金融学实验课复习及答案整理10.docx
《金融学实验课复习及答案整理10.docx》由会员分享,可在线阅读,更多相关《金融学实验课复习及答案整理10.docx(5页珍藏版)》请在冰豆网上搜索。
![金融学实验课复习及答案整理10.docx](https://file1.bdocx.com/fileroot1/2023-1/1/ece53f40-1aff-4bb8-b4e5-20136ca2c5ef/ece53f40-1aff-4bb8-b4e5-20136ca2c5ef1.gif)
金融学实验课复习及答案整理10
金融学实验课复习及答案整理
(1)
重点掌握内容一、名词解释(3个,15分)1、单位根检验单位根检验是检验时序平稳性的一种正式的方法,其中包括DF检验和ADF检验。
2、协整检验一些时间序列虽然自身非平稳,但其某种线性组合却平稳的,这个线性组合反映了变量之间长期稳定的比例关系,称为协整关系。
检验变量之间协整关系的检验称为协整检验。
协整检验包括EG检验和Johensen检验。
3、误差修正模型ECM4、格兰杰因果检验格兰杰因果检验是一种用于考察序列x是否是序列y产生原因的方法。
如果序列x是y的格兰杰成因,必须满足两个条件:
1.x应该有助于预测y;2.y不应当有助于预测x。
检验的原假设是序列x(y)不是序列y(x)的格兰杰成因。
5、脉冲响应函数脉冲响应函数是用来刻画VAR系统的动态特征,即每个内生变量的变动或冲击对它自己所有其他内生变量产生的影响作用。
6、方差分解方差分解同样用于研究VAR模型的动态特征。
其主要思想是,把系统中每个内生变量(共m个)的波动(k步预测均方差)按其成因分解为与个方程新息相关的m个组成部分,从而了解各新息对模型内生变量的相对重要性。
7、VAR模型向量自回归(VAR)是基于数据的统计性质建立模型,VAR模型把系统中的每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型,从而将单变量自回归模型推广到多元时间序列变量组成的向量自回归模型。
其一般数学表达式VAR(p)是:
其中:
是k维内生变量向量,是d维外生变量向量,p是滞后阶数,T是样本个数。
kk维矩阵和kd维矩阵B是要被估计的系数矩阵。
是k维扰动向量,他们相互之间可以同期相关,但不与自己的滞后值相关及不与等式右边的变量相关。
8、VEC模型二、操作结果(45分)1、单位根检验与协整检验以金融实验七为例对相应数据进行对数处理,处理方法如下:
在命令窗口中输入genrlgdp=log(gdp)并回车,输入genrlcpi=log(cpi)并回车,输入genrlm2=log(m2)并回车,我们就分别对序列gdp、cpi和m2进行了对数处理,并生成取对数后的序列分别为lgdp、lcpi和lm2(如图5.2.8所示)。
单位根检对取对数后的三个序列分别进行单位根检验,检验过程方法如下:
双击图5.2.8工作文件中的序列lgdp打开对应的lgdp序列如图5.2.9所示,在图5.2.9所示工具栏中单击View按钮选择二级下拉菜单中的UnitRootTest(图5.2.10),弹出单位根检验对话窗口如图5.2.11所示,在Testtype复选框中选择AugmentedDickey-Fuller选项,表示选择ADF检验,在Testforunitrootin复选框中选择level选项,表示对原对数序列进行检验,在Includeintestequation复选框中选择Trendandintercept选项表示含有趋势项和截距项,在Laglength复选框中选择Automaticselection选项并选择下拉菜单中的SchwarzInfoCriterion选项表示使用SIC准则确定滞后阶数,在Maximum中输入数字9表示最大滞后阶数。
然后点击OK按钮,弹出检验结果如图5.2.12所示。
结果表明原对数序列lgdp为非平稳序列,接着对lgdp序列的一阶差分进行单位根检验,检验方法如下:
在图5.2.12所示中单击View按钮并选择下拉菜单中的UnitRootTest选项,弹出5.2.13所示单位根检验对话框,这里我们在Testforunitrootin复选框中选择1stdifference选项表示对序列的一阶差分进行单位根检验,在Includeintestequation复选框中选择None选项表示不含有常数项和趋势项,其他选择默认如图5.2.14所示,单击OK按钮,得到lgdp一阶差分序列的单位根检验结果如图5.2.15所示。
结果显示,lgpd的一阶差分序列在1%的显著性水平下为平稳序列,也就是说lgdp序列为一阶单整序列,即I
(1)序列。
图5.2.8图5.2.9图5.2.10图5.2.11图5.2.12图5.2.13图5.2.14接下来我们也按照同样的方法分别对lcpi序列和lm2序列进行单位根检验。
图5.2.16为对lcpi序列进行单位根检验弹出的对话框,我们先对原序列进行检验,按照图5.2.17所示选择对应的选项,然后点击OK按钮可以得到检验结果如图5.2.18所示。
结果显示原序列lcpi为非平稳序列,接着对其一阶差分序列进行检验,选择图5.2.18所示菜单栏中的View按钮在其二级下拉菜单中选择UnitRootTest选项,弹出单位根检验对话框如图5.2.19所示。
我们按照图5.2.20所示选择对应的选项,然后单击OK按钮得到检验结果如图5.2.21所示。
检验结果显示lcpi序列的一阶差分序列在1%的显著性水平下为平稳序列,因此lcpi序列也是I
(1)序列(一阶单整序列)。
图5.2.22为对lm2序列进行单位根检验弹出的对话框,我们先对原序列进行检验,按照图5.2.23所示选择对应的选项,然后点击OK按钮可以得到检验结果如图5.2.24所示。
结果显示原序列lm2为非平稳序列,接着对其一阶差分序列进行检验,选择图5.2.24所示菜单栏中的View按钮在其二级下拉菜单中选择UnitRootTest选项,弹出单位根检验对话框如图5.2.25所示。
我们按照图5.2.26所示选择对应的选项,然后单击OK按钮得到检验结果如图5.2.27所示。
检验结果显示lm2序列的一阶差分序列在1%的显著性水平下为平稳序列,因此lm2序列也是I
(1)序列(一阶单整序列)。
协整检验应用Johansen方法对三者之间的协整关系进行检验。
操作方法如下:
在命令窗口中输入group并回车弹出如图5.2.28所示对话框,在对话框中输入:
lgdplcpilm2(如图5.2.29)并点击OK按钮,弹出如图5.2.30所示的组,单击菜单栏中的Save按钮,弹出保存对话框如图5.2.31所示,点击OK按钮将组保存为group01(图5.2.32)。
图5.2.28图5.2.29图5.2.30图5.2.31图5.2.32在图5.2.32所示菜单栏中点击View并选择对应下拉菜单栏中的CointegrationTest选项(图5.2.33),弹出协整检验对话框如图5.2.34所示,在Lagintervals中输入15其他保持默认选项(如图5.2.35),单击确定按钮,我们就可以得到检验结果如图5.2.36所示。
结果显示在0.05的置信水平下三个变量之间存在一个协整向量,即产出、物价和货币供应量之间在长期存在协整关系。
图5.2.33图5.2.34图5.2.35图5.2.363.VEC模型在确定存在协整关系后,我们估计对应的误差校正模型(VEC模型),在图5.2.36对应的菜单栏中点击Proc并选择其二级下拉菜单中的MakeVectorAutoregression选项(如图5.2.37),弹出如图5.2.38所示对话框,在VARType复选框中选择VectorErrorCorrection选项,在LagIntervalsforEndogenous中输入15(如图5.2.39),其他选择默认,然后单击确定按钮,我们就可以得到对应的误差校正模型的估计结果如图5.2.40所示。
在图5.2.40所示图总点击Name按钮并在弹出的对话框中单击OK就将估计结果保存为var01,如图5.2.41所示。
图5.2.37图5.2.38图5.2.39图5.2.40图5.2.414、脉冲响应函数得到误差修正模型的估计后我们可以运用此模型进行冲击响应分析,这里我们观察1个单位货币供应量冲击对产出、物价及其自身的影响,操作方法为:
在图5.2.41所示的菜单栏中选择View对应的二级下拉菜单中的ImpulseResponse选项,弹出如图5.2.43所示对话框,在DisplayInformation对应的Impulses复选框中输入lm2,在Periods中输入数字30其他保持默认如图5.2.44所示,然后点击确定按钮,我们可以得到对应的脉冲响应结果如图5.2.45所示。
图5.2.42图5.2.43图5.2.44图5.2.455、方差分解为进一步考察三者之间的动态关系,可以对预测误差关于各冲击进行分解,操作方法为:
在图5.2.45选择菜单栏中的View对应的二级下拉菜单栏中的VarianceDecomposition选项(图5.2.46),弹出如图5.2.47所示对话框,单击OK按钮我们可以得到对应各个冲击的方差分解结果如图5.2.48所示。
图5.2.46图5.2.47图5.2.486、误差修正模型ECM以金融实验七为例前期准备步骤估计方程之前,我们要对相应数据进行对数处理,处理方法如下:
在命令窗口中输入genrlscg=log(scg)并回车,输入genrlinc=log(inc)并回车,输入genrlsav=log(sav)并回车,我们就分别对序列scg、inc和sav进行了对数处理,并生成取对数后的序列分别为lscg、linc和lsav(如图5.1.11所示),我们后面将用取对数后的序列进行方程的估计。
图5.1.11首先对前面的方程2.2进行估计,首先在命令窗口中输入:
lslscgclinclinc(-1)linc(-2)lsavlsav(-1)lsav(-2)r并回车,我们可得到估计结果如图5.1.12所示,点击结果文件菜单栏中的Name按钮,弹出如图5.1.13所示对话框,点击OK按钮,将估计方程保存为eg01。
从估计结果我们可以发现,对应的常数项和变量的滞后项参数检验都不显著,因此我们将其剔除重新进行估计:
在命令窗口中输入:
lslscglinclsavr并回车,我们得到剔除常数项和滞后项的新的方程的估计结果,如图5.1.14所示,同样点击结果文件菜单栏中的Name按钮,并在弹出的对话框中选择OK按钮,则将估计方程结果保存为eg02。
我们以此方程作为最后的估计结果估计以误差校正形式表示的短期动态方程。
图5.1.12图5.1.13图5.1.14VEC估计我们首先根据前面估计结果得到误差校正项,在命令窗口中输入:
genremc=lscg-0.7342*linc-0.2103*lsav+2.014*r我们可以得到误差校正项emc。
接下来我们对相关变量进行差分处理,在命令窗口中输入genrdlscg=D(lscg,1)并回车,输入:
genrdlinc=D(linc,1)并回车,我们就得到对应的序列lscg和linc的差分序列分别为dlscg和dlinc。
接下来我们在命令窗口中输入lsdlscgcdlscg(-1)dlscg(-2)dlscg(-3)dlscg(-4)dlincemc(-1)并回车,我们可以得到滞后4阶的短期动态方程,如图5.1.15所示。
我们同样可以按照上面介绍的方法将估计结果保存为eg03。
从估计结果我们可以看到方程的拟合优度比较高,并且各参数显著性都比较强。
图5.1.157、VAR模型估计以金融实验四为例4.4、VAR模型估计及其检验
(1)、模型估计为了创建一个VAR对象,我们在命令窗口输入var并回车,便会出现如图4.10所示的对话框。
在EndogenousVariables栏中输入hlrgj,在ExogenousVariables栏中输入cm1,其他保持默认选择,点击确定按钮。
我们将得到VAR模型的估计结果如图4.11所示。
在4.11所示窗口中点击菜单栏中的Name按钮,在弹出的对话框中(图4.12所示)点击OK按钮,则我们将VAR对象窗口命名为var01。
图4.10图4.11图4.12由估计结果我们可以得到:
不论是资本市场、货币市场还是外汇市场都受自身滞后值的影响很大,并且主要是受一期滞后值的影响。
其中外汇市场除了受自身滞后值影响外还受货币市场影响滞后两期的影响比较大,而资本市场对外汇市场影响不明显;货币市场也主要是受汇率市场影响比较明显,资本市场相对对其影响较小。
资本市场除了受本身滞后值影响外主要受货币市场影响;而外生变量m1对货币市场和资本市场影响比较显著。
也就是说我国的金融市场中,货币市场和外汇市场之间、货币市场和资本市场之间相互影响比较显著,并且货币市场和外汇市场间的影响是双向的,相互影响。
而货币市场与资本市场之间的影响单向的,也就是货币市场影响资本市场,而资本市场对货币市场影响不明显。
而外汇市场和资本市场影响不明显。
这也说明了在我国金融市场中,资本市场相对比较被动,其变化较大程度上受到外部市场的影响。
但本身对其他市场的影响能力有限。
8、格兰杰因果检验以金融工程实验六为例对房的对数LnHPt和经济总量的对数LnGDP进行格兰杰因果检验Granger因果检验对LnHPt和LnGDPt进行Granger因果检验,具体操作如下:
在进入录有LnHPt和LnGDPt数据的Workfile窗口后,在主窗口单击Quick,出现选择画面,选择GroupStatisticsGrangerCausalityTest后进入LagSpecification画面,选择适当的滞后长度,例如滞后长度为2,单击OK,出现如下画面从上式可以看出,当滞后期为2期时,X是Y的因,但Y不是X的因在此窗口内单击ViewGrangerCausality后,修改滞后长度,分别等于3和4,再单击OK,结果如下:
当滞后期大于3期时,X与Y互为因果关系,即房价与宏观经济(以GDP表示)二者都不互为Granger原因。
表2:
Granger因果关系检验图滞后长度(q=s)Granger因果检验F值P值结论GDPHP5.64510.0229拒绝2HPGDP3.32860.0780不拒绝GDPHP1.88490.2205不拒绝3HPGDP0.65640.6042不拒绝GDPHP0.29080.8706不拒绝4HPGDP1.38080.3811不拒绝