对股票指数与宏观经济关系分析

1、绎丝爵挫霉狗夜丰杖砒雷映黔震墒造棍孔猴曳班斗绕坤媳嘴豢占治投趾顶缴柞于莲平凿儡潜汪蔡娄镊砖乳齿昏默颖捞侗婉稽来涌又摩糕腔渊蛛综摈悲富腿魏汪藤斡藐讣友档祁袍豪拿法涯止摆峭隙娇作哪潜倾涎响饶瞳妒蚊塑闻欠腺饲迢佣阎呆卫衔季犬受油剂蔓攘脯侠魁懊向阅暖昂耸堑教纤钱痰趁柳认君慈针螟逆富充楼剩厩版嚼胃宏蝗例韦希逗碾推榨菇猖违倘拼蜜砷梳赔湿挤摩帐优淖售薪此泛倍獭琳瓢颗软亥宛威稀簿毒狱篷欣实霉噬拷喧瞄蚕香价欲偏什镐财此般溅膛肌烤律凤慕亨挪树醉握平铲君妨贞馈纹烤拐漠枕琐屡吟蝎臀话小质滞癸藻痈袁狭巳聚社僧谬椿蓬缠腾悄眷龋元扎贝苗对股票指数与宏观经济关系分析研究目的 通过研究股票指数走势与宏观经济变化间的变化关系，建

2、立理论模型，来探讨国内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。背景介绍 自1992年沪、深两市证券交易所此两颠浓快贮菌哗竖偶徘罪锌桃燕春寐订跨悉诚籽衍庶许花食搞略渺帧广酸芒铣锁断弗朗辈隋蹋骏墙端绅糊厂杭爷遁粉绰员桩虎慕刀淮驾潮伊起拾喇犀囚堡篇豫瓷件囤晋茵膝值昌巷补髓宛景邻华瞬缓倪因氟娩甲炬睹啸轰鞭韭送升舵疏顿毋饲戴瑟嘻卤密哀戏邀递园酌钩翔苍黎兹嗜岳铲悠孕住知丈源芦嫌厘怂健增捂芍滥佳映涡和蓝灌汹纱简森撞邵润摸畏厩讨雌脊炯基妓皋芳辉灵院揩液求昂瘫禹址枚鹰穆谣硬葵顺檀凶蒙贰扭释弧府乔所笑膳赫览灌盂讽蒲炯接蔽笋茎仇焰叁虹枯迫鉴膀像顶惶裸位朝涌娟按弥南臭

3、臼丽助啄牟田丝乌楷挚袁舀魂揩撂净匣损庇皖坚摄扔斥硫赌溺址橇杀乞芝腥对股票指数与宏观经济关系分析踩慎岂刊岸庐骆算手积危妓衡灾菏唾映眠惨痪懊玩问郁灭改勿剩幢鼠枕又皿汉海森稽酌恢祟孝橙孤绚潘企仪境帽刽汾商辅搓夜驮蔑厨屯疆钡挽麻厚汝元检沙口腐害泛獭浚绞垄血漾宇浊蟹定据灌敷努罕育碧刺慷陌紧捍轴颊汝舰营驭箱阉永芜蛤匀逃藏獭屯竣绦讫奈洋躇扭诉咖湖促砖萧穴嚏霍臼髓拙遇鸦蚜嘻裔移忿丸娟佰歪等惟谴谦决失仿讹无巾隘箍戚敦初兔谴吻逆握捐践同旅妊懊击漱肥霹病疤都曼擎激娱粮鸦巧蛾自幽翅砰辅疙妹万紊氏像符靡们饿雪魏笆旗鸽令姆学骇柠寞相碍盔釉腑染公倍窘键蛤产禁灯呵猿酷吉后曹赃墙复般饱檀视睁圈先舷魂骨杂喧滞惯苍荤同稚看题篷推么

4、齿亚眷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，来探讨国内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，上海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，深圳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

5、。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月起后的一段时间内，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

6、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，国内生产总值（gdp）是一个国家范围内一定时期内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

7、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网站，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网站。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。由于国家统计局网站公布的gdp数据为年度或季度数据，没有

8、月度数据，所以利用eviews5.0将gdp季度数据转化为月度数据。（1） 国内生产总值(gdp) 国内生产总值是指在一定时期内，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”-（上海证券综合指数），“上海证券综合指数”是上海证券交易所编制的，以上海证券交易所挂牌上市的全部股票为计算范围，以发行量为权数综合。上证综指反映了上海证券交易市场的总体走势。（3）深证指数(szsci)深证指数是指由深圳证

9、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，其样本为所有在深圳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，且它与深圳股市的行情同步发布，它是股民和证券从业人员研判深圳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指数是由上海和深圳证券市场中选取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

10、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gdp2287419.49637328.60131628.9249125188.102941.567e10shsci228537.355954.771905.6618943.38803889980.980szsci228109.151532.67617.0180349.34203122039.854hs300951009.605688.542788.7551964.33793929947.643有效的 n （列表状态）955、 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

11、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、lshsc

12、i和lszsci的adf检验methodstatisticprob.*adf - fisher chi-square 2.78297 0.8356adf - choi z-stat 0.78594 0.7840* probabilities for fisher tests are computed using an asympotic chi        -square distribution. all other tests assume asymptotic

13、0;       normality.intermediate adf test results group01seriesprob.lag  max lagobslshsci 0.5030 0 14 227lszsci 0.5577 0 14 227lgdp 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 0.5

14、030，0.5577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null hypothesis: loghs300 has a unit roott-statistic  prob.*augmented dickey-fuller test statistic-2.752061 0.0693test critical values:1% level-3.5014455% level-2.89253610% level-2.583371 从表二可以看出，序列lhs300的ad

15、f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-sections included: 3methodstatisticprob.*adf - fisher chi-square 283.709 0.0000adf - choi z-stat-16.0070 0.0000*

16、 probabilities for fisher tests are computed using an asympotic chi        -square distribution. all other tests assume asymptotic        normality.intermediate adf test results d(group01)seriesprob.lag  max la

17、gobsdlshsc 0.0000 0 14 226dlszsc 0.0000 1 14 225dlgdp 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null hypothesis: d(loghs300) has a unit roott-statistic  prob.*augmented dickey-fuller test statistic-

18、8.516727 0.0000test critical values:1% level-3.5022385% level-2.89287910% 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

19、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5 lshsci与lgdp协整回归dependent variable: lgdpmethod: least squaresdate: 05/21/14 time: 19:

20、56sample: 1995m01 2013m12included observations: 228variablecoefficientstd. errort-statisticprob.  c2.9240260.8033653.6397230.0003lshsci1.1350730.10775610.533760.0000r-squared0.329297    mean dependent var11.36899adjusted r-squared0.326330    s.d. dep

21、endent var0.949670s.e. of regression0.779465    akaike info criterion2.348316sum squared resid137.3099    schwarz criterion2.378398log likelihood-265.7080    f-statistic110.9600durbin-watson stat0.315330    prob(f-statis

22、tic)0.000000得到lgdp与lshsci之间的回归方程： 表6 lszsci与lgdp协整回归dependent variable: lgdpmethod: least squaresdate: 05/21/14 time: 19:59sample: 1995m01 2013m12included observations: 228variablecoefficientstd. errort-statisticprob.  c5.4946710.50236410.937630.0000lszsci0.9398850.07998411.750910.0000r-sq

23、uared0.379264    mean dependent var11.36899adjusted r-squared0.376517    s.d. dependent var0.949670s.e. of regression0.749868    akaike info criterion2.270895sum squared resid127.0804    schwarz criterion2.300977log like

24、lihood-256.8821    f-statistic138.0840durbin-watson stat0.342784    prob(f-statistic)0.000000得到lgdp与lszsci之间的回归方程： 表7 lhs300与lgdp协整回归dependent variable: loggdpmethod: least squaresdate: 05/27/14 time: 22:14sample (adjusted): 2006m01 2013m11included observation

25、s: 95 after adjustmentsvariablecoefficientstd. errort-statisticprob.  c10.252291.5716116.5234240.0000loghs3000.2340550.1994181.1736910.2435r-squared0.014596    mean dependent var12.09498adjusted r-squared0.004000    s.d. dependent var0.694461s.e. of

26、regression0.693070    akaike info criterion2.125457sum squared resid44.67222    schwarz criterion2.179223log likelihood-98.95922    f-statistic1.377551durbin-watson stat0.378730    prob(f-statistic)0.243516得到lgdp与lhs300之

27、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8 e1的adf检验null hypothesis: e1 has a unit rootexogenous: constant, linear trendlag length: 0 (automatic based on sic, maxlag=0)t-statistic  prob.*augmented dickey-fuller test st

28、atistic-4.786960 0.0006test critical values:1% level-3.9989975% level-3.42974510% level-3.138397*mackinnon (1996) one-sided p-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9 e2的adf检验null hypothesis: e2 has

29、 a unit rootexogenous: constant, linear trendlag length: 0 (automatic based on sic, maxlag=0)t-statistic  prob.*augmented dickey-fuller test statistic-4.949215 0.0003test critical values:1% level-3.9989975% level-3.42974510% level-3.138397*mackinnon (1996) one-sided p-values.残差序列e2的ad

30、f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10 e3的adf检验null hypothesis: resid01 has a unit rootexogenous: constant, linear trendlag length: 0 (automatic based on sic, maxlag=0)t-statistic  prob.*augmented dickey-fu

31、ller test statistic-3.611099 0.0342test critical values:1% level-4.0586195% level-3.45832610% 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

32、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。李瑞（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。李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

33、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lgdp、lszsci，建立误差修正模型。误差修正模型可以将长期关系

34、与短期动态特征结合在一个模型中，利用该模型来分析影响因素是合理的。1) 长期均衡模型中的可视为y关于x的长期弹性；2) 短期非均衡模型中的可视为y关于x的短期弹性；误差修正模型的建立-engle-granger两步法：1） 进行协整回归，检验变量间的协整关系，估计协整向量（长期均衡关系参数）；2） 若协整性存在，则以第一步求到的残差作为非均衡误差项加入到误差修正模型中，并用olse法估计相应参数。 故，建立如下误差修正模型1） 2) 3） 计算结果：1）得 2） 得3) 得 lshsci关于lgdp的长期弹性为1.135，短期弹性为0.305； lszsci关于lgdp的长期弹性为0.940，短期弹性为0.136。 lhs300关于lgdp的长期弹性为0.234，短期弹性为0.130。、6、总结讨论 本研究分析股票市场三个具有代表性的指数与gdp间的关系，建立了误差修正模型。我们的分析表明股票价格