eviews導入股票交易數據

『壹』 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

『貳』 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。

『叄』 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

『肆』 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

『伍』 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。

『陸』 請問大家什麼軟體能夠用外部指標進行歷史回測

需要一些比較專業的統計軟體。第三方炒股軟體一般都做的不好，有些我拿更權威的統計軟體去計算，發現結果居然是錯的。這個是個人經驗（不過有點過時了，2012年嘗試的，估計那個軟體自己已經把錯誤更改了。）。

建議你做以下操作：

1. 自己收集外部指標，並隨時更新。如果可以的話，自己建個資料庫。MYSQL之類的，免費而且非常容易上手。
   

2. 選擇一款可以輕松將金融數據導出成標准格式的第三方炒股軟體。這個就是你自己的喜好了。大部分軟體，這方面做的還是不錯的，雖然要交費。

3. 用一款比較專業的統計軟體，將兩者數據導入，然後按自己的想法，自由自在的做分析。你可以隨便選一款你自己使用著習慣的統計軟體。EVIEWS之類的太簡單，包含的東西太少了。高度建議你選擇一些自帶金融計量分析工具的軟體。建議你用以下統計軟體：

1. MATLAB。這個上手超快，前提是你很好的學過線性代數，因為計算是以矩陣為基礎的。他自帶的financial econometrics tool box包含的東西非常廣，非常全。就算沒有，因為軟體自由度很高，所以可以輕松自己創造出一個。

2. STATA。這個上手比上面那個還快。而且，不需要很好的線性代數，因為編程理念不是以矩陣為基礎的。自帶的金融計量的東西很多很全。更新也很快。缺點是，沒上面那個自由度高。某些全新的演算法和公式，你想用的話，自己寫出來比較費勁，效率也容易低。特別是你想做蒙特卡羅模擬實驗的時候。

3. 其他的那些免費的統計軟體，比如R, OX之類的我並不建議。因為是免費的，所以用戶體驗做的並不好。