主要内容

使用计量经济学建模应用程序检测拱效应

这些例子展示了如何评估一系列是否波动集群使用计量经济学建模师残差平方的应用。方法包括检查相关图和检测重大拱滞后。中存储的数据集Data_EquityIdx.mat,包含一系列的日常纳斯达克收盘价格从1990年到2001年。

检查相关图残差平方的拱效应

这个例子展示了如何直观地确定一系列具有显著的拱效应通过绘制自相关函数(ACF)和偏自相关函数(PACF)的一系列平方剩余工资。

在命令行中,加载Data_EquityIdx.mat数据集。

负载Data_EquityIdx

数据集包含一个表的纳斯达克和纽约证券交易所收盘价格,其他变量。更详细的数据集,输入描述在命令行中。

在命令行,打开计量经济学建模师应用程序。

econometricModeler

另外,打开应用程序从应用程序画廊(见计量经济学建模师)。

进口DataTimeTable为应用程序:

  1. 在计量经济学建模师选项卡,进口部分,单击进口按钮。

  2. 在“导入数据”对话框中,在进口吗?列,选择的复选框DataTimeTable变量。

  3. 点击进口。

中出现的变量时间序列面板,所有系列的时间序列图中出现时间序列图(纳斯达克)图窗口。

每日近纳斯达克指数系列转换为一系列回报率通过系列的日志,然后第一个记录系列的区别:

  1. 在时间序列窗格中,选择纳斯达克。

  2. 在计量经济学建模师选项卡,转换部分中,点击日志。

  3. 与NASDAQLog选中时,在转换部分中,点击区别。

  4. 在时间序列窗格中,重命名NASDAQLogDiff变量通过点击两次选择它的名称和输入NASDAQReturns。

时间序列的情节出现在纳斯达克的回报时间序列图(NASDAQReturns)图窗口。

这个时间序列图显示了变量纳斯达克返回x轴显示时间。

回报似乎波动在一个恒定的水平,但表现出波动集群。大回报的变化往往聚集在一起,和小变化倾向于聚集在一起。即系列展览条件异方差性。

计算残差平方:

  1. 出口NASDAQReturnsMATLAB的®工作区:

    1. 在时间序列窗格中,右键单击NASDAQReturns。

    2. 在上下文菜单中,选择出口。

    NASDAQReturns出现在MATLAB工作区。

  2. 在命令行:

    1. 数值稳定、规模100倍的回报。

    2. 创建一个残余系列通过删除的意思是按比例缩小的回报系列。因为你的第一个区别纳斯达克价格创建返回,返回的第一个元素是失踪。因此,估计系列的样本均值,电话意味着(NASDAQReturns omitnan)。

    3. 残差平方。

    4. 残差平方作为新变量添加到DataTimeTable时间表。

    NASDAQReturns = 100 * NASDAQReturns;NASDAQResiduals = NASDAQReturns -意味着(NASDAQReturns“omitnan”);NASDAQResiduals2 = NASDAQResiduals。^ 2;DataTimeTable。纳斯达克Residuals2 = NASDAQResiduals2;

在计量经济学Modeler中,导入DataTimeTable:

  1. 在计量经济学建模师选项卡,进口部分中,点击。

  2. 在计量经济学建模器对话框中,单击好吧清除所有的变量和文件的应用程序。

  3. 在“导入数据”对话框中,在进口吗?列,选择复选框DataTimeTable。

  4. 点击进口。

画出ACF和PACF:

  1. 在时间序列窗格中,选择NASDAQResiduals2时间序列。

  2. 单击情节选项卡,然后单击ACF。

  3. 单击情节选项卡,然后单击PACF。

  4. 关闭时间序列图(纳斯达克)图窗口。然后,位置ACF (NASDAQResiduals2)图窗口上方的PACF (NASDAQResiduals2)图窗口。

这组时间序列情节比较变量的样本自相关函数之间的差异纳斯达克残差2在ACF选项卡和变量的样本偏自相关函数纳斯达克残差2 PACF选项卡。延迟显示在x轴和蓝色横线表示信心。

示例ACF和PACF显示残差平方显著相关。这一结果表明,波动集群存在。

开展Ljung-Box Q-Test平方剩余工资

这个例子展示了如何测试残差平方的使用显著的拱效应Ljung-Box Q-test。

在命令行:

  1. 加载Data_EquityIdx.mat数据集。

  2. 纳斯达克价格转换为回报。保持正确的时基,结果返回之前添加一个南价值。

  3. 纳斯达克规模回报。

  4. 计算残差通过删除的意思是按比例缩小的回报。

  5. 残差平方。

  6. 添加变量平方剩余工资的向量DataTimeTable。

更多细节上的步骤,请参阅检查相关图残差平方的拱效应。

负载Data_EquityIdxNASDAQReturns = 100 * price2ret (DataTimeTable.NASDAQ);NASDAQReturns =[南;NASDAQReturns];NASDAQResiduals2 = (NASDAQReturns -意味着(NASDAQReturns,“omitnan”))^ 2;DataTimeTable。纳斯达克Residuals2 = NASDAQResiduals2;

在命令行,打开计量经济学建模师应用程序。

econometricModeler

另外,打开应用程序从应用程序画廊(见计量经济学建模师)。

进口DataTimeTable为应用程序:

  1. 在计量经济学建模师选项卡,进口部分,单击进口按钮。

  2. 在“导入数据”对话框中,在进口吗?列,选择的复选框DataTimeTable变量。

  3. 点击进口。

中出现的变量时间序列面板,所有系列的时间序列图中出现时间序列图(纳斯达克)图窗口。

测试第一的零假设米= 5平方残差的自相关滞后共同零使用Ljung-Box Q-test。然后,测试第一的零假设米= 10平方残差的自相关滞后共同为零。

  1. 在时间序列窗格中,选择NASDAQResiduals2时间序列。

  2. 在计量经济学建模师选项卡,测试部分中,点击新的测试>Ljung-Box Q-Test。

  3. 在LBQ选项卡,参数节中,设置的数量的滞后和景深来5。保持两个测试,0.05的显著性水平显著性水平到0.025。

  4. 在测试部分中,点击运行测试。

  5. 重复步骤3和4,但设置的数量的滞后和景深来10代替。

测试结果中出现结果表的LBQ (NASDAQResiduals2)文档。

结果表显示“Ljung-Box Q-Test自相关(纳斯达克残差2);零假设:第一个m纳斯达克残差2共同0的自我”。表显示列标题选择、零拒绝,假定值,测试统计,临界值,滞后,景深,显著性水平。有两行,这些都是用黄色突出显示。

零假设被拒绝两次测试。的p值为每个测试是0。结果表明,并不是每一个自相关落后5(或10)为零,表明方残差波动集群。

恩格尔的拱测试

这个例子展示了如何测试残差为重要使用恩格尔的拱拱影响测试。

在命令行:

  1. 加载Data_EquityIdx.mat数据集。

  2. 纳斯达克价格转换为回报。保持正确的时基,结果返回之前添加一个南价值。

  3. 纳斯达克规模回报。

  4. 计算残差通过删除的意思是按比例缩小的回报。

  5. 添加作为一个变量的残差向量DataTimeTable。

更多细节上的步骤,请参阅检查相关图残差平方的拱效应。

负载Data_EquityIdxNASDAQReturns = 100 * price2ret (DataTimeTable.NASDAQ);NASDAQReturns =[南;NASDAQReturns];NASDAQResiduals = NASDAQReturns -意味着(NASDAQReturns“omitnan”);DataTimeTable。纳斯达克Residuals = NASDAQResiduals;

在命令行,打开计量经济学建模师应用程序。

econometricModeler

另外,打开应用程序从应用程序画廊(见计量经济学建模师)。

进口DataTimeTable为应用程序:

  1. 在计量经济学建模师选项卡,进口部分,单击进口按钮。

  2. 在“导入数据”对话框中,在进口吗?列,选择的复选框DataTimeTable变量。

  3. 点击进口。

中出现的变量时间序列面板,一个时间序列的情节出现在所有的系列时间序列图(纳斯达克)图窗口。

测试零假设,纳斯达克残差系列展览没有利用恩格尔拱测试拱效应。指定该残差序列是一种拱(2)模型。

  1. 在时间序列窗格中,选择NASDAQResiduals时间序列。

  2. 在计量经济学建模师选项卡,测试部分中,点击新的测试>恩格尔的拱测试。

  3. 在拱选项卡,参数节中,设置数量的滞后来2。

  4. 在测试部分中,点击运行测试。

测试结果中出现结果表的拱(NASDAQResiduals)文档。

结果表显示“恩格尔拱测试异方差性(纳斯达克残差);零假设:纳斯达克残差展品不拱效应”。表显示列标题选择、零拒绝,假定值,测试统计,临界值,滞后和显著性水平。有一行是用黄色突出显示。

零假设被拒绝的拱(2)的选择。试验结果表明显著波动集群剩余工资。

另请参阅

应用程序

功能

相关的话题