深证A股指数（共4篇）
深证A股指数 篇1
影响深证A股指数涨跌的因素有很多, 但是哪些因素的影响比较显著, 并没有明确定论。本文拟建立以深证A股指数为被解释变量的计量模型, 在建模过程中主要考虑宏观、微观两方面共8个经济变量作为解释变量, 即宏观方面的汇率、利率和GDP增长率;微观方面的深市股票成交量、换手率、市盈率、基金成交金额和流通市值。选择这些变量作为解释变量, 主要是考虑了这些变量在理论上与被解释变量的相关关系和数据的可获得性。解释变量的规格都是时间跨度为1999年1月到2007年12月的月度时间序列。以Y表示深证A股指数, 其他变量依上述次序以X1～X8表示。本文采取平均经济回归方法建模, 根据这个模型的假定, 本文的主要任务就是估计所选模型的参数和检验关于这些参数的假设。如果比如R2、t、F和DW等诊断统计量是令人满意的, 所选模型就可以被认为是具备了优良的统计性质。平均经济回归从含有一定个数解释变量模型开始, 在保持原有模型优良统计性质的前提下, 把其他变量加到模型中来。
一、建模过程
对数线性模型在分析时间序列数据时可能得到比非对数线性模型更好的效果, 因此本文同时考察非对数线性模型、对数线性模型。
(一) 非对数线性模型
1、模型表达式。
按照平均经济回归方法, 在所有8个Y对Xi的一元回归中得到了一个统计性质优良的模型 (同时, Y是一阶求积时间序列, 不是平稳的时间序列, 所以Y取一阶差分形式) , 即模型1:
△Y的ADF单位根 (麦金农单侧P值) 检验如下:
零假设:△Y有单位根;滞后长度:0;ADF检验统计:T统计量为-4.285661;概率值为0.0000;关键检验值为1%, 对应的显著水平为-3.49405%;关键检验值为5%, 对应的显著水平为-2.889210%;关键检验值为10%, 对应的显著水平为-2.5813。
检验结果显示△Y不存在单位根, 因而是平稳的时间序列。对X5 (换手率) 的ADF单位根检验结果表明, X5存在单位根的概率极小, 故在5%的显著水平上 (由此以下, 如本文中无特别说明都用5%为显著水平) , 认为X5不存在单位根, 是平稳的。因为△Y和X5都是平稳的时间序列, 因此模型的残差也是平稳的。
2、对模型1统计性质的检验。
下面对该模型是否存在多重共线性、ARCH效应、自相关进行检验。
(1) ARCH检验。
通过ARCH检验可侦测出时间序列数据中的异方差性。滞后值分别取1、2、3, 笔者做了3次ARCH检验, 都没有发现ARCH效应。本文仅列出ARCH (2) 的检验结果, 如下所示:
零假设:△Y有单位根;滞后长度:0;F统计量为0.736365, 概率值*为0.569269;观测值个数*R2为0.4440976, 概率值为0.603214。
ARCH (2) 检验中F统计量的P值为0.57, 说明模型1中不存在ARCH效应, 即没有异方差性。
(2) 自相关检验。
从以上表达中可以看到, 模型1的DW统计量约为2.25, 查表发现在5%的显著水平上, 一个解释变量108个观测值的上限显著点dU约为1.654。d U<2.25<4-dU, 据DW自相关检验的规则, 若DW统计量落在dU和4-dU之间, 即可拒绝模型残差的自相关性。因此, 可以认为模型1不存在自相关的问题。综上所述, 模型1无多重共线性、无异方差ARCH效应、无自相关, 且残差是白噪声 (遵从零均值、恒定方差和非自相关等经典假定) 。
3、优化模型1的探索。
首先以X5为解释变量对其余7个备选变量分别做辅助回归, 以识别多重共线性。根据辅助回归的结果, X4、△X6、X7和△X8与X5有着明显的共线性, 故不引入模型1。△X1、X2和△X3虽然根据辅助回归的结果与X5没有多重共线性, 但在加入模型后其系数并不显著地异于零, 说明△X1、X2和△X3对△Y并没有显著的影响。因此, 这些变量也并没有被加入到模型1中去。
4、非对数线性模型小结。
根据本文的建模方法, 在逐一考察了其余的备选解释变量之后, 并没有任何除以外其他的备选解释变量被引入到模型1中去。因此, 在非对数线性模型形式下, 按照本文的建模方法, 所能找到的最优模型就是模型1。由于模型1是一元回归, 为了验证模型1不存在设定偏误, 我们进行拉姆齐RE-SET检验, 即回归设定误差检验。检验结果为:统计量F=4.099930, 概率值p=0.048182。
检验结果表明, 在5%的显著水平上, 不能认为模型1存在设定误差。由此可以得出结论, 按照本文的建模方法, 模型1是非对数线性模型形式中的最优结果, 无多重共线性、无异方差ARCH效应、无自相关、残差白噪声且无设定偏误。但是, 模型1的拟合优度不够高, 仅为0.27。因此, 本文将以同样的建模方法接着考察对数线性模型, 以期能获得更好的模型。
(二) 对数线性模型
1、模型表达式。
按照本文的建模方法, 即采取和建立非对数线性模型相同的程序, 同时考虑模型的统计性质优越性, 最终获得1个具备优良统计性质的模型, 即模型2:
2、对模型2统计性质的检验。
模型2是一元回归, 因此没有多重共线性。采取与检验模型1完全相同的检验方法, 发现模型2也不受残差单位根、异方差ARCH效应、自相关和设定偏误的困扰。
3、对数线性模型小结。
根据本文的建模方法, 所能找到的最优对数线性模型是模型2。依照相关的检验结果, 模型2的残差是不含单位根的白噪声, 此外模型2也不受多重共线性、异方差ARCH效应、自相关和设定偏误的困扰, 并且拟合优度高达0.87。因此, 笔者认为模型2是统计性质优良且拟合优度非常令人满意的模型。
二、建模结果总结
经过对非对数线性模型和对数线性模型的考察, 最终得出了两个较为令人满意的模型, 列示如下:
现对这两个模型分析如下:模型1的优点是模型统计性质优良且变量形式简洁;缺点是拟合优度不高, 仅为0.27;由于模型中不含滞后项, 因而无法用于预测。模型2的优点是模型统计性质优良, 拟合优度很高, 约为0.87;缺点是不含滞后项, 难以用于精确的预测, 且模型中的变量都经过了取对数和差分处理, 与实际变量存在一定的差距, 不便应用。
从模型中获得的结论有:第一, 宏观变量与深证A股指数的相关度较低。通过回归分析发现:汇率、利率、GDP增长率与△Y或△lnY都没有显著的相关关系。然而, 从投资理论的角度来看, 汇率、利率和GDP增长率与股指的相关关系并不能因此而被否定。之所以没能通过回归分析验证它们与股指之间的相关关系, 可能是由样本性质和我国特殊的资本市场结构性缺陷决定的。随着股权分置改革的不断推进, 宏观变量与股指之间的相关关系有望得到进一步的加强。第二, 微观市场变量与深证A股指数有较强的相关性。通过回归分析发现, 所有的微观变量与深证A股指数都有着较强的相关关系。之所以选择了换手率 (X5) 和流通市值 (X8) 的相应形式作为解释变量, 完全是出于模型统计性质优良性的考虑。
摘要：本文考察了汇率、利率、GDP增长率、成交量、换手率、市盈率、基金成交金额和流通市值等8个与深证A股指数在理论上有相关性的备选解释变量, 采取平均经济回归方法建模, 构建通过多重共线性检验、异方差检验、模型设定偏误检验和自相关检验等各种检验且统计性质优良的线性模型和对数线性模型, 并对这两种模型进行比较后证实:深证A股指数与宏观变量的相关度较低, 却与微观市场变量有着很强的相关性。
关键词：深证A股指数,证券市场,计量模型
参考文献
[1] (美) 古扎拉蒂.计量经济学[M].北京:中国人民大学出版社, 2000.
[2]邢锋.福建省1978～2004税收负担的实证分析[J].亚太经济, 2006.2.
[3]孙菊生, 李小俊.上市公司股权结构与经营绩效关系的实证分析[J].当代财经, 2006.1.
深证A股指数 篇2
深证指数的前身为深证综合指数，即“深圳证券交易所股票价格综合指数”，于1991年4月4日开始编制公布，后被深圳成分指数取代，1995年2月20日开始实施发布的深圳成分指数的基准日定为1994年7月20日，基数为1000点。由于深圳成分股指数所选择的股票经过几年的调整，已不能完全反映股市的实际情况，故有些部门仍然依据深综指来分析深市涨跌情况，
www.HacK50.com-找入门资料就到
1.指数种类www.HacK50.com-找入门资料就到
深圳证券交易所股价指数有：
www.HacK50.com-找入门资料就到
(1)综合指数：深证综合指数，深证A股指数，深证B股指数
上证A股指数涨跌幅的板块分析 篇3
关键词：上证A股指数；板块；实证分析
中图分类号：F0 文献标识码：A文章编号：1006-4117（2011）08-0303-01
引言：在06年至07年的大牛市中，涨幅10倍、20倍的股票比比皆是。如中信证券（600030）在此轮牛市启动时，最低价为4.17元每股，在短短两年时间内，股价最高达到117.89元每股，最大涨幅已超过28倍。而在08年的大熊市中，绝大部分股票则是哀鸿遍野天天一片惨绿，股价拦腰斩半的跌幅已算是较少，更有胜者跌幅竟达90%以上，令人闻之即胆战心惊。如有色金属行业中的龙头大盘股云南铜业（000878），在07年10月8日创出98.02元每股的历史最高价，在08年11月7日的盘中交易时最低价为6.81元每股，跌幅达到骇人听闻的93%。这就是股市的魅力，令无数人痴迷。它可以让你财富暴增，也可以令你一无所有，数字代码背后的红绿规律更是扑朔迷离。在股票市场中，大盘涨，则多数板块和股票即涨；大盘跌，则多数板块和股票即跌。本文欲对大盘和行业板块的涨幅数据进行分析，找到大盘涨幅背后的“摩斯代码”。
一、数据搜集与模型假设
单个个股的涨跌幅规律，由于受到人为因素的影响和控制较大，带有较强的随机性。但是行业和概念板块以及大盘指数的涨跌幅，则由于板块市值均较大，人为控制和影响较小，具有较好的研究价值。选取的九个行业和概念板块，均是投资者日常投资活动中最常关注、也是最应该关注的。如：银行业股是大市值权重的代表、券商行业股是人气的代表、社保重仓和基金重仓板块则是大主力投资控盘的代表等等。我们将上证A股指数涨跌幅视为被解释变量，各板块指数涨跌幅为解释变量。其中ys表示有色金属行业，fdc表示房地产行业，yh表示银行业，gt表示钢铁行业，qs表示券商行业，jx表示机械行业，mt表示煤炭石油行业，sb表示社保重仓板块，jj表示基金重仓板块。
二、各种假设检验
（一）单位根检验。首先对以上九组解释变量进行单位根检验，以验证数据的平稳性。因为只有数据是平稳的，才能进行接下来的分析。九组变量ADF检验得出的t统计量，均在5%的置信水平临界值内，可以证明数据均是平稳的。
（二）格兰杰检验。在数据均为平稳的基础上，进行格兰杰检验，目的是找出那些与被解释变量存在明显因果关系的解释变量。同时也排除了一些解释变量，方便后面得出线性回归方程。
在图中，我们可以明显看出，yh，jx，qs，fdc与y之间存在因果关系，gt，ys，mt，sb，jj与y之间不存在因果关系。故选取yh，jx，qs，fdc为线性回归的解释变量。
（三）线性回归。运用最小二乘OLS法，对yh，jx，qs，fdc进行多因素分析，由于fdc的t统计量的伴随概率值为0.36，没有通过t检验,yh，jx，qs均通过检验。然后对yh，jx，qs分别单因素分析后，选取拟合度最好的yh为基础，再分别将jx，qs两个变量考虑进来分析。经过数次试验发现，随着解释变量的加入，拟合优度逐渐提高，参数符号合理，最后得出结论y与yh，qs，jx 拟合最好，结果如下图：
线性回归的方程为：
Y = 0.338622527299*YH + 0.106088058048*QS + 0.414732116876*JX－0.914807716263
三、结语
通过以上检验分析，可以得出以下结论：1、煤炭石油、钢铁、有色金属、社保重仓、基金重仓板块的涨跌与大盘涨跌并没有明显的因果关系，而银行、券商、机械、房地产四个板块的涨跌却可以引起大盘涨跌。2、社保重仓和基金重仓板块的涨跌不是大盘涨跌的原因说明，社保和基金虽然作为目前我国股票市场上的主力，可以起到稳定和引导投资的作用，但不可能完全操纵整个股票市场的涨跌。3、进行股票投资时，可以通过观察银行、券商、机械、房地产板块的走势，来预测大盘的走势，从而决定是否投资以及投资的仓位和种类。4、由线性回归方程可以看出，机械、银行、券商板块每上涨1%，可以引起大盘分别上涨0.41%、0.33%、0.1%，分析结果与该板块市值占大盘指数权重相符。5、根据线性回归方程，政府可以制定与机械、银行、券商行业相关的行业支持或者限制政策，来达到救市或者抑市的作用。
作者单位：安徽大学经济学院
参考文献：
[1]李子奈.计量经济学[M].北京:高等教育出版社,2005.
[2]中国证券业协会.证券投资分析[M].北京:中国财政经济出版社,2010.
深证A股指数 篇4
量化投资，正在A股市场掀起一股热潮。
今年7月中下旬以来，尽管对于未来股市究竟能冲到多高点位，市场分歧一直不断，但一直保持较高仓位的量化产品，已经呈现出越来越明显的赚钱效应。相关数据表明，量化基金今年以来整体业绩平均回报已经占胜了主动权益产品。据Wind数据统计，自2004年国内诞生第一只量化基金以来，目前市场有24只主动量化概念基金产品，涉及19家基金公司。截至9月12日，量化基金今年以来平均收益为12.46%，而同期全部权益类产品的平均收益为9.48%。其中，华泰柏瑞量化指数今年以来收益20.37%，排名前十分之一。
此前，“量化投资”这个词虽还不为大多数投资者熟悉，相对海外量化基金，国内公募的量化基金起步较晚，之后的发展也一直非常缓慢。但在2005年～2009年指数型基金带动公募量化崛起之后，随着融资融券的成熟及期权的推出以及量化基金在A股市场现今的优异表现，市场人士预计，必然将再度在中国资本市场催生第二波“量化投资”热。
有鉴于此，《投资者报》“基金经理面对面栏目”本期特别邀请到华泰柏瑞量化指数基金的基金经理田汉卿女士，就当下量化投资的一些热点问题、投资技巧以及四季度行情的走势判断等相关问题进行交流。
田汉卿认为，量化投资不能做加法，人为将某个个股加入买入清单；又必须经常结合基本面，对量化模型进行合理的改善。同时她还指出，A股主板市场经历了长时间低迷，估值已经反映经济中的问题和增长的放缓，除非经济发生重大或系统性风险，下行空间有限。
华泰柏瑞量化初露峥嵘
《投资者报》：我们关注到，华泰柏瑞量化指数自2013年8月2日成立以来，特别是自今年2月成立满6个月以来，已经连续5个月蝉联海通证券超额收益榜“增强股票指数型基金”冠军。截至9月19日，在短短一年多点的时间里取得了24%的收益，在同类产品中遥遥领先。请问是什么原因让华泰柏瑞量化指数业绩回报如此出色？
田汉卿：我们的量化模型一年多运作下来比较成功，除了模型本身设计上的优越性之外，也归功于我们团队的努力。我们开发的量化模型是基于基本面的量化选股模型，并且针对A股市场的特点作了调整，加入了一些独特的基本面因子。这些因子是华泰柏瑞团队投资技能的体现，希望以此区别于市场中其他的量化投资策略，华泰柏瑞未来也会进一步研究新的因子，并加入到投资模型中去。
我们的投资目标有两个，一是战胜市场，二是提高单位风险带来的收益。事实证明，基金成立以来的回撤数据和信息比率都十分良好。
量化投资不能做“加法”
《投资者报》：您曾称目前业内一线的量化投资思路是做“聪明的量化投资”，即既要坚守量化投资的流程底线和投资本质，也要做必要主动决策和风险管理。请问您是如何把握这个主动的动作幅度和范围的？换言之，这个主动的动作幅度具体是什么比例？多大范围？
田汉卿：这里我们所说的聪明量化是指和基本面相结合的量化。主要体现在三个层面：一是模型构建方面跟踪市场变化做出适时调整。在有市场观察验证并有数据支持的情况下，调整模型不同因子间的权重，并淘汰不再适用的因子，根据反映市场独特特点的基本面信息，开发新的独有的因子，不断改进完善模型。二是结合基本面信息，在投资组合构建过程中，控制组合对一些模型尚未反映的风险因素的暴露，并把个别交易标的从交易清单中剔除，以反应模型尚未捕捉的重要信息，像临时重大信息披露、涨停板等，但决不会人为挑选个股加入交易清单，以坚守量化投资的纪律性。三是在极端情况下为保护投资人利益需要尽最大能力做出对投资人最为有利的决策，以应对市场大的转折。主要是指危机状态下，不会机械地固守模型，如果是只做多的策略，会相应做出减仓等应对措施，而不是为坚守不择时的纪律而让投资人蒙受损失。这主要是来自2008年金融危机的教训。
同时，我们与基本面结合，不以牺牲纪律为代价。正常情况下，主要以改善模型为主，把基本面观点通过模型反映到投资组合中。在个股层面，只能结合市场信息，从模型给出的交易清单中剔除个股，而不可以人为将某个个股加入买入清单，以坚守纪律性。
量化投资在国外被广泛应用
《投资者报》：在您眼里，中国的量化投资才刚刚起步。您曾表示“中国的量化投资管理的资产规模至少5年内还看不到发展的天花板”。那么，时至今日，您认为中国的量化投资管理的资产规模的天花板应在什么位置？为什么？
田汉卿：国际市场上，量化投资是区别于基本面投资的另一种主要投资模式，和基本面投资相比，有它自身的优势。量化分析在境外资产管理公司中得到非常广泛的应用。一些资产管理公司像过去的BGI（巴克莱旗下资产管理部门巴克莱全球投资者）和AQR（华尔街表现最突出的量化对冲基金之一）等等，全部采用量化投资策略；另外一些公司，像GMO（知名的全球投资管理公司，管理规模上千亿美元），Pimco（全球最大债券基金——太平洋投资管理公司）和Citadel（美国芝加哥大城堡对冲基金公司）等则把量化分析和基本面分析结合在一起运用。 总的来说，境外几乎所有大的资产管理公司都会或多或少依赖量化分析的方法。
目前，A股市场绝大部分投资策略都是基本面投资，真正做量化投资的资金很少，其获得超额收益的市场机会很多，发展空间很大；并且国内市场样本多，利用量化手段来捕捉超额收益的胜率也有保障，因此未来的前景是比较乐观的。
量化投资能够战胜A股市场
《投资者报》：今年以来量化基金的杰出表现，让不少投资人惊呼“量化的春天已经到来”，对于市场上的这种乐观情绪，田总又是怎么看的？
田汉卿：在国际市场，量化投资在投资领域已经占有了重要的一席之地。当前的A股市场中量化分析的运用程度还非常低，所以我们相信量化投资的市场份额一定会逐步增大，未来的发展空间是巨大的。另外，随着市场的完善，量化投资有机会为市场提供像绝对收益等的新产品，使得市场中的投资产品更加丰富，投资人可以有更多的选择。
《投资者报》：相对于其它主动管理的基金，量化基金在A股市场具有哪些优势，以致其能在今年的A股市场整体领先？
田汉卿：A股市场的特性十分适合基本面量化投资。
第一个原因是A股市场处于弱有效状态，战胜市场的机会较大。A股市场的发展历史较短，市场效率相比发达经济体低很多，因此有很多发现阿尔法因子的机会。
第二个特点是目前量化投资的市场份额小。国内目前的基本面量化产品规模总体不大，其中严格遵循量化投资理念的基金更少，因此有很大的市场空间和盈利机会。
第三是A股市场容量大，而且还在快速扩容中，给量化投资提供了足够的投资宽度和行业宽度。
第四是A股的数据质量不断提高。供应商提供的数据以及识别数据可靠性的技术手段不断得到提升，使得以数据为基础的量化投资的投资环境也不断得到加强。
《投资者报》：对于四季度乃至明年的行情，田总怎么判断？未来又将如何布局？