操作与实验步骤.docx

1、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rzsyh rsh。对应的回归表达式

2、为 rzsyh=0.970*rsh (7.88)R2=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。R2=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

3、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nR2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

4、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。Lags to includ

5、e取15。b) 差分序列的相关分析图观察。1st difference，生成新序列。为了观察是否有季节特征，Lags to include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/Seasonal Adjustment/Moving Average Methods/difference from moving average Additive，随后观察，默认level。Lags to include取15。d) 季节调整后差分序列的相关分析图观察。1st difference，生成新序列。默认level。Lags to include取15。若非平稳，则2nd

6、difference，生成新序列。默认level。Lags to include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

7、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

8、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。