计量EVIEWS实验报告.doc

CPI与M1的关系(1) 导入数据，建立工作组（2）生成cpi数据列 对其进行ADF检验，一阶平稳，结果如下：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，QuickGroup StatisticsCointegration 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，QuickGroup StatisticsGranger 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 -32.231290.0000 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图十七 上证收益率TGARCH模型 图十八 深证收益率TGARCH模型在TARCH中，项的系数估计值都大于0，而且在5%的置信水平下都是显著的。这说明沪深股市中坏消息引起的波动比同等大小的好消息引起的波动要大，沪深股市都存在杠杆效应。2、 EGARCH 图十九 上证收益率EGARCH 图二十 深证收益率EGARCH模型 图二十一 上证信息冲击曲线 图二十二 深证信息冲击曲线在EGARCH中， 项的系数估计值都小于零。在估计结果中沪市为-0.055011，深市为-0.045740，而且都是显著的，这也说明了沪深股市中都存在杠杆效应。并且在图二十一和图二十二的信息冲击曲线可以看出，小于0的曲线比大于0的曲线更加陡峭，即在收益率为负时的波动大于收益率为正时的波动，因此沪深股市确实存在杠杆效应。(三） 沪深股市波动溢出效应的研究当某个资本市场出现大幅波动的时候，就会引起投资者在另外的资本市场的投资行为的改变，将这种波动传递到其他的资本市场。这就是所谓的“溢出效应”。例如9.11恐怖袭击后，美国股市的大震荡引起欧洲及亚洲股市中投资者的恐慌，从而引发了当地资本市场的大动荡。接下来我们将检验深沪两市之间的波动是否存在“溢出效应”。利用GARCH-M模型回归结果，导出相应的方差，并对方差进行格兰杰因果检验（从一阶到10阶分别计算），图二十三是滞后二阶结果，图二十三 波动溢出效应分析从图二十三可以发现，在5%的置信水平下，上证股市的波动会引起到深证股市的波动，即存在波动溢出效应，而深证股市的波动不会引起到上证股市的波动，即不存在波动溢出效应。(三) 总结我们运用GARCH类模型，对沪深股市收益率的波动性、波动的非对称性，以及波动之间的溢出效应做了全面的分析。通过分析，基本可以得出了以下结论：第一，沪深