Recent Developments in Nonlinear Cointegration with Applications to Macroeconomics and Finance

این کتاب شرح مقدماتی از موضوعات مختلفی است که در ادبیات به عنوان مضامین وحدت بخش بین دو حوزه اقتصاد سنجی سری های زمانی، یعنی غیرخطی بودن و غیر ایستایی، پدیدار شده است. در دو دهه گذشته مقالاتی درباره این موضوعات منتشر شده است، اما به ندرت با هم مورد بررسی قرار می گیرند. بدون شک دلایل مختلفی وجود دارد که چنین جدایی را توجیه می کند. اما دلایل خوبی نیز وجود دارد که به ترکیب آنها انگیزه می دهد. افرادی که تمایلی به تجزیه و تحلیل ترکیبی ندارند ممکن است استدلال کنند که غیرخطی بودن و غیر ایستایی بودن باعث افزایش مشکلات غیر پیش پا افتاده می شود، بنابراین ترکیب آنها علاقه ای به افزایش معقول مشکلات ایجاد نمی کند. با این حال، این استدلال را می توان با استدلال های دیگری که ماهیت اقتصادی دارند متعادل کرد. امروزه یک ایده غالب این است که یک سری غیر ثابت دارای انحرافات مداوم از اجزای بلندمدت خود (روند قطعی یا تصادفی) است. این انحرافات پایدار به روش‌های مختلفی مدل‌سازی می‌شوند: مدل‌های ریشه واحد، فرآیندهای یکپارچه کسری، مدل‌هایی با تغییر در روند زمانی، و غیره. با این حال، بسیاری از رفتارهای دیگر ذاتی فرآیندهای غیر ثابت هستند که در مدل‌های خطی منعکس نمی‌شوند. به عنوان مثال، متغیرهای اقتصادی با توزیع مخلوط، یا فرآیندهایی که وابسته به حالت هستند، تحت دوره‌هایی از پویایی‌های در حال تغییر هستند. در مدل‌هایی که دارای تعادل بلندمدت متعدد هستند، حرکت از یک تعادل به تعادل دیگر گاهی اوقات به معنای ترزیس است. همچنین، مشخص است که شوک‌های خاص می‌توانند مبانی اقتصادی را تغییر دهند و در نتیجه احتمال ایجاد مجدد موقعیت اولیه پس از یک شوک (بازگشت ناپذیری) را کاهش دهند.

This book is an introductory exposition of different topics that emerged in the literature as unifying themes between two fields of econometrics of time series, namely nonlinearity and nonstationarity. Papers on these topics have exploded over the last two decades, but they are rarely ex­ amined together. There is, undoubtedly, a variety of arguments that justify such a separation. But there are also good reasons that motivate their combination. People who are reluctant to a combined analysis might argue that nonlinearity and nonstationarity enhance non-trivial problems, so their combination does not stimulate interest in regard to plausibly increased difficulties. This argument can, however, be balanced by other ones of an economic nature. A predominant idea, today, is that a nonstationary series exhibits persistent deviations from its long-run components (either deterministic or stochastic trends). These persistent deviations are modelized in various ways: unit root models, fractionally integrated processes, models with shifts in the time trend, etc. However, there are many other behaviors inherent to nonstationary processes, that are not reflected in linear models. For instance, economic variables with mixture distributions, or processes that are state-dependent, undergo episodes of changing dynamics. In models with multiple long-run equi­ libria, the moving from an equilibrium to another sometimes implies hys­ teresis. Also, it is known that certain shocks can change the economic fundamentals, thereby reducing the possibility that an initial position is re-established after a shock (irreversibility).