CPI、货币供给量、股指关系建模分析4(5)

结合预测值和图七，可知，2011年1月-6月份中国货币供给量M2指数将继续保持增长，且增长幅度较大。

同理：2010年——2011年上半年股票指数也可通过GM(1-1)进行预测，计算结果及预测值如下：

计算 u=

(a,b)?(AA)AhTTT?1?0.0000?????2884? .6??于是得到a=0.0000,b=2884.6

建立模型： 求解得：

dxdt(1)?0.0000x?2884.6

(1)x(1)b?akb(0)(-0.57728e-2k)(k?1)?(x(1)?)e?? -49670e7?49969 6aa 由

x(0)(k)?x(k)?x(k?1)，取k=2,3，...17,18.,得：

(0)(0)(0)(1)(0)x(0)(k)?(x(1),x(2),...,x(18))

=( 2989.3 2859.1 2842.7 2826.3 2810.0 2793.9 2777.8 2761.8

2745.9 2730.1 2714.4 2698.7 2683.2 2.667.8 2637.1 2652.4 .26220 2606.9）

表20 GM（1，1）模型检验表 月份 2010年1月 2010年2月 2010年3月

预测值 2989.3 2859.1 2842.7 残差 0 192.8128 266.4304 相对误差 0% 6.32% 8.57 % 级比误差 0.0262 0.0240 21

2010年4月 2010年5月 2010年6月 2010年7月 2010年8月 2010年9月 2010年10月 2010年11月 2010年12月 拟合函数

2826.3 2810.0 2793.9 2777.8 2761.8 2745.9 2730.1 2714.4 2698.7 44.3033 -217.8880 -395.4930 -140.2811 -122.9917 -122.9917 248.7415 105.8063 109.3307 (-0.57728e-2k)1.54 % 8.41% 16.49 % 5.32% 4.66% 3.40% 8.35 % 3.75% 3.89% -0.0768 -0.1010 -0.0746 0.0959 0.0062 0.0121 0.1136 -0.0502 -0.0502 x(k?1)? -496707e?499696

由上表可知，模型误差百分比与级比偏差，均不超过1.2%，模型的n拟合精度较高，可用于预测。预测值如下表：

表21 2011年1-6月份中国上证股指预测值 月份 预测值

为了更直观和清晰的看去预测结果的发展趋势，本文采用spss软件对其做线图，给出原始值与预测值的图形，如下图八。

1月 2683.2 2月 2667.8 3月 2667.8 4月 2637.1 5月 2622.0 6月 2606.9

结合预测值和图八，可知，2011年1月-6月份中国货币供给量M2指数将继续保持缓慢下降。

22

8.结论分析

实证研究表明，货币供应量影响CPI具有明显的滞后性，因此，在制定货币政策并选择货币政策工具时，需要从整体上分析各货币供应量层次对CPI的不同影响，考虑到其影响的滞后性，从而推出合理有效的货币政策对CPI进行调控。除考虑上述因素外，在制定货币政策时，还需要结合国内经济形势和国际金融环境变化进行前瞻性判断，分析货币政策对国内经济的影响并依政策目标变化进行调整。

从实际结果、经验理论等方面上看，对于CPI、货币供给量和股票指数三者间的根本原因为货币供给量。

本文对货币供应各层次变量M0、M1、M2和股票价格指数HUSHI变量进行一系列的时间序列特性检验, 并建立货币供应量对股票价格指数HUSHI影响的预测模型, 得出了以下几点结论。

(1)货币供应量各层次变量M0、M1、M2和股票价格指数变量HUSHI是时间序列数据, 它们本身都是非平稳数列, M0、M1、M2和STOCK一阶差分序列也是非平稳的, M0、M1、M2的二阶差分序列是平稳的。

(2)协整检验的结果表明, 变量STOCK与M0之间有着长期的稳定、均衡的关系,显示我国的股票市场与货币市场存在一定的关联。

(3)通过Granger因果关系检验可以发现,流通中现金增量M0和上证综指HUSHI增量间存在相互影响的关系。

9模型评价

本文所采用的数学模型有线性回归模型，VAR协整分析模型，主成分分析模型和灰色预测模型等。其中线性回归模型较为显著的分析出货币供给量和CPI指数问题；基于VAR协整分析模型，涵盖了ADF单根检验、协整检验以及格兰杰因果关系分析，最小二乘法分析法，对研究CPI与股指、股指与货币供给量问题上具有显著效果。

当然建模过程中也存在着不可避免的缺陷，其一，在研究三者间初步关系时仅采用的较为直观，浅显的时间——数据分析结果，没有应用更为合理的数学模型去整合求解。

其二，应用主成分分析法求解根本原因问题时，进分析第一、第二成分，没有将其拟合成综合成分求解特征值；

其三，灰色预测模型对于股指的预测结果，相对误差与极差较大，在提升空间上，可以对此问题进行改进。

10.参考文献

[1] Fisher. Thetheoryof interest. NewYork: Mcmillan, 1930.

[2] FeldsteinM, Summers L. Inflation and taxation of capital income in thecorporate sector. National TaxJournal, 1979(32):445- 470.

23

[3] 靳云汇,于存高. 中国股票市场与国民经济关系的实证研究(上) [J].金融研究, 1998(3):40- 45.

[4] 古扎拉蒂. 计量经济学[M]. 中国人民大学出版社, 2000.

[5] 高铁梅. 计量经济分析方法与建模[M]. 清华大学出版社, 2006.

[6] 黎春,罗健梅,杨志兵. 通货膨胀的测度以及与股票市场相关关系的分析[J]. 财经理论与实践, 2001(6).

[7] 唐齐鸣. 股票收益与货币政策的关系研究[J]. 统计研究, 2002(12):

[8] 杜颖奎 李齐林 CPI和股市指数:基于VAR模型的协整分析 武汉大学经济与管理学院.

11.附录

附录1 SPSS软件分析数据

表22 M0&HSHS的SPSS分析数据 上证综指 货币供给量零 上证综指 Pearson 相关性 1 .766** 显著性（单侧） .000 N 241 240 货币供给量零 Pearson 相关性 .766** 1 显著性（单侧） .000 N 240 240 **. 在 .01 水平（单侧）上显著相关。 非参数相关系数

上证综指 货币供给量零 Kendall 的 tau_b 上证综指 相关系数 1.000 .621** Sig.（单侧） . .000 N 241 240 货币供给量零 相关系数 .621** 1.000 Sig.（单侧） .000 . N 240 240 Spearman 的 rho 上证综指 相关系数 1.000 .840** Sig.（单侧） . .000 N 241 240 货币供给量零 相关系数 .840** 1.000 Sig.（单侧） .000 . N 240 240 **. 在置信度（单侧）为 0.01 时，相关性是显著的。 24

Kendall 的 tau_b 上证综指 相关系数 Sig.（单侧） N 货币供给量零 相关系数 Sig.（单侧） N Spearman 的 rho 上证综指 相关系数 Sig.（单侧） N 货币供给量零 相关系数 Sig.（单侧） N 上证综指 1.000 . 241 .621** .000 240 1.000 . 241 .840** .000 240 货币供给量零 .621** .000 240 1.000 . 240 .840** .000 240 1.000 . 240 由SPSS分析数据显示，Pearson相关系数=0.766，Spearman's rho= 0.840，表明M0与HUSHI存在较强的相关性，Kendall's tau_b（M0）=0.612大于0，则M0与HUSHI样本点的协同数目较多，由以上三个指标表明，M0与HUSHI存在相关性 表23 M1&HUSHI的SPSS分析数据

相关性 上证综指

Pearson 相关性 显著性（单侧） N

货币供给量一

Pearson 相关性 显著性（单侧） N

上证综指 1 241 .745** .000 240

货币供给量一 .745** .000 240 1 240 **. 在 .01 水平（单侧）上显著相关。

非参数相关系数

Kendall 的 tau_b 上证综指 相关系数 Sig.（单侧） N 货币供给量一 相关系数 Sig.（单侧） N Spearman 的 rho 上证综指 相关系数 Sig.（单侧 …… 此处隐藏：1301字，全部文档内容请下载后查看。喜欢就下载吧 ……