我国宏观经济与股市发展的协整分析研究的论文

《我国宏观经济与股市发展的协整分析研究的论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、我国宏观经济与股市发展的协整分析研究的论文摘要：本文针对我国宏观经济和股市发展的协整关系进行了研究，首先论述了专家对这个问题的研究，然后取了几组具有代表性的数据进行了相应的协整分析研究，并得出了一系列结论，最后提出了相应的政策建议。关键词：宏观经济，股市发展，协整分析一、前言宏观经济发展水平与股票价格波动之间的关系一直是金融经济研究中一个重要论题。.国外许多学者的大量研究表明股票市场价格波动主要是由经济周期、货币供给、利率、通货膨胀率等经济变量所决定的。fama(1990)研究了美国证券市场收益率与宏观经济之间的关系,得出的

2、结论是股票价格和实际经济增长存在正相关关系。世界银行经济学家德米尔居斯·孔特和莱文(1996)等人通过实证检验发现人均实际gdp较高的国家,其股票市场发展程度也较高。而harris(1997)对发达国家和发展中国家的上述关系分别进行了研究,得出的结论是在发达国家中股票市场与经济增长之间存在着相互促进的正向关系,但在发展中国家两者之间的联系非常弱。所以可以说,当股价波动与宏观经济因子变化存在协整关系时,说明股票市场趋于成熟,市场正向理性和有效的方向迈进;反之,如果二者不存在协整关系,可能预示市场依然不成熟,市场需要法律等外部环

3、境对交易主体进行进一步规范。在本文中，作者主要研究中国股市波动与宏观经济因素波动之间的协整关系,并利用granger因果检验,以分析股票价格与宏观经济因子之间是否存在因果关系及因果关系的方向,为决策及投资者提供有效的决策依据。二、数据选取和样本空间的确定为了提高建模和推断的准确性，本文选取1999-2005年的季度数据作为样本数据，有关数据均来自个年度的《中国统计年鉴》以及中国统计信息网，具体的变量选取如下：（1）宏观经济方面的变量选择。我们决定选取人均名义季度gdp，人均值可以在一定程度上消除由于劳动力规模的扩张引起的经济

4、总量的增长，并且实际值能消除物价波动的影响。另外我们对名义gdp通过官方公布的全国零售价格指数加以调整得出。（2）股市发展方面的变量选择。上证指数和深圳指数均可以代表股市的大体发展趋势，但是为了方便，我们只选上证指数作为指标，它比深圳指数更加具有代表性，去每季度的值用shanghai表示。所以本文决定采用shanghai作为衡量股市发展的指标变量。三、模型建立与实证分析1、模型的选择。1.1单位根检验（unitroottest）检验单位根通常有3种方法。（1）df（adf）检验法（dickey-fuller,1979）、（2

5、）crdsonormalstyle="margin:0cm0cm0pt;text-indent:21pt;line-height:20pt;mso-line-height-rule:exactly;mso-char-indent-count:2.0;tab-stops:183.35pt">1.2协整检验（cointegrationtest）协整检验主要有两种方法：一种是engle-granger两步法，另外一种是基于向量自回归（var）系统的极大似然估计检验方法。本文采用基于向量自回归（var）系统的极大似然估计检验方法。1

6、.3兰杰因果关系检验（grangercausalitytest）这是著名计量经济学家2003年诺贝尔经济学奖获得者克莱夫格.兰杰于1969年提出了格兰杰因果关系检验，住要是针对两个平稳变量或者两个不平稳但是却有显著的协整关系的变量之间进行的一种因果检验，已经受到广泛的认可。2、实证分析我们可以看出：1999-2005年共28个季度值，估计到二者的相关性应该比较明显。我们将两组数据通过eviesonormalstyle="margin:0cm0cm0pt;text-indent:24pt;tab-stops:183.35pt"

7、>variablecoefficientstd.errort-statisticprob.c0.4753180.03606713.178920.0000y0.5647560.04871611.592710.0000r-squared0.837896meandependentvar0.762596adjustedr-squared0.831661s.d.dependentvar0.337964s.e.ofregression0.138663akaikeinfocriterion-1.044786sumsquaredresid0

8、.499916schsonormalstyle="margin:0cm0cm0pt;text-align:right;mso-layout-grid-align:none"align=right>-0.949629loglikelihood16.62701f-statistic134.39