基于时间序列模型的股票价格因素分析.doc

基于时间序列模型的股票价格因素分析 　　摘 要：在吸收借国内外一些知名文献后，对影响股票价格的宏观经济因素进行了实证研究，最后选择股票价格指数、货币供应量等因素进行了分析。在此基础上构建时间序列模型，然后运用Eviews软件进行回归分析表明，得出方程并给出了政策建议 关键词：股票价格指数；货币供给量；EVIEWS 中图分类号：F83 文献标识码：A doi：10.19311/j.cnki.1672-3198.2016.09.042 1 引言 股票价格指数是股票市场繁荣的重要指标之一，影响我国股票市场的总体水平程度高低，上市公司在股票价格、升跌幅度和交易量的大小，都严重影响着股票市场和投资者的投资情绪，而且指导监管机构的决策方向，受到很多人的关注，因此很有研究的意义。对股票价格指数影响因素的分析，预测股票价格走势，已成为学术界研究的热点之一 2 时间序列模型的建立步骤 在建立时间序列模型的时候，首先还是要检验时间序列的平稳性，可利用DF或ADF检验单位根是否存在，若DF或ADF小于临界值，则时间序列平稳，否则时间序列为非平稳.当时间序列为非平稳时，需要对变量进行差分，直至随机差分序列平稳为止 当时间序列或差分序列平稳后，就可以确定模型的类型，利用Eviews软件估计参数 诊断检验.利用估计结果对模型参数进行显著性检验（t检验），以决定模型中相应变量的取舍；利用残差序列对模型的误差项进行平稳性检验，以决定所建立的模型是否平稳， 对模型进行误差修正 3 上证综合指数的时间序列模型的建立与分析 3.1 上证综合指数时间序列的平稳性的单位根检验 以SZ表示上证综合指数，以CPI表示价格指数，以M2表示货币供应货币供给。数据为2006年至2007年各月度统计数据，来源于国家统计年鉴 首先我们检验经过数据处理的货币供给货币供给即LNM2是否平稳，根据DF检验方法，检验该时间序列的单位根，从检验结果看，在1%、5%、10%三个显著性水平下，单位根检验的Mackinnon临界值分别为-4.121990、-3.144920、-2.713751，t检验统计量值-1.381602大于相应临界值，从而不能拒绝H0 ，表明货币供给货币供给序列存在单位根，是非平稳序列 为了得到货币供给货币供给的单整阶数，在单位根检验中，指定对二阶分序列作单位根检验，得到估计结果，从检验结果看，在1%、5%、10%三个显著性水平下，单位根检验的Mackinnon临界值分别为-4.200056、-3175352、-2.728985，t检验统计量值-5.350746小于相应临界值，从而拒绝 H0 ，表明货币供给（LNM2）不存在单位根，是平稳序列。即LNM2序列是二阶单整的，LNM2～I（2） 采用同样的方法，可检验LNCPI、LNSZ序列也是二阶单整的，即LNCPI～I（2），LNSZ～I（2） 为了分析上证综合指数（LNSZ）、居民消费价格指数（LNCPI）、货币供给（LNM2）之间是否存在协整关系，我们先做变量之间的回归，然后再检验回归残差的平稳性 3.2 OLS回归方法估计回归模型 以上证综合指数（LNSZ）为被解释变量，居民消费价格指数（LNCPI）、货币供给（LNM2）为解释变量，用OLS回归方法估计回归模型，结果见表1 估计的回归模型为： LNSZ=30.41114-36.19596CPI+11.44004M2+e （0.536229） （-2.683381） （9.566948） 上式中括号中的数值为t值，可以得出各变量都是显著性的 上述回归模型中的参数通过显著性检验，因此，上证综合指数的时间序列模型为： LNSZ=30.41114-36.19596CPI+11.44004M2 3.3 检验回归残差的平稳性，判断是否存在协整关系 检验回归残差的稳定性，把OLS回归残差序列任命为新的序列的ET，对ET的单位根检验。由于平均残值为零，所以我选择不拦截，没有趋势的DF检验项目，估计，在5%的显著水平，对-3.401089t检验统计值小于相应的阈值，从而拒绝H0，表明不存在单位根的残差序列是平稳序列，说明上海综合指数（INSZ），居民消费价格指数（INCPI）和货币供应（LNM2）之间的协整关系 3.4 建立误差修正模型 上证综合指数（LNSZ）、居民消费价格指数（LNCPI）和货币供给（LNM2）三者之间存在协整关系，表明他们之间是有长期关系的。但是三者短期之间的关系似乎并不均衡，如果想让模型的可靠度更强，可以把协整回归式中的误差项e看作均衡误差，通过建立误差修正模型把生活费支出的短期关系确定出来。误差修正模型的结构