1、GARCH类模型建模的 Eviews操作 Eviews软件简介 1 时间序列建模 2 实例操作 3 Eviews简介 Eviews是 Econometrics Views的缩写，直译为计量经济学观察，本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”，称为计量经济学软件包。 使用 Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。 Eviews简介 Eviews的应用范围包括 ： 应用经济计量学 总体经济的研究和预测 金融数据分析 销售预测及 财务分析 成本分析和预测 蒙地卡罗模拟 经济模型的估计和仿真 利率与外汇预测等等 Eviews
2、主要功能 ： 操作灵活简便，可采用多种操作方式进行各种计量分析和统计分析，使数据管理、处理和分析简单方便。其主要功能有： （ 1）采用统一的方式管理数据，通过对象、视图和过程实现对数据的各种操作； （ 2）输入、扩展和修改时间序列数据或截面数据，依据已有序列按任意复杂的公式生成新的序列； Eviews主要功能 ： （ 3）计算描述统计量：相关系数、协方差、自相关系数、互相关系数和直方图； （ 4）进行 T 检验、方差分析、协整检验、Granger 因果检验； （ 5）执行普通最小二乘法、带有自回归校正的最小二乘法、两阶段最小二乘法和三阶段最小二乘法、非线性最小二乘法、广义矩估计法、 ARCH
3、模型估计法等； （ 6）对二择一决策模型进行 Probit、 logit 和 Gompit 估计； Eviews主要功能 ： （ 7）对联立方程进行线性和非线性的估计； （ 8）估计和分析向量自回归系统； （ 9）多项式分布滞后模型的估计； （ 10）回归方程的预测； （ 11）模型的求解和模拟； （ 12）数据库管理； （ 13）与外部软件进行数据交换。 Page 7 时间序列建模 2 时间序列建模步骤 1 序列描述性分析 2 序列相关性分析 3 回归模型的建立 4 残差的 ARCH效应检验 5 ARCH模型的建立 6 模型验证 实例操作 3 实例操作 上证 180指数收益率波动率分析 本次
4、选取了上证 180指数于 2008年 8月 1日到2010年 11月 3日的收盘价，共 548个观测值。并以此建立序列 p，进而构建其对数收益率序列r，对序列 r建立条件异方差模型，并研究其收益波动率。 上证 180指数：是上海证券交易所对原上证30指数进行了调整并更名而成的，其样本股是在所有 A股股票中抽取最具市场代表性的 180种样本股票。它反映上海证券市场的概貌和运行状况，能作为投资评价尺度及金融衍生产品基础的基准指数。 数据来源：上海证券报 http:/ 建立新的工作文件 选择菜单 File/New/workfile，则出现数据的频率对话框。如图 Page 13 Page 14 可在
5、“Workfilefrequency“中选择数据的频率，可选的频率包括年度、半年、季度、月度、星期、天（每周 5天、每周 7天）以及非时间序列或不规则数据。 可在 “Start date“文本框中输入起始日期， “End date“文本框中输入终止日期，年度与后面的数字用 “： “分隔。 具体的日期的表示法为： 年度 ：二十世纪可用两位数，其余全用四位数字；如：从 1999到 2009，只需在 Start date中输入 1999。End date中输入 2009即可。 半年 ：年后加 1或 2；如：从 1999年上半年到 2009年下半年，在 Start date中输入 1999： 1 。
6、End date中输入 2009： 2。 季度 ：年后加 1-4；从 1999年第一季度到 2009年第三季度，在 Start date中输入 1999： 1 。 End date中输入 2009： 3 Page 15 Page 16 月度 ：年后加 1-12；如：从 1999年 1月到 2009年 12月，在 Start date中输入 1999： 1 。 End date中输入 2009： 12。 周 ：月 /周 /年；如：从 2007年 1月第一周到 2009年1月第四周，在 Start date中输入 1/1/2007。 End date中输入 1/4/2009 天 ：月 /日 /年；
7、如：从 2008年 3月 5日到 2009年 8月20日，在 Start date中输入 3/5/2008。 End date中输入 8/20/2009. 非时间序列或不规则数据 ：输入样本个数。如：样本数为 200，在 Start date中输入 1 。 End date中输入 200。 Page 17 本案例中选择最后一个 integer-data， Start date中输入 1 ； End date中输入 548。 建立序列 可以采用直接输入法、复制法、导入法。 直接输入法 /复制法 ：点击 EViews主菜单中的Objects/New Object，出现如图所示的对话框，点击 OK后
8、就可以直接输入收集到的数据或是复制得到序列： 导入法： 把存于 EXCEL等文档的数据导入序列中 。 选择主菜单中 File/Import/Read Text-Lotus-Excel，找到已经存好的数据 Excel文件，点击“打开”后，出现如图所示对话框。 在 Names for series or Number if named in file选框中序列名称p，即将数据导入了该序列 p。 建立对数收益率序列 点击 Eviews中 workfile菜单中的Objects/Generate Series，键入一个表达式，可形成一个新的序列。 常使用到表达式： D代表差分； Log代表取对数； E
9、xp代表取指数； 2代表平分 Page 20 Page 21 本案例中对序列 p的数据取对数然后差分，得到新的序列 r,代表对数收益率。输入的表达式为 r=dlog（ p），如图所示： 得到工作表，如图所示： 至此完成数据导入工作。 序列描述性分析 1.画时间序列图 双击序列 r，在视图中点击 View-graph-line，得到对数收益率 rt的时间序列图如下： 从上证 180指数对数收益率序列 r的线性图中，可观察到对数收益率波动的“集群”现象：波动在一些时间段内较小（例如从第 150个观测值到第 200个观测值），在有的时间段内非常大（例如从第 40个数据到第 100个数据） 。 Pag
10、e 24 Page 25 然后在视图中点击 view-descriptive statistics histogram and stats就得到了对数收益率的柱形统计图，如下： 由图可知 ， 上证能源指数对数收益率序列均值 （ Mean） 为 0.000256， 标准差 （ Std. Dev.） 为 0.001426， 偏度 （ Skewness） 为 -0.141， 小于 0， 说明序列分布有长的左拖尾。 峰度 （ Kurtosis） 为 4.596， 高于于正态分布的峰度值 3， 说明收益率序列具有尖峰和厚尾的特征 。 Jarque Bera统计量为 59.85， P值为0.00000， 拒绝该对数收益率序列服从正态分布的假设 。 Page 26 考察序列的平稳性 Page 27 点击 View-Unit Root Test， Test Type选择 Augmented Dickey-Fuller， 得到 ADF检验的结果如下： Page 28 t统计量的值 -22.88，对应 P值接近 0， 表明序列 r 平稳。 序列自相关和偏自相关检验 在视图中点击 View-correlogram，在 Lags to include中键入 12，然后点击 ok，就得到了对数收益率的自相关函数分析图。 Page 29 Page 30
