金融学实验课复习及答案整理10.docx

1、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 ECM 4、 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

2、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

3、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

4、口中输入genr lgdp=log(gdp)并回车， 输入genr lcpi=log(cpi) 并回车， 输入genr lm2=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Unit Root Test（图5.2.10）， 弹出单位根检验对话窗口如图5.2.11所

5、示， 在Test type复选框中选择Augmented Dickey-Fuller 选项， 表示选择ADF检验， 在Test for unit root in复选框中选择level 选项， 表示对原对数序列进行检验， 在Include in test equation复选框中选择Trend and intercept 选项表示含有趋势项和截距项， 在Lag length复选框中选择Automatic selection 选项并选择下拉菜单中的Schwarz Info Criterion 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

6、， 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Unit Root Test选项， 弹出5.2.13所示单位根检验对话框， 这里我们在Test for unit root in复选框中选择1st difference 选项表示对序列的一阶差分进行单位根检验，在Include in test equation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

7、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

8、， 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 Unit Root Test 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

9、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 Unit Root Test 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：

10、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： lgdp lcpi lm2 （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 Cointegration Test 选项（图 5.2.33）， 弹出协整检验对话框如图 5.2.3

11、4 所示， 在 Lag intervals 中输入1 5 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 5.2.36 3.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Make Vector Autoregression 选项（如图5.2.37），

12、 弹出如图 5.2.38 所示对话框， 在 VAR Type 复选框中选择Vector Error Correction选项， 在 Lag Intervals for Endogenous 中输入1 5（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 5.2.41 4、 脉冲响应函数 得到误差修正模型的

13、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 Impulse Response 选项， 弹出如图 5.2.43 所示对话框， 在 Display Information 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 5.2.45

14、5、 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 Variance Decomposition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 5.2.48 6、 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genr lscg=log(scg) 并回车

15、， 输入genr linc=log(inc) 并回车， 输入genr lsav=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： ls lscg c linc linc(-1) linc(-2) lsav lsav(-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

16、， 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： ls lscg linc lsav r 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 5.1.14 VEC 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

17、口中输入： genr emc=lscg-0.7342*linc-0.21 03*lsav+2.01 4*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genr dlscg=D(lscg,1 ) 并回车， 输入： genr dlinc=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ls dlscg c dlscg(-1 ) dlscg(-2) dlscg(-3) dlscg(-4) dlinc emc(-1 ) 并回车， 我们可以得到滞后4阶的短期动态方程， 如图

18、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 5.1.15 7、 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Endogenous Variables 栏中输入hl r gj， 在Exogenous Variables 栏中输入 c m1， 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。

19、 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

20、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

21、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Group Statistics Granger Causality Test后进入Lag Specification 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ViewGranger Causality 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 GDP HP 5.64510.0229拒绝 2 HP GDP 3.32860.0780不拒绝 GDP HP 1.88490.2205不拒绝 3 HP GDP 0.65640.6042不拒绝 GDP HP 0.29080.8706不拒绝 4 HP GDP 1.38080.3811不拒绝