信息份额分析法模型的简要介绍及优化建议

为进一步考察中美利率间的联动和引导关系，以及美联储货币政策调整对我国利率的影响，我们使用Hasbrouck（1995）的信息份额分析法（Information Share Analysis）考察美国联邦基金利率（也是短期拆解利率的代表）和我国短期拆解利率间的引导关系。以下给出信息份额分析法的公式：

继Stock and Watson（1988）之后，Hasbrouck（1995）又将方程（4.2）化为向量移动平均（VMA）的形式：

或

用ψ代表Ψ（1）中的共同行向量，共同趋势表达（the common trends representation）意味着价格水平可以写作：

p0是n元素常向量，Ψ*（L）是带滞后算子的矩阵多项式。假设价格序列存在K阶非平稳自回归表达：

其中A（L）=I-A1L-A2L2-…-AKLK，根据格兰杰表述定理（Granger representation theorem，Engle and Granger，1987），存在以下形式的误差修正模型：

αβ'=-A（1）以及：(www.xing528.com)

在本研究中，VMA差分表达式（4.9），则：

若残差的协方差矩阵为对角矩阵，即不同市场间不存在相关性，则市场j的信息份额可定义为市场j的方差相对于总方差的占比：

Ezt=0以及υar（zt）=I。

F是对Ω的Cholesky factorization分解，其中Ω=FF'。F的下三角结构意味着随机变量zi，t是针对ei，t对｛e1，t，e2，t，…，ei-1，t｝回归的正交化残差。亦即zi，t是et的正交化部分，和排在它前面的信息冲击是正交的。若zj新息方差的协方差为非对角矩阵，即不同市场间有关联性，则zj新息方差的市场份额可以计算如下：

其中［ψF］j是行矩阵ψF的第j个元素。该分解法强制性使得第一个价格序列的信息份额最大化，最后一个价格序列的信息份额最小化。将某个市场的价格序列作为向量的第一个元素，可以得到该市场信息份额的上界。同样地，将某市场价格序列作为向量的最后一个元素，则可得到该市场的信息份额下界。通过该种方式使用Cholesky factorization法和在多元回归中分配被解释变量，按照次序增加变量以提高R2类似。