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。
![计量经济学作业 浙江万里学院 实验七eviews文档格式.docx](https://file1.bingdoc.com/fileroot1/2023-4/29/e6e002eb-23f9-4ac7-a5b2-8591044416d6/e6e002eb-23f9-4ac7-a5b2-8591044416d61.gif)
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