




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、精選文檔實驗14 G (ARCH )模型在金融數(shù)據(jù)中的應(yīng)用一、 實驗?zāi)康睦斫庾曰貧w異方差(Autoregressive conditional heteroscedasticity )模型的概念及建立的必要性和適用的場合。了解G (ARCH ) 模型的各種不同類型,如GARCH-M 模型(GARCH in mean ),EGARCH模型 (Exponential GARCH ) 和TARCH模型 (又稱GJR)。掌握對G (ARCH )模型的識別、估計即如何運用Eviews軟件在實證研究中實現(xiàn)。二、 實驗內(nèi)容及要求內(nèi)容:以上證指數(shù)和深證成份指數(shù)為研究對象,選取1997年1月2日到2002年12
2、月31日共六年每個交易日上證指數(shù)和深證成份指數(shù)的收盤價為樣本,完成以下實驗步驟:(一)、對滬深股市的收益率作波動性研究(二)、對股市收益波動作非對稱性的研究(三)、對滬深股市作波動溢出效應(yīng)研究要求:深刻理解本章的概念;對實驗步驟中提出的問題進(jìn)行思考;熟練掌握實驗的操作步驟,并得到有關(guān)結(jié)果。三、 實驗指導(dǎo)(一)、對滬深股市的收益率作波動性研究1. 描述性統(tǒng)計(1)導(dǎo)入數(shù)據(jù),建立工作組打開Eviews軟件,選擇“File”菜單中的“New Workfile”選項,在“Workfile structure type”框中選擇unstructured/undated(思考:為什么用非規(guī)則形式) ,在“
3、Date range”輸入1444,如下圖14-1: 圖14-1單擊OK ,再在命令行輸入data sh sz,把上證綜指和深圳成指1997-1-2號到2002-12-31號數(shù)據(jù)輸入。(2)生成收益率的數(shù)據(jù)列在Eviews窗口主菜單欄下得命令窗口中鍵入如下命令:genr rh=log(sh/sh(-1) ,回車后即形成滬市收益率的數(shù)據(jù)序列,同樣的方法可得深市收益數(shù)劇序列(genr rz=log(sz/sz(-1)。新工作組如圖14-2: 圖14-2(3)觀察收益率sh 的描述性統(tǒng)計量雙擊選取“rh”數(shù)據(jù)序列,在出現(xiàn)的窗口中選擇view 菜單下“Descriptive Statistics”菜單
4、中的“Histogram and Stats”子菜單,則可得收益率rh 的描述性統(tǒng)計量,如下圖7-3: 圖7-3 同樣的步驟可得收益率rz 的描述性統(tǒng)計量。觀察這些數(shù)據(jù),并得出有關(guān)結(jié)論。2.平穩(wěn)性檢驗(1)再次雙擊選取rh 序列,選擇View 菜單下的子菜單“Unit Root Test”,出現(xiàn)如下窗口(圖7-4): 圖7-4對該序列進(jìn)行ADF單位根檢驗,選擇滯后4階,帶截距項而無趨勢項,所以采用窗口的默認(rèn)選項,結(jié)果如下圖7-5: 圖7-5(2)對rz 做單位根檢驗后,得結(jié)果如圖7-6: 圖7-6(3)思考:結(jié)果分別說明數(shù)據(jù)序列rh 、rz 是穩(wěn)定的還是非穩(wěn)定的? 3.均值方程的確定及殘差序列
5、自相關(guān)檢驗通過對收益率rh和rz的自相關(guān)檢驗(在rh序列窗口,點擊viewcorrelogram),我們發(fā)現(xiàn)兩市的收益率都與其滯后15階存在顯著的自相關(guān)(思考:如何通過Eviws 檢驗),因此對兩市收益率的均值就其滯后15階做自回歸,方程都采用如下形式: (1) 對收益率rh 做自回歸在Eviews主菜單中選擇“ Quick ”,并在下拉菜單中選擇“ Estimation Equation ”,出現(xiàn)如下窗口圖7-7 圖7-7在“Method”中選擇LS(即普通最小二乘法),然后在“Estimation settings”上方空白處輸入圖示變量,單擊“OK”,則出現(xiàn)圖7-8: 圖7-8(2)用L
6、jung-Box Q 統(tǒng)計量對均值方程擬和后的殘差及殘差平方做自相關(guān)檢驗:選擇“View”菜單下“Residual Test”子菜單的項,則可得該方程殘差項的自相關(guān)系數(shù)acf值和pacf值(在Lag Specification窗口中選10階),如圖7-9 圖7-9 圖7-10(3) 在命令欄中輸入命令:genr res1=resid2 ,得到該方程殘差平方的數(shù)據(jù)序列res1(2) 同樣,可得序列rz 的回歸方程及回歸方程殘差項的acf值和pacf值,如圖7-11 和圖7-12 :圖7-9到7-10表明兩回歸方程的殘差都不存在顯著的自相關(guān),但殘差平方有顯著的自相關(guān)。 圖7-11 圖7-12(5)
7、對殘差平方做線性圖。雙擊選取序列res1,在新出現(xiàn)的窗口中選擇“View”菜單下的“Line Graph” ,得到res1的線性圖如圖7-13: 圖7-133同樣的,rz的殘差平方res2的線性圖如圖: 圖7-14觀察可以發(fā)現(xiàn)波動具有明顯的時間可變性(time varying)和集簇性(clustering)(6)對殘差進(jìn)行ARCH-LM Test依照步驟(1),再對rh 做一次滯后15階的回歸,在出現(xiàn)的equation 窗口中選擇“View”菜單下“Residual Test”子菜單的“Arch-LMTest”項(取滯后一階),得如下結(jié)果(圖7-15):Heteroskedasticity
8、Test: ARCHF-statistic44.81901 Prob. F(1,1425)0.0000Obs*R-squared43.51334 Prob. Chi-Square(1)0.0000Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 05/16/18 Time: 22:48Sample (adjusted): 18 1444Included observations: 1427 after adjustmentsVariableCoefficientStd. Errort-StatisticProb
9、. C0.0002182.08E-0510.468990.0000RESID2(-1)0.1746250.0260846.6947000.0000R-squared0.030493 Mean dependent var0.000264Adjusted R-squared0.029813 S.D. dependent var0.000754S.E. of regression0.000743 Akaike info criterion-11.57130Sum squared resid0.000786 Schwarz criterion-11.56392Log likelihood8258.12
10、0 Hannan-Quinn criter.-11.56854F-statistic44.81901 Durbin-Watson stat2.039487Prob(F-statistic)0.000000 圖7-15 對rz 方程回歸后的殘差項同樣可做Arch-LMTest ,結(jié)果如圖7-16: 圖7-16得到的結(jié)果同樣說明殘差中ARCH效應(yīng)是很顯著的,因此考慮進(jìn)行GARCH類模型建模。(6)GARCH類模型建模選擇“Quick” 菜單下“Estimate Equation”菜單,在出現(xiàn)的如圖7-17窗口中輸入圖示變量,點擊 “OK” 鍵后得到rh 數(shù)據(jù)序列的GRACH (1,1)模型估計結(jié)果
11、,如圖7-18 :。 圖7-17 圖7-18同理,rz數(shù)據(jù)序列的GRACH (1,1)模型估計結(jié)果,如圖7-19: 圖7-19可見,滬深股市收益率條件方差方程中ARCH項和GARCH項都是高度顯著的,表明收益率序列具有顯著的波動集簇性。(7)GARCH-M (1,1) 估計結(jié)果在“Equation Specification”窗口的“ ARCH-M ”列表中選擇“ Variance ”,單擊“OK”鍵后,得如下估計結(jié)果,圖7-20: 圖7-20同理,收益率rz的GARCH-M (1,1) 估計結(jié)果如下圖圖7-21: 圖7-21很明顯,滬深兩市均值方程中條件方差項GARCH的系數(shù)都是顯著的。它們
12、反映兩市的收益與風(fēng)險的正相關(guān)關(guān)系,也說明收益有正的風(fēng)險溢價,而且上海股市的風(fēng)險溢價要高于深圳。這說明上海股市的投資者更加地厭惡風(fēng)險(risk averse),要求更高的風(fēng)險補償。(二)、對股市收益波動作非對稱性的研究1、 TARCH模型估計結(jié)果與GARCH(1,1)不同的是,在圖7-17中的“ARCH Specification ”下拉列表中選擇“TARCH”,則得rh 、rz的TARCH模型估計結(jié)果,分別如下圖7-22和圖7-23: 圖7-22 圖7-23估計結(jié)果中,(RESID<0)*ARCH (1) 的系數(shù)都大于零,而且顯著,并有rh 方程的系數(shù)大于rz方程的系數(shù),這說明滬深股市中
13、壞消息引起的波動比同等大小的好消息引起的波動要大,滬深股市都存在杠桿效應(yīng)。 2. EARCH模型估計結(jié)果在圖7-17的“ARCH Specification ”下拉列表中再次選擇“EGARCH”,則得rh 、rz的EGARCH 模型估計結(jié)果,分別如下圖7-24和圖7-25: 圖7-24 圖7-25在EGARCH中,RES/SQRGARCH(1)項系數(shù)的估計值都小于零而且顯著,這也說明了滬深股市中都存在杠桿效應(yīng)。(三)、對滬深股市作波動溢出效應(yīng)研究1. 檢驗兩市波動的因果性(1) 提取條件方差重復(fù)步驟(7),選擇主菜單欄“Procs”下的“Make Garch Variance Series”,得到殘差項的條件方差數(shù)據(jù)序列GARCH01,同樣的步驟得sz 回歸方程殘差項的條件方差數(shù)據(jù)序列GARCH02。(2)檢驗兩市波動的因果性在“Workfile”中同時選中“garch01”和“garch02”,右擊,選擇“Open”“As Group”,在彈出的窗口中點擊“View”“Granger Causality”,并選擇滯后階數(shù)(此處以選擇滯后階數(shù)5為例),結(jié)果如下圖7-26 圖7-26 思考:分別對1到5階作檢驗后,檢驗結(jié)果說明了什么?2. 在滬市GARCH-M 模型的條件方差方程中加入
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年浙江省省杭州市上城區(qū)建蘭中學(xué)英語八年級第二學(xué)期期末統(tǒng)考試題含答案
- 2025年西藏省重點中學(xué)八年級英語第二學(xué)期期末教學(xué)質(zhì)量檢測試題含答案
- 2025年倉儲配送協(xié)作協(xié)議書格式
- 2025年果木繁育合作協(xié)議書
- 2025年增壓泵安裝及施工服務(wù)協(xié)議
- 二甲基亞砜生產(chǎn)過程中的安全管理措施
- 公共文化空間的優(yōu)化與資源共享
- 全球視野下的出版產(chǎn)業(yè)創(chuàng)新與發(fā)展
- 智能農(nóng)業(yè)技術(shù)的應(yīng)用與發(fā)展趨勢
- 運動干預(yù)在老年人健康管理中的實踐探索
- 2024年湖北省中考地理生物試卷(含答案)
- SJG 74-2020 深圳市安裝工程消耗量定額-高清現(xiàn)行
- 6.項目成員工作負(fù)荷統(tǒng)計表
- 羅斯308父母代種雞飼養(yǎng)管理要點
- 自動扶梯、自動人行道安全裝置測試記錄
- 建設(shè)工程質(zhì)量成本管理課件
- 綠色施工管理體系及管理制度匯編
- DB33∕T 2357-2021 未來社區(qū)商業(yè)建設(shè)及運營規(guī)范
- 工學(xué)結(jié)合一體化課程教學(xué)設(shè)計的編寫(課堂PPT)
- 四大管道標(biāo)準(zhǔn)學(xué)習(xí)20130814-滄州
- 施耐德公司品牌戰(zhàn)略
評論
0/150
提交評論