GDFX高大金融金融计量学实验案例集

0国家级双语示范课程申报材料《金融计量学》实验案例集金融学院上海财经大学2009年5月1目录上篇金融计量实验一异方差的检验与修正2金融计量实验二虚拟变量在金融数据处理中的作用11金融计量实验三金融数据的平稳性检验实验指导16金融计量实验四ARDL模型的运用实验指导27金融计量实验五ARIMA模型的概念和构造34金融计量实验六VAR模型的概念和构造40金融计量实验七(G)ARCH模型在金融数据中的应用45金融计量实验八联立方程模型在金融数据中的应用60下篇天相实验一自定义指数67天相实验二选股汇总75天相实验三基金分析84基金分析案例一84基金分析案例二87天相实验四Excel引擎的几个典型应用89在EXCEL中实现数据的捆绑89以时间序列为参数的数据读取92固定格式数据的模板化处理942实验一异方差的检验与修正一、实验目的：了解异方差(heteroscedasticity)、Goldfeld-Quandt检验、Spearmanrankcorrelation检验、Park检验、Glejser检验、Breusch-Pagan检验、White检验、加权最小二乘法（weightedleastsquares,简记WLS）、模型对数变换法等基本概念及异方差产生的原因和后果。掌握异方差的检验与修正方法以及如何运用Eviews软件在实证研究中实现相关检验与修正。二、基本概念：异方差(heteroscedasticy)就是对同方差假设(assumptionofhomoscedasticity)的违反。经典回归中同方差是指随着样本观察点X的变化，线性模型中随机误差项的方差并不改变，保持为常数。异方差的检验有图示法及解析法，检验异方差的解析方法的共同思想是，由于不同的观察值随机误差项具有不同的方差，因此检验异方差的主要问题是判断随机误差项的方差与解释变量之间的相关性。异方差的修正方法有加权最小二乘法和模型对数变换法等，其基本思路是变异方差为同方差，或者尽量缓解方差变异的程度。三、实验内容及要求：内容：根据北京市1978-1998年人均储蓄与人均收入的数据资料，若假定X为人均收入（元），Y为人均储蓄（元），通过建立一元线性回归模型分析人均储蓄受人均收入的线性影响，并讨论异方差的检验与修正过程。要求：（1）深刻理解上述基本概念（2）思考：异方差的各种检验方法所适用的情况及如何运用加权最小二乘法（WLS）修正异方差？（3）熟练掌握相关Eviews操作四、实验指导：1.用OLS估计法估计参数（1）导入数据打开Eviews软件，选择“File”菜单中的“New--Workfile”选项，出现“WorkfileRange”对话框，在“Workfilefrequency”框中选择“Annual”,在“Startdate”和“Enddate”框中分别输入“1978”和“1998”，如下图：图1—1建立新文件3然后单击“OK”，弹出如下窗口：图1—2建立新文件选择“File”菜单中的“Import--ReadText-Lotus-Excel”选项，找到要导入的名为EX3.2.xls的Excel文档，单击“打开”出现“ExcelSpreadsheetImport”对话框并在其中输入“x”和“y”,如下图所示：图1—3导入数据再单击“OK”完成数据导入。（2）回归数据估计方程设模型为12YX，在Eviews命令窗口中输入“LSYCX”并回车，得到如下结果：4图1—4Eviews回归结果2.异方差检验（1）图示法首先通过“Equation”对话框中“Procs”菜单的“MakeResidualSeries”命令生成残差序列E，点击“OK”。图1—5生成残差序列然后在“Quick”菜单中选“Graph”选项，再在弹出的对话框中输入“XE^2”，并单击“OK”即可得到：5图1—6残差序列图示法再在“GraphType”框中选择散点图（ScatterDiagram），并单击“OK”即可得到：图1—7残差序列的散点图（2）Goldfeld-Quandt检验首先将时间定义为1978-1985，方法如下：在“Workfile”对话框中选择“Procs”菜单的“sample”选项，弹出如下窗口并把期间改为“19781985”。6图1—8样本范围的设定再在Eviews命令区输入命令“LSYCX”回车得到：图1—91978-1995年数据的回归结果即用OLS方法可求得下列结果：Y=-145.4415+0.3971X（1978-1995）（-8.7302）（25.4269）2R=0.990821e=1372.202其次用相同的方法将时间定义为1991-1998，回归得到如下结果：7图1—101991-1998年数据的回归结果即：Y=-4602.365+1.9525X（1991-1998）（-5.0660）（18.4094）2R=0.982622e=5811189求F统计量：2221eFe=4334.9370，查F分布表，给定显著性水平=0.05，得临界值0.05(6,6)F=4.28，比较F=4334.93700.05(6,6)F=4.28则拒绝22012:H，表明随机误差项显著存在异方差。（3）ARCH检验在“EquationEQ01”窗口的“View”菜单中选择—“ResidualTests”—“ARCHLMTest”选项，然后在弹出的对话框中选择滞后阶数为3阶，即可得到下图：8图1—11ARCH检验结果从中可知2*ObsR＝10.186，P值为0.017，表明模型随机误差项存在异方差性。3.异方差的修正（1）WLS估计法选择“Equation”对话框中“Estimate”菜单的“Option”选项，填入权重X^(-0.5)即可得到下图：9图1-12WLS估计结果（2）对数变换法在“Equation”窗口中“Estimate”菜单的对话框直接输入“LOG(Y)CLOG(X)”，再单击“OK”后，就可以得到线性模型对数变换后的结果如下图：10图1-13对数变换估计结果比较上述两种修正方法，对数变换后的结果在拟合优度和系数显著性都要好于加权最小二乘法得到的结果，这说明人均收入与人均储蓄的关系更接近于对数关系。11实验二虚拟变量在金融数据处理中的作用一、实验目的：了解虚拟变量、方差分析模型、协方差分析模型、虚拟变量陷阱、季节调整、分段线性回归、级差截距、级差斜率系数、周内效应等基本概念及虚拟变量的引入原则、虚拟变量模型中参数的意思。掌握虚拟变量模型在回归分析中的应用，及如何在Eviews中实现相应的操作。二、基本概念：由于其不能直接度量，为研究方便，可构造一个变量，令其取值为1或为0，取值为0时表示某一性质出现（不出现），取值为1时表示某性质不出现（出现），该变量即为虚拟变量（dummyvariables）,也称指标变量（indicatorvariables）、二值变量（binaryvariables）、定性变量（qualitativevariables）和二分变量（dichotomousvariables）,通常我们记为D。一般的，在虚拟变量的设置中，基础类型、否定类型取值为“0”，称为基底（base）类、基准（benchmark）类或参考（reference）类；而比较类型、肯定类型取值“1”。许多按月度或季度数据表示的金融时间序列，常呈现出季节变化的规律性，如公司销售额、通货膨胀率、节假日储蓄额等。在研究中，有时需要消除季节性因素的影响，即需要进行季节调整（seasonaladjustment），利用虚拟变量进行季节调整是较为简单的一种。另外，在金融理论中，常常会出现一种情况：当某影响因素越过某一临界值，或时间过了某一临界点之后，因变量对影响因素的变化率将发生变化，在图形中就表现为斜率不同的两段连续折线，利用虚拟变量模型进行分段线性回归可有效地解决在分界点处两边因变量取值不相等，与理论图形不一致这个问题。三、实验内容及要求：内容：我们利用上海股票市场上证指数1997年1月1日到2004年12月31日的日收盘价数据，共1926个观测值，通过建立虚拟变量模型来检验实行涨跌停板制度后的上海股票市场是否存在周内效应。要求：（1）深刻理解上述基本概念（2）思考：虚拟变量模型的各种不同运用情形，及虚拟变量法与邹式检验的异同（3）熟练掌握相关Eviews操作（4）根据教材（表4-4）即我国1994第一季度—2004第四季度的零售物价指数（以上年同期为100）数据，请利用虚拟变量模型进行季节调整（如果需要）。四、实验指导：1.简单理论回顾根据Fama的有效市场理论，在有效市场中，由于股票价格能够及时地反映所有的信息，因此股价将会呈现出随机波动的特征。并且在有效市场中，由于投资者能够随时获取所需要的信息，因此将不存在套利的机会，股票的价格将反映价值。按照有效市场理论，一周内每天的收益率将是随机波动、没有规律的。自从Fama1965年提出有效市场概念以来，各国学者分别利用各国的证券市场数据对其进行了实证检验，结果发现许多与有效市场理论相背离的现象，周内效应就是其中之一。12在我国，许多学者也利用上海股票市场、深圳股票市场的数据对周内效应进行了检验，检验结果大多表明存在周内效应。下面我们将利用虚拟变量模型对这一现象进行实证检验。2.实证检验（1）数据说明我们利用的是上海股票市场上证指数1997年1月1日到2004年12月31日的日收盘价数据，共1926个观测值。之所以采用1997年来的日数据，是因为1996年12月16日股票市场实施了涨跌停板制度，而上证指数也具有广泛的代表性。收益率的计算我们采用的是连续收益率法，计算公式如下：ttt-1R=lnP-lnP，其中tP为t时期的收盘价，t-1P为t-1时期的收盘价。（2）数据导入打开Eviews软件，选择“File”菜单中的“New--Workfile”选项，出现“WorkfileRange”对话框，在“Workfilefrequency”框中选择“Undatedorirregular”,在“Startobservation”和“Endobservation”框中分别输入“1”和“1926”，单击“OK”，出现一个新的工作文件。然后选择“File”菜单中的“Import--ReadText-Lotus-Excel”选项，找到要导入的名为EX4.3.xls的Excel文档，单击“打开”出现“ExcelSpreadsheetImport”对话框并在其中输入“D1”“D2”“D4”“D5”和“R”,如下图所示：图2—1数据导入再单击“OK”完成数据导入。（3）数据统计特征描述下面分别描述上证指数1997.1.1-2004.12.31日收益率（R）的统计特征以及日收益率按时间排列的序列图，具体操作如下：首先双击“r”序列，出现如下窗口：13图2—2序列R的统计数据其次选择“Series:R”窗口的“View”菜单中的“Descriptive–Statistic-histogramandstats”选项，可以得到日收益率（R）的统计特征图：图2—3日收益率（R）的统计特征图14即（表4-1）上证指数日收益率统计特征描述均值0.000166中位数0.000209最大值0.094010最小值-0.093350标准差0.015415偏度-0.039554峰度8.998717Jarque-Bera值2886.767再选择“Series:R”窗口的“View”菜单中的“LineGraph”选项，可得到日收益率线性图：图2—4日收益率（R）的线性图（4）回归数据估计方程我们建立如下的虚拟变量模型：t011t22t34t45ttR=+D+D+D+D+其中tR表示t时刻的收益率，虚拟变量itD(i=1,2,4,5)的取值在每周的第i天（一周五天）取值为1，其余时刻取值为0。从模型可以看到，0表示的是周三的平均收益，而1234、、、分别表示的是星期一、星期二、星期四、星期五与星期三平均收益的差异。若差异是显著的，则可以