修正信息份额模型（MIS）是Lien与Shrestha在此前共同因子模型（CS）与信息份额模型（IS）的基础上进行衍生，得到的一种精度更高、更为准确的方法来衡量各变量信息份额占比。三种方法的本质都是基于误差修正模型（VEC）中的隐含价格，通常用来衡量市场的微观结构，特别是价格发现过程中不同变量的贡献度，常用于期现货间价格关系的研究。
因其基础都是误差修正模型，固在使用上述模型前需对时间序列间是否具有长期均衡关系进行分析。对于一次线性协整的检验策略主要有两种，一是基于回归残差分析的E−G两步法，另一种是基于VAR模型的Johansen协整向量检验方法。在误差修正模型中，同一标的在各市场中的均衡价格唯一存在但无法进行观测，该价格可采用在不同市场价格序列的共同因子进行描述，进一步可测得各市场价格的新息方差对该共同因子的新息方差的影响程度，每个市场所占比例便可被称为该市场所具有的信息份额。
设y1t、y2t为两个一阶单整的时间序列，可用向量表示为yt=（y1t，y2t ）′，故I−S模型可由公式（1）向量误差修正模型推出：
其中α为短期调整系数；误差向量et由白噪音过程所组成；αβ′Yt−1反映价格序列所具有的长期均衡关系；
可视为描述由于市场不完全而存在的动态、短期关系。模型转化为向量移动平均形式，转化过程如公式（2）−（5）所示：
此时价格里有了ψet的加入，其被视为两市场价格的共同因子，该共同因子的方差如公式（6）所示：(www.xing528.com)
在市场中的新息项具有相关性时，需用Cholesky分解对其相关性进行消除，故对新息的方差协方差矩阵Ω进行分解，令MM′=Ω，则可得如下公式（7）：
第i个市场的信息份额即对价格发现的贡献度如公式（8）所示：
其中[ψM]i 为行向量ψM的第i个元素，在二元状态下，两个市场的信息份额如公式（9）、（10）所示，其中ρ为误差修正模型所得出的新信息项序列的协方差，σ1、σ2分别为两个新信息项序列的标准差，γ1、γ2为前文求出的贡献度比。
之后的研究人员对于之前的信息份额模型进一步进行修正，解决了Cholesky分解结果与变量顺序有关的问题，得到修正信息份额模型来进一步分析不同变量的贡献度，在二元状态下其最终形式如公式（11）、（12）所示：
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
