张思成计量实验.docx
《张思成计量实验.docx》由会员分享，可在线阅读，更多相关《张思成计量实验.docx（12页珍藏版）》请在冰豆网上搜索。
张思成计量实验
张思成书上的
金融计量学作业
题一：
获得2001年之后中国月度CPI通货膨胀率，用AR模型预测2011年9月及之后的点估计值和区间预测结果（样本取2001年1月至2011年8月）
Step1：
从中国统计局网站找出2001年1月至2011年8月的居民消费价格指数（上年同月=100），在EViews中构建序列cpi，dcpi=（cpi-100）%.
Step2：
作出dcpi序列的图像，大致看出其符合平稳序列的特征（如图1）
图1
Step3：
对序列dcpi进行自相关性检验，其中AC表现出拖尾现象，而PAC呈现一阶截尾（如图2），考虑使用AR
（1）模型进行OLS回归.
Step4：
程序窗口输入lsdcpicdcpi（-1）,查看AR
（1）模型的回归情况
DependentVariable:
DCPI
Method:
LeastSquares
Date:
11/04/13Time:
22:
17
Sample（adjusted）:
2001M022011M08
Includedobservations:
127afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
0.106733
0.083134
1.283866
0.2016
DCPI（-1）
0.971321
0.024204
40.13017
0
R-squared
0.927972
Meandependentvar
2.388189
AdjustedR-squared
0.927396
S.D.dependentvar
2.536859
S.E.ofregression
0.683562
Akaikeinfocriterion
2.092624
Sumsquaredresid
58.40713
Schwarzcriterion
2.137414
Loglikelihood
-130.8816
F-statistic
1610.431
Durbin-Watsonstat
1.673332
Prob（F-statistic）
0
从上表能够看出R-squared很接近1，dcpi的t统计量很显著，AIC和SIC都不大，于是可以决定用AR
（1）进行预测。
Step5：
以2001年1月至2011年8月的数据作为样本，预测2011年9月至2012年7月的dcpi数值。
可得出图3。
图3
于是做出了2011年9月至2012年8月的dcpi预测图。
题二：
以2001年1月至2011年8月的股票收益率为样本，利用AR模型对2011年9月以及以后的股票收益率进行预测，并比较不同模型结果的准确度。
Step1：
首先在wind资讯上查到了2001年1月至2012年11月的以月度为频率的股票指数，生成序列index。
以该序列为基础，生成股票收益率的序列i，公式为seriesi=（（index-index（-1））/index（-1））*100。
并画出收益率的graph以及自相关图。
Step2：
按题意用AR模型进行预测，其中样本为2001年1月至2011年8月，之后的数据作为对比，看预测值与实际值得差距。
Step3：
先用AR
（2）进行预测。
输入:
ici（-1）i（-2）看拟合程度
拟合度并不好，但先用其生成预测序列if1.
Step3：
用AR（3）进行预测，类似Step2的步骤，得到if2.同理获取AR（4）,AR（5）的预测序列if3，if4.其拟合度都不高。
将四个预测序列和实际序列放在同一张图上看出用AR（5）预测的值较其他更接近实际值。
下面是分别用ar（3）ar（4）ar（5）拟合的结果。
这里i（-1）和i（-3）的系数几乎为0，而且t统计量不显著
ar（3）的结果
ar（4）的结果
ar（5）的结果
相对于ar
（2）ar（3）ar（4），ar（5）的预测稍微准确，相信将阶数增加到很大的时候可以比较接近真实值。
题三：
用ADF单位根检验法检验1978至2000年的GDP序列，并用ARIMA模型预测2001年和2002年的GDP
Step1：
在中经网数据库找出1978至2002年的gdp数据，其中1978年至2000年的数据作为样本，作出graph以及自相关图
可以看出gdp序列可能是非平稳的。
Step2：
对该序列进行ADF单位根检验，以确定gdp序列的平稳性。
假设是情况3，即既带有t趋势项又带有截距项。
在选项中选择Trendandintercept。
可得：
T统计量的值远大于检验水平1%、5%、10%的的临界值。
因此拒绝原假设，即可认为序列gdp是非平稳的。
其中gdp一阶差分，gdp二阶差分的系数，以及trend的系数都比较显著，拒绝均为0的原假设。
即可认为该序列属于第三种情况（既含趋势项又含截距项）
Step3：
下面确定单位根的个数，由于gdp的一阶滞后项和二阶滞后项都有系数。
直接用二阶差分的ADF单位根来检验。
得出；
T统计量大于5%的临界值，因此可以接受原假设。
并且trend项的系数不显著，可以认为gdp的二阶差分是平稳的，即gdp序列是二阶单整序列。
Step4：
用ARIMA（p,d,q）模型来估计该序列，目前可以确定d=2。
对gdp的二阶差分进行自相关图分析
ACF和PACF都没有出现截尾，ACF滞后1阶，4阶处超出置信区间，PACF在1、2、4、5、6、7都超出。
MA应该是低阶的，AR取2（滞后2阶后变的很小）
考虑用ARMA（2,1）和ARMA（2,2）来拟合经过2阶差分的GDP序列。
代码为d（log（gdp），1,2）car
（2）ar
（1）ma
（1）
其中ARIMA（2,2,1）的结果为：
ARMA（2,2,2）的结果为：
看来ARMA（2.2）预测的跟真实值更接近。
将两个预测结果和真实值放在一个图中
实际值
ARIMA（2,2,1）
ARIMA（2,2,2）
2001
109655.17
108705.0586
110776.4696
2002
120332.69
119385.501
123234.2277
ARIMA（2,2,1）的预测值更接近实际值
升级会员 