CPI、货币供给量、股指关系建模分析4(3)

Model 1 (Constant) M2 M0 B -13.521 .767 .250 Std.Err 3.608 .184 .167 Beta .676 .243 -3.748 4.166 1.497 .002 .001 .154 a Dependent Variable: CPI 由以上回归分析得关系式：

y??13.521?0.767M2?0.250M0?t

Normal P-P Plot of Regression Standardized ResidualDependent Variable: CPI1.00.8Expected Cum Prob0.60.40.20.00.00.20.40.60.81.0Observed Cum Prob 图四

结合图四，从回归结果来看，两个自变量对CPI的解释系数R2=0.637，包括显著性、自相关等参数检验较为理想，该模型能够较好地预测CPI的变化，而且CPI与M0、M2有

较为明显的正相关关系。从CPI预测值与CPI实际值来看，该模型能够较好地预测了CPI的变化趋势。

5）结论：从回归结果来看，两个自变量对CPI的解释系数R2=0.637，包括显著性、自相关等参数检验较为理想，CPI与M0、M2有较为明显的正相关关系，该模型能够较好地预测了CPI的变化趋势。

5.2.2 CPI与股指的VAR模型建立

1）单位根检验

为避免伪回归，在实证分析中需要判定时间序列的稳定性 ,检验方法主要是单位根检验。为确保检验结果的准确性 ,我们使用 ADF检验来确定时间序列是否平稳。由走势知道HUSH I、 CPI含有截距项而不含有时间趋势 ,这些变量经过一阶差分变换后均包含截距项而不含时间趋势。对于检验滞后期的选择 ,设定最大滞后期为 12。检验结果见下表 。

表 5 单位根检验结果

11

HUSHI ΔHUSHI CPI ΔCPI ADF检1% level 验统计量 -3.181229 -8.597557 -1.898777 -4.963621 -3.997083 -3.997083 -3.998815 -3.998815 5% level 10% level 稳定性 非平稳 平稳 非平稳 平稳 -3.428819 -3.137851 -3.428819 -3.137851 -3.429657 -3.138345 -3.429657 -3.138345

检验结果显示 HUSHI、CPI均为 非平稳序列 , ,而

检验其一阶差分后ΔHUSHI、ΔCPI均为平稳序列。

2）格兰杰因果检验

为了分析物价指数和股市发展的因果关系,我们进行格兰杰因果检验。根据LR、FPE、AIC、SC和HQ的值来共同确定滞后阶数。鉴于格兰杰因果检验的结果对滞后长度的敏感性很大,我们需要根据LR、FPE、AIC、SC和HQ的值来选择最佳滞后阶数,从较大的滞后阶数6开始,得到各检验值的输出结果,由于篇幅限制在此省略。

LR、FPE、AIC、SC和HQ的值均选定滞后期为2,最佳滞后期为2。因果检验结果见下表6.

表6 格兰杰因果关系检验表 Null Hypothesis Obs F-Statistic Prob HUSHI does not 239 0.14198 2.34482 0.8677 0.0981 Granger Cause CPI CPI does not Granger Cause HUSHI 由上表可以看出 , HUSHI在 10%的显著性水平下是我国 CPI的格兰杰因 ,反之则没有因果关系。这说明我国 HUSHI对 CPI的影响有限 ,而 CPI对 HUSHI有较大影响。 3）VAR模型估计

我们建立如下的VAR模型:

HUSHI??HUSHIt?i??CPIt?i?i?1t?1mm?t???(1)

①VAR模型的稳定性检验根据分析滞后阶数为m=2。为分析CPI和股市指数的关系,首先检验VAR模型的稳定性。如果模型的根都在单位圆内,则模型是平稳的。分析可知本VAR模型的根均落在单位圆内,因此VAR模型的稳定性条件得以满足,其估计结果是稳健的。

②VAR模型的协整检验首先进行协整向量个数r的检验,判定是否存在协整关系,然后求出协整向量。选择第三类含截距和不包括趋势项。 表7 模型(1)Johansen协整检验 Hypothesized No. of CE(s) None * At most 1 * Eigenvalue 1.000000 0.031343 Trace Statistic 8256.030 7.578962 0.05 Critical Value 15.49471 3.841466 Prob.** 1.0000 0.0059

根据表3的结果,HUSHI和CPI之间在6%的显著水平上存在1个协整关系,表明HUSHI和CPI之间存在长期稳定的均衡关系，可以建立误差修正模型。

③脉冲响应函数

12

在实际应用中,由于VAR模型是一种非理论性的模型,因此在分析VAR模型时,需要用脉冲响应函数分析当一个误差项发生变化,或者说模型受到某种冲击时对系统的动态影响,下图是VAR模型的脉冲响应函数。横轴表示冲击作用的滞后期数,单位是月度,实线表示脉冲响应函数,虚线表示正负两倍标准差偏离带。

图五 脉冲响应函数

图五表明当在本期给CPI一个正冲击后, HUSHI在前几期开始小幅波动上扬,然后逐渐减小,过一段时间之后大概在第5期其冲击改变方向,并且越来越小,长期内冲击趋近于零。这说明通货膨胀在初期确实可以促进股市增长,但随着时间其促进作用将变小,最终导致股市下跌。

④误差修正模型(VEC)

由于SHSHI和CPI存在协整关系,因此我们可以建立误差修正模型考察它们之间的短期关系。具体回归方程为:

D(HUSHI) = - 0. 035＊( HUSHI( - 1) +17.099＊CPI( -1) -14693.09 ) - 0. 023＊D(HUSHI( - 1) ) +0.245＊D(HUSHI( - 2) )) + 17.099＊D(CPI( - 1) ) + 16.724＊D(CPI( - 2) )) + 8.342

R=0.096

可以看出,VEC模型的拟合度较低只有0. 096,因此模型并不精确,可能是由于影响股市指数走势的因素众多,而此模型只考虑了CPI和股市指数的关系,其它因素也需要考虑，但它的确表明HUSHI和CPI的一种短期关系。

4）结论

根据实证分析结果,我们得到如下结论:

①上证指数和CPI存在协整关系，即上证指数HUSHI和CPI在长期内存在稳定关系,但通过误差修正模型修正后拟合度较低,表明它们的短期关系并不稳定。

②CPI对上证指数HUSHI影响较小,在初期有正的影响,随后转为负,长期影响趋于零。

25.2.3股指和货币供给量相关性分析

1）单位根检验

为避免伪回归 ,在实证分析中需要判定时间序列的稳定性 ,检验方法主要是单位根检验。为确保检验结果的准确性 ,我们使用 ADF检验来确定时间序列是否平稳。由走势知道HUSH I、 货币供给量含有截距项而不含有时间趋势 ,这些变量经过一阶差分变换后均包含截距项而不含时间趋势。对于检验滞后期的选择 ,设定最大滞后期为 12。

表 8 单位根检验结果

13

统计量 HUSHI -3.181229 -3.997083 -3.428819 -3.137851 非平稳 HUSHI(-1) -8.597557 -3.997083 -3.428819 -3.137851 平稳 M0 8.377480 -4.001108 -3.430766 -3.138998 非平稳 M0(-1) -2.241179 -4.002786 -3.431576 -3.139475 非平稳

M0(-2) -13.24486 -4.003226 -3.431789 -3.139601 平稳

M1 4.035088 -4.002354 -3.431368 -3.139353 非平稳

M1(-1) -1.408805 -4.001516 -3.430963 -3.139114 非平稳

M1(-2) -8.932332 -4.001516 -3.430963 -3.139114 平稳

M2 2.768379 -3.998997 -3.429745 -3.138397 非平稳

M2(-1) -1.389916 -3.998997 -3.429745 -3.138397 非平稳

M2(-2) -7.956779 -3.998997 -3.429745 -3.138397 平稳

从表7的检验结果可知, M0、M1、M2、HUSHI时间序列数据本身都是非平稳数列, 且四个数据的一阶差分序列也不平稳, M0、M1和M2二阶差分序列是平稳的，且容易看出M0二阶差分平稳度较M1、M2更好。 2)VAR模型估计

首先进行协整向量个数 r的检验 ,判定是否存在协整关系 ,然后求出协整向量。根据 A IC准则选择含截距和不包括趋势项。

本模型进行协整检验，由于多个变量 …… 此处隐藏：4208字，全部文档内容请下载后查看。喜欢就下载吧 ……