实验四-金融数据平稳性检验

实验四金融数据的平稳性检验

1.实验目的

理解经济时间序列存在的不平稳性，掌握ADF检验平稳性的方法。不平稳的序列容易导致伪回归问题，掌握为解决伪回归问题引出的协整检验，协整的概念和具体的协整检验过程。协整描述了变量之间的长期关系，为了进一步研究变量之间的短期均衡是否存在，掌握误差纠正模型方法。理解变量之间的因果关系的计量意义，掌握格兰杰因果检验方法。

2.基本概念

如果一个随机过程的均值和方差在时间过程上都是常数，并且在任何两时期的协方差值仅依赖于该两时期间的距离或滞后，而不依赖于计算这个协方差的实际时间，就称它为平稳的。强调平稳性是因为将一个随机游走变量（即非平稳数据）对另一个随机游走变量进行回归可能导致荒谬的结果，传统的显著性检验将告知我们变量之间的关系是不存在的。这种情况就称为“伪回归”。

3.实验内容

用Eviews来分析A股2014年4月10日至2018年5月15日深证成指股票与上证指数的两只股票综合指数1000个交易日收盘价数据，对数据进行平稳性检验。其中深证成指股票指数命名为“SZA”，上证指数命名为“SHA”。

4. 实验步骤

1）原始数据折线图检验

图1 SHA和SZA原始数值线性图

如图1所示，粗略观察可知，原始数据并不平稳

2）原始数据直方图检验

图2 SHA原始数值直方图

图3 SZA原始数值直方图

由图2、图3所示，JB统计量的值较大且不趋近于0，图像不符合正态分布，说明数据不平稳

3）原始数据ADF检验

图4 SHA原始数值的ADF检验结果

图5 SZA原始数值的ADF检验结果

由图4、图5可知，原始数据均未能通过ADF检验，拒绝SHA、SZA具有单位根的原假设。此时应对数据取对数，再对新变量进行平稳性检验。点击Eviews中的“quick”―“generate series”键入logsha=log(sha)，同样的方法得到logsza。此时，logsha和logsza为新变量，对其进行平稳性检验方法如上，发现也是不平稳的。

5）修正数据折线图检验

图6 logSZA和logSHA的线性关系图

7）修正数据ADF检验

用ADF方法检验logsha和logsza的平稳性。通过比较检验值和不同显著性下的关键值来得出结论。如图对logSHA检验结果中所示，检验值小于关键值，发现数据是不平稳的。

图6 logSHA的ADF检验结果

如图7所示，在进一步对logSZA检验中，发现检验值小于关键值，说明数据也是不平

稳的。

图7 logSZA的ADF检验结果

5. 实验结论

认为深证成指与上证指数时间序列都存在不平稳性，不平稳的序列容易导致伪回归问题，为解决伪回归问题还应对实验数据进行协整检验。