金融计量-金融数据的平稳性检验文档格式.doc
- 文档编号:14049262
- 上传时间:2022-10-17
- 格式:DOC
- 页数:17
- 大小:632KB
金融计量-金融数据的平稳性检验文档格式.doc
《金融计量-金融数据的平稳性检验文档格式.doc》由会员分享,可在线阅读,更多相关《金融计量-金融数据的平稳性检验文档格式.doc(17页珍藏版)》请在冰豆网上搜索。
本实验选取中国上海证券市场A股成分指数上证180和深圳证券市场A股成分指数深证300作为研究对象。
分别从财经网站上下载了2010年5月4号到2016年4月19号这将近6年的上证180和深证300的数据,共1448个。
其中,上证180指数以下记为sha,深证300指数以下记为sza。
2.平稳性检验
将sha和sza的数据导入Eviews软件。
分别用折线图、直方图和ADF检验三种方法对数据的平稳性进行检验。
(1)折线图
利用Eviews软件作出sha与sza的折线图如图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1sha与sza的分布折线图
(2)直方图
利用Eviews软件作出sha的直方图如图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2sha分布直方图
利用Eviews软件作出sza的直方图如图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888.6615还大,所以sza数据并不平稳,并且比sha更不平稳。
图3sza分布直方图
(3)ADF检验
利用Eviews软件对sha进行ADF检验的检验结果如图4所示,滞后项m为2。
从图中可以看出,ADF检验值为-1.507016,大于1%、5%和10%的临界值,所以sha数据并不平稳。
图4sha的ADF检验结果
同样利用Eviews软件对sza进行ADF检验的检验结果如图5所示,滞后项m为3。
从图中可以看出,ADF检验值为-1.658750,大于1%、5%和10%的临界值,所以sza数据也不平稳。
图5sza的ADF检验结果
3.取对数
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logsha,sza的对数记为logsza。
logsha与logsza的分布折线图如图6所示。
由折线图可以看出,logsha与logsza的走势基本一致,有较强的相关性。
但是并不能看出logsha与logsza是否平稳。
图6logsha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7logsha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8logsza分布直方图
Logsha的ADF检验结果如图9所示,滞后项m为4。
从图中可以看出,ADF检验值为-1.590587,大于1%、5%和10%的临界值,所以logsha数据并不平稳。
图9logsha的ADF检验结果
Logsza的ADF检验结果如图10所示,滞后项m为2。
从图中可以看出,ADF检验值为-1.428587,大于1%、5%和10%的临界值,所以logsza数据并不平稳。
图10logsza的ADF检验结果
4.协整检验
经过上面的分析,发现sha与sza、logsha与logsza都是不平稳的,于是对logsha和logsza进行协整检验。
首先进行logsza对logsha的最小二乘法回归,结果如图11所示。
图11logsza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5%和10%的临界值,大于1%的临界值,所以残差resid01基本平稳,说明logsha与logsza有协同关系。
图12残差resid01的ADF检验结果
同样进行logsha对logsza的最小二乘法回归,结果如图13所示。
图13logsha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。
由检验结果可以看出,ADF检验值为-3.273485,小于5%和10%的临界值,大于1%的临界值,所以残差resid02基本平稳,说明logsza与logsha有协同关系。
图14残差resid02的ADF检验结果
5.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。
分别取滞后阶数m为1、2、3、4、5、6进行检验,检验结果如下图所示。
图15滞后阶数为1的格兰杰因果检验结果
图16滞后阶数为2的格兰杰因果检验结果
图17滞后阶数为3的格兰杰因果检验结果
图18滞后阶数为4的格兰杰因果检验结果
图19滞后阶数为5的格兰杰因果检验结果
图20滞后阶数为6的格兰杰因果检验结果
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。
6.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ECM对这种短期失衡加以纠正。
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,回归结果如图21所示。
图21sha对sza的最小二乘回归
提取残差resid03,通过对d(sza)和d(sha)、resid03(-1)进行最小而成回归,进行误差纠正,结果如图22所示。
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P值为0.0001,通过了t检验,表明sza的实际值与长期均衡之间的差异有1.8345%得以纠正。
由于resid03的系数显著,而且为负数,说明sha和sza之间存在的长期稳定关系制约着sha和sza的变化,促使它们走向均衡。
这也符合上证市场和深证市场的实际情况。
7.经济学分析
从以上分析来看,上证市场与深证市场的相关度很高,这可以从它们的折线图和相关系数0.94看出来。
这是由于两个市场皆属于中国大陆的证券市场,投资群体、投资理念大致相同,所以两个市场互相影响,联系密切。
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。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 金融 计量 数据 平稳 检验