这些示例展示了如何使用计量经济学建模者方法包括检验平方残差的相关图和检验显著的ARCH滞后。数据集,存储在Data_EquityIdx.mat
,包含从1990年到2001年的一系列每日纳斯达克收盘价。
这个例子展示了如何通过绘制一系列残差平方的自相关函数(ACF)和偏自相关函数(PACF)来直观地判断一个序列是否具有显著的ARCH效应。
在命令行中,加载Data_EquityIdx.mat
数据集。
负载Data_EquityIdx
该数据集包含纳斯达克和纽约证券交易所的收盘价表以及其他变量。要了解更多关于数据集的信息,请输入描述
在命令行。
转换表格数据表
查看时间表(有关详细信息,请参阅为计量经济学建模器应用程序准备时间序列数据).
日期= datetime(日期,“ConvertFrom”,“datenum”,...“格式”,“ddMMMyyyy”);%将日期转换为日期时间DataTable.Properties.RowNames={};清除行名称DataTable = table2timetable(数据表,“RowTimes”,日期);将表格转换为时间表
在命令行中,打开计量经济学建模者应用程序。
econometricModeler
或者,从应用程序库中打开应用程序(请参见计量经济学建模者).
进口数据表
为应用程序:
上计量经济学建模者选项卡,进口部分,单击.
在导入数据对话框中的进口吗?列的复选框,选择数据表
变量
点击进口.
变量显示在时间序列窗格中,所有序列的时间序列图将出现在时间序列图(纳斯达克)图形窗口。
通过获取每日收盘纳斯达克指数系列的对数,然后获取记录系列的第一个差值,将每日收盘纳斯达克指数系列转换为收益率百分比系列:
在时间序列窗格中,选择纳斯达克
.
上计量经济学建模者选项卡,转换部分,单击日志.
具有NASDAQLog
选中,在转换部分,单击差别.
在时间序列窗格中,重命名纳斯达克洛格迪夫酒店
变量,单击两次选择它的名称并输入纳斯达克酒店
.
纳斯达克回报的时间序列图出现在时间序列图(NASDAQReturns)图形窗口。
回报率似乎在一个恒定水平上波动,但表现出波动性聚集。收益的大变化往往会聚集在一起,而小变化往往会聚集在一起。也就是说,序列表现出条件异方差性。
计算平方残差:
出口纳斯达克酒店
MATLAB的®工作区:
在时间序列窗格中,右键单击纳斯达克酒店
.
在关联菜单中,选择出口.
纳斯达克酒店
出现在MATLAB工作区中。
在命令行中:
对于数值稳定性,按100倍的比例缩放收益。
通过从缩放的收益序列中去除平均值来创建一个残差序列。因为你用纳斯达克价格的第一个差来创建回报,回报的第一个元素就消失了。因此,要估计该系列的样本均值,调用平均值(NASDAQReturns,'omitnan')
.
将残差平方。
把残差平方作为一个新变量加到数据表
时间表。
NASDAQReturns = 100 * NASDAQReturns;NASDAQResiduals = NASDAQReturns - mean(NASDAQReturns,“奥米南”);NASDAQResiduals2 = NASDAQResiduals。^ 2;数据表。纳斯达克Residuals2 = NASDAQResiduals2;
在计量经济学建模器中,导入数据表
:
上计量经济学建模者选项卡,进口部分,单击.
在计量经济学建模者对话框中,单击好吧清除应用程序中的所有变量和文档。
在导入数据对话框中的进口吗?列中,选中相应的复选框数据表
.
点击进口.
绘制ACF和PACF:
在时间序列窗格中,选择NASDAQResiduals2
时间序列。
单击阴谋选项卡,然后单击活性炭纤维.
单击阴谋选项卡,然后单击PACF.
关闭时间序列图(纳斯达克)图形窗口。然后,定位ACF (NASDAQResiduals2)图3:窗口上方的PACF(NASDAQResiduals2)图形窗口。
样本ACF和PACF在平方残差中显示出显著的自相关。这一结果表明存在波动率聚类。
该示例显示了如何使用Ljung-Box Q检验测试显著拱效应的平方残差。
在命令行中:
加载Data_EquityIdx.mat
数据集。
将纳斯达克的价格转换为回报。为了保持正确的时间基数,在结果返回前加上楠
价值
衡量纳斯达克的回报率。
通过从缩放收益中移除平均值来计算残差。
将残差平方。
将残差平方向量作为变量添加到数据表
.
转换数据表
从桌子到时间表。
有关步骤的详细信息,请参见检查拱效应的平方残差相关图.
负载Data_EquityIdxNASDAQReturns=100*price2ret(DataTable.NASDAQ);NASDAQReturns=[NaN;NASDAQReturns];NASDAQResiduals2=(NASDAQReturns-平均值(NASDAQReturns,“奥米南”)) ^ 2;数据表。纳斯达克Residuals2 = NASDAQResiduals2; dates = datetime(dates,“ConvertFrom”,“datenum”);DataTable.Properties.RowNames = {};DataTable = table2timetable(数据表,“RowTimes”,日期);
在命令行中,打开计量经济学建模者应用程序。
econometricModeler
或者,从应用程序库中打开应用程序(请参见计量经济学建模者).
进口数据表
为应用程序:
上计量经济学建模者选项卡,进口部分,单击.
在导入数据对话框中的进口吗?列的复选框,选择数据表
变量
点击进口.
变量显示在时间序列窗格中,所有序列的时间序列图将出现在时间序列图(纳斯达克)图形窗口。
检验第一个M=5通过Ljung-Box Q检验,平方残差的自相关滞后联合为零。然后,检验第一个M= 10平方残差的自相关滞后共同为零。
在时间序列窗格中,选择NASDAQResiduals2
时间序列。
上计量经济学建模者选项卡,测验部分,单击新的测试>Ljung-Box Q-Test.
上LBQ选项卡,参数节中,设置数量的滞后和景深到5.
.为保持两个检验的显著性水平为0.05,设显著性水平至0.025。
在测验部分,单击运行测试.
重复步骤3和4,但同时设置数量的滞后和景深到10
相反
测试结果显示在结果表1LBQ (NASDAQResiduals2)文件
无效假设在两个测试中被拒绝P-每个测试的值为0。结果表明,并非所有滞后5(或10)的自相关都为零,这表明平方残差中的波动性聚集。
此示例显示如何使用Engle的ARCH测试测试显著ARCH效应的残差。
在命令行中:
加载Data_EquityIdx.mat
数据集。
将纳斯达克的价格转换为回报。为了保持正确的时间基数,在结果返回前加上楠
价值
衡量纳斯达克的回报率。
通过从缩放收益中移除平均值来计算残差。
将残差向量作为变量添加到数据表
.
转换数据表
从桌子到时间表。
有关步骤的详细信息,请参见检查拱效应的平方残差相关图.
负载Data_EquityIdxNASDAQReturns = 100 * price2ret (DataTable.NASDAQ);NASDAQReturns =[南;NASDAQReturns];NASDAQResiduals = NASDAQReturns - mean(NASDAQReturns,“奥米南”);数据表。纳斯达克Residuals = NASDAQResiduals; dates = datetime(dates,“ConvertFrom”,“datenum”);DataTable.Properties.RowNames = {};DataTable = table2timetable(数据表,“RowTimes”,日期);
在命令行中,打开计量经济学建模者应用程序。
econometricModeler
或者,从应用程序库中打开应用程序(请参见计量经济学建模者).
进口数据表
为应用程序:
上计量经济学建模者选项卡,进口部分,单击.
在导入数据对话框中的进口吗?列的复选框,选择数据表
变量
点击进口.
变量显示在时间序列窗格中显示所有序列的时间序列图时间序列图(纳斯达克)图形窗口。
使用Engle的ARCH检验检验NASDAQ残差序列没有ARCH效应的无效假设。指定残差序列为ARCH(2)模型。
在时间序列窗格中,选择纳斯达克雷西亚尔酒店
时间序列。
上计量经济学建模者选项卡,测验部分,单击新的测试>恩格尔的拱测试.
上拱选项卡,参数节中,设置数量的滞后到2.
.
在测验部分,单击运行测试.
测试结果显示在结果表1拱(NASDAQResiduals)文件
为了支持ARCH(2)方案,无效假设被拒绝。测试结果表明残差中存在显著的波动性聚集。