我国股市电力指数和发电量因果关系和协整检验.docVIP

我国股市电力指数和发电量因果关系和协整检验 　　【摘 要】本文选用我国2008年1月到2012年12月的发电量和股市电力指数作为原始数据进行分析，首先剔除趋势和季节波动，得出两序列的残值，然后对两序列的残值进行平稳性分析，格兰杰因果检验和协整检验。检验结果显示，在滞后期为1时，我国发电量对电力指数存在单向的格兰杰因果关系，而在滞后期为2-12时，二者不存在格兰杰因果关系。最后对二序列进行了协整检验，发现二者存在长期的双向的因果关系。这一关系的发现对于电力市场的投资者制定投资计划有着实际的指导意义。 【关键词】电力指数；因果关系；发电量 股市是宏观经济的晴雨表，股市的变化反应了经济周期的变动。我国电力行业的股市变动与我国发电量的变动之间的关系一直以来是人们关注的话题，我国每月发电量的变动是否引起股市电力指数的变动，而股市电力指数的变动又是否对下月的发电量有所影响。它们之间的关系不仅在短期内影响投资者的投资决策，而且在长期内一定程度上影响宏观经济的发展状况。为此，本文对我国股市电力指数和发电量之间的因果关系进行了一次较为深入的研究。 1.研究理论与方法 许多研究两个时间序列因果关系的文章表明，要进行因果关系检验必须保证两序列是同阶平稳的，因此在进行因果关系分析之前必须对序列进行单位根检验。 1.1 ADF检验 ADF检验包括一个回归方程，左边为序列的一阶差分项，右边则为序列的一阶滞后项、滞后差分项，有时还有常数项和时间趋势项。带有两个滞后差分项的回归为[1-2]： （1） 其中，表示白色噪声误差项。 在进行ADF检验时有三个选择：第一个是回归中是否包括一个常数项，第二个是回归中是否包括一个线性时间趋势，第三个是回归中应包括多少个滞后差分项。 在每种情况下，单位根检验都是对回归式中的系数进行检验，ADF检验的输出结果包括检验滞后变量系数的ADF统计量和检验所需的临界值。如果系数显著的不为零，即小于零，那么包含单位根的假设将被拒绝，从而接受备择假设平稳。 如果ADF统计量为负且绝对值很大，则拒绝单位根假设，表明序列是平稳的。如果ADF统计量的值比报告的临界值大，就不能拒绝非平稳和存在单位根的假设，也就是序列可能是非平稳的。 1.2 格兰杰因果检验 根据格兰杰因果关系的定义，若时间序列通过采用的历史数据可以提高预测效果，则说明存在从到的因果关系，否则不存在。传统的格兰杰因果检验的原假设是不存在从到的因果关系[3-4]。 （2） （3） 其中，表示白色噪声误差项，表示变量的滞后长度。 式（2）的原假设是不存在从到的因果关系，若是联合显著的，则拒绝原假设。同样，式（3）的原假设是不存在从到的因果关系，若是联合显著的，则拒绝原假设，表明存在从到的因果关系。 1.3 协整检验 协整检验基于VAR自回归模型，根据两类最大似然检验值即最大特征根检验与迹检验决定协整方程的数量，如果VAR模型中某些变量之间是协整的，则需要建立一个非约束向量误差修正模型如下[3]： （4） （5） 其中，为滞后期数，为待估参数，为残差项。 基于误差修正项的因果检验，包含了协整方程中的误差滞后项如下[5]： （6） （7） 其中，是从长期均衡关系中获得的滞后误差修正项。 当ECM（-1）系数的t统计量显著则表明存在长期的因果关系，解释变量的F统计量表明短期的因果关系。然而，对于式（6）和（7），仅当变量间存在协整性才能引入误差项进行估计。 2.实证分析 期波动的处理，处理后的结果如图2，图3和图4所示。 我们对残值部分进行了ADF单位根检验，检验结果如表1， 表1 ADF单位根检验 表2 格兰杰因果检验 从表1中我们可以看出，当发电量和电力指数在有截距项或趋势项时是非平稳的，在没有截距项和趋势项时是平稳的。因此，对发电量和电力指数的残值进行格兰杰因果检验，检验结果如表2，在滞后期为1时，发电量是电力指数的格兰杰原因，也就是说发电量在发生变动的一个月后将对电力指数产生影响。然而值得关注的是，在随后的2至12月，两序列不存在格兰杰因果关系，也就是说电力指数的变动不会对发电量的变动造成影响，而发电量的变动也只是短时间的影响电力指数。 为了得出发电量和电力指数之间是否存在长期的相互影响关系，我们对其残值进行了协整检验，检验结果如表3，协整检验结果显示，在迹检验下发电量和电力指数之间不存在协整向量即不存在长期稳定的关系，而在最大特征根检验下发电量和电力指数之间存在一个协整向量，也就是说它们之间存在长期协整关系。 表3 协整检验 表4 非约束向量误差修正模型（EG表示发电