第一章Eviews操作简介 1
第一节 工作文件创建及使用 1
一、工作文件的打开与调用 1
二、工作文件的操作窗口 3
三、数据的处理 7
第二节 常用对象介绍 10
一、方程对象 10
二、组对象 12
三、图像对象 12
(一)图像的创建 12
(二)图像的修改与复制 15
四、对数似然对象 16
(一)待估参数的定义 17
(二)似然对象的定义 17
(三)估计 17
(四)简单似然对象举例 17
五、系统对象 18
第三节 程序设计基础 20
一、简单程序 20
二、程序的创建与运行 21
三、程序变量 23
(一)控制变量 23
(二)字符串变量 23
(三)矩阵 23
四、控制程序 24
(一)IF条件语句 24
(二)FOR循环语句 25
(三)WHILE循环语句 26
第二章 自回归移动平均模型 27
第一节ARMA模型的基本原理 27
一、自回归模型的基本原理 27
(一)AR模型的基本形式 27
(二)AR模型的平稳性 27
(三)AR模型的数字特征 28
二、移动平均模型的基本原理 29
(一)MA模型的基本形式 29
(二)MA模型的可逆性 29
(三)MA模型的数字特征 30
三、自回归移动平均模型的基本原理 30
(一)ARMA模型的基本形式 30
(二)ARMA模型的平稳性和可逆性 30
(三)ARMA模型的数字特征 31
第二节 时间序列的相关性分析与平稳性 32
一、时间序列的自相关系数 32
(一)自相关函数(ACF) 32
(二)偏自相关函数(PACF) 33
(三)ARMA模型自相关系数与偏自相关系数的估计与检验 34
二、时间序列平稳性检验 35
(一)经验法 35
(二)自/偏自相关系数法 35
(三)单位根检验法 35
第三节 季节性ARMA模型 38
一、时间序列的季节性 38
(一)移动平均法 38
(二)X-11方法 39
二、季节性ARMA模型 40
第四节ARMA模型的构建与Eviews实现 42
一、ARMA模型的具体构建步骤 42
(一)判断序列的平稳性 42
(二)ARMA模型滞后阶数的选择 42
(三)ARMA模型的参数估计与检验 42
(四)模型的预测 42
二、ARMA模型在Eviews中的窗口实现 42
(一)判断序列的平稳性 42
(二)ARMA模型滞后阶数的选择与模型的估计 44
(三)ARMA模型的检验 46
(四)模型的预测 47
三、ARMA模型在Eviews中常用的命令与程序 47
(一)单位根检验 47
(二)自相关-偏自相关图 48
(三)ARMA模型的估计 48
(四)模型残差的调用 48
(五)模型的预测 48
(六)常用估计系数和统计量的调用 48
第五节ARMA模型的应用举例 49
一、案例分析的目的 49
二、实验数据 49
三、ARMA模型的构建 51
(一)判断序列的平稳性 51
(二)单位根检验 52
(三)季节性分析 54
(四)滞后阶数的初步决定 56
(五)ARMA模型的参数估计 56
(六)模型的预测 59
第三章 向量自回归模型 60
第一节VAR模型的基本原理 60
一、VAR模型的基本形式 60
二、VAR模型的平稳性特征 62
三、VAR模型平稳性的条件 63
(一)一阶VAR模型的平稳性条件 63
(二)高阶VAR模型平稳的条件 64
四、VAR模型滞后阶数的选择 64
(一)LR检验法 65
(二)信息准则判断法 65
第二节VAR模型的应用 65
一、格兰杰因果检验 66
(一)格兰杰因果关系的概念 66
(二)格兰杰因果关系的检验 66
二、脉冲响应函数 71
三、方差分解 74
四、预测 77
第三节VAR模型的具体构建与Eviews实现 78
一、VAR模型的具体构建步骤 78
(一)单位根检验 78
(二)VAR模型滞后阶数的选择 78
(三)VAR模型的估计 79
(四)VAR模型的检验 79
(五)VAR模型的运用 79
二、VAR模型在Eviews中的窗口实现 79
(一)VAR模型滞后阶数的选择 79
(二)VAR模型的估计 81
(三)VAR模型的检验 85
(四)VAR模型的预测 88
(五)格兰杰因果检验 89
(六)脉冲响应 90
(七)方差分解 91
三、VAR模型在Eviews中常用的命令与程序 92
(一)滞后阶数选择 92
(二)VAR模型的估计 92
(三)VAR模型特征根的调用 92
(四)残差的调用 92
(五)估计系数和统计量的调用 92
(六)格兰杰因果检验 92
(七)方差分解 93
(八)脉冲响应 93
第四节VAR模型的应用举例 93
一、案例分析的目的 93
二、实验数据 94
三、VAR模型的构建 96
(一)数据平稳性检验 96
(二)VAR模型滞后阶数的选择 98
(三)VAR模型的估计 99
(四)VAR模型的检验 100
(五)VAR模型的预测 102
四、VAR模型的应用 102
(一)格兰杰因果检验 102
(二)脉冲响应 103
(三)方差分解 104
第四章 向量误差修正模型 108
第一节 协整的基本思想 108
一、协整(Cointegration)关系的产生 108
二、协整的概念 110
三、协整的检验 112
四、协整方程形式的选择 121
第二节 向量误差修正模型的基本思路 125
一、自回归分布滞后模型 126
二、VECM模型的一般形式 126
第三节 向量误差修正模型的具体构建与Eviews实现 131
一、VECM模型的具体构建步骤 131
二、VECM模型在Eviews中的窗口实现 131
三、VECM模型在Eviews中的实现命令与程序 134
第四节VECM模型的应用举例 135
一、案例分析的背景 135
二、实验数据 135
三、VECM模型的构建 136
(一)数据处理 136
(二)单位根检验 136
(三)协整检验 138
(四)VECM模型的估计 141
(五)VECM模型的检验与预测 143
(六)VECM模型的应用 144
(七)施加约束条件后的VECM的估计 146
第五章 条件异方差模型 153
第一节ARCH模型的基本原理 153
一、ARCH模型简介 153
二、ARCH方程的性质 154
三、ARCH模型的估计 155
四、ARCH效应的检验 156
第二节GARCH模型的基本原理 159
一、GARCH模型的基本形式 159
二、GARCH模型的估计 160
三、GARCH模型的预测 161
四、GARCH模型的特点 162
第三节GARCH模型的推广形式 162
一、非对称的GARCH模型 162
二、GARCHM模型 167
三、组合GARCH模型 168
第四节GARCH模型的具体构建与Eviews实现 169
一、GARCH模型的具体构建步骤 169
二、GARCH模型在Eviews中的窗口实现 169
三、GARCH模型在Eviews中的实现命令与程序 174
第五节GARCH模型的应用举例 176
一、案例分析的背景 176
二、实验数据 176
三、GARCH模型的构建与估计 176
(一)序列的单位根检验 176
(二)检验ARCH效应 177
(三)估计模型参数 178
(四)检验残差的自相关性和正态性 180
(五)不同GARCH模型的对比分析 182
(六)预测 185
第六节 多元GARCH模型的形式及实现 185
一、多元GARCH模型的常见形式 186
(一)多元向量误差条件异方差(VECH)模型 186
(二)对角多元向量误差条件异方差(diagonal VECH,又称DVECH)模型 186
(三)BEKK模型 187
(四)常条件协相关系数模型(Constant Conditional Correlation,简称CCC) 187
二、多元GARCH模型的实现 187
第七节 多元GARCH模型的应用举例 190
一、案例分析的目的 190
二、实验数据 190
三、多元GARCH模型的构建 190
(一)ARCH效应的检验 190
(二)BEKK模型的估计 191
(三)波动溢出效应的检验 194
附录1 195
附录2 199
附录3 203
第六章 面板数据模型 220
第一节 面板数据模型的基本思想 220
一、面板数据定义 220
二、Panel Data模型结构 224
(一)面板数据分析的一般模型框架 224
(二)Panel Data模型类型 225
第二节 固定效应模型 226
一、最小二乘虚拟变量模型的估计过程 227
二、包含时间的固定效应模型 233
三、非平衡数据的固定效应模型 235
四、个体固定效应的显著性检验 235
第三节 随机效应模型 236
一、随机效应模型的估计 236
二、随机效应模型的检验 240
第四节 变系数模型 242
一、固定影响变系数模型 243
(一)不同个体之间随机误差项独立的情形 243
(二)不同个体之间随机误差项相关的情形 243
二、随机影响变系数模型 243
三、变系数模型形式的检验 244
第五节 面板数据模型的具体构建与Eviews实现 246
一、面板数据模型的具体构建步骤 246
(一)面板数据的创建 246
(二)面板数据的处理与使用 246
(三)面板数据模型的建立与估计 246
(四)面板数据模型的结果输出与检验 246
二、面板数据模型在Eviews中的窗口实现 246
(一)合成数据库的创建 246
(二)合成数据库的处理与使用 247
(三)面板数据模型的建立与估计 251
(四)面板数据模型的输出与检验 252
三、面板数据模型在Eviews中的实现命令与程序 253
(一)创建一个合成数据库:Pool name 253
(二)定义截面标识符:Pool_ name.define或者Poo name.add 253
(三)从合成数据库中生成一个群:pool_name.makegroup(groupname) 253
(四)面板数据方程的估计:panel_eq name.ls(options) y x1 [ x2 x3 … ] 253
(五)面板数据输出结果的显示与查看 254
第六节 面板数据模型的应用举例 254
一、案例分析的背景 254
二、实验数据 254
三、面板数据模型的构建 255
(一)合成数据库的创建 255
(二)面板数据模型的建立与估计 255
附录 264
第七章 蒙特卡罗模拟方法 271
第一节 蒙特卡罗模拟的基本思想 271
一、大数定律 271
二、蒙特卡罗模拟的收敛性、误差和效率 272
第二节 随机数的生成 273
一、伪随机数的定义 273
二、一般分布伪随机数的生成方法 274
第三节 方差减少技术 280
一、对偶变量技术 281
二、分层抽样法 281
三、控制变量法 283
四、重要抽样法 284
第四节 方差减少技术的应用举例 285
一、期权定价原理及数据选取 285
二、普通蒙特卡罗模拟的实现 286
三、对偶变量技术 287
四、分层抽样法 288
五、控制变量法 290
六、重要抽样法 292
参考文献 294