1.表示法y=b0+b1Xt

(x是原因變數 y...結果....

-不能亂換，意義不一樣

2.詮釋X

C-I

1.表示法y=b0+b1Xt

=>yt,xt~I(1),ut~I(0)

***互為因果 無法確定誰是因誰是果

Xt=C0+C1Yt

2.詮釋Johansen 有點像聯合檢定 兩個方法一起使用

個別檢定的話 可能會過度拒絕虛無假設

可能有外生性的問題 (有點難

ex台灣 所得跟貨幣 共整合 油價外生變數 毫無影響能力

外生性是可以檢定的

第二節  共整合與誤差修正模型

有共整合一定有誤差修正

共整合>檢定>估計

􀂅 整合變數的定義

非定態時間序列變數yt，經過k 次差分之後變成定態，稱之為 「k 階

整合變數」 (integrated of order k)。

􀂅以符號來表示「k 整合變數」

yt ~ I(k)

ΔKyt ~ I(0)

􀂅􀂅 共整合的定義

一組非定態時間序列變數的"線性"組合變成定態，則我們稱這些變數有

「共整合」現象。(Engle and Granger (1987))

􀂅 以購買力平價理論(purchasing power parity)為例:

實質匯率：

q t = st + pt* − pt (9.2.1)

st ：表示本國對外國之匯率取對數 (匯率單位為本國幣/外國幣)

pt*：表示外國物價指數取對數

pt　：為本國物價指數取對數

若st、 pt*、pt 都是 I(1)，實質匯率qt ~ I(0)，

購買力平價理論成立下

(s, p*, p)~CI(1,1)

共整合向量

(1, 1, -1)

CPI消費者物價指數

 理論計量  實證計量

共整合的經濟意義與長期均衡

􀂅􀂅 為什麼具有經濟意義的共整合變數,其線性組合必須為I(0)?

均衡的意義隱含經濟變數的線性組合具有定態的性質。

以供需體系的均衡來說明共整合

pt：當期供需平衡時的價格，即Qt(pt) ≡ Qs

t(pt) = Qd

t(pt))

反需求函數模型：

pt = α0 + α1 Qt + α2 It + εt (9.2.1)

t：時間；Qt：交易量；It：所得；εt：定態的隨機誤差。

反彈性定價法則

彈性小-必須買的

彈性大-不一定要買

EX美國書價

9.3 誤差修正模型

􀂅􀂅 何謂誤差修正?

一個經濟體系的動態調整機制之概念。

􀂅􀂅 以模型來說明誤差修正

供需平衡時之價格：

pt* = α0 + α1 Qt + α2 It (9.3.1)

pt

＊：長期下供需平衡時之價格

偏離值：

pt − pt* = εt (9.3.2)

􀂅􀂅 以模型來說明誤差修正 (續)

前一期的偏離值：

εt-1 = pt-1 − pt-1*

誤差修正機制下：

∂(Δpt) / ∂ (εt-1) < 0 (9.3.3)

􀂅􀂅 誤差修正理論模型 (error correction model，ECM) 的推

導

由(9.1.1)式可知：

pt = α0 + α1 Qt + α2 It + εt

左右各減去pt-1 後：

pt −pt-1 = α0 −pt-1 + α1 Qt + α2 It + εt

􀂅􀂅 誤差修正理論模型的推導 (續)

令 Δpt = pt −pt-1，上式等號右邊再加減 α1 Qt-1、α2 It-1：

Δpt = α0 −pt-1 + α1 Qt-1 + α2 It-1

+ α1 Qt − α1 Qt-1 + α2 It − α2 It-1 + εt

令ΔQt = Qt −Qt-1，ΔIt = It −It-1：

Δpt = −(pt-1 − α0 − α1 Qt-1− α2 It-1) + α1 ΔQt + α2 ΔIt + εt

已知

εt-1 = pt-1 − pt-1* = pt-1 − α0 − α1 Qt-1− α2 It-1

􀂅􀂅 誤差修正理論模型的推導 (續15 

將上式表示為:

Δpt = −(εt-1) + α1 ΔQt + α2 ΔIt + εt (9.3.4)

∂(Δpt) / ∂ (εt-1) = −1 < 0，滿足誤差修正機能存在的條件。

􀂅􀂅 誤差修正實證模型

誤差修正實證模型:

Δpt = β0 + βε(εt-1) + β1 ΔQt + β2 ΔIt + εt (9.3.5)

βε<0，βε：調整速度參數 (speed of adjustment parameter)。

共有三個落後期

國際金融:
https://tw.news.yahoo.com/%E4%BA%A4%E6%98%93%E6%B8%85%E6%B7%A1-%E6%AD%90%E8%82%A1%E9%96%8B%E7%9B%A4%E5%A4%9A%E5%8D%8A%E8%B5%B0%E9%AB%98-150502914.html

https://tw.news.yahoo.com/%E6%BC%B2%E4%B8%8D%E5%81%9C%E7%9A%84%E4%B8%8D%E5%8F%AA%E7%BE%8E%E8%82%A1-%E5%85%A8%E7%90%83%E7%89%9B%E5%B8%82%E5%A4%A7%E7%9B%A4%E9%BB%9E-122957171.html

11/7 期中考週

10/31
國金期中報告
我的問題是:
1.paper字在PPT上要小一點
2.第三頁PPT少了標題
3.第三頁PPT字大過於標題
4.第六頁PPT表跑掉
5.第八頁因無共整合關係
可以找找是以什麼理論去做這個實證研究

國際金融新聞:
https://tw.news.yahoo.com/%E9%99%B8%E8%82%A1%E7%89%9B%E5%B8%82%E4%BE%86%E4%BA%86-%E5%B9%B4%E5%BA%95%E5%B8%83%E5%B1%80%E8%89%AF%E6%A9%9F-215005723--finance.html

https://tw.news.yahoo.com/%E7%BE%8E%E8%82%A1%E6%84%9F%E6%81%A9%E7%AF%80%E4%BC%91%E5%B8%82-%E6%AD%90%E8%82%A1%E4%BA%A4%E6%98%93%E6%B8%85%E6%B7%A1%E6%94%B6%E5%B0%8F%E7%B4%85-214057624.html

10/24

• Stationarity vs non-stationarity

分配的型態不變

1.      In statistical sense:if Yt is weakly stationary,

E(yt) = a constant, for all t

var(yt) = σ2 (a constant), for all t

cov(yt yt-k ) = cov(yt-j yt-k-j ) =a constant,

for all j, k, j≠k

2.      In general, anyYt with violations of the above are non-stationarity.

• What problems about non-stationary variables?

1.Spurious regression(granger and newbold,1974)

Nonsense correlations between non-stationary variables

2.Symptoms of spurious regression

If Yt and Xt are both non-stationary, regress Yt on Xt

Yt=b1-b2x

The result often leads to statistically significant but NONSENSE

coefficient of b2. EXCEPT they are "co-integrated." (will be discussed

in later lectures)

• The random walk model

Pure random walk DGP

Yt=Yt-1+et

It looks similar to AR(1) but the coefficient of Yt-1 is 1.

Problems of pure RW DGP

E(yt) = ∞

since stationarity requires |b2| <1

var(yt) = tσ2 , and

cov(yt yt-k )= (t-k)σ2 are not constant at all

強制定態比較嚴格

寬式定態比較寬鬆

• Dectection of non-stationarity:DF test

RW(random walk)model

yt = yt-1 + et (1)

yt = a0 + yt-1 + et (2)

yt = a0 + yt-1 + bt+ et

where et ~ white noise

Null model

yt = a1 yt-1 + et (8.17)

∆yt = (a1−1) yt-1+ et

let γ = a1−1, null hypothesis:

H ：0 a1 =1, or equivalently Î H ：0 γ =0

• Specifications of the dicky-fuller tests

regression of "first difference", ∆yt, on its lag-1, yt-1

Three forms:

(1) no constant

∆yt = γ yt-1 + et (8.19)

(2) with constant

∆yt = a0 + γµ yt-1+ et (8.20)

(3) with constant and trend

∆yt = a0 + γτ yt-1+ bt + et (8.21)

H ：0 γ =0

(三種都做，通常做二三)

課本第383頁

檢測越多檢定力越高

實證資料要倒著做

要先確定有單根與共整合才能往下做

• Steps of DF test

… 1. show times-series plots

… 2. determine with/without constant(and/or) trend

… 3. do DF test on the level (focus on p-value of the test)

… 4. if fail to regject H0, do DF test on the "first difference

ADF vs DF tests?

… DF tests requires the residuals be white noise

Otherwise, DF test will be inefficient Î wrong statistical judgement.

…

DF test for pure RW model

∆yt = γ yt-1 + et (8.19)

…

ADF test for pure RW model

∆yt = γ yt-1 +Σi=1..p,∆yt-i+ ut (8.19)

增加了落後期

檢查殘差是不是白噪音

古老方法就是列出lags 一個一個列

0123 6 9 12 24

• 後期軟體說不一樣的時候怎麼辦?

原始paper跟期末報告用的資料完全不一樣

不能Paper寫多少就是多少

1.      哪個落後期比較好處理

越少越好 但要會詮釋

2.      老實記載

當我選4時 他只有2 所以我選2

用4時 自動選的時候 呈現2的結果

Diagnosis of residuals of ADF tests

• … If residual ~ white noise  two often considerations
• no autocorrelation: Q test
• no ARCH effects: Q2 test
• 必須檢驗平均數 變異數 共變數

期末考請手動跑ADF檢定 用OLS

• Co-integration and VECM

Learning objectives

1.  Integrated variables
2. Co-integration
3. Vector Error correction model (VECM)
4. Engle-Granger 2-step co-integration test
5.  Johansen co-integration test

國際金融:
https://tw.news.yahoo.com/%E6%AD%90%E8%82%A1%E7%9B%A4%E5%BE%8C-%E7%BE%8E%E8%82%A1%E5%89%B5%E6%96%B0%E9%AB%98-%E6%B3%9B%E6%AD%90%E6%8C%87%E6%95%B8%E6%94%B6%E9%AB%980.18-%E6%88%90%E4%BA%A4%E9%87%8F%E6%B8%85%E6%B7%A1-174050840.html

https://tw.news.yahoo.com/%E5%B0%B1%E7%9C%8B%E4%BB%96%E4%BA%86-%E5%88%86%E6%9E%90%E5%B8%AB-%E7%BE%8E%E8%82%A1%E5%85%89%E6%98%8E%E6%88%96%E9%BB%91%E6%9A%97-%E5%B0%B1%E7%9C%8B%E5%B7%9D%E6%99%AE%E8%B5%B0%E5%93%AA%E6%A2%9D%E8%B7%AF-051951103.html

10/17
矩陣
向量
方陣=>矩陣列行數相等
反矩陣A的反矩陣A的-1次方
AA-1次方=I=1的矩陣
非所有矩陣都有反矩陣
singularity奇異的
way: 調整data長度(因為資料不可以改)
Rank秩(使用在Johensen的共整合檢定cointegration test上)

許多經濟及財務資料有非定態的性質
非定態序列在估計時的問題
Granger and Newbold(1974)發現非定態變數之間可能出現所謂假性回歸的問題

時間趨性(time trend)

• 定性趨勢

可完全被預測的變動趨勢
多半指的是時間趨勢

• 定性趨勢

定性趨勢指的多半是變數是隨著時間而變動的情況

• 隨機趨勢(stochastic trend)

變動中的隨機成分對該變數得模型
具有永久性影響的現象

隨機漫步模型random walk
時間序列的資料產生過程(即GDP)的特例情形。

不含截距向的RW模型的變異數之變異數會隨著T度變大而變大

以AR(1)模型的估計為例
Yt=a1 Yt-1+et
if a1絕對值<1 則Yt是定態變數
當a1=1或很接近1 用OLS 來估計，a1估計會被低估

單根(unit)=1的意思
指方程式的解
若一個時間序列變數具有單根 指的是這個變數DGP之特性跟方程式

Dickey-fuller
單根檢定與衍生之檢定
以不含截距向的RW模型來說明單根檢定

 完整DF檢定

國際新聞:
https://tw.news.yahoo.com/%E6%AD%90%E6%B4%B2%E5%A4%AE%E8%A1%8C%E8%AD%A6%E5%91%8A-%E5%85%A8%E7%90%83%E8%B3%87%E7%94%A2%E5%B8%82%E5%A0%B4%E5%9B%9E%E6%AA%94%E7%9A%84%E9%A2%A8%E9%9A%AA-%E5%B7%B2%E7%B6%93%E5%8A%A0%E5%8A%87-160304886.html

https://tw.news.yahoo.com/%E9%89%85%E4%BA%A8%E7%B6%B2-%E5%A4%A7%E4%B8%AD%E8%8F%AF%E9%80%B1%E5%A0%B1-%E6%95%B4%E7%90%86%E7%B5%90%E6%9D%9F-%E9%99%B8%E8%82%A1%E6%94%BB%E5%8B%A2%E5%86%8D%E8%B5%B7-%E6%BA%96%E5%82%99%E6%8C%91%E6%88%B0%E4%BB%8A%E5%B9%B4%E9%AB%98%E9%BB%9E-105230077.html

10/10國慶日放假

10/3

第一節課考試。

第二節開始上課，國際金融”實證”理論

匯率(exchange rate)

-金流(Cash flow)

IRP利率評價(理論)

風險<->報酬

(interest rate parity相等)

-資訊流(information flow)

Big data 大數據->未來趨勢

Overreacted過度反應

-物流(logistics flow)

LOP單一價格法則

PPP購買力平價

買低賣高(價差)

實驗經濟學

Theory->Theorical model ->Empirical studies

預期很重要

P=SP^*

LnP=ln(S x P^*)

=lnS+lnP^*

國際金融新聞:

^{http://money.udn.com/money/story/5641/2001882}

^{http://money.udn.com/money/story/5641/2002136}

9/26

第一節考試

第二三節

期中報告-錄影

找1990後的，找paper前先確定有沒有台灣資料

8個PPT AND 6 MIN 超過扣分

期末報告-錄影

用台灣數據模仿PAPER

頁數多寡與分數無關

可自加內容但不可以少

8個國家有C8取2個外匯

BIG DATA

SQL

Grentl(or Eviews)

如何撰寫研究報告

新的學習紀錄要放在最上面

期末上機考 Grentl

國際新聞
1.http://udn.com/news/story/6811/1986512
2.http://www.appledaily.com.tw/appledaily/article/finance/20160517/37218281/

Data for final term project (in form of Excel) 丁淑妤 10292026

Data Resources:
Economic Growth : http://www.theglobaleconomy.com/indicators_data_export.php

FDI: https://research.stlouisfed.org/fred2/series/BPFADI03IDA637N/downloaddata

GFCF: http://www.indexmundi.com/facts/indonesia/gross-fixed-capital-formation

INFLATION: https://research.stlouisfed.org/fred2/series/FPCPITOTLZGIDN/downloaddata

NOMINAL EXC: http://www.ers.usda.gov/datafiles/Agricultural_Exchange_Rate_Data_Set/Country_Spreadsheets/nominalannualcountryexchangerates_1_.xls


All the Data can be downloaded in this link
https://drive.google.com/folderview?id=0B2ADo8y1yHFCV2RqbjN6aXFUMmc&usp=sharing