金融时间序列实验报告
·
《金融时间序列分析》
综合实验二
金融
系
金融工程
专业
2014
级
姓名
山洪国
学号
20141206031048
实验地点:
实训楼 B305
实验日期:
2017.04,21
实验题目:
ARIMA 模型应用 实验类型:
基本操作训练
实验目的:
利用美元对欧元汇率 1993 年 1 月到 2007 年 12 月的月均价数据,进行 ARIMA 模型的识别、估计、检验及预测。
实验内容:
1、创建 Eviews 文件,录入数据,对序列进行初步分析。绘制美元对欧元汇率月均价数据折线图,分析序列的基本趋势,初步判断序列的平稳性。
2、识别 ARIMA(p,d,q)模型中的阶数 p,d,q。运用单位根检验(ADF 检验)确定单整阶数 d;利用相关分析图确定自回归阶数 p 和移动平均阶数 q。初步选择几个合适的备选模型。
3、ARIMA(p,d,q)模型的估计和检验。对备选模型进行估计和检验,并进行比较,从中选择最优模型。
4、利用最优模型对 2008 年 1 月美元对欧元汇率的月均价进行外推预测。
评分标准:
操作步骤正确,结果正确,分析符合实际,实验体会真切。
实验步骤:
1 1 、根据所给的 l Excel 表格内的数据,将表格内的美元对欧元的汇率情况 录入到 EViews9中,并对所录入数据进行图形化的处理,所得到的图形结果如下图所示。(时间段:1 1993.01 至 至 2007.12 )
0.60.70.80.91.01.11.293 94 95 96 97 98 99 00 01 02 03 04 05 06 07EUR/USD
分析图形数据可得,欧元对美元的汇率波动情况较为明显,其中在 1999 年至 2003 年期间欧元和美元的比值一度在 1.0 以上。但近些年以来,欧元的汇率一度持续下滑,到了2007 年底的时候和和美元的比值在 0.7 左右。
如上图所示,对前一张图的折线数据进行了相关性分析,由图中的 Autocorrelation 可
知此数据为拖尾情况,说明它是非平稳的。
再对此数据进行单位根检验,所得结果如上图所示。
其中单位根检验所对应的 P 值为 0.6981,远大于 0.05 的显著性水平,因此可以说该序列是一个非平稳序列。
2 2 、 根据 A ARIMA 模型,对该序列进行一阶的单位根检验,如下图
由该图可知,对比前面的未一阶差分的单位根检验,此一阶差分的单位根检验 P 值为 0小于显著性水平 0.05,因此拒绝原假设,证明在一阶差分下的序列数据才是平稳的。因此该序列的单整阶数 d 为 1
如上图所示,因为该序列的一阶为平稳的,所以作其一阶相关性分析。从图中可看出:自相关序列经过 1 期收敛于 0.05 区间内,所以其移动平均阶数 q 的值为 1,偏相关序列经过 2 阶才变为 0,则可知其自回归阶数 p 的值为 2. 综上所述,可得:p=2;d=1;q=1 初步适合 EURO 的模型有:ARIMA(1,1,0)、ARIMA(2,1,0)、ARIMA(0,1,1)、ARIMA(1,1,1)、ARIMA(2,1,1)
3 3 、对模型 ARIMA (p p ,d d ,q q )的估计与检验
如上图所示,因为其中的截距项所对应的 t 统计量的 Prob 值为 0.6606>0.05 的显著性水平,因此要剔除截距项 c。
将截距项 c 去掉之后,在进行回归可得上图所示的内容。
因此,根据图内的数据可知:Wt=0.309522W(t-1)
t=4.343228
单从 P 值来看的话,系数是显著的。不过还要对残差进行白噪声检验
如上图所示,在对残差项进行 Q 检验的时候,选择 K=13,得到的 Q 检验结果如如所示。在第 13 行数据中找到 Q 统计量为 13.406,其所对应的相伴概率(Prob)为 0.340>0.05,因此接受序列不相关的假设,即可认为该残差序列是白噪声。
然后,可用类似的方法对对之前所得到的其他四个模型 ARIMA(2,1,0)、ARIMA(0,1,1)、ARIMA(1,1,1)、ARIMA(2,1,1)进行与之对应的估计与检验。
经过了一系列的检验之后,ARIMA(1,1,0)、ARIMA(2,1,0)、ARIMA(0,1,1)三个检验都通过参数显著性检验、模型平稳性、可逆性检验、残差序列白噪声检验。剩下的两个模型 ARIMA(1,1,1)、ARIMA(2,1,1)则并没有通过检验。
MODEL Φ1 Φ1 Φ1 R^2 Prob ARIMA(1,1,0) 0.309
0.0945 0.340 ARIMA(2,1,0) 0.354 -0.206
0.1245 0.677 ARIMA(0,1,1)
0.369 0.1237 0.713 因为 R^2 越大越好,说明模型的拟合程度越好。从可决系数可看出来,ARIMA(1,1,0)模型不好。在排除之后剩下的两个模型 ARIMA(2,1,0)和 ARIMA(0,1,1)中,用自回归信息Forecast 预测可知,在预测方面 ARIMA(2,1,0)相对较好。因此,最终决定选择模型ARIMA(2,1,0)。
则 Wt=0.354W(t-1)-0.206W(t-2)
因为 Wt=ΔXt=(1-L)Xt
即(1-L)Xt=0.354(1-L)X(t-1)-0.206(1-L)X(t-2)
可得到:Xt=1.373X(t-1)-0.568X(t-2)+0.202X(t-3)
4 4 、利用最优模型对 8 2008 年 年 1 1 月美元对欧元汇率的月均价进行外推 预测
以下利用步骤 3 中得出来的最优化模型 ARIMA(2,1,0)来对 2006 年 1 月的美元对欧元汇率的月均价进行推测。
根据所给的 Excel 数据可得,2007 年 12 月是 0.68686;2007 年 11 月是 0.68111;2007年 10 月 是 0.70249. 将 所 选 择 的 数 据 带 入 到 公 式Xt=1.373X(t-1)-0.568X(t-2)+0.202X(t-3)中,经计算可知:
Xt=1.373*0.68686-0.568*0.68111+0.202*0.70249
=0.9431-0.3869+0.1419
=0.6981 即,对 2008 年一月份的汇率预测为 0.6981.
实验感悟:
评阅人:
成绩:
上一篇:教师行风自查报告