跳轉到

2003 · 懸案：經濟數據會「自己製造」波動嗎？兩個變數是否真的一起走？#

2003 諾貝爾經濟學獎（瑞典央行紀念獎）：羅伯特·弗萊·恩格爾 Robert Fry Engle III（美國，1942– ）與克萊夫·威廉·約翰·格蘭傑 Sir Clive William John Granger（英國，1934–2009）— 表彰他們「對經濟時間序列分析方法，特别是對時變波動率（ARCH）與協整的貢獻」（for their methods of analyzing economic time series with time-varying volatility (ARCH) and cointegration）。

懸案（案情提要）#

1980 年代前的經濟計量學，處理時間序列有兩個難以忍受的假設：

  1. 波動率是固定的：迴歸的同方差假設 \(\operatorname{Var}(u_t) = \sigma^2\) 意味著「大蕭條與太平年份的雜訊一樣大」——但股市的日波動與戰時的通脹顯然不同。恩格爾的問題：波動率本身是否是隨機的？
  2. 兩個變數同向移動，不代表有因果關係：股價與物價、GDP 與消費長期同向——這是趨勢造成的（共同單調性），還是真正的經濟關係？若只是趨勢，任何兩個變數都會「高度相關」——迴歸的 \(R^2\) 會虛高。格蘭傑的問題：怎麼區分「真實關係」與「共同趨勢」？

兩人的答案分別是 ARCH 家族（波動率建模）與協整（長期關係的辨識），共同重寫了經濟學家處理時間序列的方式。

前因#

年份 事件
1962 Granger 在劍橋完成博士；1965 年發表「因果檢定」的統計方法
1969 Granger 的〈經濟變數間的因果關係〉（《Econometrica》）：因果檢定（Granger causality）
1974 Granger & Newbold 的「偽回歸」論文：兩個隨機遊走的迴歸會產生顯著係數——協整問題的引爆點
1975 Engle 的 ARCH 論文發表於《美國經濟學評論》
1978 Engle 的「波動性的ARCH檢定」
1980 Engle & Granger 的「協整與誤差修正表示」：《長期關係與誤差修正》的經典論文（Econometrica）
1982 Engle《ARCH：時間序列的波動性預測》教科書
1983 Engle–Granger 兩步協整估計法問世
1986 Engle 與 Granger 共同獲得諾貝爾獎提名級的「諾貝爾獎候選」稱譽（Frisch Medal）
1990s–2000s ARCH 家族擴展（GARCH、EGARCH、Realized Volatility）；協整分析成為宏觀經濟的標準工具（單位根檢定、Phillips–Perron、Engle–Granger 檢定）
2003 得獎；委員會特別指出兩項成果「根本改變了經濟學家分析金融與宏觀資料的方式」

調查#

線索一：恩格爾——波動率是隨機的，而且可預測#

恩格爾的偵查起點：觀察股票報酬的「波動聚集（volatility clustering）」現象——大波動之後往往接著大波動。這與同方差假設完全不符：若波動固定，「大波動聚集」只是隨機巧合，但實證上它極為顯著。

ARCH 模型（\(p\) 階）：

\[ u_t = \sigma_t \varepsilon_t, \qquad \varepsilon_t \sim (0,1) \text{ i.i.d.} \]
\[ \sigma_t^2 = \omega_0 + \alpha_1 u_{t-1}^2 + \alpha_2 u_{t-2}^2 + \cdots + \alpha_p u_{t-p}^2 \]

（\(\varepsilon_t\) 為標準化創新；常態下 \(u_t\) 服從 \(t\) 分布，這提供ARCH 模型的峰度與厚尾的統計理由。）

ARCH 的經濟含義：波動率有記憶——今天的高波動提高了明天的波動預期。而這是可預測的，因此波動率成為可交易的對象（波動率衍生品、VIX），並為風險管理提供基礎。

ARCH 的隱含統計推論：若正確設定了 ARCH 模型，則 \(u_t / \sigma_t\) 應為白噪聲——這給出檢驗假設的方法（ARCH-LM 檢定、殘差平方的相關性檢定）。恩格爾因此獲得 1980 年的諾貝爾提名與 2003 年的諾貝爾獎。

GARCH 的擴展（Bollerslev, 1986）：把平方項換成遞推的方差：

\[ \sigma_t^2 = \omega_0 + \alpha u_{t-1}^2 + \beta \sigma_{t-1}^2 \]

其中 \(\alpha + \beta < 1\) 保證方差平稳，\(\alpha + \beta \to 1\) 對應「持續性（persistence）」——這正是 2008 危機中波動率持續性急劇上升的量化描述。

線索二：格蘭傑——因與果的統計定義#

格蘭傑 1969 年的貢獻：給「因果」一個可操作的統計定義。

Granger 因果：\(X\) Granger 導致 \(Y\)，若對 \(Y\) 的預測中，加入 \(X\) 的過去值會改善預測表現：

\[ Y_t = \sum_{i=1}^{p} \alpha_i Y_{t-i} + \sum_{j=1}^{q} \beta_j X_{t-j} + \varepsilon_t \]

檢驗原假設 \(H_0: \beta_1 = \beta_2 = \cdots = \beta_q = 0\)。

其重要性在於把「因果」從哲學爭論搬進統計檢驗——儘管它不處理真正的結構因果（這是 1995 年 Lucas 批判與 2021 年因果推斷革命要補的課）。

線索三：偽回歸與單位的根——協整問題的完整診斷#

格蘭傑與紐博爾 1974 年的發現：兩個獨立的隨機遊走

\[ y_t = y_{t-1} + \varepsilon_t, \qquad x_t = x_{t-1} + \eta_t \]

之間的回歸會產生高度顯著的係數與虛高的 \(R^2\)——因為分母中有一個共同趨勢。這是「偽回歸（spurious regression）」。

診斷工具是單位根檢定（Dickey–Fuller、Phillips–Perron）：

\[ \Delta y_t = \alpha + \gamma y_{t-1} + \sum \delta_i \Delta y_{t-i} + \varepsilon_t \]

若 \(\gamma < 0\) 且顯著，則 \(y_t\) 是平穩過程（stationary）；否則是單位根（I(1)）過程。

線索四：協整——「長期關係」的精確定義#

協整（cointegration）：\(y_t\) 與 \(x_t\) 各自是 I(1)（各自都含趨勢、都不平穩），但它們的某個線性組合是平穩的：

\[ y_t - \beta x_t = u_t, \qquad u_t \sim \text{stationary} \]

這意味著：兩者之間存在不隨時間漂移的長期關係——它們「一起走路」，但步幅不同步。經濟學的例子：

  • 消費與收入（永久收入假說）；
  • 短期與長期利率（期限結構）；
  • 兩國的貿易與相對價格（真實匯率的單位根）；
  • 股票價格與股利。

Engle–Granger 兩步估計法：

  1. 第一步：迴歸 \(y_t\) 對 \(x_t\)（用 OLS 或 DOLS），得 \(\hat{\beta}\)；
  2. 第二步：對殘差 \(\hat{u}_t = y_t - \hat{\beta} x_t\) 做單位根檢定（ADF）。

Engle–Granger 檢定統計量：

\[ t = \hat{\tau}_{ADF}(\hat{u}_t) \]

Johansen 方法（1991）：用系統的向量自回歸（VECM）與特徵值檢定，可處理多個變數並同時檢定協整秩。

線索五：誤差修正表示（ECM）——把長期與短期接起來#

協整關係的存在意味著變數不能「跑得太遠」。Engle 與 Granger 1980 年的誤差修正表示（ECM）是本案的收官之作：

\[ \Delta y_t = \lambda (y_{t-1} - \beta x_{t-1}) + \sum \phi_i \Delta x_{t-i} + \cdots + \varepsilon_t \]

其中 \(\lambda\) 是修正速度（\(0 < \lambda < 1\)）：偏離長期關係的部分，每期被「拉回」\(\lambda\) 的比例。\(\lambda\) 越大，均衡調整越快。

ECM 的決定性優點：所有變數都以差分形式進入（平穩），卻保留了長期關係的資訊——避免了偽回歸，同時不丟失經濟結構。

線索六：實踐的應用場景#

  • 風險管理：ARCH–GARCH 驅動的 VaR 與預期短缺（Expected Shortfall），成為 1990s 巴塞爾協定的基礎；
  • 宏觀預測：匯率、股價與利率的預測模型；
  • 檢定單位根：1990s 亞洲金融危機後的「東亞神話」檢驗（資本流入是否帶來實質匯率變化）；
  • 2010s：協整與結構斷點（structural breaks）結合，用於「單位根 vs 趨勢斷點」的檢驗辯論。

理論裁決#

裁決一（恩格爾）：波動率本身是隨機的、持久的、可預測的；ARCH 給出其動態方程，並解釋了厚尾與波動聚集：

\[ \sigma_t^2 = \omega_0 + \sum_{i=1}^{p} \alpha_i u_{t-i}^2 \]

裁決二（格蘭傑）：「因果」可用預測的增量來定義與檢驗（Granger 因果），使經濟學的因果語言具有可操作內容。

裁決三：共同趨勢會製造假的關係；變數必須先做單位根診斷，兩個 I(1) 變數只有在協整時才存在真實的長期關係：

\[ y_t, x_t \sim I(1), \qquad y_t - \beta x_t \sim I(0) \]

裁決四：誤差修正表示把長期關係（協整向量）與短期動態（差分形式）統一在同一模型中：

\[ \Delta y_t = \lambda (y_{t-1} - \beta x_{t-1}) + \cdots \]

裁決五：方法論上的雙重要求——診斷先行（平穩性與單位根）、再建模；任何時間序列回歸若未做單位根檢定，其結果不可信。

後果#

領域 影響
政策應用 風險管理與資本充足（VaR/ES）、外匯與利率的風險管理、央行資產負債表分析、債務可持續性分析（協整檢定與斷點）
學術 宏觀經濟學的經驗研究全面採用 VECM/ARDL/局部投影；2010s 隨機趨勢與局部投影（local projections）方法成為主流
數學 單位根與協整的檢定統計量（ADF、PP、Johansen）、斷點檢定（Bai–Perron）、非線性與非對稱 ARCH（EGARCH、GJR）
後續諾獎 2009 Ostrom–Williamson（治理）、2011 Sargent–Sims（向量自回歸與宏觀因果）、2013 Fama–Hansen–Shiller（資產價格的實證）、2015 Deaton（時間序列與消費波動）
爭議 「協整結果對檢定方法敏感」；單位根檢定的低檢定力（1990s 大批判）；Engle–Granger 兩步法在多變數情形下有偏；2010s 「單位根 vs 斷點」大辯論至今未平

關聯#