2021年金融时间序列实验报告.docVIP

2021年金融时间序列实验报告 2021年金融时间序列实验报告 PAGE / NUMPAGES 2021年金融时间序列实验报告 · 《金融时间序列分析》 综合试验二 金融 系 金融工程 专业 级 姓名 山洪国 学号 试验地点: 实训楼B305 试验日期: .04, 21 试验题目: ARIMA模型应用 试验类型: 基础操作训练 试验目: 利用美元对欧元汇率1993年1月到12月月均价数据, 进行ARIMA模型识别、 估量、 检验及估计。 试验内容: 1、 创建Eviews文件, 录入数据, 对序列进行初步分析。绘制美元对欧元汇率月均价数据折线图, 分析序列基础趋势, 初步判定序列平稳性。 2、 识别ARIMA（p,d,q）模型中阶数p, d, q。利用单位根检验（ADF检验）确定单整阶数d; 利用相关分析图确定自回归阶数p和移动平均阶数q。初步选择多个适宜备选模型。 3、 ARIMA（p,d,q）模型估量和检验。对备选模型进行估量和检验, 并进行比较, 从中选择最优模型。 4、 利用最优模型对1月美元对欧元汇率月均价进行外推估计。 评分标准: 操作步骤正确, 结果正确, 分析符合实际, 试验体会真切。 试验步骤: 1、 依据所给Excel表格内数据, 将表格内美元对欧元汇率情况录入到EViews9中, 并对所录入数据进行图形化处理, 所得到图形结果以下图所表示。（时间段: 1993.01至.12） 分析图形数据可得, 欧元对美元汇率波动情况较为显著, 其中在1999年至期间欧元和美元比值一度在1.0以上。但近些年以来, 欧元汇率一度连续下滑, 到了底时候和和美元比值在0.7左右。 如上图所表示, 对前一张图折线数据进行了相关性分析, 由图中Autocorrelation可知此数据为拖尾情况, 说明它是非平稳。 再对此数据进行单位根检验, 所得结果如上图所表示。 其中单位根检验所对应P值为0.6981, 远大于0.05显著性水平, 所以能够说该序列是一个非平稳序列。 2、 依据ARIMA模型, 对该序列进行一阶单位根检验, 以下图 由该图可知, 对比前面未一阶差分单位根检验, 此一阶差分单位根检验P值为0小于显著性水平0.05, 所以拒绝原假设, 证实在一阶差分下序列数据才是平稳。所以该序列单整阶数d为1 如上图所表示, 因为该序列一阶为平稳, 所以作其一阶相关性分析。从图中可看出: 自相关序列经过1期收敛于0.05区间内, 所以其移动平均阶数q值为1, 偏相关序列经过2阶才变为0, 则可知其自回归阶数p值为2. 总而言之, 可得: p=2; d=1; q=1 初步适合EURO模型有: ARIMA（1,1,0）、 ARIMA（2,1,0）、 ARIMA（0,1,1）、 ARIMA（1,1,1）、 ARIMA（2,1,1） 3、 对模型ARIMA（p, d, q）估量与检验 如上图所表示, 因为其中截距项所对应t统计量Prob值为0.66060.05显著性水平, 所以要剔除截距项c。 将截距项c去掉以后, 在进行回归可得上图所表示内容。 所以, 依据图内数据可知: Wt=0.309522W(t-1) t=4.343228 单从P值来看话, 系数是显著。不过还要对残差进行白噪声检验 如上图所表示, 在对残差项进行Q检验时候, 选择K=13, 得到Q检验结果如如所表示。在第13行数据中找到Q统计量为13.406, 其所对应相伴概率（Prob）为0.3400.05, 所以接收序列不相关假设, 即可认为该残差序列是白噪声。 然后, 可用类似方法对对之前所得到其她四个模型ARIMA(2, 1, 0)、 ARIMA(0, 1, 1)、 ARIMA(1, 1, 1)、 ARIMA(2, 1, 1)进行与之对应估量与检验。 经过了一系列检验以后, ARIMA(1, 1, 0)、 ARIMA(2, 1, 0)、 ARIMA(0, 1, 1)三个检验都经过参数显著性检验、 模型平稳性、 可逆性检验、 残差序列白噪声检验。剩下两个模型ARIMA(1,1,1)、 ARIMA(2,1,1)则并没有经过检验。 MODEL Φ1 Φ1 Φ1 R^2 Prob ARIMA(1,1,0) 0.309 0.0945 0.340 ARIMA(2,1,0