对股票指数与宏观经济关系分析

1、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开展.至 2006 年3月1日,上海证券交易所股票市价总值到达 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到达10296.91亿元、4482.56亿元和64.8

2、2亿元.中国股 票市场在宏观经济运行中的作用得到空前提升.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GDH曾长率分别是8.3%、9.1%、10.0%、10.1%?口9.9%.根据宏观经 济的一般规律,股票市场是经济开展的“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

3、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 场是经济开展的“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GDR!行分析.对于股票指

4、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GD嘤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,至今开展二十余年,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2021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2021年11月,样本量为 95.由于国家统

5、计局网站公布的 GDFP据为年度或季度数据,没有月度数据,所 以利用Eviews5.0将GD呼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正确指标.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.

6、(3)深证指数(SZSCI)深证指数是指由深圳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 (HS30O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 新提供根底条

7、件.4、描述分析8 305 JQ1207 -29兔21 AS001 -23903 -2口目口 5 -2岩含7 -2WEO9 "00511 -200501 斯 -200403 日 -2*305 -2目岂 "虽口 R -20021 tjoogl -199903 -199割 7 199609 1 拈 511 -1图501图一 GDP序歹U图600000.00-40C0Q0.Q0 dO200000.00-OO图二上证指数、深证指数和沪深300序列图口.1岩5 J5207 口口11 0 9011 口口001 -2X903 百国9 -2*501 期 口042 & 口号 CQ口

8、109 -2名21 _L活 903 l-si J菖 BI-图6目 J 99Ml ,常 501HS?OQSHSCS2SC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

9、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 GD的列, 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SHSC、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 GDPff歹【、SHSCI序歹1、SZSCI和HS300序歹调整前后的序列图:图三对数GD环口调整后的对数GD/列图LOGGDPSA LOGGDP图四 对数上证指数及调整后的上证指数对数序列图LOGSHSCISA LOGSHSCI图五对数深证指数及调整后的深证指数对数序列LOGSZSCISA LOGSZSCI图六 对

10、数沪深300及调整后的沪深 300对数序列LOGHS30SA LOGHS300(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LGDR LSHSCI和LSZSCI的ADF检验MethodStatisticProb.*ADF - Fisher Chi-square2.782970.8356ADF - Choi Z-stat0.785940.7840* Probabilities for Fisher tests are computed using an asympotic Chi-square distributio

11、n. All other tests assume asymptoticnormality.Intermediate ADF test results GROUP01SeriesProb.LagMax LagObsLSHSCI0.5030014227LSZSCI0.5577014227LGDP0.88661414213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伙,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序歹U LHS300的ADF检验Null Hypothesi

12、s: LOGHS300 has a unit roott-StatisticProb.*Augmented Dickey-Fuller test statistic-2.7520610.0693Test critical values:1% level-3.5014455% level-2.89253610% 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%fc,所以不能拒绝序列 LHS300有单位根的原假设,认为 LHS300#在单位 根,是非平稳的.下面分另I对 LGDP LSHSCI LSZSCI进行差分后的序歹U DLGDP

13、DLSHSC和 DLSZSC进彳T ADF佥验,检验结果如下表所示：表 3 序歹U DLGDP DLSHSC正口 DLSZSCI 的 ADF检验Cross-sections included: 3MethodStatisticProb.*ADF - Fisher Chi-square283.7090.0000ADF - Choi Z-stat-16.00700.0000* Probabilities for Fisher tests are computed using an asympotic Chi-square distribution. All other tests assume a

14、symptoticnormality.Intermediate ADF test results D(GROUP01)SeriesProb.LagMax LagObsDLSHSC0.0000014226DLSZSC0.0000114225DLGDP0.00001114215对LHS300®行差分后的序列DLHS300!彳T ADF检验,检验结果如下表所示:表4序歹U DLHS30的 ADF检验Null Hypothesis: D(LOGHS300) has a unit roott-StatisticProb.*Augmented Dickey-Fuller test statist

15、ic-8.5167270.0000Test 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LHS300s是一阶单整序歹上(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.协整的根本思想认为, 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

16、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 理论根底.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勺协整 关系,所以采用E-G两步检验法.由单位根检验可知,LGDP LSHSG口 LSZSCM 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LGD的整回归Dependent Variable: LGDPMethod: Least SquaresDate: 05/21/14 Time:

17、19:56Sample: 1995M01 2021M12Included observations: 228VariableCoeffici entt-StatistiProb.Std. ErrorcC2.9240260.8033653.6397230.0003LSHSCI1.1350730.10775610.533760.0000Mean R-squared0.329297dependentvar11.36899S.D.Adjusted R-squared0.326330dependentvar0.949670Akaike infoS.E. of regression0.779465crit

18、erion2.348316SchwarzSum squared resid 137.3099 criterion2.378398Log likelihood0F-statistic110.9600Durbin-Watson stat 0.315330Prob(F-stati 0.000000stic)得到LGDPW LSHSCI之间的回归方程：LGDP 2.924 1.135LSHSCI表6 LSZSCI与LGD的整回归Dependent Variable: LGDPMethod: Least SquaresDate: 05/21/14 Time: 19:59Sample: 1995M01 2

19、021M12Included observations: 228Coefficit-StatistiProb.VariableentStd. ErrorcC5.4946710.50236410.937630.0000LSZSCI0.9398850.07998411.750910.0000MeanR-squared0.379264 dependent var11.36899S.D.Adjusted R-squared 0.376517 dependent var0.949670Akaike infoS.E. of regression0.749868criterion2.270895Schwar

20、zSum squared resid 127.0804criterion2.300977-256.882Log likelihood1F-statistic138.0840Prob(F-statiDurbin-Watson stat0.342784stic)0.000000得到LGDPW LSZSCI之间的回归方程：LGDP 5.495 0.940LSZSCI表7 LHS300与LGD的整回归Dependent Variable: LOGGDPMethod: Least SquaresDate: 05/27/14 Time: 22:14Sample (adjusted): 2006M01 20

21、21M11Included observations: 95 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C10.252291.5716116.5234240.0000LOGHS3000.2340550.1994181.1736910.2435R-squared0.014596Mean dependent var12.09498Adjusted R-squared0.004000S.D. dependent var0.694461S.E. of regression0.693070Akaike info crite

22、rion2.125457Sum squared resid44.67222Schwarz criterion2.179223Log likelihood-98.95922F-statistic1.377551Durbin-Watson stat0.378730Prob(F-statistic)0.243516得到LGDPW LHS300之间的回归方程:LGDP 10.252 0.234LHS300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分另I代表序歹U LGDP LSHSCI和LGDP LSZSCI及LGDPLHS300的回归残差序列.对E1、E2、E3分别做单位根检验

23、,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)Prob*t-Statisti cAugmentedDickey-Fuller test statistic -4.7869600.0006Test critical values:1% level-3.9989975% level-3.42974510% level-3.138397*MacKinnon (1996) one-

24、sided p-values.残差序列E1的ADF检当叙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LGD对LSHSC之间存在协整关系,GDPffi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 a unit rootExogenous: Constant, Linear TrendLag Length: 0 (Automatic based on SIC, MAXLAG=0)Prob*t-Statisti cAugmente

25、dDickey-Fuller test statistic -4.9492150.0003Test critical values:1% level-3.9989975% level-3.42974510% level-3.138397*MacKinnon (1996) one-sided p-values.残差序列E2的ADF检当叙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LGD环口 LSZSCI之间存在协整关系,GDPffi深证综指之间存 在长期稳定的关系.表10 E3的ADF

26、检验Null Hypothesis: RESID01 has a unit rootExogenous: Constant, Linear TrendLag Length: 0 (Automatic based on SIC, MAXLAG=0)t-StatisticProb.*Augmented Dickey-Fuller test statistic-3.6110990.0342Test critical values:1% level-4.0586195% level-3.45832610% level-3.155161残差序列E3的ADF检当叙t统计量的值为-3.611099,小于显著

27、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LGD对LHS30必问存在协整关系,GDPffi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GD吆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a130S-2 口 1K1S-I-29兔-20211-202101-202103 $00305 乩0口揖7 -200609 (口0±1U00501 期-2OD4O3 口 -200305 -200昌7 001W -200210D0O1 _L哨警

28、3 -199605A雷7号-I 宏EWJ凿 511-155501图8LGDP8LSHSaLSZSCILHS3GD这个结论与有些学者的研究略有不同.李瑞(2006)的研究说明：股票价格 与GD吆间不存在协整关系.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2021年12月.这说明在近几年,中国股票市场活动水 平较好,对经济开展有一些影响.(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：|LGDP 01LSHSCI tLGDP 1

29、 LSHSCI vt , 其中 Vtt t 1此做法存在两个问题：1由于LGDPW LSHSCI一阶单整,两者之间存在着长期稳定的均衡关系,那么误差项t不存在序列相关,所以Vtt t 1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,那么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句的短期关系,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,LGD注第t期的变化不仅取决于LSHSC本身的变化, 还取决于LSHSCI与LGDPft t-1期末的状态,尤其是LSHSCI与LGDPft 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Yt0+ /t t中的1可视为Y关于X的长期弹性；2短期非均衡模型Y0+ 1Xt2Xt-1 + 3K1 t中的1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