eviews时间序列预测股票

⑴ 如何用eviews做时间序列模型预测

1、首先建立工作文件，创建并编辑数据。结果如下图所示。

⑵ 用eviews做分析时股票日收盘价需要补齐吗

不需要
这是一个时间序列数据，在右边选择时间的分类，然后输入时间的起始点和中指点，就可以建立一个workflle了
可以试一下二阶或三阶差分，差分后通过单位根检验，判断是否平稳，判断拖尾截尾，确定模型及阶数。实在不能判断的情况下可以初步确定自相关偏自相关几步衰减到0，先拟合ARMA(p，q)，根据回归结果的参数估计能否通过t检验来提出，不合理的变量，多次建模比较R^2,AIC,SC等确定最优模型。

⑶ 如何用eviews进行GARCH模型测股票波动性，要具体步骤

Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。另外Eviews也是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。
GARCH模型是一个专门针对金融数据所量体订做的回归模型，除去和普通回归模型相同的之处，GARCH对误差的方差进行了进一步的建模。特别适用于波动性的分析和预测，这样的分析对投资者的决策能起到非常重要的指导性作用，其意义很多时候超过了对数值本身的分析和预测。
一般的GARCH模型可以表示为：
Y（t）=h（t）^1/2*a（t） ⑴
h（t）=h（t-1）+a（t-1）^2 ⑵
其中ht为条件方差，at为独立同分布的随机变量，ht与at互相独立，at为标准正态分布。⑴式称为条件均值方程；⑵式称为条件方差方程，说明时间序列条件方差的变化特征。为了适应收益率序列经验分布的尖峰厚尾特征，也可假设 服从其他分布，如Bollerslev （1987）假设收益率服从广义t-分布，Nelson（1991）提出的EGARCH模型采用了GED分布等。另外，许多实证研究表明收益率分布不但存在尖峰厚尾特性，而且收益率残差对收益率的影响还存在非对称性。当市场受到负冲击时，股价下跌，收益率的条件方差扩大，导致股价和收益率的波动性更大；反之，股价上升时，波动性减小。股价下跌导致公司的股票价值下降，如果假设公司债务不变，则公司的财务杠杆上升，持有股票的风险提高。因此负冲击对条件方差的这种影响又被称作杠杆效应。由于GARCH模型中，正的和负的冲击对条件方差的影响是对称的，因此GARCH模型不能刻画收益率条件方差波动的非对称性。

⑷ 运用EVIEWS来分析 股票交易日数据（数据就自然不是每天都有），建立workfile选择数据类型是选择什么

dated-structure frequency应选择选择unstructured/undated。