联立方程模型在金融数据中的应用.docx

实验八联立方程模型在金融数据中的应用
一、实验目的
了解内生变量、外生变量的定义及区不，了解联立性偏误的定义，从而理解一般最小二乘法不能用于估量联立方程模型的缘故。
把握联立方程模型的常用估量方法，尤其是两时期最小二乘法(“TSLS〞)的估量方法，以及如何运用Eviws软件在实证研究中实现。

二、全然概念
由模型系统决定其取值的变量称为内生变量。内生变量受模型中其它变量的碍事，也可能碍事其它内生变量，即内生变量既能够是被解释变量，也能够是解释变量。由模型系统以外的因素决定其取值的变量称为外生变量。外生变量只碍事系统内的其它变量，而不受其它变量的碍事，因此在方程中只能做解释变量，不能做被解释变量。
用一般最小二乘法〔OLS〕对经典线形回回模型进行回回将得到最优线性无偏估量量。但在结构式模型中，由于内生变量既可作为解释变量又可作为被解释变量，经典线性回回模型的一个全然假设——解释变量与随机误差项不相关——将得不到满足，因此假设仍对结构式模型中的每个结构方程分不运用OLS进行估量，所得到的参数估量值将是有偏和不一致的，即存在联立性偏误或联立方程偏误。

三、实验内容及要求
1、实验内容：
依据1997年1月到2004年3月的货币需求量(M0、M1、M2)与股票价格的有关数据，利用两时期最小二乘法估量由股票价格与货币需求量形成的联立方程模型〔那个地点以上证综合指数代表股票价格〕，从而检验流通中现金M0、狭义货币M1、广义货币M2作为货币需求量与上证指数的关系。

2、实验要求：
〔1〕理解本章有关概念；
〔2〕考虑：在何时应建立联立方程模型，并运用有关的估量方法；假设现在运用了一般最小
二乘法，结果如何；
〔3〕熟练把握两时期最小二乘法在Eviws中的操作。

四、实验指导
1、依据有关定义及经济原理建立如下的联立方程模型：
〔8.1〕
〔8.2〕
其中，代表第t月的货币需求量，代表第t月的工业增加值，代表第t月的通货膨胀率，代表第t月的一年期存款利率〔模型具体构建过程见教材〕。
我们将在Eviews3.1中利用两时期最小二乘法估量上述联立方程模型，那个过程要紧分两个步骤：首先利用一般最小二乘法求得内生变量的拟合值，然后用拟合值代替内生变量再利用两时期最小二乘法求得结构参数估量值。我们将以M0代表货币量讲明模型在Eviews3.1中的估量过程，然后关于M1、M2仅列出结果。
2、导进数据
翻开Eviws软件，选择“File〞菜单中的“NewWorkfile〞选项，在“Workfilefrequency〞框中选择“Monthly〞，在“Startdate〞和“Enddate〞框中分不输进“1997：01”和“2004：03”，单击“OK〞。选择“File〞菜单中的“Import--ReadText-Lotus-Excel〞选项，寻到要导进的名为EX7.1.xls的Excel文档完成数据导进，建立相应的工作组，如图8－1所示：
图8－1数据导进

3、估量结构式方程〔8.1〕参数
在菜单中选择“Quick〞—“Estimationequation〞，出现如图8－2所示窗口：

图8－2回回方程设定
在“Method〞中选择LS〔即一般最小二乘法〕，然后在“EstimationSettings〞上方空白处首先输进被解释变量，接着输进作为解释变量的外生变量〔各变量的下标已除往〕，注重不要不记得常数项。单击“OK〞，那么出现如图8－3所示的结果：

图8－3回回方程估量结果

即我们得到了如下的估量结果〔括号内为t统计量，下同〕：
〔7.92〕〔6.52〕〔1.93〕〔-6.54〕〔0.95〕
点击“Quick〞菜单下的“GenerateSeries〞，得到如图8－4所示的窗口：

图8－4快速生成序列“mofitted〞
在“EnterEquation〞下面的空白栏中键进如图8-4中的方程，就能够得到的拟合值“m0fitted〞。
点击“Quick〞－“EstimateEquation〞,在“Method〞中选择“TSLS〞(两时期最小二乘法)，将出现如图8－5所示的窗口：

图8－5选择两时期最小二乘法估量方程

在“InstrumentList〞上方的空白栏中按结构式方程〔8.1〕输进相应的变量，在其下方的空白栏中输进图示的工具变量，然后点击“OK〞，就能够得到结构式方程〔8.1〕参数的两时期最小二乘估量值：
〔7.39〕〔-0.04〕〔1.32〕
3、估量结构式方程〔8.2〕参数
在菜单中选择“Quick〞—“EstimateEquation〞，出现如图8－6所示窗口：

图8－6回回方程设定
在“Method〞中选择“LS〞〔即一般最小二乘法〕，然后在“EstimationSettings〞上方空白处首先输进被解释变量SCI，接着输进作为解释变量的图示外生变量，单击“OK〞，得如如图8－7所示结果。

图8－7回回方程结果

选择“Quick〞菜单下的“Generateseries〞菜单，将出现如图8－8所示的窗口：

图8－8快速生成序列“scifitted〞

在“EnterEquation〞下面的空白栏中键进如图8-8的方程，就能够得到sci的拟合值“scifitted〞。
点击“Quick〞－“Estimateequation〞,在“Method〞中选择“TSLS〞(两时期最小二乘法)，将出现如图8－9所示的窗口：

图8－9选择两时期最小二乘法估量方程

在“Instrumentlist〞上方的空白栏中按结构式方程〔8.2〕输进相应的变量，在其下方的空白栏中输进图示的工具变量。点击“OK〞，就能够得到结构式方程〔8.2〕参数两时期最小二乘估量值：
〔1.07〕〔0.85〕〔7.98〕〔1.77〕〔-1.44〕

4、同样的，关于狭义货币M1作为货币量代表，我们能够估量模型得到：
〔11.14〕〔0.38〕〔-0.22〕
〔5.44〕〔-0.93〕〔0.43〕〔-8.30〕〔-0.56〕

关于广义货币M2作为货币量代表，同样能够得到估量模型：
〔8.49〕〔1.24〕〔-1.17〕
〔2.70〕〔-2.26〕〔4.06〕〔-3.06〕〔-1.76〕
6、分析
能够瞧出，不管是流通中现金M0、狭义货币M1，依旧广义货币M2，不管是当月值依旧过往第6个月的值，在对股票价格的解释中，他们的系数根基上不显著的。因此，能够认为货币需求量对股票指数碍事微乎其微。另一方面，股票指数在对流通中现金M0、狭义货币M1的解释中，其系数也是不显著的，但在对广义货币的解释中，股票指数的系数那么是显著的，因此，能够认为，股票指数对流通中现金M0、狭义货币M1是没有碍事的，而对广义货币量那么是有碍事的。