宏观因素对股票价格影响的计量分析 学位论文.docx
- 文档编号:23583399
- 上传时间:2023-05-18
- 格式:DOCX
- 页数:47
- 大小:204.31KB
宏观因素对股票价格影响的计量分析 学位论文.docx
《宏观因素对股票价格影响的计量分析 学位论文.docx》由会员分享,可在线阅读,更多相关《宏观因素对股票价格影响的计量分析 学位论文.docx(47页珍藏版)》请在冰豆网上搜索。
宏观因素对股票价格影响的计量分析学位论文
宏观因素对股票价格影响的计量分析
摘要:
股票价格不仅受其内在价值的影响,还和国家的宏观经济因素有密切的联系。
本文以上证指数作为被解释变量,选取宏观经济中影响上证指数的因素,并引入前人没有研究的创业版因素等政策因素。
运用Eviews6.0软件对数据进行回归分析并建立回归模型,分析得出影响我国股票价格的宏观因素主要有企业商品价格指数、利率、国家外汇储备、汇率、政策因素(股指期货与融资融券),并对如何提高股票市场的资源配置效率提出相关建议。
关键词:
股票价格;宏观因素;影响因素;回归分析
China’sMacroeconomicinformationandstockprices:
Anempiricalanalysis
Abstract:
Thestockpriceisnotonlyinfluencedbyitsintrinsicvalue,andalsothemacroeconomicarecloselylinked.Inthispaper,withtheShanghaicompositeindexisasexplainedvariable,andrelatedmacroeconomicinformation,whichincludingpolicylikeGEM,areasexplanatoryvariables,toanalysisthedataregressionandestablishtheregressionmodel.TheconclusionisEnterprisecommoditypriceindex,interestrate,China'sforeignexchangereserves,exchangeratearehighlyrelatedwithstockprice.ThenIputforwardrelevantSuggestions.
Keywords:
Stockprice;Macroeconomicinformation;Influencingfactors;Regressionanalysis
(1)选题背景
股票市场作为金融市场的重要组成部分,不仅承担着融资和资源配置的资本媒介的职能,也发挥着经济预测等功能。
股票价格就是股票在市场上买卖的价格,又称股票市价或股票行市,是衡量股票市场发展众多指标中一个最重要的指标,在实际经济运行中,影响股票价格的因素非常复杂。
其中。
宏观经济因素是股价波动的大环境,只有从分析宏观经济发展的大方向着手,才能把握住股票市场的总体变动趋势。
中国股市是中国市场化改革和经济发展的产物,它反过来又对这种市场化改革和经济发展产生了巨大影响,成为中国经济改革和经济发展的重要推动力量。
中国股市在取得了令人注目的成就,但与成熟市场经济和更加规范化股票市场的要求相比,尚有许多问题需要研究解决。
经济学家普遍认为,股票市场是经济的晴雨表。
以美国的股票市场为例,在2008年金融危机前几十年,美国经济保持平稳增长的同时,股票市场也保持了平均每年12%以上增长率的健康成长。
美国股市甚至被认为是经济发达、机制成熟的象征。
反观中国,中国改革开放以来的经济快速增长中,中国股市在这二十几年终的成长和当下现状却与该经济规律不符合。
2013年,中国的两大股票市场依然挣扎于熊市的泥潭之中难以自拔,全年以上证指数下跌6.75%,深证成指下跌10.91%,在全球主要股票市场中的表现最差收场。
(二)选题的意义
1990年12月19日上证交易所成立与上证指数相应推出,标志着中国股市的正式诞生,到现在已经历时近24年。
但与西方发达国家相比,我国的股票市场仍然存在高度不完善现象。
股票价格的变化及其变化趋势一直是资本市场备受关注的问题,它影响着股票市场的稳定性及投资者的投资策略。
股票市场的发展和国家的宏观经济因素有着密切的联系,研究我国股票价格波动宏观经济变量对股票市场的影响,对于提高市场的资源配置效率十分重要。
而前人对股票市场的实证研究,多数只采用某一年或某两到三年的数据,对宏观经济因素对股票市场影响的分析较为粗略,且数据的时效性较差。
本文认为,通过扩大样本容量,提高样本的时效性,并进行多次的迭代和筛选后,可以建立一个比较精确的方程来初步预测未来宏观经济的变化对上证指数的影响,对现实有一定的指导意义。
三证券市场价格函数的构建和分析
(一)模型变量和数据设定
通过文献综述,我们发现影响证券价格的宏观因素很多,有政治因素、财政政策、货币政策、国民生产总值、汇率变动、利率情况等。
为了能够基本的包含这些要素同时考虑到引入的因素,本文基本涵盖了这些因素,本模型将选取上证指数为被解释变量,企业商品价格指数、货币供应量、利率、汇率、国家外汇储备、宏观经济景气指数、消费者信心指数七个影响因素为解释变量,创业板因素,股指期货与融券融资因素作为虚拟变量,解释变量与虚拟变量解释如下:
上证指数每月收盘指数:
股指是选取有代表性的一组股票,把他们的价格进行加权平均,通过一定的计算得到,因此股指可以反映股票价格变化情况。
上海为中国经济中心,上证股指数以全部上市股票为样本,具有广泛代表性,能够反映整个股票市场的情况,可以反映不同行业的景气状况及其价格整体变动情况。
选择每月收盘指数分析,是因为收盘指数通常比较准确地反映股票价格的最终走势。
企业商品价格指数:
反映国内企业之间物质商品集中交易价格变动的统计指标,是比较全面的测度通货膨胀水平和反映经济波动的综合价格指数。
货币供应量:
指一国在某一时点上为社会经济运转服务的货币存量,与一国的经济形势与股票市场密切相关。
(单位:
亿元人民币)(注:
自2011年10月起,货币供应量已包括住房公积金中心存款和非存款类金融机构在存款类金融机构的存款)
利率:
以活期存款利率体现利率高低。
汇率:
以一美元折合人民币的平均数来表示利率水平的高低。
尽管从2005年7月21日起,中国人民银行宣布人民币汇率不再单一盯住美元,而是参考一篮子货币实行有管理的浮动汇率制度。
但自2008年以来,美元相对贸易加权一篮子货币的汇率几乎没怎么改变。
因此可以美元这和人民币的平均数来反映利率水平的高低。
国家外汇储备:
指一国政府所持有的国际储备资产中的外汇部分,是一个国家经济实力的重要组成部分。
(单位:
亿美元)
宏观经济景气指数:
由企业家对企业经营情况及宏观经济状况的判断和预期来编制的,由此反映企业的生产经营状况、经济运行状况,预测未来经济的发展变化趋势。
消费者信心指数:
反映消费者信心强弱的指标,是综合反映并量化消费者对当前经济形势评价和对经济前景、收入水平、收入预期以及消费心理状态的主观感受,是预测经济走势和消费趋向的一个先行指标,是监测经济周期变化不可缺少的依据。
创业板因素:
创业板因素作为政策性因素作为虚拟变量。
中国创业板从2009年9月开始正式上市,将2008年1月-2009年9月的变量值设定为0,将2009年10月-2013年12月的变量值设定为1。
股指期货因素与融券融资因素:
股指期货因素与融券融资因素作为政策性因素作为虚拟变量。
中国股指期货与融资融券政策均在2010年4月出台,在这里将2008年1月到2010年3月的变量值设定为0,在2010年4月到2013年12月的变量值设定为1。
模型使用的是2008年-2013年的月度时间序列数据,来源于中国人民银行门户网站,中华人民共和国统计局门户网及中国统计年鉴。
对上证综合指数取对数,使其结果更加平滑,并结合各因素,建立模型:
log(Y)=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+β8d1+β9d2+μ,在这个模型中,以上证综合指数为解释变量Y,根据设定的解释变量,2008年-2013年的企业商品价格指数X1、货币供应量X2(亿元人民币)、利率X3、国家外汇储备X4(亿美元)、汇率X5,宏观经济景气指数X6、企业景气及企业家信心指数X7虚拟变量有创业板因素d1、股指期货因素与融券融资因素d2。
X8,βi,i为各变量的系数,μ为随机扰动项,表示出了解释变量以外的心理预期因素、国际股市因素、上市公司信息公开化因素等难以量化的因素的影响。
(二)数据收集和说明
1、数据信息
本文数据来源于中国人民银行门户网站,中华人民共和国统计局门户网及中国统计年鉴。
详细数据请见文末附表1。
2、数据说明
本模型的数据来源可靠,内容真实,具有权威性,对于政策制度因素中的创业版因素、股指期货因素、融券融资因素设置为虚拟变量。
创业板因素在1999年1月-2009年10月为0,在2009年10月-2013年12月为1;股指期货因素与融券融资因素在1999年1月到2010年3月为0,在2010年4月到2013年12月为1。
(三)用OLS法估计模型
假定模型中随机项满足基本假定,在显著性水平5%下。
用OLS法估计参数.估计结果如下图:
图一OLS回归结果
估计结果如下(括号里是t统计量),估计方程为:
Y=-7.821934-0.016090X1+1.92E-06X2+1.046205X3+7.19E-05X4+1.984657X5+0.020031X6-0.005392X7-
(-2.40)(1.45)(7.79)(5.22)(10.62)(1.47)(-1.53)
0.046839DX1-0.012002DX1
(-0.83)(-2.28)
R2=0.87245F=47.12029D.W=1.520001
可知R2较接近于1,且F=47.12029>F0.05(9,72),所以可以认为上证指数和上述解释变量间总体线性关系较显著。
但是我们可以发现,x2,X6,x7未能通过t检验,且x6前的符号的经济意义不合理,因此可以判断解释变量之间可能存在着多重共线的,这两种情况可能都是由于解释变量之间存在着多重共线性。
我们通过下面的散点图和变量间简单相关系数进行分析。
图二变量的散点图
表一变量间相关系数表
从图二和表一可以看出,解释变量之间存在相关关系,所以采用逐步回归法对多重共线性进行修正。
(四)应用逐步回归寻找合理的回归模型
用逐步回归法进行修正,分别做Y对X1、X2、X3、X4、X5、X6、X7、d1、d2的一元回归,结果如表二所示。
变量
X1
X2
X3
X4
X5
X6
X7
d1
d2
t统计量
4.59
-3.88
4.22
-4.37
6.73
6.29
4.67392
-1.88
-3.3
0.23137
0.17696
0.20252
0.2141
0.39306
0.36102
0.23785
0.04792
0.13513
0.22039
0.1641
0.19113
0.20287
0.38439
0.35189
0.22696
0.03432
0.12278
表二变量逐步回归模型
(一)
依据调整后可决系数
最大原则,选取X5作为进入回归模型的第一个解释变量,形成一元回归模型。
以X5为基础,顺次加入其它变量逐步回归,结果如表三所示。
X1
X2
X3
X4
X5
X6
X7
d1
d2
X5X1
0.01119
(3.72)
0.34774
(5.99)
0.479764
X5X2
3.56E
(5.09)
1.03930
(7.72)
0.545823
X5X3
0.39099(2.64)
0.34737(5.55)
0.432817
X5X4
5.38E
(7.14)
1.56128(9.29)
0.640874
X5X6
0.31850(5.96)
0.03019(5.50)
0.565953
X5X7
0.33554(4.67)
0.01007(1.80)
0.403511
X5d1
0.61370(7.89)
0.18311(3.69)
0.478502
X5d2
0.58515(6.08)
0.13394(2.33)
0.420908
表三变量逐步回归模型
(二)
经比较,新加入X4的方程的
=0.640874,改进最大,而且个参数的t检验显著,且符合经济意义,选择保留X4,再加入其它新变量逐步回归,结果如表四所示。
X1
X2
X3
X4
X5
X6
X7
d1
d2
X5X4X1
0.00390
(1.40)
4.84E
(5.78)
1.42589
(7.39)
0.645848
X5X4X2
-3.12E
(-2.07)
8.83E
(4.84)
-5.3545
(-3.68)
0.671602
X5X4X3
0.39099(2.64)
6.25E
(10.09)
1.65305
(12.21)
0.769784
X5X4X6
4.16E
(4.37)
1.26299(5.70)
0.01269(2.01)
0.656047
X5X4X7
5.23E
(6.91)
1.48951(8.46)
0.00568(1.30)
0.644481
X5X4d1
7.80E
(6.25)
1.89724
(8.82)
-0.1628
(-2.39)
0.677979
X5X4d2
-0.0548
(-0.93)
1.04893(88.77)
-0.0548(-0.93)
0.598963
表四变量逐步回归模型(三)
经比较,新加入X3的方程的
=0.769784,改进最大,而且个参数的t检验显著,且符合经济意义,选择保留X3,再加入其它新变量逐步回归,结果如表五所示。
X1
X2
X3
X4
X5
X6
X7
d1
d2
X5X4X3X1
-0.0133(-4.69)
1.02613(8.36)
8.66E
(11.59)
2.17852(13.36)
0.824035
X5X4X3X2
9.07E
(0.64)
0.64379(5.78)
5.29E
(3.26)
1.60372(10.25)
0.767755
X5X4X3X6
0.80249(6.42)
8.02E
(8.31)
2.04925(9.58)
-0.0156(-2.35)
0.784050
X5X4X3X7
0.75285(6.68)
6.69E
(10.62)
1.79367(12.39)
-0.0094(-2.30)
0.783543
X5X4X3d1
0.58958(6.29)
8.20E
(8.21)
1.92559(11.21)
-0.1335
(-2.44)
0.785439
X5X4X3d2
0.67263(7.79)
8.49E
(11.55)
1.86502(14.58)
-0.1961(-4.54)
0.821448
表五变量逐步回归模型(四)
经比较,新加入d2的方程的
=0.769784,改进最大,而且个参数的t检验显著,且符合经济意义,选择保留d2,再加入其它新变量逐步回归,结果如表六所示。
X1
X2
X3
X4
X5
X6
X7
d1
d2
X5X4X3d2X1
-0.0096(-3.24)
0.9526
(8.06)
9.54E
(12.56)
14.179
(14.18)
-0.1363
(-3.07)
0.843716
X5X4X3d2X2
2.67E
(2.10)
0.7830
(7.90)
5.97E
(4.29)
1.7473
(12.78)
-0.2215(-5.06)
0.831068
X5X4X3d2X6
0.8058
(7.22)
9.59E
(10.21)
-0.1113(-1.83)
2.1320
(11.09)
2.1339(2.33)
0.827568
X5X4X3d2X7
0.7764
(7.73)
8.68E
(11.93)
1.9572
(14.57)
-0.0071(-1.92)
2.1339
(2.33)
0.828337
X5X4X3d2d1
0.6581
(7.54)
9.14E
(9.70)
1.9649
(12.52)
-0.0588
(-1.09)
-0.1777
(-3.84)
0.821998
表六变量逐步回归模型(五)
经比较,新加入x1的方程的
=0.843716,改进最大,而且个参数的t检验显著,且符合经济意义,选择保留x1,再加入其它新变量逐步回归,结果如表七所示。
X1
X2
X3
X4
X5
X6
X7
d1
d2
X5X4X3d2X1X2
-0.0091(-3.14)
2.36E
(1.97)
1.0361
(8.41)
7.26E
(5.29)
2.0581
(12.69)
-0.1616(-3.57)
0.850293
X5X4X3d2X1X6
-0.0202
(1.99)
0.9809
(8.42)
8.36E
(8.18)
1.957
(10.49)
0.0237
(1.99)
0.5934
(10.21)
0.850467
X5X4X3d2X1X7
-0.0086(-2.87)
0.9936
(8.16)
9.56E
(12.64)
2.2078
(14.28)
-0.0046(-1.28)
-0.1341(-3.034)
0.845247
X5X4X3d2X1d1
-0.0102(-3.03)
0.9762
(7.325)
9.36E
(10.50)
2.1596
(13.39)
0.0223
(0.39)
-0.1395
(-3.07)
0.841684
表七变量逐步回归模型(六)
经比较,加入X2、X6、X7、d1时,
均有所增加,但其参数的t检验不明显,系数的正负也与经济意义不吻合。
从相关系数也可看出,X2、X6、X7、d1与其他相关变量高度相关,这说明主要是X2、X6、X7、d1引起了多重共线性,予以剔除。
最后修正严重多重共线性影响后的回归结果为
图三修正后的OLS回归结果
估计结果如下(括号里是t统计量),估计方程为:
Y=-8.378571-0.009588X1+0.952643X3+9.54E-05X4+2.177586X5-0.136320D2
(-3.25)(8.06)(12.56)(14.18)(-3.07)
R2=0.853722F=77.66022D.W=1.232656
(五)虚拟变量回归检验
假设剔除虚拟变量d2,以Y为被解释变量,X1,X3,X4,X5为解释变量做OLS检验
图四剔除虚拟变量后的的OLS回归结果
剔除虚拟变量前的R2=0.853722;调整后的
=0.824035,
所以虚拟变量d2在该模型中是必要的,虚拟变量d2不能被剔除。
(6)异方差性检验
对修正后的模型分别作散点图(图四)和残差图(图五):
图四散点图图五残差图
通过残差图简单看出,模型的残差项存在系统性的干扰因素,拟合效果不太理想,所以推测可能存在异方差。
对模型进行怀特检验:
图六怀特检验
怀特统计量nR2~χ2(h),h=19,作为解释变量的个数,从表四可知nR2=18.89855,在显著性水平α=0.05的情况下,χ0.052(19)=38.5822,因为nR2=18.89855<χ0.052(19)=38.5822,所以,接受原假设,模型不存在异方差。
(七)序列相关性检验
这里我们首先做出残差图:
图五残差图
通过残差图简单看出残差的变动有系统模式,连续为正和连续为负,表明残差项可能存在自相关。
下面进行进一步检验。
图六序列相关性检验
由逐步回归得到方程可知,
Y=-8.378571-0.009588X1+0.952643X3+9.54E-05X4+2.177586X5-0.136320D2
(-3.25)(8.06)(12.56)(14.18)(-3.07)
R2=0.853722F=77.66022D.W=1.232656
D.W.检验表明,在5%的显著水平下,n=72,k=6(包含常数项),查表得,dL=1.232,dU=1.645,由于D.W=1.232656大于dL=1.232,小于dU=1.645,无法判定此模型是否存在一阶自相关。
试对模型进行自相关修正,根据模型自方差修正的效果决定是否需要保留修正。
选用科克伦—奥克特迭代法。
生成
,得到残差序列et。
使用et进行滞后一期的自回归:
图七滞后一期的自回归
可得回归方程et=0.372878et-1
可知
=0.372878e,对原模型进行广义差分,结果如表12所示:
图八原模型广义差分
模型中,DW=1.673457>dU说明广义差分模型中已无自相关。
但是,解释变量X1的t统计量未达到显著水平,且
、F统计量的值未达到理想水平。
因此认为,对模型的自相关修正是不必要的。
保留自相关修正前的模型回归结果。
所以,最终拟合的回归方程是:
Y=-8.378571-0.009588X1+0.952643X3+9.54E-05X4+2.177586X5-0.136320D2
(-3.25)(8.06)(12.56)(14.18)(-3.07)
R2=0.853722F=77.66022D.W=1.232656
我们也可以通过结合图八来看实际值和拟合值的的关系,再次证明有较好的模拟的效果。
图八实际值和拟合值的对照
四计量分析和理论分析
(一)计量分析
通过上面的分析,我们最终得到的拟合方程为:
Y=-8.378571-0.009588X1+0.952643X3+9.54E-05X4+2.177586X5-0.136320D2
R2=0.853722,可以说明上证指数可以基本由企业商品价格指数、利率、国家外汇储备、汇率、政策因素(股指期货与融资融券)等因素来解释
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 宏观因素对股票价格影响的计量分析 学位论文 宏观 因素 股票价格 影响 计量 分析 学位 论文