实验七_garch模型在金融数据中的应用

《实验七_garch模型在金融数据中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实验七(G)ARCH模型在金融数据中的应用一、实验目的理解自回归界方差(ARCH)模型的概念及建立的必要性和适用的场合。了解(G)ARCH模型的各种不同类型，如GARCH-M模型(GARCHinmean),EGARCH模型(ExponentialGARCH)和TARCH模型(又称GJR)。掌握对(G)ARCH模型的识别、估计及如何运用Eviews软件在实证研究中实现。二、基本概念p阶白回归条件异方程ARCH(p)模型，其定义由均值方程(7.1)和条件方程方程(7.2)给岀：yt=/3x{+e(7.1)ht=var(^丨愆_])=a。+勺話+a2^_2+……+ap^_p(7.2

2、)其中，生表示Al时刻所有可得信息的集合，巾为条件方差。方程(7.2)表示误差项岂的方差也由两部分组成：一个常数项和前P个时刻关于变化量的信息，用前P个时刻的残差平方表示(ARCH项)。广义自回归条件异方差GARCH(aQ)模型可表示为：(7.3)ht=varg二兔+勺虬+・・・+勺0爲+人勺_i+…+爲/_<7.4)三、实验内容及要求1、实验内容：以上证指数和深证成份指数为研究対象，选取1997年1月2口〜2002年12月31口共6年每个交易FI上证指数和深证成份指数的收盘价为样本，完成以卜-实验步骤：(一)沪深股市收益率的波动性研究(二)股市收益波动非对称性的研究(三)沪

3、深股市波动溢出效应的研究2、实验要求:(1)深刻理解木章的概念；(2)对实验步骤中提出的问题进行思考；(3)熟练掌握实验的操作步骤，并得到有关结果。四、实验指导(一)沪深股市收益率的波动性研究1、描述性统计(1)导入数据，建立工作组打开Eviews软件，选择“File”菜单中的“NewWorkfile^^选项，在"Workfilefrequency"实验七(G)ARCH模型在金融数据中的应用一、实验目的理解自回归界方差(ARCH)模型的概念及建立的必要性和适用的场合。了解(G)ARCH模型的各种不同类型，如GARCH-M模型(GARCHinmean),EGARCH模型(Exp

4、onentialGARCH)和TARCH模型(又称GJR)。掌握对(G)ARCH模型的识别、估计及如何运用Eviews软件在实证研究中实现。二、基本概念p阶白回归条件异方程ARCH(p)模型，其定义由均值方程(7.1)和条件方程方程(7.2)给岀：yt=/3x{+e(7.1)ht=var(^丨愆_])=a。+勺話+a2^_2+……+ap^_p(7.2)其中，生表示Al时刻所有可得信息的集合，巾为条件方差。方程(7.2)表示误差项岂的方差也由两部分组成：一个常数项和前P个时刻关于变化量的信息，用前P个时刻的残差平方表示(ARCH项)。广义自回归条件异方差GARCH(aQ)模型可

5、表示为：(7.3)ht=varg二兔+勺虬+・・・+勺0爲+人勺_i+…+爲/_<7.4)三、实验内容及要求1、实验内容：以上证指数和深证成份指数为研究対象，选取1997年1月2口〜2002年12月31口共6年每个交易FI上证指数和深证成份指数的收盘价为样本，完成以卜-实验步骤：(一)沪深股市收益率的波动性研究(二)股市收益波动非对称性的研究(三)沪深股市波动溢出效应的研究2、实验要求:(1)深刻理解木章的概念；(2)对实验步骤中提出的问题进行思考；(3)熟练掌握实验的操作步骤，并得到有关结果。四、实验指导(一)沪深股市收益率的波动性研究1、描述性统计(1)导入数据，建立工作

6、组打开Eviews软件，选择“File”菜单中的“NewWorkfile^^选项，在"Workfilefrequency"框中选择uundatedorirregular在“Startobservation^^和"Endobservation"框中分别输入1和1444,单击“OK”o选择“File”菜单中的“Import-ReadTcxt-Lotus-Exccl”选项，找到要导入的名为EX64.xls的Excel文档完成数据导入。（2）生成收益率的数据列在Eviews窗口主菜单栏下的命令窗口中键入如下命令:genrrh=log（sh/sh（-1）），回车后即形成沪市收益率的数据

7、序列rh,同样的方法可得深市收益数剧序列rzo（3）观察收益率的描述性统计量双击选取"rh"数据序列，在新出现的窗口中点击"View"—“DescriptiveStatistics”—uHistogramandStats”，则可得沪市收益率th的描述性统计量，如图7—1所示:■Series:RHTorkfile:U1TTITLED图7-1沪市收益率th的描述性统计量Series:RHSample21443Observations1442Mean0.000270Median0.000556Maximum0