实验四-金融数据平稳性检验.docVIP

... ... 计量经济学实验报告 2018-5-16 实验四 金融数据的平稳性检验 实验目的 理解经济时间序列存在的不平稳性，掌握 ADF 检验平稳性的方法。不平稳的序列容易 导致伪回归问题， 掌握为解决伪回归问题引出的协整检验， 协整的概念和具体的协整检验过 程。协整描述了变量之间的长期关系， 为了进一步研究变量之间的短期均衡是否存在， 掌握 误差纠正模型方法。理解变量之间的因果关系的计量意义，掌握格兰杰因果检验方法。 基本概念 如果一个随机过程的均值和方差在时间过程上都是常数， 并且在任何两时期的协方差值 仅依赖于该两时期间的距离或滞后， 而不依赖于计算这个协方差的实际时间， 就称它为平稳 的。强调平稳性是因为将一个随机游走变量 （即非平稳数据） 对另一个随机游走变量进行回 归可能导致荒谬的结果， 传统的显著性检验将告知我们变量之间的关系是不存在的。 这种情 况就称为“伪回归” 。 实验内容 用 Eviews来分析 A 股 2014 年 4 月 10 日至 2018 年 5 月 15 日深证成指股票与上证指数 的两只股票综合指数 1000 个交易日收盘价数据，对数据进行平稳性检验。其中深证成指股 票指数命名为“ SZA”，上证指数命名为“ SHA”。 实验步骤 1）原始数据折线图检验 图 1 SHA和 SZA原始数值线性图 如图 1 所示，粗略观察可知，原始数据并不平稳 1 计量经济学实验报告 2018-5-16 2）原始数据直方图检验 图 2 SHA原始数值直方图 图 3 SZA原始数值直方图 由图 2、图 3 所示， JB统计量的值较大且不趋近于 0，图像不符合正态分布， 说明数据不平稳 3）原始数据 ADF检验 2 计量经济学实验报告 2018-5-16 图 4 SHA原始数值的 ADF检验结果 3 计量经济学实验报告 2018-5-16 图 5 SZA原始数值的 ADF 检验结果 由图 4、图 5 可知，原始数据均未能通过 ADF检验，拒绝 SHA、SZA具有单位根的原假 设。此时应对数据取对数， 再对新变量进行平稳性检验。 点击 Eviews 中的“quick”―“generate series”键入 logsha=log(sha)，同样的方法得到 logsza。此时， logsha 和 logsza 为新变量，对 其进行平稳性检验方法如上，发现也是不平稳的。 5）修正数据折线图检验 4 计量经济学实验报告 2018-5-16 图 6 logSZA和 logSHA的线性关系图 7）修正数据 ADF检验 用 ADF方法检验 logsha 和 logsza 的平稳性。通过比较检验值和不同显著性下的关键值 来得出结论。如图对 logSHA 检验结果中所示，检验值小于关键值，发现数据是不平稳的。 图 6 logSHA 的 ADF检验结果 5 计量经济学实验报告 2018-5-16 如图 7 所示，在进一步对 logSZA检验中，发现检验值小于关键值，说明数据也是不平 稳的。 图 7 logSZA的 ADF检验结果 实验结论 认为深证成指与上证指数时间序列都存在不平稳性， 不平稳的序列容易导致伪回归问题， 为解决伪回归问题还应对实验数据进行协整检验。 6