金融计量经济学

《金融计量经济学》实验报告

实验项目名称实验三平滑技术和季节调整

实验室 7-*** 所属课程名称金融计量学

实验类型综合型

实验日期 2014年4月7号

班级 11金融1班

学号 111401134

姓名楼丰田

成绩

实验概述：

【实验目的及要求】

1、准确掌握平滑技术和季节调整的各种形式和基本原理。

2、熟练掌握运用Eviews软件对样本序列进行移动平均平滑。

3、学会利用加法模型和乘法模型对样本序列进行季节调整。

4、熟练掌握运用指数平滑方法对样本序列进行外推预测。

5、在教师的指导下独立完成实验，得出正确的结果，并完成实验报告。【实验原理】

M2是指反映货币供应量的重要指标，M0、M1、M2、M3都是用来反映货币供应量的

重要指标。M1反映着经济中的现实购买力；M2同时反映现实和潜在购买力。它与一国的经济发展水平、消费物价水平以及人们的支付习惯有着密切的关系，因此表现出一定的趋势特征和波动规律。

本次实验，通过广义货币（M2）2010年1月至2013年12月的数据，分别运用简单移动平均、季节调整和指数平滑来寻找发现M0的趋势特征和波动规律，最后运用指数平滑技术对2014年1月M2进行预测。

【实验环境】（使用的软硬件）

1、电脑一台；

2、软件Eviews7.0

实验内容：

【实验方案设计】

1、根据数据频率和时间范围，创建Eviews工作文件。（workfile）

2、导入数据，并对序列进行初步分析。分别绘制M2原始序列和M2对数序列的折线图，分析序列的基本趋势。

3、运用简单移动平均对M2对数序列进行平滑。分别做3期和7期简单移动平均。同时，利用组形式的折线图进行对数序列与3、7期简单移动平均序列比较体会n期简单移动平均中，n的大小与平滑程度的关系。

4、对M2对数序列继续季节调整。根据M2对数序列的趋势特征和季节波动规律

选择对应的季节调整模型，得到季节因子。观察调整前后的序列图，分析季节调整的作用。

5、指数平滑。(1)平滑M2对数序列。根据M2对数序列的趋势特征和波动规律，选择对应的指数平滑模型，对M2对数序列进行指数平滑。并得到对应的指数平滑预测公式。(2)预测M2对数序列。利用上面选择的指数平衡模型，预测M2对数序列和M2原始序列2014年1月的值。并根据预测值和预测效果图评价预测效果。

6、综合上述实验步骤得出的结果，得出最终结论。总结实验过程中的问题以及得到的经验教训，完成实验报告。

【实验过程】（实验步骤、记录、数据、分析）

1、在和讯网站下载2010年1月至2013年12月的货币供给量（WYJ）的月度数据，见图1-1

图1-1

2、在Excel中创建数据表格，见图2-1。

图2-1

3、根据数据频率和时间范围，创建Eviews工作文件（workfile）。首先，选择数据属性为‘Monthly’；再次，输入时间序列的起始时间‘2011：1’和截止时间‘2013：12’；最后，点击‘ok’按键。详细情况见图3-1。

图3-1

4、建立序列HUIV并导入数据，具体步骤为

（1）在Eviews工作区workfile中创建序列WYJ具体步骤为Object-New Object-series-输入序列名‘WYJ’-确认；

（2）双击WYJ-点击Edit-给序列WYJ导入已下载好的数据点击Edit，结果见图3-2。

图3-2

5、对序列进行初步分析。分别绘制HUIV原始序列和HUIV对数序列的折线图，分析序列的基本趋势。

（1）绘制HUIV折线图，具体步骤为View-gragh-Line&Symbol—ok，如图4-1和4-2所示。

（2）产生HUILV的对数序列LHUIV，具体步骤为Genr-输入LHUIV=log(HUIV)-ok,得到M2的对数数据；

（3）绘制LHUILV折线图，具体步骤为View-gragh-Line&Symbol-ok，如图4-3和4-4所示。

图4-1

图4-2 图4-3 图4-4

（4）基本趋势分析。由图4-2和4-4知，序列HUIV和LHUIV均具有单调递增的趋势，可能有季节性。

6、运用简单移动平均对HUIV对数序列进行平滑。分别做3期和7期简单移动平均。同时，利用组形式的折线图进行对数序列与3、7期简单移动平均序列比较体会n期简单移动平均中，n的大小与平滑程度的关系。

（1）产生3期的简单移动平均序列HUIV3，其具体步骤为Genr—输入HUIV3=(HUIV+HUIV(-1)+HUIV(-2))/3-ok，结果见图6-1;

（2）产生3期的简单移动平均序列HUIV7，其具体步骤为Genr—输入HUIV7=(HUIV+HUIV(-1)+HUIV(-2)+HUIV(-3)+HUIV(-4)+HUIV(-5)+HUIV(-6))/7-ok，结果见图6-2。

（3）绘制HUIV3和HUIV7的序列图。同时选中HUIV3和HUIV7-点击右键并选择open- as group-View-gragh-Line&Symbol-ok，结果见图6-3。

图6-1

图6-2

图6-3

（4）分析结论：由图6-3可知7期移动平均序列比3期移动平均序列更平滑。即在简单移动平均过程中，移动平均的期数n越大，平滑后的序列越光滑。

7、指数平滑。(1)平滑HUIV对数序列。根据HUIV对数序列的趋势特征和波动规律，选择对应的指数平滑模型，对HUIV对数序列进行指数平滑。并得到对应的指数平滑预测公式。

（1）选择Proc-Exponential Smoothing-选择模型Holt-Winters-No seasonal —输入序列名L HUIV SM3-ok，如图7-1。

（2）选择Proc-Exponential Smoothing-选择模型Holt-Winters-Additive —输入序列名L HUIV SM4-ok，如图7-2。

（3）选择Proc-Exponential Smoothing-选择模型Holt-Winters-Multipi—输入序列名L HUIV SM5-ok，如图7-3。

（4）比较3中平滑效果。同时选中序列L HUIV SM3、L HUIV SM4、L HUIV SM5和L HUIV-点击右键并选择open-as group-view-graph-ok，结果见图7-3和7-4。

图7-1

图7-2 图7-3

图7-4

图7-5

（5）分析结论。由图7-3、7-4和7-5知序列LHUIVSM3的误差较小和光滑程度较好，即通过Holt-Winters-No seasonal指数平滑方法调整序列的整体效果最好。

8、预测HUIV对数序列。利用上面选择的指数平衡模型，预测HUIV对数序列和HUIV原始序列2014年1月的值。并根据预测值和预测效果图评价预测效果。

（1）修改时间区间段，具体步骤为：双击时间-把2013：12修改为2014：1；

（2）打开LHUIV 选择Proc-Exponential Smoothing-选择Holt-Winters-No seasonal-输入序列名LHUIVSM-ok，见图7-6。

（3）同时选择LHUIV和LHUIVSM-点击右键并选择open-as

group-view-gragh-ok，结果见图7-7和7-8。

图7-6

图7-7

图7-8

9、对HUIV序列进行预测。点击Genr—输入HUIVf=exp(lHUIVsm)，结果见图7-9。

10、检验HUIV序列的预测效果。同时选中序列HUIV和HUIVf-点击右键并选择open- as group—view-gragh-ok，结果见图7-10和7-11。

图7-9

图7-10

图7-11

11、结论：预测得出2014年1月HUIV数据为5.9988。

【结论】（结果）

1、HUIV和HUIV的对数序列均具有单调递增的趋势，可能有季节性。

2、序列HUIV的对数序列L HUIV的7期简单移动平均序列比3期简单移动平均序列光滑；进一步可知，简单移动平均的平滑程度和移动平均的期数n成正比。

3、对HUIV对数序列L HUIV的指数平滑过程中，选择模型Holt-Winters-No seasonal进行指数平滑的整体效果最好。

4、2014年1月M2的预测数据为1122543。