经典计量模型如何应用于金融实践

⑴ 结合经济实例说明建立与应用计量经济学模型的主要步骤

先要取得数据，然后根据公式拟合方程，然后是对方程进行检验（包括统计检验和计量经济学检验），如果有异方差，序列相关，自相关。。。。。。先要剔除，让后再拟合，得到一个好的模型，最后是预测

⑵ 学习计量经济学有什么用，具体的实际的应用领域，我的专业是电子金融

icameisaw:计量的原理很简单。有人比喻经济学家是在看反光镜开车，说透了计量的本质。许多计量出来的结果很好，可信度很高，是百分之九十几，误差也很小，按说这样的结果没有什么问题了。其实这样的结果往往毫无意义。我们来看计量使用的过程：

如果司机开车已经走过的路是一个半圆，而整条路可能"基本上"是圆形，也可能"基本上"是S形，当然还可能有无数其它形状，我们权且就考虑这两种吧。说"基本上"，是因为实际的路不一定就那么标准的圆形或S形，总会有些细微的摆动吧。
如何用计量方法来预测未来的路呢？
首先计量学家看已经走过的路，取出一些点，通过数据回归拟合（所谓回归拟合，无论方法多么复杂吓人，简单形象地说，其实质就在取出的点之间用笔连起来，看看是条什么线，怎么连都可以，原则上优先选择漂亮好看又简单的连线）。根据司机的数据，计量学家很快判断出这些点连线最像半圆（就是取半圆时方差拟合度最高），于是就确定是半圆。
可计量学家的任务不是对司机以前走过的路画线啊，那个是半圆谁都知道，还要你来拟合（笑）？问题是你要告诉我以后该怎么走。
计量学家在连线时，也看到了以前的路围绕半圆的摆动情况。计量学家首先要假设这个摆动服从的是高斯分布还是其它分布。什么是分布呢？就是一套一套既定的误差偏离规律。一旦分布定，那么你偏离正轨多少，就必定对应着你这个越轨行为的可能性是多少。对应关系有很多套，可以选择最像的那套，但是不选择就不行，你要说一套都不像，或者说现在虽然有点像，但是以后不一定还像，那我们的计量学家就会哭的。
好了，计量学家根据以前的数据选好了一套分布，并天真地假设司机以后要走的路也服从这个分布。换句话说，以后的路可以胡来，但是必须要按照计量学家那个分布的规定胡来。这样，计量学家就可以预测未来的路怎么走了。
但是要注意，确定了分布，还完全没有未来的路将向何方的任何信息。分布好比是毛，未来的路是皮。毛有了，没有皮的话，毛也不知道该附在哪里。
但是计量学家会根据自己的爱好，得出路是圆形的结论。读者要迷惑的问了，他怎么判断就不是S形的？我可以很负责任的告诉大家：任何计量学家都不能判断未来的路是圆形还是S形。假使还有其它前半截是半圆，后半截是任意稀奇古怪形状的无数多路，他们也没有任何办法选出或者排除其中一条。
他们只能随便地选出一个好分析比较容易偷懒的圆（如果说有判断标准，偷懒是唯一的标准），认为路就是圆形。OK,函数形式现在选择结束.下面进行第二步.
先前不是已经得到分布了吗？那个分布就被认为是整个路程围绕现在这个圆形摆动的情况——注意，是围绕圆形摆动的情况.当然倘若先前认为路是S形的话，那个分布就是整个路程围绕S形摆动的情况。
一切OK。现在只要你指出未来路程的任何一个方向，我们的计量学家就可以根据圆形周围的既定分布，计算出这个方向偏离圆形的可能性。
于是就可以对未来进行预测了。

可是老天，司机睁开眼，看见前面分明是S形的路，或者其他乱七八糟的路,要按计量学家指出的圆形开车，非翻车不可！ 那个什么可信度没有半点用处.
我们要问了,整个过程中，计量学家计算出来的拟合度都很高，可信度很高，偏差都很小。综合整个过程，为什么事实上一点都不"可信"呢？
大家看出来了，所谓可信度、拟合度这些东西，都是既有数据与假设模型之间相似程度的量度，与未来的数据会怎么样毫不搭界。计量中预测未来的数据误差分布，是在假设分布的基础上，计算出的与假设模型的偏差。如果未来数据的实际分布不是假设分布，或者实际模型不是假设模型，则计算出来的数据再好，也不过是假设，根本就不能反映实际问题。所以完美的数据不过是游戏而已。 别看数字一大堆挺吓人，说它是占星术一点也不冤枉
。

计量的作用有三个，一个是用计量检验已有模型；一个是用计量把已有的数据乱拼，不定能侥幸找到什么规律，然后还是需要另找理论证明此规律。典型的如元素周期表的发现。门捷列夫把元素位置乱排,事实上就是跟计量中乱选函数一样。他真幸运，瞎猫碰上死耗子，睡梦里面碰上了一个。最后一个作用是根本就没有理论时，计量可以生造个模型出来，虽然不可信，但聊胜于无，作个心理安慰。

以上关于计量的1500来字，应当把计量最本质的东西展现给大家了。所有的计量学都不会更高明，那些所谓的协整理论之类吹的神乎其神，好象真的能从计量本身搞出什么能自证的规律出来似的，都是瞎胡闹。

总之，没有理论的指导，计量就没有意义。

⑶ FRM干货：常用的金融风险的模型有哪些

金融市场的一项主要功能实际上是允许经济界的不同参与者交易其风险，而近二十年来，由于受经济全球化和金融一体化、现代金融理论及信息技术、金融创新等因素的影响，全球金融市场迅猛发展，金融市场呈现出前所未有的波动性，金融机构面临着日趋严重的金融风险。
近年来频繁发生的金融危机造成的严重后果充分说明了这一点。

一、波动性方法
自从1952年Markowitz提出了基于方差为风险的*3资产组合选择理论后，方差（均方差）就成了一种极具影响力的经典的金融风险度量。方差计算简便，易于使用，而且已经有了相当成熟的理论。当然，波动性方法也存在以下缺点：
（1）把收益高于均值部分的偏差也计入风险，这可能大家很难接受；
（2）以收益均值作为回报基准，也与事实不符；
（3）只考虑平均偏差，不适合用来描述小概率事件发生所导致的巨大损失，而金融市场中的“稀少事件”产生的极端风险才是金融风险的真正所在。
二、VaR模型（Value at Risk）
风险价值模型产生于1994年，比较正规的定义是：在正常市场条件下和一定的置信水平a上，测算出在给定的时间段内预期发生的最坏情况的损失大小X。在数学上的严格定义如下：设X是描述证券组合损失的随机变量，F(x)是其概率分布函数，置信水平为a，则：VaR(a)=-inf{x|F(x)≥a}。该模型在证券组合损失X符合正态分布，组合中的证券数量不发生变化时，可以比较有效的控制组合的风险。
因此，2001年的巴塞耳委员会指定VaR模型作为银行标准的风险度量工具。但是VaR模型只关心超过VaR值的频率，而不关心超过VaR值的损失分布情况，且在处理损失符合非正态分布（如厚尾现象）及投资组合发生改变时表现不稳定。
三、灵敏度分析法
灵敏度方法是对风险的线性度量，它测定市场因子的变化与证券组合价值变化的关系。对于市场因子的特定变化量，通过这关系种变化关系可得到证券组合价值的变化量。针对不同的金融产品有不同的灵敏度。比如：在固定收入市场的久期，在股票市场的“β”，在衍生工具市场“δ”等。灵敏度方法由于其简单直观而得到广泛的应用但是它有如下的缺陷：
（1）只有在市场因子变化很小时，这种近似关系才与现实相符，是一种局部性测量方法；
（2）对产品类型的高度依赖性；
（3）不稳定性。如股票的“贝塔”系数存在不稳定的缺陷，用其衡量风险，有很大的争议；
（4）相对性。敏感度只是相对的比例概念，并没有回答损失到底有多大。
四、一致性风险度量模型（Coherentmeasure of risk）
Artzner et al.（1997）提出了一致性风险度量模型，认为一个完美的风险度量模型必须满足下面的约束条件：
（1）单调性；
（2）次可加性；
（3）正齐次性；
（4）平移不变性。
次可加性条件保证了组合的风险小于等于构成组合的每个部分风险的和，这一条件与我们进行分散性投资可以降低非系统风险相一致，是一个风险度量模型应具有的重要的属性，在实际中如银行的资本金确定和*3化组合确定中也具有重要的意义。目前一致性风险度量模型有：
（1）CVaR模型（Condition Value at Risk）：条件风险价值（CVaR）模型是指在正常市场条件下和一定的置信水平a上，测算出在给定的时间段内损失超过VaRa的条件期望值。CVaR模型在一定程度上克服了VaR模型的缺点不仅考虑了超过VaR值的频率，而且考虑了超过VaR值损失的条件期望，有效的改善了VaR模型在处理损失分布的后尾现象时存在的问题。当证券组合损失的密度函数是连续函数时，CVaR模型是一个一致性风险度量模型，具有次可加性，但当证券组合损失的密度函数不是连续函数时，CVaR模型不再是一致性风险度量模型，即CVaR模型不是广义的一致性风险度量模型，需要进行一定的改进。
（2）ES模型（Expected Shortfall）：ES模型是在CVaR基础上的改进版，它是一致性风险度量模型。如果损失X的密度函数是连续的，则ES模型的结果与CVaR模型的结果相同；如果损失X的密度函数是不连续的，则两个模型计算出来的结果有一定差异。
（3）DRM模型（Distortion Risk-Measure）：DRM通过一个测度变换得到一类新的风险度量指标。DRM模型包含了诸如VaR、CVaR等风险度量指标，它是一类更广义的风险度量指标。
（4）谱风险测度：2002年，Acerbi对ES进行了推广，提出了谱风险测度（Spectral Risk Measure）的概念，并证明了它是一致性风险度量。但是该测度实际计算的难度很大，维数过高时，即使转化成线性规划问题，计算也相当困难。
五、信息熵方法
由不确定性把信息熵与风险联系在一起引起了众多学者的研究兴趣，例如Maasoumi，Ebrahim，Massoumi and Racine，Reesor.R等分别从熵的不同角度考虑了风险的度量，熵是关于概率的一个单调函数，非负，计算量相对较少，熵越大风险越大。
六、未来的发展趋势
近年来行为金融学逐渐兴起，它将心理学的研究成果引入到标准金融理论的研究，弥补了标准金融理论中存在的一些缺陷，将投资心理纳入到证券投资风险度量，提出了两者基于行为金融的认知风险度量方法，并讨论了认知风险与传统度量方差的关系。2004年Murali Rao给出一种新的不确定性度量--累积剩余熵。累积剩余熵是用分布函数替换了Shannon熵的概率分布律或密度函数，它具有一些良好的数学性质，这个定义推广了Shannon熵的概念让离散随机变量和连续随机变量的熵合二为一，也许会将风险度量的研究推向一个新的台阶。
总之，金融风险的度量对资产投资组合、资产业绩评价、风险控制等方面有着十分重要的意义。针对不同的风险源、风险管理目标，产生了不同的风险度量方法，它们各有利弊，反映了风险的不同特征和不同侧面。在风险管理的实践中，只有综合不同的风险度量方法，从各个不同的角度去度量风险，才能更好地识别和控制风险，这也是未来风险度量的发展趋势。

⑷ 计量经济学模型主要有哪些应用领域，各自的原理是什么

计量经济学模型的应用大体可以概括为四个方面：
1结构分析，即研究一个或几个经济变量发生变化及结构参数的变动对其他变量以致整个经济系统产生何种影响。其原理是弹性分析、乘数分析与比较静态分析；
2经济预测，即用其进行中短期经济的因果预测。其原理是模拟历史，从已经发生的经济活动中找出变化规律；
3政策评价，即利用计量经济模型定量分析政策变量变化对经济系统运行的影响，是对不同政策执行情况的模拟仿真；
4检验与发展经济理论，即利用时机的统计资料和计量经济学模型实证分析某个理论假说正确与否。其原理是如果按照某种经济理论建立的计量经济模型能够很好地拟合实际观察数据，则意味着该理论是符合客观事实的，反之则表明该理论不能解释客观事实。

⑸ 学到的金融专业理论如何应用于实践

最好是结合各个市场进行实战分析。
宏观经济学、微观经济学你可以上网看那些股评，很综合，从根源去理解他为什么这样推理，然后学会自己分析，然后可以开个模拟炒股来检验下自己分析的精准程度。
国际金融学类的多关注外汇市场动向
公司金融要 结合财务报表分析，有兴趣的可以扒一扒上市公司的年报，自己分析分析然后参照名家的看法，慢慢学会运用，结合股票。典型的有专门研究高送转公司，收购并购重组预期等。
固定收益证券和金融工程的方面的要结合统计和计量经济学Eviews或者STATA软件进行建模、统计、检验、修正，数据来源与债券市场等，模型完善后实用性很强。
好了，上面讲的是投资学的部分；下面是货币银行学的部分。
货币银行学要结合上面说的国际金融学，通过对外汇市场的观察和分析来获得经验。
总的来说金融类要求的综合性非常强，通过一些触手可及的市场能非常有效的帮助理解和提升对金融的兴趣。
本人也是金融类学生，已接触过所有能接触过的投资工具，亲测很受用。

⑹ 计量经济学都有哪些模型啊，具体怎样运用

#计量经济学的定义
计量经济学是以一定的经济理论和统计资料为基础，运用数学、统计学方法与电脑技术，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系。主要内容包括理论计量经济学和应用经济计量学。

#计量经济学的研究步骤和方法
确定变量和数学关系式-模型设定；分析变量间具体的数量关系-估计参数；检验所得结论的可靠性-模型检验；经济分析和预测-模型应用

#分布滞后模型估计的困难有哪几个
A．自由度问题。自由度过分损失，到时估计偏差增大，显着性检验失效。
B．多重共线性问题。滞后变量常存在多重共线性。
C．滞后长度难以确定。

#工具变量法
1．与所代替的解释变量高度相关
2．与随机扰动项不相关
3．与其他解释变量不相关，以免出现多重共线性

#虚拟变量的基本概念
虚拟变量是人工构造的取值为0和1的作为属性变量代表的变量

#联立方程模型的区别
A．联立方程组模型由几个单一方程组成。被解释变量不只一个。
B．模型里有随机方程，也有确定性方程，但必含有随机方程。
C．被解释变量和解释变量之间不仅是单向因果关系，也可能互为因果。
D．解释变量可能与随机扰动项相关。

#非完全多重共线性后果：
1.参数估计量方差增大
2.对参数区间估计时，置信区间趋于变大
3.严重时，假设检验容易作出错误判断
4.严重时，可能r2较大和f检验显着性高，但t检验可能不显着，得出错误结论

#多重共线性检验：
1．简单相关系数检验
2．方差扩大因子法
3．直观判断，如回归系数标准差大，或与经济理论背离
4．逐步回归法

#自相关：
经济系统的惯性。经济活动滞后效应。数据处理造成的相关。蛛网现象。模型设定偏误。零均值，低估参数估计值的方差，对模型预测的影响，高估t，f，r2不可靠，对模型影响，降低预测精度。

#异方差：
模型中省略某些重要解释变量。模型设定误差。测量误差的变化。截面数据中总体各单位的差异。无偏，一致，非有效，夸大估计参数的统计显着性，对预测影响，Y的预测非有效。

⑺ 计量经济模型有哪些用途

1、结构分析是对经济现象中变量之间相互关系的研究。它研究的是当一个变量或几个变量发生变化时会对其它变量以至经济系统产生什么样的影响。

2、经济预测：计量经济学模型，是从经济预测，特别是短期预测而发展起来的。50年代与60年代的成功应用。70年代以来人们对计量经济学模型预测功能的置疑。

3、政策评价：政策评价是指从许多不同的经济政策中选择较好的政策予以实行，或者说是研究不同的经济政策对经济目标所产生的影响的差异。

4、检验与发展经济理论：

(1)检验理论：按照某种理论去建立模型，然后用表现已经发生的经济活动的样本数据去拟合，如果拟合很好，则这种理论得到了检验。

(2)发现和发展理论：用表现已经发生的经济活动的样本数据去拟合各种模型，拟合得最好的模型所表现出来的

(7)经典计量模型如何应用于金融实践扩展阅读

计量经济模型包括一个或一个以上的随机方程式，它简洁有效地描述、概括某个真实经济系统的数量特征，更深刻地揭示出该经济系统的数量变化规律。是由系统或方程组成，方程由变量和系数组成。其中，系统也是由方程组成。

计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。

广义地说，一切包括经济、数学、统计三者的模型；

狭义地说，仅只用参数估计和假设检验的数理统计方法研究经验数据的模型。

⑻ 如何正确运用计量经济模型进行实证分析

首先，你要了解你所选择的数据的经济含义，数据之间的经济联系。然后，再去寻找相应数据。数据找好之后，要在经济含义的基础上选择适合的模型进行拟合。
要观察拟合的结果，是否与经济实质相悖，如果相悖，便要调整模型的结构。如果结果符合经济含义，便需要进行一些检验，来看是否数据适合此模型的拟合。

⑼ 经济计量学对于金融学的重要程度

要看你读什么方向了，比如产业经济学之类的，用处不是太大，但如果是金融工程之类的方向，那就有大大的用处了。

⑽ 计量经济模型

计量经济模型。所谓计量经济模型，就是表示经济现象及其主要因素之间数量
关系的方程式。经济现象之间的关系大属于相关或函数关系，建立计量经济模型并进行
运算，就可以探寻经济变量间的平衡关系，分析影响平衡的各种因素。
计量经济模型主要有经济变量、参数以及随机误差三大要素。经济变量是反映经济
变动情况的量，分为自变量和因变量。而计量经济模型中的变量则可分为内生变量和外
生变量两种。内生变量是指由模型本身加以说明的变量，它们是模型方程式中的来知数
，其数值可由方程式求解获得；外生变量则是指不能由模型本身加以说—8j的量，它们
是方程式中的已知数，其数值不是由模型本身的方程式算得，而是由模型以外的因素产
生。计量经济模型的第二大要素是参数。参数是用以求出其他变量的常数。参数一般反
映出事物之间相对稳定的比例关系。在分析某种自变量的变动引起因变量的数值变化时
，通常假定其他自变量保持不变，这种不变的白变量就是所说的参数。计量经济模型的
第二个要素是随机误差。这是指那些很难预知的随机产生的差错，以及经济资料在统计
、整理和综合过程中所出现的差错。可正可负，或大或小，最终正负误差可以抵消，因
而通常忽略不计。
为证券投资而进行宏观经济分析，主要应运用宏观计量经济模型。所谓宏观计量经
济模型是指在宏观总量水平上把握和反映经济运动的较全面的动态特征，研究宏观经济
主要指标间的相互依存关系，描述国民经济各部门和社会再生产过程各环节之间的联系
，并可用于宏观经济结构分析、政策模拟、决策研究以及发展预测等功能的计量经济模
型。
在运用计量经济模型分析宏观经济形势时，除了要充分发挥模型的独特优势，挖掘
其潜力为我所用之外，还要注意模型的潜在变量被忽略、变量的滞后长度难确定以及引
入非经济方面的变量过多等问题，以充分发挥这一分析方法的优越性。
(3)概率预测。某随机事件发生的可能性大小称为该事件发生的概率，概率论则是一
门研究随机现象的数量规律的学科。目前，越来越多的概率论方法被运用于经济、金融
和管理科学，概率论成为它们的有力工具。
概率论方法也在宏观经济分析中找到了用武之地。比如用计量经济模型进行预测时
，就要给出以一定的概率处于一个区间的随机量。
在宏观经济分析中引入概率论的方法进行预测，西方国家早在20世纪初期即已开始
，但到二战后才开始蓬勃发展。这主要是由于政府调节经济、制定改革措施的迫切需要
。各种宏观经济预测实践都是政府制定财政、货币、对外经济政策的重要依据。例如美
国联邦储备委员会就要根据概率预测制定货币供应量目标。
概率预测的重要性是由客观经济环境和该方法自身的功能决定的。要了解经济活动
的规律性，必须掌握它的过去，进而预计其末来。比如要进行证券投资，就要先熟知整
个经济及其组成部门的过去、现状和未来。虽说国民经济的领域广阔、关系错综复杂，
但从时间序列上看，却有必然的前后继承关系。只要掌握了经济现象的过去变动情况，
就可以依此为依据，加入可能出现的新因素适当调整，就可以预计事物的将来。过去的
经济活动都反映在大量的统计数字和资料上，根据这些数据，运用概率预测方法，就可
以推算出以后若干时期各种相关的经济变量状况。
概率预测方法运用得比较多也比较成功的是对宏观经济的短期预测。宏观经济短期
预测是指对实际国民生产总值及其增长率、负货膨胀率、失业率、利息率、个人收入、
个人消费、企业投资、企业利润及对外贸易差额等指标的下一时期水平或变动率的预测
，其中最重要的是对前三项指标的预测。西方各国实践这一预测的公司机构很多，他们
使用自己制定的预测技术或构造的计量经济模型进行预测并定期公布预测数值，预测时
限通常为一年或一年半，概率预测实质上是根据过去和现在推想未来。广泛搜集经济领
域的历史和现时的资料是开展经济预测的基本条件，善于处理和运用资料又是概率预测
取得效果的必要手段。
十多年来，我国经济界普遍开展了经济预测的研究和实践，并取得了巨大成果。要
使经济预测具有科学性，需要科学的理论和方法；可靠、及时的资料；精密、捷便的计
算技术；还需要根据对客观规律性的认识作出正确的分析和判断。
评价宏观经济形势的相关变量