案例二 香港认可机构港元存款余额简单外推模型预测

《案例二 香港认可机构港元存款余额简单外推模型预测》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、案例二香港认可机构港元存款余额简单外推模型预测在本案例中，我们利用香港认可机构1999年1月到2007年12月港元存款余额数据数据来源：香港金融管理局，《金融数据月报》（2008年3月─第163期）。（参见数据集/简单外推模型数据/香港认可机构港元存款余额月度数据.xls，单位：百万港元），介绍怎样利用Eviews软件运用简单外推模型进行预测，模型包括线性趋势模型、指数增长模型、自回归趋势模型、对数自回归趋势模型和二次趋势模型。1.创建Eviews工作文件（Workfile）从Eviews主选单中选File/New/Workfile选择Monthly选项，输入Startd

2、ate：1999:01Enddate：2007:12，如图2—1和图2—2。图2—1建立工作文件图2—2数据频率及范围选择2.录入数据，并对序列进行初步分析在workfile窗口中选Objects/NewObject，新建一个Series（序列对象），命名为ck，用来保存香港认可机构港元存款余额数据，如图2—3。数据导入，如图2—4。图2—3建立序列对象图2—4导入数据从Eviews主选单中选Quick/GeneratSeries，如图2—5。输入t=@trend(1998:12)再建立一个新序列，表示从1999年1月开始，该序列为1，2，3……，如图2—6。图2—5用公

3、式的形式创建序列图2—6建立时间项t序列双击ck序列，在序列窗口下选中View/LineGraph，如图2—7。得到港元存款余额数据的折线图，如图2—8。图2—7绘制折线图图2—8港元存款余额数据的折线图从图形上我们初步得出该序列具有一个长期增长的趋势。2005年以前增长速度慢，2005年以后增长速度变快。3.建立简单外推模型（1）建立线性趋势模型模型形式为：。从Eviews主选单中选Quick/EstimateEquation，或者用新建对象的方法新建一个Equation对象，如图2—9。图2—9建立方程对象在方程定义对话窗EquantionSpecification选

4、择框中输入ckct，在Estimationsettings选择框选择LS估计法和样本区间1999:012007:12，如2—10。图2—10对方程进行定义点击OK键后，得到如图2—11的估计结果，并将方程命名为xxqs。图2—11线性趋势模型方程输出结果对应的回归表达式是CK=1490457.174+10092.76211*T（33.47）（14.23）R2=0.656,DW=0.144,F=202.5其中，括号内的值为T统计量（下同）。在方程窗口中选中View/Actual,Fitted,Residual/Actual,Fitted,ResidualGraph，如图2—

5、12。得到真实值、拟合值与残差图，如图2—13。可以看到残差有明显的自相关，这与DW=0.144说明了同样的问题。图2—12选择绘制真实值、拟合值与残差图图2—13线性趋势模型的真实值、拟合值与残差图利用线性趋势模型进行预测，方法是在方程窗口中选中Forecast，出现如图2—14对话框在Forecastname（预测序列命名）栏输入xxqsf用来保存线性趋势模型的预测值，S.E.（标准误）序列可以选填，Samplerangeforforecast（预测的样本范围）使用默认的样本范围1999:012007:12，Method（预测方法）选择Static（静态预测），其他使

6、用默认值。图2—14利用线性趋势模型进行预测点击OK键，得到如图2—15的预测结果，各种指标分别为：RootMeanSquaredError（RMSE）：均方根误差MeanAbsoluteError（MAE）：平均绝对误差MeanAbs.PercentError（MAPE）：平均绝对百分比误差TheilInequalityCoefficient：希尔不等系数由均方误差分解得到的biasProportion（偏差率），VarianceProportion（方差率），CovarianceProportion（协变率）。这里我们主要看MAPE，该模型（线性趋势模型）预测的平均绝

7、对百分比误差为8.24。图2—15线性趋势模型预测图通过ck序列和xxqsf序列观察2007年12月的真实值与预测值，并比较，如图2—16。图2—162007年12月的真实值与预测值预测误差为：（2）建立指数增长模型模型形式为：，方程两边取对数得到回归方程：,其中，，。建立方程对象，命名为ZSZZ。在方程定义对话框输入log(ck)ct。得到回归结果如图2—17。图2—17指数增长模型方程输出结果对应的回归表达式是LOG(CK)=14.266+0.00455*T（823.4）（16.48）R2=0.719,DW=0.133,F