littlely_ll的博客

实证检验步骤\quad先做单位根检验，看变量序列是否平稳序列，若平稳，可构造回归模型等经典计量经济学模型；若非平稳，进行差分，当进行到第i次差分时序列平稳，则服从i阶单整（注意趋势、截距不同情况选择，根据P值和原假设判定）。若所有检验序列均服从同阶单整，可构造VAR模型，做协整检验（注意滞后期的选择），判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。如果有，则可以构造VEC模型或者进行G

># 单方程误差修正模型案例分析> ###########################> # 数据的生成> set.seed(12345)> u<-rnorm(500)> x<-cumsum(u)> y<-x+u> # E-G协整估计及检验> model.lm<-lm(y~x)> summary(model.lm)Call:lm(formula = y ~ x)Re

read datalibrary(quantmod)# 加载包getSymbols('^HSI', from='1989-12-01',to='2013-11-30')# 从Yahoo网站下载恒生指数日价格数据dim(HSI)# 数据规模names(HSI)# 数据变量名称chartSeries(HSI,theme='white')# 画出价格与交易的时...

（1）基于ARCH（1）模型模拟生成收益序列，残差序列和波动率序列library(fGarch)set.seed(1234)#模型的设定spec_1#模型的模拟simdata_1

wx   #必须转化为时间序列格式（1）用stl函数直接做季节分解bstlplot(bstl)（2）用HoltWinters函数做指数平滑或季节分解（这里趋势和水平结合起来相当于stl中的趋势项）(bHolt-Winters exponential smoothing with trend and additiveseasonal component.Call:Holt

（一）在R软件中，使用vars包来进行VAR、SVAR和SVECM的建模。首先列出函数的使用。 1.VAR模型VAR（y, p=1, type=c("const","trend", "both", "none"), season=NULL， exogen=NULL, lag.max=NULL,ic=c("AIC", "HQ", "SC", "FPE"))y是一个数据矩阵；p为

（1）简单移动平均移动平均在TTR包中 简单移动平均 SMA(x, n = 10, ...)指数移动平均 EMA(x, n = 10, wilder = FALSE, ratio = NULL,...)       For EMA,wilder=FALSE (the default) uses an exponential smoothing ratio of2/(n+1),

实证检验步骤：先做单位根检验，看变量序列是否平稳序列，若平稳，可构造回归模型等经典计量经济学模型；若非平稳，进行差分，当进行到第i次差分时序列平稳，则服从i阶单整（注意趋势、截距不同情况选择，根据P值和原假设判定）。若所有检验序列均服从同阶单整，可构造VAR模型，做协整检验（注意滞后期的选择），判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。如果有，则可以构造VEC模型或者进行Gran

向量误差修正模型案例分析生成数据set.seed(12345) u1<-rnorm(500) u2<-arima.sim(list(ar=0.6),n=500) #生成模拟的一阶自回归模型 u3<-arima.sim(list(ar=.4),n=500) y1<-cumsum(u1) #生成随机游走序列 y1 y2<-0.4*y1+u2 y3<...