股票市场大盘指数与宏观经济指标分析Word文件下载.docx

股票市场大盘指数与宏观经济指标分析Word文件下载.docx

《股票市场大盘指数与宏观经济指标分析Word文件下载.docx》由会员分享，可在线阅读，更多相关《股票市场大盘指数与宏观经济指标分析Word文件下载.docx（20页珍藏版）》请在冰豆网上搜索。

从经济学的角度看GDP是实体经济，而股市是由GDP派生出来的虚拟经济，后者依赖前者而生存，而前者对后者有决定性的影响。

从数学观点看GDP是母体，而股市是这个母体派生瓶中，它具有母体的一些主要特征，但是派生物也有其与母体不同的个性。

在国外,大盘指数与GDP的长期相关性较高。

我国由于种种原因,前些年二者的相关性不是很高,但近两年二者的相关性逐步提高。

随着证券市场的市场化程度的提高和国有企业改革的深入,指数与GDP的相关性将会进一步提高,这是一个长期的必然趋势。

因此,指数的成功也就离不开经济的增长。

而指数化投资的成功依赖于两点：

一是市场有效性的不断提高,利润的平均化进程加快；

另外一点就是宏观经济的长期向好。

3、股票市场成交量和成交额

成交量是指某一特定时期内（报纸公布的是前一日一个交易日的），在交易所交易市场成交的某种股票的数量，其单位某种股票的的股数计算。

成交额是指某一特定时期内（同上），在交易所交易市场成交的某种股票的金额，其单位以人民币“元”计算。

这两个概念其实是一码事，只是表现形式不同，我们可以将买者买进股票算成交金额，卖者卖出股票成交数量。

这两个数字大，说明股票交易活跃，换手率大，如数字小，说明交易平淡。

成交量和成交额水平代表了价格运动背后多空双方竞争的激烈程度，它能帮助图表分析师很好的估量多空双方的实力。

因此带有巨大成交量的交易时段往往代表着重要的意义。

并且这两者与股票市场的大盘指数高度相关。

数据及处理

上证收盘综合指数_当月数

货币（M1）_月末数

上交所股票成交额_当月数

上交所股票成交量_当月数

工业企业增加值（当年价格）_当月

（-）

（亿元）

（亿股）

2005-05

1060.74

95801.30

876.84

181.13

5701.57

2005-06

1080.94

98601.25

1837.25

386.29

6191.38

2005-07

1083.03

97663.11

1316.76

306.37

5810.95

2005-08

1162.80

99377.70

2815.36

636.46

5967.51

2005-09

1155.61

100964.00

2514.13

546.07

6275

2005-10

1092.82

101751.98

1279.61

267.46

6319.93

2005-11

1099.26

104125.78

1352.75

314.91

6590.16

2005-12

1161.06

107278.57

1358.29

296.67

6712.43

2006-01

1258.05

107250.68

2218.59

451.80

5639.61

2006-02

1299.03

104357.08

2295.47

466.72

5473.1

2006-03

1298.30

106737.08

2498.09

502.85

6679.7

2006-04

1440.22

106389.11

4359.60

826.15

6819.8

2006-05

1641.30

109219.22

6690.44

1156.36

7059.9

2006-06

1672.21

112342.40

5585.01

985.98

7817.8

2006-07

1612.73

112653.04

5018.81

857.61

7199.8

2006-08

1658.64

114845.67

3424.46

631.75

7355.5

2006-09

1752.42

116814.10

4272.24

782.44

7754.1

2006-10

1837.99

118359.96

4325.52

802.11

7601.37

2006-11

2099.29

121644.95

6883.92

1193.35

7936.3

1、数据来源于中国证监会网站和中经网数据中心。

2、经过多次建立模型和回归分析后，发现M1与股票市场相关度最高，最能说明股市的变动，故用M1代表货币供给量。

3、从2004年开始，我国GDP值经过修正，与以前的数值不能相对比较，且国家统计局只公布季度数据。

经过众多文献查阅，均以工业企业增加值代表GDP值的变动，故用工业企业的增加值替代GDP的增加。

模型及处理

设Y是上证收盘综合指数，X1货币供给量（M1）,X2是上交所股票成交额，X3是上交所股票成交量，X4是工业企业增加值。

建立多元线性回归方程为：

Y=β0+β1X1+β2X2+β3X3+β4X4+ut

时间序列的平稳性检验

因为选用的数据是时间序列，首先对序列进行平稳性检验。

对各单个序列x1.x2.x3.x4.y画图如下：

通过分析图形，我们选择对x1.y两个序列进行带趋势和截距项的ADF检验，对其他x2.x3.x4序列进行ADF检验。

检验结果如下：

NullHypothesis:

X1hasaunitroot

Exogenous:

Constant,LinearTrend

LagLength:

1（Fixed）

t-Statistic

Prob.*

AugmentedDickey-Fullerteststatistic

-1.524383

0.7794

Testcriticalvalues:

1%level

-4.616209

5%level

-3.710482

10%level

-3.297799

*MacKinnon（1996）one-sidedp-values.

Warning:

Probabilitiesandcriticalvaluescalculatedfor20

observationsandmaynotbeaccurateforasamplesizeof17

X2hasaunitroot

Constant

-0.793380

0.7953

-3.886751

-3.052169

-2.666593

X3hasaunitroot

-0.948939

0.7462

X4hasaunitroot

-0.768060

0.8025

Yhasaunitroot

-1.377097

0.8298

因为各序列t统计量都比三个临界值大，故他们都没有单位根，都是平稳的，故整个方程也是平稳的。

最小二乘法回归

用Eviews回归分析后得：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/06/07Time:

22:

07

Sample:

2005:

052006:

11

Includedobservations:

19

Variable

Coefficient

Std.Error

Prob.

C

-1608.833

357.0081

-4.506433

0.0005

X1

0.026774

0.004646

5.762503

0.0000

X2

0.109945

0.089594

1.227148

0.2400

X3

-0.227622

0.531447

-0.428306

0.6749

X4

-0.012146

0.044458

-0.273202

0.7887

R-squared

0.962064

Meandependentvar

1392.971

AdjustedR-squared

0.951225

S.D.dependentvar

313.2388

S.E.ofregression

69.17895

Akaikeinfocriterion

11.53220

Sumsquaredresid

67000.18

Schwarzcriterion

11.78074

Loglikelihood

-104.5559

F-statistic

88.76049

Durbin-Watsonstat

0.916004

Prob（F-statistic）

0.000000

由上表可见：

模型的可决系数和修正可决系数很高，F检验也很显著，但是X2、X3、X4的t检验不显著，且X3和X4的系数符号与与其相反，这表明可能存在比较严重的多重共线性。

计算各解释变量间的相关系数得：

1

0.7568604748

0.736847770747

0.8669363827

0.994496698257

0.764808778388

0.745371625885

由简单相关系数检验法知：

X2与X3之间、X1与X4之间的相关系数均大于0.8，说明的确存在严重的多重共线性。

多重共线性的修正

使用逐步回归法，分别作Y对X1、X2、X3、X4的一元回归，得：

变量

参数估计值

0.039789

0.149764

0.907201

0.341888

t统计量

11.43923

8.166091

7.48036

6.821403

可决系数R2

0.885023

0.796857

0.766982

0.732416

修正可决系数

0.87826

0.784908

0.753275

0.716676

可见：

X1的

=0.87826最大，所以以X1为基础，谁次加入其它变量逐步回归，得：

X1、X2

0.026251

0.07095

0.956596

8.261083

5.628691

X1、X3

0.027339

0.413806

0.952704

8.525381

5.268585

X1、X4

0.03385

0.064706

0.877983

4.845002

0.980523

经比较：

新加入X2后修正可决系数最显著，且t检验也显著。

所以再以X1、X2为基础，顺次加入其它变量，得：

X1、X2、X3

0.025927

0.106368

-0.21386

0.954234

t检验量

7.73005

1.238929

-0.4173

X1、X2、X4

0.02699

0.072055

-0.01034

0.95388

6.009311

5.727857

-0.24028

加入X3和X4后修正可决系数并未显著提高，更糟糕的是两者的参数估计值符号为负，违背经济意义，且t检验也通不过。

综上对多重共线性的修正：

X3和X4的引入会带来严重的多重共线性，必须删除。

则剔除后解释为X1、X2。

异方差的修正

经过剔除变量后，模型变为：

Y=β0+β1X1+β2X2+ut

使用White检验，得：

WhiteHeteroskedasticityTest:

F-statistic

2.962571

Probability

0.053187

Obs*R-squared

10.11921

0.071927

TestEquation:

RESID^2

12/072/07Time:

57

491050.8

407620.4

1.204677

0.2498

-9.800629

8.238866

-1.189560

0.2555

X1^2

5.04E-05

4.17E-05

1.209387

0.2480

X1*X2

-0.000247

0.000246

-1.006582

0.3325

16.42543

23.64322

0.694721

0.4995

X2^2

0.001169

0.000506

2.308538

0.0381

0.532590

3586.282

0.352817

4334.685

3487.153

Akaikeinf