试验三金融数据的平稳性检验试验指导

实验三实验三金融数据的平稳性检验实验指导金融数据的平稳性检验实验指导 一、实验目的：一、实验目的： 理解经济时间序列存在的不平稳性， 掌握检验平稳性的方法。 认识不平稳的序列容易导 致伪回归问题， 掌握为解决伪回归问题引出的协整检验， 协整的概念和具体的协整检验过程。 协整描述了变量之间的长期关系， 为了进一步研究变量之间的短期均衡是否存在， 掌握误差 纠正模型方法。理解变量之间的因果关系的计量意义，掌握格兰杰因果检验方法。 二、基本概念：二、基本概念： 如果一个随机过程的均值和方差在时间过程上都是常数， 并且在任何两时期的协方差值 仅依赖于该两时期间的距离或滞后， 而不依赖于计算这个协方差的实际时间， 就称它为平稳 的。强调平稳性是因为将一个随机游走变量 （即非平稳数据）对另一个随机游走变量进行回 归可能导致荒谬的结果， 传统的显著性检验将告知我们变量之间的关系是不存在的。 这种情 况就称为“伪回归” （ ） 。 有时虽然两个变量都是随机游走的， 但它们的某个线形组合却可能是平稳的， 在这种情 况下，我们称这两个变量是协整的。 因果检验用于确定一个变量的变化是否为另一个变量变化的原因。 三、实验内容及要求：三、实验内容及要求： 用来分析上海证券市场股成份指数（简记）和深圳证券市场股成份指数 （简记）之间的 关系。内容包括： .对数据进行平稳性检验 .协整检验 .因果检验 .误差纠正机制 要求：在认真理解本章内容的基础上， 通过实验掌握检验平稳性的方法， 具体的协整检 验过程，掌握格兰杰因果检验方法，以及误差纠正模型方法。 四、实验指导：四、实验指导： 、对数据进行平稳性检验： 首先导入数据，将上海证券市场股成份指数记为，深圳证券市场股成份指数记为（若 已有文件则直接打开该文件） 。 在中按住选择要检验的二变量，右击，选择— 。则此时可在弹出的窗口中对选中的变 量进行检验。检验方法有： ① 画折线图： “”―“”—“” ，如图—所示。 ②画直方图： 在中按住选择要检验的变量， 右击， 选择， 或双击选中的变量，“” ― “ ” ― “” ；注意到图中的.统计量，其越趋向于，则图越符合正态分布，也就说明数据越平稳。 如图—和—所示。 ③用检验：方法一： “”—“” ；方法二：点击菜单中的“”―“ ”―“” ；分析 原则即比较值的大小以及经验法则。点击，如图—和—所示。 1 / 10 图—和原始数值线性图 图—原始数值直方图 2 / 10 图—原始数值直方图 图—单位根检验对话框 * . : () : : 10/25/05: ():12/31/1999 * 3 / 10 : () (()) (()) (()) (()) . . . () 图—数值的检验结果 * . : () : : 02/14/07: ():12/31/1999 : () (()) (()) (()) (()) . . () * 图—数值的检验结果 粗略观查数据并不平稳。 此时应对数据取对数（取对数的好处在于：即可以将间距很大 4 / 10 的数据转换为间距较小的数据，也便于后面的取差分） ，再对新变量进行平稳性检验。点击 中的“”―“ ”键入()，同样的方法得到。此时，和为新变量，对其进行平稳性检验方法 如上，发现也是不平稳的。 图—和对数值线性图 用方法检验和的平稳性。 通过比较检验值和不同显著性下的关键值来得出结论。 如下图 （前者是对检验结果， 后者是对检验结果） 中所示， 检验值小于关键值， 则得出数据不平稳， 反之平稳。 * . : () : : 02/14/07: ():12/31/1999 : () (()) (()) * 5 / 10 (()) (()) . . () 图—对数值的检验结果 * . : () : : 02/14/07: ():12/31/1999 : () (()) (()) (()) (()) . . () * 图—对数值的检验结果 、协整检验： 首先要提取残差：点击菜单中的“”―“ ”键入“” ，得到结果如下： : : : 02/14/07: 6 / 10 :12/31/1999 : . . () 图—对的最小二乘法回归 接着在窗口中点击“”―“ ”来对残差进行提取和保存；然后对残差进行检验（方法 同上） ，得到结果如下图。你会发现数据通过了检验，残差是平稳的。所以同有协整关系。 * . : () : : 02/14/07: ():12/31/1999 : () (()) (()) (()) (()) . . () * 图—残差的检验结果 接下来以同样的方法协整,得到残差，经过检验也是平稳的。 7 / 10 * . : () : : 02/14/07: ():12/31/1999 : () (()) (()) (()) (()) . * . () 图—残差的检验结果 、因果检验： 在中同时选中“”和“” ，右击，选择“”―“ ” ，在弹出的窗口中点击“”―“ ”并 选择滞后阶数（此处我们根据以往的实证检验结果选择滞后值为） ，点，结果如下： : 02/14/07: :12/31/1999 : : : 02/14/07: :12/31/1999 : : 8 / 10 : 02/14/07: :12/31/1999 : : : 02/14/07: :12/31/1999 : : : 02/14/07: :12/31/1999 : : 图—格兰杰因果检验结果 先看检验值，如前所述，若值大，则拒绝假设。在本例中即是变化的原因；而不影响。 同样的结论也可以从中得到。 、误差纠正机制（） 即使两个变量之间有长期均衡关系，但在短期内也会出现失衡（例如收突发事件的影 响） 。此时，我们可以用来对这种短期失衡加以纠正。 具体作法是：首先要提取残差，从“ ” 中提取残差“” ，接着点击“”―“ ” ，在弹 出得窗口中输入： “()() ()” 。()中的()指的是滞后一阶，结果如下： : () : : 02/14/07: ():12/31/1999 : () () 9 / 10 . . () 图—误差修正模型结果 ()的系数为－，且通过了检验（） ，其表明的实际值与长期或均衡值之间的差异约有％ 得以纠正。从这也可以看出()的系数必须为负值。 从表面上看，深对上的影响要更强一点， 上对深的依赖也更多一点， 但总体看来两个市 场的联系还是很紧密的。 深走在前面的原因可能是因为深圳的地理位置， 与海外市场联系更 密切一些。所以海外市场大市变化的信息最先传递和影响到深圳市场， 经过一段时间，蔓延 到内陆地区。从整体上看，就形成上跟在深后面变动的局面。 而两个市场的投资者包括投资 理念等各方面都是类似的， 总体对价格信息的表现也大同小异， 两个市场相关度很高可以理 解。 值得指出的是，目前一般认为，深市股指是随上市股值而动， 与我们上面的检验结论相 反。但应该注意到的是， 我们上边研究中的样本范围为年到年， 而现在的情况已经发生了很 大变化。所以， 若要研究当前股指的联动效应，需选择最新的样本范围。有兴趣的同学不妨 一试，看是否会得出新的结论。 10 / 10