eviews中的蒙特卡洛模拟程序.docx
《eviews中的蒙特卡洛模拟程序.docx》由会员分享，可在线阅读，更多相关《eviews中的蒙特卡洛模拟程序.docx（15页珍藏版）》请在冰豆网上搜索。
eviews中的蒙特卡洛模拟程序
模拟程序案例
例1，在做抛掷一枚质地均匀的硬币的试验中发“正面朝上”的事件（用1表示）和“正面朝下”的事件A（用0表示）的情况。
历史上一些学者得到的具体试验结果如下：
现在需要利用eviews来模拟上述三位学者的实验。
算法分析：
上述三学者的实验均为二项分布的实验，可以直接利用eviews产生二项分布随机数的函数@rbinom（n，p）.
编程如下：
worku12048
seriesresult
for!
i=0to1
smpl12048
seriesx
x
（1）=0
for!
cou=1to2048
x（!
cou）=@rbinom（!
i,0.5）
next
next
x.hist
例2（投掷骰子）
（1）投掷一颗质地均匀的骰子，令X表示其出现的点数，分析各点数出现的频率的稳定性及变化规律；
（2）利用统计的方法，根据“频率的稳定性”规律求投掷一枚质地不均匀的骰子出现某点数的概率；（3）演示随机变量X的数学期望的统计意义。
算法分析：
根据逆变换法产生来自分布函数F（x）的随机数，就要求出F-1（y），其中F-1（y）＝inf{x：
F（x）≥y}.0≤y≤1.质地均匀的骰子各点数出现的频率的分布函数是
F（x）=p（x≥x）=（i=1）/6，i-1≤x＜i，i=1，2，…，7
可求得
F-1（y）=inf{x:
F（x）≥y}.0≤y≤1=i-1，（i-1）/6≤y＜i/6，i=1，…，6
因而，可先由产生均匀分布随机数的函数@runif（0，1）抽取y值，再来计算F-1（y）值即可。
程序实现：
worku11000
smpl11000
seriesx
seriesy
seriesa1
seriesa2
seriesa3
seriesa4
seriesa5
seriesa6
for!
i=1to1000
a1（!
i）=1/6
a2（!
i）=2/6
a3（!
i）=3/6
a4（!
i）=4/6
a5（!
i）=5/6
a6（!
i）=1
x（!
i）=@runif（0,1）
ifx（!
i）i）theny（!
i）=1
elseifx（!
i）>=a1（!
i）andx（!
i）i）theny（!
i）=2
elseifx（!
i）>=a2（!
i）andx（!
i）i）theny（!
i）=3
elseifx（!
i）>=a3（!
i）andx（!
i）i）theny（!
i）=4
elseifx（!
i）>=a4（!
i）andx（!
i）i）theny（!
i）=5
elseifx（!
i）>=a5（!
i）andx（!
i）i）theny（!
i）=6
elsey（!
i）=7
endif
endif
endif
endif
endif
endif
next
y.hist
1.通过已知总体模型得到多组样本数据，进行多次回归，验证回归结果的特征、性质
最小二乘法的无偏性
worku110
vector（10）v1
v1.fill80,100,120,140,160,180,200,220,240,260
mtos（v1,x）
!
b1=25
!
b2=0.5
matrix（100,2）f
for!
k=1to100
seriesu=3*nrnd
seriesy=!
b1+!
b2*x+u
equationeq.lsy=c
（1）+c
（2）*x
f（!
k,1）=c
（1）
f（!
k,2）=c
（2）
next
showf
expand1100
smpl1100
mtos（f,gr）
freezeser01.qqplot
freezeser01.hist
freezeser02.qqplot
freezeser02.hist
matrix（1,2）m
m（1,1）=@mean（ser01）
m（1,2）=@mean（ser02）
showm
蒙特卡洛模拟程序：
（最终调试成功）
'storemontecarleresultsinaseries
'checked4/1/2004
'setworktonumberofmontecarlereplications
wfcreatemcarleu1100
'createdataseriesforx
'note:
xisfixedinrepeatedsamples
'onlyfirst10observationsareused（remaining90obsmissing）
seriesx
x.fill80,100,120,140,160,180,200,220,240,260
'settrueparametervalues
!
beta1=2.5
!
beta2=0.5
'setseedforrandomnumbergenerator
rndseed123456
'assignnumberofreplicationstoacontrolvariable
!
reps=100
'beginloop
for!
I=1to!
reps
'setsampletoestimationsample
smpl110
'simulateydata（onlyfor10obs）
seriesy=!
beta1+!
beta2*x+3*nrnd
'regressyonaconstantandx
Equationeq1.lsycx
'setsampletooneobservation
smpl!
I!
i
'andstoreeachcoefficientestimateinaseries
seriesb1=eq1.@coefs
（1）
seriesb2=eq1.@coefs
（2）
next
'endofloop
'setsampletofullsample
smpl1100
'showkerneldensityeatimateforeachcoef
freeze（gra1）b1.distplotkernel
'drowverticaldashlineattrueparametervalue
gra1.draw（dashline,bottom,rgb（156,156,156））!
beta1
showgra1
freeze（gra2）b2.distplotkernel
'drawverticaldashlineattrueparametervalue
gra2.draw（dashline,bottom,rgb（156,156,156））!
beta2
showgra2
一元回归参数的分布：
Subroutinemoni（scalarn,scalarsum,scalarparam1,scalarparam2,scalartype）
For!
m=1ton
X（!
m）=@rnd*100
Next
For!
n=1tosum
Iftype=0then
For!
m=1ton
U（!
m）=@nrnd
Next
Endif
Iftype=1then
For!
m=1ton
If@rnd<0.5then
U（!
m）=@rnd
Else
U（!
m）=@rnd*（-1）
Endif
Next
Endif
Iftype=2then
U
（1）=@nrnd
For!
m=2ton
U（!
m）=u（!
m-1）+@nrnd
Next
Endif
Iftype=3then
For!
m=1ton
If@rnd<0.5then
U（!
m）=@nrnd
Else
U（!
m）=@nrnd*2
Endif
Next
Endif
For!
m=2ton
Y（!
m）=param1+param2*x（!
m）+u（!
m）
Next
Equationeq.lsycx
B1（!
n）=eq.@coefs
（1）
B2（!
n）=eq.@coefs
（2）
Next
Endsub
Worku110000
Seriesb1
Seriesb2
Seriesx
Seriesy
Seriesu
Callmoni（100,10000,20,0.8,3）
B1.hist
B2.hist
生成季度虚拟变量的程序：
wfcreatedumtestq19701990
%start="1972:
1"
%end="1979:
4"
for!
i=@dtoo（%start）to@dtoo（%end）
%obsstr=@otod（!
i）
if（@mid（%obsstr,5,1）=":
"）then
%name="d_"+@left（%obsstr,4）+"_"+@mid（%obsstr,6）
else
%name="d_"+%obsstr
endif
smpl@all
series{%name}=0
smpl{%obsstr}{%obsstr}
series{%name}=1
next
下面这个执行不了：
!
n=10000
wfcreatecaou1!
n
matrix（!
n,18）m
groupg
for%1r0b0t0dw0r20f0r1b1t1dw1r21f1r2b2t2dw2r22f2
series{%1}=0
g.add{%1}
next
for!
k=1to!
n
smpl1122
for%1y0x0y1x1y2x2
series{%1}=@rnorm
next
smpl2122
x1=x1（-1）+@rnorm
y1=y1（-1）+@rnorm
smpl2122
x2=2*x2（-1）-x2（-2）+@rnorm
y2=2*y2（-1）-y2（-2）+@rnorm
smpl1122
for%1%2%31y0x07y1x113y2x2
m（!
k,{%1}）=@cor（{%2},{%3}）
equationeq.ls{%2}c{%3}
m（!
k,{%1}+1）=eq.c
（2）
m（!
k,{%1}+2）=eq.@tstats
（2）
m（!
k,{%1}+3）=eq.@dw
m（!
k,{%1}+4）=eq.@r2
m（!
k,{%1}+5）=eq.@f
next
next
smpl1!
T
mtos（m,g）
for%1t0t1t2
seriescao_{%1}=@abs（{%1}）>=2
freeze（statby_{%1}）{%1}.statby（nomean,nostd）cao_{%1}
next
for%1r0b0t0dw0r20f0r1b1t1dw1r21f1r2b2t2dw2r22f2
freeze（hist_{%1}）{%1}.h
升级会员 