这些例子说明如何评估系列是否通过使用具有波动集群计量经济学建模应用程序。方法包括检测残差平方的相关图和测试显著ARCH滞后。该数据集,存储在Data_EquityIdx.mat
,包括从1990年到2001年的一系列日常纳斯达克的收盘价。
这个例子展示了如何在视觉上确定的一系列是否具有通过绘制一系列残差平方的自相关函数(ACF)和局部自相关函数(PACF)显著ARCH影响。
在命令行,加载Data_EquityIdx.mat
数据集。
加载Data_EquityIdx
该数据集包含纳斯达克和纽交所收盘价格表,其他变量之一。有关数据集的更多详细信息,请描述
在命令行。
将表格转换数据表
一个时间表(详见准备时间序列数据的计量经济学建模应用程序)。
日期=日期时间(日期,'ConvertFrom','datenum',...'格式','ddMMMyyyy');%转换日期日期时间DataTable.Properties.RowNames = {};%清除行名数据表= table2timetable(数据表,'RowTimes',日期);%转换表,时间表
在命令行中,开计量经济学建模应用程序。
econometricModeler
或者,打开从应用程式库的应用程序(见计量经济学建模)。
进口数据表
到应用程序:
在计量经济学建模选项卡,在进口部分,点击。
在里面导入数据对话框,在进口?列,选择复选框数据表
变量。
请点击进口。
这些变量出现在数据浏览器和所有系列的时间序列图显示在时间序列图(NASDAQ)数字窗口。
通过采取一系列的日志,然后取的记录系列的第一差转换的日收盘纳斯达克指数系列的回报率系列:
在里面数据浏览器, 选择纳斯达克
。
在计量经济学建模选项卡,在变换部分,点击日志。
同NASDAQLog
选择,在变换部分,点击区别。
更改名称NASDAQLogDiff
至NASDAQReturns
:
在里面数据浏览器, 右键点击NASDAQLogDiff
。
在上下文菜单中选择改名。
输入NASDAQReturns
。
纳斯达克回报的时间序列图显示在时间序列图(NASDAQReturns)数字窗口。
收益出现波动围绕一个恒定的水平,但表现出波动聚类。在回报率大的变化往往会聚集在一起,和小的变化往往会聚集在一起。也就是说,该系列产品具有条件异方差。
计算残差平方:
出口NASDAQReturns
到MATLAB®工作区:
在里面数据浏览器, 右键点击NASDAQReturns
。
在上下文菜单中选择出口。
NASDAQReturns
出现在MATLAB工作区。
在命令行:
对于数值稳定性,通过缩放因子100的回报率。
从缩放收益率序列去掉平均创建残差序列。因为你拿了NASDAQ价格的一阶差分创造回报,回报的第一个元素缺失。因此,估计该系列的样本均值,则必须使用nanmean
。
广场上的残留物。
添加残差平方作为一个新变量数据表
时间表。
NASDAQReturns = 100 * NASDAQReturns;NASDAQResiduals = NASDAQReturns - nanmean(NASDAQReturns);NASDAQResiduals2 = NASDAQResiduals ^ 2。DataTable.NASDAQResiduals2 = NASDAQResiduals2;
在计量经济学建模,进口数据表
:
在计量经济学建模选项卡,在进口部分,点击。
在里面计量经济学建模对话框中,单击好以清除应用程序的所有变量和文件。
在里面导入数据对话框,在进口?列中,选中该复选框数据表
。
请点击进口。
画出ACF和PACF:
在里面数据浏览器,选择NASDAQResiduals2
时间序列。
点击地块选项卡,然后单击ACF。
点击地块选项卡,然后单击PACF。
关上时间序列图(NASDAQ)数字窗口。然后,定位ACF(NASDAQResiduals2)上图中窗口PACF(NASDAQResiduals2)数字窗口。
样品ACF和PACF显示在残差平方显著自相关。该结果表明,波动聚类存在。
这个例子显示了如何测试使用Ljung的盒Q-测试显著ARCH效应残差平方。
在命令行:
加载Data_EquityIdx.mat
数据集。
转换纳斯达克的价格来回报。为了保持正确的时间基准,前面加上产生了回报为NaN
值。
规模纳斯达克的回报。
残差计算从缩放回报移除的平均值。
广场上的残留物。
添加残差平方的向量作为一个变量数据表
。
兑换数据表
从表中的时间表。
有关步骤的详细信息,请参阅检查残差平方的相关图中的ARCH效应。
加载Data_EquityIdxNASDAQReturns = 100 * price2ret(DataTable.NASDAQ);NASDAQReturns = [NaN的;NASDAQReturns];NASDAQResiduals2 =(NASDAQReturns - nanmean(NASDAQReturns))^ 2。DataTable.NASDAQResiduals2 = NASDAQResiduals2;日期=日期时间(日期,'ConvertFrom','datenum');DataTable.Properties.RowNames = {};数据表= table2timetable(数据表,'RowTimes',日期);
在命令行中,开计量经济学建模应用程序。
econometricModeler
或者,打开从应用程式库的应用程序(见计量经济学建模)。
进口数据表
到应用程序:
在计量经济学建模选项卡,在进口部分,点击。
在里面导入数据对话框,在进口?列,选择复选框数据表
变量。
请点击进口。
这些变量出现在数据浏览器和所有系列的时间序列图显示在时间序列图(NASDAQ)数字窗口。
检验零假设第一米=的残差平方5个的自相关滞后是通过使用Ljung的盒Q-测试共同为零。然后,测试零假设,即第一米=的残差平方10个的自相关滞后是共同为零。
在里面数据浏览器,选择NASDAQResiduals2
时间序列。
在计量经济学建模选项卡,在测试部分,点击新的测试>Ljung的盒Q-测试。
在LBQ选项卡,在参数部分,同时设置滞后数和DOF至五
。为了保持0.05为两个测试,集显着性水平显着性水平到0.025。
在里面测试部分,点击运行试验。
重复步骤3和4,但同时设置了滞后数和DOF至10
代替。
测试结果显示在结果的表LBQ(NASDAQResiduals2)文献。
零假设被拒绝了两项测试。该p- 值对每个测试是0结果表明,并不是每一个自相关至多滞后5(或10)是零,指示在残差平方波动聚类。
这个例子显示了如何测试残差采用恩格尔的ARCH检验显著ARCH效应。
在命令行:
加载Data_EquityIdx.mat
数据集。
转换纳斯达克的价格来回报。为了保持正确的时间基准,前面加上产生了回报为NaN
值。
规模纳斯达克的回报。
残差计算从缩放回报移除的平均值。
添加残差矢量作为变量来数据表
。
兑换数据表
从表中的时间表。
有关步骤的详细信息,请参阅检查残差平方的相关图中的ARCH效应。
加载Data_EquityIdxNASDAQReturns = 100 * price2ret(DataTable.NASDAQ);NASDAQReturns = [NaN的;NASDAQReturns];NASDAQResiduals = NASDAQReturns - nanmean(NASDAQReturns);DataTable.NASDAQResiduals = NASDAQResiduals;日期=日期时间(日期,'ConvertFrom','datenum');DataTable.Properties.RowNames = {};数据表= table2timetable(数据表,'RowTimes',日期);
在命令行中,开计量经济学建模应用程序。
econometricModeler
或者,打开从应用程式库的应用程序(见计量经济学建模)。
进口数据表
到应用程序:
在计量经济学建模选项卡,在进口部分,点击。
在里面导入数据对话框,在进口?列,选择复选框数据表
变量。
请点击进口。
这些变量出现在数据浏览器和所有系列的时间序列图显示在时间序列图(NASDAQ)数字窗口。
测试零假设纳斯达克残差序列表现出用恩格尔ARCH检验没有ARCH效应。指定该残差系列是ARCH(2)模型。
在里面数据浏览器,选择NASDAQResiduals
时间序列。
在计量经济学建模选项卡,在测试部分,点击新的测试>恩格尔的ARCH检验。
在拱选项卡,在参数部分,设置滞后数至2
。
在里面测试部分,点击运行试验。
测试结果显示在结果的表ARCH(NASDAQResiduals)文献。
零假设被赞成ARCH(2)替代的拒绝。测试结果表明在残差显著波动聚类。