操作与实验步骤.docx
《操作与实验步骤.docx》由会员分享,可在线阅读,更多相关《操作与实验步骤.docx(10页珍藏版)》请在冰豆网上搜索。
![操作与实验步骤.docx](https://file1.bdocx.com/fileroot1/2023-2/1/f9586b2c-dc62-41d4-a4ab-bb778b5e9ff1/f9586b2c-dc62-41d4-a4ab-bb778b5e9ff11.gif)
操作与实验步骤
一、资产定价模型与估计
1.根据数据频率和时间范围,创建Eviews工作文件。
2.录入数据,并对序列进行初步分析。
即绘制上证指数和宝钢股份月收盘价序列的折线图,初步分析序列的基本趋势和波动特征。
从图中可以看出,招商银行A股和上证指数的走势基本一致。
3.相关性分析。
分别建立以上序列的百分比收益率序列,并求出两序列的相关系数,绘制二维散点图,分析两序列的相关性。
Rsh和rzsyh序列的相关系数矩阵
4.建立单指数模型,并用OLS方法进行参数估计。
常数项的t为0.658,伴随概率为0.513,没有通过显著性检验,因此从方程中剔除,重新定义方程为rzsyhrsh。
对应的回归表达式为rzsyh=0.970*rsh
(7.88)
R^2=0.452,DW=2.28
其中,括号内的值为t统计量。
Rsh的系数估计值为0.970,t统计量的伴随概率为0,通过显著性检验,也就是所招商银行A股和β系数的估计值为0.970,跟1很接近,说明招商银行A股的价格波动基本与市场一致。
R^2=0.452说明方程的拟合程度并不是很高,但是作为金融资产的收益率序列拟合,还是可以接受的。
其经济意义是,招商银行A股的系统风险占风险比例为45.2%。
D.W.=2.28,说明基本上没有一阶自相关。
5.对模型进行检验。
利用t统计量、DW统计量、残差正态性检验、自相关的LM检验和Q统计量、异方差的White检验等方法对模型进行检验。
线性趋势模型的真实值、拟合值与残差值
残差正态性检验
可以看到残差序列的偏度为-0.333,峰度为4.586,JB统计量为8.638,JB统计量的伴随概率为0.013,小于0.05,可以认为在5%的显著性水平上认为残差序列不服从正太分布。
LM检验
LM统计量的伴随概率Wie0.293,大于0.05,可以认为在5%的显著性水平下,不存在一阶自相关。
这与D.W.检验结果一致。
White检验
nR^2的相伴概率我i0.484,大于0.05,可以认为在5%的显著性水平下,不存在异方差。
6.对模型进行评价。
利用样本可决系数R2和调整后的R2等指标结合模型的检验结果对模型进行评价。
7.对模型的经济意义进行解释。
对参数估计值和样本可决系数R2的经济意义进行解释。
8.综合以上步骤所得结果,得出最终结论。
总结操作过程中的问题以及经验教训,完成报告。
二、随机时间序列的特征观察
根据我国金融机构2000年1月到2007年12月财政存款余额数据,利用相关分析图观察随机序列的特征和季节性,并判断序列是否为齐次非平稳序列。
如果是,判断平稳化需要的差分次数。
步骤如下:
1.根据数据频率和时间范围,创建Eviews工作文件。
2.录入数据,并对序列进行初步分析。
即绘制序列的折线图,初步分析序列的基本趋势。
3.序列特征的观察。
a)原序列的相关分析图观察。
默认level。
Lagstoinclude取15。
b)差分序列的相关分析图观察。
1stdifference,生成新序列。
为了观察是否有季节特征,Lagstoinclude取36。
c)剔除季节成分后的相关分析图观察。
利用移动平均加法Procs/SeasonalAdjustment/MovingAverageMethods/differencefrommovingaverage–Additive,随后观察,默认level。
Lagstoinclude取15。
d)季节调整后差分序列的相关分析图观察。
1stdifference,生成新序列。
默认level。
Lagstoinclude取15。
若非平稳,则2nddifference,生成新序列。
默认level。
Lagstoinclude取36。
并画出其折线图。
4.综合以上步骤所得结果,得出最终结论。
总结操作过程中的问题以及经验教训,完成报告。
三、单位根检验、协整与误差修正模型
1.根据数据频率和时间范围,创建Eviews工作文件。
2.录入数据,并对序列进行初步分析。
即绘制上证综指和深证综指序列的折线图以及组形式的折线图,初步分析序列的基本趋势和两者关系。
3.运用ADF检验对上证综指和深证综指序列进行单位根检验。
分别做原序列和差分序列的单位根检验,并判断单整的阶数。
根据序列的折线图选择检验方程形式;根据AIC准则选择ADF检验时的最大滞后阶数p。
4.对上证综指和深证综指序列进行协整检验。
如果上证综指和深证综指序列是同阶单整序列,就对上证综指和深证综指序列进行协整关系检验。
5.建立误差修正模型。
如果上证综指和深证综指序列存在协整关系,则建立误差修正模型,分析两者的短期、长期关系。
6.综合以上步骤所得结果,得出最终结论。
总结操作过程中的问题以及经验教训,完成报告。
四、ARMA模型应用
1.根据数据频率和时间范围,创建Eviews工作文件。
2.录入数据,并对序列进行初步分析。
即绘制美元兑英镑汇率的月均价数据序列的折线图,初步分析序列的基本趋势,初步判断序列的平稳性。
3.识别ARIMA(p,d,q)模型中的阶数p,d,q。
运用单位根检验(ADF检验)确定单整阶数d;利用相关分析图来确定自回归阶数p和移动平均阶数q。
初步选择几个适合的备选模型。
4.ARIMA(p,d,q)模型的估计与检验。
对备选模型进行估计和检验,并进行比较,从中选择最优模型。
5.利用最优模型对2008年1月美元兑英镑汇率的月均价进行外推预测。
6.综合以上步骤所得结果,得出最终结论。
总结操作过程中的问题以及经验教训,完成报告。
五、条件异方差模型应用
1.根据数据频率和时间范围,创建Eviews工作文件。
2.录入数据,并对序列进行初步分析。
即绘制B股指数周收盘数据原序列和对数序列的折线图,初步分析序列的基本趋势和波动特征。
3.建立主体模型。
用对数序列建立一阶自回归模型最为主体模型。
观察残差序列图和残差平方序列图,初步判断ARCH效应。
4.ARCH效应模型。
利用ARCH-LM检验、残差平方序列的相关分析图和残差平方的Q统计量检验,对一阶自回归模型残差的ARCH效应进行检验。
5.建立条件异方差模型。
利用GARCH(1,1)模型和GARCH-M模型分别建立回归-ARCH模型,并进行比较,从中选择最优模型。
6.利用最优模型对2008年3月14日上证B股指数收盘价进行外推预测。
7.综合以上步骤所得结果,得出最终结论。
总结操作过程中的问题以及经验教训,完成报告。