河北联合大学计量经济学课程设计

1、1 引言2001 年至 2005 年,中国的国内生产总值以每年 9 %左右的速度增长,而股市在这段时间却下跌了 50 %;同样,股市飞涨的情形,也未必说明中国经济的“质量” 。上证指数在 2006 一年里由年初的 1 180. 96 上升到年末的 2 675.47 ,总计上涨 1 494. 51 点,涨幅 126. 5 %。但其中的 1 000 点是在后 3 个月内上涨的,而同期 GDP 增幅仅 10 % 左右。2007 年美国住房抵押贷款风险悄悄显现并迅速演变成为一场波及全球的金融危机。2007 年 2 月汇丰控股为在美次级房贷业务增 18 亿美元坏账拨备, 次贷危机初露苗头; 2007 年

2、 8 月 10 日美国次贷危机蔓延, 欧洲央行出手干预。2008 年 3 月 16 日美国第五大投行贝尔斯登以 2 美元 /股出售给摩根大通, 美国次贷危机越演越烈; 2008 年 9 月 7 日美国政府宣布接管美国最大的住房抵押贷款融资机构房地美和房利美; 2008 年 9 月 15 日美国第四大投行雷曼兄弟宣布申请破产保护; 第二天美国政府出资拯救美国最大的保险集团美国国际集团 (A IG) ; 美国次贷危机进一步恶化。我国 A 股在 2007 年 10 月达到历史高峰。上证综合指数最高达到 6214 点, 而在 2008 年 10 月跌至 1664 点, 跌幅高达73%。期间人民币依然保

3、持升值态势, 人民币对美元汇率从 2007 年 10 月底的7148: 1 升值 2008 年 10 月底的 6183: 1, 升值 817%。牛市期间对 A 股市场起重要推动作用的人民币升值因素在全球金融危机背景下是否仍是股市的推动作用呢?2 影响股价指数因素关系2.1利率调整对证券市场价格的影响在不同的利率体制下，其对证券市场价格影响是不同的。在利率市场化体制下，利率作为一个货币政策的中介目标，直接对货币供给量作出反应。根据凯恩斯的流动偏好理论，如果当前利率下降，会有更多的人相信将来利率会上升，现在卖出股票持有货币以备将来在买入股票，于是股票价格下降；当利率的调整是低于公众预期，在利率下降

4、时人们相信将来利率降得更低，则会在当前买入股票，留待将来卖出，于是股票价格上升；而当利率的调整合乎公众的预期时，对股票需求不会变动，股价亦不变。 托宾等人的资产选择理论给出了另外的利率对股价影响渠道：（）替代效应：利率下降，公众更乐于持有向对手以较高的股票，股价上升；（）积累效应：离率下降，安全资产收益下降，为了达到财富积累目标，投资者将更多购买高收益的风险资产，股票价格上升。在利率管制体制下，利率被作为一个货币政策工具受到央行的直接控制，它对于证券市场的影响是直接和显著的。一方面，利率变动影响存款收益率，进而影响资金流向和流量，最终必然会影响到证券市场的资金供求和股票价格。利率上升，证券市场

5、资金供应减少，股票价格下降；反之，利率下降，证券市场资金供应增加，股票价格将上升。 另一方面，利率变动会影响企业的借款成本，进而影响到企业的盈利情况，最终会影响股票价格。中央银行调高贷款利率会加重企业利息负担，从而减少企业的盈利，进而减少企业的股票分红派息，受利率提高和股票分红派息的降低的双重影响，股票价格必然会下降。相反，中央银行调低贷款利率，将减轻企业利息负担，降低企业生产经营成本，提高企业盈利能力，使企业可以增加供股票的分红派息，受利率的降低和股票分红派息的增加的双重影响，股票价格将大幅上升。特别是那些负债率比较高，而且主要靠银行贷款从事生产经营的企业（例如房地产业），这种影响更为显著。

6、2.2 汇率对股价指数的影响尽管汇率变动是影响股价变动的一个因素，但在汇率变动的不同的阶段上，这种变动对股价变动的影响程度是有差别的。在本币升值幅度较小或升值趋势不明显的阶段，汇率可能并不成为影响股价的主要因素。但是，在本币长期且大幅度升值期间，人们容易形成强烈的本币升值预期，该预期可能会传导到其他金融资产价格，受此影响，股价可能会对汇率的变动做出强烈的反应。不过，由于人们对汇率变动的预期不同，从而使股价和汇率变动在汇率变动的不同阶段呈现出不同的关系。当本币大幅度升值时，投资或投机资本会大量购买以本币计价的金融资产，其中资本的一个主要流向就是股市。包括国外投资或投机资本在内的巨额资本流入股市，

7、一方面会推高本国股票价格，另一方面会促使本币进一步升值。而本币升值以及本国资产价格的上涨，使资本流入的获利更高，从而使资本加速流入2.3 国内生产总值对股价指数的影响GDP变动是一国经济成就的根本反映，持续、稳定、高速的GDP增长。在这种情况下，社会总需求与总供给协调增长，经济结构逐步合理趋于平衡，经济增长来源于需求刺激并使得闲置的或利用率不高的资源得以更充分的利用，从而表明经济发展的良好势头，这时证券市场将基于下述原因而呈现上升走势。高通胀下GDP增长。当经济处于严重失衡下的高速增长时，总需求大大超过总供给，这将表现为高的通货膨胀率，这是经济形势恶化的征兆，如不采取调控措施，必将导致未来的滞

8、胀(通货膨胀与增长停滞并存)。这时经济中的矛盾会突出地表现出来，企业经营将面临困境，居民实际收入也将降低，因而失衡的经济增长必将导致证券市场下跌。)宏观调控下的GDP减速增长。当GDP呈失衡的高速增长时，政府可能采用宏观调控措施以维持经济的稳定增长，这样必然减缓GDP的增长速度。如果调控目标得以顺利实现，而GDP仍以适当的速度增长，而未导致GDP的负增长或低增长，说明宏观调控措施十分有效，经济矛盾逐步得以缓解，为进一步增长创造了有利条件，这时证券市场亦将反映这种好的形势而呈平稳渐升的态势。3 分析所用理论方法简介3.1 异方差性检验异方差性（heteroscedasticity ）是相对于同方

9、差而言的。所谓同方差，是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。如果这一假定不满足，即：随即误差项具有不同的方差，则称线性回归模型存在异方差性。 怀特(white) 检验。White 检验是通过建立辅助回归模型的方法来判断异方差性。假设回归模型为二元线性回归模型，则White 检验的步骤为：估计回归模型，计算残差 ；估计辅助回归模型： 即将残差平方关于解释变量的一次项，二次项和交叉乘积项进行回归；计算辅助回归模型的判断系数 ，在此检测中，原假设为：回归方程的随机误差满足同方差性。对立假设为：回归方程

10、的随机误差满足异方差性。判断原则为：如果nR2chi2 (k-1），则原假设就要被否定，即回归方程满足异方差性。在以上的判断式中，n代表样本数量，k代表参数数量，k-1代表自由度。chi2值可由查表所得。3.2 如何判断数据存在自相关性用相关计量软件: 比如说E-VIEWS检查残差的分布。 如果残差分布具有明显和圆润的线性分布图像， 说明自相关性存在的可能性很高。反之， 无规则波动大的分布图像显示出相关性微弱。Q-Statistics 以（box-pierce)- Eviews( 7th version第七版本）为例子：很多统计计量软件软件提供Q test来检测，这里用Eviews为例子。 Q

11、的统计量（test statistics）为 Q=n*2. 零假设null hypothesis H0=0和方法2的含义一样。如果零假设证明失败，则对立假设0成立，意味着有自相关性。4 实证分析在这里，我选择了上海证券交易所19992008年度的数据来代表中国的股价指数，即上证综合指数的收盘价，原因在于：上海证券交易所上市的公司大多数为大型的国有企业，而深圳证券交易所所上市的公司主要为小型的合 资、外向型企业。上海证券交易所与深圳证券交易所的股价指数具有较强的正相关性关系。另外，还选取了一年期存款利率X1,国内生产总值（GDP）X2,人民币汇率（100美元对应的人民币）X3和城镇居民可支配收入

12、X4作为解释变量。 4.1相关数据资料来源：中国统计年鉴，中国人民银行官方网站年份上证综合指数一年期存款利率 X1国内生产总值（GDP）X2汇率（100美元对人民币）X3城镇居民可支配收入 X419991366.582.2589677.10827.835854.0020002073.482.2599214.60827.846280.0020011645.972.25109655.20827.706859.6020021357.651.98120332.70827.707702.8020031497.041.98135822.80827.708472.2020041266.502.2515987

13、8.30827.689421.6020051161.062.25183217.40819.1710493.0020062675.472.52211923.50797.1811759.5020075261.563.47257305.60760.4013785.8020081820.813.06300670.00694.5115780.764.2建立模型由上诉分析，建立股价指数与各影响因素之间的线性回归模型：y= ax1+bx2+x3+x4+c+运用OLS对公式进行多元线性回归分析，得到一下结果：Dependent Variable: Y Method: Least SquaresDate: 01

14、/03/13Time: 15:05 Sample: 1999 2008Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C-23978.029134.883-2.6248860.0468X14612.697942.47984.8942130.0045X2-0.1253880.087327-1.4358400.2105X314.3694711.242281.2781640.2573X42.5061201.7248041.4529890.2060R-squared0.898657Mean dependent

15、var2012.612Adjusted R-squared0.817582S.D. dependent var1227.642S.E. of regression524.3313Akaike info criterion15.66898Sum squared resid1374617.Schwarz criterion15.82027Log likelihood-73.34489F-statistic11.08429Durbin-Watson stat2.419191Prob(F-statistic)0.010615得到模型： Y=4612.697x1-0.125388x2+14.36947x

16、3+2.50612x4-23978.02+R 2 =0.898657-R 2 =0.817582DW=2.419191F=11.08429方程的 R 2 较高，说明方程整体上是合理的，能很较好地拟合数据。但 x2， x3，x4 的 t 值都小于临界值，无法通过检验。出现这种情况的原因可能是由于解释变量之间存在多重共线性。下面进行相关系数检验：在 EVIEWS 软件的命令窗口键入：COR Y X1 X2 X3 X4 X5输出的相关系数矩阵如表 2：表 2 相关系数表从表中可以看出，x1与y的相关度最高，其他三个解释变量与被解释变量的相关度相对较弱。这四个变量之间也是高度相关的，说明模型确实存在多

17、重共线性。为了消除变量间的多重共线性，下面采用“向前逐步回归法”，根据新变量的引入造成原有变量的显著性变化状况来决定是否保留该变量。运用OLS 方法逐一求对各个解释变量的回归。利用EVIEWS 软件即得以下六个一元回归模型： Y=2095.69x1-3071.531 t=3.984069p=0.0040R 2 = 0.623DW= 2.055378F= 15.87281 y=0.008873x2+532.8614 t=1.691022p=0.1293R 2 = 0.171237DW= 2.210520F= 2.859555 y=-11.74750x3+11454.91 t=-1.318577p

18、=0.2238R 2 = 0.075847DW= 2.231490F= 1.738644 y=0.185177x4+227.3385 T=1.630179p=0.1417R 2 = 0.155523DW= 2.178304F= 2.657485从以上五个模型的统计检验结果并结合模型（1）和表1，经综合分析，可知上证综合指数y与一年期存款利率x1的线性关系最强，拟合程度好，所以选择模型（2）：Y=2095.69x1-3071.531 作为最基本的模型。异方差检验采用 White 检验法检验回归残差的异方差。怀特检验表如下White Heteroskedasticity Test:F-statis

19、tic0.449536Probability0.825825Obs*R-squared7.824331Probability0.450816Test Equation:Dependent Variable: RESID2 Method: Least SquaresDate: 01/03/13Time: 15:12 Sample: 1999 2008Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C178505561.43E+080.1249770.9208X18282053.9469780.0.8745

20、770.5425X12-1319374.1522902.-0.8663550.5455X2119.0889435.56710.2734110.8301X22-0.0008540.001804-0.4736000.7184X3-38517.46288283.7-0.1336100.9154X3210.06798155.53410.0647320.9588X4-3510.85210437.60-0.3363660.7934X420.3529980.7178680.4917310.7091R-squared0.782433Mean dependent var137461.7Adjusted R-squared-0.958102S.D. dependent var159427.9S.E. of regression223091.0Akaike info criterion26.96596Sum squared resid4.98E+10Schwarz criterion27.23829Log likelihood-125.8298F-statis