一、说明

（一）课程性质

现代金融分析要求金融专业学生不但掌握计量经济理论，同时需要掌握在金融分析领域内广泛使用的统计工具，用以将这些技术有效地应用于处理金融领域中的真实数据和问题。《金融分析软件应用》将金融计量经济学理论与相关软件的应用融为一体，偏重于学生的实际动手能力。

《金融分析软件应用》是金融学专业大学二年级的专业任选课。学习这门课程需要一定微积分、线性代数、统计学、计量经济学、金融学等学科基础。

（二）教学目的

通过本课程的学习达到以下目的：第一，通过理论教学，使学生掌握金融计量分析的常用建模类型及模型的检验方法，并用适当的模型进行预测；第二，通过实验教学，使学生了解计量经济学软件Stata、EViewsSPASS、SAS的基本功能，并且能够熟练运用1~2种软件进行数据处理、模型的参数估计、模型诊断与检验、预测等，从而掌握研究实际金融现象的数量化方法。

（三）教学内容

    《金融分析软件应用》课程主要介绍金融的主要计量方法和金融市场的实证分析，具体包括古典线性回归模型、时间序列模型、面板数据模型等一些常用建模方法以及金融数据和模型的相关检验等。同时，介绍Stata、EViews、Excel等软件在金融计量分析中的应用。

（四）教学时数

    36学时，其中理论课20学时，实验课14学时，辅导答疑2学时

（五）教学方式

    本课程采用理论讲授与软件操作演示相结合、并结合相应的讲授内容进行学生实验。

二、本文

理论部分

第1章  金融计量经济学及其应用软件介绍

教学要点：

1、金融计量经济学的含义及建模步骤

2、金融计量分析的相关软件包。

3、相关软件建立工作文件，并输入相关数据。

教学时数：

2学时

教学内容：

第一节 金融计量经济学的含义及建模步骤（1学时）

一、含义

金融计量经济学是指对金融市场的计量分析，主要包括对金融市场各种变量（利率、汇率、交易量、有价证券的价格等）进行相应的统计分析和计量建模，以及对实证中的大量金融理论和现象进行分析。

二、建模步骤

步骤一：关于研究问题的概述。

步骤二：样本数据收集。

步骤三：选择合适的计量方法来估计模型。

步骤四：对模型进行实证检验。

步骤五：模型的应用，包括结构分析、金融经济预测、政策评价。

三、金融计量经济模型中的数据

数据类型：时间序列数据、横截面数据、面板数据。

数据来源：各类年鉴、专业性网站、专业数据公司、抽样调查等。

第二节 金融计量经济学软件介绍及使用（1学时）

一、Stata软件简介

Stata软件具有请打的数据处理和分析功能，是现今较为流行的统计计量分析软件，被广泛地应用于统计学、经济学、生物学、医药学、社会学等领域，功能十分强大。与其他统计分析软件相比，Stata软件具有以下明显的优势：其一是操作简单，方便掌握；其二是它是一个开放式的软件系统，用户可以运行自己编写的程序；其三具有强大的数据分析功能，可以完成复杂性和综合性较强的各种分析研究；其四是具有强大的图形制作功能。

二、SAS软件简介

SAS是美国SAS软件研究所研制的一套大型集成应用软件系统，具有完备的数据存取、数据管理、数据分析和数据展现功能。在数据处理和统计分析领域，被誉为国际上的标准软件和最权威的优秀统计软件包，广泛应用于政府行政管理、科研、教育、生产和金融等不同领域，发挥着重要的作用。

三、SPSS软件简介

SPSS（Statistical Product and Service Solutions），“统计产品与服务解决方案”软件。SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等等。

四、RATS软件简介

RATS是Regression Analysis of Time Series时间序列回归分析的缩写,该软件最初用于计量经济时间序列分析,但是新版本已经具备不少其他功能，可以用来横截面数据或综列数据。

考核要求：

1、理解金融计量经济学的含义及建模步骤

2、了解金融计量分析的相关软件包。

3、应用相关软件建立工作文件，并输入相关数据。

第2章  古典回归模型的建立及其统计检验

教学要点：

1、古典回归模型建立及估计的原理

2、学会建立并估计一元线性回归模型、多元线性回归模型

3、学会一种软件对模型进行检验并做相关预测

教学时数：

6学时

教学内容：

第一节  一元线性回归模型及其统计检验（3学时）

一、一元线性回归模型

理论回归方程

估计回归方程

二、一元线性回归模型的统计检验

标准离差检验：

相关系数检验：

F检验：

三、一元线性回归模型预测的置信区间

首先按照计算出标准离差S的值，再计算置信区间：

置信度为100（1-）的置信区间为：

四、用Stata、EViews、SAS建立一元线性回归模型及其检验

第二节  多元线性回归模型及其统计检验（3学时）

一、多元线性回归模型及其假设

多元线性回归模型：

假定一：解释变量X不是随机变量。

假定二：误差项的均值为0.

假定三：误差项同方差。

假定四：误差项无序列相关。

假定五：解释变量之间没有完全的多重共线性。

假定六：回归模型对参数是线性的。

假定七：样本容量必须大于待估计的参数个数。

假定八：模型设定是正确的。

假定九：误差项跟变量是独立的。

假定十：随机误差项服从正态分布。

二、多元线性回归模型的矩阵解法

三、多元线性回归模型的统计检验

（1）标准离差检验

因变量的标准离差S检验：

各个回归系数标准差的检验：

(2)相关系数检验：

(3)F检验

（4）t检验：

2.2.4 预测置信区间

按照正态分布理论，当取置信区间为95%时，预测置信区间为：

2.2.5 用SAS、Excel建立多元线性回归方程及其统计检验

考核要求：

1、理解古典回归模型建立及估计的原理

2、熟练运用一种软件建立并估计一元线性回归模型、多元线性回归模型

3、运用一种软件对模型进行检验并做相关预测

第3章  单方程模型的计量经济学检验

教学要点：

1、多重共线性、异方差、自相关的含义、产生原因及后果。

2、多重共线性、异方差、自相关的识别和检验方法

3、消除多重共线性、异方差、自相关的的方法

4、学习相关软件进行多重共线性、异方差、自相关的检验

教学时数：

3学时

教学内容：

第一节 回归模型的多重共线性计量检验及消除（1学时）

一、概念

多重共线性指线性回归模型中的若干解释变量或全部解释变量的样本观测值之间具有某种线性关系。

二、多重共线性的后果

三、多重共线性的产生原因

1.各经济变量之间存在相关性。

2.某些经济变量存在着相同的变动趋势。

3.模型中引入了滞后解释变量

四、多重共线性的识别和检验

1.使用简单相关系数进行判别。

2.回归检验法。

3.通过对原模型回归系数的检验来判定。

五、消除多重共线性的方法

1.剔除引起多重共线性的解释变量。

2.利用解释变量之间存在的某种关系

3.改变模型的形式。

六、利用Stata、EViews、SPASS、SAS检验和消除多重共线性。

第二节 回归模型的异方差计量检验及消除（1学时）

一、概念

异方差是指模型中的随机误差项序列违背同方差的假定，即，每个不完全相同。

二、异方差的后果

1.参数的OLS估计不再具有最小方差性。

2.显著性检验失效。

3.预测的精度降低。

三、异方差的产生原因

1.由问题的经济背景产生的异方差。

2.由于模型中忽略了某些重要的解释变量而产生的异方差。

3.因模型的函数形式设定不当产生的异方差。

4.经济结构的变化产生的异方差。

四、异方差的识别和检验

1.根据问题的经济背景分析。

2.图示法。

3.统计检验法：帕克检验、怀特检验

五、消除异方差性的方法

1.模型（数据）变换法。

2.加权最小二乘法（WLS）

六、利用Stata、EViews、SPASS、SAS检验和消除多重共线性。

第三节 回归模型的自相关计量检验及消除（1学时）

一、概念

若线性回归模型中随机误差项之间不独立，即，则称随机误差项序列之间存在自相关，也称序列相关。

二、产生自相关的原因

1.经济惯性导致的自相关。

2.模型设定不当产生的自相关。

3.某些重大事件引起的自相关

三、 自相关的后果

1.参数的OLS估计不再具有最小方差性。

2.显著性检验失效。

3.预测的精度降低。

四、自相关的识别和检验

1.图示法。

2.D-W检验

3.回归检验法

五、自相关的处理方法

1.广义差分法。

2.杜宾两步法.

3.柯克兰内-奥克特法。

六、利用Stata、EViews、SPASS、SAS检验和消除自相关。

考核要求：

1、理解多重共线性、异方差、自相关的含义、产生原因及后果。

2、掌握多重共线性、异方差、自相关的识别和检验方法

3、熟悉消除多重共线性、异方差、自相关的的方法

4、熟练运用相关软件进行多重共线性、异方差、自相关的检验

第4章  时间序列建模

教学要点：

1、时间序列的性质

2、ARMA模型、VAR模型的建模方法。

3、学会相关软件进行ARMA模型和VAR模型的建立和估计。

教学时数：

4学时

教学内容：

第一节 一元时间序列建模（2学时）

一、ARMA 过程

1.移动平均（MA）过程

若一个变量是白噪声过程的线性组合，即

则y表示一个移动平均过程MA(q)。

2.自回归（AR）过程

对于一个自回归过程而言，变量y的当前值仅仅依赖于它的各个前期值再加一个误差项，即一个p阶自回归过程AR（p）可表示为:

3.自回归移动平均过程(ARMA)

将AR（p）模型与MA（q）模型相结合便得到一个ARMA(p，q)过程。

二、建立ARMA模型：博克斯-詹金斯方法

步骤一：用作图法来决定模型的阶数。

步骤二：估计在上一步设定好的模型的参数，可用最小二乘法、极大似然法等。

步骤三：模型的检验，可用ACF和PACF、或Ljung-Box检验。

三、使用Stata建立ARMA模型并预测

第二节 多元时间序列建模——VAR模型（2学时）

一、向量自回归模型（VAR）的概念

含有N个变量滞后k期的VAR模型表示如下：

        Y_t = m + P₁ Y_t-1 + P₂ Y_t-2 + … + P_k Y_t-k + u_t,  u_t ~ IID (0, W)           

其中，

  Y_t = (y_{1, t}  y_{2, t} …  y_{N, t})'

  m = (m₁  m₂ … m_N)'

        P_j =,  j = 1, 2, …, k

        u_t = (u_{1 t}  u_2,t … u_{N t})',

Y_t为N´1阶时间序列列向量。 m为N´1阶常数项列向量。P₁, … , P_k 均为N´N阶参数矩阵，u_t ~ IID (0, W) 是N´1阶随机误差列向量，其中每一个元素都是非自相关的，但这些元素，即不同方程对应的随机误差项之间可能存在相关。

二、选择VAR模型的最优滞后阶数

可采用截面方程约束法、信息准则法进行选择。

三、脉冲响应和方差分解

若要考察系统内某个给定变量的变化对系统内其他变量产生的影响是真的还是负的，或者这个变量的变化在系统内会产生多长时间的影响，可以通过考察VAR模型的脉冲响应和方差分解得到。

脉冲响应可以追踪VAR方程中因变量对每个变量冲击的回应。而方差分解给出了因变量在受到自身和对其他变量冲击时的变动比例。

四、利用Stata估计VAR模型。

考核要求：

1、理解时间序列的性质

2、掌握ARMA模型、VAR模型的建模方法。

3、熟练运用相关软件进行ARMA模型和VAR模型的建立和估计。

第5章  金融中的长期关系模型——协整

教学要点：

1、时间序列平稳的含义。

2、变量间的葛兰杰因果关系及协整关系的含义。

3、学会相关软件进行平稳性检验、葛兰杰因果关系检验及协整检验。

教学时数：

3学时

教学内容：

第一节 时间序列的平稳性检验——单位根检验（1学时）

一、平稳性的概念

如果一个时间序列的均值和自协方差不依赖于时间，就说它是平稳的。

二、单位根检验的方法

ADF检验、PP检验

三、利用Stata进行单位根检验。

第二节 变量之间的葛兰杰因果关系检验（1学时）

一、葛兰杰因果检验的定义

给定一个信息集，它至少包含，如果利用过去的比不利用它时可以更好地预测，则称为的葛兰杰原因

二、葛兰杰因果关系检验的方法

模型检验法、F检验

三、利用Stata进行因果检验

第三节 变量间的协整检验（1学时）

一、协整关系的含义

如果两个（或两个以上）时间序列变量是非平稳的，但它们的某种线性组合却表现出平稳性，则这些变量之间存在长期稳定关系（协整关系）。

二、协整检验

Engle-Granger（1987）提出的E-G两步法、Johansen（1988、1990）等人提出的多变量极大似然法。

三、利用Stata进行协整检验

考核要求：

1、理解时间序列平稳的含义。

2、理解变量间的葛兰杰因果关系及协整关系的含义。

3、熟练应用相关软件进行平稳性检验、葛兰杰因果关系检验及协整检验。

第6章  金融中波动相关的模型——GARCH模型

教学要点：

1、GARCH族模型的原理和特征。

2、Stata建立GARCH族模型

教学时数：

2学时

教学内容：

第一节 度量波动性的模型方法（1学时）

一、指数加权移动平均模型

二、自回归波动性模型

三、GARCH模型

四、非对称的GARCH模型

1.GJR模型

其中是一个虚拟变量,当时, ；当时, 。

2.EGARCH模型 

3.PARCH(Power ARCH)模型：

第二节 GARCH模型的应用及Stata应用 （1学时）

一、沪深股市收益率波动性的研究

二、股市波动的非对称性研究

三、沪深股市波动的溢出效应研究

考核要求：

1、理解GARCH族模型的原理和特征。

2、运用Stata建立GARCH族模型

第7章  面板数据模型

教学要点：

1、面板数据模型的形式。

2、Stata建立面板数据模型。

教学时数：

2学时

教学内容：

第一节 面板数据模型（1学时）

一、面板数据的概念

面板数据也称合成数据，是截面数据和时间序列数据的结合。

二、面板数据模型

面板数据模型的基本形式是：

其中，是模型的常数项，是k×1维参数向量，k是模型中解释变量的个数；是外生变量向量；是均值为0且同方差的随机误差项，且不同样本下的随机误差项是相互独立的；T是每个截面样本下的时期总数；N是截面的样本总数。

第二节 面板数据模型的估计（1学时）

一、面板数据的估计

用面板数据建立的模型通常有3种。即混合估计模型、固定效应模型和随机效应模型。

1.混合估计模型

如果从时间上看，不同个体之间不存在显著性差异；从截面上看，不同截面之间也不存在显著性差异，那么就可以直接把面板数据混合在一起用普通最小二乘法（OLS）估计参数。

2.固定效应模型

在面板数据散点图中，如果对于不同的截面或不同的时间序列，模型的截距是不同的，则可以采用在模型中加虚拟变量的方法估计回归参数，称此种模型为固定效应模型（FE）。

固定效应模型分为3种类型，即个体固定效应模型、时刻固定效应模型和时刻个体固定效应模型。

3.随机效应模型

在固定效应模型中采用虚拟变量的原因是解释被解释变量的信息不够完整。也可以通过对误差项的分解来描述这种信息的缺失。

          y_it = a + b₁ x_it + e_it                                            

其中误差项在时间上和截面上都是相关的，用3个分量表示如下。

e_it = u_i + v_t + w_it                                           

其中u_i ~N(0, s_u²)表示截面随机误差分量；v_t ~N(0, s_v²)表示时间随机误差分量；w_it ~N(0, s_w²)表示混和随机误差分量。同时还假定u_i，v_t，w_it之间互不相关，各自分别不存在截面自相关、时间自相关和混和自相关。上述模型称为随机效应模型（SE）。

二、用EViwes建立面板数据估计模型步骤

1.建立混合数据库（Pool）对象。

2.定义序列名并输入数据。

3.估计模型。

考核要求：

1、理解面板数据模型的形式。

2、运用Stata建立面板数据模型。

实验部分

（一）基本要求

通过实验教学，使学生掌握计量经济学软件Stata、EViews、SAS、SPSS的基本功能，能够利用这些软件进行数据处理、单方程参数估计、模型诊断与检验、时间序列建模、面板数据建模等，使学生掌握运用计算软件求解金融计量经济学相关问题的基本步骤与基本技能；对课堂教学所提供的教学案例进行验证性实验，利用新数据和新案例进行拓展性分析与练习。

（二）实验项目总表

（三）实验项目内容及要求

实验1：Stata、EViews、SAS、SPSS软件的基本操作

实验内容：

1.Stata、EViews、SAS、SPSS软件的安装；

2.数据的输入、编辑与序列生成；

3.图形分析与描述统计分析；

4.数据文件的存贮、调用与转换。

实验目的：

了解Stata、EViews、SAS、SPSS软件的基本操作对象，掌握软件的基本操作。

实验材料及环境：

实验材料是股票市场等相关金融数据、上市公司相关资料、宏观经济的相关资料数据。 实验环境要求实验室终端安装有：①Stata软件；②SAS软件；③SPSS统计软件包。

实验2：回归模型的建立及统计检验

实验内容：

1.数据的输入与简单统计分析、新序列的生成；

2.参数估计与结果分析；

3.参数的显著性检验与模型的检验；

4.模型参数的区间估计；

5.点预测与区间预测。

实验目的：

掌握运用Stata、EViews、SAS 进行一元线性回归和多元线性回归的方法。

实验要求：

熟练运用软件进行一元线性回归模型和多元线性回归模型的方法，以及运用软件对进行参数的显著性检验与模型的检验，并用得到的模型进行预测。

实验材料及环境：

实验材料是金融数据。 实验环境要求实验室终端安装有：①Stata软件；②SAS软件

实验3：回归模型的计量经济学检验

实验内容：

1.检验异方差以及运用加权最小二乘法修正异方差；

2.检验序列相关及运用广义差分法修正序列相关；

3.检验并修正多重共线性。

实验目的：

掌握利用Stata、EViews、SPASS、SAS检验和消除异方差、序列相关以及多重共线性的方法。

实验要求：

熟练运用相关软件对实验二中估计的模型进行异方差、序列相关以及多重共线性的检验，并掌握消除异方差、序列相关以及多重共线性的方法。

实验材料及环境：实验材料金融数据。 实验环境要求实验室终端安装有：①Stata软件；②SAS软件；③SPSS统计软件包。

实验4：时间序列建模

实验内容：

1.熟悉Stata软件种各种常用差分函数及自相关和偏自相关图的常用菜单方式和命令方式。

2.熟悉利用自相关与偏相关函数及分析图进行ARMA模型的识别与定阶，再进行模型参数的估计和模型的适应性检验及预测，实现对具体问题的分析。

3.熟悉利用信息准则进行VAR模型的定阶，再进行模型参数的估计及预测，利用脉冲响应函数和方差分解对信息对系统的影响进行分析。

实验目的：

通过实验使学生加深对时间序列的基本思想、基本原理和分析方法的理解，熟悉各种分析方法的应用，锻炼学生解决实际问题的能力。

实验要求：

通过实验使学生熟悉Eview软件的基本操作方法；学会使用各种时间序列分析方法，初步具备应用时间序列的理论和方法解决实际问题的能力；培养学生利用Stata进行数据处理的能力。

实验材料及环境：

实验材料是股票市场等相关金融数据。 实验环境要求实验室终端安装有Stata软件。

实验5：协整及单位根检验

实验内容：

1.掌握通过自相关图的Q统计量判断序列是否为白噪声；

2.通过观察序列的趋势图及自相关图判断序列是否为平稳序列。

3.了解协整分析的原理及应用方法，利用Stata软件进行时间序列的协整分析及误差修正模型分析。

实验目的：

通过实验使学生加深对时间序列的平稳性和协整的理解，熟悉单位根检验和协整检验方法，锻炼学生解决实际问题的能力。

实验要求：

通过实验使学生熟悉利用Eview软件的进行平稳性检验和协整检验的方法；学会时间序列的协整分析及误差修正模型分析。

实验材料及环境：实验材料是股票市场等相关金融数据、上市公司相关资料、宏观经济的相关资料数据。 实验环境要求实验室终端安装有：①Stata软件；②SAS软件；③SPSS统计软件包。

实验6：GARCH建模

实验内容：

GARCH族模型的建立及检验，并用其进行预测

实验目的：

通过实验使学生理解并掌握GARCH、IARCH、EGARCH、TARCH模型的整个建模过程，包括模型的诊断、阶数的判断、参数的估计和模型的检验。

实验要求：

熟练运用Stata软件进行GARCH族模型的建模及检验。

实验材料及环境：

实验材料是股票市场的相关数据。 实验环境要求实验室终端安装有Stata软件。

实验7：面板数据建模

实验内容：

熟悉对面板数据进行建模，包括混合估计模型、固定效应模型和随机效应模型。

实验目的：

通过实验使学生掌握面板数据建模的过程和步骤。

实验要求：

熟练运用EViwes建立面板数据模型。

实验材料及环境：

实验材料是股票市场等相关金融数据、上市公司相关资料、宏观经济的相关资料数据。 实验环境要求实验室终端安装有Stata软件。

三、参考书目

1、朱顺泉,《金融计量经济学及其软件应用》，清华大学出版社，2012年

2、周广肃，《Stata统计分析与应用》，机械工业出版社，2011年

3、张文彤，《SPSS 11统计分析教程》，北京希望电子出版社，2002年

4、王晓民编，《 Excel金融计算专业教程 》，清华大学出版社，2004年

5、张成思，《金融计量学-时间序列分析视角》，中国人民大学出版社，2016年3月，第2版

6、邹平，《金融计量学》，上海财经大学出版社，2014年3月第3版

本课程使用教具和现代教育技术的指导性意见

本课程要求计算机安装有Stata、EViews、Excel、SAS、SPSS等软件包。