金融计量金融数据的平稳性检验.docVIP

实验报告三 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。认识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。 实验步骤 数据选取与下载 本实验选取中国上海证券市场A股成分指数上证180和深圳证券市场A股成分指数深证300作为研究对象。分别从财经网站上下载了2010年5月4号到2016年4月19号这将近6年的上证180和深证300的数据，共1448个。其中，上证180指数以下记为sha，深证300指数以下记为sza。 平稳性检验 将sha和sza的数据导入Eviews软件。分别用折线图、直方图和ADF检验三种方法对数据的平稳性进行检验。 折线图 利用Eviews软件作出sha与sza的折线图如 REF _Ref449364943 \h 图 1所示。由折线图可以看出，sha与sza的走势基本一致，有较强的相关性。但是并不能看出sha与sza是否平稳。 图 SEQ 图 \* ARABIC 1 sha与sza的分布折线图 直方图 利用Eviews软件作出sha的直方图如 REF _Ref449365148 \h 图 2所示。从图中可以看出，数据的分布为右偏，远非正态分布。而且其JB统计量为888.6615，JB统计量越趋向于0，数据越是符合正态分布，也就是说数据越平稳，所以sha数据并不平稳。 图 SEQ 图 \* ARABIC 2 sha分布直方图 利用Eviews软件作出sza的直方图如 REF _Ref449365434 \h 图 3所示。从图中可以看出，数据的分布也为右偏，而非正态分布。而且其JB统计量为981.6901，比sha的JB统计量888.6615还大，所以sza数据并不平稳，并且比sha更不平稳。 图 SEQ 图 \* ARABIC 3 sza分布直方图 ADF检验 利用Eviews软件对sha进行ADF检验的检验结果如 REF _Ref449366084 \h 图 4所示，滞后项m为2。从图中可以看出，ADF检验值为-1.507016，大于1%、5%和10%的临界值，所以sha数据并不平稳。 图 SEQ 图 \* ARABIC 4 sha的ADF检验结果 同样利用Eviews软件对sza进行ADF检验的检验结果如 REF _Ref449366655 \h 图 5所示，滞后项m为3。从图中可以看出，ADF检验值为-1.658750，大于1%、5%和10%的临界值，所以sza数据也不平稳。 图 SEQ 图 \* ARABIC 5 sza的ADF检验结果 取对数 由于取对数可以将间距很大的数据转换为间距较小的数据，所以对sha和sza取对数，再进行平稳性检验。新变量sha的对数记为logsha，sza的对数记为logsza。 折线图 logsha与logsza的分布折线图如 REF _Ref449366665 \h 图 6所示。由折线图可以看出，logsha与logsza的走势基本一致，有较强的相关性。但是并不能看出logsha与logsza是否平稳。 图 SEQ 图 \* ARABIC 6 logsha与logsza的分布折线图 直方图 logsha的直方图如 REF _Ref449366793 \h 图 7所示。从图中可以看出，数据的分布为右偏，非正态分布。其JB统计量为252.1483，虽然远小于sha的JB统计量值，但是距离0仍然有差距，所以logsha数据并不平稳。 图 SEQ 图 \* ARABIC 7 logsha分布直方图 logsza的直方图如 REF _Ref449366918 \h 图 8所示。从图中可以看出，数据的分布较复杂，但仍非正态分布。其JB统计量为220.5935，所以logsza数据并不平稳。 图 SEQ 图 \* ARABIC 8 logsza分布直方图 ADF检验 Logsha的ADF检验结果如 REF _Ref449367276 \h 图 9所示，滞后项m为4。从图中可以看出，ADF检验值为-1.590587，大于1%、5%和10%的临界值，所以logsha数据并不平稳。 图 SEQ 图 \* ARABIC 9 logsha的ADF检验结果 Logsza的ADF检验结果如 REF _Ref449367378 \h 图 10所示，滞后项m为2。从图中可以看出，ADF检验值为-1.428587，大于1%、5%和10%的临界值，所以logsza数据并不平稳。 图