宏觀經濟指標對中國股市收益的影響分析
宏觀經濟
作者：張延敏
摘要：本文主要研究貨幣供應量、工業增加值、居民消費價格指數、人民幣兌美元彙率、銀行同業拆借利率等5個宏觀經濟指標對中國股市的影響，由於是時間序列數據進行了單位根檢驗，發現的確存在著單位根問題，針對這個問題，建立了具有AR性質的自回歸半參數可加模型，並對其進行了實證檢驗，得出了一些政策上的結論。
關鍵詞：宏觀經濟指標；半參數可加模型
中圖分類號：F83 文獻識別碼：A 文章編號：1001-828X（2015）017-0000-02
一、前言
Engle、Granger等（1986）[1]最早運用半參數回歸模型研究氣候因素對電力需求的影響分析；Hastie和Tibshirani（1986）[2]在此基礎上提出廣義可加模型（GAM）。王一兵（2005）將半參數應用於商品房價指數的研究，討論了半參數模型的估計方法、Hausman檢驗及參數標準誤差的Bootstrap計算，證明半參數回歸模型優於普通最小二乘法。艾春榮（2008）利用半參數有序probit模型分析中國居民醫療需求影響因素。經濟增長，經濟周期，財政政策，貨幣政策等宏觀經濟因素通過影響上市公司業績和改變投資者投資行為等來影響股市，研究這些宏觀經濟因素對股市收益的影響，既有利於投資者作出有效的投資決策，又可以幫助政府相關部門製定政策促進我國金融市場和國民經濟的良性發展。本文嚐試建立半參數可加模型研究宏觀經濟因素對中國股票市場收益的影響。
二、研究方法
半參數可加模型可以寫成如下形式：
Y=a+f1（X1）+…+fj（Xj）+β1Xj+1…+βkXk+ε
模型中，前j個變量對Y有非線性作用，其他的自變量以線性形式引入模型。即可得到半參數可加模型。本文運用由Hastie，Tibshirani（1990）提出並實現的backfitting算法來同時估計非參數和參數項。
對於參數部分，我們可以使用OLS來進行估計，而非參數部分，使用lowess或樣條進行擬合。一般情況下，自變量數據之間都是相關的，因此我們應對可加模型或半參數模型中的自變量進行協方差分析。Backfitting算法在估計模型中的非參數和參數項時把這種因素考慮進來了。
三、模型選擇與實證分析
1.指標選取
本文數據來源於中經網統計數據庫、中國統計年鑒及國泰君安數據庫，選取1998年7月到2014年11月198個月度數據進行研究。本文選取的宏觀經濟指標為廣義貨幣供應量（M2）、工業增加值（ind）（同比數據）、居民消費價格指數（cpi）（環比數據）、人民幣對美元彙率（ra）、銀行同業拆借加權平均利率（%）（r），上證綜合指數（index）（收盤價）作為研究的被解釋變量。
2.單位根檢驗
由於是時間序列數據，因此對上述指標進行單位根檢驗，檢驗結果顯示：在5%的顯著性水平下p值都大於0.05，因此接受原假設，表明都存在著單位根過程，為避免存在虛假偽回歸現象，下麵將上述指標進行平穩化處理。除廣義貨幣供應量和人民幣對美元彙率經過二階差分後才達到平穩外，其他變量都是經過一階差分達到平穩。
3.建立半參數可加模型
indext = β0+β1indext-1+β2M2t-1+β3M2t-2+β4indt-1+β5cpit-1+ β6rat-1+ β7rat-2+β8rt-1
f（M2t）+f（indt）+f（cpit）+f（rat）+f（rt）+ε