时间序列分析上机实验(二).ppt

向玲凛 向玲凛 向玲凛 * * * * * 实验要求 数据搜集——多变量 确定变量——平稳性检验 建立VAR模型——估计、定阶 4. VAR模型适用性检验——系统平稳性 5. VAR模型应用——预测、动态分析 实验二： VAR模型的建立和应用 * VAR模型的基本结构 VAR(p)模型，是以N个第t期变量为因变量，以N个因变量的最大p阶滞后变量为解释变量的方程组模型，方程组模型中共有N个方程。 显然，VAR模型是由单变量AR模型推广到多变量组成的“向量”自回归模型。 VAR模型建模步骤 步骤一：数据准备阶段 * 步骤二：VAR模型构建阶段 1、指标选取与数据搜集整理 2、变量数据的平稳性检验——短期动态分析要求序列平稳 1、 VAR模型的初步构建 2、 VAR模型滞后期数的确定 3、 VAR模型的参数估计 VAR模型建模步骤 步骤三： VAR模型适用性检验 * 步骤四：VAR模型分析应用阶段 1、VAR模型系统的稳定性检验 2、变量序列间的格兰杰因果关系检验（非必须，预测时可检验） 1、时间序列的预测 2、脉冲响应分析 3、方差分解 * 步骤一：数据准备阶段——数据的获取处理 上证50指数和 ETF50指数？ 数据说明：2014.1.1-2014.9.30日度数据 数据来源：上证50指数收盘价数据来自凤凰网-财经。/hq/stock_daily.php?code=sh000016begin_day=2014-01-01end_day=2014-10-01 上证ETF50指数的单位净值数据来自新浪财经。/fundInfo/view/FundInfo_LSJZ.php?symbol=510050 VAR模型的建立和应用——案例 * 步骤一：数据准备阶段——数据导入 * 步骤一：数据准备阶段——数据平稳性检验 单位根检验结果表明原序列非平稳。为避免回归方程可能存在异方差性，所以取对数值，以消除异方差。再对对数值进行单位根检验，检验结果表明其一阶差分均为平稳序列。 * 步骤一：数据准备阶段——数据平稳性检验 对数差分序列ADF检验结果：序列平稳 * 步骤二 ： VAR模型构建阶段——初步构建 非限制VAR模型 内生变量 内生变量的滞后期数 外生变量 * 步骤二 ： VAR模型构建阶段——滞后期数 按多数原则选取模型的滞后期数！ * 步骤二 ： VAR模型构建阶段——参数估计 建立VAR（1）模型 * 步骤三：VAR模型稳定性检验 检验结果：模型稳定 确定建立VAR（1）模型 * 步骤四：VAR模型的应用——预测：格兰杰 原序列存在格兰杰因果关系，但分析序列不存在格兰杰因果关系。 * 步骤四：VAR模型的应用——预测 * 步骤四： VAR模型的应用——脉冲响应分析 在方程的输出窗口中点view→impulse Response得到： 在模型的输出窗口中选取：View→varance decomposition * 步骤四： VAR模型的应用——方差分析 该方差分解图表明，对于一个SZ50的冲击，总方差变动主要来自SZ50自身的方差变动，随着时间推移，ETF50的贡献度增大，但都很小；类似，对于一个ETF50冲击，总方差变动仍然主要来自SZ50自身的方差变动。? * * 向玲凛 向玲凛 向玲凛 * * * * * *