大学课件：金融计量学第一章 .pptx

1、蔡键 华南农业大学经济管理学院 金融计量研究任务与步骤金融时间序列金融计量软件Eviews介绍案例介绍研究任务研究任务第一类任务是研究金融市场上是否存在某种现象。例如股市是否存在羊群效应？市场是否有效？是否存在内幕交易？等等。这一类研究需要回答是或否，因此对概念的准确定义是其最重要的基础，也是研究的重要内容第二类任务是描述型任务，往往是通过同一主体不同时段、不同主体同一时段的同一指标的现状描述进行对比获得一些结论。比如基金经理的择股能力与择时能力如何？中国股市是否存在春节效应或星期五效应？等等。第三类任务是探讨因果。这是金融计量研究中最常见最重要的研究类型。大多数金融理论都属于因果描述，即提出

2、一个因素是另一因素产生发展的原因。比如：中国的通胀属于输入型通胀吗？即研究国外经济因素的变量是引起国内物价水平变动的主要原因；中国股指期货的推出对股票市场的影响研究，即将股指期货视为股票价格波动的原因之一等第四类任务是探讨内部结构与机制。例如探讨金融与经济现象中复杂的关系可以通过某些模型加以描述；某些金融经济变量的影响因素非常复杂，但这些因素的综合作用可以使经济变量呈现一定的规律性，此时可以直接探讨这些变量趋势自身的内在机制。研究步骤研究步骤金融经济理论建立计量模型搜集整理数据参数估计计算检验统计显著性重新构建模型 或 模型解释与应用（一）（一）金金融经济理论融经济理论形成研究的金融问题，可能

3、来自金融实践产生的直觉，也可能来自学者研究过程中选定的主题。（二）（二）建建立计量模型立计量模型将研究主题以计量模型的方式加以表达第一步是选择适当的经济指标表示上一步研究主题中涉及的经济现象。第二步是将猜想表述为计量模型（三）（三）搜搜集整理数据集整理数据金融计量研究的数据通常是二手数据，即其他研究者、商业/非商业数据提供者提供的数据。比如各国统计局、IMF、国泰安数据库等。也有时需要直接调查获得一手数据（四）（四）参参数估计数估计根据数据特征、模型特征，选择适当的参数估计方法对模型参数进行估计（五）（五）检检验统计显著性验统计显著性要使模型参数达到最优，需要什么样的假设？数据模型是否满足这些

4、假设？模型对参数的描述统计上是否具有显著性？如果上述答案均为肯定的，则进行下一步分析与应用，否则要退回上述四步，或者重新建立模型，搜集更多数据，或者选择假设要求不太严格的参数估计方法等。（六）（六）模模型的解释与应用型的解释与应用模型解释主要是从理论角度对模型进行检验。从金融经济理论角度，参数的符号是否符合理论或直觉？如果不符合，需要返回上述步骤重新研究。金融时间序列金融时间序列是指将金融随机变量在一定时期内按时间先后顺序所取的值加以排列，其最显著的特征就是与“时间”紧密相联。一般来说，金融时间序列变量，也简称为金融时序变量，由两个要素组成，即时间跨度和序列频率相同的序列频率，如上述年度GDP

5、数据、季度CPI数据等不同的序列频率，如股市上记录交易发生的数据。通常需要对不均匀的时间序列数据进行规定，例如选择一个恰当的频率，将该频率内时期的最后一笔大宗交易成交价作为该时段的观察值，比如股市数据里的5分钟高频数据。通常时间序列模型建模时都要求引入的数据应该具有相同的频率，即使有高频数据，必要时也要用低频率的增长率与收益率增长率与收益率金融计量通常研究价格增长率或金融产品的收益率，从计量学的角度，价格的时间序列一般都含有时间趋势成分，收益率往往是平稳时间序列收益率计算方法 简单收益率：单期连续复利收益率多期连续复利收益率连续复利收益率均采用对数形式，称为对数收益率。对数收益率具有可加性，因

6、此观察频率就不太重要。任何时期的收益率，只需最后时点的取值比开始的时点值再取对数即可获得11%100ttttPPPR)ln(%1001tttPPr111211)ln()()(ln(%100)(ktttkttktkttttttrrrPPPPPPPPkr增长率或收益率增长率或收益率的频率转化的频率转化最常用的概念是“年化增长率”或“年化收益率”。年化增长率反映的是在单期增长率不变情况下，一个变量在一年的跨度期间内发生变化的幅度对于季度价格指数数据，年度化的增长率计算公式可以近似写成对于月度频率的数据，年度化的增长率计算公式是对应的严格意义上的计算公式应该分别是一般情况下，这两种算法的解非常相近。由

7、于自然对数在金融计量和经济计量中应用方便快捷，所以计量学家经常使用前者来计算金融时间序列近似的年度化增长率)ln(%400)ln(%100141ttttPPPP)ln(%1200)ln(%1001121ttttPPPP)1)(%10041ttPP)1)(%100121ttPPEViews是Econometrics Views的缩写，由QMS公司开发EViews软件提供了三种操作方式，一是菜单驱动方式：利用系统提供的命令菜单完成有关操作。二是命令输入方式：设置命令输入窗口以便用户直接键入有关命令，而且在命令字后边可以添加命令参数。三是程序运行方式：运行程序以批处理方式完成一组命令的操作Eview

8、s采用了面向对象的软件设计思想，将计量经济分析的基本元素（如序列、数据、矩阵等）和分析结果（如方程、图形、系统等）都视为“对象”，每一个对象都用相应的窗口来表示。通过对每一个对象不同侧面的观察，来分析对象的属性和特征，揭示不同对象之间的关系。EviewsEviews启动界面启动界面标题栏：位于界面中窗口的顶部，标题栏的右端有三个按钮：最小化、最大化（或复原）和关闭。菜单栏:主菜单栏上共有7个选项：File，Edit，Objects，View，Procs，Quick，Options，Window，Help。用鼠标点击打开下拉式菜单，点击某个选项将执行对应的命令。命令窗口:窗口最左端的竖线是提示符

9、，允许用户在提示符后通过键盘输入EViews的命令。主显示窗口:命令窗口之下是EViews的主显示窗口，以后操作产生的窗口均在此范围之内显示，不能移出主窗口之外。状态栏：左端显示信息，中部显示当前路径，右端显示当前状态EviewsEviews基本操作对象基本操作对象工作文件工作文件工作文件是用户使用EViews软件处理数据时存贮在内存中的信息，包括操作过程中建立的所有命名对象。工作文件可视为EViews软件的基本“工作平台”，在这个平台上可以存放信息处理过程中的其它操作对象，如序列、数组、方程、图像等等。创建工作文件的方式菜单方式：主菜单上依次点击FileNewWorkfile，并在弹出的对话

10、框中选择数据的时间频率、起始期和终止期。选定时间频率之后，再分别点击起始期栏和终止期栏，输入相应的日期。输入季度、月份日期时用符号“：”或“.”分隔年、季（或月）。如果是非时序数据，则只需输入观察数据的组数。命令行方式：在命令窗口直接输入建立工作文件的命令CREATE，命令格式为CREATE 数据频率起始期终止期其中，数据频率类型分别为A（年）、Q（季）、M（月），非时序数据（U）等等。如果是非时序数据，则只需在数据类型之后标明数据的组数序列序列序列即通常所说的变量，包括时间序列和非时间序列数组数组由若干个序列组合而成，以便对组中的所有变量同时执行某项操作。EViews以电子表格的形式表示数组

11、，所以在数组窗口中可以直接键入或编辑各个序列的数据图形图形主要类型有：折线图、（趋势图）、相关图、柱形图、圆饼图等图形。用户可以在图形窗口中直接定义各图形参数。方程方程在方程窗口中可以直接确认样本区间、参数估计方法、方程中的变量及其函数形式等内容。根据估计的方程，还可以直接进行残差分析、稳定性分析、计量经济检验、预测模拟等分析。创建对象创建对象以创建序列为例。打开或新建工作文档后，可利用主菜单上的Objects/New Object或者右键点击当前工作文档空白处，即可创建想要的对象导入数据导入数据数据导入方式包括：直接从Microsoft Excel表格中将待处理的数据导入到工作文档中，或是简

12、单的拷贝与粘贴。最快捷的一种导入数据的方式就是拷贝与粘贴。例如，可以直接拷贝待使用的数据，然后粘贴到工作文档中的相应对象中（如序列）。如果在工作文档中尚未建立相应的对象，需要首先利用上文介绍的方法创建对象，然后粘贴数据。绘制图示绘制图示点击打开一个序列CHINAEXCH序列之后，可以选择该序列上方的View/Graph来绘制与该序列数据对应的各种图示，包括线型图、柱状图等等。常用的常用的EviewsEviews命令命令log(x)计算x的自然对数x(-1)x滞后1期x(-2)x滞后2期 d(x)计算x的一次差分，即xx(-1)scalar a=21.3 对a进行赋值scalar b=33 对b

13、赋值，让其等于3*3*3=27genr a=b*b 生成一个序列，等于b的平方smpl 1990:1 2001:1 定义样本区间1990Q1-2001Q1本案例是以货币、通胀与经济产出之间的动态互动关系为背景的经验分析。假定货币供给是中央银行的中介目标，中央银行通过调节货币供应量来对经济发展进行干预和调整。这个过程即货币政策传导机制。第一个环节是中央银行调整货币供给量来影响投资进而作用于真实经济总产出。这一环节可以看做是经典的欧拉等式的一个变体第二个环节是通过现代短期通胀率动态机制实现的第三个环节刻画了货币政策工具对总产出和通货膨胀的反应在这个动态系统内，涉及三个核心变量，即货币供应量、通货膨

14、胀率和真实经济产出。如果我们希望通过具体数据探寻这三个变量之间的动态关系，那么可能需要建立一个多变量的向量系统，如自回归向量模型（VAR）。需要解决的问题需要解决的问题各个变量的动态路径可以使用什么样的单变量动态模型来刻画？是选用自回归模型（AR）、移动平均模型（MA），还是二者的组合（ARMA模型）呢？各个变量是否符合平稳序列的特征？究竟应该使用货币供应量、通胀率和总产出的时间序列数据的水平值还是他们的增长率呢？如果各个变量的原始水平值序列非平稳，是否还能对这些变量之间的关系进行计量分析呢？数据来源数据来源选用美国劳工部公布的1980年1季度-2009年3季度美国的货币供应量（M2）、真实G

15、DP（RGDP）和消费价格指数（CPI）进行分析。24 补充：补充：EViewsEViews使用的一个简单实例使用的一个简单实例 接下来，我们使用一个实际操作的例子，利用1980年至2005年中国居民消费支出与可支配收入数据，数据为年度频率。1.假设A为常数，和 为均值为0的随机变量，判断下列关系式的正误：2.,求？3.如果矩阵A和B均有逆阵，判断下列关系式的正误：ttu)6()5()4()3()2()1(2ttttttttttttttttVaruVaruVarVarAAVarAVarAVarEuEuEEAEEAEA22211211aaaaA1A1111111111)()()().4()().3()().(2().(1(BAABBAABAABAAB