EVIEWS中的模型操作

1、GARCHGARCH类模型类模型建模的建模的EviewsEviews操操作作EviewsEviews软件简介软件简介1 1时间序列建模时间序列建模2 2实例操作实例操作3 3Eviews简介简介nEviews是Econometrics Views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。n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。Eviews简介简介nEviews的应用范围包括的应用范围包括： 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

2、 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Eviews主要功能主要功能：n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： n（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； n（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； nEviews主要功能主要功能：n （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；n （4）进行T 检验、方差分析、协整检验、Granger 因果检验； n（5）执行普通最小二乘法、带有自回归校

3、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； n（6）对二择一决策模型进行Probit、logit 和Gompit 估计；Eviews主要功能主要功能：n （7）对联立方程进行线性和非线性的估计； n（8）估计和分析向量自回归系统； n（9）多项式分布滞后模型的估计； n （10）回归方程的预测； n（11）模型的求解和模拟； n（12）数据库管理； n（13）与外部软件进行数据交换。Page 7时间序列建模时间序列建模2 2时间序列建模步骤时间序列建模步骤1 1 序列描述性分析2 2 序列相关性分析3 3 回归模型的建立4 4

4、残差的ARCH效应检验5 5 ARCH模型的建立6 6 模型验证实例操作实例操作3 3实例操作实例操作上证上证180180指数收益率波动率分析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。n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。n数据来源：上海证券报n

5、http:/ 建立新的工作文件建立新的工作文件n 选择菜单File/New/workfile，则出现数据的频率对话框。如图Page 13Page 14n 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。n 可在Start date文本框中输入起始日期，End date文本框中输入终止日期，年度与后面的数字用：分隔。n 具体的日期的表示法为：n 年度年度：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Start date中输入1999。End date中输入2009即

6、可。n 半年半年：年后加1或2；如：从1999年上半年到2009年下半年，在Start date中输入1999：1 。End date中输入2009：2。n 季度季度：年后加1-4；从1999年第一季度到2009年第三季度，在Start date中输入1999：1 。End date中输入2009：3Page 15Page 16n 月度月度：年后加1-12；如：从1999年1月到2009年12月，在Start date中输入1999：1 。End date中输入2009：12。n 周周：月/周/年；如：从2007年1月第一周到2009年1月第四周，在Start date中输入1/1/2007。

7、End date中输入1/4/2009n 天天：月/日/年；如：从2008年3月5日到2009年8月20日，在Start date中输入3/5/2008。End date中输入8/20/2009.n 非时间序列或不规则数据非时间序列或不规则数据：输入样本个数。如：样本数为200，在Start date中输入1 。End date中输入200。Page 17n 本案例中选择最后一个integer-data， Start date中输入1 ；End date中输入548。n建立序列建立序列n可以采用直接输入法、复制法、导入法。n直接输入法直接输入法/ /复制法复制法：点击EViews主菜单中的Ob

8、jects/New Object，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： 导入法：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/Read Text-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Names for series or Number if named in file选框中序列名称p，即将数据导入了该序列p。n建立对数收益率序列建立对数收益率序列n点击Eviews中workfile菜单中的Objects/Generate Series，键入一个表达式，可形

9、成一个新的序列。n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 20Page 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：n 得到工作表，如图所示： 至此完成数据导入工作。序列描述性分析序列描述性分析n 1.1.画时间序列图画时间序列图n 双击序列r，在视图中点击View-graph-line，得到对数收益率r rt t的时间序列图如下：n 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

10、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 24Page 25 然后在视图中点击view-descriptive statisticshistogram and stats就得到了对数收益率的柱形统计图，如下：n 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。JarqueBera统计量为59.85，P值为0.0000

11、0，拒绝该对数收益率序列服从正态分布的假设。Page 26考察序列的平稳性考察序列的平稳性Page 27 点击View-Unit Root Test，Test Type选择Augmented Dickey-Fuller，n得到ADF检验的结果如下：Page 28t统计量的值-22.88，对应P值接近0，表明序列r 平稳。n序列自相关和偏自相关检验序列自相关和偏自相关检验n在视图中点击View-correlogram，在Lags to include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 29Page 30n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

12、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 31n回归模型的建立回归模型的建立n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/Generate Series输入w=r-0.000256再看w序列的描述性统计：Page 33检验检验ARCHARCH效应效应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

13、种方法。首先建立w的平分方程z，在Objects/Generate Series输入z= w2， n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。建立建立GARCHGARCH类模型类模型n(1)GARCH模型n(2)T-GARCH模型n(3)E-GARCH模型Page 36Page 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:n点击主菜单Quick/Estimate Equat

14、ion,得到如下对话框，在 Method选择GARCH,在Mean equation框中输入w，ARCH和GARCH处都选择1，点击确定。Page 38（1）GARCH(1,1)Page 39Page 40（1）GARCH(2,1)Page 41（1）GARCH(1,2)n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/Estimate Equation,得到如下对话框，在 Method选择GARCH/TGARCH，再将Threshold数值输入1，

15、点击确定。如下图：Page 43Page 44T-GARCH(1,1)E-GARCH的操作为： 点击主菜单Quick/Estimate Equation,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 46nEGARCH(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 47Page 48n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 /Residual Test /ARCH LM TestLag=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 49n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建立的建立的EGEGARCH(1ARCH(1，1 1) )模型如下：模型如下：n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 51Page 52n假设残差服从t分布操作过程：Quick/Estimate Equation,