股票市场大盘指数与宏观经济指标分析.docx
《股票市场大盘指数与宏观经济指标分析.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.docx（20页珍藏版）》请在冰豆网上搜索。
股票市场大盘指数与宏观经济指标分析
计量经济学课程论文
股票市场大盘指数与宏观经济指标分析
专业：
国际经济与贸易双语实验班
学号：
40502017
姓名：
房睿
指导老师：
周游（统计学院）
2007年12月
内容摘要
通过对影响中国股票指数的多个因素分析，总结出货币、经济增长等因素对股票的作用程度，特别是在现在股票市场泡沫严重的中国当代现状提出新的考察对象，可以帮助国家进行政策决定以及股民理性投资。
同时，在计量经济学的学习中学会用模型以及计量分析来做到对实际问题的分析。
关键词：
股票回归计量模型股票指数
问题的提出
从05年5月份开始,股权分置改革全面启动。
因价值回归和股改引发了深沪股市的大幅上涨,股民们在被套多年之后终于看到了曙光,全年股指上涨超过100％。
与股指暴涨同步,广大股民的收益也是不断攀升,开放式基金更是异常火爆。
面对沪深两市历史新高一再被轻松改写的投资格局,我们必须保持清醒的头脑。
07年究竟是广大股民“黄金十年”的开始,抑或是现有股指的“末路狂奔”,本文试图从影响股票指数的几个因素通过建立计量经济模型来进行粗浅的分析。
文献综述
Friedman.M对美国的研究表明，货币供应量和货币流通速度均对股票市场的波动具有较强的解释能力.Huang.R.D和W.A.Kracaw运用News模型对日本的实证研究发现股价与货币供应量之间存在着正向关系,而对利率存在负向关系",Dayananda和WerrYaoKo对台湾的研究发现,股票收益率与利率存在着反向变动关系.而与货币供应量存在着正向关系,但二者关系在统计上并不具有较强的显著性.Mooker.R和QiaoYu对新加坡股市的研究发现,股价与货币供应量之间存在着长期稳定的均衡关系,股价波动先于货币供应量.
李红艳、江涛（2000）的研究结果表明,上世纪90年代中国股票市场价格与货币供应量之间存在长期均衡的协整关系.二者的因果关系中,股市价格主要处于因方地位、货币供应量主要处于果方地位.股票价格对非现金层次的影响要比现金层次大.
周英章、孙崎岖（2002）研究发现,从长期来看,股市价格和货币供应量二者在统计上是高度相关的,股市价格对货币供应量的影响比较显著,而货币供应量对股市价格的推动作用则相对较弱.
孙华妤、马跃（2003）应用动态滚动式的VAR方法,研究结论为各层次的货币供应量对股市都没有影响.
国外学者所作的实证研究大多建立在一个相对完善的金融市场,而我国是一个转轨过程中的发展中国家,股票市场存在时间不长,而且具有市场主体大多为国有等特点,所以在这项课题的研究上,我国学者的研究成果更具有参考价值.然而目前国内学者对股市价格与货币供应量关系的研究基本上是建立在逻辑推理和规范分析之上的,定量分析很少,而且为
数不多的定量分析也是值得商榷的.传统的经济计量方法研究股市价格与货币供应量之间的关系存在着动态的稳定性假设,实际上经济时间序列通常是非平稳的,直接运用变量的水平值研究经济现象间的相关关系容易导致谬误结论.再有就是常用的格兰杰因果检验的滞后期选择具有很大的任意性,而事实上该检验对滞后期的选择非常敏感.国内的学者通常
忽视了这类的问题.
变量的选取和分析
1、货币政策与股票市场关系的理论分析
当中央银行实行扩张性的货币政策时,作为主要中介目标的货币供给量增加,人们所持有的货币量增加.通常在这种情况下,人们会增加非货币资产的持有量.若人们选择购买股
票,那么股票市场便会出现供少于求,股票价格走高.扩张性货币政策刺激经济增加,企业盈利,人们对股票价格上升的预期增强,从而增加股票的持有量,股价被持续拉高.货币供给量的增加便随着利率水平的下降,人们会在无风险资产（现金、银行存款等）和有风险资产（股票等）之间进行资产的再分配，减少无风险资产，增加有风险资产的持有量。
在这样的情况下，股票价格同样会被拉高。
概括地讲，当中央银行实行扩张性货币政策时，股票价格便会出现走高的趋势。
股票价格会通过以下四种渠道影响货币政策的最终目标。
（1）投资渠道。
托宾的“q”理论认为股票价格上涨会使q值提高,即公司市值相对于其资本重置成本提高,若q值大于1
时,公司市值大于重置成本.此时,公司可以较高的价格发行较少的股票,融通更多的资金,扩大投资,进而拉动总需求与产出的扩大,推动经济增长.
（2）财富效用渠道.股价的提高使得持有股票的人们财富增加,进而人们会增加当期和未来消费,从而刺激总需求和产出的增长,推动经济增长.（3）信用渠道.股价上升的,使得企业财富升值,企业借款能力增加,带动了企业投资,总需求和产出扩大,经济增长.（4）流动性渠道.股价上升,人们会认为持有无风险资产的机会成本增加,所以在增加股票等有风险资产的持有量的同时,人们也会增加耐用消费品的支出，拉动总需求和产出,刺激经济增长.
2、股票市场与GDP
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）
（亿元）
（亿股）
（亿元）
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
NullHypothesis:
X2hasaunitroot
Exogenous:
Constant
LagLength:
1（Fixed）
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-0.793380
0.7953
Testcriticalvalues:
1%level
-3.886751
5%level
-3.052169
10%level
-2.666593
*MacKinnon（1996）one-sidedp-values.
Warning:
Probabilitiesandcriticalvaluescalculatedfor20
observationsandmaynotbeaccurateforasamplesizeof17
NullHypothesis:
X3hasaunitroot
Exogenous:
Constant
LagLength:
1（Fixed）
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-0.948939
0.7462
Testcriticalvalues:
1%level
-3.886751
5%level
-3.052169
10%level
-2.666593
*MacKinnon（1996）one-sidedp-values.
Warning:
Probabilitiesandcriticalvaluescalculatedfor20
observationsandmaynotbeaccurateforasamplesizeof17
NullHypothesis:
X4hasaunitroot
Exogenous:
Constant
LagLength:
1（Fixed）
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-0.768060
0.8025
Testcriticalvalues:
1%level
-3.886751
5%level
-3.052169
10%level
-2.666593
*MacKinnon（1996）one-sidedp-values.
Warning:
Probabilitiesandcriticalvaluescalculatedfor20
observationsandmaynotbeaccurateforasamplesizeof17
NullHypothesis:
Yhasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
1（Fixed）
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-1.377097
0.8298
Testcriticalvalues:
1%level
-4.616209
5%level
-3.710482
10%level
-3.297799
*MacKinnon（1996）one-sidedp-values.
Warning:
Probabilitiesandcriticalvaluescalculatedfor20
observationsandmaynotbeaccurateforasamplesizeof17
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
t-Statistic
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：
X1
X2
X3
X4
X1
1
0.7568604748
0.736847770747
0.8669363827
X2
0.7568604748
1
0.994496698257
0.764808778388
X3
0.736847770747
0.994496698257
1
0.745371625885
X4
0.8669363827
0.764808778388
0.745371625885
1
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
X1
X2
X3
X4
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
X3
X4
修正可决系数
X1、X2
0.026251
0.07095
0.956596
t统计量
8.261083
5.628691
X1、X3
0.027339
0.413806
0.952704
t统计量
8.525381
5.268585
X1、X4
0.03385
0.064706
0.877983
t统计量
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
X4
修正可决系数
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
t检验量
6.009311
5.727857
-0.24028
经比较：
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
Probability
0.071927
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
12/072/07Time:
22:
57
Sample:
2005:
052006:
11
Includedobservations:
19
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
491050.8
407620.4
1.204677
0.2498
X1
-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
X2
16.42543
23.64322
0.694721
0.4995
X2^2
0.001169
0.000506
2.308538
0.0381
R-squared
0.532590
Meandependentvar
3586.282
AdjustedR-squared
0.352817
S.D.dependentvar
4334.685
S.E.ofregression
3487.153
Akaikeinf
升级会员 