eviews导入股票日数据

㈠ eviews怎么读取股票数据

一般是excel等格式，直接读取即可

㈡ 用eviews软件计算股票波动率，garch（1,1）模型估计出来的结果如下图，请问那些数值是表示波动率的

c————欧米伽

RESID(-1)^2——阿尔法

GARCH（-1）——贝塔

带入下面方程式

㈢ 股票中日贝塔系数用eviews怎么计算，日贝塔能不能加权平均计算年贝塔系数，若不能那年贝塔系数计算方法怎

r为股票的日收益率，rm为市场指数的日收益率，在eviews中做回归，r c rm
回归方程中rm的系数就是日贝塔系数

年贝塔系数需要的收益率数据为年数据

㈣ 学习eviews直接上手操作还是先听理论

快速上手，通常使用最小二乘法建立回归模型之后，需要检验模型的异方差性，自相关性，多重共线性，并对检验结果进行修正。这三个检验在计量经济学课程的实践报告里基本是绕不过的，但网上的方法又过于详细全面，我们只需要知道直接做法和方法就好了，列举出12345这些方法很多同学表示真的看不下去。具体这三大检验该如何上机操作，我拿最近接到的一个案例详细举例说明。

一、数据来源：

客户提供的数据是1981-2006年股票价格指数和gdp数据，股票价格指数为Y，gdp数据为x,这是一个一元一次方程，所以只做了异方差和序列相关性的检验。



模型建立
数据录入eviews，用最小二乘法进行线性回归，结果如下：



模型诊断
异方差性
通常使用怀特检验进行异方差性检验，步骤如下：





结果如下：



F值和nR2值均显着，所以说明存在异方差。

用加权最小二乘法进行异方差修正：



结果如下：



进行怀特检验：



可见，已经消除了异方差。

自相关性
回归模型中dw=0.440822,样本数量为26个，在5%的上下界查DW统计表得dL=1.30,dU=1.46,DW<dL,所以模型中存在自相关性。

计算自相关系数p=1-dw/2=0.779589,建立广义差分模型消除自相关，



结果如下：



DW=0.908327,由于使用了广义差分数据，样本容量减少为25，查DW统计表得:dL=1.29,dU=1.45 DW<dL ，广义差分模型中仍然存在自相关性。

所以说明可能为高阶自相关。采取LM检验，判断为二阶自相关，因此使用二阶广义差分法估计模型得：





进行LM检验



结果如下：



LM=0.900697不显着，已消除自相关。

㈤ 运用EVIEWS来分析 股票交易日数据（数据就自然不是每天都有），建立workfile选择数据类型是选择什么

dated-structure frequency应选择选择unstructured/undated。

㈥ 用EVIEWS作面板回归，样本是上证所有股票，但是每个股票上市时间不一样，这样样本数据就层次不齐，怎么办

你说的基本上就没有意义，没有必要去研究这个东西