操作与实验步骤.docx

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

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。