计量经济学作业 浙江万里学院 实验七eviews文档格式.docx

计量经济学作业 浙江万里学院 实验七eviews文档格式.docx

《计量经济学作业 浙江万里学院 实验七eviews文档格式.docx》由会员分享，可在线阅读，更多相关《计量经济学作业 浙江万里学院 实验七eviews文档格式.docx（18页珍藏版）》请在冰点文库上搜索。

给出：

（7.1）

其中，

表示t-1时刻所有可得信息的集合，

为条件方差。

方程（7.2）表示误差项

的方差

由两部分组成：

一个常数项和前p个时刻关于变化量的信息，用前p个时刻的残差平方表示（ARCH项）。

广义自回归条件异方差GARCH（p,q）模型可表示为：

（7.3）

（7.4）

三、实验内容及要求

1、实验内容：

以上证指数和深证成份指数为研究对象，选取1997年1月2日～2002年12月31日共

6年每个交易日上证指数和深证成份指数的收盘价为样本，完成以下实验步骤：

（一）沪深股市收益率的波动性研究

（二）股市收益波动非对称性的研究

（三）沪深股市波动溢出效应的研究

2、实验要求：

（1）深刻理解本章的概念；

（2）对实验步骤中提出的问题进行思考；

（3）熟练掌握实验的操作步骤，并得到有关结果。

四、实验指导

1、描述性统计

（1）导入数据，建立工作组

（2）生成收益率的数据列

在Eviews窗口主菜单栏下的命令窗口中键入如下命令：

genrrh=log（sh/sh（-1）），回

车后即形成沪市收益率的数据序列rh，同样的方法可得深市收益数剧序列rz。

（3）观察收益率的描述性统计量

双击选取“rh”数据序列，在新出现的窗口中点击“View”－“DescriptiveStatistics”

－“HistogramandStats”，则可得沪市收益率rh的描述性统计量，如图7－1所示：

图7－1沪市收益率rh的描述性统计量

深市收益率rz的描述性统计量

同样的步骤可得深市收益率rz的描述性统计量。

观察这些数据，我们可以发现：

样本

期内沪市收益率均值为0.027%，标准差为1.63%，偏度为-0.146，左偏峰度为9.07，远高于正态分布的峰度值3，说明收益率rt具有尖峰和厚尾特征。

JB正态性检验也证实了这点，统计量为2232，说明在极小水平下，收益率rt显著异于正态分布；

深市收益率均值为-0.012%，标准差为1.80%，偏度为-0.027，左偏峰度为8.172，收益率rt同样具有尖峰、厚尾特征。

深市收益率的标准差大于沪市，说明深圳股市的波动更大。

2、平稳性检验

再次双击选取rh序列，点击“View”－“UnitRootTest”，出现如图7－2所示窗口：

对该序列进行ADF单位根检验，选择滞后4阶，带截距项而无趋势项，所以采用窗口的

默认选项，得到如图7－3所示结果：

图7-3rhADF检验结果

同样对rz做单位根检验后，得到如图7－4所示结果：

图7－4rzADF检验结果

在1%的显著水平下，两市的收益率rt都拒绝随机游走的假设，说明是平稳的时间序

列数据。

这个结果与国外学者对发达成熟市场波动性的研究一致：

Pagan（1996）和

Bollerslev（1994）指出：

金融资产的价格一般是非平稳的，经常有一个单位根（随机游走），

而收益率序列通常是平稳的。

3、均值方程的确定及残差序列自相关检验

通过对收益率的自相关检验，我们发现两市的收益率都与其滞后15阶存在显著的自相

关，因此对两市收益率rt的均值方程都采用如下形式：

（7.5）

（1）对收益率做自回归

在Eviws主菜单中选择“Quick”－“EstimationEquation”,出现如图7－5所示

窗口：

图7-5对收益率rh做自回归

在“Method”中选择LS（即普通最小二乘法），然后在“Estimationsettings”上方

空白处输入图7－5所示变量，单击“OK”，则出现图7-6所示结果：

图7-6收益率rh回归结果

（2）用Ljung-BoxQ统计量对均值方程拟和后的残差及残差平方做自相关检验：

点击“View”－“ResidualTest”－“Correlogram-Q-statistics”，选择10阶滞后，

则可得沪市收益率rh残差项的自相关系数acf值和pacf值，如图7－7所示：

图7-7沪市收益率rh残差项的自相关系数acf值和pacf值

点击“View”－“ResidualTest”－“CorrelogramSquaredResiduals”，选择10

阶滞后，则可得沪市收益率rh残差平方的自相关系数acf值和pacf值，如图7－8所示：

图7-8沪市收益率rh残差平方的自相关系数acf值和pacf值

采用同样的方法，可得深市收益率rz的回归方程及残差、残差平方的acf值和pacf

值。

结果表明两市的残差不存在显著的自相关，而残差平方有显著的自相关。

对收益率rz做自回归

收益率rz回归结果

深市收益率rz残差项的自相关系数acf值和pacf值

深市收益率rz残差平方的自相关系数acf值和pacf值

（3）对残差平方做线性图。

对rh进行回归后在命令栏输入命令:

genrres1=resid^2，得到rh残差平方序列res1,

用同样的方法得到rz残差平方序列res2。

双击选取序列res1，在新出现的窗口中选择“View”－“LineGraph”，得到res1的线性图如图7-9所示

图7-9rh残差平方线状图

同理得到rz残差平方线状图:

图7-10rz残差平方线状图

可见

的波动具有明显的时间可变性（timevarying）和集簇性（clustering）,适合用

GARCH类模型来建模。

（4）对残差进行ARCH-LMTest

依照步骤

（1），再对rh做一次滞后15阶的回归，在出现的“Equation”窗口中点击

“View”－“ResidualTest”－“ARCHLMTest”,选择一阶滞后，得到如图7－11所示

结果：

图7-11rhARCH-LMTest

对rz方程回归后的残差项同样可做ARCH-LMTest，结果表明残差中ARCH效应是

很显著的。

RzARCH-LMTest