實驗三金融數據的平穩性檢驗實驗指導一、實驗目的：理解經濟時間序列存在的不平穩性，掌握ADF檢驗平穩性的方法。認識不平穩的序列容易導致偽回歸問題，掌握為解決偽回歸問題引出的協整檢驗，協整的概念和具體的協整檢驗過程。協整描述了變量之間的長期關系，為了進一步研究變量之間的短期均衡是否存在，掌握誤差糾正模型方法。理解變量之間的因果關系的計量意義，掌握格蘭杰因果檢驗方法。二、根本概念：如果一個隨機過程的均值和方差在時間過程上都是常數，并且在任何兩時期的協方差值僅依賴于該兩時期間的距離或滯后，而不依賴于計算這個協方差的實際時間，就稱它為平穩的。強調平穩性是因為將一個隨機游走變量〔即非平穩數據〕對另一個隨機游走變量進行回歸可能導致荒唐的結果，傳統的顯著性檢驗將告知我們變量之間的關系是不存在的。這種情況就稱為“偽回歸〞〔SpuriousRegression〕。有時雖然兩個變量都是隨機游走的，但它們的某個線形組合卻可能是平穩的，在這種情況下，我們稱這兩個變量是協整的。因果檢驗用于確定一個變量的變化是否為另一個變量變化的原因。三、實驗內容及要求：用Eviews來分析上海證券市場A股成份指數〔簡記SHA〕和深圳證券市場A股成份指數〔簡記SZA〕之間的關系。內容包括：要求：在認真理解本章內容的根底上，通過實驗掌握ADF檢驗平穩性的方法，具體的協整檢驗過程，掌握格蘭杰因果檢驗方法，以及誤差糾正模型方法。四、實驗指導：1、對數據進行平穩性檢驗：首先導入數據，將上海證券市場A股成份指數記為SHA，深圳證券市場A股成份指數記為SZA〔假設已有wf1文件那么直接翻開該文件〕。在workfile中按住ctrl選擇要檢驗的二變量，右擊，選擇open—asgroup。那么此時可在彈出的窗口中對選中的變量進行檢驗。檢驗方法有：畫折線圖：“View〞―“graph〞—“line〞，如圖3—1所示。②畫直方圖：在workfile中按住選擇要檢驗的變量，右擊，選擇open，或雙擊選中的變量，“view〞―“descriptivestatistic〞―“histogramandstats〞；注意到圖中的J.B.統計量，其越趨向于0，那么圖越符合正態分布，也就說明數據越平穩。如圖3—2和3—3所示。③用ADF檢驗：方法一：“view〞—“unitroottest〞；方法二：點擊菜單中的“quick〞―“seriesstatistic〞―“unitroottest〞；分析原那么即比擬值的大小以及經驗法那么。點擊ok，如圖3—4和3—6所示。圖3—1SHA和SZA原始數值線性圖圖3—2SHA原始數值直方圖圖3—3SZA原始數值直方圖圖3—4單位根檢驗對話框ADFTestStatistic1%CriticalValue*5%CriticalValue10%CriticalValue*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.AugmentedDickey-FullerTestEquationDependentVariable:D(SHA)Method:LeastSquaresDate:10/25/05Time:00:50Sample(adjusted):1/08/199312/31/1999Includedobservations:1821afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.SHA(-1)D(SHA(-1))D(SHA(-2))D(SHA(-3))D(SHA(-4))CR-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresid1388148.SchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)圖3—5SHA數值的ADF檢驗結果ADFTestStatistic1%CriticalValue*5%CriticalValue10%CriticalValue*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.AugmentedDickey-FullerTestEquationDependentVariable:D(SZA)Method:LeastSquaresDate:02/14/07Time:09:28Sample(adjusted):1/08/199312/31/1999Includedobservations:1821afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.SZA(-1)D(SZA(-1))D(SZA(-2))D(SZA(-3))D(SZA(-4))CR-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)圖3—6SZA數值的ADF檢驗結果粗略觀查數據并不平穩。此時應對數據取對數〔取對數的好處在于：即可以將間距很大的數據轉換為間距較小的數據，也便于后面的取差分〕，再對新變量進行平穩性檢驗。點擊Eviews中的“quick〞―“generateseries〞鍵入logsha=log(sha)，同樣的方法得到logsza。此時，logsha和logsza為新變量，對其進行平穩性檢驗方法如上，發現也是不平穩的。圖3—7SHA和SZA對數值線性圖用ADF方法檢驗logsha和logsza的平穩性。通過比擬檢驗值和不同顯著性下的關鍵值來得出結論。如下列圖〔前者是對SHA檢驗結果，后者是對SZA檢驗結果〕中所示，檢驗值小于關鍵值，那么得出數據不平穩，反之平穩。ADFTestStatistic1%CriticalValue*5%CriticalValue10%CriticalValue*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.AugmentedDickey-FullerTestEquationDependentVariable:D(LOGSHA)Method:LeastSquaresDate:02/14/07Time:09:42Sample(adjusted):1/08/199312/31/1999Includedobservations:1821afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.LOGSHA(-1)D(LOGSHA(-1))D(LOGSHA(-2))D(LOGSHA(-3))D(LOGSHA(-4))CR-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)圖3—8SHA對數值的ADF檢驗結果ADFTestStatistic1%CriticalValue*5%CriticalValue10%CriticalValue*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.AugmentedDickey-FullerTestEquationDependentVariable:D(LOGSZA)Method:LeastSquaresDate:02/14/07Time:09:43Sample(adjusted):1/08/199312/31/1999Includedobservations:1821afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.LOGSZA(-1)D(LOGSZA(-1))D(LOGSZA(-2))D(LOGSZA(-3))D(LOGSZA(-4))CR-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)圖3—9SZA對數值的ADF檢驗結果2、協整檢驗：首先要提取殘差：點擊菜單中的“quick〞―“estimateequation〞鍵入“logshaclogsza〞，得到結果如下：DependentVariable:LOGSHAMethod:LeastSquaresDate:02/14/07Time:09:52Sample:1/01/199312/31/1999Includedobservations:1826VariableCoefficientStd.Errort-StatisticProb.CLOGSZAR-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)圖3—10logsza對logsha的最小二乘法回歸接著在窗口中點擊“procs〞―“makeresidualseries〞來對殘差resid01進行提取和保存；然后對殘差進行ADF檢驗〔方法同上〕，得到結果如下列圖。你會發現數據通過了檢驗，殘差resid01是平穩的。所以logsha同logsza有協整關系。ADFTestStatistic1%CriticalValue*5%CriticalValue3610%CriticalValue*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.AugmentedDickey-FullerTestEquationDependentVariable:D(RESID01)Method:LeastSquaresDate:02/14/07Time:10:01Sample(adjusted):1/08/199312/31/1999Includedobservations:1821afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.RESID01(-1)D(RESID01(-1))D(RESID01(-2))D(RESID01(-3))D(RESID01(-4))CR-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)0.000000圖3—11殘差resid01的ADF檢驗結果接下來以同樣的方法協整logszaclogsha,得到殘差resid02，經過檢驗也是平穩的。ADFTestStatistic1%CriticalValue*5%CriticalValue10%CriticalValue*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.AugmentedDickey-FullerTestEquationDependentVariable:D(RESID02)Method:LeastSquaresDate:02/14/07Time:10:03Sample(adjusted):1/08/199312/31/1999Includedobservations:1821afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.RESID02(-1)D(RESID02(-1))D(RESID02(-2))D(RESID02(-3))D(RESID02(-4))CR-squaredMeandependentvarAdjustedR-squaredS.D.dependentvarS.E.ofregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodF-statisticDurbin-WatsonstatProb(F-statistic)圖3—12殘差resid02的ADF檢驗結果3、因果檢驗：在workfile中同時選中“logsha〞和“logsza〞，右擊，選擇“open〞―“asgroup〞，在彈出的窗口中點擊“view〞―“grangercausality〞并選擇滯后階數〔此處我們根據以往的實證檢驗結果選擇滯后值為5〕，點ok，結果如下：PairwiseGrangerCausalityTestsDate:02/14/07Time:10:10Sample:1/01/199312/31/1999Lags:1NullHypothesis:ObsF-StatisticProbabilityLOGSZAdoesnotGrangerCauseLOGSHA1825LOGSHAdoesnotGrangerCauseLOGSZAPairwiseGrangerCausalityTestsDate:02/14/07Time:10:11Sample:1/01/199312/31/1999Lags:2NullHypothesis:ObsF-StatisticProbabilityLOGSZAdoesnotGrangerCauseLOGSHA1824LOGSHAdoesnotGrangerCauseLOGSZAPairwiseGrangerCausalityTestsDate:02/14/07Time:10:11Sample:1/01/199312/31/1999Lags:3NullHypothesis:ObsF-StatisticProbabilityLOGSZAdoesnotGrangerCauseLOGSHA1823LOGSHAdoesnotGrangerCauseLOGSZAPairwiseGrangerCausalityTestsDate:02/14/07Time:10:12Sample:1/01/199312/31/1999Lags:4NullHypothesis:ObsF-StatisticProbabilityLOGSZAdoesnotGrangerCauseLOGSHA1822LOGSHAdoesnotGrangerCauseLOGSZAPairwiseGrangerCausalityTestsDate:02/14/07Time:10:09Sample:1/01/199312/31/1999Lags:5NullHypothesis:ObsF-StatisticProbabilityLOGSZAdoesnotGrangerCauseLOGSHA1821LOGSHAdoesnotGrangerCauseLOGSZA圖3—13格蘭杰因果檢驗結果先看F檢驗值，如前所述，假設F值大，那么拒絕假設。在本例中即logsza是logsha變化的原因；而logsha不影響logsza。同樣的結論也可以從Probability中得到。4、誤差糾正機制ECM〔errorcorrectionmechanism〕即使兩個變量之間有長期均衡關系，但在短期內也會出現失衡〔例如收突發事件的影響〕。此時，我們可以用ECM來對這種短期失衡加以糾正。具體作法是：首先要提取殘差，從“shacsza〞中提取殘差“resid03〞，接著點擊“quick〞―“estimateequation〞，在彈出得窗口中輸入：“d(sha)cd(sza)resid03(-1)〞。Resid03(-1)中的(-1)指的是滯后一階，結果如下：DependentVariable: