9979997藏宝阁香港马会
大学生考试网 让学习变简单
赞助商链接

garch模型族的EVIEWS的操作

garch模型族的EVIEWS的操作

9979997藏宝阁香港马会 www.shixinhuamu.com
GARCH类模型 GARCH类模型 建模的Eviews Eviews操 建模的Eviews操 作

1 2 3

Eviews软件简介 Eviews软件简介 时间序列建模 实例操作

Eviews简介 简介
Eviews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。 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
Eviews的应用范围包括 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 ■ 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: 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;

Eviews主要功能 主要功能: 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;

Eviews主要功能 主要功能: 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

2

时间序列建模

时间序列建模步骤
1 2 3 4 5 6 ? 序列描述性分析 ? 序列相关性分析 ? 回归模型的建立 ? 残差的ARCH效应检验 ? ARCH模型的建立 ? 模型验证

3

实例操作

实例操作

上证180 180指数收益率波动率分析 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。

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
http://www.sse.com.cn/sseportal/index/cn/common/zshq.jsp#7

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

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"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。

Page ? 14

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 年度 :从1999到2009,只需在Start date中输入1999。 End date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 半年,在Start date中输入1999:1 。End date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 季度,在Start date中输入1999:1 。End date中输 入2009:3
Page ? 15

月度:年后加1-12;如:从1999年1月到2009年12 月度 月,在Start date中输入1999:1 。End date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Start date中输入1/1/2007。End date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Start date中输入3/5/2008。End date 中输入8/20/2009. 非时间序列或不规则数据:输入样本个数。如: 非时间序列或不规则数据 样本数为200,在Start date中输入1 。End date 中输入200。
Page ? 16

本案例中选择最后一个integer-data, Start date中输入1 ;End date中输入548。

Page ? 17

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 直接输入法/复制法 Objects/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-LotusExcel,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。

建立对数收益率序列 点击Eviews中workfile菜单中的 Objects/Generate Series,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

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:

Page ? 21

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

1.画时间序列图 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: r

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?。ɡ?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

? 然后在视图中点击view-descriptive statistics—histogram and stats就得到 了对数收益率的柱形统计图,如下:

Page ? 25

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
? 点击View-Unit Root Test,Test Type选 择Augmented Dickey-Fuller,

Page ? 27

得到ADF检验的结果如下:

t统计量的 值-22.88, 对应P值接 近0,表明 序列{r} 平 稳。

Page ? 28

序列自相关和偏自相关检验 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 ? 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=πt+εt

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ARCH效应 检验ARCH效应 ARCH

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/Generate Series输入z= w2,
Page ? 34

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。 如图所 示:序 列存在 自相关, 所以有 ARCH效 应。
Page ? 35

建立GARCH类模型 建立GARCH类模型 GARCH
(1)GARCH模型 (2)T-GARCH模型 (3)E-GARCH模型

Page ? 36

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:

Page ? 37

点击主菜单Quick/Estimate Equation,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 ? 39

(1)GARCH(2,1)

Page ? 40

(1)GARCH(1,2)

Page ? 41

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,点击确定。如下图:

Page ? 43

T-GARCH(1,1)

Page ? 44

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 ? 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 /Residual Test /ARCH LM Test 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。 建立的EGARCH(1, 模型如下: 建立的EGARCH(1,1)模型如下: EGARCH(1

Page ? 50

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

假设残差服从t分布操作过程:Quick/Estimate Equation,得到如下对话框,在 Method选择 Student’s t( GED分布则选择GED ),如下:

Page ? 52

Page ? 53

上证180指数的对数收益率时间序列的均值方程 是一个白噪声 ,而其残差能用EGARCH(1,1)模 型进行较好的拟合。 结论: 结论: (一)异方差的存在性。该上证指数收益率有“ 尖峰厚尾”和聚集现象,不服从正态分布。风险 对收益率的影响不显著。 (二)指数收益率存在杠杆性。投资者对该指数 收益率下跌的反映往往高于相同程度收益率上涨 的反映,即收益率的下跌对市场的影响更大。
Page ? 54

Page ? 55



推荐相关:
9979997藏宝阁香港马会 | 9979997藏宝阁香港马会
All rights reserved Powered by 9979997藏宝阁香港马会 www.shixinhuamu.com
文档资料库内容来自网络,如有侵犯请联系客服。zhit325@qq.com