EVIEWS的garch模型族操作

1、GARCHGARCH類模型建模的類模型建模的EviewsEviews操作操作Page 2EviewsEviews軟件簡介軟件簡介1 1時間序列建模時間序列建模2 2實例操作實例操作3 3Page 3Eviews簡介簡介nEviews是Econometrics Views的縮寫，直譯為計量經(jīng)濟學觀察，本意是對社會經(jīng)濟關系與經(jīng)濟活動的數(shù)量規(guī)律，采用計量經(jīng)濟學方法與技術進行“觀察”，稱為計量經(jīng)濟學軟件包。n使用Eviews可以迅速地從數(shù)據(jù)中尋找出統(tǒng)計關系，并用得到的關系去預測數(shù)據(jù)的未來值。Page 4Eviews簡介簡介nEviews的應用范圍包括的應用范圍包括： 應用經(jīng)濟計量學 總體經(jīng)濟的研究和預

2、測 金融數(shù)據(jù)分析 銷售預測及財務分析 成本分析和預測 蒙地卡羅模擬 經(jīng)濟模型的估計和仿真 利率與外匯預測等等Page 5Eviews主要功能主要功能：n操作靈活簡便，可采用多種操作方式進行各種計量分析和統(tǒng)計分析，使數(shù)據(jù)管理、處理和分析簡單方便。其主要功能有： n（1）采用統(tǒng)一的方式管理數(shù)據(jù)，通過對象、視圖和過程實現(xiàn)對數(shù)據(jù)的各種操作； n（2）輸入、擴展和修改時間序列數(shù)據(jù)或截面數(shù)據(jù)，依據(jù)已有序列按任意復雜的公式生成新的序列； nPage 6Eviews主要功能主要功能：n （3）計算描述統(tǒng)計量：相關系數(shù)、協(xié)方差、自相關系數(shù)、互相關系數(shù)和直方圖；n （4）進行T 檢驗、方差分析、協(xié)整檢驗、Gran

3、ger 因果檢驗； n（5）執(zhí)行普通最小二乘法、帶有自回歸校正的最小二乘法、兩階段最小二乘法和三階段最小二乘法、非線性最小二乘法、廣義矩估計法、ARCH 模型估計法等； n（6）對二擇一決策模型進行Probit、logit 和Gompit 估計；Page 7Eviews主要功能主要功能：n （7）對聯(lián)立方程進行線性和非線性的估計； n（8）估計和分析向量自回歸系統(tǒng)； n（9）多項式分布滯后模型的估計； n （10）回歸方程的預測； n（11）模型的求解和模擬； n（12）數(shù)據(jù)庫管理； n（13）與外部軟件進行數(shù)據(jù)交換。Page 8時間序列建模時間序列建模2 2Page 9時間序列建模步驟時間序

4、列建模步驟Page 10實例操作實例操作3 3Page 11實例操作實例操作上證上證180180指數(shù)收益率波動率分析指數(shù)收益率波動率分析 本次選取了上證180指數(shù)于2008年8月1日到2010年11月3日的收盤價，共548個觀測值。并以此建立序列p，進而構建其對數(shù)收益率序列r，對序列r建立條件異方差模型，并研究其收益波動率。Page 12n上證180指數(shù)：是上海證券交易所對原上證30指數(shù)進行了調(diào)整并更名而成的，其樣本股是在所有A股股票中抽取最具市場代表性的180種樣本股票。它反映上海證券市場的概貌和運行狀況，能作為投資評價尺度及金融衍生產(chǎn)品基礎的基準指數(shù)。n數(shù)據(jù)來源：上海證券報n http:/

5、 13n 建立新的工作文件建立新的工作文件n 選擇菜單File/New/workfile，則出現(xiàn)數(shù)據(jù)的頻率對話框。如圖Page 14n 可在 Workfilefrequency中選擇數(shù)據(jù)的頻率，可選的頻率包括年度、半年、季度、月度、星期、天（每周5天、每周7天）以及非時間序列或不規(guī)則數(shù)據(jù)。n 可在Start date文本框中輸入起始日期，End date文本框中輸入終止日期，年度與后面的數(shù)字用：分隔。Page 15n 具體的日期的表示法為：n 年度年度：二十世紀可用兩位數(shù)，其余全用四位數(shù)字；如：從1999到2009，只需在Start date中輸入1999。End date中輸入2009即可。

6、n 半年半年：年后加1或2；如：從1999年上半年到2009年下半年，在Start date中輸入1999：1 。End date中輸入2009：2。n 季度季度：年后加1-4；從1999年第一季度到2009年第三季度，在Start date中輸入1999：1 。End date中輸入2009：3Page 16n 月度月度：年后加1-12；如：從1999年1月到2009年12月，在Start date中輸入1999：1 。End date中輸入2009：12。n 周周：月/周/年；如：從2007年1月第一周到2009年1月第四周，在Start date中輸入1/1/2007。End date中

7、輸入1/4/2009n 天天：月/日/年；如：從2008年3月5日到2009年8月20日，在Start date中輸入3/5/2008。End date中輸入8/20/2009.n 非時間序列或不規(guī)則數(shù)據(jù)非時間序列或不規(guī)則數(shù)據(jù)：輸入樣本個數(shù)。如：樣本數(shù)為200，在Start date中輸入1 。End date中輸入200。Page 17n 本案例中選擇最后一個integer-data， Start date中輸入1 ；End date中輸入548。Page 18n建立序列建立序列n可以采用直接輸入法、復制法、導入法。n直接輸入法直接輸入法/ /復制法復制法：點擊EViews主菜單中的Obje

8、cts/New Object，出現(xiàn)如圖所示的對話框，點擊OK后就可以直接輸入收集到的數(shù)據(jù)或是復制得到序列：Page 19 導入法：導入法：把存于EXCEL等文檔的數(shù)據(jù)導入序列中。 選擇主菜單中File/Import/Read Text-Lotus-Excel，找到已經(jīng)存好的數(shù)據(jù)Excel文件，點擊“打開”后，出現(xiàn)如圖所示對話框。在Names for series or Number if named in file選框中序列名稱p，即將數(shù)據(jù)導入了該序列p。Page 20n建立對數(shù)收益率序列建立對數(shù)收益率序列n點擊Eviews中workfile菜單中的Objects/Generate Serie

9、s，鍵入一個表達式，可形成一個新的序列。n常使用到表達式：D代表差分；Log代表取對數(shù)；Exp代表取指數(shù)；2代表平分Page 21 本案例中對序列p的數(shù)據(jù)取對數(shù)然后差分，得到新的序列r,代表對數(shù)收益率。輸入的表達式為r=dlog（p），如圖所示：Page 22n 得到工作表，如圖所示： 至此完成數(shù)據(jù)導入工作。Page 23序列描述性分析序列描述性分析n 1.1.畫時間序列圖畫時間序列圖n 雙擊序列r，在視圖中點擊View-graph-line，得到對數(shù)收益率r rt t的時間序列圖如下：Page 24n 從上證180指數(shù)對數(shù)收益率序列r的線性圖中，可觀察到對數(shù)收益率波動的“集群”現(xiàn)象：波動在一

10、些時間段內(nèi)較?。ɡ鐝牡?50個觀測值到第200個觀測值），在有的時間段內(nèi)非常大（例如從第40個數(shù)據(jù)到第100個數(shù)據(jù)）。Page 25 然后在視圖中點擊view-descriptive statisticshistogram and stats就得到了對數(shù)收益率的柱形統(tǒng)計圖，如下：Page 26n 由圖可知，上證能源指數(shù)對數(shù)收益率序列均值（Mean）為0.000256，標準差（Std. Dev.）為0.001426，偏度（Skewness）為-0.141，小于0，說明序列分布有長的左拖尾。峰度（Kurtosis）為4.596，高于于正態(tài)分布的峰度值3，說明收益率序列具有尖峰和厚尾的特征。Jar

11、queBera統(tǒng)計量為59.85，P值為0.00000，拒絕該對數(shù)收益率序列服從正態(tài)分布的假設。Page 27考察序列的平穩(wěn)性考察序列的平穩(wěn)性 點擊View-Unit Root Test，Test Type選擇Augmented Dickey-Fuller，Page 28n得到ADF檢驗的結果如下：t統(tǒng)計量的值-22.88，對應P值接近0，表明序列r 平穩(wěn)。Page 29n序列自相關和偏自相關檢驗序列自相關和偏自相關檢驗n在視圖中點擊View-correlogram，在Lags to include中鍵入12，然后點擊ok，就得到了對數(shù)收益率的自相關函數(shù)分析圖。Page 30Page 31n從

12、圖中可以看出，序列的自相關和偏自相關系數(shù)均落入兩倍的估計標準差內(nèi)，且Q統(tǒng)計量的對應的p值均大于置信度0.05，故序列在5的顯著性水平上不存在顯著的相關性。Page 32n回歸模型的建立回歸模型的建立n由于序列不存在顯著的相關性，因此將均值方程設定為白噪聲。 設立模型： rt=t+t Page 33將r去均值化，得到w：操作為： Objects/Generate Series輸入w=r-0.000256再看w序列的描述性統(tǒng)計：Page 34檢驗檢驗ARCHARCH效應效應 檢驗ARCH效應有兩種方法：LM法（拉格朗日乘數(shù)檢驗法）和對殘差的平方相關圖檢驗。 本案例中由于沒有對ARMA建模，E-vi

13、ews中沒有直接的LM法，所以采用第二種方法。首先建立w的平分方程z，在Objects/Generate Series輸入z= w2， Page 35n然后在視圖中點擊view-correlogram，然后點擊ok，就得到了對數(shù)收益率的自相關函數(shù)分析圖。如圖所示：序列存在自相關，所以有ARCH效應。Page 36建立建立GARCHGARCH類模型類模型n(1)GARCH模型n(2)T-GARCH模型n(3)E-GARCH模型Page 37常用的GARCH模型包括GARCH(1,1)，GARCH(1,2)，GARCH(2,1)我們分別用多個模型建模，以下以GARCH(1,1)為例:Page 38

14、n點擊主菜單Quick/Estimate Equation,得到如下對話框，在 Method選擇GARCH,在Mean equation框中輸入w，ARCH和GARCH處都選擇1，點擊確定。Page 39（1）GARCH(1,1)Page 40（1）GARCH(2,1)Page 41（1）GARCH(1,2)Page 42n基于以上三個模型的比較，GARCH（1，1）所有的系數(shù)都通過t檢驗，效果最好！再考慮T-GARCH和E-GARCH再分別進行建模。Page 43 T-GARCH的操作為： 點擊主菜單Quick/Estimate Equation,得到如下對話框，在 Method選擇GARC

15、H/TGARCH，再將Threshold數(shù)值輸入1，點擊確定。如下圖：Page 44T-GARCH(1,1)Page 45E-GARCH的操作為： 點擊主菜單Quick/Estimate Equation,得到如下對話框，在 Method選擇EGARCH，再將Threshold數(shù)值輸入0，點擊確定。如下圖：Page 46Page 47nEGARCH(1,1)模型的參數(shù)均顯著，說明序列具有杠桿性，可以進一步加入“ARCH-M”檢驗：Page 48n系數(shù)不顯著，（用Variance時系數(shù)一樣不顯著），說明不存在ARCH-M過程。Page 49模型驗證模型驗證 對建立的EARCH(1，1)模型進行殘差ARCH效應檢驗，點擊EARCH(1，1)結果輸出窗口View /Residual Test /ARCH LM TestLag=滯后階數(shù)，可以分別取1，4，8，12；以lag=4為例，輸出結果如下所示：Page 50n各種lag值情形下，F(xiàn)統(tǒng)計量均不顯著，說明模型已經(jīng)不存在ARCH效應。建立的建立的EGARCH(1EGARCH(1，1)1)模型如下：模型如下：Page 51n由于之前對r的描述統(tǒng)計中發(fā)現(xiàn)統(tǒng)計的正態(tài)分布檢驗沒有通過，可以試圖做殘差服從t分布和GED分布的E-views建模。Page 52n假設殘差服從t分布操作過程：Quick/Estimate Equatio