經典計量模型如何應用於金融實踐

⑴ 結合經濟實例說明建立與應用計量經濟學模型的主要步驟

先要取得數據，然後根據公式擬合方程，然後是對方程進行檢驗（包括統計檢驗和計量經濟學檢驗），如果有異方差，序列相關，自相關。。。。。。先要剔除，讓後再擬合，得到一個好的模型，最後是預測

⑵ 學習計量經濟學有什麼用，具體的實際的應用領域，我的專業是電子金融

icameisaw:計量的原理很簡單。有人比喻經濟學家是在看反光鏡開車，說透了計量的本質。許多計量出來的結果很好，可信度很高，是百分之九十幾，誤差也很小，按說這樣的結果沒有什麼問題了。其實這樣的結果往往毫無意義。我們來看計量使用的過程：

如果司機開車已經走過的路是一個半圓，而整條路可能"基本上"是圓形，也可能"基本上"是S形，當然還可能有無數其它形狀，我們權且就考慮這兩種吧。說"基本上"，是因為實際的路不一定就那麼標準的圓形或S形，總會有些細微的擺動吧。
如何用計量方法來預測未來的路呢？
首先計量學家看已經走過的路，取出一些點，通過數據回歸擬合（所謂回歸擬合，無論方法多麼復雜嚇人，簡單形象地說，其實質就在取出的點之間用筆連起來，看看是條什麼線，怎麼連都可以，原則上優先選擇漂亮好看又簡單的連線）。根據司機的數據，計量學家很快判斷出這些點連線最像半圓（就是取半圓時方差擬合度最高），於是就確定是半圓。
可計量學家的任務不是對司機以前走過的路畫線啊，那個是半圓誰都知道，還要你來擬合（笑）？問題是你要告訴我以後該怎麼走。
計量學家在連線時，也看到了以前的路圍繞半圓的擺動情況。計量學家首先要假設這個擺動服從的是高斯分布還是其它分布。什麼是分布呢？就是一套一套既定的誤差偏離規律。一旦分布定，那麼你偏離正軌多少，就必定對應著你這個越軌行為的可能性是多少。對應關系有很多套，可以選擇最像的那套，但是不選擇就不行，你要說一套都不像，或者說現在雖然有點像，但是以後不一定還像，那我們的計量學家就會哭的。
好了，計量學家根據以前的數據選好了一套分布，並天真地假設司機以後要走的路也服從這個分布。換句話說，以後的路可以胡來，但是必須要按照計量學家那個分布的規定胡來。這樣，計量學家就可以預測未來的路怎麼走了。
但是要注意，確定了分布，還完全沒有未來的路將向何方的任何信息。分布好比是毛，未來的路是皮。毛有了，沒有皮的話，毛也不知道該附在哪裡。
但是計量學家會根據自己的愛好，得出路是圓形的結論。讀者要迷惑的問了，他怎麼判斷就不是S形的？我可以很負責任的告訴大家：任何計量學家都不能判斷未來的路是圓形還是S形。假使還有其它前半截是半圓，後半截是任意稀奇古怪形狀的無數多路，他們也沒有任何辦法選出或者排除其中一條。
他們只能隨便地選出一個好分析比較容易偷懶的圓（如果說有判斷標准，偷懶是唯一的標准），認為路就是圓形。OK,函數形式現在選擇結束.下面進行第二步.
先前不是已經得到分布了嗎？那個分布就被認為是整個路程圍繞現在這個圓形擺動的情況——注意，是圍繞圓形擺動的情況.當然倘若先前認為路是S形的話，那個分布就是整個路程圍繞S形擺動的情況。
一切OK。現在只要你指出未來路程的任何一個方向，我們的計量學家就可以根據圓形周圍的既定分布，計算出這個方向偏離圓形的可能性。
於是就可以對未來進行預測了。

可是老天，司機睜開眼，看見前面分明是S形的路，或者其他亂七八糟的路,要按計量學家指出的圓形開車，非翻車不可！ 那個什麼可信度沒有半點用處.
我們要問了,整個過程中，計量學家計算出來的擬合度都很高，可信度很高，偏差都很小。綜合整個過程，為什麼事實上一點都不"可信"呢？
大家看出來了，所謂可信度、擬合度這些東西，都是既有數據與假設模型之間相似程度的量度，與未來的數據會怎麼樣毫不搭界。計量中預測未來的數據誤差分布，是在假設分布的基礎上，計算出的與假設模型的偏差。如果未來數據的實際分布不是假設分布，或者實際模型不是假設模型，則計算出來的數據再好，也不過是假設，根本就不能反映實際問題。所以完美的數據不過是游戲而已。 別看數字一大堆挺嚇人，說它是占星術一點也不冤枉
。

計量的作用有三個，一個是用計量檢驗已有模型；一個是用計量把已有的數據亂拼，不定能僥幸找到什麼規律，然後還是需要另找理論證明此規律。典型的如元素周期表的發現。門捷列夫把元素位置亂排,事實上就是跟計量中亂選函數一樣。他真幸運，瞎貓碰上死耗子，睡夢裡面碰上了一個。最後一個作用是根本就沒有理論時，計量可以生造個模型出來，雖然不可信，但聊勝於無，作個心理安慰。

以上關於計量的1500來字，應當把計量最本質的東西展現給大家了。所有的計量學都不會更高明，那些所謂的協整理論之類吹的神乎其神，好象真的能從計量本身搞出什麼能自證的規律出來似的，都是瞎胡鬧。

總之，沒有理論的指導，計量就沒有意義。

⑶ FRM干貨：常用的金融風險的模型有哪些

金融市場的一項主要功能實際上是允許經濟界的不同參與者交易其風險，而近二十年來，由於受經濟全球化和金融一體化、現代金融理論及信息技術、金融創新等因素的影響，全球金融市場迅猛發展，金融市場呈現出前所未有的波動性，金融機構面臨著日趨嚴重的金融風險。
近年來頻繁發生的金融危機造成的嚴重後果充分說明了這一點。

一、波動性方法
自從1952年Markowitz提出了基於方差為風險的*3資產組合選擇理論後，方差（均方差）就成了一種極具影響力的經典的金融風險度量。方差計算簡便，易於使用，而且已經有了相當成熟的理論。當然，波動性方法也存在以下缺點：
（1）把收益高於均值部分的偏差也計入風險，這可能大家很難接受；
（2）以收益均值作為回報基準，也與事實不符；
（3）只考慮平均偏差，不適合用來描述小概率事件發生所導致的巨大損失，而金融市場中的「稀少事件」產生的極端風險才是金融風險的真正所在。
二、VaR模型（Value at Risk）
風險價值模型產生於1994年，比較正規的定義是：在正常市場條件下和一定的置信水平a上，測算出在給定的時間段內預期發生的最壞情況的損失大小X。在數學上的嚴格定義如下：設X是描述證券組合損失的隨機變數，F(x)是其概率分布函數，置信水平為a，則：VaR(a)=-inf{x|F(x)≥a}。該模型在證券組合損失X符合正態分布，組合中的證券數量不發生變化時，可以比較有效的控制組合的風險。
因此，2001年的巴塞耳委員會指定VaR模型作為銀行標準的風險度量工具。但是VaR模型只關心超過VaR值的頻率，而不關心超過VaR值的損失分布情況，且在處理損失符合非正態分布（如厚尾現象）及投資組合發生改變時表現不穩定。
三、靈敏度分析法
靈敏度方法是對風險的線性度量，它測定市場因子的變化與證券組合價值變化的關系。對於市場因子的特定變化量，通過這關系種變化關系可得到證券組合價值的變化量。針對不同的金融產品有不同的靈敏度。比如：在固定收入市場的久期，在股票市場的「β」，在衍生工具市場「δ」等。靈敏度方法由於其簡單直觀而得到廣泛的應用但是它有如下的缺陷：
（1）只有在市場因子變化很小時，這種近似關系才與現實相符，是一種局部性測量方法；
（2）對產品類型的高度依賴性；
（3）不穩定性。如股票的「貝塔」系數存在不穩定的缺陷，用其衡量風險，有很大的爭議；
（4）相對性。敏感度只是相對的比例概念，並沒有回答損失到底有多大。
四、一致性風險度量模型（Coherentmeasure of risk）
Artzner et al.（1997）提出了一致性風險度量模型，認為一個完美的風險度量模型必須滿足下面的約束條件：
（1）單調性；
（2）次可加性；
（3）正齊次性；
（4）平移不變性。
次可加性條件保證了組合的風險小於等於構成組合的每個部分風險的和，這一條件與我們進行分散性投資可以降低非系統風險相一致，是一個風險度量模型應具有的重要的屬性，在實際中如銀行的資本金確定和*3化組合確定中也具有重要的意義。目前一致性風險度量模型有：
（1）CVaR模型（Condition Value at Risk）：條件風險價值（CVaR）模型是指在正常市場條件下和一定的置信水平a上，測算出在給定的時間段內損失超過VaRa的條件期望值。CVaR模型在一定程度上克服了VaR模型的缺點不僅考慮了超過VaR值的頻率，而且考慮了超過VaR值損失的條件期望，有效的改善了VaR模型在處理損失分布的後尾現象時存在的問題。當證券組合損失的密度函數是連續函數時，CVaR模型是一個一致性風險度量模型，具有次可加性，但當證券組合損失的密度函數不是連續函數時，CVaR模型不再是一致性風險度量模型，即CVaR模型不是廣義的一致性風險度量模型，需要進行一定的改進。
（2）ES模型（Expected Shortfall）：ES模型是在CVaR基礎上的改進版，它是一致性風險度量模型。如果損失X的密度函數是連續的，則ES模型的結果與CVaR模型的結果相同；如果損失X的密度函數是不連續的，則兩個模型計算出來的結果有一定差異。
（3）DRM模型（Distortion Risk-Measure）：DRM通過一個測度變換得到一類新的風險度量指標。DRM模型包含了諸如VaR、CVaR等風險度量指標，它是一類更廣義的風險度量指標。
（4）譜風險測度：2002年，Acerbi對ES進行了推廣，提出了譜風險測度（Spectral Risk Measure）的概念，並證明了它是一致性風險度量。但是該測度實際計算的難度很大，維數過高時，即使轉化成線性規劃問題，計算也相當困難。
五、信息熵方法
由不確定性把信息熵與風險聯系在一起引起了眾多學者的研究興趣，例如Maasoumi，Ebrahim，Massoumi and Racine，Reesor.R等分別從熵的不同角度考慮了風險的度量，熵是關於概率的一個單調函數，非負，計算量相對較少，熵越大風險越大。
六、未來的發展趨勢
近年來行為金融學逐漸興起，它將心理學的研究成果引入到標准金融理論的研究，彌補了標准金融理論中存在的一些缺陷，將投資心理納入到證券投資風險度量，提出了兩者基於行為金融的認知風險度量方法，並討論了認知風險與傳統度量方差的關系。2004年Murali Rao給出一種新的不確定性度量--累積剩餘熵。累積剩餘熵是用分布函數替換了Shannon熵的概率分布律或密度函數，它具有一些良好的數學性質，這個定義推廣了Shannon熵的概念讓離散隨機變數和連續隨機變數的熵合二為一，也許會將風險度量的研究推向一個新的台階。
總之，金融風險的度量對資產投資組合、資產業績評價、風險控制等方面有著十分重要的意義。針對不同的風險源、風險管理目標，產生了不同的風險度量方法，它們各有利弊，反映了風險的不同特徵和不同側面。在風險管理的實踐中，只有綜合不同的風險度量方法，從各個不同的角度去度量風險，才能更好地識別和控制風險，這也是未來風險度量的發展趨勢。

⑷ 計量經濟學模型主要有哪些應用領域，各自的原理是什麼

計量經濟學模型的應用大體可以概括為四個方面：
1結構分析，即研究一個或幾個經濟變數發生變化及結構參數的變動對其他變數以致整個經濟系統產生何種影響。其原理是彈性分析、乘數分析與比較靜態分析；
2經濟預測，即用其進行中短期經濟的因果預測。其原理是模擬歷史，從已經發生的經濟活動中找出變化規律；
3政策評價，即利用計量經濟模型定量分析政策變數變化對經濟系統運行的影響，是對不同政策執行情況的模擬模擬；
4檢驗與發展經濟理論，即利用時機的統計資料和計量經濟學模型實證分析某個理論假說正確與否。其原理是如果按照某種經濟理論建立的計量經濟模型能夠很好地擬合實際觀察數據，則意味著該理論是符合客觀事實的，反之則表明該理論不能解釋客觀事實。

⑸ 學到的金融專業理論如何應用於實踐

最好是結合各個市場進行實戰分析。
宏觀經濟學、微觀經濟學你可以上網看那些股評，很綜合，從根源去理解他為什麼這樣推理，然後學會自己分析，然後可以開個模擬炒股來檢驗下自己分析的精準程度。
國際金融學類的多關注外匯市場動向
公司金融要 結合財務報表分析，有興趣的可以扒一扒上市公司的年報，自己分析分析然後參照名家的看法，慢慢學會運用，結合股票。典型的有專門研究高送轉公司，收購並購重組預期等。
固定收益證券和金融工程的方面的要結合統計和計量經濟學Eviews或者STATA軟體進行建模、統計、檢驗、修正，數據來源與債券市場等，模型完善後實用性很強。
好了，上面講的是投資學的部分；下面是貨幣銀行學的部分。
貨幣銀行學要結合上面說的國際金融學，通過對外匯市場的觀察和分析來獲得經驗。
總的來說金融類要求的綜合性非常強，通過一些觸手可及的市場能非常有效的幫助理解和提升對金融的興趣。
本人也是金融類學生，已接觸過所有能接觸過的投資工具，親測很受用。

⑹ 計量經濟學都有哪些模型啊，具體怎樣運用

#計量經濟學的定義
計量經濟學是以一定的經濟理論和統計資料為基礎，運用數學、統計學方法與電腦技術，以建立經濟計量模型為主要手段，定量分析研究具有隨機性特性的經濟變數關系。主要內容包括理論計量經濟學和應用經濟計量學。

#計量經濟學的研究步驟和方法
確定變數和數學關系式-模型設定；分析變數間具體的數量關系-估計參數；檢驗所得結論的可靠性-模型檢驗；經濟分析和預測-模型應用

#分布滯後模型估計的困難有哪幾個
A．自由度問題。自由度過分損失，到時估計偏差增大，顯著性檢驗失效。
B．多重共線性問題。滯後變數常存在多重共線性。
C．滯後長度難以確定。

#工具變數法
1．與所代替的解釋變數高度相關
2．與隨機擾動項不相關
3．與其他解釋變數不相關，以免出現多重共線性

#虛擬變數的基本概念
虛擬變數是人工構造的取值為0和1的作為屬性變數代表的變數

#聯立方程模型的區別
A．聯立方程組模型由幾個單一方程組成。被解釋變數不只一個。
B．模型里有隨機方程，也有確定性方程，但必含有隨機方程。
C．被解釋變數和解釋變數之間不僅是單向因果關系，也可能互為因果。
D．解釋變數可能與隨機擾動項相關。

#非完全多重共線性後果：
1.參數估計量方差增大
2.對參數區間估計時，置信區間趨於變大
3.嚴重時，假設檢驗容易作出錯誤判斷
4.嚴重時，可能r2較大和f檢驗顯著性高，但t檢驗可能不顯著，得出錯誤結論

#多重共線性檢驗：
1．簡單相關系數檢驗
2．方差擴大因子法
3．直觀判斷，如回歸系數標准差大，或與經濟理論背離
4．逐步回歸法

#自相關：
經濟系統的慣性。經濟活動滯後效應。數據處理造成的相關。蛛網現象。模型設定偏誤。零均值，低估參數估計值的方差，對模型預測的影響，高估t，f，r2不可靠，對模型影響，降低預測精度。

#異方差：
模型中省略某些重要解釋變數。模型設定誤差。測量誤差的變化。截面數據中總體各單位的差異。無偏，一致，非有效，誇大估計參數的統計顯著性，對預測影響，Y的預測非有效。

⑺ 計量經濟模型有哪些用途

1、結構分析是對經濟現象中變數之間相互關系的研究。它研究的是當一個變數或幾個變數發生變化時會對其它變數以至經濟系統產生什麼樣的影響。

2、經濟預測：計量經濟學模型，是從經濟預測，特別是短期預測而發展起來的。50年代與60年代的成功應用。70年代以來人們對計量經濟學模型預測功能的置疑。

3、政策評價：政策評價是指從許多不同的經濟政策中選擇較好的政策予以實行，或者說是研究不同的經濟政策對經濟目標所產生的影響的差異。

4、檢驗與發展經濟理論：

(1)檢驗理論：按照某種理論去建立模型，然後用表現已經發生的經濟活動的樣本數據去擬合，如果擬合很好，則這種理論得到了檢驗。

(2)發現和發展理論：用表現已經發生的經濟活動的樣本數據去擬合各種模型，擬合得最好的模型所表現出來的

(7)經典計量模型如何應用於金融實踐擴展閱讀

計量經濟模型包括一個或一個以上的隨機方程式，它簡潔有效地描述、概括某個真實經濟系統的數量特徵，更深刻地揭示出該經濟系統的數量變化規律。是由系統或方程組成，方程由變數和系數組成。其中，系統也是由方程組成。

計量經濟模型揭示經濟活動中各個因素之間的定量關系，用隨機性的數學方程加以描述。

廣義地說，一切包括經濟、數學、統計三者的模型；

狹義地說，僅只用參數估計和假設檢驗的數理統計方法研究經驗數據的模型。

⑻ 如何正確運用計量經濟模型進行實證分析

首先，你要了解你所選擇的數據的經濟含義，數據之間的經濟聯系。然後，再去尋找相應數據。數據找好之後，要在經濟含義的基礎上選擇適合的模型進行擬合。
要觀察擬合的結果，是否與經濟實質相悖，如果相悖，便要調整模型的結構。如果結果符合經濟含義，便需要進行一些檢驗，來看是否數據適合此模型的擬合。

⑼ 經濟計量學對於金融學的重要程度

要看你讀什麼方向了，比如產業經濟學之類的，用處不是太大，但如果是金融工程之類的方向，那就有大大的用處了。

⑽ 計量經濟模型

計量經濟模型。所謂計量經濟模型，就是表示經濟現象及其主要因素之間數量
關系的方程式。經濟現象之間的關系大屬於相關或函數關系，建立計量經濟模型並進行
運算，就可以探尋經濟變數間的平衡關系，分析影響平衡的各種因素。
計量經濟模型主要有經濟變數、參數以及隨機誤差三大要素。經濟變數是反映經濟
變動情況的量，分為自變數和因變數。而計量經濟模型中的變數則可分為內生變數和外
生變數兩種。內生變數是指由模型本身加以說明的變數，它們是模型方程式中的來知數
，其數值可由方程式求解獲得；外生變數則是指不能由模型本身加以說—8j的量，它們
是方程式中的已知數，其數值不是由模型本身的方程式算得，而是由模型以外的因素產
生。計量經濟模型的第二大要素是參數。參數是用以求出其他變數的常數。參數一般反
映出事物之間相對穩定的比例關系。在分析某種自變數的變動引起因變數的數值變化時
，通常假定其他自變數保持不變，這種不變的白變數就是所說的參數。計量經濟模型的
第二個要素是隨機誤差。這是指那些很難預知的隨機產生的差錯，以及經濟資料在統計
、整理和綜合過程中所出現的差錯。可正可負，或大或小，最終正負誤差可以抵消，因
而通常忽略不計。
為證券投資而進行宏觀經濟分析，主要應運用宏觀計量經濟模型。所謂宏觀計量經
濟模型是指在宏觀總量水平上把握和反映經濟運動的較全面的動態特徵，研究宏觀經濟
主要指標間的相互依存關系，描述國民經濟各部門和社會再生產過程各環節之間的聯系
，並可用於宏觀經濟結構分析、政策模擬、決策研究以及發展預測等功能的計量經濟模
型。
在運用計量經濟模型分析宏觀經濟形勢時，除了要充分發揮模型的獨特優勢，挖掘
其潛力為我所用之外，還要注意模型的潛在變數被忽略、變數的滯後長度難確定以及引
入非經濟方面的變數過多等問題，以充分發揮這一分析方法的優越性。
(3)概率預測。某隨機事件發生的可能性大小稱為該事件發生的概率，概率論則是一
門研究隨機現象的數量規律的學科。目前，越來越多的概率論方法被運用於經濟、金融
和管理科學，概率論成為它們的有力工具。
概率論方法也在宏觀經濟分析中找到了用武之地。比如用計量經濟模型進行預測時
，就要給出以一定的概率處於一個區間的隨機量。
在宏觀經濟分析中引入概率論的方法進行預測，西方國家早在20世紀初期即已開始
，但到二戰後才開始蓬勃發展。這主要是由於政府調節經濟、制定改革措施的迫切需要
。各種宏觀經濟預測實踐都是政府制定財政、貨幣、對外經濟政策的重要依據。例如美
國聯邦儲備委員會就要根據概率預測制定貨幣供應量目標。
概率預測的重要性是由客觀經濟環境和該方法自身的功能決定的。要了解經濟活動
的規律性，必須掌握它的過去，進而預計其末來。比如要進行證券投資，就要先熟知整
個經濟及其組成部門的過去、現狀和未來。雖說國民經濟的領域廣闊、關系錯綜復雜，
但從時間序列上看，卻有必然的前後繼承關系。只要掌握了經濟現象的過去變動情況，
就可以依此為依據，加入可能出現的新因素適當調整，就可以預計事物的將來。過去的
經濟活動都反映在大量的統計數字和資料上，根據這些數據，運用概率預測方法，就可
以推算出以後若干時期各種相關的經濟變數狀況。
概率預測方法運用得比較多也比較成功的是對宏觀經濟的短期預測。宏觀經濟短期
預測是指對實際國民生產總值及其增長率、負貨膨脹率、失業率、利息率、個人收入、
個人消費、企業投資、企業利潤及對外貿易差額等指標的下一時期水平或變動率的預測
，其中最重要的是對前三項指標的預測。西方各國實踐這一預測的公司機構很多，他們
使用自己制定的預測技術或構造的計量經濟模型進行預測並定期公布預測數值，預測時
限通常為一年或一年半，概率預測實質上是根據過去和現在推想未來。廣泛搜集經濟領
域的歷史和現時的資料是開展經濟預測的基本條件，善於處理和運用資料又是概率預測
取得效果的必要手段。
十多年來，我國經濟界普遍開展了經濟預測的研究和實踐，並取得了巨大成果。要
使經濟預測具有科學性，需要科學的理論和方法；可靠、及時的資料；精密、捷便的計
算技術；還需要根據對客觀規律性的認識作出正確的分析和判斷。
評價宏觀經濟形勢的相關變數