EVIEWS中的模型操作.ppt

GARCH类模型建模的Eviews操作 实例操作 3 Eviews简介 Eviews是EconometricsViews的缩写 直译为计量经济学观察 本意是对社会经济关系与经济活动的数量规律 采用计量经济学方法与技术进行 观察 称为计量经济学软件包 使用Eviews可以迅速地从数据中寻找出统计关系 并用得到的关系去预测数据的未来值 Page 3 Eviews简介 Eviews的应用范围包括 应用经济计量学 总体经济的研究和预测 金融数据分析 销售预测及财务分析 成本分析和预测 蒙地卡罗模拟 经济模型的估计和仿真 利率与外汇预测等等 Page 4 Eviews主要功能 操作灵活简便 可采用多种操作方式进行各种计量分析和统计分析 使数据管理 处理和分析简单方便 其主要功能有 1 采用统一的方式管理数据 通过对象 视图和过程实现对数据的各种操作 2 输入 扩展和修改时间序列数据或截面数据 依据已有序列按任意复杂的公式生成新的序列 Page 5 Eviews主要功能 3 计算描述统计量 相关系数 协方差 自相关系数 互相关系数和直方图 4 进行T检验 方差分析 协整检验 Granger因果检验 5 执行普通最小二乘法 带有自回归校正的最小二乘法 两阶段最小二乘法和三阶段最小二乘法 非线性最小二乘法 广义矩估计法 ARCH模型估计法等 6 对二择一决策模型进行Probit logit和Gompit估计 Page 6 Eviews主要功能 7 对联立方程进行线性和非线性的估计 8 估计和分析向量自回归系统 9 多项式分布滞后模型的估计 10 回归方程的预测 11 模型的求解和模拟 12 数据库管理 13 与外部软件进行数据交换 Page 7 Page 8 时间序列建模步骤 Page 9 实例操作 3 Page 10 实例操作 上证180指数收益率波动率分析 本次选取了上证180指数于2008年8月1日到2010年11月3日的收盘价 共548个观测值 并以此建立序列 p 进而构建其对数收益率序列 r 对序列 r 建立条件异方差模型 并研究其收益波动率 Page 11 上证180指数 是上海证券交易所对原上证30指数进行了调整并更名而成的 其样本股是在所有A股股票中抽取最具市场代表性的180种样本股票 它反映上海证券市场的概貌和运行状况 能作为投资评价尺度及金融衍生产品基础的基准指数 数据来源 上海证券报 Page 12 建立新的工作文件选择菜单File New workfile 则出现数据的频率对话框 如图 Page 13 Page 14 可在 Workfilefrequency 中选择数据的频率 可选的频率包括年度 半年 季度 月度 星期 天 每周5天 每周7天 以及非时间序列或不规则数据 可在 Startdate 文本框中输入起始日期 Enddate 文本框中输入终止日期 年度与后面的数字用 分隔 具体的日期的表示法为 年度 二十世纪可用两位数 其余全用四位数字 如 从1999到2009 只需在Startdate中输入1999 Enddate中输入2009即可 半年 年后加1或2 如 从1999年上半年到2009年下半年 在Startdate中输入1999 1 Enddate中输入2009 2 季度 年后加1 4 从1999年第一季度到2009年第三季度 在Startdate中输入1999 1 Enddate中输入2009 3 Page 15 Page 16 月度 年后加1 12 如 从1999年1月到2009年12月 在Startdate中输入1999 1 Enddate中输入2009 12 周 月 周 年 如 从2007年1月第一周到2009年1月第四周 在Startdate中输入1 1 2007 Enddate中输入1 4 2009天 月 日 年 如 从2008年3月5日到2009年8月20日 在Startdate中输入3 5 2008 Enddate中输入8 20 2009 非时间序列或不规则数据 输入样本个数 如 样本数为200 在Startdate中输入1 Enddate中输入200 Page 17 本案例中选择最后一个integer data Startdate中输入1 Enddate中输入548 建立序列可以采用直接输入法 复制法 导入法 直接输入法 复制法 点击EViews主菜单中的Objects NewObject 出现如图所示的对话框 点击OK后就可以直接输入收集到的数据或是复制得到序列 Page 18 导入法 把存于EXCEL等文档的数据导入序列中 选择主菜单中File Import ReadText Lotus Excel 找到已经存好的数据Excel文件 点击 打开 后 出现如图所示对话框 在NamesforseriesorNumberifnamedinfile选框中序列名称p 即将数据导入了该序列p Page 19 建立对数收益率序列点击Eviews中workfile菜单中的Objects GenerateSeries 键入一个表达式 可形成一个新的序列 常使用到表达式 D代表差分 Log代表取对数 Exp代表取指数 2代表平分 Page 20 Page 21 本案例中对序列p的数据取对数然后差分 得到新的序列r 代表对数收益率 输入的表达式为r dlog p 如图所示 得到工作表 如图所示 至此完成数据导入工作 Page 22 序列描述性分析 1 画时间序列图双击序列r 在视图中点击View graph line 得到对数收益率rt的时间序列图如下 Page 23 从上证180指数对数收益率序列r的线性图中 可观察到对数收益率波动的 集群 现象 波动在一些时间段内较小 例如从第150个观测值到第200个观测值 在有的时间段内非常大 例如从第40个数据到第100个数据 Page 24 Page 25 然后在视图中点击view descriptivestatistics histogramandstats就得到了对数收益率的柱形统计图 如下 由图可知 上证能源指数对数收益率序列均值 Mean 为0 000256 标准差 Std Dev 为0 001426 偏度 Skewness 为 0 141 小于0 说明序列分布有长的左拖尾 峰度 Kurtosis 为4 596 高于于正态分布的峰度值3 说明收益率序列具有尖峰和厚尾的特征 Jarque Bera统计量为59 85 P值为0 00000 拒绝该对数收益率序列服从正态分布的假设 Page 26 考察序列的平稳性 Page 27 点击View UnitRootTest TestType选择AugmentedDickey Fuller 得到ADF检验的结果如下 Page 28 t统计量的值 22 88 对应P值接近0 表明序列 r 平稳 序列自相关和偏自相关检验在视图中点击View correlogram 在Lagstoinclude中键入12 然后点击ok 就得到了对数收益率的自相关函数分析图 Page 29 Page 30 从图中可以看出 序列的自相关和偏自相关系数均落入两倍的估计标准差内 且Q 统计量的对应的p值均大于置信度0 05 故序列在5 的显著性水平上不存在显著的相关性 Page 31 回归模型的建立由于序列不存在显著的相关性 因此将均值方程设定为白噪声 设立模型 rt t t Page 32 将r去均值化 得到w 操作为 Objects GenerateSeries输入w r 0 000256再看w序列的描述性统计 Page 33 检验ARCH效应 Page 34 检验ARCH效应有两种方法 LM法 拉格朗日乘数检验法 和对残差的平方相关图检验 本案例中由于没有对ARMA建模 E views中没有直接的LM法 所以采用第二种方法 首先建立w的平分方程z 在Objects GenerateSeries输入z w2 然后在视图中点击view correlogram 然后点击ok 就得到了对数收益率的自相关函数分析图 Page 35 如图所示 序列存在自相关 所以有ARCH效应 建立GARCH类模型 1 GARCH模型 2 T GARCH模型 3 E GARCH模型 Page 36 Page 37 常用的GARCH模型包括GARCH 1 1 GARCH 1 2 GARCH 2 1 我们分别用多个模型建模 以下以GARCH 1 1 为例 点击主菜单Quick EstimateEquation 得到如下对话框 在Method选择GARCH 在Meanequation框中输入w ARCH和GARCH处都选择1 点击确定 Page 38 1 GARCH 1 1 Page 39 Page 40 1 GARCH 2 1 Page 41 1 GARCH 1 2 基于以上三个模型的比较 GARCH 1 1 所有的系数都通过t检验 效果最好 再考虑T GARCH和E GARCH再分别进行建模 Page 42 T GARCH的操作为 点击主菜单Quick EstimateEquation 得到如下对话框 在Method选择GARCH TGARCH 再将Threshold数值输入1 点击确定 如下图 Page 43 Page 44 T GARCH 1 1 E GARCH的操作为 点击主菜单Quick EstimateEquation 得到如下对话框 在Method选择EGARCH 再将Threshold数值输入0 点击确定 如下图 Page 45 Page 46 EGARCH 1 1 模型的参数均显著 说明序列具有杠杆性 可以进一步加入 ARCH M 检验 Page 47 Page 48 系数不显著 用Variance时系数一样不显著 说明不存在ARCH M过程 模型验证 对建立的EARCH 1 1 模型进行残差ARCH效应检验 点击EARCH 1 1 结果输出窗口View ResidualTest ARCHLMTest Lag 滞后阶数 可以分别取1 4 8 12 以lag 4为例 输出结果如下所示 Page 49 各种lag值情形下 F统计量均不显著 说明模型已经不存在ARCH效应 Page 50 建立的EGARCH 1 1 模型如下 由于之前对r的描述统计中发现统计的正态分布检验没有通过 可以试图做残差服从t分布和GED分布的E views建模 Page 51 Page 52 假设残差服从t分布操作过程 Quick EstimateEquation 得到如下对话框 在Method选