这些示例展示了如何使用计量经济学建模师应用程序。方法包括检查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.
该指数包含1990年至2001年纳斯达克(NASDAQ)每日收盘价格。
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.
数据集包含了纳斯达克和纽约证券交易所收盘价的表,其中包括其他变量。有关数据集的更多详细信息,请输入描述
在命令行。
转换表数据可图
要一个时间表(详情请参阅准备时间序列数据用于计量常调器应用程序)。
日期= datetime(日期,'vectormfrom',“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(见计量经济学建模师)。
进口数据可图
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,选择复选框数据可图
变量。
点击进口.
变量出现在数据浏览器,所有序列的时间序列图出现在时间序列情节(纳斯达克)图窗口。
将纳斯达克指数日收盘价序列转换为百分比回报序列,取该序列的日志,然后取记录序列的第一个差异:
在里面数据浏览器中,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.
与纳斯达克赛
选中时,在转变部分中,点击区别.
changeNASDAQLogDiff
来NASDAQReturns
:
在里面数据浏览器,右键单击NASDAQLogDiff
.
在上下文菜单中,选择重命名.
输入NASDAQReturns
.
纳斯达克返回的时间序列绘图出现在时间序列图(NASDAQReturns)图窗口。
回报率似乎在一个恒定水平上下波动,但表现出波动性聚集。回报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,该序列表现出条件异方差性。
计算残差平方:
出口NASDAQReturns
到matlab.®工作区:
在里面数据浏览器,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:
为了数值上的稳定性,可以将收益换算为100倍。
通过从缩放返回系列中删除平均值来创建残差系列。由于您拍摄了纳斯达克价格的第一个区别来创建返回,因此缺少返回的第一个元素。因此,要估算系列的样本均值,必须使用纳米
.
残差平方。
将平方残差添加为新变量数据可图
时间表。
NASDAQReturns = 100 * NASDAQReturns;纳斯达克剩余收益=纳斯达克收益- nanmean(纳斯达克收益);NASDAQResiduals2 = NASDAQResiduals。^ 2;数据表。纳斯达克Residuals2 = NASDAQResiduals2;
在Econometric Modeler中,导入数据可图
:
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,选中对应的复选框数据可图
.
点击进口.
绘制ACF和PACF:
在里面数据浏览器,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。这一结果表明波动率存在聚类现象。
这个例子展示了如何使用Ljung-Box q检验来检验显著ARCH效应的平方残差。
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预付结果南
价值。
缩放纳斯达克返回。
通过从比例回报中移除平均值来计算残差。
残差平方。
将残差的平方向量作为一个变量相加数据可图
.
转换数据可图
从一张桌子变成一张时间表。
有关步骤的更多详细信息,请参阅检查ARCH效应的平方残差相关图.
负载data_equityidx.NASDAQReturns = 100 * price2ret (DataTable.NASDAQ);NASDAQReturns =[南;NASDAQReturns];nasdaq redual2 = (NASDAQReturns - nanmean(NASDAQReturns)).^2;数据表。纳斯达克Residuals2 = NASDAQResiduals2; dates = datetime(dates,'vectormfrom',“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(见计量经济学建模师)。
进口数据可图
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,选择复选框数据可图
变量。
点击进口.
变量出现在数据浏览器,所有序列的时间序列图出现在时间序列情节(纳斯达克)图窗口。
测试第一个的空假设米= 5平方残差的自相关滞后量联合为零,采用Ljung-Box q检验。然后,检验第一个零假设米= 10个平方残留的自相关滞后是联合零。
在里面数据浏览器,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,设置两个滞后数量和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(Nasdaqresiduals2)文档。
两种检验均拒绝零假设。的p每个测试的-value为0。结果表明,在滞后5(或10)以下的自相关值并不是都为零,说明方差残差中的波动率聚类。
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预付结果南
价值。
缩放纳斯达克返回。
通过从比例回报中移除平均值来计算残差。
将残差向量添加为变量数据可图
.
转换数据可图
从一张桌子变成一张时间表。
有关步骤的更多详细信息,请参阅检查ARCH效应的平方残差相关图.
负载data_equityidx.NASDAQReturns = 100 * price2ret (DataTable.NASDAQ);NASDAQReturns =[南;NASDAQReturns];纳斯达克剩余收益=纳斯达克收益- nanmean(纳斯达克收益);数据表。纳斯达克Residuals = NASDAQResiduals; dates = datetime(dates,'vectormfrom',“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(见计量经济学建模师)。
进口数据可图
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,选择复选框数据可图
变量。
点击进口.
变量出现在数据浏览器,以及所有系列的时间序列图出现在时间序列情节(纳斯达克)图窗口。
用恩格尔ARCH检验检验纳斯达克残差序列不存在ARCH效应的原假设。指定残差序列为ARCH(2)模型。
在里面数据浏览器,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(纳斯达克森林)文档。
为了支持ARCH(2)选项,拒绝了原假设。检验结果表明,残差中存在明显的波动性聚类。