宏观经济因素对股票市场收益的协整计量分析(3)

过变形，可将其改写为

?yt??i?1?i?yt?i??yt?1?Bxt??t （3）

p?1其中

???i?1Ai?Im ?i???j?i?1Aj

pp由于经过一阶差分的内生变量向量中各序列都是平稳的，所以若构成?yt?1的各变量都是I(0)时，才能保证新息是平稳过程。此时存在三种可能。首先，矩阵∏可能是零矩阵，这就是说∏的秩等于零。其次，矩阵∏可能是满秩阵，秩等于m。第三种情况是矩阵∏是不满秩的，即0 < rank∏=r

对于多变量时间序列的协整检验，常用的除了Johansen极大似然法，还有两步法。两步法虽然简单易懂，但有较多的假定条件，忽略其假定的前提条件可能导致错误的结论。而极大似然法对参数做联合估计，对变量的协整关系作系统性分析，不需要任何假定条件，也不需要了解模型的动态结构——模型的结构、变量的内生性和外生性以及协整向量的个数都是检验的结果。因此，该方法是较为理想的方法。本文中我们使用Johansen极大似然协整检验方法。

Johansen极大似然协整检验方法基于典型相关分析，使用降秩的回归技术其目的是要检验∏矩阵的秩。检验最终的协整关系数目的第一个检验统计量由Johansen（1988）提出，这就是所谓的迹统计量（Trace test statistic）:

m?) （4） Trace = -nlog(1??这一迹检验的零假设就是，存在至多r个协整关系。从检验不存在协整关系（r＝0）和存在一个协整关系这一对假设开始。如果零假设被拒绝，再检验至多存在一个协整关系和存在二个协整关系这一对假设。如果最后当至多存在r = m-1个协整关系的零假设被拒绝时，就发现Yt向量序列是平稳的。通常会得到至多r -1个协整关系的零假设被拒绝，而对于至多r个协整关系的零假设却不能拒绝。

i?r?1?t2.3宏观对股指收益的影响

实证研究表明，在处理股市数据时，使用月度数据比用日度时间序列数据更具有鲁棒性（Aggarwa-Rivoli1989、Chen-Mak1992），这一结论也得到Maldanado和Saunder(1981)、Errunza和Rosenberg(1982)、Philppatos(1983)等其他人的认可。史代敏（1996）用ARCH模型检验了中国市场的有效性，认为1995年以前中国

股市不存在弱有效性。我国学者多数认为1996年后中国股市具有弱有效性，根据市场有效性定义，如果股票市场是有效的，则股价能充分反映出宏观经济、上市公司、市场需求等相关信息。反过来宏观经济变量对股价的影响就应该与理论的假定相符，如果不符，则间接表明市场并不存在有效性。根据以上结论，本文选用1996～2004年的季度数据对中国股市进行实证分析。数据来自聚源数据投资分析系统。

我们在这里分别用GDP，GDP增长率作为国民经济对股市影响的两个考察指标。GDP序列存在季节性，经过季节调整，记为GDPSA。

我国现货币统计制度将货币供应量划分为流通中的现金M0、狭义货币供应量M1、广义货币供应量M2三个层次。一般以M2作为调控的重点，原因是它的流通速度较为稳定，能更正确的反映购买力的变化，而且它的数量受公众对货币流动性偏好的影响更小。我国部分学者的实证结果也表明M2对经济的影响较其他指标更具有鲁棒性（邓述惠1999）。因此，我们在本文中选用M2作为货币供应量的指标。

通货膨胀一般用居民消费价格指数来计算，记为INF，公式如下： 通货膨胀率＝本月居民消费价格指数/上月居民消费价格指数－1 本文选用一年期实际存款利率作为名义利率。实际利率记为LILV，计算公式为：

实际利率＝名义利率－通货膨胀率 各变量时间序列的走势见表1。

表1 各变量时间序列走势图

1180000070000010600000950000040000030000087200000100000966969798990001020304GDPTH9798990001M2020304

325002200010-115001000-2-3979899000102030450096969798990001INF020304INDEX

70000

121086424000050000600000-2969798990001LILV02030430000969798990001020304

变量取对数可以消除数据的异方差性，同时将指数趋势转换为线性趋势。本文对INDEX,M2,GDPSA取对数后记为LINDEX,LM2,LGDPSA。GDPTH，INF和LILV由于已经是变化率，因此不再取对数.

2．3．1变量的单位根检验

在检验各变量之间的协整性之前，首先用ADF单位根检验方法来检验时间序列的单整阶数，再进行协整关系的存在性检验。检验结果如下。

表2 时间序列LINDEX，LM2，LGDPSA，GDPTH，LILV，INF的ADF单位根检验 变量

ADF 统计量

5％临界值

1％临界值

检验形式 （c，t，k）

LINDEX ▽(LINDEX) LM2 ▽(LM2) LGDPSA ▽(LGDPSA) ▽(LGDPSA)

2

GDPSA结论

-2.678 -5.750 -2.844 -3.364 0.032 -2.649 -5.952

-2.953 -2.956 -3.208 -2.956 -3.551 -2.956 -2.960

-3.642 -3.650 -4.261 -3.650 -4.271 -3.650 -3.658

（c，0，1） （c，0，1） （c，t，1） （c，0，1） （c，t，1） （c，0，1） （c，0，1）

非平稳 平稳 非平稳 平稳 非平稳 非平稳 平稳

GDPTH ▽(GDPTH) LILV ▽(LILV) INF

-2.057 -4.486 -1.839 -6.744 -2.187

-2.953 -2.956 -3.551 -2.956 -1.951

-3.642 -3.650 -4.261 -3.650 -2.634

（c，0，1） （c，0，1） （c，t，1） （c，0，1） （0，0，1）

非平稳 平稳 非平稳 平稳 平稳

注：（1）ADF检验的原假设H0: 含有单位根，即序列是非平稳时间序列；检验方程：▽Yt = γYt-1 +δ1 ▽Yt-1 +δ2▽Yt-2 +?.+δk Yt-k +εt；（2）检验形式中的c和t表示带有常数项和趋势项，k表示滞后阶数；（3）ADF的临界值来自软件EVIEWS3.1；（4）▽表示变量序列的一阶差分，▽表示二阶差分。

2

通过ADF检验结果可以得知，时间序列INF是平稳时间序列，即I(0)序列；LINDEX、LM2、GDPTH、LILV均为非平稳的一阶单整序列，即I(1)序列；LGDPSA是二阶单整序列，即I(2)序列。根据协整理论，不同单整阶数的时间序列之间不存在协整关系。因此，INF与LINDEX之间不存在长期协整关系，也就是说，在我们所考察的时间段1996～2004年之间通货膨胀率与股指没有关系。同样，LGDPSA与LINDEX之间也不存在长期协整关系，也就是说，在同样的时间段内GDP值与股指没有关系。下面我们接着考察GDP增长率GDPTH、广义货币供应量LM2、利率LILV与股指之间的协整关系。

2．3．2协整检验

虽然时间序列LINDEX，LM2 ，GDPTH是非平稳的一阶单整序列，但其可能存在某种平稳的线性组合。这个线性组合反映了变量之间长期稳定的比例关系，即协整关系。本文使用Johansen(1995)多变量系统极大似然估计法对多变量时间序列进行协整检验。Johansen协整检验是一种基于向量自回归模型的检验方法。

最一般的VAR模型数学表达式为：

Yt?A1Yt?1???ApYt?p?B1Xt???BrXt?r??t （5） 通常希望滞后期p和r足够大，从而完整反映所构造模型的动态特征。但另一方面，滞后期越长，自由度就越少。一般根据AIC、SC信息准则和LR统计量做为选择最优滞后阶数的标准。

通过变量之间的多次Johansen协整检验，我们发现，广义货 …… 此处隐藏：2883字，全部文档内容请下载后查看。喜欢就下载吧 ……