实验14-Garch(自回归异方差模型).docVIP

实验14 G (ARCH )模型在金融数据中的应用 实验目的 理解自回归异方差（Autoregressive conditional heteroscedasticity ）模型的概念及建立的必要性和适用的场合。 了解G (ARCH ) 模型的各种不同类型，如GARCH-M 模型（GARCH in mean ），EGARCH模型 (Exponential GARCH ) 和TARCH模型 (又称GJR)。掌握对G (ARCH )模型的识别、估计即如何运用Eviews软件在实证研究中实现。 实验内容及要求 内容：以上证指数和深证成份指数为研究对象，选取1997年1月2日到2002年12月31日共六年每个交易日上证指数和深证成份指数的收盘价为样本，完成以下实验步骤： （一）、对沪深股市的收益率作波动性研究 （二）、对股市收益波动作非对称性的研究 （三）、对沪深股市作波动溢出效应研究 要求：深刻理解本章的概念；对实验步骤中提出的问题进行思考；熟练掌握实验的操作步骤，并得到有关结果。 实验指导 （一）、对沪深股市的收益率作波动性研究 描述性统计 (1)导入数据，建立工作组 打开Eviews软件，选择“File”菜单中的“New \Workfile”选项，在“Workfile structure type”框中选择unstructured/undated（思考：为什么用非规则形式） ，在“Date range”输入1444，如下图14-1： 图14-1 单击OK ，再在命令行输入data sh sz,把上证综指和深圳成指1997-1-2号到2002-12-31号数据输入。 （2）生成收益率的数据列 在Eviews窗口主菜单栏下得命令窗口中键入如下命令：genr rh=log(sh/sh(-1)) ，回车后即形成沪市收益率的数据序列，同样的方法可得深市收益数剧序列(genr rz=log(sz/sz(-1))。新工作组如图14-2： 图14-2 （3）观察收益率sh 的描述性统计量 双击选取“rh”数据序列，在出现的窗口中选择view 菜单下“Descriptive Statistics”菜单中的“Histogram and Stats”子菜单，则可得收益率rh 的描述性统计量，如下图7-3： 图7-3 同样的步骤可得收益率rz 的描述性统计量。观察这些数据，并得出有关结论。 2.平稳性检验 （1）再次双击选取rh 序列，选择View 菜单下的子菜单“Unit Root Test”，出现如下窗口（图7-4）： 图7-4 对该序列进行ADF单位根检验，选择滞后4阶，带截距项而无趋势项，所以采用窗口的默认选项，结果如下图7-5： 图7-5 （2）对rz 做单位根检验后，得结果如图7-6： 图7-6 （3）思考：结果分别说明数据序列rh 、rz 是稳定的还是非稳定的？ 3.均值方程的确定及残差序列自相关检验 通过对收益率rh和rz的自相关检验(在rh序列窗口，点击view\correlogram)，我们发现两市的收益率都与其滞后15阶存在显著的自相关（思考：如何通过Eviws 检验），因此对两市收益率的均值就其滞后15阶做自回归，方程都采用如下形式： 对收益率rh 做自回归 在Eviews主菜单中选择“ Quick ”，并在下拉菜单中选择“ Estimation Equation ”,出现如下窗口图7-7 图7-7 在“Method”中选择LS（即普通最小二乘法），然后在“Estimation settings”上方空白处输入图示变量，单击“OK”，则出现图7-8： 图7-8 （2）用Ljung-Box Q 统计量对均值方程拟和后的残差及残差平方做自相关检验： 选择“View”菜单下“Residual Test”子菜单的项，则