计量EVIEWS实验报告.docVIP

CPI与M1的关系 (1) 导入数据，建立工作组 同样方法生成m1数据列，并对其进行ADF检验，一阶平稳，结果如下： （3）以上实验说明CPI与M1是一阶单整序列， 接着对DM1与DCPI进行协整检验，Quick(Group Statistics(Cointegration Test检验结果如下： 说明存在2个协整关系。 （4）对其一阶差分序列进行格兰杰因果检验，Quick(Group Statistics(Granger Causality Test检验结果如下： 说明M1是CPI变动的格兰杰原因，而CPI不是M1变动的格兰杰原因。 综上所述，CPI与M1存在协整关系，且M1的变动引起CPI的变动。 沪深股市收益率波动性分析 一 沪深股市收益率的波动性研究 1、描述性统计 图一 上证收益率 图二 深证收益率 从图一可以发现，样本期内沪市收益率均值为-0.000824，标准差为0.019323，偏度为-0.146983，峰度为5.707683，远高于正态分布的峰度值3，说明收益率r t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318.9724，说明在极小置信概率下，收益率显著异于正态分布；从图二可以发现，样本期内深市收益率均值为-0.00062，标准差为0.021601，偏度为-0.253026，峰度为4.838825，收益率同样具有尖峰厚尾特征。深市收益率的标准差大于沪市，说明深圳股市的波动更大。 2、平稳性检验 变量 t-统计量 伴随概率 稳定性 上证收益率 -32.23129 0.0000 平稳 深证收益率 -30.60925 0.0000 平稳 在5%的置信水平下，上证收益率与深证收益率都是平稳序列，可以进行回归分析。 3、均值方程的确定及残差序列自相关检验 图三 上证收益率自相关检验 图四 深证收益率自相关检验 从图三和图四可以看出上证收益率和深证收益率都不存在自相关性，因此我们选择以下模型作为波动率模型的均值方程： 其中表示上证收益率，表示深证收益率。 对沪深市场收益率分别作如上模型的回归，结果如图五和图六所示： 图五 上证收益率回归分析 图六 深证收益率回归分析 4、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 图七 上证收益率回归模型 图八 上证收益率回归模型残差 残差的自相关检验 平方的自相关检验 图九 深证收益率回归模型 图十 深证收益率回归模型残差 残差的自相关检验 平方的自相关检验 从图七和图八可以发现，上证收益率回归模型的残差不存在自相关性，而上证收益率回归模型的残差平方存在很强的自相关，即模型残差存在条件异方差。从图九和图十可以发现，深证收益率回归模型的残差不存在自相关性，而深证收益率回归模型的残差平方存在很强的自相关，即模型残差存在条件异方差。 5、ARCH-LM检验 图十一上证收益率回归残差的ARCH检验 图十二上证收益率回归残差的ARCH检验 从图十一和图十二可以看出上证收益率与深证收益率的残差都具有ARCH效应，因此有必要进行GARCH建模来改善模型。 6、GARCH类模型建模 (1） GARCH(1，1）建模 图十三 上证收益率GARCH(1,1)模型 图十四 深证收益率GARCH(1,1)模型 从图十三和十四可见，沪深股市收益率条件方差方程中ARCH项和GARCH项都是高度显著的，表明收益率序列具有显著的波动集簇性。沪市中ARCH项和GARCH项系数之和为0.988，深市也为0.986，均小于1。因此GARCH(1,1)过程是平稳的，其条件方差表现出均值回复(MEAN-REVERSION），即过去的波动对未来的影响是逐渐衰减。 (2）GARCH-M (1,1) 图十五 上证收益率GARCH-M(1,1)模型 图十六 深证收益率GARCH-M(1,1)模型 从图十五和十六可见，沪深两市均值方程中条件方差项GARCH的系数估计分别为0.070689和2.379279，这反映了收益与风险的正相关关系，说明收益有正的风险溢价。但是两者都没有在5%的置信水平下显著，这可能是因为中国股票市场没有很完善，投机成份大，导致高收益未必高风险。 ( 二) 股市收益波动非对称性的研究 1、TGARCH