试验八联立方程模型在金融数据中的应用

1、实验八联立方程模型在金融数据中的应用一、实验目的了解内生变量、外生变量的定义及区别，了解联立性偏误的定义， 从而理解普通最小二乘法不能用于估计联立方程模型的原因。掌握联立方程模型的常用估计方法，尤其是两阶段最小二乘法“TSLS 的估计方法，以及如何运用Eviws软件在实证研究中实现。二、根本概念由模型系统决定其取值的变量称为内生变量。内生变量受模型中其它变量的影响， 也可能影响其它内生变量， 即内生变量既可以是被解释变量， 也可以是解释变量。 由模型系统以 外的因素决定其取值的变量称为外生变量。 外生变量只影响系统内的其它变量， 而不受其它 变量的影响，因此在方程中只能做解释变量，不能做被解释

2、变量。用普通最小二乘法OLS对经典线形回归模型进行回归将得到最优线性无偏估计量。 但在结构式模型中，由于内生变量既可作为解释变量又可作为被解释变量，经典线性回归模型的一个根本假设一一解释变量与随机误差项不相关一一将得不到满足，因此假设仍对结构式模型中的每个结构方程分别运用OLS进行估计，所得到的参数估计值将是有偏和不一致的，即存在联立性偏误或联立方程偏误。三、实验内容及要求1实验内容：根据1997年1月到2004年3月的货币供给量 M0、Ml、M2与股票价格的有关数据， 利用两阶段最小二乘法估计由股票价格与货币供给量形成的联立方程模型这里以上证综合指数SCIt代表股票价格，从而检验流通中现金

3、M0、狭义货币M1、广义货币M2作为货币 供给量与上证指数的关系。2、实验要求：1理解本章有关概念；2思考：在何时应建立联立方程模型，并运用有关的估计方法；假设此时运用了普通最小二乘法，结果如何；3熟练掌握两阶段最小二乘法在Eviws中的操作。四、实验指导1、根据有关定义及经济原理建立如下的联立方程模型：SCI t =0 1二讥丨 t 1工2二丨 t -6 - U1t8.1I t -1SCI t ： 211 Vt: ;IRt I ；Rt u2t8.2其中，lit代表第t月的货币需求量，Vt代表第t月的工业增加值，IRt代表第t月的通货膨胀率，Rt代表第t月的一年期存款利率模型具体构建过程见教材

4、。我们将在Eviews3.1中利用两阶段最小二乘法估计上述联立方程模型，这个过程主要分两个步骤：首先利用普通最小二乘法求得内生变量的拟合值，然后用拟合值代替内生变量再利用两阶段最小二乘法求得结构参数估计值。我们将以M0代表货币量说明模型在 Eviews3.1中的估计过程，然后对于 M1、M2仅列出结果。2、导入数据翻开 Eviws 软件，选择"File 菜单中的 “New Workfile 选项，在 “Workfile frequency 框中选择“ Monthly ，在“ Start date 和“ End date框中分别输入“ 1997: 01 和“ 2004: 03，单击&q

5、uot;OK。选择"File菜单中的 “ lmport-Read Text-Lotus-Excel 选项，找到要导入的名为的Excel文档完成数据导入，建立相应的工作组，如图8-1所示：-! x|Trkfile： OIAFT岬IDbj.ct, |“叭Range: 1997:01 2004:03 Filter * Default Eq: NeneSample: 1997:01 2004:03Cm1m2rnoreeisci2d|/0Kfj OptionsEstimation Settings:UFith = c AtvitwESDB =MF = ch*pter7图8-1数据导入3、估计结

6、构式方程8.1参数在菜单中选择"Quick 一" Estimation equation ，出现如图8 2所示窗口:Equ&ti OB Speci fi cationDependent variable followed by list of regressors including ARMA and PDL terms, OR an equation ike Y=c1 )+匚2挣:.M0CM0(-6)IIVIRR图82回归方程设定在"Method中选择LS 即普通最小二乘法，然后在"Estimation Settings"上方空白 处

7、首先输入被解释变量二.，接着输入作为解释变量的外生变量各变量的下标已除去，注意不要忘记常数项。单击“ 0K ，那么出现如图8- 3所示的结果：图8-3回归方程估计结果即我们得到了如下的估计结果括号内为t统计量，下同:?门二 9680.112.46 Vt 206.70IR t 771.64 Rt 0.11 M 0t _6(7.92)( 6.52)(1.93)(-6.54)( 0.95)点击“ Quick 菜单下的“ Gen erate Series',得到如图84所示的窗口:图8 4快速生成序列“mofitted在“Enter Equation 下面的空白栏中键入如图8-4中的方程，就可

8、以得到 >.| .的拟合值"mOfitted 。点击“ Quick 一“ Estimate Equation ,在“ Method 中选择“ TSLS 两阶段最小二 乘法，将出现如图8 5所示的窗口：图8 5选择两阶段最小二乘法估计方程在“ Instrument List上方的空白栏中按结构式方程8.1 输入相应的变量，在其下方的空白栏中输入图示的工具变量,然后点击“OK ，就可以得到结构式方程8.1参数的两阶段最小二乘估计值：SC? t 二 1022.49-0.001 M0t 0.04M 0t -6(7.39)(-0.04)(1.32)3、估计结构式方程8.2参数在菜单中选择

9、“ Quick 一“ Estimate Equation ，出现如图8 6所示窗口:图8 6回归方程设定在"Method 中选择"LS即普通最小二乘法，然后在"Estimation Settings "上方空白处首先输入被解释变量 SCI，接着输入作为解释变量的图示外生变量，单击“0K ，得如如图8 7所示结果。詐时“" -Eqnti.n： UITITLEJ*Torkiil«i CHAPIKR7J|n| x|口 File Edit Objects芸i电w FrocsQui ck Oti ons Wi rudowHelt-Iffl xj

10、Vi«w|Proci|Obitcisj Print | Hunt | Frt«zt | EilimtlalFaracul|S-tati Dependent Variable: SCIMethod. Least SquaresDate 10725/05 Ums' 1200Sample(adjusted)： 199707 2004:03Included observation工 81 after adjusting endpointsVariableCoefficientStd. Errorb StatisticProbC1834.203232.19767.899317

11、0.0000IIV02905850.071827-4.0456290.0001IR-20.5477720.30128-1 0170680 3123R-114.914422.03873-5.2023900.0000MO (-6)0.053702.21E442.4B11550.0153R-squared0.577309Mean dependent var1596 72EAdjusted R-&quared0.655062S.D. dependent var299 6726S.E of regression199.0927Akaike info criterion13.49316Sum sq

12、uared resid303673S.Schwari criterion13.64096Log likelihood-541 4738F-statistic25.95013Durbin-Wat son stat0.38W17Prob(F-statistic)0.000000HFath = c；«vicwi3DE - n»htWF = chiptar?图8-7回归方程结果选择“ Quick 菜单下的“ Gen erate series'菜单，将出现如图8 8所示的窗口:图8 8快速生成序列“scifitted在“ Enter Equation 下面的空白栏中键入如图8

13、-8的方程，就可以得到 sci的拟合值“ scifitted 。点击"Quick " Estimate equation ,在"Method 中选择"TSLS (两阶段最小二 乘法)，将出现如图8 9所示的窗口：图8 9选择两阶段最小二乘法估计方程在“ Instrument list 上方的空白栏中按结构式方程(8.2)输入相应的变量，在其下方的空白栏中输入图示的工具变量。点击“0K，就可以得到结构式方程(8.2)参数两阶段最小二乘估计值：?门二 5968.432.02 SCI t 3.05 !Vt - 248.48 IR t - 539.10 Rt(1

14、.07)(0.85)(7.98)(1.77)(-1.44)4、同样的，对于狭义货币M1作为货币量代表，我们可以估计模型得到：SCI? t = 1239.33(11.14)0.01 M 1t - 0.01 M 1t _ 6(0.38)(-0.22)M?1t = 24823.27- 1.68 SCI t 17.42 llVt- 3009.34 Rt - 163.79 IR t(5.44)(-0.93)( 0.43)(-8.30)(-0.56)对于广义货币M2作为货币量代表，同样可以得到估计模型：SC? t 二 1210.960.04 M 2t - 0.03 M 2t _6M? 2t =320877.8(2.70)(8.49)(1.24)(-1.17)Rt- 4935.05 IRt(-1.76)-115.12 SCI t 32.31 IIVt -24362.84(-2.26)(4.06)(-3