这些示例展示了如何通过使用计量经济学建模师应用程序。方法包括检测平方残留的相关性和对重要拱滞的测试。数据集,存储在data_equityidx.mat.
,包含从1990年到2001年的一系列纳斯达克每日收盘价。
此示例显示了如何通过绘制一系列平方残差的自相关函数(ACF)和部分自相关函数(PACF)来直观地确定A系列是否具有重要的弓形效果。
在命令行中,加载data_equityidx.mat.
数据集。
负载data_equityidx.
数据集包含纳斯达克和纽约证券交易所关闭价格的表。有关数据集的更多详细信息,请输入描述
在命令行。
转换表可以数据
到一个时间表(详情见准备时间序列数据用于计量常调器应用程序)。
日期= datetime(日期,'convert from',“datenum”,...“格式”,'ddmmmyyyy');将日期转换为日期时间DataTable.Properties.RowNames = {};%清除行名称DataTable = Table2Timetable(DataTable,'rowtimes'、日期);%将表转换为时间表
在命令行,打开计量经济学建模师应用程序。
COMOLOMETRICMODELER.
或者,从应用程序库打开应用程序(见计量经济学建模师)。
进口可以数据
进入应用程序:
在计量经济学建模师标签,在进口部分中,点击.
在里面导入数据对话框中进口?列,选择复选框可以数据
变量。
点击进口.
变量出现在时间序列窗格,以及所有系列的时间序列情节出现在时间序列情节(纳斯达克)图窗口。
将每日收盘价的纳斯达克指数系列转换为百分比回报系列,方法是取该系列的对数,然后取对数的第一项差:
在里面时间序列窗格中,选择纳斯达克
.
在计量经济学建模师标签,在转变部分中,点击日志.
与纳斯达克斯科
选中时,在转变部分中,点击区别.
在里面时间序列窗格,重命名NASDAQLogDiff
通过单击两次以选择其名称和输入来变量NASDAQReturns
.
纳斯达克返回的时间序列曲线显示出现在时间序列图(NASDAQReturns)图窗口。
回报似乎在一个恒定水平上下波动,但表现出波动聚集。收益的大变化往往聚集在一起,小变化往往聚集在一起。也就是说,该级数具有条件异方差。
计算残差平方:
出口NASDAQReturns
到matlab.®工作区:
在里面时间序列窗格,右键单击NASDAQReturns
.
在上下文菜单中,选择出口.
NASDAQReturns
出现在MATLAB工作区。
在命令行:
为了数值的稳定性,将收益按100的倍数缩放。
通过从缩放返回系列中删除平均值来创建残差系列。因为您拍摄了纳斯达克价格的第一个区别来创建返回,所以返回的第一个元素丢失。因此,估计该系列的样本均值,呼叫意味着(NASDAQReturns omitnan)
.
残差平方。
将平方残差添加为新变量可以数据
时间表。
Nasdaqreturns = 100 * NasdaqReturns;Nasdaqresiduals = nasdaqreturns - 意思(Nasdaqreturns,“omitnan”);Nasdaqresiduals2 = Nasdaqresiduals。^ 2;DataTable.nasdaqresiduals2 = nasdaqresiduals2;
在计量经济模型中,导入可以数据
:
在计量经济学建模师标签,在进口部分中,点击.
在里面计量经济学建模师对话框,单击好的清除应用程序中的所有变量和文档。
在里面导入数据对话框中进口?列,选择的复选框可以数据
.
点击进口.
绘制ACF和PACF:
在里面时间序列窗格中,选择Nasdaqresiduals2.
时间序列。
点击绘图选项卡,然后单击ACF.
点击绘图选项卡,然后单击PACF.
关闭时间序列情节(纳斯达克)图窗口。然后,位置ACF(NASDAQRESIDULS2)图窗口上方PACF(NASDAQRESIDULS2)图窗口。
样本ACF和PACF的平方残差具有显著的自相关。这一结果表明波动性存在聚类。
这个例子展示了如何使用Ljung-Box Q-test检验显著ARCH效应的残差平方。
在命令行:
加载data_equityidx.mat.
数据集。
转换纳斯达克价格以返回。要维护正确的时间库,请使用a南
价值。
衡量纳斯达克的回报。
通过从按比例计算的收益中去除均值来计算残差。
残差平方。
将残差平方向量作为变量加到可以数据
.
转换可以数据
从一张桌子变成一张时间表。
有关步骤的更多详细信息,请参阅检验ARCH效应的残差平方的相关图.
负载data_equityidx.NASDAQReturns = 100 * price2ret (DataTable.NASDAQ);NASDAQReturns =[南;NASDAQReturns];NASDAQResiduals2 = (NASDAQReturns - mean(NASDAQReturns,“omitnan”)))。^ 2;DataTable.nasdaqresiduals2 = nasdaqresiduals2;日期= datetime(日期,'convert from',“datenum”);DataTable.Properties.RowNames = {};DataTable = Table2Timetable(DataTable,'rowtimes'、日期);
在命令行,打开计量经济学建模师应用程序。
COMOLOMETRICMODELER.
或者,从应用程序库打开应用程序(见计量经济学建模师)。
进口可以数据
进入应用程序:
在计量经济学建模师标签,在进口部分中,点击.
在里面导入数据对话框中进口?列,选择复选框可以数据
变量。
点击进口.
变量出现在时间序列窗格,以及所有系列的时间序列情节出现在时间序列情节(纳斯达克)图窗口。
检验零假设米= 5通过Ljung-Box q检验,平方残差的自相关滞后共同为零。然后,检验零假设米= 10个平方残留的自相关滞后是联合零。
在里面时间序列窗格中,选择Nasdaqresiduals2.
时间序列。
在计量经济学建模师标签,在测试部分中,点击新测试>ljung-box q-test.
在LBQ.标签,在参数部分,设置两者滞后数量和DOF.来5
.保持两个测试的重要性水平为0.05,设置显著性水平到0.025。
在里面测试部分中,点击运行测试.
重复步骤3和4,但设置了滞后数量和DOF.来10
代替。
测试结果出现在结果表的LBQ(NASDAQRESIDULS2)文档。
在两次检验中,无效假设被拒绝。的p每个测试的-value为0。结果表明,在滞后5(或10)之前,并不是所有的自相关都为零,说明方差残差中存在波动性聚类。
这个例子展示了如何使用恩格尔ARCH检验来检验显著ARCH效应的残差。
在命令行:
加载data_equityidx.mat.
数据集。
转换纳斯达克价格以返回。要维护正确的时间库,请使用a南
价值。
衡量纳斯达克的回报。
通过从按比例计算的收益中去除均值来计算残差。
将残差向量作为变量加到可以数据
.
转换可以数据
从一张桌子变成一张时间表。
有关步骤的更多详细信息,请参阅检验ARCH效应的残差平方的相关图.
负载data_equityidx.NASDAQReturns = 100 * price2ret (DataTable.NASDAQ);NASDAQReturns =[南;NASDAQReturns];Nasdaqresiduals = nasdaqreturns - 意思(Nasdaqreturns,“omitnan”);DataTable.nasdaqresids = nasdaqresids;日期= datetime(日期,'convert from',“datenum”);DataTable.Properties.RowNames = {};DataTable = Table2Timetable(DataTable,'rowtimes'、日期);
在命令行,打开计量经济学建模师应用程序。
COMOLOMETRICMODELER.
或者,从应用程序库打开应用程序(见计量经济学建模师)。
进口可以数据
进入应用程序:
在计量经济学建模师标签,在进口部分中,点击.
在里面导入数据对话框中进口?列,选择复选框可以数据
变量。
点击进口.
变量出现在时间序列窗格中显示的所有序列的时间序列图时间序列情节(纳斯达克)图窗口。
使用Engle的ARCH检验,检验NASDAQ残差序列不存在ARCH效应的原假设。指定残差系列是ARCH(2)模型。
在里面时间序列窗格中,选择NASDAQResiduals
时间序列。
在计量经济学建模师标签,在测试部分中,点击新测试>恩格尔的拱门测试.
在拱标签,在参数部分,集滞后数量来2
.
在里面测试部分中,点击运行测试.
测试结果出现在结果表的拱门(纳斯达克尼斯)文档。
原假设被拒绝,取而代之的是ARCH(2)替代方案。检验结果表明残差具有显著的波动性聚类。