沪深300指数影响因素的实证分析

【金融市场】ＦｈｕｍｃｍｌＭａｒｋｅｔ　２０１４年１０月刊（总第４７４期）　沪深３００指数影响因素的实证分析　李俊葳　（天津商业大学，天津３００１３４）　摘要：沪深３００指数可以较好的代表中国股票市场的价格走势，它选取了在上海和深证两家证券交易所上市的交　易量达，流通性好的３００只蓝筹股作为样本，以较为科学的统计方法编制而成的指数。通过以ＧＤＰ累计增长率，通货膨　胀率和实际利率作为自变量，以沪深３００指数收盘价为因变量，应用各自的季度数据进而建立多元回归模型，可以分析　自变量和因变量之间的相关关系以检验假设是否成立。　关键词：线性回归模型；检验；相关关系　中图分类号：Ｆ８３　文献标志码：Ａ　文章编号：１０００—８７７２（２０１４）２８－０１２７—０４　１．研究方法及数据的选取　１．１模型选择　本文利用多元线性回归模型对股票价格的影响因素进行　其中，ＧＤＰ是以不变价格计算的季度累计增长率，数据来　源于国家统计局网站，ＰＰＩ是当月同比月表示的通货膨胀率，在　上表中我将其计算为季度的平均值，Ｒ是ｓｈｉｂｏｒ年利率，我也　表示为季度平均值。数据来源于ｗｉｎｄ资讯。为了剔除通货膨胀　分析，以国内生产总值，通货膨胀率和利率为自变量，以股票价　格为因变量，为了剔除ＧＤＰ和名义利率中的趋势性上涨因素　（可能是通胀导致），。我选用了以不变价格表示的ＧＤＰ累计增　长率和实际利率代替名义值作为自变量，以沪深３００指数为因　变量，它于２００５年４月８日由沪深证券交易所联合发布，覆盖　因素，在模型中我将用实际利率作为自变量，计算公式为：ＲＲ＝　其中ＲＲ为实际利率。　计算结果如表二：　表二　时ｌ硐ＲＲ　了沪深两个证券市场，具有很好的总体市场代表性，并以其收　盘价作为因变量。选取２００７年第一季度到２０１４年第一季度共　２９个样本。初始模型建立如下：　Ｙ．－Ｂ１ＧＤＰＩ＋￣２即Ｉ　３ＲＲ．＋Ｕｉ　２ＯＯ７Ｑ１　２００７Ｑ２　０．１５５５３６　０．５５４８５３　２ＯＯ７Ｑ３　２ｏｏ７Ｑ４　２００８Ｑ１　２１）ｃ撼Ｑ２　２００８Ｑ３　１．０８２１８８　－０．０４７８９７　－２．０７６９０１　－３．３９５１４７　－４．５９２６７４　１．２数据来源和处理　原始数据如表一：　表一　ＧＩ）　ｐ　Ｐ　Ｉ■ｔ　２ＯＯ８Ｑ４　２００９Ｑ１　２００９Ｑ２　２００９Ｑ３　２００９Ｑ４　２ＯｌＯＱ１　２０１０￣２　１．２９７８１４　６．９１８９６４．　９．７６２９３１　１０．６０４４２　４　４０１５５２　－２．７３７３８２　－４．０８３１６２　２０１０Ｑ３　２０１０Ｑ４　２０１１Ｑ１　２０１ｌＱ２　０１ｆ　ｔ）１　１　２　１　ｎ（Ｘ’０　－１．７８９４７４　－２．４９８１０７　－２　５８７５７６　－１．８８９４４０　２０１００２　聋Ｏ１ｏ‘　３　１１．２００００　】ｏ．，ｏ０００　２０１１Ｑ３　２０１ｌＱ４　—１．７４６０３２　２．０４．５７６３　２０１０ｏ４　２０１ｌ｜ｏ１　２０１　１Ｑ２　２０１　１０３　２０１　１　ｏ４　２０１２０　１　２０１　２ｏ２　１０．４０ｏｃｘ）　９．Ｂ００ａｏ０　９　７ｏ００ｏ０　９．Ｓ００ｃ　０　９．　００ｃ）ｏ０　７　９ｏａⅨ）０　２０１２Ｑ２　２ｏｘ２Ｑ３　２０１２Ｑ４　一善．３Ｏ０，ｔｌ￣…２．３ｎ‘ｍ（，０　６．４８００７３　８．４５５０２　０６　８５７７２８　７　７【】Ｃ×Ｘ的　２０１２Ｑ３　２０１　２０４　７．，ｅ＇Ｊ，Ｏ００００　，７．７ｏ（×’００　４．４８０‘×　４　４《ｘ）ｃ，（，０　２Ｏ１３Ｑ￣　２０１３Ｑ２　　６．２３７９１６　７．３３０１　１２　０１３ｏ１　２０１　３Ｑ２　７．，ＯＯＣＪＯ０　７．６ｏ０ｃＫｘ】　—１　７３０ｏ‘，ｃ　一　．７３ｏ００ｏ　４　４００ｃ’０ｏ　４．４０￣２０１３Ｑ３　￣２４８７２８　２０１３ａ３　２ｏ】３ｏ４　．７ｏ０（ｘ柏　７．７ｏ０Ｃ×　一１．７４００００　—１．４摹０００ｏ　４　４ｏｏｏ００　４　Ｓ０００‘，　２ｏ１４ｏ１　７．４０ｏｏｏ０　—１．９８００００　４．９＇￣００＇００　２ｍ３Ｑ４　２ｏ，４Ｑ，　６。０１６０２９　７．１１０７９４　注：上表中数据均去掉百分号，即将数据乘以１００得出　收稿日期：２０１４—０９—１０　注：上表中数据均去掉百分号，即将数据乘以１００得出　作者简介：李俊葳（１９９２一），男，汉族，甘肃秦安人，天津商业大学经济学院金融学，研究生在读，方向是商业银行经营管理。　１２７ｍ－Ｒ—日一　【金融市场】Ｆｉｎａｎｃｉａｌ　Ｍａｒｋｅｔ　２０１４年１０月刊（总第４７４期）　２．回归分析结果及检验　将数据键入ｅｖｉｅｗｓ中得到沪深３０００指数和各自变量间散　点图如图一：　，　２．１回归结果　应用ｅｖｉｅｗｓ做回归分析结果如图二：　秘随　图一　深３００价格指数与ＧＤＰ之间存在线性回归关系。同理，ＲＲ也　是显著的，但是ＰＰＩ并不显著。　２．２对于回归结果进行检验：　２．２．１多重共线性检验　将ＲＲ单独作为自变量进行线性回归分析结果如图三：　图二　因此：我国股票市场价格函数为：　＝一１１０．２９０７＋２８３．４５７９ＧＤＰ＋６２．１７５７２ＰＰＩ＋９２．３７５２８ＲＲ　根据图二，拟合优度并不高。从经济学假设角度看，股价和　ＧＤＰ，ＰＰＩ的相关性符合经济学假定，而与ＲＲ的相关性则不符　合经济学假定，从统计学角度看，当选取显著性ａ＝０．０５时，由　图三　于ＧＤＰ的Ｐ－－Ｏ．００５，小于０．０５，ＧＤＰ在统计学上是显著的，即沪　根据图三回归结果和图一沪深３００指数和ＲＲ的散点图　１２８　【金融市场】ＦｉＩＩａｎｃｉａｌ　Ｍａｒｋｅｔ　２ｏＩ４年１０月刊（总第４７４期）　可以看出，ＲＲ与Ｙ有显著的负相关关系，与经济学假设相符，　然而在多元回归分析结果中，ＲＲ与Ｙ相关关系发生了变化，更　为显著性水平时的临界值１６．９１９，且其Ｐ值为０．０６９２大于　０．０５，所以可以得出的结论是模型不存在异方差性。　２．２．３自相关检验　２．２．３．１　ＤＷ检验　ｔ近一步分析，算出变量之间的偏相关矩阵如表三：　表三　二二二＝二二二二　匿嚣戚甜　羞　一　偏相关矩阵　二二二　１　０。磊１茳　ｅ峨　．二二二二二　至＝二二＝＝夏Ｉ二：　五　趸　根据图二所显示的结果，ＤＷ值为０．８１２１３５，当给定显著性　水平为０．０５时，ＤＷ的临界值ＤＬ和ＤＵ分别为１．２０和１．６５，　＝　：萋　釜　一　稿８　：０２　一母，售岬嚣　基２　壁：璺曼璺　篓壁：：至坠！罂由于ＤＷ值在（０，１．２）区间呢，表明回归模型中存在自相关关系　２．２．３．２　ＬＭ检验　表三中可以看出ＰＰＩ，ＧＤＰ和ＲＲ均存在相关性，而且ＰＨ　和ＲＲ之间的相关性达到一０．９７６８２，说明自变量之间存在多重　共线性。　２．２．２异方差检验　利用ｅｖｉｅｗｓ对回归模型进行ｗｈｉｔｅ检验得到的结果如图四　所示：　利用ｅｖｉｅｗｓ对模型进行ＬＭ检验结果如图五所示：　图五　从图五中可以得出与ＤＷ检验同样的结论，由于Ｐ值等于　０．ｏ０７３远小于０．ｏ５，所以拒绝Ｈ０　表明模型有一阶正自相关性。　２．２．４误设定检验　图四　。　令Ｙ１＝Ｙ　，Ｙ２＝Ｙ。，Ｙ３＝Ｙ　，将这三个变量作为自变量加入到　回归模型中得出回归结果如图六所示：　从图四结论看，由于ＴＲＹ１５．８９０７１小于卡方分布以Ｏ．０５　图六　１２９ａ＿Ｂ－月＿　【金融市场】ＦｉｎａｎｃｉａｌＭａｒｋｅｔ　２０１４年１０月刊（总第４７４期）　从图六可以看出，根据Ｒｅｓｅｔ检验法得出的Ｆ统计量为　深３００指数与ＧＤＰ有很强的正相关关系，且在统计上显著，而　１０６１９２．７，其Ｐ值为０．００００，明显小于显著性水平的Ｏ．Ｏ５，拒绝　对于利率来说，当期单独作为自变量进行回归时，它与沪深３００　无误设定的假设，表明模型有误设定的情况。　指数之间的负相关关系也很显著，且与经济学假设相符，但和　２．２．５总结　ＰＰＩ的相关性不显著。且模型存在误设定，而散点图上并无法明　根据检验结果，我们可以确定模型存在多重共线性，自相　显看出自变量和因变量之间可能的函数关系。所以就要对初试　关性和误设定，不存在异方差性。　模型进行改变，方法是将ＰＰＩ从方程中去掉，对Ｙ，ＧＤＰ和ＲＲ　３模型的改变　吓：　对最初的多元线性回归模型进行分析检验后可以发现，沪对其做回归分析，结果如图七所示：　图七　图七所得的回归函数为：ＬｎＹｉ＝３．３４４１２４＋１．８９９４１９ＬｎＧＤＰＩ＋　３．２多重共线性检验：　０．３１９２３６ＬｎＲＲ　，将图七与图二比较可发现，新的回归方程的拟　计算变量之间的篇相关性矩阵，其结果如图九：　合优度明显加强，表明新的方程能够较好的描述从２００７年１　季度到２０１４年１季度沪深３００指数的价格走势，而ＬｎＧＤＰ和　ＬｎＲＲ在统计上非常显著，但是不足的是ＬｎＲＲＬｎＹ之间相关性　为正，与经济学基本假定不符。ＤＷ值接近２表明自相关性基　本消除。　图九　３．１异方差检验　上图表明ＬｎＧＤＰ和ＬｎＲＲ之间有很强的多重共线性关系，　对新的回归模型再做ｗｈｉｔｅ检验得到的结果如图八所示：　所以遗憾的是新模型依旧在多重共线性问题上无法有所突破。　３．３模型预测　假设２０１４年第二季度的ＧＤＰ累计增长率为７．５％，而　ｓｈｉｂｏｒ年利率在第二季度的平均值为５％，而ＰＰＩ第二季度平均　值为一１．７％，则ＲＲ为６．８２％。利用新的回归模型对其沪深３００　价格指数进行预测，得出ＬｎＹｆ为７．７８４１５６，则Ｙｆ为２４０２．２４。　图／　参考文献：　从图八中可以看出，Ｐ值为Ｏ．１４４２大于０．Ｏ５的显著性水　［１】潘省初．计量经济学第四版冲国人民大学出版社．　平，表明接受Ｈ０，即模型不存在异方差性。　（责任编辑：陈喜辉）　１３０