引入投资者情绪上证指数预测模型实证探讨.docVIP

引入投资者情绪的上证指数预测模型实证研究 　　【摘要】 本文首先通过主成分分析法构建了反映投资者情绪的情绪综合指标，在此基础上建立了包括国内宏观经济指标、国内金融市场指标、国际资本市场指标和情绪综合指标的上证指数预测指标体系，通过格兰杰因果检验、方差分解、脉冲响应函数等方法从指标体系中选出了对股指影响最大的几个因子，并以此构建了上证指数预测模型 【关键词】 证指数 投资者情绪 经济指标 向量自回归 一、指标和模型的建立 1、指标体系的建立 本文考虑到指标选取的全面性、综合性、科学性以及易获取性，在综合考虑前人的研究成果的前提下，构建了包含4个二级指标和25个三级指标的影响股价指数波动的指标体系，包括GDP增长率（GDP）、CPI增长率（CPI）、PPI增长率（PPI）、制造业PMI指数（PMI）、工业增加值（INDUS）、宏观经济景气指数（ECOI）、固定资产投资增长率（FIXR）、社会消费品零售总额（CONS）、外汇储备（FER）、进出口总额（TAIE）;流通中的现金（M0）、货币（M1）、货币和准货币（M2）、准货币（M2-M1）、储蓄存款（SD）、7日银行回购利率（RR）、Shibor隔夜拆借利率（Shibor）;道琼斯指数（DJI）、恒生指数（HIS）、美元指数（USDI）;消费者信心指数（CCI）、沪市新增A股开户数（ACCOUT）、总市值加权沪市换手率（TCTR）、流通市值加权沪市换手率（CCTR）、封闭基金加权折价率（ISFD） 本文选取了2009年1月―2014年6月的月度数据，主要的数据均来自中国统计局、锐思金融研究数据库。由于GDP只有季度数据，而没有月度数据，本文的处理方法是用eviews的低频高频数据转换方法，将GDP季度数据转换成月度数据 2、模型权重的设置 向量自回归VAR模型的脉冲响应函数描绘了VAR系数中的因变量如何响应模型方程中的随机误差项的冲击。方差分解的基本思想是把系统中的因变量的波动按其成因分解为与各个方程信息相关联的组成部分，从而得到信息对模型因变量的相对重要程度。基于此，在对指标体系进行单位根检验和格兰杰因果检验后，分别对筛选出来的各变量指标与上证指数进行方差分解和脉冲响应函数的分析。当脉冲响应最大时，由方差分解所获得的该变量指标的冲击的方差占上证指数的方差的比例最大，本文设定此时该变量指标的相对方差贡献率为其自身变化率对上证指数变化影响的权重，考虑了上证指数的滞后期数，建立如下模型： 其中，SCIt是根据自变量变化率加权所计算出的上证指数值;X是第i个自变量先行变化率，其中di是该自变量的先行期数;wi是第i个自变量的相对方差贡献率;n表示该自变量与上证指数的关系。n=1表示自变量与上证指数为正相关关系，n=2表示自变量与上证指数为负相关关系 二、模型实证分析 1、投资者情绪综合指标的构建 本文选取了消费者信心指数、沪市新增A股开户数、总市值加权沪市换手率、流通市值加权沪市换手率、封闭基金加权折价率5个投资者情绪代理指标进行主成分分析，构造一个能够综合反映投资者情绪的投资者情绪综合指标 表1显示了主成分分析得到的特征值与贡献率。首先，KMO统计量的值为0.662，大于0.5，并且Bartlett球形检验的值为252.541，较大，Sig也为0，故上述指标符合主成分分析的规定。再者，表中第一主成分和第二主成分的特征值都大于1，而其他的主成分都小于1，且前两个主成分的累积方差贡献率已达到了85.556%，降维的效果较好，故选择前两个主成分作为构建投资者情绪综合指标的因子 从旋转成分系数矩阵中可以看出，第一主成分更多的涵盖了沪市新增A股开户数、总市值加权沪市换手率、流通市值加权沪市换手率的信息，而第二主成分更多的表现为消费者信心指数的特性。一般来说，消费者信心指数越高，新增A股开户数越多，换手率越高，则投资者情绪越高涨，它们均为投资者情绪的正向指标。旋转成分系数矩阵中第一主成分的沪市新增A股开户数、总市值加权沪市换手率、流通市值加权沪市换手率的系数为正，第二主成分的消费者信心指数的系数也为正，说明构建投资者情绪综合指标的两个主成分与投资者情绪之间更多的表现为正相关的关系。用Z1表示第一主成分，Z2表示第二主成分，则Z1、Z2与5个代理变量的关系为： Z1=-0.005?CCI+0.851?ACCOUT+0.930?TCTR+0.970?CCTR+0.743?ISFD Z2=0.935?CCI+0.349?ACCOUT+0.069?TCTR-0.110?CCTR-0.743?ISFD 由表1可得第一主成分和第二主成分的方差贡献率分别为61.673%和23.883%，即Z1、Z2的权重。对Z1、Z2进行