1、 predict reg gnp96 L.gnp96 predict gnp_hat6）清除时间标识: tsset, clear1.2变量的生成与处理1）滞后项、超前项和差分项 help tsvarlist gen Lgnp = L.gnp96 /*一阶滞后*/ gen L2gnp = L2.gnp96 gen Fgnp = F.gnp96/*一阶超前*/ gen F2gnp = F2.gnp96 gen Dgnp = D.gnp96 /*一阶差分*/ gen D2gnp = D2.gnp96 list in 1/102）产生增长率变量: 对数差分 gen lngnp = ln（gnp96）
2、gen growth = D.lngnp gen growth2 = （gnp96-L.gnp96）/L.gnp96 gen diff = growth - growth2 /*表明对数差分和变量的增长率差别很小*/ list date gnp96 lngnp growth* diff in 1/101.3日期的处理日期的格式 help tsfmt基本时点：整数数值，如 -3, -2, -1, 0, 1, 2, 3 .1960年1月1日，取值为 0；显示格式：定义含义默认格式%td日%tdDlCY%tw周%twCY!ww%tm月%tmCY!mn%tq季度%tqCY!qq%th半年%thCY!h
3、h%ty年%tyCY1）使用 tsset 命令指定显示格式 use B6_tsset.dta, clear tsset t, daily list tsset t, weekly list 2）指定起始时点 cap drop month generate month = m（1990-1） + _n - 1 format month %tm list t month in 1/20 cap drop year gen year = y（1952） + _n - 1 format year %ty list t year in 1/203）自己设定不同的显示格式日期的显示格式 %d （%td）
4、定义如下：%-td具体项目释义：“ F = . Residual | .02521709 122 .000206697 R-squared = 0.0000-+- Adj R-squared = 0.0000 Total | .02521709 122 .000206697 Root MSE = .01438- D.ln_wpi | Coef. Std. Err. t P|t| 95% Conf. Interval-+- _cons | .0108215 .0012963 8.35 0.000 .0082553 .0133878. estat archlm,lags（1）LM test for
5、 autoregressive conditional heteroskedasticity （ARCH）- lags（p） | chi2 df Prob chi2-+- 1 | 8.366 1 0.0038 H0: no ARCH effects vs. H1: ARCH（p） disturbance通过对wpi的对数差分进行常数回归，接着用LM检验来判断ARCH（1）效应,在该例子中，检验的结果Prob chi20.0038 chi2 = . | OPG D.ln_wpi | Coef. Std. Err. z P|z| 95% Conf. Intervalln_wpi | _cons |
6、 .0061167 .0010616 5.76 0.000 .0040361 .0081974ARCH | arch | L1. | .4364123 .2437428 1.79 0.073 -.0413147 .9141394 | garch | L1. | .4544606 .1866605 2.43 0.015 .0886126 .8203085 _cons | .0000269 .0000122 2.20 0.028 2.97e-06 .0000508这样，我们就可以估计出了ARCH（1）的系数是0.436,GARCH（1）的系数是0.454,所以我们可以拟合出GARCH（1,1）模型
7、：接下来我们可以对变量的进行预测：predict xb,xb /*对差分变量的预测*/predict variance,var /*对条件方差的预测 */predict res,residuals /*对差分变量残差的预测*/predict yres,yresiduals /*对未差分变量残差的预测*/3.2 ARCH模型的确定以及检验 *- 检验 ARCH 效应是否存在：archlm 命令 regress D.ln_wpi archlm, lag（1/20） regress D.ln_wpi L（1/3）.D.ln_wpi * 图形法自相关函数图 （ac） reg D.ln_wpi predict e, res gen e2 = e2 ac e2, l
copyright@ 2008-2023 冰点文库 网站版权所有
经营许可证编号:鄂ICP备19020893号-2
升级会员 