案例六 美元對歐元匯率ARMA模型應(yīng)用.doc_第1頁
案例六 美元對歐元匯率ARMA模型應(yīng)用.doc_第2頁
案例六 美元對歐元匯率ARMA模型應(yīng)用.doc_第3頁
案例六 美元對歐元匯率ARMA模型應(yīng)用.doc_第4頁
案例六 美元對歐元匯率ARMA模型應(yīng)用.doc_第5頁
免費預(yù)覽已結(jié)束,剩余4頁可下載查看

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

案例六 美元對歐元匯率ARMA模型應(yīng)用在本案例中,我們利用美元對歐元匯率1993年1月到2007年12月的月均價數(shù)據(jù)數(shù)據(jù)來源:The Univwesity of British Columbia Sauder School of Business Pacific Exchange Rate Service,網(wǎng)址http:/fx.sauder.ubc.ca/。(參見數(shù)據(jù)集/ARMA模型應(yīng)用數(shù)據(jù)/美元對歐元匯率月均價數(shù)據(jù).xls),介紹ARMA模型的識別、估計、檢驗及預(yù)測的方法。1. 創(chuàng)建Eviews工作文件(Workfile)從Eviews主選單中選File/New/Workfile 選擇Monthly選項,輸入Start date:1993:01 End date:2007:12,方法如案例一介紹。2. 錄入數(shù)據(jù),并對序列進行初步分析在workfile窗口中選Objects/New Object,新建一個序列對象,命名為EURO,用來保存美元對歐元匯率的月均價數(shù)據(jù),并將數(shù)據(jù)導(dǎo)入。該序列的折線圖如圖61。圖61 美元對歐元匯率月均價序列的折線圖從圖61我們可以看到,美元對歐元匯率在2001年左右處于高位,2002年以后一直處于下跌的態(tài)勢。數(shù)據(jù)序列總體上來說有類似于隨機游走過程的形式,應(yīng)該是非平穩(wěn)的。3. ARIMA (p, d, q) 模型階數(shù)識別(1)確定單整階數(shù)d我們運用前面介紹的單位根檢驗來確定單整階數(shù)d。首先對原序列進行ADF檢驗,根據(jù)AIC準(zhǔn)則確定ADF檢驗的滯后階數(shù)p=2(不是ARIMA (p, d, q) 模型的自回歸階數(shù)),檢驗結(jié)果如圖62。圖62 EURO序列單位根檢驗最終結(jié)果 從圖62,我們看到ADF的值比10%顯著性水平下的臨界值都大,不能拒絕原假設(shè),說明EURO序列存在單位根,是非平穩(wěn)的。我們再對EURO序列的一次差分序列做單位根檢驗,根據(jù)AIC準(zhǔn)則確定ADF檢驗的滯后階數(shù)p=1,檢驗結(jié)果如圖63。圖63 EURO一次差分序列單位根檢驗結(jié)果 從圖63,我們看到ADF的值比1%顯著性水平下的臨界值都小,所以拒絕原假設(shè),說明EURO一次差分序列不存在單位根,是平穩(wěn)的。也就是說,序列EURO為1階單整序列,即EURO I (1)。所以,可以確定單整階數(shù)d=1。(2)確定自回歸階數(shù)p和移動平均階數(shù)q創(chuàng)建EURO的一次差分序列,命名為DEURO,下面利用DEURO序列的相關(guān)分析圖來確定自回歸階數(shù)p和移動平均階數(shù)q。圖64是DEURO序列的相關(guān)分析圖。圖64 DEURO序列的相關(guān)分析圖從圖64可以看出,DEURO序列的偏自相關(guān)函數(shù)在滯后1期和滯后2期處顯著不為零,可初步判定自回歸階數(shù)p=2;自相關(guān)函數(shù)在滯后1期處顯著不為零,初步判定移動平均階數(shù)q=1。至于p和q的最終確定,還要從低階開始逐步試探,直到定出合適的模型為止。故初步選擇適合EURO序列的模型可以有以下幾個:ARIMA (1,1,0)、ARIMA (2,1,0)、ARIMA (0,1,1)、ARIMA (1,1,1)、ARIMA (2,1,1)。4. ARIMA (p, d, q) 模型估計與檢驗(1)ARIMA (1,1,0)模型估計與檢驗建立ARIMA (1,1,0)模型。建立方程,估計方法選擇LS-Least Squares(NLS and ARMA),在方程定義對話窗輸入d(euro) c ar(1),得到如圖65的估計結(jié)果。圖65 ARIMA (1,1,0)模型初步估計輸出結(jié)果可見,常數(shù)項不顯著,重新估計,方程定義對話窗輸入d(euro) ar(1) ,得到如圖66的估計結(jié)果。圖66 ARIMA (1,1,0)模型最終估計輸出結(jié)果其中,Inverted AR Roots(自回歸特征方程根的倒數(shù))是0.31,在單位圓之內(nèi),說明模型是平穩(wěn)的。我們還得到幾個有用的檢驗結(jié)果:Adjusted R2 =0.095,AIC=-5.05,SC=-5.03。對殘差做白噪聲檢驗。在方程窗口中選中View/Residual Tests/Correlogram Q-statistics,如圖67。圖67 對殘差做白噪聲檢驗點擊后,出現(xiàn)如圖68對話框。要求填入最大滯后期,根據(jù)實驗四中的介紹,該殘差序列樣本容量為178,我們可以取178/10或者,這里我們?nèi)?3。圖68 對殘差做白噪聲檢驗對話框點擊OK,得到如圖69的結(jié)果。圖69 殘差序列白噪聲檢驗結(jié)果從K=13一行找到Q統(tǒng)計量的值為13.406,相伴概率(記為p-Q)為0.340 0.05,因此不能拒絕序列相互獨立的原假設(shè),殘差序列為白噪聲的檢驗通過。利用該模型做靜態(tài)預(yù)測,得到如圖610的估計結(jié)果。得到MAPE=1.745。圖611 為ARIMA (1,1,0)模型預(yù)測值與真實值的比較圖。圖610 ARIMA (1,1,0)模型預(yù)測結(jié)果圖611 ARIMA (1,1,0)模型預(yù)測值與真實值比較圖通過EURO序列和EUROF序列觀察2007年12月的真實值與預(yù)測值,并比較,如圖612。 圖612 2007年12月的真實值與預(yù)測值 預(yù)測誤差為:(2)其他幾個模型估計與檢驗類似ARIMA (1,1,0)模型的操作,建立ARIMA (2,1,0)、ARIMA (0,1,1)、ARIMA (1,1,1)、ARIMA (2,1,1)模型。但ARIMA (1,1,1)、ARIMA (2,1,1)模型沒有通過檢驗。具體估計與檢驗過程略。(3)模型的評價與選擇下面將ARIMA (1,1,0)、 ARIMA (2,1,0)、ARIMA (0,1,1) 模型的參數(shù)估計結(jié)果和相關(guān)檢驗結(jié)果匯總到表61和表62。表61 各模型參數(shù)估計結(jié)果匯總表模型ARIMA (1,1,0)0.310ARIMA (2,1,0)0.373-0.202ARIMA (0,1,1)0.385表62 各模型相關(guān)檢驗結(jié)果指標(biāo)匯總表模型Adjusted R2AICSCp-QMAPEARIMA (1,1,0)0.095-5.051-5.0330.3401.745-0.018ARIMA (2,1,0)0.126-5.076-5.0400.6981.696-0.015ARIMA (0,1,1)0.122-5.082-5.0640.7271.699-0.019在三個模型都通過了參數(shù)顯著性水平檢驗、模型平穩(wěn)性和可逆性檢驗和殘差序列白噪聲檢驗的前提下,我們通過表62來選擇最優(yōu)模型。6個指標(biāo)中,Adjusted R2和p-Q應(yīng)該是越大越好,其它4個是越小越好??梢钥闯鯝RIMA (1,1,0)模型明顯不好。但是ARIMA (2,1,0)和ARIMA (0,1,1)模型難分伯仲。ARIMA (0,1,1)模型在模型的簡潔性角度明顯占優(yōu),而ARIMA (2,1,0)模型在預(yù)測方面明顯更好。出于預(yù)測的目的,我們最終選擇ARIMA (2,1,0)模型。5. ARIMA (p, d, q) 模型外推預(yù)測從上面的分析,我們最終選擇ARIMA (2,1,0)模型

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論