条件异方差模型对出生率的实证研究.docxVIP

实验七 条件异方差模型对出生率的实证研究学号：20131363038 姓名：阙丹凤 班级：金融工程1班一、实验目的理解自回归条件异方差（ARCH）模型的概念及建立的必要性和适用的场合。了解(G)ARCH 模型的各种扩展模型，如GARCH-M 模型（GARCH in mean ），EGARCH模型 (Exponential GARCH ) 和TARCH模型。掌握对 (G)ARCH 模型的识别、估计及Eviews软件在实证研究中的实现过程，学会分析模型的参数估计结果，结合实际情况，对市场表现进行分析和预测。二、实验内容及要求1、实验内容：根据1750-1849年瑞典人口出生率数据建模：请选择适当的模型拟合该序列的发展检验序列的异方差性，如果存在异方差请拟合条件异方差2、实验要求：（1）深刻理解本章的概念；（2）对实验步骤中提出的问题进行思考；（3）熟练掌握实验的操作步骤，并得到有关结果。三、实验指导第一步：导入数据第二步：观察变量的描述性统计量由图可知，出生率均值为6.69%，标准差为5.88%，偏度为-2.49，峰度为13.74，高于正态分布的峰度值3，说明变量chushenglv具有尖峰和厚尾特征。JB正态性检验也证实了这点，统计量为583.71，说明出生率显著异于正态分布。第三步：平稳性检验对该序列进行 ADF unit root test时，在1%的显著水平下，出生率拒绝存在一个单位根的原假设，说明出生率序列是平稳的。上图为自相关系数与偏自相关系数图，由ACF和PACF一阶截尾可知，出生率序列平稳。第四步：ARCH效应检验首先对出生率进行均值回归，在命令框中输入如下命令：然后对残差进行LM检验：由上图可知，LM统计量为22.90，且相伴概率为0.0004，小于显著性水平，因此拒绝原假设即认为残差存在ARCH效应。第五步：GARCH族模型建模GARCH(1,1)模型估计结果：由上图可知，出生率条件方差方程中ARCH项高度显著，GARCH项不显著，表明ARCH效应在高阶下不显著。用ARMA模型对chushenglv变量进行估计，得出如下结果：对残差进行LM检验，结果如下图所示：由上图可知，LM统计量为7.25，且相伴概率为0.125，大于显著性水平，因此接受原假设即认为残差不存在ARCH效应，所以该序列不适合用GARCH族模型进行建模。