金融统计分析作业.docxVIP

金融统计分析作业

中国股市与宏观经济指标关系分析：基于统计方法的实证研究

摘要

本研究通过统计方法系统分析了中国股市与宏观经济指标之间的关联性。选取2000年至2022年的季度数据，运用相关性分析、向量自回归模型(VAR)、格兰杰因果检验等方法，探讨了国内生产总值(GDP)、消费者价格指数(CPI)、广义货币供应量(M2)、工业增加值和利率等宏观经济变量对上证综合指数的影响。研究发现：GDP增长率与股市收益率呈现显著正相关关系；M2增长率对股市具有正向推动作用；CPI与股市之间存在非线性关系；工业增加值对股市的影响存在时滞效应；利率变动对股市产生负向冲击。研究结果为投资者决策和宏观经济调控提供了实证依据。

一、引言

股票市场作为金融市场的重要组成部分，是反映一国经济发展状况的晴雨表。中国股市自1990年成立以来，经历了快速发展阶段，已成为全球第二大股票市场。与此同时，中国宏观经济也保持了长期高速增长，这种宏观经济与股市发展的关系一直是学术界和实务界关注的焦点。准确把握宏观经济指标对股市的影响机制，对于投资者制定投资策略、监管机构完善市场监管以及政府制定宏观经济政策具有重要意义。

本研究旨在通过统计方法，系统分析中国股市与主要宏观经济指标之间的关系，揭示宏观经济变量对股市的影响路径和程度，为相关决策提供科学依据。

二、文献综述

国内外学者对股市与宏观经济关系的研究已有大量成果。Fama(1990)通过研究发现股票价格变动与未来经济活动之间存在显著相关性。Schwert(1990)的研究表明，股票收益率与通货膨胀、工业生产等宏观经济变量存在显著关联。

国内方面，刘熀松(2004)较早研究了中国股市与宏观经济的关系，发现中国股市与经济增长之间存在背离现象。徐国祥等(2006)运用VAR模型分析发现，中国股市与宏观经济之间存在长期均衡关系。陈守东等(2018)通过研究发现，中国股市对宏观经济信息的反应存在非对称性。

然而，既有研究多集中于特定时期或特定指标，缺乏对近二十年完整周期的系统性分析；同时，研究方法多以简单相关性分析为主，未能充分捕捉变量间的动态关系。本研究将通过更丰富的数据和更先进的统计方法，对中国股市与宏观经济关系进行更全面、深入的分析。

三、数据与方法

3.1数据选取与处理

本研究选取2000年第一季度至2022年第四季度的季度数据作为样本区间。变量包括：

1.股市指标：上证综合指数(SH)及其收益率(RSH)

2.宏观经济指标：

-国内生产总值(GDP)及其增长率(GDPG)

-消费者价格指数(CPI)及其增长率(CPIG)

-广义货币供应量(M2)及其增长率(M2G)

-工业增加值(IAV)及其增长率(IAVG)

-一年期存款利率(RATE)

数据来源于国家统计局、中国人民银行、上海证券交易所以及Wind数据库。所有数据均经过季节性调整和价格平减处理，以消除季节因素和价格变动的影响。收益率采用对数收益率计算，公式为：R_t=ln(P_t/P_{t-1})×100%，其中P_t为t期价格指数。

3.2研究方法

本研究采用多种统计方法进行分析：

1.描述性统计：计算各变量的均值、标准差、偏度、峰度等统计量，初步把握数据特征。

2.相关性分析：计算各变量之间的相关系数，初步判断变量间的关联程度。

3.单位根检验：采用ADF检验和PP检验方法，检验各变量的平稳性，避免伪回归问题。

4.向量自回归(VAR)模型：建立包含股市和宏观经济变量的VAR模型，分析变量间的动态关系。

5.格兰杰因果检验：检验变量间的因果关系，确定宏观经济指标对股市的影响方向。

6.脉冲响应函数：分析宏观经济变量对股市的冲击效应及其持续时间。

7.方差分解：分析各宏观经济变量对股市波动的贡献度。

四、实证分析

4.1描述性统计与相关性分析

各变量的描述性统计结果如表1所示：

表1变量描述性统计(2000Q1-2022Q4)

|变量|均值|标准差|偏度|峰度|J-B统计量|

|------|------|--------|------|------|-----------|

|RSH|2.15|9.87|-0.32|3.56|2.87|

|GDPG|9.23|1.85|-0.75|3.12|5.43|

|CPIG|