五，GARCH模型的估计

点击”Quick”---“Estimate Equation”,在弹出的窗口中,在”Equation Specificition”空白中键入

“c2 c c2(-4)”,在”Estimation Setting”中选择”ARCH”然后”OK”得结果:

得结果：

C2的ARCH项和GARCH项系数之和为0.72，小于1。因此GARCH(1,1)过程是平稳，其条件方差出现均值回复，即过去的波动对未来的影响逐渐衰弱。ARCH项和GARCH项的t检验都非常显著.

六,向前10步预测

新建文件:

Start date为:1989,End date为2015.

Create cpi,同样设计Start date为:1989,End date为2015.(都为年度数据)

在点击”Quick”---“Sample”

再在弹出的窗口中输入: 1989 2004

再点击”Quick”---“Estimate Equation”,在弹出的窗口中,在”Equation Specificition”空白中键入

“c2 c c2(-4)”,在”Estimation Setting”中选择”ARCH”,其它的选项不变,得出模型.

再重新点击”Quick”---“Sample”

再在弹出的窗口中输入: 1989 2015

在点击”Forecast”,选择动态预测,得结果:

七，小结:

由于不能收集到越多的CPI数据，所以数据总量较少。所以模型不是做得很好，预测效果受到很大的制约。

预测CPI是国民生产总值的重要决定因素,对CPI预测就可以预测GDP的走势,对国家的宏观货币和财政政策提供一点建议。

[参考资料]

[1] 邹平,                金融计量学,       上海财政大学出版,    2005年

[2]徐国祥，    统计预测和决策   上海财经大学出版，  2005年

评论