我国CGPI、PPI差值与股票指数关系的实证研究-以上证指数为例

一、引言如今，市盈率法是证券交易中评估股票指数主要的依据，但是存在很大的局限性。首先，在A股证券市场中原油石化产品和银行两大重点业务占据了很大的比重，通过加权平均市场价格无法准确反映整个估值水平。其次，A股市场日益成熟，其估值水平也逐渐提高，于是标准就不是很稳定。最后，投资者对股市的预期会影响投资决策。在中国证券市场发展较好时期，投资者较为乐观；当市场低迷时，投资者会觉得有下降趋势。在这些情况下，市盈率法无法对股票指数进行有效的评估。企业商品交易价格指数(CGPI)，是指产品的投入价格指数，生产者价格指数(PPI)，是指企业产品的产出价格指数。因此，CGPI和PPI二者之间的差值可以反映盈利，即单位产品毛利率，从而可以对股票指数进行评价。在此，本文研究CGPI、PPI差值与A股市场股票指数的关系。二、文献综述李朝鲜、邓杰(2012)通过协整分析表明：CPI、PPI和CGPI这三种价格指数存有长期并且稳定的均衡关系，而且都能反映出我国通胀水平的波动情况。周庆杰(2013)通过实证研究得出：CGPI更适合代表中国的生产者价格指数，并利用Granger因果检验证明CGPI可以代表中国未来的生产者价格指数。在我国，产品批发价格是指制造商直接向零售商或通过批发商产生的结果，因此批发价格决定了零售价格。因此，CGPI与CPI相比，价格变化具有更广泛的代表性，CGPI对通货膨胀的反应更为准确。此外，CGPI不仅能反映市场供求状况和价格变化，而且能反映市场波动和周期变化趋势，合理配置资源，提高效率，是市场的“风向标”和“晴雨表”。肖争艳、王兆瑞(2019)把CGPI引入价格传导机制，认为产业链的物价传递机制主要是通过PPI向CPI直接传递和PPI通过CGPI的间接性传递这两种方式。并且，进入经济新常态以来，CPI与CGPI之间的关系不显著，即产业链中下游的转移价格关系链断裂。阻碍中下游地区转移价格形成的根本原因是有效需求不足。而且又因为新的产业结构不够完善，以至于下游生产能力转移不足，导致有效需求不足的问题加剧。综上所述，CGPI与CPI两者之间的差值整体上可以反映上市公司的单位产品毛盈利，该差值对国内A股市场指数有重要影响。上交所编制的上证指数在所有A股市场指数中是最能代表A股市场的。由此，本文探讨CGPI与PPI的差值与A股市场上证指数的关系。三、模型构建(一)变量选择与数据说明CGPI、PPI都是可以反映我国的通货膨胀情况的重要经济指标，而且CGPI可以代表企业产品投入价格，PPI则可以代表企业产品产出价格，二者之差可以反映单位产品毛利率来代表盈利情况。上海证券交易所编制的上证综合指数是众多A股市场的绝对基准指数，因此本文以上证指数为例进行研究。本文选取数据的时间起点是经济新常态开始的节点2010年，时间段为2010年1月—2020年12月。选取的数据为上证指数的月度收盘值、企业商品交易价格指数、生产价格指数，总样本数396个。PPI和CGPI的数据来自中国国家统计局官方网站，上证指数月收盘数据取自东方财富网。上证指数样本期内月度收盘数据用SH表示，变样本期内CGPI和PPI的差值用CP表示。(二)模型构建1.构建误差修正模型在上述方程中，(1)式和(2)式没有让SH和CP简单进行回归运算，而是让SH对CP以及它们的滞后项进行回归运算，这样可以防止(3)式的变量产生自相关。DSH与DCP的关系可以用系数θ来解释。如果系数是负数而且较为显著，就代表SH、CP有着长期并且稳定的均衡关系。如果系数是正数而且较为显著，说明如果DCP发生变动，DSH会发生更为激烈的变动，从而不能在短时间里均衡。2.构建VAR模型以上的两个方程式形成不受限的动态线型模型，αi、βi、ηi、ζi是方程系数，μ1和μ2互相独立。只有当CGPI、PPI的数据公布后，市场才能预期宏观经济政策、企业盈利对上证指数造成的影响。综上，本文假设：因变量不是受到其他变量当期数值的影响，而是受到自身滞后期数值和其他变量滞后期数值的影响。四、实证分析(一)平稳性检验使用ADF检验方法。结果显示：变量CP和SH是非平稳的，变量△CP(DCP)和△SH(DSH)是平稳的。(二)相关性检验使用Johansen协整检验。假设CP、SH没有协整关系，临界值为5%，CP、SH的迹统计量、最大特征值统计量都比5%大，因此拒绝原假设。在最多只存在一阶协整关系的假设前提下，CP、SH迹统计量、最大特征值统计量都比5%小，接受原假设。综上所述，CP和SH存有协整关系，并且是一阶协整关系。(三)ECM模型分析格兰杰定理表明：如果若干个非平稳变量之间存有协整关系，那必然是存在误差修正模型表达式。因此，需要解ECM方程式来分析变量。从表1可以看出：CP和SH具有短期的制衡关系，而且CP和SH之间没有自相关，但是由于拟合程度不高，所以不能解释CP、SH的相关程度。所以，本文要建立VAR模型及增量的脉冲响应函数，来解释CP和SH之间的相互关系。表1ECM模型回归结果(四)VAR模型分析在此，本文将验证区间设定为选取滞后阶数4、5、6、7、8，选择4和5作为滞后阶数时，4个指标显示构建VAR(3)模型，选择其余三个数字作为滞后阶数时，只有三个指标。在此选择5作为滞后阶数。根据VAR模型最优阶数选择的结果，建立VAR(3)模型进行回归运算，并对系统平稳性进行单位根检验。回归结果分析如下：第一，模型的CP方程的C值为0.156715，其截距的数值极小，与实际中的情况相符合。CP受到自身一、二阶滞后项及SH滞后一、二、三期值的影响较为显著；第二，SH受到CP滞后、一、三期值及自身滞后一、二、三期值显著影响；第三，R2分别为0.894878和0.883563，adj.R2分别为0.889708和0.877837，都趋近于1，说明该方程的拟合效果整体较好，可信度较高；第四，单位根都落在圆内，说明VAR系统平稳。因此，可用上述模型对指数展开相关的预测。(五)脉冲响应函数分析脉冲响应函数，是用于测量随机扰动项的一个标准差，冲击对其他变数当前和未来取值的影响轨迹，它可以更加直接地刻绘出变数间的动态相互作用和效应。VAR模型能够解释CP和SH对系统内任何变数的未来值都有重要影响。但是从结构上来说，VAR模型中并不能发现影响的正负性以及影响的时间。所以，需要进行脉冲响应分析。CP和SH都是一阶单整数据，所以可以就此推断它们的脉冲响应函数的不确定性会较高。基于此原因，本文选择使用一阶差分数据DCP和DSH。脉冲响应可以表明CGPI、PPI差值的变动(DCP)对上证指数变动(DSH)冲击的期限分布，所以首先要对DCP、DSH构建VAR模型，其次对其进行脉冲分析。通过图1可以发现，在承受来自DCP的一个标准差的冲击后，DSH在第一期时显现出了最大的正响应，第二期时出现快速收敛的情况，在第三期时最大负响应出现，第四期中又开始正响应并向0值附近收缩，第五期及以后在0值左右收敛，即第五期后基本不存在影响。此脉冲响应图说明CGPI、PPI差值对上证指数的短期冲击影响大，长期趋于稳定的互动关系。图1脉冲分析图在A股市场实际投资的过程中，如果CGPI、PPI差值由负转正，即DCP＞0，表明公司盈利能力已经得到提高，如果指数仍处于调整状态，投资者可以考虑改变悲观的投资思维，逐步开始空翻多，而不是仅仅遵循一个消极的市场过程。DCP“转正”后的前两个月能给大规模机构投资者充足时间去布局谋划，第三个月则是最好的投资时间。五、结语本文在假设业绩驱动市场运行的基础上，分析了2010—2020年CGPI、PPI与上证指数同期的差异。实证结果表明，CGPI、PPI与上证综合指数之间存在长期稳定的相关关系，CGPI与PPI之间的差异对上证综合指数具有较为显著的且长期稳定的影响。实验图中的区间分布及变化规律，可以为投资者在研制投资策略、选择投资时间及确定有效期时提供强有力的经验支持。在通常情况下，投资者们可以以此为理论基础，参考本实验结果来进行证券方面的投