Eviews
Eviews
Eviews
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
3<br />
اقتصاد سنجي سريهاي زماني مالي<br />
غلامرضا كشاورز حداد<br />
الف-هدف درس<br />
به نام خدا<br />
دانشگاه صنعتي شريف<br />
گروه علوم اقتصادي<br />
واحد<br />
G.K.Haddad@sharif.edu<br />
در بازارهاي مالي اقتصاد ايران آمارهاي سري هاي زماني مالي بسياري نظير قيمتهاي سهام، نرخهاي ارز فراهم شده است،<br />
چگونه مي توانيم از اين داده هاي مفيد در تصميم گيريهاي مربوط به سرمايه گذاريهاي مالي استفاده كنيم؟ در اين درس<br />
تكنيك هاي آماري و اقتصادسنجي پيشرفتهاي را براي تحليل سري هاي زماني مالي فرا مي گيريد. تمركز اصلي درس بر<br />
مدلسازي سري هاي زماني اقتصادي، با توجه ويژه به سري هاي زماني مالي است. سري هاي زماني بوسيله يك مكانيزم<br />
استوكاستيكي توليد مي شوند و رفتار پويا دارند. در اين درس مي آموزيم كه چگونه اين مكانيزم ها را مدلسازي و به چه طريقي<br />
رفتار آينده يك سري زماني را براساس تاريخ گذشته آن پيش بيني كنيم. هر فصل از درس با معرفي تكنيكها و مباني نظري<br />
موضوع فصل شروع و در بخش پاياني آن، مثالهاي كاربردي مربوط به موضوع به كمك نرم افزار<br />
<strong>Eviews</strong><br />
ارايه مي شوند.<br />
انتظار مي رود دانشجويان، حداقل يك درس اقتصادسنجي پايه در حد كارشناسي ارشد علوم اقتصادي را گذرانيده باشند. آشنايي<br />
عميق تر با مفاهيم نظريه احتمال در پيشبرد اهداف درس مي تواند بسيار سودمند باشد. عدم آشنايي با نرم افزار<br />
مهمي تلقي نمي گردد، بنابراين با اندكي تلاش مي توانيد خودتان را آماده نماييد.<br />
مانع <strong>Eviews</strong><br />
ب- سرفصلهاي درس<br />
تخمين زنهاي حداقل مربعات غيرخطي، حداكثر راستنمايي و روش گشتاورهاي تعميم يافته<br />
0-1 مقدمه<br />
مثالهايي از روابط رفتاري غير خطي در اقتصاد<br />
تابع مصرف كينز، تابع توليد ،C.E.S تابع هزينه كل، سيستم مخارج خطي و تابع توليد زلنر- ريونكار<br />
مدلهاي سري زماني خودهمبسته با MLE دقيق و مدلسازي ARCH<br />
و GARCH<br />
-1- 1<br />
بهينه سازي غيرخطي و حداقل مربعات غيرخطي<br />
مثال(1-1): شرطهاي مرتبه اول غير خطي در يك رگرسيون ساده غيرخطي( تابع مصرف كينز)<br />
الگوريتم گوس نيوتن در حل شرايط مرتبه اول(دستگاه) معادلات غير خطي<br />
مثال(2-1):<br />
تابع توليد<br />
C.E.S.<br />
و حل شرايط مرتبه اول غير خطي<br />
عدم امكان استخراج جواب تحليلي براي پارامترها است)<br />
الگوريتم نيوتن رافسون<br />
روش برآورد حداكثر راستنمايي( خطي و غير خطي)<br />
تعريف برآوردگرهاي حداكثر راستنمايي خطي<br />
)<br />
-2-1<br />
ويژگيهاي تخمينزنهاي حداكثر راستنمايي<br />
1-سازگاري<br />
هدف نشان دادن پيچيدگي روابط و<br />
اقتصادسنجي سريهاي زماني مالي
2-نرمال بودن<br />
آزمون نسبت راستنمايي (تعميميافته)<br />
3-1): مثال(<br />
آزمون فرضيه بازدهي ثابت به مقياس در تابع توليد كاب- داگلاس با استفاده از تابع نمونهاي<br />
نسبت راستنمايي( شروع برنامه نويسي با logL نرم افزار (EVIEWS مورد مطالعاتي تخمين تابع توليد<br />
با دو عامل توليد كار و سرمايه در ايران<br />
3-1 حداكثر راستنمايي غير خطي- محاسبات<br />
1- نيوتن رافسون<br />
-2<br />
-3<br />
روش نمرهدهي<br />
3<br />
2 1<br />
روش (BHHH)؛ منسوب به برندت – هال ، هال و هاسمن (1974)<br />
-4 روش GRID SEARCH<br />
-5<br />
-6<br />
جستجوهاي خطي4<br />
روش<br />
Steepest Ascent<br />
كاربردها -4- 1<br />
برآورد تابع توليد زلنر- ريونكار در ايران<br />
كاربردهاي تجربي، رگرسيون پواسن، نقش سرمايه اجتماعي در پيشگيري از وقوع جرايم خشن با استفاده<br />
از دادههاي فردي، مطالعه موردي شهر اصفهان<br />
1*-4- شرطهاي گشتاوري در GMM<br />
-5-*1<br />
-6-*2<br />
-7-*2<br />
مسئله بهينه سازي در GMM<br />
ويژگيهاي<br />
آزمون فرضيه ها در GMM<br />
- مجانبي GMM<br />
-8-*1<br />
بازار سهام ايران)<br />
مثالها و كاربردهايي از )GMM كژگزيني و كژمنشي در بازار بيمه درمان ايران، و مدلسازي سرايت بحران<br />
به 2008<br />
.3<br />
-1-3<br />
2-3<br />
3-3<br />
3-3<br />
4-3<br />
تحليل سريهاي زماني يك متغيري مانا<br />
مفاهيم پايه<br />
فرآيندهاي تصادفي، دنباله تحقق يافته و ارگوديك بودن<br />
مانايي معادلات تفاضلي تصادفي<br />
فرايندهاي ميانگين متحرك<br />
خودرگرسيوني يك متغيره<br />
1 ‐ Berndt<br />
2 ‐ Hall<br />
3 ‐ Hausman<br />
4 - Line Searches<br />
اقتصادسنجي سريهاي زماني مالي
مثال1-3: شبيه سازي دو فريند خودهمبسته از مرتبه اول و مقايسه توابع خودهمبستگينگار<br />
شروع برنامه نويسي در فضاي Program نرم افزار<br />
.<strong>Eviews</strong><br />
آيا واقعا فرايند خودهمبسته مرتبه اول يك فرايند ميانگين متحرك با مرتبه بينهايت است؟<br />
مثال<br />
مثال<br />
:2-3<br />
برنامه شبيه سازي فرايند خودهمبسته مرتبه اول با استفاده از نرمافزار<br />
،<strong>Eviews</strong><br />
:3-3<br />
-5-3<br />
- 6-3<br />
آيا تفاضل لگاريتم قيمت روزانه سهام سيمان تهران يك فرايند نوفه سفيد است؟<br />
آيا نرخ بهره در بازار غير متشكل پولي ايران يك فرايند خودهمبسته است؟<br />
معكوس پذيري و مانايي فرايندها<br />
شناسايي مرتبه فرايندهاي AR عمومي<br />
و MA<br />
- 7-3<br />
1-7-3<br />
2-7-3<br />
4-7-3<br />
شناسايي برآورد<br />
معادلات يول- واكر و توابع خودهمبستگي جزيي<br />
مدلهاي خود رگرسيوني با ميانگين متحرك<br />
شناسايي برآورد و پيشبيني<br />
روش تخمين حداقل مربعات غيرخطي<br />
روش برآورد حداكثر راستنمايي شرطي براي فرآيند<br />
برآود<br />
(ARMA)<br />
MA(1)<br />
ML مدل AR(1)<br />
5-7-3<br />
6-7-3<br />
7-7-3<br />
فرايند خودرگرسيوني شرطي مرتبه يك<br />
با استفاده از لگاريتم راستنمايي شرطي براي برآورد پارامترهاي يك<br />
آزمون پورتمن تيو<br />
پيشبيني در مدلهاي سري زماني<br />
مطالعه تجربي از نرخ بهره در بازار غير متشكل بازار پول در ايران با استفاده از مدلسازي<br />
برنامه نويسي: يك برنامه براي تعيين مرتبه فرايند<br />
ARMA(1,1)<br />
(ARMA)<br />
در نرمافزار<br />
<strong>Eviews</strong><br />
فصل چهار: ريشه هاي واحد<br />
- 1- 4<br />
- 2- 4<br />
- 2- 4<br />
- 3- 4<br />
مقدمهاي بر ريشههاي واحد<br />
مثال1-4:<br />
ايران<br />
محاسبه ريشههاي معادله مفسر فرايند تصادفي شاخص قيمت خرده فروشي مناطق شهري<br />
فرآيندهاي نامانا و مدلهاي ARIMA<br />
مثال2-4: همبستگي نگار سري زماني sp500 اسمي<br />
-1-3-4<br />
ريشه واحد و انواع نامانايي ها<br />
الف- نامانايي در واريانس<br />
مثال3-4: برنامه شبيهسازي واريانس انفجاري<br />
ب- نامانايي در ميانگين<br />
مثال3-4: برنامه شبيه سازي روند تصادفي خطي و روند تصادفي درجه دو<br />
ريشه هاي واحد چه مشكلات برآوردي يا استنتاجي را ايجاد ميكند؟<br />
ويژگي هاي كوچك نمونهاي و بزرگ نمونه اي تخمين زنهاي حداقل مربعات معمولي<br />
الف- گرايش در توزيع متغيرهاي تصادفي نابسته همتوزيع<br />
ب- توابع مشخصه و نقش آنها در تعيين توزيعهاي حدي<br />
قضيه 1-4: گرايش در توزيع توابع مشخصه<br />
اقتصادسنجي سريهاي زماني مالي
. 2-3-4<br />
قضيه2-4: حد مركزي- قضيه ليندبرگ و لوي<br />
قضيه 3-4: (يكتايي) قانون توزيع تخمينزنها، قضيه .Lukacs(1974)<br />
ج- توزيع مجانبي تخمينزنهاي روش حداقل مربعات معمولي<br />
نظريه مجانبي براي يك فرايند خودهمبسته از سري زماني<br />
الف- فرايندهاي ماناي خود همبسته مرتبه p و سرعت گرايش<br />
T<br />
:4-4<br />
مثال (مثال نقض)، رگرسيون روند<br />
ب- ريشههاي واحد و نظريه مجانبي براي سريهاي زماني نامانا<br />
5-4: مثال<br />
برنامه شبيهسازي مونتكارلو را براي يك فرايند تصادفي با ريشه واحد(<br />
كوچك نمونهاي تخمينزنهاي حداقل مربعات معمولي)<br />
ويژگيهاي<br />
4-4- آزمونهاي ريشه واحد<br />
t<br />
آيا ميتوان از تابع نمونهاي استيودنت بر اي آزمودن فرضيههاي مربوط به ضرايب يك فرايند خودهمبسته مرتبه اول استفاده<br />
كرد؟<br />
آزمون ديكي- فولر<br />
گسترش آزمون ديكي فولر<br />
1-4-4<br />
2-4-4<br />
3-4-4<br />
روش پيدرپي در انجام دادن آزمون هاي وجود ريشه واحد در فرآيند توليد دادههاي ناشناخته<br />
روششناسي از بالا به پايين( در 9 مرحله)<br />
مثال6-4: آزمون ريشه واحد در شاخص قيمت خرده فروشي ايران<br />
4-4-4<br />
5-4-4<br />
6-4-4<br />
5-4<br />
آزمونهاي ناپارامتريك ريشه واحد<br />
آزمون ريشههاي واحد چند گانه<br />
برآورد و مشخص نمايي مدلهاي<br />
انتخاب مدل آزمون ريشه واحد<br />
ARIMA(p,d,q)<br />
6-4<br />
7-4<br />
مقايسه عملكرد توابع نمونهاي آزمون ريشه واحد<br />
بحثهايي پيرامون وجود بيش از يك ريشه واحد<br />
4<br />
- 5<br />
1-5<br />
2-5<br />
3-5<br />
4-5<br />
5-5<br />
6-5<br />
7-5<br />
8-5<br />
9-5<br />
10-5<br />
11-5<br />
مدلسازي سري هاي زماني فصلي و دادههاي پرتناوب<br />
مقدمه و يك شبيهسازي مونتكارلو<br />
مدلسازي سريزماني خودهمبسته با ميانگين متحرك فصلي<br />
چند نمونه از گشتاورهاي خود كواريانس براي مدلهاي سري زماني موسمي<br />
برآورد مدل: برآورد ضرايب مدل خطي<br />
تعيين اعتبار مدل<br />
محدوديتهاي مدلسازي سري زماني<br />
آزمون ريشه واحد فصلي( فصل در سال)<br />
ريشههاي واحد در دادههاي سري زماني فصلي فصل در سال)<br />
مفهوم ريشه واحد درتناوب صفر، تناوب نيمسال وتناوب فصلي چيست؟<br />
مدلسازي سري زماني فصلي توليد ناخالصي داخلي ايران<br />
آزمون ريشه واحد فصلي براي شاخص اجاره بها<br />
4)<br />
اقتصادسنجي سريهاي زماني مالي
12-5<br />
13-5<br />
14-5<br />
15-5<br />
16-5<br />
17-5<br />
18-5<br />
19-5<br />
20-5<br />
21-5<br />
22-5<br />
23-5<br />
24-5<br />
25-5<br />
26-5<br />
تخمين مدل سري زماني فصلي شاخص اجاره بها<br />
وجود ريشههاي واحد در سريهاي زماني موسمي ماهيانه<br />
مدلسازي فصلي (ماهيانه) قيمت گوشت مرغ در ايران<br />
حافظه بلند مدت و انباشتگي كسري5<br />
انباشتگي كسري<br />
برآورد حداكثر راستنمايي پارامتر تفاضلگيري كسري<br />
ويژگيهاي يك فرآيند نوفه سفيد كسري6<br />
پارهاي از ويژگيهاي گشتاوري فرايند نوفه سفيد كسري<br />
مدلسازي فرآيند<br />
برآورد حداكثر راستنمايي ضرايب يك مدل<br />
مدلسازيهاي تجربي حافظه بلند مدت<br />
تابع نمونه<br />
برآورد حداكثر راستنمايي پارامتر انباشتگي كسري<br />
برآورد تجربي پارامتر dدر يك مدل به روش حداكثر راستنمايي<br />
مدلسازي قيمت روزانه انس طلا<br />
(d)<br />
ARIMA(0, d,0)<br />
FA RIMA ( p , d , q )<br />
d<br />
FA RIMA<br />
FA RIMA ( p , d , q )<br />
(آماره) R/S<br />
مدلسازي توزيع هاي بازدهي<br />
تحليل توصيفي سريهاي بازدهي و مدلهاي توزيع بازدهي<br />
تحليل مدلسازي بخش مركزي توزيعهاي بازدهي<br />
تحليل داده ها، چولگي و كشيدگي<br />
ويژگيهاي توزيعي بازدهيهاي مطلق<br />
- 6<br />
1-6<br />
2-6<br />
3-6<br />
4-6<br />
- 7<br />
مدلهاي واريانس ناهمسان شرطي<br />
1-7<br />
2-7<br />
3-7<br />
4-7<br />
5-7<br />
6-7<br />
7-7 مدلسازي GARCH<br />
8-7<br />
9-7 مدلهاي GARCH<br />
10-7 مدل GARCH<br />
11-7 مدل GARCH<br />
12-7<br />
13-7 مدل PGARCH<br />
مقدمه و بيان ضرورت مطالعه<br />
ساختار يك مدل ARMA- ARCH<br />
ويژگيهاي يك مدل -ARCH ضعفهاي مدل ARCH<br />
چگونگي يك مدل ARCH بسازيم؟<br />
برآورد معادله بازدهي با فرض وجود اثرات ARCH در پسماندهاي آن<br />
كاربردهاي تجربي: آزمون وجود اثرات ARCH در پسماندهاي رگرسيون ARMA معادله ميانگين( مدلسازي<br />
قيمت مرغ در شهر تهران)<br />
مدلسازي بازدهي و تلاطم قيمت اونس طلا(1,1) ARMA(1,1)-GARCH<br />
انباشته<br />
در معادله ميانگين<br />
نمايي<br />
مدلGARCH آستانه(TGARCH)<br />
5 - Fractional Integration<br />
6 - Fractional White Noise<br />
اقتصادسنجي سريهاي زماني مالي
مدلسازي ARMA-GARCH<br />
فرآيندهاي FIGARCH<br />
H t<br />
و متغيرهاي برونزا در معادله ميانگين شرطي<br />
تعريف و ويژگيهاي فرآيند FIGARCH<br />
برآورد مدل FIEGARCH<br />
تخمين ضرايب مدل GARCH با حافظه بلند مدت<br />
مقايسه كارآيي مدلهاي مختلف<br />
تحليل تجربي، پيشبيني تلاطم در بازدهي قيمت شاخص سهام تهران<br />
مدلهاي خانواده FIGARCH با متغيرهاي برونزا و كاربرد آن در اقتصاد سياسي بازار سهام ايران<br />
مدلهاي چند متغيره<br />
صورت بندي مدل GARCH چند متغيره<br />
بيان برداري ماتريس و مؤلفههاي فرآيند GARCH چند متغيره<br />
نمايش واريانس شرطي BEKK<br />
مطالعه تجربي از ازتباط ميان بازدهي شاخصهاي بازار سهام دبي، تهران و بازدهي قيمت انس طلا و تلاطم آنها<br />
چند متغيره نامتقارن با عامل GARCH در معادله برداري ميانگين<br />
برآورد حداكثر راستنمايي پارامترهاي فرآيند GARCH چند متغيره<br />
چندمتغيره با در نظرگرفتن حافظهبلندمدت<br />
به مدل<br />
توسعه مدل<br />
تحليل تجربي<br />
Fractional BEKK(1,d,1)<br />
GARCH<br />
فرآيند GARCH<br />
مدلهاي GARCH<br />
BEKK(1,1)<br />
14-7<br />
15-7<br />
16-7<br />
17-7<br />
18-7<br />
19-7<br />
20-7<br />
21-7<br />
22-7<br />
23-7<br />
24-7<br />
25-7<br />
26-7<br />
27-7<br />
28-7<br />
29-7<br />
30-7<br />
31-7<br />
روشهاي رگرسيوني براي سري هاي زماني مالي ناهم انباشته<br />
1 -8<br />
مدلهاي رگرسيوني<br />
2-8<br />
3-8<br />
4-8<br />
5-8 مدلهاي VAR و SVAR<br />
مدلهاي رگرسيوني ARCH در ميانگين<br />
آزمونهاي مشخصنمايي بد<br />
مدلهاي رگرسيوني خطي مركب<br />
6-8 مدلهاي ARMA<br />
برداري<br />
و GARCH<br />
برداري<br />
- 8<br />
ج- زمانبندي ارايه درس<br />
1_ هفته اول، فصل يك<br />
2_ هفته دوم، فصل دو<br />
3_ هفته سوم، چهارم و پنجم: فرآيندهاي نامانا ، مدلهاي ARIMA و مدل سازي آن، پيش بيني با استفاده از مدلهاي<br />
ARIMA<br />
و تعيين مرتبه هم انباشتگي سري هاي زماني و سريهاي زماني فصلي<br />
4_ هفته ششم و هفتم، تعيين مرتبه هم انباشتگي سري هاي زماني، اندازه گيري ديرپايي و بازگشت روندي و فرآيندهاي با<br />
حافظه طولاني و معرفي نرم افزار S-PLUS<br />
5_ هفته هشتم، فرآيندهاي ARCH و آزمونهاي غيرخطي بودن<br />
امتحان ميان ترم<br />
اقتصادسنجي سريهاي زماني مالي
8_ هفته نهم، دهم و يازدهم، مدلسازي ARCH و GARCH و كاربرد آنها در مديريت ريسك- كار با نرم افزار<br />
EVIEWS<br />
9_ هفته دوازدهم، سيزدهم و چهاردهم، مدلسازي ARFIMA-FIGARCH و كاربرد آنها در مديريت ريسك كار با نرم<br />
افزار S-PLUS<br />
10_ هفته پانزدهم، مدلهاي GARCH چند متغيره و گسترش آن براي سريهاي زماني با حافظه بلند مدت- كار با نرم افزار<br />
EVIEWS<br />
12_ هفته شانزدهم، مدلهاي رگرسيون خطي مركب، مدلهاي VAR<br />
-1<br />
-2<br />
-3<br />
-4<br />
د- نحوه ارزشيابي<br />
هدف اصلي اين درس آشنا ساختن دانشجويان با كاربرد تكنيكهاي سري زماني و اقتصادسنجي در بازارهاي مالي است. بنابراين<br />
انجام پروژه هاي درسي اهميت قابل توجهي دارند. علاوه بر پروژه هاي درسي يك امتحان ميان ترم و يك امتحان پايان ترم<br />
نيز برگزار مي شود. در پايان هر فصل دانشجويان موظف به تهيه يك گزارش درسي از كاربرد تكنيكهاي مربوط به آن فصل، با<br />
استفاده از داده هاي سري زماني مالي اقتصاد ايران هستند _ در طي درس اثبات بعضي از روابط به عهده دانشجويان قرار داده<br />
مي شود كه حداكثر يك هفته بعد از زمان طرح مسئله بايد پاسخ آن تهيه و تحويل شود.<br />
ميان ترم<br />
پايان ترم<br />
تمرينهاي كلاس<br />
پنج پروژه درسي<br />
4<br />
4<br />
2<br />
10<br />
نمره<br />
نمره<br />
نمره<br />
نمره (هر پروژه دو نمره)<br />
ه-منابع درس<br />
1‐Mills T.C., “The Econometric Modeling of Financial Time Series”, 2th. Edition,<br />
Cambridge University Press. (1999).<br />
2‐ Tesay, Analysis of Financial Time Series (Wiley Series in Probability and Statistics<br />
3‐Complell J.Y., Andrew W.LO and A. Craig McKinley, “The Econometrics of Financial<br />
Markets”, Princeton University Press, (1997).<br />
4‐Hamilton, J.D. , "Time Series Analysis", Princeton University Press, (1994).<br />
5‐Peijie Wang, Financial Econometrics: Methods and Models, Routledge; 1st edition<br />
(2002).<br />
6‐ Walter Enders, Applied Econometric Time Series. JOHN WILEY & SONS, INC., (1995).<br />
• كشاورز حداد، غلامرضا(1387)، مقدمه اي بر روشهاي اقتصاد سنجي و كاربرد آنها، در شرف انتشار.<br />
اقتصادسنجي سريهاي زماني مالي