计量经济学实验过程.doc

实验过程(一） 用OLS 模型估计最优套期保值比率1、调整样本期在EVIEWS 命令窗口中输入smpl 2 255 并按回车键执行命令将样本期调整到2 到255。这里调整样本期的目的是为了对价格序列进行差分，差分要求后一个值减去前一个值，故原序列的第一个值只能作为差分的初值。2、建立F 和S 的差分序列在EVIEWS 命令窗口中输入series if=f-f(-1) 并按回车键执行命令得到期货价格的差分序列if；在EVIEWS 命令窗口中输入series is=s-s(-1) 并按回车键执行命令得到现货价格的差分序列is，is 和if 以图标形式出现，如下图，这里的is 和if 即我们上面所说的价格变化序列F 和S。F 和S 的差分序列生成3、建立F 和S 的OLS 简单回归模型在EVIEWS 命令窗口中输入ls is c if 并按回车键执行命令得到期货价格的差分序列if对现货价格的差分序列is 的回归方程，结果如图所示：写成方程式为：=0.59831 + 0.996155+ t (0.82004) (40.85788) p (0.9347) (0.0000)结果显示该方程整体上显著的且解释变量系数很显著（p 值为0），故基本认可该回归模型。回归结果表明每一单位的现货头寸要用0.996155 单位相反的期货头寸进行对冲，即最优套期保值比为0.996155。（二）用ECM 模型估计最优套期保值比率1、期货价格序列即f 序列的平稳性检验点击打开f 序列，选择菜单Viewcorrelogram，弹出correlogram specification 对话框，在对话框中选择Level 表明对原序列进行检验，因为样本期有数据254 个，在滞后期空格处填写26（用254 除以10，取近似值），点击OK，出现以下结果（见图）：期货价格的自相关及偏相关系数从序列的自相关系数（autocorrelation）没有很快的趋近与0，说明原序列是非平稳的序列。下面对其进行进一步的单位根检：选择菜单View-Unit root test 项弹出如图所示窗口：在检验类型（Test type）中选择默认的ADF 检验。Test for unit in 中可以选择对原序列，一阶差分或二阶差分序列做单位根检验，这里我们先保持默认的level，即原序列。Include intest equation 有三个选项，我们选择第二个，即同时具有趋势项和常数项（因为资产价格序列往往有一定的趋势和截距），其它选项保持系统默认值，点击OK 得到图：期货价格序列单位根检验结果从结果中可以看出ADF 统计量小于临界值，犯第一类错误概率接近为0，说明原序列不存在单位根。根据此检验我们就可以肯定期货序列f 是平稳的。2、现货价格序列即s 序列的平稳性检验与期货价格序列平稳性检验过程相同，对现货价格进行自相关检验和两次单位根检验的结果见图现货价格的自相关及偏相关系数现货价格序列单位根检验结果从自相关及偏相关系数图中我们发现现货价格序列s 也不平稳。但是价格序列单位根检验结果表现出现货价格的平稳。3、对现货价格序列s 和期货价格序列f 的协整检验由于期货价格序列与现货价格序列是同阶单整的，故满足协整检验前提。接下来我们用现价格对期货价格做回归，用其残差来检验期货价格序列与现货价格序列是否存在协整关系。步骤如下：在EVIEWS 命令窗口中输入smpl 1 255 并按回车键执行命令将样本期调整到1 到255.在EVIEWS 命令窗口中输入ls s c f 并按回车键执行命令得到图。现货价格对期货价格回归结果从图中t 统计量和F 统计量都可以认为模型是显著的，选择菜单Name 保存模型，默认其名为eq02，下面进一步对其残差进行单位根检验：（1）先保存上述回归方程中的残差。在EVIEWS 命令窗口中输入series e=resid 并按回车键，上述回归方程中的残差将保存到新序列e 中。（2）打开序列e，选择菜单ViewUnit root test，在弹出的对话框中，选择对序列 e 进行不含趋势向和常数项的检验，得到如下结果（见图）：残差e 序列单位根检验结果结果显示在1%的置信区间内可以接受残差序列 e 不含单位根的假设。这说明两序列协整关系存在，因此这里的残差项e 可以当作误差修正项用作建立误差修正模型。4、建立含有误差修正项的F 和S 间的误差修正模型（1）在EVIEWS 命令窗口中输入smpl 2 234 并按回车键执行命令将样本期调整到2 到234。（2）在EVIEWS 命令窗口中输入ls is c if e(-1) 并按回车键执行命令并选择菜单Name以默认名eq03 保存。结果如图：期货价格与现货价格的协整方程协整回归方程式为：=0.271705 + 1.023651 - 0.508107 + t (0.161334) (48.11879) p (0.8720) (0.0000) 从F 统计量看出该方程整体上是系数显著的，自变量系数和误差修正项系数的 t 统计量都很显著，故该回归模型拟合的较好。回归结果表明每一单位的现货头寸要用1.023651单位相反的期货头寸进行对冲，即最优套期保值比为1.023651，这比简单的OLS 模型估计出的结果0.996155稍大。（三）用ECM-BGARCH 模型估计最优套期保值比率1、ARCH 效应检验在建立ARCH 模型之前，先必须对方程的残差进行ARCH 效应检验。先选择菜单命令ViewResidualTestsARCHLM，在滞后项（ lags to include）中填上3，点击OK，出现如下检验结果：从图中可以看出，F 统计量和LM 统计量（Obs*R-squared）都是显著的，说明方程残差项具有ARCH效应，故可以建立ECM-BGARCH模型。残差的ARCH 效应检验结果（1） 常数相关系数二元GARCH 模型（CCC-BARCH）（菜单式操作）由于我们假定残差项s,t 和f ,t 之间的相关系数为常数sf ，故可通过分别对S、F做两个单方程的GARCH 估计得到h ss,t 和h ff ,t ，并用S、F 均值方程的残差序列的相关系数作为sf 。对S 做单方程的GARCH 估计点击EVIEWS 窗口菜单Quick/Estimate Equatio