EVIEWS:ARCH类、GARCH、EGARCH,建模估计沪深300指数2019-2020年交易日的波动率,并对结果进行分析。
选择两个ARCH类模型,建模估计沪深300指数2019-2020年交易日的波动率,并对结果进行分析。
以下都是通过Eviews软件对ARCH、GARCH、EGARCH进行操作,代码量较少(‘点点点就可以’)
一、实验内容
自回归条件异方差检验和广义自回归条件异方差检验
选择两个ARCH类模型,建模估计沪深300指数2019-2020年交易日的波动率,并对结果进行分析。
1、数据收集
选取了沪深300中2019年1月2日-2020年12月31日共计487个日收益率数据。
数据来源:锐思数据库
二、实验方法
1.首先进行单位根检验
单位根检验是指检验序列中是否存在单位根,因为存在单位根就是非平稳时间序列。序列中存在单位根过程就不平稳,会使回归分析中存在伪回归。
由2.1图可以看出在0点波动,且没有明显的趋势,所以无截距项和趋势项。
2、平稳性检验。
由图可以看出p值小于0.05,即代表这个方式下是拒绝原假设的,也就是不存在单位根,是平稳序列。
3、相关性检验。
由图可以看出在滞后4阶有较小的相关性外没有显著的相关性
4.对日收益率做回归
由回归分析图可以看出,P<0.05 拒绝原假设
5、对残差进行相关性检验
由图可以看出概率都大于0.05,说明在5%的显著水平上残差不存在序列相关性。
6、对均值方程的残差进行ARCH效应检验
原假设表明残差序列不存在ARCH效应,而F统计量和卡方统计量都小于0.05,说明要拒绝原假设,建立的方程的残差存在ARCH效应。
7、建立ARCH模型
AIC SC HQC
2阶 -5.939 -5.896 -5.962
3阶 -5.940 -5.888 -5.920
4阶 -5.946 -5.886 -5.920
5阶 -5.949 -5.880 -5.920
6阶 -5.950 -5.876 -5.920
7阶 -5.950 -5.876 -5.920
8阶 -5.950 -5.855 -5.910
根据AIC、SC、HQ信息指数,选择4阶。
根据公式:
得到方差方程为
其中均值方程为
8、建立GARCH模型
(q,p,r) AIC SC HQ
(3,2,0) -5.8786 -5.8097 -5.8515
(3,1,0) -5.8819 -5.8216 -5.8582
(2,2,0) -5.8743 -5.8140 -5.8506
(2,1,0) -5.8741 -5.8224 -5.8538
(3,3,0) -5.8767 -5.7992 -5.8463
(1,1,0) -5.8727 -5.8297 -5.8558
根据以上信息准则的比较以及残差平方的相关性,所以选择GARCH(1,1)模型
P值均小于0.05,系数高度相关性。
得到方差方程为
均值方程为
因为α1+β1= 0.1451+0.8213=0.9664,非常接近1,说明波动率聚集效应的持续时间较长。
9、EGARCH模型
AIC、SC、HQC信息指数的比较表格
EGARCH(3,1)的p值大于0.05,所以选择EGARCH(1,1)
Θ=-0.2175<0表示确实存在杠杆效应,
若日收益率具有明显的异方差性、波动性和杠杆效应,表明外部因素对该只股票的冲击较大,收益率和风险不成正比。
2401_85779103: 没有c.NotebookApp.password=怎么办啊大佬
浅安时光970: 有原数据吗
qq_42618948: 我去知乎上关注去了。
yanwanmm: 你好 请问一下可以求步骤吗
庐山烟雨浙江潮219: proc菜单里make garch variance series就可以