汇率与股价相关性分析及其应用.docVIP

汇率与股价相关性分析及其应用 　　【摘 要】为了研究人民币汇率与我国主要出口企业股价相关性分析，本文选取2014年1月至2017年2月期间这两个重要指标的周均值数据，通过建立两者相关性的统计模型得到一个重要结论：两指标之间存在短期的稳定均衡关系，且这种关系是?R率水平到股价的单向因果关系。 　　【关键词】人民币有效汇率；股票市场；Granger检验；ARIMA模型 　　一、引言 　　随着人民币国际化问题不断升温，人民币的汇率变动也成为了国内外投资者关注的重要因素。早在2005年我国实行汇率形成机制改革以来，取得了显著的成效，对我国经济发展起到了积极的推动作用。此外，2010年6月，我国央行根据国内外经济形势，结合我国现状进一步推进改革人民币汇率形成机制，增强其弹性，更好地反映出了国内外市场的供求关系，使得人民币开始走上了升值之路。早些时候，人们普遍认为股票价格不可预测的。等到了1953年，肯德尔，一位英国统计学家，他采用时间序列分析方法研究股票价格的波动并最终试图得到有关股票价格波动的模型，得到了一个令人意外的结果：股价遵循的是随机游走模型。 　　我国的股票市场和外汇市场尚未发展成熟，通过对汇率市场和股票市场之间关系的探究，有利于国家更好地扮演管理者的角色，简政放权，通过政府管制的减法获取市场活力的加法。此外，完善的汇率价格机制与股票价格机制分别对外、对内，是联动的。而且通过对影响我国股票市场价格波动因素的研究还有益于做到提早预防、降低金融风险，保护投资者，使我国的经济在稳定的金融市场中健康发展。 　　二、模型选取及实证分析 　　汇率指标采用的是人民币有效汇率指数，该数据源自BIS国际清算银行网站。股票数据引用RESSET数据库，所选指标为沪深300指数。所使用的相关统计软件是Eviews8和R软件。为方便解释，以下文章叙述中用变量表示人民币有效汇率，变量表示沪深300指数。 　　为了探究二者之间的关系，需要做格兰杰因果关系检验：我们采用Eviews8软件对数据和进行格兰杰因果关系检验，我们给出表1，观察结果发现：在5%显著性水平下，有一个可以拒绝原假设，即有95%的可能性表明人民币有效汇率是引起我国股票市场股价变动的格兰杰原因。这说明汇率市场与股票市场之间存在单向的因果关系，即汇率的波动对股票市场有一定的影响，但是股市的波动对汇价的影响不是特别显著。 　　所以说短期内我们可以利用汇市的变化预测股市的变化。这个结论不仅有利于投资者行为，他们借助这种单项影响即时调整投资结构，避免投资风险；而且为国家完善汇率机制和加强股票市场监管提供依据。汇率与股价的相关性，汇率的短期预测对于投资者而言是有重要参考价值的，所以在此对我国人民币有效汇率进行时间序列建模，通过短期预测，进而推出未来股价的变动。 　　ARMA模型的全称是自回归移动平均模型，它又可以细分为AR模型、MA模型和ARMA模型三大类。本文重点介绍MA模型。 　　MA（q）模型是q阶移动平均模型的简称，具有如下结构： 　　采用R软件对lnx进行平稳性分析，给出表2，观察结果发现：所得检验统计量的P值是0.9605，远大于0.05，所以在5%显著性水平下不能接受原假设，得出对数化人民币有效汇率数据是非平稳的。 　　而对于一般的非平稳性时间序列数据先进行一阶差分，如果平稳了则继续下面的工作。一阶差分后的数据同样做ADF检验，所得的P值为0.015，小于显著性水平0.05，所以初步认为差分后的数据变成平稳的了。然后再利用ACF以及Box检验判断处理后的数据是否是白噪声序列，如果是的话，则有用的信息已提取完毕，剩下的属于纯随机过程，无可提取的信息，该数据不可以用作时序预测。利用R软件操作对原始数据进行自动识别定阶，观察结果发现：一阶差分数据拟合ARIMA（2，1，2），所以进行差分前的原始数据拟合的模型应该是ARIMA（2，2，2），各参数具体系数值见表3。 　　模型拟合程度高有一个重要指标就是建模后的残差项是白噪声数据，即再没有可提取的信息，这样的模型才是可行的。所以在参数的显著性检验之后还需进行残差的纯随机性检验以及可逆性检验。 　　残差的纯随机性检验，H0：是纯随机序列；H1：不是纯随机序列，根据检验统计量的P值为0.9896，大于0.05，所以不能拒绝原假设，故拟合模型的残差项是纯随机序列。得到的拟合模型数据信息提取较完全。 　　模型可逆性判别采用的原则是：残差滞后项所对应的特征方程的根在单位圆之内（0.46181）。 　　参数系数显著，所以原始数据满足的是ARIMA（2，2，2）模型，需要特别指出的是，在使用ARIMA模型拟合非平稳序列时，对残差序列有三个假定条件：零均值；纯随机；方差齐性。 　　如果方差齐性假定不成立，即随机误差序列的方差