试验三金融数据的平稳性检验试验指导试验目的理解经济时间.docVIP

实验三 金融数据的平稳性检验实验指导 一、实验目的： 理解经济时间序列存在的不平稳性，掌握ADF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： 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”（Spurious Regression）。 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： 用Eviews来分析上海证券市场A股成份指数（简记SHA）和深圳证券市场A股成份指数（简记SZA）之间的关系。内容包括： 1.对数据进行平稳性检验 2.协整检验 3.因果检验 4.误差纠正机制ECM 要求：在认真理解本章内容的基础上，通过实验掌握ADF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： 1、对数据进行平稳性检验： 首先导入数据，将上海证券市场A股成份指数记为SHA，深圳证券市场A股成份指数记为SZA（若已有wf1文件则直接打开该文件）。 在workfile中按住ctrl选择要检验的二变量，右击，选择open—as group。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： 画折线图：“View”―“graph”—“line”，如图3—1所示。 ②画直方图：在workfile中按住选择要检验的变量，右击，选择open，或双击选中的变量，“view”―“descriptive statistic”―“histogram and stats”；注意到图中的J.B.统计量，其越趋向于0，则图越符合正态分布，也就说明数据越平稳。如图3—2和3—3所示。 ③用ADF检验：方法一：“view”—“unit root test”；方法二：点击菜单中的“quick”―“series statistic”―“unit root test”；分析原则即比较值的大小以及经验法则。点击ok，如图3—4和3—6所示。 图3—1 SHA和SZA原始数值线性图 图3—2 SHA原始数值直方图 图3—3 SZA原始数值直方图 图3—4 单位根检验对话框 ADF Test Statistic -1.824806 1% Critical Value* -3.4369 5% Critical Value -2.8636 10% Critical Value -2.5679 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(SHA) Method: Least Squares Date: 10/25/05 Time: 00:50 Sample(adjusted): 1/08/1993 12/31/1999 Included observations: 1821 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. SHA(-1) -0.003575 0.001959 -1.824806 0.0682 D(SHA(-1)) -0.038736 0.023427 -1.653464 0.0984 D(SHA(-2)) -0.010797 0.023308 -0.463217 0.6433 D(SHA(-3)) 0.111127 0.023287 4.772149 0.0000 D(SHA(-4)) 0.062380 0.023399 2.665901 0.0077 C 3.943077 2.121673 1.858476 0.0633 R-squared 0.018447 Mean dependent var 0.295316 Adjust