eviews時間序列預測股票

⑴ 如何用eviews做時間序列模型預測

1、首先建立工作文件，創建並編輯數據。結果如下圖所示。

⑵ 用eviews做分析時股票日收盤價需要補齊嗎

不需要
這是一個時間序列數據，在右邊選擇時間的分類，然後輸入時間的起始點和中指點，就可以建立一個workflle了
可以試一下二階或三階差分，差分後通過單位根檢驗，判斷是否平穩，判斷拖尾截尾，確定模型及階數。實在不能判斷的情況下可以初步確定自相關偏自相關幾步衰減到0，先擬合ARMA(p，q)，根據回歸結果的參數估計能否通過t檢驗來提出，不合理的變數，多次建模比較R^2,AIC,SC等確定最優模型。

⑶ 如何用eviews進行GARCH模型測股票波動性，要具體步驟

Eviews是Econometrics Views的縮寫，直譯為計量經濟學觀察，通常稱為計量經濟學軟體包。它的本意是對社會經濟關系與經濟活動的數量規律，採用計量經濟學方法與技術進行「觀察」。另外Eviews也是美國QMS公司研製的在Windows下專門從事數據分析、回歸分析和預測的工具。使用Eviews可以迅速地從數據中尋找出統計關系，並用得到的關系去預測數據的未來值。Eviews的應用范圍包括：科學實驗數據分析與評估、金融分析、宏觀經濟預測、模擬、銷售預測和成本分析等。
GARCH模型是一個專門針對金融數據所量體訂做的回歸模型，除去和普通回歸模型相同的之處，GARCH對誤差的方差進行了進一步的建模。特別適用於波動性的分析和預測，這樣的分析對投資者的決策能起到非常重要的指導性作用，其意義很多時候超過了對數值本身的分析和預測。
一般的GARCH模型可以表示為：
Y（t）=h（t）^1/2*a（t） ⑴
h（t）=h（t-1）+a（t-1）^2 ⑵
其中ht為條件方差，at為獨立同分布的隨機變數，ht與at互相獨立，at為標准正態分布。⑴式稱為條件均值方程；⑵式稱為條件方差方程，說明時間序列條件方差的變化特徵。為了適應收益率序列經驗分布的尖峰厚尾特徵，也可假設 服從其他分布，如Bollerslev （1987）假設收益率服從廣義t-分布，Nelson（1991）提出的EGARCH模型採用了GED分布等。另外，許多實證研究表明收益率分布不但存在尖峰厚尾特性，而且收益率殘差對收益率的影響還存在非對稱性。當市場受到負沖擊時，股價下跌，收益率的條件方差擴大，導致股價和收益率的波動性更大；反之，股價上升時，波動性減小。股價下跌導致公司的股票價值下降，如果假設公司債務不變，則公司的財務杠桿上升，持有股票的風險提高。因此負沖擊對條件方差的這種影響又被稱作杠桿效應。由於GARCH模型中，正的和負的沖擊對條件方差的影響是對稱的，因此GARCH模型不能刻畫收益率條件方差波動的非對稱性。

⑷ 運用EVIEWS來分析 股票交易日數據（數據就自然不是每天都有），建立workfile選擇數據類型是選擇什麼

dated-structure frequency應選擇選擇unstructured/undated。