我国工业生产总值与上证指数关联可能性研究.docVIP

我国工业生产总值与上证指数关联可能性研究 　　摘要：本文在回顾了相关的基础理论的基础上，提出了运用工业生产总值数据与上证指数之间的相关关系的解释，结合运用Eviews软件对假设的模型进行了回归分析，并通过检验试图证明两者间的相关性关系。在上述的研究基础之上应用格兰杰因果检验的方法探明工业生产总值数据与上证指数间的内在联系。研究结果表明，工业生产总值相关数据与上证指数之间为存在格兰杰因果关系，宏观经济数据也是驱使我国上证指数变动的因素之一。经数据分析得出结论：工业生产总值增速变动一定程度上会影响我国上证指数的变动。而上证指数也体现了我国的宏观经济现状。通过所得出的结论本文也给投资者投资给出了相应策略与建议。 　　关键词：工业生产总值；上证指数；回归分析；格兰杰因果检验 　　我国股市是否确实起到了宏观经济的“晴雨表”作用，宏观经济数??与我国上证指数变动是否存在必然联系还是互为因果关系。选取工业总产值这一基本的宏观经济数据，借助于计算机科技，通过多元统计软件的应用，试图通过对该数据的挖掘进行回归分析，并在此基础上采用格兰杰因果关系检验的方法，探寻我国工业生产总值与上证指数的内在联系。 　　工业生产总值（Gross Industrial Output Value），工业总产值是以货币形式表现的、工业企业在一定时期内生产的工业最终产品或提供的工业性劳务活动的总价值量。回归分析（regression analysis）是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。多元线性回归格兰杰因果检验方法为2003年诺贝尔经济学奖得主克莱夫·格兰杰（Clive W.J.Granger）所开创，用于分析经济变量之间的因果关系。他给因果关系的定义是“依赖于使用过去某些时点上所有信息的最佳最小二乘预测的方差。” 　　样本为国家统计局公布的2009年至2012年的工业生产总值原始数据，数据处理与模型设计的简要思路为： 　　首先对工业生产总值对上证指数的一元回归分析，设有两个变量x和y，变量y的取值随变量x取值的变化而变化，接着对相关数据进行拆分，即将多个变量引进，将模型设定为一个多元回归模型，通过显著性检验，拟合度可接受范围内，进行模型变换及OLS回归分析及检验，最后在符合平稳性前提条件下，进行格兰杰因果关系检验。具体模型设计数据研究过程可参阅作者《2010年至2012年度我国工业生产总值与上证指数的因果关联的可能性研究》一文，在此特别感谢上海师范大学金融学院投资系主任张毅对该文章研究思路与检验方法提供的帮助与指导。 　　其中回归系数的t检验表面变量的变动对上证指数的走势有着显著地影响；F检验的检验结果表明解释变量与被解释变量之间有着显著地线性关系。在随机扰动项的标准差可以看出，工业生产总值的相关数据在预测上证指数是平均误差并不大。所以我国工业生产总值的波动确实会一定程度上影响我国上证指数。但是两者的拟合有度都相对较低，其中工业总产值同比增长比率所得出的数据更符合经济意义，由于上证指数本身存在的决定性因素较多，影响股票价格指数的原因会由政策因素、投资者心理、宏观经济现状等多个方面影响，所以众多因素无法用一个简单的数量化模型来计算得出的。所以拟合有度在0.3～0.5之间是一个可以接受的范围。通过OLS检验可以发现加入的两个变量中从检验结果可以看出解释变量轻工业的月度同比增长百分比的t值无法经过显著性检验，但是模型的拟合有度有所提升。 　　可以看出，上证指数与工业生产总值存在着相关关系。但是由于将数据细分后点的检验结果并没有使模型优化所以我们依旧选取单因素模型作为研究模型。其次两个数据间的相关性是否可靠，数据是否不平稳而导致所谓的“伪回归”现象还不明确。为了区分两个数据究竟谁因谁果，故需对结果进行格兰杰因果检验分析。 　　值得注意的是，进行格兰杰因果关系检验的一个前提条件是时间序列必须具有平稳性，否则可能会出现虚假回归问题。因此在进行格兰杰因果关系检验之前首先应对各指标时间序列的平稳性进行单位根检验。模型采用的平稳性检验方法为ADF检验。设工业生产总值增加额（X）、上证指数（Y）、工业生产总值同比增长百分比的对数（LOG（Z））、上证指数的对数（LOG（Y））、上证指数变换量（YC）等数据。在1%显著水平下，原4个时间序列均都通过ADF检验，表明原始序列存在单位根，是平稳序列。同时在显著水平为5%与10%时也同时通过了检验。根据ADF检验的最终结果以及本文格兰杰因果检验的实际意义出发，选取在1%显著水平之下通过平稳性检验的时间序列X、Y、LZ、LY这个4个时间序列进行格兰杰因果检验来探明工