金融计量-金融数据的平稳性检验.doc

实验报告三 金融数据的平稳性检验实验目的 理解经济时间序列存在的不平稳性掌握 数据选取与下载 将sha和sza的数据导入 折线图 利用图 1所示。由折线图可以看出，sha与sza的走势基本一致，有较强的相关性。但是并不能看出sha与sza是否平稳。 图 1 sha与sza的分布折线图直方图利用图 2所示。从图中可以看出，数据的分布为右偏，远非正态分布。而且其JB统计量为888.6615，JB统计量越趋向于0，数据越是符合正态分布，也就是说数据越平稳，所以sha数据并不平稳。 图 2 sha分布直方图利用图 3所示。从图中可以看出，数据的分布也为右偏，而非正态分布。而且其JB统计量为981.6901，比sha的JB统计量 图 3 sza分布直方图利用图 4所示滞后项-1.507016，大于 图 4 sha的 同样利用图 5所示滞后项3。从图中可以看出，ADF检验值为-1.658750，大于 图 5 sza的由于取对数可以将间距很大的数据转换为间距较小的数据所以对sha和sza取对数再进行平稳性检验新变量sha的对数记为logshasza的对数记为logsza logsha与logsza的分布折线图如6所示 图 6 logsha与logsza的分布折线图logsha的直方图如图 7所示。从图中可以看出，数据的分布为右偏，非正态分布。其JB统计量为252.1483，虽然远小于sha的JB统计量值，但是距离0仍然有差距，所以logsha数据并不平稳。 图 7 logsha分布直方图 logsza的直方图如图 8所示。从图中可以看出，数据的分布较复杂，但仍非正态分布。其JB统计量为220.5935，所以logsza数据并不平稳。 图 8 logsza分布直方图 Logsha的ADF检验结果如图 9所示滞后项4。从图中可以看出，ADF检验值为-1.590587，大于 图 9 logsha的Logsza的ADF检验结果如图 10所示滞后项2。从图中可以看出，ADF检验值为-1.428587，大于 图 10 logsza的 经过logsza对logsha的最小二乘法回归，结果如图 11所示。 图 11 logsza对logsha的最小二乘法回归 提取残差resid01，对残差resid01进行ADF检验，滞后项m为3，检验结果如图 12所示。由检验结果可以看出，ADF检验值为-3.260388，小于resid01基本平稳说明logsha与logsza有协同关系 图 12 残差esid01的 同样进行logsha对logsza的最小二乘法回归，结果如图 13所示。 图 13 logsha对logsza的最小二乘法回归 提取残差resid02，对残差resid02进行ADF检验，滞后项m为3，检验结果如图 14所示3.273485，小于resid02基本平稳说明logsza与logsha有协同关系 图 14 残差esid02的因果检验 下面对logsha与logsza进行格兰杰因果检验确定哪个变量是另一个变量变化的原因 图 15 滞后阶数为 图 16 滞后阶数为2 图 17 滞后阶数为3 图 18 滞后阶数为4 图 19 滞后阶数为5 图 20 滞后阶数为6 从检验结果可以看出 当原假设为“logsza不是导致logsha变化的原因”（第一行）时，若滞后阶数m较小，则拒绝原假设，说明logsza是导致logsha变化的原因；当滞后阶数m不断增大时，检验结果中的P值也不断增大，所以随着滞后阶数m的增大，logsza不再是导致logsha变化的原因了。 当原假设为“logsha不是导致logsza变化的原因”（第二行）时，不管滞后阶数m大小，检验结果中的P值一直较低，可以拒绝原假设，说明logsha是logsza变化的原因。 综上logsha是logsza变化的原因。 误差纠正机制ECM 即使两个变量之间有长期均衡关系但是在短期内也会出现失衡所以下面用 经过上面的因果检验已经知道了sha是sza变化的原因于是对sha和sza进行最小二乘回归图 21所示。 图 21 sha对sza的最小二乘回归 通过对d(sza) 和d(sha)resid03(-1)进行最小而成回归进行误差纠正图 22所 图 22 误差修正模型结果 由修正结果可以看出resid03的系数0.018345，而且通过了03的系数显著而且为负数 经济学分析 从因果检验的结果来看，深证市场是随着上证市场的变动而变动的。上证市场领先于深证市场变动的原因可能是上证市场的股票数量、资金数额不同导致的。而且在上证市场上市的一般是比较成熟的企业，相比于深证市场的中小板要更加稳定，所以深证市场随着上证市场的变动而变动。