Stata代码：分析中国房价与M2供应量两者增长率的波动率间的联系

gen month = mofd(Time) # 将原始数据集中的时间变量转为Stata月份数值

format month %tm # 将月份数值转化为“yyyymm”格式

tsset month # 将月份设置为时间序列变量

label variable month “Time” # 将月份标记为“时间”

tsline HousingPriceIncreasingRate

tsline M2SupplyGrowthRate # 绘制房价与M2供应量的增长率随时间变化趋势的折线图

jb6 HousingPriceIncreasingRate

jb6 M2SupplyGrowthRate # 对房价与M2供应量的增长率分别进行Jacque-Bera检验

correlate HousingPriceIncreasingRate M2SupplyGrowthRate # 计算房价与M2供应量的增长率之间的相关系数

arch HousingPriceIncreasingRate, arch(1) garch(1) nolog

predict VHP, variance

arch M2SupplyGrowthRate, arch(1) garch(1) nolog

predict VM2, variance # 通过GARCH(1,1)模型求得房价与M2供应量的增长率的波动率

label variable VHP “VHP”

label variable VM2 “VM2” # 房价与M2供应量的增长率的波动率分别标记为VHP, VM2（下文也将使用该简称）

twoway (line VHP month,yaxis(1)) (line VM2 month, yaxis(2)) # 绘制双纵坐标折线图，以观察VHP与VM2随时间变化的趋势

summarize VHP

summarize VM2 # 对VHP和VM2进行描述性统计分析

dfuller VHP

dfuller VM2 # 对VHP和VM2分别进行ADF检验

varsoc VHP VM2, maxlag(20) # 选取含有VHP与VM2的VAR模型的最优滞后阶数，滞后阶数在0-20之间

var VHP VM2, lags(1/13) # 建立含有VHP与VM2的VAR(13)模型

vargranger # Granger检验

varstable, graph # 对该VAR(13)模型进行平稳性检验

irf create order1, step(60) set(myirf1) replace

irf graph oirf, impulse(VHP VM2) response(VHP VM2)  yline (0,lcolor(black)) byopts(yrescale)

irf graph fevd,r(VHP) noci

irf graph fevd,r(VM2) noci # 将脉冲响应分析期数设定为60，并绘制脉冲响应函数图像

mgarch dcc (VHP VM2 = L13.VHP L13.VM2),arch(1) # 建立DCC-GARCH模型

predict a*,correlation

tsline a_VM2_VHP # 计算VHP与VM2间的动态相关系数，并绘制其随时间变化趋势的折线图

mgarch ccc (VHP VM2 = L13.VHP L13.VM2),arch(1) # 建立CCC-GARCH模型