金融计量-VAR模型的概念和构造

《金融计量-VAR模型的概念和构造》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、实验报告六VAR模型的概念和构造一、实验目的理解VAR模型的概念，拿握VAR模型的形式和特点，拿握VAR模型的识别、估计、检验和预测，了解似然比检验法，掌握脉冲响应的作用和应用，掌握使用Eviews软件进彳亍相关的检验。二、实验步骤1.数据选取与处理本实验以1995年第1季度到2015年第3季度的国民生产总值GDP、进口额IM和出口额EX作为研究对彖。从财经网站下载得到以上数据，得到GDP、IM、EX的季度时间序列。将处理过的数据导入Eviews软件。在Eviews软件中对导入的数据作处理，为了保证数据的平稳性，对这三组数据都取增长率。在命令框中分别输入“gcnrGDPD

2、L二DLOG(GDP)”、“genrIMDL二DLOG(IM)”、“genrEXDL二DLOG(EX)”，得到GDP、IM、EX的增长率GDPDL>IMDL和EXDLo2.建立VAR模型利用Eviews软件对GDPDL.TMDL和EXDL建立VAR模型，出于选取的是季度数据，滞后长度选择从1到5,得到的不同滞后值下的AIC值和SC值如表1所/jlo表1不同滞后值下的ATC值和SC值滞后值12345AIC值-6.288512-7.736817-9.268276・11.35442・11.39700SC值-5.933779-7.111535-8.368486-10.17606-

3、9.935922由上表可以看岀，随着滞后值不断增大，AIC值不断减小；SC值在滞后值为4时出现最小值，而此时的AIC值下降速度突然变小，所以选择滞后项为4,得到的模型估计结果如图1所示。VectorAutoregressionEstimatesDate:04/09/16Time:15:26Sample(adjusted):1996Q22015Q3Includedobservations:78afteradjustmentsStandarderrorsin()&t-statisticsin[]GDPDLEXDLIMDLGDPDL(-1)-0.016938(0.05191)[

4、-0.32630]-0.334744(0.26850)[-1.24671]0.217588(0.24811)[0.87699]GDPDL(-2)-0.042311(0.05154)[-0.82091]0.213617(0.26659)[0.80131]-0.001807(0.24634)[-0.00733]GDPDL(-3)-0.109999(0.04490)[-2.44992]0.457388(0.23223)[1.96953]-0.134974(0.21459)[-0.62898]GDPDL(-4)0.755269(0.04444)[16.9959]-0.709931

5、(0.22985)[-3.08868]-0.688830(0.21239)[-3.24319]EXDL(-1)0.191077(0.02398)[7.96779]0.236500(0.12404)[1.90667]1.071221(0.11462)[9.34604]EXDL(-2)-0.022078(0.03873)[-0.57011]0.050364(0.20030)[0.25144]-0.118522(0.18509)[-0.64036]EXDL(-3)0.005245(0.03690)[0.14216]-0.194042(0.19084)[-1.01677]0.03

6、6907(0.17635)[0.20929]EXDL(-4)-0.010182(0.01885)[-0.54002]0.017219(0.09752)[0.17657]-0.145088(0.09011)[-1.61008]IMDL(-1)0.022204(0.02376)[0.93468]-0.007293(0.12287)[-0.05935]-0.217778(0.11354)[-1.91804]IMDL(-2)0.009547-0.032031-0.073026(0.02311)[0.41315](0.11953)[-0.26798](0.11045)[-0.661

7、18]IMDL(-3)0.0139230.155062-0.037042(0.02058)(0.10647)(0.09838)[0.67640][1.45644][-0.37652]IMDL(-4)-0.0248810.0100950.315392(0.01808)(0.09350)(0.08640)[-1.37641][0.10797][3.65046]C0.0048500.0388980.021053(0.00433)(0.02240)(0.02070)[1.11994][1.73670][1.01721]R-square