eviews中的蒙特卡洛模拟程序Word文档下载推荐.docx
《eviews中的蒙特卡洛模拟程序Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《eviews中的蒙特卡洛模拟程序Word文档下载推荐.docx（17页珍藏版）》请在冰点文库上搜索。
seriesa3
seriesa4
seriesa5
seriesa6
i=1to1000
a1（!
i）=1/6
a2（!
i）=2/6
a3（!
i）=3/6
a4（!
i）=4/6
a5（!
i）=5/6
a6（!
i）=1
i）=@runif（0,1）
ifx（!
i）<
i）theny（!
elseifx（!
i）>
=a1（!
i）andx（!
i）=2
=a2（!
i）=3
=a3（!
i）=4
=a4（!
i）=5
=a5（!
i）=6
elsey（!
i）=7
endif
y.hist
1.通过已知总体模型得到多组样本数据，进行多次回归，验证回归结果的特征、性质
最小二乘法的无偏性
workfilemcu110
vector（10）v1
v1.fill80,100,120,140,160,180,200,220,240,260
mtos（v1,x）
!
b1=25
b2=0.5
matrix（100,2）f
k=1to100
seriesu=3*nrnd
seriesy=!
b1+!
b2*x+u
equationeq.lsy=c
（1）+c
（2）*x
f（!
k,1）=c
（1）
k,2）=c
（2）
showf
expand1100
smpl1100
mtos（f,gr）
freezeser01.qqplot
freezeser01.hist
freezeser02.qqplot
freezeser02.hist
matrix（1,2）m
m（1,1）=@mean（ser01）
m（1,2）=@mean（ser02）
showm
蒙特卡洛模拟程序：
（最终调试成功）
'
storemontecarleresultsinaseries
checked4/1/2004
setworkfilerangetonumberofmontecarlereplications
wfcreatemcarleu1100
createdataseriesforx
note:
xisfixedinrepeatedsamples
onlyfirst10observationsareused（remaining90obsmissing）
x.fill80,100,120,140,160,180,200,220,240,260
settrueparametervalues
beta1=2.5
beta2=0.5
setseedforrandomnumbergenerator
rndseed123456
assignnumberofreplicationstoacontrolvariable
reps=100
beginloop
I=1to!
reps
'
setsampletoestimationsample
smpl110
simulateydata（onlyfor10obs）
seriesy=!
beta1+!
beta2*x+3*nrnd
regressyonaconstantandx
Equationeq1.lsycx
setsampletooneobservation
smpl!
I!
i
andstoreeachcoefficientestimateinaseries
seriesb1=eq1.@coefs
（1）
seriesb2=eq1.@coefs
（2）
endofloop
setsampletofullsample
showkerneldensityeatimateforeachcoef
freeze（gra1）b1.distplotkernel
drowverticaldashlineattrueparametervalue
gra1.draw（dashline,bottom,rgb（156,156,156））!
beta1
showgra1
freeze（gra2）b2.distplotkernel
drawverticaldashlineattrueparametervalue
gra2.draw（dashline,bottom,rgb（156,156,156））!
beta2
showgra2
一元回归参数的分布：
Subroutinemoni（scalarn,scalarsum,scalarparam1,scalarparam2,scalartype）
For!
m=1ton
X（!
m）=@rnd*100
Next
n=1tosum
Iftype=0then
U（!
m）=@nrnd
Endif
Iftype=1then
If@rnd<
0.5then
m）=@rnd
Else
m）=@rnd*（-1）
Iftype=2then
U
（1）=@nrnd
m=2ton
m）=u（!
m-1）+@nrnd
Iftype=3then
0.5then
m）=@nrnd*2
Y（!
m）=param1+param2*x（!
m）+u（!
m）
Equationeq.lsycx
B1（!
n）=eq.@coefs
（1）
B2（!
n）=eq.@coefs
（2）
Endsub
Workfilemoniu110000
Seriesb1
Seriesb2
Seriesx
Seriesy
Seriesu
Callmoni（100,10000,20,0.8,3）
B1.hist
B2.hist
生成季度虚拟变量的程序：
wfcreatedumtestq19701990
%start="
1972:
1"
%end="
1979:
4"
i=@dtoo（%start）to@dtoo（%end）
%obsstr=@otod（!
i）
if（@mid（%obsstr,5,1）="
:
"
）then
%name="
d_"
+@left（%obsstr,4）+"
_"
+@mid（%obsstr,6）
else
+%obsstr
endif
smpl@all
series{%name}=0
smpl{%obsstr}{%obsstr}
series{%name}=1
下面这个执行不了：
n=10000
wfcreatecaou1!
n
matrix（!
n,18）m
groupg
for%1r0b0t0dw0r20f0r1b1t1dw1r21f1r2b2t2dw2r22f2
series{%1}=0
g.add{%1}
k=1to!
smpl1122
for%1y0x0y1x1y2x2
series{%1}=@rnorm
smpl2122
x1=x1（-1）+@rnorm
y1=y1（-1）+@rnorm
x2=2*x2（-1）-x2（-2）+@rnorm
y2=2*y2（-1）-y2（-2）+@rnorm
for%1%2%31y0x07y1x113y2x2
m（!
k,{%1}）=@cor（{%2},{%3}）
equationeq.ls{%2}c{%3}
k,{%1}+1）=eq.c
（2）
k,{%1}+2）=eq.@tstats
（2）
k,{%1}+3）=eq.@dw
k,{%1}+4）=eq.@r2
k,{%1}+5）=eq.@f
smpl1!
T
mtos（m,g）
for%1t0t1t2
seriescao_{%1}=@abs（{%1}）>
=2
freeze（statby_{%1}）{%1}.statby（nomean,nostd）cao_{%1}
freeze（hist_{%1}）{%1}.hist
伪回归相关系数模拟（不行）
workfilecorru1500
i=1to500
seriesx=nrnd
seriesy=nrnd
seriesxx
seriesyy
scalarsum1=0
scalarsum2=0
counter=1to100
sum1=sum1+x（!
counter）
sum2=sum2+y（!
xx（!
counter）=sum1
yy（!
counter）=sum2
scalarr=@cor（xx,yy）
result（!
i）=r
时变贝塔系数的模拟（执行不了）：
BETA.PRG（3/7/2007）
Timevaryingbeta
demonstratesseveralways
toobtainbetabetweenassets
1）constantbeta
2）rollingbetabyregression/movingcov/var
3）usingstatespace
4）usingmultivariateARCH
Checked3/20/2007
changepathtoprogrampath
%path=@runpath
cd%path
loadworkfile
loadfx.wf1
dependentvariablesofseriesmustbecontinuous
seriesy1=@pch（index）
seriesy2=@pch（jy）
------------------------------------------------------------------------
calculatetheconstantbetausingOLS
smpl1990@last
equationconstant_beta.lsy2cy1
seriesbeta_const=c
（2）
calculatingtimevaryingbetawithrollingregression
forabi-variatecasecanusemovingcov/varinstead
ofOLSregression
ssize=200
seriesbeta_roll=@movcov（y1,y2,!
ssize）/@movvar（y1,!
ssize）
codeforrunningarollingregression:
commentedoutrightnow
length=@obs（y1）
equationroll_beta.lsy2cy1
showroll_beta
i=1to!
length-!
ssize+1
smpl@first+!
i-1@first+!
i+!
ssize-2
equationroll_beta.lsy2cy1
ssize-2@first+!
beta_roll=roll_beta.@coefs
（2）
calculatebetawithStateSpace
viaatime-varyingcoefficientforY1
sspacessbeta
ssbeta.appendy2=c
（1）+sv1*y1+[var=exp（c
（2））]
ssbeta.append@statesv1=sv1（-1）
ssbeta.ml
ssbeta.makestatesbeta_*
renamebeta_sv1beta_ss
calculatebetawithsystemARCH
byestimatingthecovarianceandvarianceof
thetwoseriesusingMultivariateARCH
systemarbeta
arbeta.appendy1=c
（1）
arbeta.appendy2=c
（2）
arbeta.arch@Diagvechc（indef）arch（1,indef）garch（1,indef）
arbeta.makegarch（name=arch）
seriesbeta_arch=arch01_02/arch01
displaythedifferentbetas
groupbetas_ls_rollbeta_constbeta_roll
groupbetas_roll_ss_archbeta_rollbeta_ssbeta_arch
showbetas_ls_roll.line
showbetas_roll_ss_arch.line
在生成服从某种分布（标准正态分布白噪声序列）的随机序列的基础上生成各种ARIMA序列：
AR
（1）、MA
（1）、ARMA（1,1）、ARIMA（1,1,1）
⏹Workfilerandom2u11000
⏹Seriesu=@nrnd
⏹U
（1）=0
⏹Seriesx1
⏹X1
（1）=0
⏹Seriesx2
⏹X2
（1）=0
⏹Seriesx3
⏹X3
（1）=0
⏹Seriesx4
⏹X4
（1）=0
⏹Smpl21000
⏹x1=0.8*x1（-1）+u
⏹X2=u+0.8*u（-1）
⏹X3=0.8*x3（-1）+u+0.8*u（-1）
⏹X4=x4（-1）+x3
⏹Smpl@all
⏹groupmyx1x2x3
⏹showmy.line
⏹workfilesimuu11000
⏹seriesx1=@runif（0,1）
⏹seriesx2=@runif（0,1）
⏹seriesx3=@runif（0,1）
⏹groupgx1x2x3
⏹g.line
⏹g.bar
⏹scatx1x2
⏹sortx1
⏹genry=10+2*x1
⏹y.line
⏹freezey
⏹y.hist
⏹scalaryy=@mean（y）
⏹scalaryy1=@skew（y）
⏹scalaryy3=@kurt（y）
升级会员 