对股票指数与宏观经济关系分析报告.docx
《对股票指数与宏观经济关系分析报告.docx》由会员分享，可在线阅读，更多相关《对股票指数与宏观经济关系分析报告.docx（20页珍藏版）》请在冰点文库上搜索。
对股票指数与宏观经济关系分析报告
对股票指数与宏观经济关系分析
1、研究目的
通过研究股票指数走势与宏观经济变化间的变化关系，建立理论模型，来探讨国股票市场与宏观经济的关系，从而为未来经济决策、以及对股票市场走势的判断和预测提供理论依据。
2、背景介绍
自1992年沪、深两市证券交易所成立以来，无论从股票市值总值、流通市值，还是从成交金额等指标来看，中国股票市场都取得了长足的发展。
至2006年3月1日，证券交易所股票市价总值达到24821.54亿元，流通市值7321亿元，成交金额144.47亿元；与此同时，证券交易所股票市价总值、流通市值和成交金额分别达到10296.91亿元、4482.56亿元和64.82亿元。
中国股票市场在宏观经济运行中的作用得到空前提高。
但是，自2006年6月起后的一段时间，无论是上证指数还是深证指数，都发生了与宏观经济持续增长相背离的局面。
沪、深两市综合指数分别从2001年6月2218点和658点降至2006年1月的1258点和307点。
与此同时，宏观经济却保持高速增长。
2001年至2005年，中国的GDP增长率分别是8.3%、9.1%、10.0%、10.1%和9.9%。
根据宏观经济的一般规律，股票市场是经济发展的“晴雨表”。
经济总量的上升将导致更多的资金为了追逐良好的经济收益，进入股票市场，支持股票市场不断走强，从而出现股票指数不断攀升的情况。
然而，中国市场的股票指数走势和宏观经济的发展并不总是保持相同的变化方向，反而出现了相背离现象。
那么，中国股票指数与宏观经济之间是否存在关系成了人们感兴趣的问题。
如果股票指数与宏观经济之间存在关系，那么这种关系是什么，是否遵循宏观经济的一般规律----股票市场是经济发展的“晴雨表”，还是“晴雨表”已经失效。
这就是本研究要解决的问题。
3、指标设计
在指标设计方面，根据实际需要经行选择。
宏观经济学的研究对象是国民经济中的总量关系，国生产总值（GDP）是一个国家围一定时期所生产的最终产品和劳务的市场总价值，因而是最具有代表性的经济总量的指标，所以选择与宏观经济联系密切的GDP进行分析。
对于股票指数的选择，由于我国沪、深两市在实际经济中的表现有时并不一致，所以分别选取股票市场最具代表性的股票指数：
上证综合指数和深证综合指数和沪深300指数作为股票价格的代表。
本研究所采用的GDP数据来自国家统计局，上证综合指数、深证综合指数和沪深300指数的数据来自搜狐财经。
我国沪、深两市交易所成立于二十世纪就是年代初，至今发展二十余年，样本数据不够多，所以上证指数、深证指数和GDP均采用月度数据，样本区间为1995年1月至2013年12月，样本量为228。
考虑到沪深300指数于2005年4月才开始发布，我们选取的样本区间是2006年1月至2013年11月，样本量为95。
由于国家统计局公布的GDP数据为年度或季度数据，没有月度数据，所以利用Eviews5.0将GDP季度数据转化为月度数据。
（1）国生产总值（GDP）
国生产总值是指在一定时期，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。
它不但可反映一个国家的经济表现，还可以反映一国的国力与财富。
所以它能作为一个国家宏观经济的代表。
（2）上证指数（SHSCI）
上证指数即“上证综合指数”-（证券综合指数），“证券综合指数”是证券交易所编制的，以证券交易所挂牌上市的全部股票为计算围，以发行量为权数综合。
上证综指反映了证券交易市场的总体走势。
（3）深证指数（SZSCI）
深证指数是指由证券交易所编制的股价指数，该股票指数的计算方法基本与上证指数相同，其样本为所有在证券交易所挂牌上市的股票，权数为股票的总股本。
由于以所有挂牌的上市公司为样本，其代表性非常广泛，且它与股市的行情同步发布，它是股民和证券从业人员研判股市股票价格变化趋势必不可少的参考依据。
（4）沪深300（HS300）
沪深300指数是由和证券市场中选取300支A股作为样本，其中沪市有179支,深市121支。
沪深300指数反映中国证券市场股票价格变动的概貌和运行状况，并能够作为投资业绩的评价标准，为指数化投资和指数衍生产品创新提供基础条件。
4、描述分析
图一GDP序列图
图二上证指数、深证指数和沪深300序列图
描述统计量
N
极小值
极大值
均值
标准差
方差
GDP
228
7419.49
637328.60
131628.9249
125188.10294
1.567E10
SHSCI
228
537.35
5954.77
1905.6618
943.38803
889980.980
SZSCI
228
109.15
1532.67
617.0180
349.34203
122039.854
HS300
95
1009.60
5688.54
2788.7551
964.33793
929947.643
有效的N（列表状态）
95
5、统计分析
（1）数据调整
对数据进行相应的调整，以消除季节等因素对分析的影响。
对于GDP序列，先采用X11方法消除季节性，然后用Holter-Winter非季节模型进行平滑。
对于上证指数（SHSCI）、深证指数（SZSCI）和沪深300（HS300），采用Holter-Winter非季节模型进行平滑。
以下分别是GDP序列、SHSCI序列、SZSCI和HS300序列调整前后的序列图：
图三对数GDP和调整后的对数GDP序列图
图四对数上证指数及调整后的上证指数对数序列图
图五对数深证指数及调整后的深证指数对数序列
图六对数沪深300及调整后的沪深300对数序列
（2）单位根检验
对调整的数据再对数化后，进行单位根检验，以判断序列的平稳性。
用Eviews软件进行ADF检验结果如下：
表1序列LGDP、LSHSCI和LSZSCI的ADF检验
Method
Statistic
Prob.**
ADF-FisherChi-square
2.78297
0.8356
ADF-ChoiZ-stat
0.78594
0.7840
**ProbabilitiesforFishertestsarecomputedusinganasympoticChi
-squaredistribution.Allothertestsassumeasymptotic
normality.
IntermediateADFtestresultsGROUP01
Series
Prob.
Lag
MaxLag
Obs
LSHSCI
0.5030
0
14
227
LSZSCI
0.5577
0
14
227
LGDP
0.8866
14
14
213
从表一可以看出，序列LGDP、LSHSCI和LSZSCI的ADF检验P值分别是 0.5030，0.5577和0.8866，比显著性水平5%大，所以不能拒绝序列有单位根的原假设，认为序列存在单位根，是非平稳的。
表2序列LHS300的ADF检验
NullHypothesis:
LOGHS300hasaunitroot
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-2.752061
0.0693
Testcriticalvalues:
1%level
-3.501445
5%level
-2.892536
10%level
-2.583371
从表二可以看出，序列LHS300的ADF检验P值是0.063，比显著性水平5%大，所以不能拒绝序列LHS300有单位根的原假设，认为LHS300存在单位根，是非平稳的。
下面分别对LGDP、LSHSCI、LSZSCI进行差分后的序列DLGDP、DLSHSCI和DLSZSCI进行ADF检验，检验结果如下表所示：
表3序列DLGDP、DLSHSCI和DLSZSCI的ADF检验
Cross-sectionsincluded:
3
Method
Statistic
Prob.**
ADF-FisherChi-square
283.709
0.0000
ADF-ChoiZ-stat
-16.0070
0.0000
**ProbabilitiesforFishertestsarecomputedusinganasympoticChi
-squaredistribution.Allothertestsassumeasymptotic
normality.
IntermediateADFtestresultsD（GROUP01）
Series
Prob.
Lag
MaxLag
Obs
DLSHSC
0.0000
0
14
226
DLSZSC
0.0000
1
14
225
DLGDP
0.0000
11
14
215
对LHS300进行差分后的序列DLHS300进行ADF检验，检验结果如下表所示：
表4序列DLHS300的ADF检验
NullHypothesis:
D（LOGHS300）hasaunitroot
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-8.516727
0.0000
Testcriticalvalues:
1%level
-3.502238
5%level
-2.892879
10%level
-2.583553
从表3和表4可以看出，检验P值都非常小，小于显著性水平5%，所以有充分的理由拒绝序列有单位根的原假设，即不存在单位根，是平稳序列。
故序列LGDP、LSHSCI、LSZSCI和LHS300都是一阶单整序列。
（3）协整检验
协整概念是20世纪80年代由恩格尔和格兰杰提出的。
协整的基本思想认为，尽管两个或两个以上的变量中每个都是非平稳的，但它们的线性组合有可能相互抵销趋势项的影响，是该组合成为一个平稳的变量。
协整理论为两个或两个以上非平稳变量之间寻找均衡关系、以及用存在协整关系的变量建立动态模型奠定了理论基础。
协整检验的常用方法有E-G两步检验法和约翰森检验法。
E-G检验法通常用于检验两变量之间的协整关系。
本文分别检验上证指数、深证综指与GDP的协整关系，所以采用E-G两步检验法。
由单位根检验可知，LGDP、LSHSC和LSZSC时间序列都是一阶平稳的。
协整检验可以分两步进行
第一步协整回归。
用普通最小二乘法（OLS）估计，结果如下：
表5LSHSCI与LGDP协整回归
DependentVariable:
LGDP
Method:
LeastSquares
Date:
05/21/14Time:
19:
56
Sample:
1995M012013M12
Includedobservations:
228
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
2.924026
0.803365
3.639723
0.0003
LSHSCI
1.135073
0.107756
10.53376
0.0000
R-squared
0.329297
Meandependentvar
11.36899
AdjustedR-squared
0.326330
S.D.dependentvar
0.949670
S.E.ofregression
0.779465
Akaikeinfocriterion
2.348316
Sumsquaredresid
137.3099
Schwarzcriterion
2.378398
Loglikelihood
-265.7080
F-statistic
110.9600
Durbin-Watsonstat
0.315330
Prob（F-statistic）
0.000000
得到LGDP与LSHSCI之间的回归方程：
表6LSZSCI与LGDP协整回归
DependentVariable:
LGDP
Method:
LeastSquares
Date:
05/21/14Time:
19:
59
Sample:
1995M012013M12
Includedobservations:
228
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
5.494671
0.502364
10.93763
0.0000
LSZSCI
0.939885
0.079984
11.75091
0.0000
R-squared
0.379264
Meandependentvar
11.36899
AdjustedR-squared
0.376517
S.D.dependentvar
0.949670
S.E.ofregression
0.749868
Akaikeinfocriterion
2.270895
Sumsquaredresid
127.0804
Schwarzcriterion
2.300977
Loglikelihood
-256.8821
F-statistic
138.0840
Durbin-Watsonstat
0.342784
Prob（F-statistic）
0.000000
得到LGDP与LSZSCI之间的回归方程：
表7LHS300与LGDP协整回归
DependentVariable:
LOGGDP
Method:
LeastSquares
Date:
05/27/14Time:
22:
14
Sample（adjusted）:
2006M012013M11
Includedobservations:
95afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
10.25229
1.571611
6.523424
0.0000
LOGHS300
0.234055
0.199418
1.173691
0.2435
R-squared
0.014596
Meandependentvar
12.09498
AdjustedR-squared
0.004000
S.D.dependentvar
0.694461
S.E.ofregression
0.693070
Akaikeinfocriterion
2.125457
Sumsquaredresid
44.67222
Schwarzcriterion
2.179223
Loglikelihood
-98.95922
F-statistic
1.377551
Durbin-Watsonstat
0.378730
Prob（F-statistic）
0.243516
得到LGDP与LHS300之间的回归方程：
第二步检验残差的单整性，看其是否是平稳序列
规定E1、E2和E3分别代表序列LGDP、LSHSCI和LGDP、LSZSCI及LGDP、LHS300的回归残差序列。
对E1、E2、E3分别做单位根检验，所得结果如下：
表8E1的ADF检验
NullHypothesis:
E1hasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
0（AutomaticbasedonSIC,MAXLAG=0）
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-4.786960
0.0006
Testcriticalvalues:
1%level
-3.998997
5%level
-3.429745
10%level
-3.138397
*MacKinnon（1996）one-sidedp-values.
残差序列E1的ADF检验t统计量的值为-4.786960，小于显著性水平为1%的临界值-3.998997。
拒绝序列有单位根的原假设，可以认为残差序列E1是平稳序列，也就是说序列LGDP和LSHSCI之间存在协整关系，GDP和上证指数之间存在长期稳定的关系。
表9E2的ADF检验
NullHypothesis:
E2hasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
0（AutomaticbasedonSIC,MAXLAG=0）
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-4.949215
0.0003
Testcriticalvalues:
1%level
-3.998997
5%level
-3.429745
10%level
-3.138397
*MacKinnon（1996）one-sidedp-values.
残差序列E2的ADF检验t统计量的值为-4.949215，小于显著性水平为1%的临界值-3.998997。
拒绝序列有单位根的原假设，可以认为残差序列E2是平稳序列，也就是说序列LGDP和LSZSCI之间存在协整关系，GDP和深证综指之间存在长期稳定的关系。
表10E3的ADF检验
NullHypothesis:
RESID01hasaunitroot
Exogenous:
Constant,LinearTrend
LagLength:
0（AutomaticbasedonSIC,MAXLAG=0）
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-3.611099
0.0342
Testcriticalvalues:
1%level
-4.058619
5%level
-3.458326
10%level
-3.155161
残差序列E3的ADF检验t统计量的值为-3.611099，小于显著性水平为5%的临界值-3.458326。
拒绝序列有单位根的原假设，可以认为残差序列E3是平稳序列，也就是说序列LGDP和LHS300之间存在协整关系，GDP和沪深300之间存在长期稳定的关系。
综上，上证指数、深证综指和HS300与GDP之间都分别存在着协整关系，也就是说股票价格与宏观经济之间存在长期稳定的均衡关系，从下面的图8中也可以大致看出。
图8
这个结论与有些学者的研究略有不同。
瑞（2006）的研究表明：
股票价格与GDP之间不存在协整关系。
产生不同结论的原因主要在于两个研究选取的时间段不同。
瑞的研究数据选取的是1995年1月至2005年12月，而本研究数据选取的是1995年1月至2013年12月。
这说明在近几年，中国股票市场活动水平较好，对经济发展有一些影响。
（4）误差修正模型
对于非平稳时间序列通过差分的方法，将其化为平稳序列，然后可建立经典的回归分析模型。
如建立模型：
，其中
此做法存在两个问题：
1）因为LGDP与LSHSCI一阶单整，两者之间存在着长期稳定的均衡关系，则误差项
不存在序列相关，所以
是一个一阶移动平均时间序列，因而是序列相关的。
2）采用差分形式进行估计，则关于变量水平值的重要信息将被忽略，此时模型只表达了LSHSCI与LGDP间的短期关系，而没有揭示它们之间的长期关系。
因为从长期均衡的关系看，LGDP在第t期的变化不仅取决于LSHSCI本身的变化，还取决于LSHSCI与LGDP在t-1期末的状态，尤其是LSHSCI与LGDP在t-1期的不平衡程度。
可见，简单差分不能解决非平稳时间序列所遇到的全部问题，此时需要建立误差修正模型（ECM）。
对于分别存在协整关系的序列LGDP、LSHSCI和
升级会员 