股票指数联动（通用6篇）
股票指数联动 篇1
我国资本市场自20世纪90年代以来经历了多次改革, 市场的放开使得国内资本市场与国际金融市场的联系愈发紧密。2007年由美国次贷危机引起的金融危机席卷全球, 各国股市均陷入金融风暴的漩涡之中, 在外围股市低迷的影响下, 国内股市也难以独善其身, 上证综指一度跌至1500点, 市值缩水近1/3。2007年2月27日全球股市暴跌, 沪指创十年内单日最大跌幅。2008年至今, 欧洲各国相继出现债务危机, 全球股市屡现大幅震荡, 国际金融市场形势更加扑朔迷离, 国内股市则不时表现出投资者信心不足。2011年9月5日, 受到国际主要股市大跌影响, 上证综指跌破2500点, 在7个交易日内跌幅超过5%。危机的传导预示着全球经济一体化下主要股票市场之间存在着联动关系, 深入分析股票市场间的联动效应, 对股市波动预测和投资决策都具有重要参考价值。
本文采用关联规则模型, 特别关注了股指间联动的时间顺序, 从欧美主要股票价格指数对亚洲股指的联动影响、亚洲主要股指对欧美股指的联动影响和我国股指在国际股指联动效应中的表现三个方面进行分析。
一、数据选取及处理
本文选取上证综合指数、日经225指数、香港恒生指数、道琼斯指数、伦敦金融时报指数五个具有代表性的股票价格指数2005年8月15日至2011年10月31日数据作为研究对象, 分析数据来源于CSMAR数据库, 其变化趋势见图1。
上述五种主要股票价格指数之间存在一些联动趋势, 如在2006年5月-2007年9月及2009年4月-2010年2月间, 股指普遍经历了上涨趋势, 而在2007年9月-2009年4月间, 各指数又普遍经历了向下的波动。对上述原始数据进行预处理, 首先计算各指数日涨跌幅, 上涨标记为1, 下跌标记为0, 形成布尔型关系数据库。
同时考虑到股票市场和其他市场的联动效应不同, 其特点是反应速度快, 某一股指受到其他指数影响的反应时间往往不会超过一个滞后交易日。因此, 各国股市开盘时间的不同会对联动效应的观察产生较大影响。以北京时间为准, 各股市开盘时间顺序如下:
日本股市→沪市→香港股市→欧洲股市→美国股市
所以, 欧美股市对亚洲股市的影响会滞后一天, 研究欧美股市的影响时, 需将其数据向前平移一天, 即将欧美股指在前一交易日t-1的数据与亚洲股指在当日t的数据组成一条记录, 并剔除各股票市场未同天开市的数据 (数据库1) 。而亚洲股市对欧美股市的影响不存在滞后, 在研究亚洲股市的影响时需将五个指数在同一交易日t的数据组成一条记录, 并剔除未同天开市数据 (数据库2) 。笔者按照上述思路分别整理出两个数据库, 反映欧美股市和亚洲股市之间的相互联动。
二、关联规则模型的建立及规则分析
关联规则模型是一种应用于挖掘不同数据项集之间隐藏的关联关系的数据挖掘方法。其主要概念包括:
(1) 支持度sup:关联规则的支持度指同时包含项集X和项集Y的事件在所有事件中所占的比重, 可用于发现出现频率较大的项集。
(2) 置信度conf:表示项集X出现的条件下, 项集Y也出现这一事件在总事务中出现的频率。置信度应用于在出现频率较大的项集中发现出现频率较大的关联规则。
(3) 提升lift:关联规则的提升描述了项集X对项集Y的影响力大小, 提升数值越大表示项集Y受到项集X的影响越大。
本文采用Apriori算法循环扫描上述布尔型关系数据库产生候选项集, 从而挖掘出频繁项集, 并通过系统客观层面和研究主观层面来评价所得规则。系统客观层面要求所得关联规则要大于指定的最小支持度和最小置信度;研究主观层面则要求所得关联规则符合实际股市运行情况。
(一) 在欧美股市带动下的联动效应
考察欧美股市对亚洲股市的联动影响采用数据库1中数据。在建模时指定上证综合指数、日经指数和香港恒生指数作为规则后项, 设定支持度阈值为0.2, 置信度阈值为0.5, 并按照各股市的实际开盘时间顺序进行主观筛选。同时生成网络图 (控制最小连接频数为400, 以简化图中关系) , 结果见表1。
由表1可知, 道琼斯指数和伦敦金融时报指数之间在涨跌行情中都存在着较强的联动效应。以“伦敦金融时报指数上涨道琼斯指数上涨”为例, 该规则的支持度为51.37%, 置信度为71.94%, 表示伦敦金融时报指数上涨同时道琼斯指数也上涨的情况占到所有记录总数的51.37%, 同时在伦敦金融时报指数上涨的条件下, 道琼斯指数上涨的可能性有71.94%, 该规则的提升系数为1.3, 表示伦敦金融时报指数上涨对道琼斯指数上涨的影响力相对较大。
其次, 欧美股市的前一交易日的行情会对亚洲股市产生影响。在道琼斯指数和伦敦金融时报指数前一交易日双双下挫情况下, 日经指数也下跌的可能性有61.18%;而两指数双双上扬时, 日经指数上涨的可能性有52%, 并且较大的提升系数说明规则前项对后项影响力较大。在道琼斯指数和伦敦金融时报指数前一交易日均上涨时, 香港恒生指数上涨的可能性有58%。在道琼斯指数前一交易日上涨的条件下, 沪市当日上涨的概率为54.59%。但值得注意的是, 提升系数的大小反映出欧美股市对香港和日本股市行情的影响要大于其对内地股市的影响, 见图2。
图2为经过“连接频数>400”筛选的网络图。连接线条越粗代表关联越强, 最强关联出现在两个欧美股指之间;香港恒生指数与上证指数及日经指数之间存在强关联, 表明亚洲股市间存在明显联动效应。同时, 道琼斯指数前一交易日上涨上证指数也上涨的频数较大, 说明我国股市受到美国股市一定程度的影响。
(二) 在亚洲股市带动下的联动效应
考察亚洲股市对欧美股市的联动影响采用数据库2中数据。在建模时将道琼斯指数和伦敦金融时报指数指定为后项, 采用同样分析方法和阈值设定, 得到结果见表2。
观察上表, 三种亚洲股票指数在上涨和下跌行情中均表现出较强的关联。以关联规则“上证综合指数下跌香港恒生指数下跌”为例, 该规则的支持度为43.44%, 置信度为64.69%, 表示上证综合指数下跌同时香港恒生指数下跌的情况占记录总数的43.44%, 在上证综合指数下跌的条件下, 香港恒生指数下跌的可能性有64.69%, 并且这条关联具有较大的提升系数。
其次, 亚洲股市当日的波动会对当日晚些时间开市的欧美股票市场产生影响。在日经指数和香港恒生指数当日均上涨条件下, 伦敦金融时报指数上涨的可能性有62.6%, 道琼斯指数上涨的可能性有62.59%;在日经指数和香港恒生指数当日均下跌条件下, 伦敦金融时报指数也下跌的可能性有61.61%, 道琼斯指数也下跌的可能性有53.79%;在香港恒生指数和上证综合指数当日上涨条件下, 伦敦金融时报指数也上涨的可能性有59.91%, 道琼斯指数也上涨的可能性有62.58%。
但比较表1和表2的平均支持度, 表1的平均支持度高于表2的平均支持度, 显示出欧美股市对亚洲股市产生联动效应的频率高于亚洲股市对欧美股市产生联动效应的频率, 即欧美股市产生的国际联动影响大于亚洲股市。
(三) 上证综指在国际股指联动效应中的表现
观察上述涉及上证综指的关联规则, 上证综指与香港恒生指数和日经225指数在涨跌行情中都有较强的同向联动表现, 上证指数的波动受到亚洲周边股市波动的影响十分明显。但相较于日本和香港股市, 上证综指受到远距离市场行情波动的直接影响较小, 在上证指数单独作为前项或后项的关联中, 仅仅提炼出其与道琼斯指数之间存在联动关系, 反映出其与欧美股票发生联动的频率较低。上证综指行情走势不完全与国际联动, 仍具有一定的独立特征。
另一方面, 虽然分析结果显示上证指数受到欧美远距离市场波动的直接影响相对较小, 但是香港和日本股市与欧美股市的联动效应较强, 因此上证指数可能受到欧美股指较大的间接影响。
三、结论
本文基于关联规则挖掘方法对上证综合指数、日经225指数、香港恒生指数、道琼斯指数、伦敦金融时报指数五种主要股票价格指数间的联动效应进行分析。在分析中特别关注了股指间联动的时间顺序, 得到结论如下:
(1) 以道琼斯指数和伦敦金融时报指数为代表的欧美股票市场间在涨跌行情中均存在较强的联动效应。以上证综指、香港恒生指数、日经225指数为代表的亚洲各股票市场间也存在较强的联动效应。
(2) 考虑开市时差, 欧美股票市场前一交易日的涨跌行情与亚洲股票市场波动之间具有较强关联, 表明亚洲股票市场走势受到欧美股票市场影响。亚洲股票市场当日涨跌情况与欧美股票市场当日涨跌情况之间也存在关联, 但亚洲股票市场对欧美股票市场的影响程度不如欧美股票市场对亚洲股票市场的影响程度大。
(3) 国内股市行情走势具有相对独立特征。相较于香港和日本股票市场, 沪市表现出的国际联动效应较弱。其受到周边近距离市场的直接影响较大, 受到欧美远距离市场直接影响较小。但欧美股票市场对亚洲其他股票市场的影响会间接影响上证指数。
参考文献
[1]俞世典, 陈守东, 黄立华.主要股票指数的联动分析[J].统计研究, 2001 (08) .
[2]秦伟广, 杨瑞成.我国股票市场指数与国际股票市场主要指数的联动性研究[J].技术经济, 2010 (11) .
[3]罗旭娟, 叶银龙.关联规则挖掘在股票价格指数分析中的应用研究[J].统计与咨询, 2009 (04) .
[4]覃丽萍, 白玫, 王海军, 贾兆立.关联规则及其在石油期货价格预测中的应用研究[J].数学的教学与实践, 2009 (01) .
股票指数联动 篇2
继2005年汇改人民币对美元连续跌破1∶8, 1∶7两大关后, 国际上要求人民币升值的呼声依旧。近日人民币对美元汇率中间价连续交易日创汇改以来新高———6.3 CNY/USD。人民币汇率连创新高, 对经济造成的影响全部反映在国民经济晴雨表的股市上。汇率波动会引发包括经济层面和政策层面一连串的连锁反应, 整体影响较为复杂。升值以后以人民币计价的资产价格将上升, 有利于吸引热钱流入。本币升值有利于资源进口型企业, 而不利于出口型和外贸企业。且本币升值带来外汇占款的剧增容易引发央行的紧缩货币政策, 不利于经济基本面。由此看出, 股市微观公司的股票收益率、业绩、经济行为和价值等形象标志着汇市影响下经济的波动。研究人民币汇率与股市的关系具有理论和现实意义。
西方经济学界对汇率与股市的关联关系的研究分为两类: (1) 现金流导向模型。汇率变化会影响企业的国际竞争力, 会改变企业的进出口与收入, 进而会影响企业股票的价格;而股票价格的变动进一步会通过财富效应影响一国货币需求, 从而影响汇率。 (2) 资产组合导向模型。强调预期汇率变化会引起投资者调整其资产组合, 导致资本的国际流动, 引起汇率变化, 改变资产供求关系, 影响资产价格。
国内外学者针对汇率变化与股市之间的动态关联做了大量实证研究。Agawam, Rook发现美国股市与汇市之间有正相关关系;Soenen和Hennigar认为美国股指与汇率强反向关系。Ma和Ka研究对于出口导向的国家汇率上升股市收益下降, 进口导向的国家正好相反。Bahmani-Oskooee发现S&P500指数与美元有效汇率指数之间存在双向因果关系;Mishra证明印度汇率与股市收益之间不存在Granger因果关系;Ajayi和Mougoue对8个发达国家股票价格的短期上涨会引起本币贬值, 而其长期上涨则会引起本币升值, 但本币贬值不论在短期内还是长期内都会引起股市反向变化。Kanas用协整和ENGARCH模型实证了欧美6国股市收益对汇率有显著的波动溢出效应, 但反向不显著;张碧琼发现人民币兑港币汇率与沪深两市A股综指和香港恒生指数存在长期关系, 人民币兑美元汇率与沪深两市A股综指没有显著关系。
虽然相关文献很多, 但由于采用的不同的方法或模型学界目前仍没有得到一个统一的结论。众学者模型变量选择偏少、没有控制影响股市收益的其他风险因素, 拟合不充分并很少研究资本市场受限条件的新兴市场国家。
二、本文分析框架与研究思路
鉴于此, 本文选取的样本期为2005年7日人民币汇率制度改革之后至2011年5月的月度数据。研究沪深两市A股流通市值加权市场指数 (IS) 与人民币有效汇率指数 (NE) 的关系及我国物价水平 (CPI) 、国内生产总值 (GDP) 和狭义货币供应量 (M1) 等其他次要因素的影响。
笔者构建多因素模型, 运用协整分析框架, 首先进行单位根平稳性检验保证同阶单整后建立的LS协整关系;之后利用EG两步法, 对残差检查平稳度, 运用ECM模型修正之前的协整关系;接着利用IRF方法和方差分解阐明汇市是影响股市的重要因素;最后利用EGARCH说明中国股市波动效应的非对称性。而后分析实证研究结果, 得出结论和政策启示。
三、变量选取与数据来源
1. 人民币名义有效汇率指数 (NE) 。
2010年以来, 人民币对美元的显著升值, 而欧元、韩币却有抬头之态。到底人民币是升是抑或是贬, 用与一篮子其他货币双边汇率加权平均的有效汇率表示更为准确。笔者采用能够更明确反映一国在国际贸易中的总体竞争力和该国货币对外价值的总体波动幅度的贸易加权有效汇率 (以下简称有效汇率) 。相对真实有效汇率, 名义有效汇率更迅速地作用于经济层面影响股市。所以本文采用BIS国际清算银行公布的以各国的贸易额为权重的人民币名义有效汇率指数。
2. 时间区间。
1994年固定汇率制度和双轨汇率制度并轨以后, 我国实行以市场供求为基础的、有管理的浮动汇率制度。2005年7月21日起, 不再盯住单一美元, 实行以市场供求为基础, 参考“一篮子”货币进行调节、有管理的浮动汇率制, 正式启动了人民币汇率机制市场化弹性化改革。如图1, 人民币汇率变动在2005年之前严密拟合美元, 而与其他货币变动率相差很大。自此人民币汇率不再盯住美元, 相对欧元等其他货币汇率变动率稳定, 自身波动性增加, 与国内的股票市场的联系更加紧密。所以样本取自2005年7月至2011年5月的时间区间。
3. 沪深两市A股流通市值加权市场指数 (IS) 。
本文选取CCER中国经济金融数据库公布的上海、深圳两个股票市场A股流通市值加权的市场指数 (简称a股指数) 作为中国经济基本面的衡量。股票市场作为国民经济重要反映的晴雨表, 由宏观经济推动其运行。汇率通过直接和间接资本流动, 货币供应量和利率等影响我国宏观经济运行。选择a股指数既包括上海股票市场蓝筹开市早, 市价高, 对各种冲击反应敏感的优点, 还灵敏反映深圳股票市场中小企业的反应, 更全面细致反映经济层面的变化波动。
4. 价格调整的国内生产总值 (GDP/CPI) 。
GDP有关数据来自中国统计年鉴和国家统计局国家统计数据库。由于宏观统计数据为季度报告, 不存在GDP的月度数据, 为此, 本文采用插值法计算GDP的月度数据。2011年4、5月数据尚未公布, 本文采用同期增长比例预测法得出数据。CPI反映与居民生活有关的商品及劳务价格统计出来的物价变动, 更灵活地表示市场投资者的通胀预期。
5. 货币供给M1。
货币供应量三个层次中, 流通中最活跃的的现金M0与消费物价密切变动, 广义货币供应量M2企事业单位定期存款和居民储蓄存款, 流动性小不入股市。本文选用CCER中国经济金融数据库公布的狭义货币供应量M1, 流通中现金与活期存款才是经济、股市中活跃的资金。
四、数据实证处理及结果分析
本文所有的分析都是利用EViews5.0软件对有关数据进行处理完成。
1. 时间序列的平稳性检验。
协整分析之前, 利用ADF检验对AI、NE、GDP/CPI、M1序列进行平稳性检验。
注:1.此处显著性水平为5%2.根据序列特点选择是否包括趋势项或常数项Á
检验结果如表1可以看出, 各个序列均是非平稳的序列:其一阶差分在5%水平上均是平稳的, 即各个变量均是一阶单整序列, 从而可以进行协整分析。
2. 利用EG两步法, 进行协整检验。
(1) 之前的经济分析得知序列AI、NE、ln (GDP/CPI) 、ln (M1) 同阶单整, 可建立协整关系, 有回归方程模型如下:
应用LS估计法得到估计方程 (见图1)
对残差进行单位根检验, 有回归方程估计结果得到
对et进行单位根检验, 含有常数和时间趋势, 检验结果 (详见图2) 显示, 确定滞后阶数为1, 如图所示et序列不平稳, 其一阶差分在1%显著性水平下拒绝原假设, 不存在单位根, et～I (1) 。需要误差修正。
(2) 令ecmt=et, 用ECM误差修正模型建立如下的修正模型。
估计得到
误差修正模型中, A股指数的短期因素变动分为两个部分, 一部分是因素变化带来的短期影响;另一部分, 误差修正项的系数反映了对于偏离长期均衡的调整力度, 其系数估计值为负值 (-0.108) , 当短期波动偏离长期均衡值时, 将会以-0.108的调整力度将非均衡状态拉回均衡状态。
3. 脉冲响应函数和方差分解。
接着利用IRF方法和方差分解阐明汇市是影响股市的重要因素。
(1) 利用IPF方法分析NE、ln (GDO/CPI) 、M1因素受到变化对AI的冲击影响。
由图2 (1) 看出正冲击人民币有效汇率NE上升后, 中国股指在前三期带来负面影响, 在第四期以后会产生正面影响。这是由于中国大部分企业为出口加工型, 进出口贸易占据重要地位, 中国产品多出口至国外。当人民币汇率上升以后, 出口价格的上升抑制国外需求, 企业利润下降。这就迫使企业长期战略进行产业结构升级, 采用更先进的技术研发设备更新等, 从而促进经济的繁荣发展期。
图2 (2) 可以看到当M1增加即政府采用扩张的货币政策会在短期内带来股市看好, 在接下来时期会没有影响甚至反向影响。这是由于扩张货币供给短期增加企业的投入, 促进经济增长, 股市渐牛, 之后带来的物价上涨、过度投资、结构不合理等问题会阻碍企业持续发展。 (2) 利用方差分解观察经济体结构发生变化, 各因素的贡献度。由图3看出中国经济基本面变化, 随机漫步的股市波动除受到前期股票指数市场行情决定外, 最主要影响因素是人民币有效汇率, 其次是GDP的实际增长。由此看来中国金融股票市场受国际因素影响大, 国际化程度正日渐加深。而货币供给对股市影响甚微, 是由于现在投资者预期日趋理性, 可以预测到的货币政策就会失效。
4. TGARCH模型研究股市波动的非对称性。
负的冲击可能与同样程度的正的冲击引起金融时间序列的波动不对称, 存在杠杆效应。本文选取TGARCH (p, q) 模型对汇率变化与股市动态建模, 来研究汇率上升或下降可能引起股市波动的非对称性。
滞后阶数的选择, 本文通过ARCH_LM算得, 当滞后阶数为 (1, 1) 时, P值最小, AIC取最小值, 选择EGARCH (1, 1) 模型。
均值方程为:
方差方程:
EGARCH模型引入条件访查的对数|εt-1/δt-1|项, 从而汇市看跌下降的信息 (εt<0) 与汇市看涨上升的信息 (εt>0) 引起条件方差的变化不同。上涨时, 其影响程度用β1+β2系数测度;而下跌时的影响程度用β2-β1表示。若γ显著不为0, 则股市价格涨跌信息对未来股价波动的影响是非对称的。均值方程
方差方程
杠杆效应项的系数为0.976, 非对称项的系数为-0.059。当εt>0, 利好消息冲击对条件方差的对数有一个0.976-0.059=0.917倍的冲击;当εt<0, 利空消息冲击对条件方差的对数的冲击大小为-0.059-0.976=-1.035倍。由此看出负冲击使得波动性更大, 正冲击相对波动较小。中国股市价格存在显著的EGARCH效应, 即股市价格下跌比同等幅度的股市价格上升会对未来股市产生更大的波动性, 这一反常的结果可能与当前中国股市投机性过强有关, 中国股民买涨不买跌的心态依旧存在。
五、结论与启示
本文基于沪深两市A股指数和人民币有效汇率指数构建误差修正ECM模型, 看人民币汇率变化下中国经济运行的状况。
脉冲响应函数方法IRF和方差分解阐明:汇市是影响股市的重要因素, 中国市场国际化程度提升;人民币有效汇率上升在短期内抑制出口, 不利于股市行情, 在长期会促进产业结构升级, 利于股市表现和经济增长。
EGARCH模型说明中国股市波动效应的非对称性, 股市价格下跌比同等幅度的股市价格上升会对未来股市产生更大的波动性, 并且经济和股市的不对称对政府宏观调控手段和能力提出较高要求。
本文的结论政策启示在于:人民币实际有效汇率对中国经济、股市的影响是显著的。中国货币当局关注人民币实际有效汇率水平值及波动性。理性预期货币政策长期非有效以及经济层面对外部冲击因素的不对称给调控带来难度, 给政府部门制定政策提出较高要求:应当综合使用汇率政策、利率政策、财税政策等多种调控措施并把握调控的力度, 才能更好地解决中国经济长期稳定发展的问题。
参考文献
[1].Mohsen Bahani-oskooee, Aahmad Sohrabian.Stock prices and the effective exchange rate of the dollar[J].Applied Economic, 1992, (04) :459-464.
[2].袁志刚, 邵挺.人民币升值对我国各行业利润率变动的影响——基于2007年投入产出比表的研究[J].金融研究, 2011, (04) :1-15.
[3].黄寿峰, 陈浪南.人民币汇率变动的物价传递效应——多结构变化协整回归分析[J].国际金融, 2011, (04) :45-51.
[4].舒家先, 谢远涛.中国行业指数收益率与人民币汇率动态联系实证分析[J].统计教育, 2008, (03) :40-43.
[5].卢向前, 戴国强.人民币实际汇率波动对我国进出口的影响:1994-2003[J].经济研究, 2005.5
股票指数联动 篇3
2005年以来, 中国股票市场经历了一个巨大的上涨和迅速回落的过程, 在仅仅27个月的时间里上涨6倍, 由2005年7月11日的低谷1011点一路攀升至2007年10月16日的最高峰6124点, 随后仅仅用了9个月的时间就又重新回到了2000点以下, 而自2008年初, 中国房价也在历经几年的上涨之后首次回落。随着股价与房价先后进入下行通道, 学者们也开始了对房价和股价的联动关系的探讨, 比较具有代表性的观点认为房价与股价的上升决定于经济周期, 当经济处于景气上行时期时, 资产价格上升, 随着全球金融格局的变化, 货币流动性充足成为市场常态时, 经济景气中后期往往是资产价格最高的时期;随着经济的调整和资产价格的回落, 所有的资产价格都可能会随着宏观经济走势下挫, 等待另一个经济景气周期来临, 周而复始。然而我国的股价与房价之间是否确实具有这种特征呢?本文正是针对这个问题, 从实证角度出发对房改后中国股市与房市的关系进行了深入研究。掌握两市之间的联动关系, 不仅有助于加深对当前资本市场的了解, 也可以对针对其进行政策调控提出有效建议。
2 文献综述
近年来学者们对房市和股市的联动关系的实证分析多从以下三个方面展开:一是两者间长期的协整关系, 二是短期的因果关系, 三是分析两者背后共同的驱动因素。
对于协整关系的研究, Ambrose、Ancel和Griffths (1992) 认为美国的股票市场和房地产市场存在着协整关系[1];Ling和Naranjo (1999) 认为美国包括REITs在内的交易类房地产市场与剔除房地产类股票的股票市场间存在着很强的协整关系[2];Okunev和Wilson (1997) 认为美国的股票市场和房地产市场存在着分整关系[3]。
对于因果关系的研究, Okunev、Wilson和Zurbrueg (2002) 证实了澳大利亚的房地产价格和股票价格间存在着双向线性Granger因果关系[4];Nan-Kuang Chen (2001) 认为1973～1992年间中国台湾的股价是房价的单向线性Granger原因[5];Quan和Titman (1999) 检验17个国家在14年间的房地产价格变化和股票回报率在短期的相关性, 结果表明在其中的16个国家里房地产价格的变化和股票回报率短期的关系并不明显, 但若选用较长的时间跨度, 两者的相关性增强[6];周京奎 (2006) 认为中国的房地产价格的变动会导致股票价格波动[7];皮舜 (2003) 认为中国股票市场和房地产市场在短期和长期都存在着双向因果关系[8]。
对于两者背后共同驱动因素的分析, Ling和Naranjo (1997) 认为剔除了通胀因素后的人均消费量的增长率和短期债券利率都对二者的风险溢价有显著影响[9];Liu和Mei (1998) 认为短期债券利率和长期收益率差也会影响两者的超额收益[10]。
但自Perron (1988) 文中提出宏观经济时间序列的变结构问题后[11], 基于变结构时间序列的研究对以上关系的研究得出了不同的结果。Okunev、Wilson和Zurbruegg (2002) 认为, 对澳大利亚市场的数据, 由结构突变 (structural breaks) 分割的子样本认为仅存在着从股票市场到房地产市场的单向非线性Granger因果关系[12]。Wilson、Okunev和Webb (1998) 比较了基于三种不同结构突变检验方法对美英澳三国的股市与房市数据的检验结果, 结果均表明两市场间不存在协整关系[13]。
国内学者则更偏向于研究二者跟宏观经济的互动关系:张红, 邱峥 (2004) 认为影响上证指数和国房景气指数的主要因素是宏观经济状况和政策, 但运用宏观经济杠杆对房价的调控效率较高, 但对股价的调控容易失灵[14]。尹中立 (2008) 认为在经济上行时期, 由于股票本身可以充当准货币的角色, 因而股价的大幅飙升必然导致房价的暴涨, 而房价的大幅上涨会使得国民账面财富的大幅增加, 使得房产实际上具备了准金融资产的功能, 进而创造了大量的流动性, 两者的互动会使得经济泡沫化[15]。 汪伟全 (2008) 认为股价与房价的联动走势有三:由财富效应导致的同向运动——股价高攀 (下跌) 与房价上涨 (跌落) ;受挤出效应导致的逆向运动——股价下跌与房价上涨 (下跌) ;价格破灭——股价与房价均为暴跌[16]。
上述文献基于不同的计量方法分析了不同国家在不同时间中股市和房市的关系, 但由于所选用的数据指标不同, 对同一个市场的研究有时会得出截然相反的结论。而自1998年中国住房制度全面市场化和股票市场规范化以来, 尚未有文献在考虑结构和制度突变可能存在的情况下对中国市场数据进行实证分析, 但忽视结构突变的存在可能会导致单位根检验的结果产生谬误, 导致在进行协整分析时得出错误的结论, 且在考虑两者短期的联动关系时也较多地关注于两者间的线性关系, 却忽略了复杂多变的经济时间序列中的非线性成分。因此本文在考虑了结构突变的基础上, 对两市的线性和非线性互动关系进行研究。
3 理论背景
等量边际收益率原理为我们研究股价和房价的互动作用提供了理论基础。股票和房产作为投资组合的两种选择, 具有很强的互补性:房地产波动性相对小但流动性低, 股票价格波动大但流动性强。根据等量边际收益率原理, 若资本能够自由流动, 则投放在不同部门的资本获得的边际利润应该相等, 否则, 资本持有人可将资本从边际回报率低的资产抽出, 转而投入边际回报率高的部门, 直至所有的资产边际收益率相等。在股市收益率降低时, 由于股市流动性强, 投资者可将资金迅速地从股市抽出, 转而投入其它回报率更高的项目;但在房地产市场不景气时, 由于房产的流动性弱, 投资者很难立即从该市场中退出转向其它投资项目。在单独考虑股市和房市的联动关系时, 若存在两市的相互传导关系, 则股市对房市的调整应该是相对迅速的, 而房市对股市的影响则存在较长的时滞。
股票和房产作为两种资产在信贷周期中所扮演着重要角色则是两者呈现持续动态互动关系的缘由。由于信贷供给数量有限, 贷款人能取得的信贷额度取决于其能提供作为押品的资产价格, 而股票和房产都可作为押品。一般来说, 作为生产者的企业一般都会拥有一定数量的土地和房产, 若房地产价格上涨, 则企业未套现财富的数量也会上升。此时, 从银行的角度来说, 愿意给将房地产作为押品的企业更高的贷款额度, 从而使企业能拿到更多的贷款作为后续投资;而从投资者的角度来说, 企业盈利的增加和投资的扩张都使其愿意给予其股票更高的估值, 而这又进一步增强了企业的借贷能力。若此时投资房地产项目的回报率高于投资实业的回报率, 企业可能选择将贷到的款项直接用于房地产投资, 而直接推动房价的进一步上涨;若不然, 企业产能的扩张也会导致对土地和房产需求的增加而推动房价的上涨, 最终导致房产价格和股票价格相互作用而螺旋式上升, 反之亦然。因此, 在一定的信贷环境下, 只要股价或房价其中一方开始上涨, 便会带动另一方上升, 最终使两者的价格呈螺旋式上升, 直至经济环境或是信贷环境的变化而导致资产价格出现调整。
4 实证研究
(1) 样本选取
自1999年以来, 中国房地产市场进入市场化时代, 而1998年底开始实行的《证券法》也标志着中国股票市场开始步入健康快速发展道路, 故本文选取1999年1月至2008年7月的上证综合指数和房地产景气指数的月度数据作为数据分析的样本区间。其中上证综合指数的月度数据为日收盘价的算数平均值。两者均来自CCER。1999年1月至2008年7月两市指数的走势如图2, 左侧坐标表示房地产景气指数, 右侧坐标表示上证综合指数。直观看来, 除1999年初至99年下半年及2006年下半年房市与股市走势相反外, 其余时间里基本一致。
注: 阴影和虚线分别表示下文计算出的CAINDEX和SZINDEX的变点 数据来源: CCER。
(2) 变点及单位根检验
先用ADF检验 (Augmented Dickey-Fuller test) 对上证综合指数 (SZINDEX) 和国房景气指数 (CAINDEX) 进行单位根检验。所用的计量软件为EViews 6.0。
注: 所用的ADF检验不带截距项和趋势项; 使用的信息量准则为SIC。
由表1可见, CAINDEX和SZINDEX原序列的统计量绝对值小于10%的临界值的绝对值, 单位根检验显示在10%的显著性水平下都是非平稳过程。
但仅凭ADF检验结果还不能认定两序列为非平稳序列, 因ADF检验前提假设为数据生成过程无结构变化, 但剧烈的外生冲击可能会导致数据生成过程发生结构突变, 导致ADF检验失效, 从而使得对围绕着变点的分段趋势平稳过程生成的数据进行单位根检验时无法拒绝存在单位根的原假设。实证分析中, 对宏观经济变量所做的传统单位根检验, 由ADF检验的结果多认为其为非平稳。但若单位根假设确实成立, 则随机冲击对经济系统会有着恒久的影响, 这显然与认为商业周期是围绕着较为平稳的路径作短暂波动的传统商业周期理论相悖。引起此矛盾的原因在于, 在存在结构突变的情况下, 若未能识别变点并据此分割样本区间, 将会使所使用的临界值偏小而使单位根检验的结果产生偏倚, 进而倾向于拒绝不存在单位根的原假设。
Bai和Perron (1998, 2003) 提出用最小二乘法估计线性模型中是否存在结构变点[17,18], 即先假设在多元线性回归模型中有个变点 (划分为个区间) :
通过使残差平方和最小, 可初步检测出序列发生结构突变的时点:
依据该方法得到的检验结果如下, 所用的计量软件为GAUSS 9.0。
*:在1%的水平上显著, ***:在10%的水平上显著;UDmax, WDmax检验的原假设均为无结构改变, SupF检验的原假设为有i个变点, 备择假设为有j个变点, i/j表示对应的i个变点对j个变点的检验;UDmax统计量1%的临界值为12.37, WDmax统计量1%的临界值为13.83;SupF统计量1%的临界值分别为12.29 (0/1) , 9.36 (0/2) , 7.6 (0/3) , 6.19 (0/4) , 4.9 (0/5) , 13.89 (2/1) , 14.8 (3/2) , 15.28 (4/3) , 10%的临界值为9.41 (3/2) , 10.58 (5/4) ; a: 对应的月份为2000/10, 2002/11, 2004/11, 2006/4; b:对应的月份为2007/1; BIC和LWZ栏表示由该信息量准则选择的变点个数。
国房景气指数由于重大外生冲击而导致的结构变点分别为:2000年10月, 2002年11月, 2004年11月, 2006年4月, 在以该4个变点划分的区间内的均衡水平分别为:102.65, 105.09, 106.46, 101.70, 103.83, 对应于中国经济在2000年的启动, 2002年的加速, 2004年和2005年间小幅的宏观紧缩, 2006年对宏观经济过热和房地产过热的宏观调控。上证综合指数只在2007年1月存在1个结构变点, 其在变点前后的均衡值分别为1586和4186, 这意味着在自1999年至2006年底, 宏观基本面的重大改变, 对我国股票市场的价格走势均无重大的结构性影响, 往往只有短暂的刺激作用。
由Bai和Perron检验结果可见, 对CAINDEX和SINDEX序列, UDmax和WDmax统计量均在1%的水平上显著, 即拒绝限变点的原假设; 由BIC准则分别认定两序列分别存在4个变点和1个变点。用退势后的CAINDEX和SZINDEX做ADF检验, 所用的计量软件为EViews 6.0, 结果如下:
注: 所用的ADF检验不带截距项和趋势项; 使用的信息量准则为SIC。
可见退势后的CAINDEX和SZINDEX均已为平稳序列。
(3) 线性Granger因果检验
由于退势后的CAINDEX和SZINDEX序列都已为0阶单整, 根据协整理论, 两者间不存在长期的线性协整关系, 故以下用基于VAR的线性Granger因果检验研究两者短期动态关系, 所用的计量软件为EViews 6.0。检验结果如下。
注: 选用的滞后阶数为2。
由上表可见, Granger因果检验结果显示, 在10%的显著性水平上, 在滞后2阶时, 可认为SZINDEX是CAINDEX的单向线性Granger原因。
(4) 非线性Granger因果检验
尽管从线性Granger因果检验结果来看, 我们没有足够的证据表明国房景气指数 (CAINDEX) 对上证综合指数 (SZINDEX) 有线性Granger先导作用, 但考虑到经济时间序列多为时变、非线性的复杂系统, 线性Granger因果检验并不一定能完全描述出两者之间的内在联系。下文将采用Himestra和Jones (1994) 提出的非线性因果检验法对两者的短期动态关系进行考察[19]。
在进行非线性Granger检验之前, 先对用VAR (2) 滤去线性相关成分的残差序列进行由Brock等 (1987) 提出的BDS独立性检验[20], 检验其序列相关性及是否确实具有非线性结构, 所用计量软件为EViews 6.0。
注: 原假设为i.i.d.; ε=0.7。
则由以上结果可以看出, 经由VAR (2) 模型去掉线性解释能力的CAINDEX和SZINDEX残差值, 前者倾向于拒绝独立同分布的原假设; 后者倾向于接受独立同分布的原假设, 可认为其已不包含非线性特征。因此这里我们仅仅考虑CAINDEX对SZINDEX的Granger因果检验, 基于HJ方法的检验结果如下, 所用的计量软件为MatlabR2008a。
注:CS和TVAL分别对应HJ方法中的相关检验值;延续Himestra和Jones (1994) 文中假设, 取m=1, lx=ly=1, …, 8, e=1.5。
由上表可看出, 在20%的显著性水平上, 在滞后5、6阶时, CAINDEX是SZINDEX的单向非线性Granger原因。
5 实证结果分析和解释
(1) 房地产市场与宏观经济密切相关
国房景气指数与上证综合指数都是分段趋势平稳的时间序列数据, 其由于重大外生冲击而导致的结构变点分别为:2000年10月, 2002年11月, 2004年11月, 2006年4月;2007年1月。
国房景气指数在以该4个变点划分的区间内的均衡水平分别为:102.65, 105.09, 106.46, 101.70, 103.83, 对应于中国经济在2000年的启动, 2002年的加速, 2004年和2005年间小幅的宏观紧缩, 2006年对宏观经济过热和房地产过热的宏观调控。值得注意的是国房景气指数的均衡水平在2006年的对房地产过热进行宏观调控前后分别为101.70和103.83, 国六条九部委细则中具体的调控指标要求不仅对我国住房供应结构的调整起到了推动作用。从其余3个均衡值所对应的变点看来, 房地产市场的发展与宏观经济状况密切相关, 宏观经济的启动、加速、紧缩对房地产市场的发展有着决定性影响。
但相对于西方国家房地产由于供给依赖于其他的诸多行业, 所以波动滞后于正常的经济调整3～4年, 我国的房地产发展水平却同步于宏观经济。其中的原因可能源于近10年来我国GDP的增长更多地依赖于投资、出口和内需的三架马车的拉动, 其中主导性的因素还是投资, 而房地产既是投资热点, 又是内需的重要组成部分, 房地产业的发展本身就是GDP增长的巨大动力这一点可能是使得房地产发展与宏观经济变化同步的原因。
从数据看来, 1999～2005年为我国房地产的上升周期, 在经过2005～2006年间的短暂减速后, 房地产行业重新进入上升通道。房地产在上升阶段表现为阶梯状上升, 1999～2000年底为房地产发展的初始阶段, 对应的均衡水平为102.65点, 市场对房价的上涨保持怀疑, 观望较重, 价格小幅度上升, 成交量少, 尽管市场的积极氛围逐渐形成, 但对观望还是操作依然略显犹豫。2000～2002年为第二个阶段, 均衡水平为105.09点, 开始形成市场的主流信心, 繁荣市场形成, 涨一段观望一段, 依然是阶梯上升。2002～2004年为第三个阶段, 均衡水平为106.46点, 房地产全面上涨, 投资者一拥而入, 市场从此进入估值较高的期。下降周期也是同样呈现阶梯状下降, 目前的调整阶段即将进入加速下跌的曲线, 市场在等待标志性事件以形成进入加速下跌曲线的拐点。而标志性事件很可能是2007～2008年天价拿地的企业因为遭遇流动性危机而导致破产和出口企业遭遇寒冬等而导致的GDP减速。
(2) 从历史数据看, 股票市场对宏观经济的晴雨表功能还有待提高
上证综合指数只在2007年1月存在1个结构变点, 其在变点前后的均衡值分别为1586和4186。这意味着在1999～2006年底, 历次宏观基本面的重大改变对我国股票市场的股指中枢均无重大影响, 在中国经济启动的2000年, 加速的2002年和直至紧缩前的2004、2005年间, 股市经历了长达5年的下行区间, 宏观面和政策面的利好利空消息的都只在短期刺激股指的上行下跌。
分析产生2007年1月股市上结构变点产生的原因, 可以说是多种负面影响因素叠加的结果。从经济周期角度看, 是从2000年以来启动的8年左右扩张期的调整;从增长方式和产业转型角度看, 是改革开放30年以来的低附加值出口增长方式的调整;外部则是以华尔街为代表的成熟资本市场对过去几年流动性过剩导致的资产泡沫的调整;从中国自身资本市场的波动看, 随着股份的全可流通, 中国资本市场真正进入到一个全流通的市场, 这个市场与原来股权分置条件下的市场会有相当巨大的运行差异, 导致了与原来的市场的巨大差异。
(3) 股市对房市有着直接迅速的线性Granger先导, 房市对股市的影响相对滞后
上证综合指数和国房景气指数皆为分段趋势平稳的时间序列, 退势后皆为0阶单整, 则两者不存在长期稳定的线性关系, 股市和房市为分割市场, 在长期可以作为分散风险的投资组合的选择。退势后序列在滞后2阶时存在从股票市场到房地产市场的单向线性Granger因果关系, 在滞后5、6阶时存在从房地产市场到房地产市场的单向非线性Granger因果关系。由此可认为股票市场走势对房地产市场发展有着直接而且迅速的影响, 但房地产市场的调整对股票市场的行情的影响较为滞后, 且房地产作为整个国民经济中产业链最长的行业, 其繁荣与衰退, 会影响建筑建材、金融物流、汽车家具以及包括一般消费在内的所有产业, 从而影响各行各业上市公司的业绩和人们对市场的预期进而间接影响到股市的走势。这一点与前文中理论上的结论也是一致的。
(4) 相互影响仅限于短期效应
最后, 股市房市的走势只会在短期内相互影响, 从两者的变点有很大差异可以看出, 决定两者均衡水平的因素并不完全相同。1999～2006年的历次中国经济的启动, 加速和紧缩均未影响上证指数的均衡水平, 故而对房地产市场和股票市场的调控可以单独进行, 房价股价一荣俱荣一损俱损的情况未必会出现。
但需要注意的是, 对当下流行的“救市”的说法着手点要切入得当:从发达国家看, 房地产市场对宏观经济运行的反馈作用可能有限, 但是在中国这样主要依靠投资带动的增长模式中, 房地产市场的快速回落对于经济增长的抑制作用可能会十分显著, 而要适应当前扩大内需的需要, 不可能没有一个活跃的房地产市场。在当前中国的房价收入比已经较高的情况下, 加大由各级政府支持的经济适用房、廉租房等的建设和供应, 可能是房地产行业未来既适应居民收入水平、同时也能够发挥房地产市场对于宏观经济带动作用的重要发展途径。与此同时, 面向市场化的商品房市场体系, 可能则会面临较大的总量和结构上的调整。
6 研究结论和调控建议
本文利用单位根检验、变点检验、线性Granger因果检验、BDS独立性检验、非线性Granger因果检验的计量方法对房改后的中国股票市场与房地产市场的联动关系进行了实证分析, 并联系宏观经济走势对研究结果进行了分析和解释, 提出了调控建议, 得出了以下结论:
第一, 中国的房地产市场的发展和波动状况能够较好反映宏观经济的运行情况, 而上证综合指数的均衡水平与宏观经济走势的联系还并不十分显著。
第二, 房地产市场和股票市场并不存在长期的线性协整关系, 但在短期, 股市是房市的线性Granger原因, 房市是股市的非线性Granger原因。因此仅就股市对房市的影响考虑而不涉及其他因素, 在目前股票市场下行趋势明显的情况下, 房地产市场的调整也并不会很快结束。
第三, 房地产的发展与宏观经济的互动作用日益显著, 因此持续大幅回落的房地产市场对于宏观经济的负面影响会十分明显, 扩大内需同样也需要一个活跃的房地产市场, 这就需要对房地产市场上进行政府与市场的功能的区分, 增大对廉租房等的供应, 同时放松对市场化的房地产市场的行政化管制, 由市场力量来主导市场化的房地产市场的总量和结构的调整。
股票指数联动 篇4
2010年4月16日, 我国正式推出沪深300股指期货合约, 开启了我国股指期货市场元年。股指期货的推出对股票市场有何影响一直是市场投资者和监管者重点关注的问题。对我国股指期货市场与股票市场的联动效应的研究, 可以为投资者和监管者正确认识股指期货市场和股票市场的整体关系提供依据, 有利于推动我国的证券市场体系不断完善和发展。
关于股指期货市场与股票市场关系的研究, 多集中于股指期货引入后对股票市场的价格发现作用, 以及股指期货市场价格和股票市场价格的运行和走势在长短期内是否相关等问题上。由于研究者选取的研究角度不同, 或者研究对象的样本环境、样本区间和样本市场之间存在差异, 得出的结论也不一致。目前, 关于股指期货市场与股票市场之间的关系研究, 主要有以下三种观点。
第一, 股指期货市场价格发现股票市场价格。Chan (1992) 与Abhyankar (1995) 等对股指期货市场与股票市场动态关系进行了实证研究, 得到的结论是股指期货与股票指数的变动存在领先———滞后关系, 股指期货能够更加迅速有效地反映市场信息, 即股指期货对股票市场的价格具有引导作用。任燕燕与李学 (2006) 等学者通过建立VAR和VEC模型, 对S&P500股指期货的价格发现作用进行实证分析, 得出的结论是, 股指期货市场价格领先于股票市场, 能够及时有效的反映股票市场信息。
第二, 股票市场价格发现股指期货市场价格。Wahab与Leshgari (1993) 借助协整分析的方法来研究S&P 500股指期货与现货间的关系, 通过运用日交易数据进行协整分析, 结果发现S&P 500现货引导期货。严敏, 巴曙松, 吴博 (2009) 利用向量误差修正模型和公共因子模型等, 利用日交易数据研究沪深300指数仿真交易市场与沪深300指数市场之间的价格发现关系, 研究结果表明, 现货市场在价格发现中起到主导作用, 股指期货价格发现效率要显著低于现货。
第三, 股指期货市场价格与股票市场价格相互引导。Abhyankar (1995) 通过对FT-SE100指数期货与现货每小时一单位的日数据进行分析, 采用线性及非线性因果检验发现期货价格与现货价格具有同时性。华仁海, 刘庆富 (2010) 利用一分钟高频数据探究我国股指期货市场与股票市场间的价格发现能力, 研究结果表明, 股指期货市场价格和股票市场价格二者的协整关系成立, 同时, 二者的双向价格发现关系在我国也成立, 且股指期货对股指现货价格发现能力较强, 而股指现货的价格发现能力较弱。
由于我国股指期货推出较晚, 在交易机制和市场环境等方面区别于其他国家, 所以基于国外市场或仿真交易的研究, 很难从根本上反映我国股指期货市场与股票市场之间的关系, 同时, 研究者过分依赖于对高频数据的研究, 忽视了日交易数据的本质作用, 暴露出研究的不完整性。本文通过对沪深300股指期货推出以来所有日交易数据进行实证分析, 研究股指期货市场与股票市场的联动效应, 同时, 利用包含协整约束的向量误差修正模型来探究两市场间的短期和长期价格发现关系, 利用脉冲响应和方差分解技术来分析两市场间的价格发现贡献度。
二、实证分析
(一) 数据的选取和处理
为了分析沪深300股指期货推出后, 股指期货市场与股票市场之间的价格发现关系, 本文选取沪深300股指期货的当月连续合约以及沪深300指数的日收盘价数据用于实证分析, 样本区间为2010年4月16日至2014年3月7日, 剔除非交易日, 共有941个日交易数据, 数据来源于大智慧软件。
由于金融时间序列数据一般都是非平稳的, 为了消除时间序列可能存在的异方差, 分别对现货价格和期货价格原始序列取自然对数, 设沪深300现货和股指期货的对数价格序列分别为ln P1和ln P2。再将对数价格序列做一阶差分处理, 即可得到沪深300现货和股指期货的对数收益率序列, 设沪深300现货和股指期货的对数收益率序列分别为R1和R2。
(二) 数据的描述性统计
首先, 绘制出沪深300现货和股指期货的收益率序列波动图, 如下图所示。
其次, 计算现货和期货的价格序列和收益率序列的描述性统计量, 结果如表1所示。
由图1、图2和表1可以得出以下结论。
第一, 股指期货收益率序列的波动程度大于股票市场的收益率序列。对比图1和图2的波动情况, 同时结合表1可以看出, 股指期货收益率序列的标准差要大一些, 表明股指期货波动性大于股票市场。
第二, 股指期货和现货价格之间存在高度的相关性。沪深300现货和股指期货的均值和标准差等各项数据都比较接近, 从长期运行的走势来看, 两者在大部分时间内都基本保持一致。通过相关性分析, 发现沪深300现货和股指期货之间存在高度相关性, 相关系数为0.998079。
第三, 股指期货和现货收益率序列都呈现偏、尖峰厚尾的特征。从两序列的偏度、峰度和J-B统计量等可以看出, 股指期货和现货收益率都表现为异于正态分布, 呈现出偏、尖峰厚尾的特征和波动积聚的现象。
(三) 协整检验
通过协整检验方法可以分析沪深300现货和股指期货之间的长期均衡关系, 但是进行协整检验的前提是要求变量是非平稳的。因此, 在做协整检验之前应先对序列进行平稳性检验, 此处运用ADF检验法来检验沪深300现货和股指期货序列的平稳性。
ADF检验法的结果显示, 在10%的显著性水平下, 沪深300现货和股指期货价格序列均为非平稳序列。但是, 沪深300现货和股指期货收益率序列均为平稳序列, 因此可进行协整检验。
本文采用Johansen检验法的迹检验法和最大特征值法, 对沪深300现货价格序列ln P1和股指期货价格序列ln P2做协整检验。
通过Johansen协整检验可以看出, 沪深300现货价格序列ln P1和股指期货价格序列ln P2在5%的置信区间水平下, 沪深300现货和股指期货之间存在长期的均衡关系。通过协整检验还可以将协整系数标准化, 标准化的协整向量为 (1, -0.986533) , 所以协整方程为:
由上式可以看出来, 沪深300现货与股指期货之间是正相关关系, 当沪深300股指期货价格上升1%时, 沪深300现货价格上升0.986514%, 反之亦然。通过协整检验可以看出沪深300现货与股指期货之间存在长期的均衡关系, 但是并不能表明短期内也存在这种关系, 因此, 需要进一步用向量误差修正模型来研究短期波动与长期均衡的关系。
(四) 向量误差修正模型
向量误差修正模型是将短期波动与长期均衡结合在一起, 用来分析短期对长期的调整过程, 它可以从长期和短期两个方面来研究股指期货价格与现货价格之间的价格发现关系。向量误差修正模型的基本形式如下:
其中, ecmt-1是误差修正项, εt是残差项。结合上述分析, 向量误差修正模型的估计结果如表2所示。
通过向量误差模型的参数结果可以得出以下两个结论。
第一, 股指期货市场和股票市场对短期内价格的偏离具有不同方向的调节作用。方程中误差项表示对下一期价格的调整, 其中误差项系数小于0, 说明误差修正项对价格的变动具有负向调节作用, 而误差项系数大于0, 说明误差修正项对价格的变动具有正向调节作用。现货方程中误差项系数小于0, 表明股票市场对价格具有反向调节作用, 而期货方程中误差项系数大于0, 表明股指期货市场对价格具有正向调节作用, 所以当股票市场价格相对于期货市场价格偏高时, 套利机制的存在会使得下一期的股票市场价格下降, 期货市场价格上升。
第二, 股指期货市场比股票市场对非均衡的反应更敏感, 调整速度更快, 在价格调整中起主导作用。误差修正项的绝对值表示价格的调整速度, 绝对值越大, 表明价格恢复到长期均衡状态的速度更快。期货方程误差项系数的绝对值大于现货方程误差项系数的绝对值, 表明股指期货市场比股票市场对非均衡价格的调整速度更快, 即市场价格的调整主要依靠股指期货市场。
通过以上两个结论可以看出, 股指期货在长期价格发现过程中起主导作用, 短期内股指期货价格向均衡价格的调整力度大, 速度更快, 所以沪深300股指期货具有价格发现功能。
(五) 格兰杰因果检验
通过协整检验, 表明沪深300现货和股指期货之间存在长期的均衡关系, 而通过向量误差修正模型, 进一步发现了两个市场对于短期波动的调整力度。接下来通过格兰杰因果检验法来分析沪深300现货和股指期货之间的因果关系, 格兰杰因果检验包括两个原假设, 一是沪深300股指期货不是沪深300现货的格兰杰原因, 二是沪深300现货不是沪深300股指期货的格兰杰原因, 检验的结果如表3所示。
从表3可以看出, 在滞后阶数为1到4时, 在显著性水平为5%的条件下, 拒绝原假设一, 接受原假设二, 所以沪深300股指期货与现货之间存在单项引导的关系, 即沪深300指数期货不是沪深300现货格兰杰原因, 而沪深300现货是沪深300股指期货格兰杰原因。
究其原因, 一方面, 本文使用的沪深300股指期货与现货的日交易数据, 长期来说, 股指期货与现货之间具有高度相关性, 而且沪深300股指期货的价格依赖于股票市场的走势;另一方面, 随着沪深300股指期货到期日的临近, 其价格逐渐趋向于股票市场的价格, 即沪深300现货仍然决定着股指期货的走势。
(六) 脉冲响应和方差分解
为了进一步分析股指期货市场和股票市场价格发现能力的相对强弱以及彼此之间的相互作用过程, 需要进行脉冲响应分析和方差分解分析。
首先, 利用脉冲响应函数来刻画股票市场和股指期货市场对价格变动影响作用的大小, 脉冲响应方法的脉冲响应图如图3所示。
由图3左图可知, 沪深300现货市场价格的一个正向标准差广义脉冲对期货市场的冲击力度, 滞后一期的反应虽然接近于0, 但之后迅速增加, 到2期后的冲击反应达到0.0016水平, 并一直保持稳定。由图3右图可知, 股指期货市场价格的一个正向标准差广义脉冲对现货市场冲击力度, 第一期接近于0.004, 从第2期开始下降, 但下降幅度不断减小, 并最终维持在0.002左右的水平。
股票市场和股指期货市场的脉冲响应分析结果表明, 两市场的脉冲响应均为正值, 但二者价格变动方向是相反的。总体来说, 股指期货市场对股票市场价格的冲击要持久、稳定且强烈一些, 而股票市场对股指期货市场价格的冲击力度稍小一些, 这进一步表明了股指期货的价格发现功能。
接下来, 利用方差分解技术来分析各种冲击对沪深300现货和股指期货价格变动的贡献率, 方差分解的结果如图4所示。
从图4可以看出两市场价格的方差分解在20期后趋于稳定, 对于股票市场和股指期货市场而言, 现货市场的贡献度始终维持在99%左右的水平, 而期货市场的贡献度仅维持在1%左右。这说明股票市场的波动性主要来自于自身市场的影响, 期货市场的影响非常有限, 沪深300现货市场长期起着决定性的作用, 并基本稳定。
综合以上分析, 可以发现, 股指期货市场对股票市场价格的影响要持久、稳定且强烈一些, 但是股票市场在整个市场中起着绝对主导的作用。
三、研究结论
本文选取了2010年4月16日至2014年3月7日沪深300股指期货的当月连续合约和沪深300现货的日收盘价数据用于实证分析。实证研究首先进行了数据的预处理, 然后通过协整检验、误差修正模型、格兰杰因果检验、脉冲响应分析和方差分解等一系列方法对沪深300现货和股指期货期货之间的价格发现关系进行探究。通过分析得到以下结论:
第一, 通过协整检验和误差修正模型可知, 沪深300现货和股指期货之间存在着相互引导的关系, 而且这种关系具有长期均衡性。股指期货在长期价格发现过程中起主导作用, 同时, 在短期内股指期货价格向均衡价格的调整力度大, 速度更快, 所以股指期货具有价格发现功能。
第二, 通过格兰杰因果检验, 表明沪深300股指期货不是沪深300现货的格兰杰原因, 而沪深300股指现货是沪深300股指期货的格兰杰原因。所以沪深300股指期货与现货之间存在单向引导的关系, 在一定时期内, 沪深300现货价格发现着股指期货的的价格, 沪深300现货决定着股指期货的走势。
第三, 通过脉冲响应和方差分解, 说明股指期货市场对股票市场价格的影响要持久、稳定且强烈一些, 而且这种影响具有持续性。但是从市场贡献度来看, 股票市场在整个市场中起着绝对主导的作用, 两市场的长期均衡收敛是以股票市场占主导的, 这与实践中股指期货以股票价格作为最后结算价保持一致。
虽然我国股指期货推出的时间较晚, 样本数据比较有限, 但由于本文采用的是推出之日起全部日交易数据, 研究结论仍具有比较好的说服力。通过探究我国股指期货市场和股票市场的联动效应, 有利于投资者和监管者正确认识股指期货, 根据股指期货的价格发现功能制定合理的投资策略和风险管理策略, 推动我国股指期货市场和证券市场体系的不断完善和健康发展。
参考文献
[1]方匡南, 蔡振忠.我国股指期货价格发现功能研究[J].统计研究, 2012 (05) .
[2]华仁海, 刘庆富.股指期货与股指现货市场间的价格发现能力探究[J].数量经济技术经济研究, 2010 (10) .
[3]李婷, 刘向丽, 李成武.股指期货与股市联动效应研究——沪深300股指期货高频数据的证据[J].东北财经大学学报, 2012 (01) .
[4]邢天才, 张阁.中国股指期货对现货市场联动效应的实证研究——基于沪深300仿真指数期货数据的分析[J].财经问题研究, 2010 (04) .
[5]邢精平, 周武阳, 季峰.我国股指期货与现货市场信息传递与波动溢出关系研究[J].证券市场导报, 2011 (02) .
[6]熊熊, 王芳.我国沪深300股指期货仿真交易的价格发现分析[J].天津大学学报 (社会科学版) , 2008 (07) .
[7]严敏, 巴曙松, 吴博.我国股指期货市场的价格发现与波动溢出效应[J].系统工程, 2009 (10) .
融资融券、股票指数与投资者情绪 篇5
融资交易是证券公司向投资者收取一定的保证金,并出借一定数量的资金给投资者用于股票交易的行为,是一种利用杠杆资金进行股市投资的行为。融资余额指投资者每日融资买入股票的金额与归还借款金额间差额的累计金额。融券交易是证券公司将自营股票以及客户投资账户中的股票借给投资者,融券投资者借到股票后先卖出,然后在规定时间内返还证券公司相同种类和数量的证券并支付利息的行为。融券余额指投资者每日融券卖出金额与买进用于还券的金额间差额的累计金额。投资者看好后市,预期未来一段时间股市可能上涨,会选择融资买入股票;投资者不看好后市,预期未来一段时间股市可能下跌,投资者会选择融券卖出股票。
按照行为金融学的观点,投资者对股市的预期具有一定的毕马龙效应:当多数投资者预期股市要上涨时,会使用融资或其他方式加大对股市的投入,从而买进股票,买进股票的行为会促使股市价格的上涨;当多数投资者预期股市要下跌时,会使用融券或其他方式卖出股票,卖出股票的行为又会加速股市的下跌,因此融资融券余额的变动具有价格发现功能。
综上,研究融资融券与股票指数的关系具有重要的理论和现实意义。融资买股是利用杠杆资金投资股市,2015年上半年的A股牛市和2015年下半年的股灾都与杠杆资金有关。本文以中国股市的融资融券余额为研究对象,尝试从投资者情绪的角度来分析股灾前后融资融券余额和股票指数之间的相互关系。
二、文献综述
投资者情绪是指投资者对市场未来走势预期的系统性偏差,它反映了市场参与者的投资意愿和预期。国内外学者关于投资者情绪与股票指数关系的研究很多,本文将借鉴前人的思路,尝试从投资者情绪的角度来解释融资融券和股票指数之间的关系。
投资者情绪成为国外学术界研究的热点最早始于De Long等人(1990)提出的DSSW模型,该模型假设市场有两类投资者,一类是信息来源广,掌握更多信息的理性投资者,另一类是信息来源少,缺乏信息的噪音投资者,其中理性投资者能够客观地分析市场,其交易行为也不容易受情绪影响,而噪音投资者会过于乐观或悲观地预期市场价格,两类投资者在市场中相互竞争,De Long认为噪音投资者的行为能够影响市场中的资产价格。Stein(1996)最早明确了投资者情绪的定义,他认为投资者情绪导致了投资者对市场的非理性预期,而证券价格被高估或低估正是由于投资者的非理性预期,这种错误的预期导致了系统性偏差,因此投资者情绪间接导致了系统性偏差。随后,Barberis等人(1998)用计量模型实证分析了投资者对市场的反应过度和反应不足,量化了投资者情绪。
Lee等人(1999)用投资者情绪解释了“封闭基金折价之谜”,认为小市值公司的股票主要集中在资金量较少的散户手中,因此散户的情绪和小市值股票收益存在一定的相关性。Fisher和Statman(2000)在此基础上发现投资者情绪与未来资产收益负相关。Qiu和Welch(2004)以问卷调查的形式研究了投资者情绪,他们肯定了投资者情绪能够影响市场资产价格的观点,同时也认为投资者情绪指数的构建对于研究金融市场有着重要的意义。Brown和Cliff(2004)通过研究发现,市场中的资产价格会对投资者情绪产生影响,但是投资者情绪对市场价格影响不大。他们还发现,市场短期收益与投资者情绪间存在显著正相关关系,但与投资者中长期情绪负相关。Keswani和Taylor(2005)也同意这个观点,他们认为投资者情绪是由股票指数和资产价格波动引起的,但是投资者情绪不会影响到资产价格。
Lemmon和Portniaguina(2006)使用时间序列模型分析了价格偏差与投资者情绪之间的关系,他们认为价格偏差与投资者情绪之间存在负相关关系。Baker和Wurgler(2006)认为,投资者情绪对于市场中资产价格的影响存在横截面差异,成立时间较短、市值较小、盈利状况欠佳的公司的股票价格对投资者情绪会更加敏感。Verma和Soydemir(2009)则从投资者情绪中分离出了理性部分和非理性部分,他们认为投资者情绪会对市场中的资产价格产生影响,投资者情绪中的非理性部分会导致资产价格下跌,而理性部分对市场价格并没有显著影响。Lux(2011)从理论和实证两方面证明了通过投资者情绪可以预测市场资产价格。
我国资本市场成立时间较短,国内学者对投资者情绪与股票指数之间关系的研究起步也较晚。王美金和孙建军(2004)认为,投资者情绪不仅会对股票价格指数产生显著影响,还会反向影响市场中的收益波动。陈彦斌(2005)研究发现,投资者情绪对于市场中股票价格波动的影响大于债券,他还认为市场中的跨期替代弹性、主观贴现因子和风险规避系数都可以影响到股票价格。程昆和刘仁和(2005)把好淡指数作为投资者情绪指标,经研究发现股票指数对投资者中长期情绪指数没有显著影响,但是投资者中长期情绪指数能够显著影响到市场中的资产价格,中长期情绪指数对资产价格的影响大于短期情绪指数。伍燕然和韩立岩(2007)实证分析了投资者情绪与不同时期资产价格的关系,他们认为投资者情绪能够反向影响长期资产价格,正向影响短期资产价格。朱伟骅和张宗新(2008)通过研究发现,股票指数和投资者情绪对投资者的投资决策有显著影响,投资者情绪对市场中的资产价格有显著影响。
张丹和廖士光(2009)不但认为投资者情绪对于市场中的资产价格存在显著影响,还认为投资者情绪对于资产价格有较强的预测作用。余佩琨和钟瑞军(2009)通过研究得出了相反的结论,他们认为通过股票指数可以预测投资者的情绪,但是通过投资者情绪无法预测股票指数。杨阳和万迪昉(2010)也认为我国投资者情绪对于资产价格的影响不显著,但是资产价格对于投资者情绪的影响显著。林树和俞乔(2010)模拟了市场交易,他们通过排除其他因素发现投资者情绪对于市场中资产价格的影响显著。梁丽珍(2010)研究了市场基本面和投资者情绪的关系,认为市场基本面信息能够影响到投资者的情绪,但是这种影响只在短期内显著,中长期并不显著。乔智和耿志民(2013)使用财经股吧的信息分析了投资者情绪,他们认为股吧信息对投资者情绪有显著影响,还认为投资者情绪和股票指数之间存在正相关关系。高大良等人(2015)通过研究发现,投资者高涨的情绪会削弱市场中风险和收益之间的关系。
综上所述,国内外学者基于投资者情绪的角度,研究了不同因素与股票指数之间的关系,得出的结论也不尽相同,但他们普遍认为投资者情绪与股票指数之间存在一定的相关性。本文将借鉴前人的思路,从投资者情绪的角度来分析融资融券与股票价格指数之间的关系。
三、理论分析与模型设计
(一)理论分析
根据毕马龙效应可知,融资融券和股票指数存在以下相互作用机制:首先,融资融券余额的变动表示投资者对市场预期的变动。融资余额增加,表示市场趋向买方,买方的力量占主导,会推动股市价格上涨;反之,融资余额减少,市场趋向卖方,卖方的力量推动股市价格下跌。融券余额增加,表示看空的投资者主导市场,市场趋向卖方,卖方的力量会推动股市价格下跌;反之,融券余额减少,市场趋向买方,股市价格上涨。股市价格的波动正是多空双方资金博弈的结果,在此机制下,股市价格会和融资余额同向变动,和融券余额反向变动。其次,股票指数也会影响到融资融券余额。如果认为市场价格过高的投资者主导了市场,那么融资余额就会减少,融券余额则会增加,市场下跌的可能性增大;如果认为市场价格过低的投资者主导了市场,融资余额就会增加,融券余额则会减少,市场上涨的可能性增大。
投资者情绪假说是由Lee、Shleifor和Thaler(1991)在DSSW模型的基础上提出,该假说认为,投资者情绪会同时影响到投资者对市场的预期和股票指数。按照投资者情绪假说,投资者情绪会对融资融券余额和股票指数同时产生显著影响。本文使用以下模型检验投资者情绪、融资融券和股票指数之间的关系:
其中:GZ表示股票指数;TZZQX表示市场上的投资者情绪;RZ表示融资余额;RQ表示融券余额;解释变量的系数bk,ck,dk(k=1,2,…)表示当期和滞后期的解释变量对于股票指数的影响程度;et为模型回归的残差,表示不能被模型解释的随机波动。模型中最优滞后阶数k的选择依据AIC准则、SC准则以及LR检验来确定。
(二)变量选择
1. 融资余额和融券余额。
按照证券交易所的计算方法,本日融资余额为前日融资余额与本日净买入额之和,其中本日净买入额为本日融资买入额与本日融资偿还额之差;本日融券余额等于本日融券余量与所融券价格的乘积,其中本日融券余量为本日融券卖出数量与本日融券偿还数量之差再加上前日融券余量。
2. 股票指数。
由于融资融券标的股票大都是沪深300个股,本文用反映沪深两市综合运行情况的沪深300指数周数据表示股票市场价格指数。
3. 投资者情绪测度指标。
目前学术界主要有两类投资者情绪指标,一类是单一指标,也称为直接情绪指标。这类指标一般都是机构通过调查投资者对未来市场的多空预期,并把结果进行统计编制而成的指标,比如股市信心指数、好淡指数等,这类指标表示投资者对市场的主观预期。还有学者用其他能够反映投资者对市场预期的客观信息作为投资者情绪指标,比如鹿坪等人(2015)分别用个人投资者和机构投资者的新增开户数作为个人和机构的投资者情绪指标,相比前一类指标,这类指标客观性较强。另一类指标是复合指标,也称为间接情绪指标。这类指标首先挖掘市场上能够反映投资者情绪的信息,然后把这些信息进行汇总处理并进行计算,最终得出一个综合指标。复合指标所包含的信息量更大,通常也都是由市场数据计算得到,因此指标的客观性强于单一指标。
为使结果更加客观准确,本文使用复合指标。以往的研究多采用封闭式基金折价率作为构建投资者情绪的一个指标,笔者认为,自2002年9月以来,我国基金市场已停止发行新的封闭式基金,随着已发行的封闭式基金的逐渐清盘,目前市场上还在运作的封闭式基金已经很少,跟整个市场规模相比,封闭式基金的规模也非常小。另外,按照林振兴(2011)和乔智(2013)的观点,网络财经媒体披露的信息可以影响投资者情绪,但是现在我国各大财经网站、财经股吧或微博等新媒体里已经很少能看到有关封闭式基金的运作情况及其对股市影响的信息及讨论,因此本文并没有选择封闭式基金的折价率作为投资者情绪的构建指标。
考虑数据的可获得性和本文数据的周期,最终选择市场换手率(HSL)、新增股民开户数(KHS)、市场成交量(CJL)和市场市盈率(SYL)四个指标来计算投资者情绪指标。
(三)数据处理
本文样本使用周数据,选取的时间区间为2015年1月5日至2015年11月27日,这期间包括了一个完整的牛市和牛市之后的大熊市,能够更加准确地反映投资者情绪、股票指数以及融资融券余额之间的关系。本文所有数据均来自东方财富网和国泰安数据库,其中数据处理使用Excel软件完成,主成分分析使用SPSS软件完成,模型回归使用Eviews软件完成。
四、实证分析
(一)投资者情绪指标构建
由于构造投资者情绪的变量对于投资者情绪的反映可能存在时滞,因此需要先确定各指标的提前或滞后关系。首先,选取四个指标当期以及滞后一期共8个变量,对这8个变量进行主成分分析。在严格保证累计方差解释率达到85%的前提下,为使结果能够保留更多的信息,本文采用前4个主成分加权平均,其中第1至第4主成分的累计方差解释率为92.574%,经计算得到一个临时投资者情绪指标。然后用以上8个变量与计算得到的投资者情绪指标进行相关性分析,结果如表1所示:
由表1可知,投资者情绪与变量当期的HSLt和SYLt、滞后一期的KHSt-1和CJLt-1的相关性较高,因此选用这四个变量构建投资者情绪指标。再次使用主成分分析,最终得到投资者情绪指标的加权平均表达式为:
(二)平稳性检验
非平稳的时间序列会产生伪回归,因此在建模前需要先对数据进行单位根检验,为使结果更加准确,本文分别使用ADF检验和PP检验两种方法检验相关变量的平稳性。按照赵进文(2009)的观点,当两种检验结果不一致时,以PP检验结果为准。检验结果如表2所示:
注:以上结果为单位根检验的t值;***表示结果通过1%水平上的显著性检验。
由表2可知,各变量的原序列在10%的水平上都不显著,说明各变量原序列数据不平稳。各变量的一阶差分序列在1%的显著性水平上通过了平稳性检验,说明各变量的一阶差分序列都是平稳序列,可以进一步进行协整检验。
(三)协整检验
在进行协整检验前,需要利用AIC和SC准则并配合LR检验来判断模型的滞后阶数。经检验,模型的最优滞后阶数为2。本文使用Johansen方法做协整检验,结果如表3所示:
由Johansen检验结果可知,特征根的趋势值在5%的统计水平上存在3个协整关系,特征根的最大值在5%的统计水平上存在2个协整关系。因此,模型存在协整关系,各变量之间存在长期均衡,可以进一步分析各变量间的关系。
(四)股票指数、融资融券及投资者情绪之间关系的实证分析结果
考虑2015年股灾的发生可能会对投资者预期产生影响,从而影响到融资融券,笔者以股灾发生之日2015年6月12日为界,用全样本数据和股灾前后的数据分别对前文模型进行回归,得到以下结果:
上述表达式中的括号内为t值;*、**、***分别表示结果通过10%、5%、1%统计水平上的显著性检验。
由以上结果可知,在股灾前后投资者情绪都可以正向影响股票指数,其中当期投资者情绪对股票指数影响最大,三个系数均通过了1%统计水平上的显著性检验;滞后1期投资者情绪对股票指数影响较小,全样本及股灾前滞后1期的投资者情绪系数通过了5%统计水平上的显著性检验,股灾后滞后1期的投资者情绪系数通过了10%统计水平上的显著性检验;滞后2期的投资者情绪对股票指数几乎没有影响,全样本及股灾前后2期的投资者情绪系数只通过了10%统计水平上的显著性检验,股灾后滞后2期的投资者情绪对股票指数的影响不显著。上述结果表明,投资者情绪对于沪深300指数具有一定的预测作用。
各模型的回归结果中,融资余额的系数都为正,融资对股票指数产生正向影响,在股灾前对股票指数影响显著,股灾前当期和滞后1期的融资余额系数均在1%的统计水平上显著,滞后2期的融资余额系数在5%的统计水平上显著;股灾后融资余额对股票指数影响显著,当期和全部滞后期的融资余额系数都在1%的统计水平上显著;全样本数据中,当期和滞后1期的融资余额系数均在5%的统计水平上显著,滞后2期的融资余额系数不显著。股灾前,股票价格快速上涨,市场极度亢奋,投资者把一切能够利用的资金都投入到股票市场,因此融资余额也快速增加,对股票指数影响显著;股灾发生后,股票指数快速下跌,市场处于极度恐慌中,融资的杠杆效应使亏损放大,为防止爆仓,投资者不计成本地卖出股票,因此融资对股票指数的影响程度非常大。
全样本和股灾前,当期的融券余额系数为负,并且在10%的统计水平上显著,滞后1期和滞后2期的融券余额对股票指数的影响不显著。股灾后,当期融券余额系数为负且在5%的统计水平上显著,滞后1期的融券余额系数为负且在10%的统计水平上显著,滞后2期的融券余额对股票指数影响不显著。股灾前,股市价格持续上涨,投资者不敢轻易看空,即使融券,发现市场没有按照预期下跌,也会在持有较短时间后选择平仓还券;股灾后,股指加速下跌,投资者预期股市后市下跌,融券余额增加,融券对于股票指数的影响显著,但是融券是双向交易,融券时借券卖出,在平仓时买券偿还,买券平仓的过程会促使股票指数上涨,因此滞后期的融券余额系数为正。融资也是双向交易,需要卖出股票来偿还借入的资金,但由以上回归结果可以看出,当期和滞后期的融资余额系数都为正,因此可以认为投资者融资买入股票持有时间较长,但是融券卖出股票持有时间相对较短,融资对股票指数影响较大,而融券对股票指数影响较小。
(五)投资者情绪、融资融券与股票指数的格兰杰因果关系检验
为进一步分析投资者情绪、融资融券和股票指数间的相互影响,下文用股灾前后的投资者情绪、融资融券与股票指数分别作格兰杰因果关系检验,以从统计学的角度来分析两个平稳时间序列的因果关系。两个变量X和Y进行回归,如果加入滞后项后,X对Y预测的显著性提高,就认为X是Y的格兰杰原因。股灾前后各变量的格兰杰检验结果如表4和表5所示:
由表4和表5可以看出,股灾前后,投资者情绪与股票价格指数之间存在双向格兰杰因果关系。股灾前,投资者情绪是股票指数的格兰杰原因,在5%的统计水平上显著,股票指数也是投资者情绪的格兰杰原因,在1%的统计水平上显著;股灾后,投资者情绪与股票指数互为格兰杰原因,并且都在5%的统计水平上显著。
股灾前后,融资余额与股票指数之间存在双向格兰杰因果关系,融资余额与股票指数互为格兰杰原因,并且都在1%的统计水平上显著。股灾前,融券余额与股票指数双向都不是彼此的格兰杰原因;股灾后,融券余额不是股票指数的格兰杰原因,但是股票指数是融券余额的格兰杰原因,在1%的统计水平上显著,这与前文的结论一致,融资对股票指数影响较大,而融券对股票指数影响较小。
(六)稳健性分析
为使结果更加准确、结论更具普遍性,本文从股票指数指标方面进行稳健性检验。分别使用上证指数和深证指数替换前文的沪深300指数,重新进行以上分析。回归结果显示,当使用上证指数和深证指数作为股票市场指数时,检验结果与前文结论基本一致,说明前文分析结果对不同的股票指数仍具有稳健性。
五、结论与启示
本文首先使用市场换手率、新增股民开户数、市场成交量和市场市盈率四个客观指标构建复合的投资者情绪指标,然后用当期及滞后期的投资者情绪分析了2015年股灾前后融资融券与股票指数之间的关系,最后使用格兰杰因果关系检验分析了股灾前后投资者情绪、融资融券与股票指数之间的因果关系,得到以下结论:
1.股灾前后、当期及滞后期的投资者情绪能够对股票指数产生显著的影响,投资者情绪对股票指数具有一定的预测作用。
2.股灾前后,融资对股票指数影响显著,融券对股票指数影响不显著。相对于融资规模,融券的规模较小,在样本区间内,日融资余额平均水平在1万亿元左右,最高时超过2万亿元,而日融券规模最高时也刚过100亿元,因此融资对股票指数的影响较大,而融券对股票指数影响甚微。
3.股灾前后,投资者情绪与股票指数双向互为格兰杰因果关系,融资与股票指数双向互为格兰杰因果关系。融券在股灾前与股指互相不存在格兰杰因果关系,在股灾发生后,融券不是股票指数的格兰杰原因,股票指数是融券的格兰杰原因。
“成也萧何,败也萧何”,2015年我国股市的牛市正是杠杆资金推动的杠杆牛,2015年下半年的股灾也是股市去杠杆的后果。股票市场存在多种杠杆资金,本文所研究的只是相对来说较为安全的融资资金,但是已对股票市场产生巨大影响。对于投资者而言,风险永远要放在第一位,使用高杠杆虽然能在股市上涨时取得较高收益,但是股市下跌时的风险,尤其是前所未有的整个市场的流动性风险是所有投资者的不可承受之痛。对于监管层而言,应更多地注重日常的制度框架建设,注重风险控制体系的建设以及法律制度的建设,应该意识到健康的股市应该是一个稳定的、健康的慢牛走势,专注于刺激推动股市只会使牛市来得猛烈、走得彻底。
摘要：本文使用主成分分析法,用市场换手率、新增股民开户数、市场成交量和市场市盈率构建了投资者情绪指标,然后基于投资者情绪的角度分析了2015年股灾前后融资融券与股票指数之间的关系,最后进行了稳健性分析。主要研究结论如下:投资者情绪对股指有一定的预测作用;股灾前后,融资都对股票指数产生显著影响,融券都对股票指数影响不显著;融资与股票指数双向互为格兰杰因果关系;股灾后,股票指数是融券的格兰杰原因。
股票指数联动 篇6
现阶段我国的主要矛盾是人民日益增长的物质文化需要同落后的社会生产之间的矛盾, 因此要搞好经济, 发展生产, 并且在促进经济发展的同时提高职工工资收入和人民整体的生活质量。这里说的“职工工资收入”是指职工的实际工资收入。由于我国所处的经济阶段是以公有制为基础的商品经济, 所以现有条件下我国的基础工作应是重点发展商品经济, 有计划有步骤地开放市场调整物价政策, 把经济搞好搞活。与以前高度集中的计划和集中指令性经济相对比, 现在的货币工资和实际工资变动显著。因此, 观察职工工资的收入情况, 只考虑货币工资的数量, 不同时考虑物价的浮动变化已不可行。务必要将职工工资收入与物价指数浮动紧密结合, 仔细考虑货币工资的真实价值, 这样才可以显示出职工工资真实的水平。
2 职工工资与物价指数的联动关系
职工工资与物价指数的联动关系相协调, 确保工资收入水平的提高跟得上物价的上涨, 是国家这些年以来多次重点提及的一件事情。要将职工工资的收入与物价的浮动密切结合, 可运用“指数挂钩”, 即工资的货币数额与物价的浮动相同步。避免了传统方法的主观性和随意性, 这种调整工资水平的方法实现了依据客观规律进行经济决策, 有助于促进职工工资组织与工作管理的法制化, 同时增加职工对于工资分配的信任和安全感, 更加有效地激发和鼓励全体职工投身于社会主义建设事业, 积极主动的配合物价方面的改革。
3 工资与物价联动关系的基本特征
(1) 工资同物价挂钩的目的是为了争取保证工资价值不变, 并不是为了单纯求取工资的上涨, 也就是说职工的总需求与社会总供给的总价值量并没有变动如此就不会存在需求超出供给的现象从而就没有必要采取措施促进物价的上涨了。
此处一个重点是正确认识到由于消费品比价关系的变动而导致工资上涨, 并不是为了扩大职工需求进而实现供求之间关系的变动。工资的货币数额上升这一现象形成的原因是多方面的, 因此也可以存在不同的性质, 为得出一个合情合理的结论, 就有必要认清现象的内在本质, 按逻辑具体分清楚。
(2) 二者的联动关系中, 物价的上涨是前提, 职工工资的货币数额相应变动是在物价上涨之后, 由此来说职工工资的增加没有超前, 因此没有必要引导性的采取措施去实现物价水平的上升。进而可以说, 此种做法并不能“反刺激”物价水平的上升, 此外应该认识到此种补偿性的提升职工工资货币数额的做法, 因为和物价水平上升相比较之下的滞后而导致他们之间的“时间差”, 其实正好会发挥压缩居民消费需求的效用。这样的“时间差”越大, 压缩的消费需求就会相应增大, 因此压缩了消费需求, 从而避免物价水平的提高。
另外一些方面的影响也会导致职工工资与物价指数的不断增长, 但是在此主要的问题是寻求供给与需求之间的相互平衡。若求大于供, 也许会导致物价水平的上升, 若进一步强调工资水平的上升, 就会使情况更加紧张, 形成消费需求更加膨胀, 致使水平再次上升。面对此种情形最好的对策是实现工资货币数额的上升与国民收入总额水平的上升相互协调, 相互适应, 职工工资的平均增长率与社会的劳动生产率的增长互相协调互相适应, 甚至更广阔的方面, 都必须实现一定的平衡关系相互都有弹性变动余地, 避免因为无法估计的市场因素导致物价水平的增加, 致使职工的基本生活质量受到威胁和损害, 甚至影响到国民经济的健康发展。
4 职工工资的补偿办法
(1) 对职工工资的补偿办法方面, 部分人支持将由于物价上涨导致工资水平相应下降而应加付给职工的工资货币数额用在工资关系的变动方面, 也有部分人支持依照旧例依据人数平均发放补贴, 但两者都有不妥之处。为协调工资关系而增加工资同因物价上涨做出补偿而上调工资其本质不同。经济关系方面的调整, 是由于生产率的变化引起的, 物价补偿导致的货币工资的上涨是由于保持职工工资的真实价值的需要。不同性质的问题要通过不同的途径去解决, 尤其是工资处理方面, 要遵循公平、公开、公正的原则, 尽量避免因为经济的不平衡处理引发员工心理的不平衡, 以达到加强团结激励员工的目的。
(2) 人数平均发放补贴的方法, 其突出的弊端就是违反了社会主义制度按劳分配的的原则, 减弱了工资在经济调节中的杠杆作用, 使得工资的发放趋于平均主义, 分配制度也朝向供给制这个陈旧的道路上退化。这种做法明显与目前正在强调的工作方针背道而驰。我们的目标是通过经济补贴的方法维持物价上涨后工资的真实价值, 本质就是职工工资真实价值的保持, 所以应当以按劳分配为原则, 避开平均分配这一的错误方法, 应在职工工资原来水平的基础上, 进行等价的工资补贴的发放。
5 结语
【股票指数联动】推荐阅读：
股票指数期货12-29
股票价格指数11-11
上证指数股票预测03-05
学习股票股票入门基础知识08-27
股票入门 股票投资心得体会05-19
股票上市01-21
股票行业05-11
股票回购07-09
股票交易07-28
股票推荐08-09
扫一扫微信支付