sas編程技術sas處理流程與指針控制-資料下載頁
2024-08-19 17:31本頁面
【導讀】通過數據步可以實現(xiàn)的功能如下。讀取外部數據文件創(chuàng)建SAS數據集；通過對現(xiàn)有SAS數據集取子集、合并、修改和更新創(chuàng)。分析、操作或展示數據；產生報告、或將文件存儲到硬盤或磁帶上；個指針標記所讀數據的位置。而使得其它的INPUT語句可以讀入同一條記錄行。·將指針移動至下一次記錄行；測所需讀入的記錄數量。例列行指針控制。對移動一列讀取age的數值。通過列表輸入方式的INPUT語。繼續(xù)讀入下一個變量。一個數據記錄行包含多個觀測所需要的值。沒有新的記錄行被讀入到輸入緩沖區(qū)當中。一個不帶單尾綴@的input語句；例雙尾綴@@的作用。例中，每個數據記錄行可以完成兩次重復過程，在讀完REGION1之后，指針停留在第9列上。REGION，而后指針停留在第8列上。到下一次數據記錄行的第一列，并將此信息輸入到SAS日志中。
【正文】 點很難精確的做到 。但是如果我們能夠意識到方程 ()不過是 ?t2 的分布滯后模型 ， 我們就能夠用一個或兩個 ?t2 的滯后值代替許多 ut2的滯后值 ，這 就 是 廣 義 自 回 歸 條 件 異 方 差 模 型 (generalized autoregressive conditional heterosce dasticity model， 簡記為 GARCH模型 )。 在 GARCH模型中 ， 要考慮兩個不同的設定：一個是條件均值 ， 另一個是條件方差 。 22 222 1102 ptpttt uuu ??? ????? ????? ?? 在標準化的 GARCH(1,1)模型中： 均值方程： () 方差方程： () 其中： xt 是 (k+1) 1維外生變量向量 ， ? 是 (k+1) 1維系數向量 。 ()中給出的均值方程是一個帶有擾動項的外生變量函數 。 由于 ?t2是以前面信息為基礎的一期向前預測方差 ，所以它被稱作條件方差 ， 式 （ ） 也被稱作 條件方差方程 。 ttt uy ??? γx2 12 12 ?? ??? ttt u ????? ()中給出的條件方差方程是下面三項的函數： 1． 常數項 （ 均值 ） ： ? 2． 用均值方程 ()的擾動項平方的滯后來度量從前期得到的波動性的信息： ut21（ ARCH項 ） 。 3．上一期的預測方差： ?t21 （ GARCH項）。 GARCH(1,1)模型中的 (1,1)是指階數為 1的 GARCH項 （ 括號中的第一項 ） 和階數為 1的 ARCH項 （ 括號中的第二項 ） 。 一個普通的 ARCH模型是 GARCH模型的一個特例 ， GARCH(0,1)， 即在條件方差方程中不存在滯后預測方差 ?t21的說明 。 在 EViews中 ARCH模型是在擾動項是條件正態(tài)分布的假定下 ，通過極大似然函數方法估計的 。 例如 ， 對于 GARCH(1,1)， t 時期的對數似然函數為： () 其中 () 這個說明通?？梢栽诮鹑陬I域得到解釋 ， 因為代理商或貿易商可以通過建立長期均值的加權平均 （ 常數 ） ， 上期的預期方差（ GARCH項 ） 和在以前各期中觀測到的關于變動性的信息（ ARCH項 ） 來預測本期的方差 。 如果上升或下降的資產收益出乎意料地大 ， 那么貿易商將會增加對下期方差的預期 。 這個模型還包括了經?？梢栽谪攧帐找鏀祿锌吹降淖儎咏M ， 在這些數據中 ， 收益的巨大變化可能伴隨著更進一步的巨大變化 。 222 /)(21ln21π)2l n (21ttttt yl ?? γx?????2 12 12 12112 )( ????? ??????? tttttt uy ????????? γx 有兩個可供選擇的方差方程的描述可以幫助解釋這個模型： 1． 如果我們用條件方差的滯后遞歸地替代 （ ） 式的右端 ， 就可以將條件方差表示為滯后擾動項平方的加權平均： （ ） 我們看到 GARCH(1,1)方差說明與樣本方差類似 ， 但是 ，它包含了在更大滯后階數上的 ， 擾動項的加權條件方差 。 ? ? .12112jtjjt u ???????? ????? 2． 設 vt = ut2 ? ?t2。 用其替代方差方程 （ ） 中的方差并整理 ， 得到關于擾動項平方的模型： （ ） 因此，擾動項平方服從一個異方差 ARMA(1, 1)過程。決定波動沖擊持久性的自回歸的根是 ? 加 ? 的和。在很多情況下，這個根非常接近 1，所以沖擊會逐漸減弱。 ? ? .12 12 ?? ????? tttt vvuu ???? 方差方程的回歸因子 方程 ()可以擴展成包含外生的或前定回歸因子 z 的方差方程： （ ） 注意到從這個模型中得到的預測方差不能保證是正的 ?？梢砸氲竭@樣一些形式的回歸算子 ， 它們總是正的 ， 從而將產生負的預測值的可能性降到最小 。 例如 ， 我們可以要求： tttt zu ?????? ???? ?? 2 12 12tt xz ? 高階 GARCH(p, q)模型 高階 GARCH模型可以通過選擇大于 1的 p 或 q 得到估計 ， 記作 GARCH(p, q)。 其方差表示為： （ ） 這里 ， p是 GARCH項的階數， q是 ARCH項的階數 ， p0并且 , ?(L)和 ?(L)是滯后算子多項式 。 22012122)()( ttpiitiqjjtjtLuLu??????????????? ??????
環(huán)評公示相關推薦
鄂ICP備17016276號-1