garch模型族的eviews的操作(編輯修改稿)
2025-03-01 08:24 本頁面
【文章內(nèi)容簡介】 stats 就得到了對數(shù)收益率的柱形統(tǒng)計(jì)圖，如下：n 由圖可知，上證能源指數(shù)對數(shù)收益率序列均值（ Mean）為 ，標(biāo)準(zhǔn)差（ Std. Dev.）為 ，偏度（ Skewness）為 ，小于 0，說明序列分布有長的左拖尾。峰度（ Kurtosis）為 ，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。 Jarque－ Bera統(tǒng)計(jì)量為 ， P值為，拒絕該對數(shù)收益率序列服從正態(tài)分布的假設(shè)。Page ? 26考察序列的平穩(wěn)性Page ? 27? 點(diǎn)擊 ViewUnit Root Test， Test Type選擇 Augmented DickeyFuller，n得到 ADF檢驗(yàn)的結(jié)果如下：Page ? 28t統(tǒng)計(jì)量的值 ，對應(yīng) P值接近 0， 表明序列 {r} 平穩(wěn)。n序列自相關(guān)和偏自相關(guān)檢驗(yàn)n在視圖中點(diǎn)擊 Viewcorrelogram，在 Lags to include中鍵入 12，然后點(diǎn)擊 ok，就得到了對數(shù)收益率的自相關(guān)函數(shù)分析圖。Page ? 29Page ? 30n從圖中可以看出，序列的自相關(guān)和偏自相關(guān)系數(shù)均落入兩倍的估計(jì)標(biāo)準(zhǔn)差內(nèi)，且 Q－統(tǒng)計(jì)量的對應(yīng)的 p值均大于置信度，故序列在 5％的顯著性水平上不存在顯著的相關(guān)性。Page ? 31n回歸模型的建立n由于序列不存在顯著的相關(guān)性，因此將均值方程設(shè)定為白噪聲。 設(shè)立模型： rt=π t+ε t Page ? 32將 r去均值化，得到 w：操作為： Objects/Generate Series輸入w=再看 w序列的描述性統(tǒng)計(jì)：Page ? 33檢驗(yàn) ARCH效應(yīng)Page ? 34 檢驗(yàn) ARCH效應(yīng)有兩種方法： LM法（拉格朗日乘數(shù)檢驗(yàn)法）和對殘差的平方相關(guān)圖檢驗(yàn)。 本案例中由于沒有對 ARMA建模， Eviews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， n然后在視圖中點(diǎn)擊 viewcorrelogram，然后點(diǎn)擊ok，就得到了對數(shù)收益率的自相關(guān)函數(shù)分析圖。Page ? 35如圖所示 ： 序列存在自相關(guān)，所以有 ARCH效應(yīng)。建立 GARCH類模型n(1)GARCH模型n(2)TGARCH模型n(3)EGARCH模型Page ? 36Page ? 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(gè)模型建模，以下以 GARCH(1,1)為例 :n點(diǎn)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(diǎn)擊確定。Page ? 38（ 1） GARCH(1,1)Page ? 39Page ? 40（ 1） GARCH(2,1)Page ? 41（ 1） GARCH(1,2)n基于以上三個(gè)模型的比較， GARCH（ 1， 1）所有的系數(shù)都通過 t檢驗(yàn)，效果最好！ 再考慮 TGARCH
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1