eviews導入股票日數據

㈠ eviews怎麼讀取股票數據

一般是excel等格式，直接讀取即可

㈡ 用eviews軟體計算股票波動率，garch（1,1）模型估計出來的結果如下圖，請問那些數值是表示波動率的

c————歐米伽

RESID(-1)^2——阿爾法

GARCH（-1）——貝塔

帶入下面方程式

㈢ 股票中日貝塔系數用eviews怎麼計算，日貝塔能不能加權平均計算年貝塔系數，若不能那年貝塔系數計算方法怎

r為股票的日收益率，rm為市場指數的日收益率，在eviews中做回歸，r c rm
回歸方程中rm的系數就是日貝塔系數

年貝塔系數需要的收益率數據為年數據

㈣ 學習eviews直接上手操作還是先聽理論

快速上手，通常使用最小二乘法建立回歸模型之後，需要檢驗模型的異方差性，自相關性，多重共線性，並對檢驗結果進行修正。這三個檢驗在計量經濟學課程的實踐報告里基本是繞不過的，但網上的方法又過於詳細全面，我們只需要知道直接做法和方法就好了，列舉出12345這些方法很多同學表示真的看不下去。具體這三大檢驗該如何上機操作，我拿最近接到的一個案例詳細舉例說明。

一、數據來源：

客戶提供的數據是1981-2006年股票價格指數和gdp數據，股票價格指數為Y，gdp數據為x,這是一個一元一次方程，所以只做了異方差和序列相關性的檢驗。



模型建立
數據錄入eviews，用最小二乘法進行線性回歸，結果如下：



模型診斷
異方差性
通常使用懷特檢驗進行異方差性檢驗，步驟如下：





結果如下：



F值和nR2值均顯著，所以說明存在異方差。

用加權最小二乘法進行異方差修正：



結果如下：



進行懷特檢驗：



可見，已經消除了異方差。

自相關性
回歸模型中dw=0.440822,樣本數量為26個，在5%的上下界查DW統計表得dL=1.30,dU=1.46,DW<dL,所以模型中存在自相關性。

計算自相關系數p=1-dw/2=0.779589,建立廣義差分模型消除自相關，



結果如下：



DW=0.908327,由於使用了廣義差分數據，樣本容量減少為25，查DW統計表得:dL=1.29,dU=1.45 DW<dL ，廣義差分模型中仍然存在自相關性。

所以說明可能為高階自相關。採取LM檢驗，判斷為二階自相關，因此使用二階廣義差分法估計模型得：





進行LM檢驗



結果如下：



LM=0.900697不顯著，已消除自相關。

㈤ 運用EVIEWS來分析 股票交易日數據（數據就自然不是每天都有），建立workfile選擇數據類型是選擇什麼

dated-structure frequency應選擇選擇unstructured/undated。

㈥ 用EVIEWS作面板回歸，樣本是上證所有股票，但是每個股票上市時間不一樣，這樣樣本數據就層次不齊，怎麼辦

你說的基本上就沒有意義，沒有必要去研究這個東西