这些示例展示了如何通过使用计量经济学建模师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年的一系列纳斯达克每日收盘价。
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。
转换表数据表
到一个时间表(详情见为计量经济学建模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师应用程序。
econometricModeler
或者,从应用程序库打开应用程序(见计量经济学建模师).
进口数据表
为应用程序:
在计量经济学建模师选项卡,进口部分中,点击.
在导入数据对话框中进口吗?列的复选框,选择数据表
变量。
点击进口.
变量出现在时间序列窗格中,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:
在时间序列窗格中,选择纳斯达克
.
在计量经济学建模师选项卡,转换部分中,点击日志.
与NASDAQLog
选中时,在转换部分中,点击区别.
在时间序列窗格中,重命名NASDAQLogDiff
变量,单击两次选择它的名称并输入NASDAQReturns
.
纳斯达克回报的时间序列图出现在时间序列图(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
MATLAB的®工作区:
在时间序列窗格中,右键单击NASDAQReturns
.
在上下文菜单中,选择出口.
NASDAQReturns
出现在MATLAB工作区中。
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,调用意味着(NASDAQReturns omitnan)
.
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,“omitnan”);NASDAQResiduals2 = NASDAQResiduals。^ 2;数据表。纳斯达克Residuals2 = NASDAQResiduals2;
在计量经济模型中,导入数据表
:
在计量经济学建模师选项卡,进口部分中,点击.
在计量经济学建模师对话框中,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进口吗?列,选择的复选框数据表
.
点击进口.
绘制ACF和PACF:
在时间序列窗格中,选择NASDAQResiduals2
时间序列。
单击情节选项卡,然后单击ACF.
单击情节选项卡,然后单击PACF.
关闭时间序列图(纳斯达克)图窗口。然后,位置ACF (NASDAQResiduals2)图窗口上方PACF (NASDAQResiduals2)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。
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数据表
.
转换数据表
从一张桌子变成一张时间表。
有关步骤的详细信息,请参见检验ARCH效应的残差平方的相关图.
负载Data_EquityIdxNASDAQReturns = 100 * price2ret (DataTable.NASDAQ);NASDAQReturns =[南;NASDAQReturns];NASDAQResiduals2 = (NASDAQReturns - mean(NASDAQReturns,“omitnan”)) ^ 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师应用程序。
econometricModeler
或者,从应用程序库打开应用程序(见计量经济学建模师).
进口数据表
为应用程序:
在计量经济学建模师选项卡,进口部分中,点击.
在导入数据对话框中进口吗?列的复选框,选择数据表
变量。
点击进口.
变量出现在时间序列窗格中,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。
在计量经济学建模师选项卡,测试部分中,点击新的测试>Ljung-Box Q-Test.
在LBQ选项卡,参数Section,将两者都设置为数量的滞后和景深来5
.为保持两个检验的显著性水平为0.05,设显著性水平到0.025。
在测试部分中,点击运行测试.
重复步骤3和步骤4,但同时设置数量的滞后和景深来10
代替。
测试结果显示在结果表的LBQ (NASDAQResiduals2)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。
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数据表
.
转换数据表
从一张桌子变成一张时间表。
有关步骤的详细信息,请参见检验ARCH效应的残差平方的相关图.
负载Data_EquityIdxNASDAQReturns = 100 * price2ret (DataTable.NASDAQ);NASDAQReturns =[南;NASDAQReturns];NASDAQResiduals = NASDAQReturns - mean(NASDAQReturns,“omitnan”);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师应用程序。
econometricModeler
或者,从应用程序库打开应用程序(见计量经济学建模师).
进口数据表
为应用程序:
在计量经济学建模师选项卡,进口部分中,点击.
在导入数据对话框中进口吗?列的复选框,选择数据表
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图(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。
在时间序列窗格中,选择NASDAQResiduals
时间序列。
在计量经济学建模师选项卡,测试部分中,点击新的测试>恩格尔的拱测试.
在拱选项卡,参数节中,设置数量的滞后来2
.
在测试部分中,点击运行测试.
测试结果显示在结果表的拱(NASDAQResiduals)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。