货币流动性对我国股票交易金额的影响分析 2

1、.：.；货币供应量对我国股票买卖金额的影响分析摘要为了研讨货币供应量对我国股票买卖金额的影响程度，建立经济模型进展估计检验，用二元回归分析的方法，经过OLS法和广义差分法进展模型修正，从而得出狭义货币供应量和广义货币供应量对股票买卖额的影响变化情况。二、关键字：股票买卖额 狭义货币供应量 广义货币供应量 三、模型建立与检验由经济实际知，货币流动性与证券市场亲密相关，它是货币政策调整的重要工具，它影响着股票价钱和买卖额，货币供应量越多，实践利率下降，添加了持有货币的时机本钱，货币会由货币市场流入资本市场。反之，流通中的货币供应量越少，货币会由资本市场流向货币市场。对我国股票买卖额建立股票买卖金额

2、与货币供应量的函数关系，Y表示股票市场买卖额，X1表示狭义的货币供应量M1，M1=流通中现金+企业活期存款+机关团体部队存款+乡村存款+个人持有的信誉卡类存款；X2表示广义货币供应量，M2=M1+居民储蓄存款+企业定期存款1建立模型如下表数据是1995-2021年的时间序列数据，即观测值是延续不同年份中的数据。表一 我国股票买卖金额与货币供应量资料 单位：亿元年份股票买卖额狭义货币供应量广义货币供应量1995812323987.160750.51996403628514.876094.919973072234826.390995.319982354438953.7104498.51999313

3、2045837.3119897.920006082753147.2134610.320013830559871.6158301.920022799070881.8185007.020033211584118.6221222.820044233495969.7254107.0200531665107278.7298755.7200690469126035.13345603.62007460556152560.1403442.22021267113166217.13475166.6资料来源：2002,2021。对时间序列数据，建立计量经济模型，并进展回归分析。我们假设先建立如下二元回归模型： Y=

4、C+1X1+2X2+uiY股票买卖额X1狭义货币供应量X2广义货币供应量Ui随机干扰项根据表一中的数据，利用EVIEWS软件，可得如表二所示结果：Dependent Variable: YMethod: Least SquaresDate: 12/06/10 Time: 15:32Sample: 1995 2021Included observations: 14VariableCoefficientStd. Errort-StatisticProb. C-115989.052021.46-2.2298090.0475X112.889798.3142611.5503230.1493X2-3.8

5、428802.956650-1.2997410.2203R-squared0.638700 Mean dependent var82079.93Adjusted R-squared0.573010 S.D. dependent var126996.2S.E. of regression82985.04 Akaike info criterion25.67812Sum squared resid7.58E+10 Schwarz criterion25.81506Log likelihood-176.7468 F-statistic9.722821Durbin-Watson stat1.00595

6、4 Prob(F-statistic)0.003701初步方程为：Y=-115989.0+12.88979x1-3.842880 x2-2.23 1.55 -1.30R2= 0.6387 F=9.7228 DW=1.0060模型检验：经济意义检验：X2的符号不符合经济实际的假设，因此经济意义检验不能经过。统计检验：1拟合优度检验：拟合优度R2= 0.6387，修正后的R2=0.5730，拟合效果不是很好，阐明还有其他解释变量对被解释变量产生影响。2T检验：在5%的显著程度下，临界值t0.025(11)=2.201, x1、x2都不能经过t检验，阐明在其他解释变量不变的情况下，广义的货币供应量和

7、狭义的货币供应量对股票买卖额没有显著影响。3F检验：在5%的显著程度下, F0.05(2,11)=3.98,F大于临界值，应回绝原假设，阐明回归方程显著。两个解释变量结合起来对被解释变量的影响是显著的。三计量检验A多重共线性检验T检验和F检验综合判别法，F检验经过，但T检验不经过，阐明模型很能够存在着多重共线性。相关系数判别法得到相关系数矩阵如下：X1X2X110.998197X20.9981971可以看出：X1、X2之间存在严重的正相关。多重共线性的修正：首先对y和x1进展回归分析的计算结果如下，Dependent Variable: YMethod: Least SquaresDate:

8、10/29/10 Time: 22:35Sample: 1995 2021Included observations: 14VariableCoefficientStd. Errort-StatisticProb. C-84.5045948.36-1.7709990.1019X12.1028890.5131794.0977720.0015R-squared0.583214 Mean dependent var82079.93Adjusted R-squared0.548481 S.D. dependent var126996.2S.E. of regression85335.26 Akaike

9、 info criterion25.67813Sum squared resid8.74E+10 Schwarz criterion25.76942Log likelihood-177.7469 F-statistic16.79173Durbin-Watson stat1.760149 Prob(F-statistic)0.001478写出如下回归分析结果：Y=-84.50+2.102889X1 -1.77 4.10 R2= 0.5832 F= 16.79 DW=1.76对y和x2进展回归分析结果如下：Dependent Variable: YMethod: Least SquaresDate

10、: 12/06/10 Time: 16:40Sample: 1995 2021Included observations: 14VariableCoefficientStd. Errort-StatisticProb. C-71165.8845701.29-1.5571960.1454X20.7326190.1875583.9061020.0021R-squared0.559756 Mean dependent var82079.93Adjusted R-squared0.523069 S.D. dependent var126996.2S.E. of regression87703.79 A

11、kaike info criterion25.73288Sum squared resid9.23E+10 Schwarz criterion25.82418Log likelihood-178.1302 F-statistic15.25763Durbin-Watson stat1.892712 Prob(F-statistic)0.002087写出如下回归分析结果：Y=-71165.88+0.732619X2 -1.56 3.91 R2= 0.5598 F= 15.26 DW=1.89显然，y与X1的R2、修正后的R2以及t值都比y与x2的好，阐明一元回归最正确模型应选取x1为自变量能更好的

12、阐明问题。但是它依然没有二元回归的模拟拟合度高。B异方差检验1、图形检验法从图可以看到，随着X1、X2的添加，e2有添加的趋势2、利用怀特检验法，可以得到如下结果： White Heteroskedasticity Test:F-statistic35.44328 Probability0.000030Obs*R-squared13.39530 Probability0.019943Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/06/10 Time: 17:51Sample: 1995 2021Inc

13、luded observations: 14VariableCoefficientStd. Errort-StatisticProb. C4.27E+092.24E+091.9021780.0937X1-2988560.1338014.-2.2335790.0560X12164.9588128.25981.2861300.2344X1*X2-108.377090.89867-1.1922830.2673X21078397.500190.42.1559730.0632X2217.6572816.042071.1006850.3030R-squared0.956807 Mean dependent

14、 var5.41E+09Adjusted R-squared0.929812 S.D. dependent var6.73E+09S.E. of regression1.78E+09 Akaike info criterion45.73809Sum squared resid2.54E+19 Schwarz criterion46.01197Log likelihood-314.1666 F-statistic35.44328Durbin-Watson stat1.159629 Prob(F-statistic)0.000030可以看到，f值和卡方检验的p值都小于0.05，回绝原假设的，原假设

15、是同方差，所以结果表示存在着异方差。异方差的修正：加权最小二乘法选用权数 w=1/e2Dependent Variable: YMethod: Least SquaresDate: 12/06/10 Time: 18:34Sample: 1995 2021Included observations: 14Weighting series: WVariableCoefficientStd. Errort-StatisticProb. X1-8.8981401.577200-5.6417340.0002X23.7067830.5308036.9833440.0000C-15367.9610313.

16、69-1.4900550.1643Weighted StatisticsR-squared0.999242 Mean dependent var83661.60Adjusted R-squared0.999104 S.D. dependent var217324.2S.E. of regression6506.171 Akaike info criterion20.58630Sum squared resid4.66E+08 Schwarz criterion20.72324Log likelihood-141.1041 F-statistic7246.848Durbin-Watson sta

17、t1.605515 Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.365105 Mean dependent var82079.93Adjusted R-squared0.249670 S.D. dependent var126996.2S.E. of regression110006.1 Sum squared resid1.33E+11Durbin-Watson stat2.119833可以看到，R2=0.9992，修正后的R2=0.9991，比原先均有所改善，并且F检验和T检验都经过。修正后的模型为：y=-15367.9

18、6-8.898140 x1+3.706783x2C、自相关检验1、图示法可以看到逆转的次数很少，很能够存在着自相关从散点图可以很明显的发现，这些点根本都明显分布在一三象限，所以可以得出该模型存在正的自相关。从散点图可以很明显的发现，这些点明显分布在一三象限，所以可以得出该模型存在正的自相关。自相关的修正广义差分法Dependent Variable: YMethod: Least SquaresDate: 12/06/10 Time: 19:07Sample(adjusted): 1996 2021Included observations: 13 after adjusting endpoi

19、ntsConvergence not achieved after 100 iterationsVariableCoefficientStd. Errort-StatisticProb. X128.540015.0449775.6571130.0003X2-7.1155062.710440-2.6252220.0276C-247880301.65E+09-0.0149900.9884AR(1)0.9973060.2093904.7629240.0010R-squared0.858288 Mean dependent var87768.92Adjusted R-squared0.811051 S.D. dependent var130311.8S.E. of regression56644