有关影响我国股票价格指数的因素的计量分析.doc

有关影响我国股票价格指数的因素的计量分析(doc 34页) 日期：2 有关影响我国股票价格指数的因素的计量分析江西师范大学科学技术学院计量经济学期末考核论文题目：有关影响我国股票价格指数的因素的计量分析专业：10级国际经济与贸易班级：一班学号：1002021010姓名：范倩如时间：2021年1月目录摘要- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -Abstract- - - - - - - - - - - - - - - - - - - - 引言.5一、数据的选取6二、影响股价指数主要要素的关联度双变量分析16三、影响股价指数主要要素的关联度多变量分析19四、模型设定误差分析20五、模型结构稳定性检验22六、模型多重共线性诊断及补救27七、模型自相关诊断及补救29八、预测模型选择31九、小结与建议32十、参考文献33摘要股价指数是国民经济的“晴雨表, 本文选取我国近22年来有关股票价格指数上证综合指数、国内生产总值GDP、货币供给量、人民币汇率100美元对人民币及年平均利率的统计数据，并运用计量经济学的分析方法，建立相应的回归模型以及运用一些相关分析方法对所建模型进行分析，以更好的说明因素间的关系，即上证综合指数受国内生产总值GDP、货币供给量、人民币汇率、年平均利率的影响及影响程度，诣在为后续的研究工作提供参考。关键词：上证综合指数；国内生产总值；货币供给量；人民币汇率；年平均利率；AbstractThe price index is a “barometer of the national economy, we choose our nearly 22 years on the stock price index (Shanghai Composite Index), domestic production the gross(GDP),money supply(),the RMB exchange rate ($100 )and the average annual interest rate statistic ,and the use of econometric analysis ,to establish the appropriate regression model analysis of the model as well as the use of correlation analysis methods, in order to better illustrate the relationship between the factors by the gross domestic product(GDP),money supply(), the RMB exchange rate ,the average annual interest rate the degree of impact and influence ,it is that provide a reference for subsequent research.Key Words: Shanghai Composite Index； domestic production the gross(GDP)；money supply()；the RMB exchange rate ($100 )；the average annual interest rate.窗体顶端KKK引言我国股票市场成立了几十年，既经历了曲折和坎坷，也取得了重大成就，已成为中国经济格局中重要组成局部。但是，相对于国外成熟的股票市场，我国股市开展过程中表现出许多特有问题，例如：政策影响严重、国有股法人股不能上市流通、投机性强、股价波动幅度较大等。这些问题常常会使政府难以有效股市脉搏，也使投资者无所适从，这就需要我们在对中国股价波动规律进行深入了解的根底上分析影响股价波动的主要原因，以便于监管机构有的放矢地采取一些切实可行的对策，也是投资者了解股价波动的原因，据此预测未来股价走势，减少操作的盲目性，倡导理性投资。因此，对我国这个新兴股票市场的价格指数研究不仅有重要的学术意义，而且有重要的实际意义。对此，本文选取我国近22年来有关股票价格指数上证综合指数、国内生产总值GDP、货币供给量、人民币汇率100美元对人民币及年平均利率的统计数据，并运用计量经济学的分析方法，建立相应的回归模型以及运用一些相关分析方法对所建模型进行分析，以更好的说明因素间的关系，即上证综合指数对国内生产总值GDP、货币供给量、人民币汇率、年平均利率的影响关系。一、数据的选取我们选择了上海证券交易所1990-2021年度的数据来代表中国的股价指数，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关系。另外，我们还选取了货币供给量、国内生产总值GDP、人民币汇率100美元对人民币、年平均利率作为解释变量，所查数据如下:年份上证综合指数Y(亿元) GDP(亿元) 人民币汇率100美元年平均利率(% ) 1990127.616950.718667.8478.387.561991292.758633.321781.5532.337.561992780.3911731.526923.5551.467.561993833.8016280.435333.9576.2010.081994647.8720540.748197.9861.8710.981995555.2923987.160793.7835.1010.981996917.0228514.871176.6831.428.32519971194.1034826.378973.0828.985.6719981146.7038953.784402.3827.914.5919991366.5845837.389677.1827.832.2520002073.4853147.299214.6827.842.2520011645.9759871.6109655.2827.702.2520021357.6570881.8120332.7827.701.9820031497.0484118.6135822.8827.701.9820041266.5095969.7159878.3827.682.2520051161.06107278.8184937.4819.172.2520062675.47126035.1216314.4797.182.5220075261.56152560.1265810.3760.403.46520211820.81166217.1314045.4694.513.0620213277.14220001.5340902.8683.102.2520212808.08266621.3401202.0676.952.5020212199.40289847.7471563.7630.093.25资料来源：?中国统计年鉴?二、影响股价指数主要要素的关联度双变量分析一上证综合指数与货币供给量的关联度分析为了更好的进行对上证综合指数和货币供给量()的关联度分析，我们选取全国1990-2021年的统计资料，如表1所示。表1 1990-2021年全国上证综合指数与货币供给量()年份上证综合指数货币供给量()yLnYLn1990127.616950.74.8489798.8465981991292.758633.35.6793199.0633821992780.3911731.56.6597949.3700331993833.8016280.46.7259949.6977171994647.8720540.76.473699.9301641995555.2923987.16.3194910.085271996917.0228514.86.82112910.2581819971194.1034826.37.08514810.4581319981146.7038953.77.04464410.5701319991366.5845837.37.22006710.7328520002073.4853147.27.63698410.8808220011645.9759871.67.40608510.9999620021357.6570881.87.21351111.1687720031497.0484118.67.31124511.3399820041266.5095969.77.14401211.4717920051161.06107278.87.05708911.5831920062675.47126035.17.8918811.7443220075261.56152560.18.56818311.9353120211820.81166217.17.50703712.0210520213277.14220001.58.09472612.3013920212808.08266621.37.94025612.4935820212199.40289847.77.6959412.57711我们建立二元回归模型Ln相关计算数据参照于表1，把上证综合指数作为被解释变量Y,货币供给量()作为解释变量,运用统计分析软件SPSS,将上表中数据输入界面，进行回归分析所得结果如表2、表3和表4所示。表2 模型汇总模型RR 方调整 R 方标准 估计的误差1.870a.757.745.411812266a. 预测变量: (常量),LnX2。表3 Anovab模型平方和df均方FSig.1回归10.566110.56662.301.000a残差3.39220.170总计13.95721a. 预测变量: (常量), LnX2。b. 因变量:LnY表4 系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量).049.898.055.957LnX2.648.082.8707.893.000a. 因变量: LnY据此，可得该回归模型各项数据为：b2 =0.648b1 0.049 =0.170Var(b1)=0.806404Varb2 =0.006724Seb1 =0.898Seb2 =0.082tb1 =0.055tb2 = 7.893 =0.757df 20模型为：y=0.049+0.648，令=0.1，我们提出如下假设：H0：Bi0 ，YB1+B2X2+i yb1b2X2 t(bi) (20)在水平下，t检验的拒绝域为：，1.325和1.325，所以tb1落在非拒绝域中，不拒绝原假设；tb2落在拒绝域中，拒绝原假设，即X2对于模型有意义。对于该模型的经济意义解释如下：平均而言，在其他条件不变的情况下，货币供给量每变动1%，将引起上证综合指数变动0.648%。并且，该模型反映了75.7%的真实情况。(二)上证综合指数与国内生产总值(GDP)的关联度分析为了更好的进行对上证综合指数和国内生产总值(GDP)的关联度分析，我们选取全国1990-2021年的统计资料，如表5所示。表5 1990-2021年全国上证综合指数与国内生产总值年份上证综合指数国内生产总值GDPyLnYLn1990127.6118667.84.8489799.8345551991292.7521781.55.6793199.9888161992780.3926923.56.65979410.200751993833.8035333.96.72599410.47261994647.8748197.96.4736910.783071995555.2960793.76.3194911.015241996917.0271176.66.82112911.1729219971194.1078973.07.08514811.2768619981146.7084402.37.04464411.3433519991366.5889677.17.22006711.4039720002073.4899214.67.63698411.5050420011645.97109655.27.40608511.605120021357.65120332.77.21351111.6980220031497.04135822.87.31124511.8191120041266.50159878.37.14401211.9821720051161.06184937.47.05708912.1277720062675.47216314.47.8918812.2844920075261.56265810.38.56818312.4905420211820.81314045.47.50703712.6572920213277.14340902.88.09472612.7393520212808.08401202.07.94025612.9022220212199.4471563.77.6959413.06381我们建立二元回归模型LnYb1b2 LnX3相关计算数据参照于表1，把上证综合指数作为被解释变量Y，国内生产总值GDP作为解释变量X3，运行统计分析软件SPSS，将上表中数据输入界面，进行回归分析所得结果如表6、表7和表8所示。表6 模型汇总模型RR 方调整 R 方标准 估计的误差1.861a.742.729.424564306a. 预测变量: (常量), LnX3表7 Anovab模型平方和df均方FSig.1回归10.352110.35257.431.000a残差3.60520.180总计13.95721a. 预测变量: (常量), LnX3 b. 因变量: LnY表8 系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-1.5851.151-1.378.183LnX3.752.099.8617.578.000a. 因变量: LnY据此，可得该回归模型各项数据为：b2 =0.752b1 b2 -1.585 =0.180Seb1 =1.151Seb2 =0.099tb1 =-1.378tb2 = 7.578 =0.742df 20模型为：y=-1.585+0.752 X3，令0.1，我们提出如下假设：H0：Bi0，YB1+B2X3+i yb1b2X3 t(bi) (20) 在水平下，t检验的拒绝域为：，1.325和1.325，所以tb1、tb2均落在拒绝域中，拒绝原假设，即常数项、X3对于模型均有意义。对于该模型的经济意义解释如下：平均而言，在其他条件不变的情况下，国内生产总值(GDP)每变动1%，将引起上证综合指数变动0.752%。并且，该模型反映了74.2%的真实情况。三上证综合指数与人民币汇率的关联度分析为了更好的进行对上证综合指数和人民币汇率的关联度分析，我们选取全国1990-2021年的统计资料，如表9所示。表9 1990-2021年全国上证综合指数与人民币汇率年份上证综合指数人民币汇率100美元yLnYLn1990127.61478.384.8489796.1704051991292.75532.335.6793196.2772641992780.39551.466.6597946.3125691993833.80576.206.7259946.3564551994647.87861.876.473696.7591041995555.29835.106.319496.7275511996917.02831.426.8211296.72313519971194.10828.987.0851486.72021619981146.70827.917.0446446.71890419991366.58827.837.2200676.71880820002073.48827.847.6369846.7188220011645.97827.707.4060856.71865120021357.65827.707.2135116.71865120031497.04827.707.3112456.71865120041266.50827.687.1440126.71862720051161.06819.177.0570896.70829220062675.47797.187.891886.68108120075261.56760.408.5681836.63384520211820.81694.517.5070376.54320720213277.14683.108.0947266.52664120212808.08676.957.9402566.51759720212199.4630.097.695946.445863我们建立二元回归模型LnYb1b2 LnX4 相关计算数据参照于表9，把上证综合指数作为被解释变量Y，人民币汇率作为解释变量X4，运行统计分析软件SPSS，将上表中数据输入界面，进行回归分析所得结果如表10、表11和表12所示。表10 模型汇总模型RR 方调整 R 方标准 估计的误差1.466a.217.178.739327594a. 预测变量: (常量), LnX4。表11 Anovab模型平方和df均方FSig.1回归3.02513.0255.535.029a残差10.93220.547总计13.95721a. 预测变量: (常量), LnX4。b. 因变量:LnY表12 系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-7.0296.011-1.169.256LnX42.143.911.4662.353.029a. 因变量: LnY据此，可得该回归模型各项数据为：b2 =2.143b1 b2 -7.029 =0.547Seb1 =6.011Seb2 =0.911tb1 =-1.169tb2 = 2.353 =0.217df 20模型为：y=-7.029+2.143 X4，令0.1，我们提出如下假设：H0：Bi0，YB1+B2X4+i yb1b2X4 t(bi) (20)在水平下，t检验的拒绝域为：，1.325和1.325，,所以tb1落在非拒绝域中，不拒绝原假设；tb2落在拒绝域中，拒绝原假设，即X4对于模型有意义。对于该模型的经济意义解释如下：平均而言，在其他条件不变的情况下，人民币汇率每变动1%，将引起上证综合指数变动2.143%。并且，该模型反映了21.7%的真实情况。四上证综合指数与年平均利率的关联度分析为了更好的进行对上证综合指数和年平均利率的关联度分析，我们选取全国1990-2021年的统计资料，如表13所示。表13 1990-2021年全国上证综合指数和年平均利率年份上证综合指数年平均利率%yLnYLn1990127.617.564.8489792.0228711991292.757.565.6793192.0228711992780.397.566.6597942.0228711993833.8010.086.7259942.3105531994647.8710.986.473692.3960751995555.2910.986.319492.3960751996917.028.3256.8211292.11926319971194.105.677.0851481.73518919981146.704.597.0446441.5238819991366.582.257.2200670.8109320002073.482.257.6369840.8109320011645.972.257.4060850.8109320021357.651.987.2135110.68309720031497.041.987.3112450.68309720041266.502.257.1440120.8109320051161.062.257.0570890.8109320062675.472.527.891880.92425920075261.563.4658.5681831.24271320211820.813.067.5070371.11841520213277.142.258.0947260.8109320212808.082.507.9402560.91629120212199.403.257.695941.178655我们建立二元回归模型LnYb1b2 Ln X5相关计算数据参照于表13，把上证综合指数作为被解释变量Y，人民币汇率作为解释变量X5，运行统计分析软件SPSS，将上表中数据输入界面，进行回归分析所得结果如表14、表15和表16所示。表14 模型汇总模型RR 方调整 R 方标准 估计的误差1.664a.441.413.624628539a. 预测变量: (常量),LnX5。表15 Anovab模型平方和df均方FSig.1回归6.15416.15415.773.001a残差7.80320.390总计13.95721a. 预测变量: (常量),LnX5。b. 因变量:LnY表16 系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)8.285.32525.472.000LnX5-.860.216-.664-3.972.001a. 因变量:LnY据此，可得该回归模型各项数据为：b2 = =-0.860b1 = b2 8.285 =0.390Seb1 = =0.325Seb2 = =0.216tb1 = =25.472tb2 = -3.972 =0.441df 20模型为：y=8.285-0.860X5，令0.1，我们提出如下假设：H0：Bi0，YB1+B2X5+i yb1b2X5 t(bi) (20)在水平下，t检验的拒绝域为：，1.325和1.325，所以tb1、tb2均落在拒绝域中，拒绝原假设，即常数项和X5对于模型均有意义。对于该模型的经济意义解释如下：平均而言，在其他条件不变的情况下，年平均利率每变动1%，将引起上证综合指数变动0.860%。并且，该模型反映了44.1%的真实情况。综上所述，分别作的Y与X2，X3，X4， X5间的回归：模型一：y=0.049+0.648 X2 t=0.055 7.893 =0.757 df =20模型二：y=-1.585+0.752X3 t= -1.378 7.578 =0.742 df=20模型三：y=7.029+2.143 X4 t= -1.169 2.353 =0.217 df=20模型四：y=8.285- 0.860X5t=25.472 - 3.972 =0.441 df=20可见，上证综合指数受货币供给量的影响最大，因此选模型一为初始的回归模型。三、影响股价指数主要要素的关联度多变量分析一上证综合指数与国内生产总值、货币供给量、人民币汇率、年平均利率的关联度分析为了更好的进行对上证综合指数与国内生产总值、货币供给量、人民币汇率、年平均利率的关联度分析，我们选取了全国1990-2021年上证综合指数与货币供给量、国内生产总值、人民币汇率、年平均利率的统计资料，并根据该统计数据建立下表2-1.表2-1 年份yLnYLnLnLnLn19904.8489798.8465989.8345556.1704052.02287119915.6793199.0633829.9888166.2772642.02287119926.6597949.37003310.200756.3125692.02287119936.7259949.69771710.47266.3564552.31055319946.473699.93016410.783076.7591042.39607519956.3194910.0852711.015246.7275512.39607519966.82112910.2581811.172926.7231352.11926319977.08514810.4581311.276866.7202161.73518919987.04464410.5701311.343356.7189041.5238819997.22006710.7328511.403976.7188080.8109320007.63698410.8808211.505046.718820.8109320017.40608510.9999611.60516.7186510.8109320027.21351111.1687711.698026.7186510.68309720037.31124511.3399811.819116.7186510.68309720047.14401211.4717911.982176.7186270.8109320057.05708911.5831912.127776.7082920.8109320067.8918811.7443212.284496.6810810.92425920078.56818311.9353112.490546.6338451.24271320217.50703712.0210512.657296.5432071.11841520218.09472612.3013912.739356.5266410.8109320217.94025612.4935812.902226.5175970.91629120217.6959412.5771113.063816.4458631.178655我们建立多元回归模型LnYb1b2LnX2b3LnX3b4LnX4b5 LnX5i=1,2,3,相关计算数据参照于表2-1。我们将上证综合指数为被解释变量Y，货币供给量作为解释变量X2，国内生产总值GDP作为解释变量 X3，人民币汇率作为解释变量X4，年平均利率作为解释变量X5以下各步同上，运行统计分析软件SPSS，将上表中数据输入界面，进行回归分析所得结果如表2-2、表2-3和表2-4所示。表2-2 模型汇总模型RR 方调整 R 方标准 估计的误差1.894a.799.751.406669843a. 预测变量: (常量), LnX5, LnX4, LnX3, LnX2。表2-3 Anovab模型平方和df均方FSig.1回归11.14642.78616.849.000a残差2.81117.165总计13.95721a. 预测变量: (常量), LnX5, LnX4, LnX3, LnX2。b. 因变量: LnY表2-4 系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-2.6374.040-.653.523LnX22.5551.5113.4301.691.109LnX3-2.1501.667-2.463-1.290.214LnX4.963.573.2091.681.111LnX5.315.314.2431.005.329a. 因变量: LnY据此，可得该回归模型为：y- 2.637+2.555X2 - 2.150X30.963X40.315X5 t=- 0.653 1.691 - 1.290 1.681 1.005= 0.799 =0.751 df=17 F=16.849令0.1，我们提出如下假设：H0：Bi0，YB1+B2X2+B3X3B4X4+ B5X5i