eviews导入股票交易数据

‘壹’ 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

‘贰’ 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。

‘叁’ 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

‘肆’ 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

‘伍’ 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。

‘陆’ 请问大家什么软件能够用外部指标进行历史回测

需要一些比较专业的统计软件。第三方炒股软件一般都做的不好，有些我拿更权威的统计软件去计算，发现结果居然是错的。这个是个人经验（不过有点过时了，2012年尝试的，估计那个软件自己已经把错误更改了。）。

建议你做以下操作：

1. 自己收集外部指标，并随时更新。如果可以的话，自己建个数据库。MYSQL之类的，免费而且非常容易上手。
   

2. 选择一款可以轻松将金融数据导出成标准格式的第三方炒股软件。这个就是你自己的喜好了。大部分软件，这方面做的还是不错的，虽然要交费。

3. 用一款比较专业的统计软件，将两者数据导入，然后按自己的想法，自由自在的做分析。你可以随便选一款你自己使用着习惯的统计软件。EVIEWS之类的太简单，包含的东西太少了。高度建议你选择一些自带金融计量分析工具的软件。建议你用以下统计软件：

1. MATLAB。这个上手超快，前提是你很好的学过线性代数，因为计算是以矩阵为基础的。他自带的financial econometrics tool box包含的东西非常广，非常全。就算没有，因为软件自由度很高，所以可以轻松自己创造出一个。

2. STATA。这个上手比上面那个还快。而且，不需要很好的线性代数，因为编程理念不是以矩阵为基础的。自带的金融计量的东西很多很全。更新也很快。缺点是，没上面那个自由度高。某些全新的算法和公式，你想用的话，自己写出来比较费劲，效率也容易低。特别是你想做蒙特卡罗模拟实验的时候。

3. 其他的那些免费的统计软件，比如R, OX之类的我并不建议。因为是免费的，所以用户体验做的并不好。