第20卷 第8期 中 国 水 运 Vol.20 No.8 2020年 8月 China Water Transport August 2020
收稿日期：2020-03-14
作者简介：刘芮汐，上海理工大学。
刘芮汐
（上海理工大学，上海 200093）
摘 要：本文研究了20年以来我国多个宏观经济指标和股票价格之间的协整关系，选取的宏观经济变量包括货币供给率、汇率（一美元折合人民币的平均数）、居民消费价格指数以及进出口总额，并且选取的体现中国股价水平的股指是深证A 股指数序列。经协整关系检验发现，深证A 股指数与选取的各宏观经济变量之间存有长期稳定的协整关系，基于结论，转变政府职能、调整投资机制是推动我国股票市场不断发展壮大的有力手段。 关键词：宏观经济指标；股票价格；协整关系 中图分类号：F83 文献标识码：A 文章编号：1006-7973（2020）08-0022-03
一、引言
中国股市自90年代初成立至今，已经经历了近30年的发展历史，过程中，股票市场的规模在不断扩大的同时也取得了一定进步。由于具有融资和优化资源配置功能的股票市场在我国经济发展中有着举足轻重的地位，因此我国经济要想更快更好地发展，对宏观经济变量和股价指数的关系进行分析探讨的重要性就变得非同小可。
近年来，大量海内和海外学者针对不同国家、不同宏观经济变量和不同时间段，已经对两者间关系进行了初步分析与探讨。胡波（2005）等人发现了1996年第一季度到2005年第三季度中国国内生产总值、货币供应量、利率和上证综合指数（SHCI）间具有协整关系。王佳珊和周倩（2012）研究了2005年1月到2012年12月间沪深300指数（HKCSI）与国内生产总值、准货币、居民消费价格指数、汇率，进出口总额以及工业增加值增长率之间的协整关系。慕克吉和纳卡（Mukherjee&Naka，1995）分别研究了美国和日本的股票市场，发现有协整关系存在于国民生产总值生产率、通货膨胀率，利率等宏观经济变量和各自证券市场的价格当中。因为进入21世纪以来，中国股票市场在不断发展壮大，因此本文宏观经济指标的时间序列数据以及股指价格时间序列的研究区间选自2000年1月至2019年6月，这20年间共采集了234个月度样本。
二、变量选取和数据来源
股价指数是能够反映社会环境变化的晴雨表。实证分析之所以选择深证A 股指数进行研究，是因为其属于深证指数系列当中的综合指数，而综合指数能够更全面地映射出交易所中股价指数水平的高低以及股价走势，对应着各行各业的总体经济发展情况，因此其无时无刻都在反映着宏观经济的发展状况。此外，从社会的经济环境、上市公司的结构组成以及投资者的结构组成方面说来，上海和深圳的股市非常相似，而两市资金的自由流动决定了沪深股市价格水平和走势的一致性，虽然数十年来沪深股市的波动幅度有一定差异，
但是总体趋势保持一致。因此，中国股指价格水平的体现选择了深证A 股指数，符号SZSA 代表。月度数据的获取来源于雅虎金融网站，将月度数据的各项股指数据进行平均，得到的均值即为该月股价指数的代表值，公式表示为：
SZSA 价格指数=（开盘价+最高价+最低价+收盘价）/4
（1）
宏观经济变量的选取有汇率，用符号CU 表示；居民消费价格指数用符号CPI 表示；进出口总额，用符号IMEX 表示；货币供给率，用符号M 表示。其中，代表汇率指标CU，取1美元的平均折合人民币的平均数，数据来源于中国人民银行。CPI、IMEX 可以代表通货膨胀指数，数据来源于国家统计局网站。M 代表货币政策指标，能够映射出货币政策对股价水平及趋势的作用，数据来源于国家
统计局网站。之所以选择这四个指标，是考虑到了理论关系、研究经验并且结合了中国的实际国情，与此同时，也鉴于对信息效率、公众性、公开性的考虑。
三、数据处理和协整分析
经济变量及股价指标多为非平稳序列，如果简单地用最小二乘回归可能无法满足对非平稳序列回归分析的要求，就有很大可能导致“伪回归”，因此应该选用较为合理的回归模型。协整理论的贡献者是Engle&Granger（1987），二人发现非平稳时间序列被进行某种线性的组合之后可能是光滑的。此外，他们还定义了协整方程，其为序列由非平稳到平稳时所进行的线性组合，它表示有一种在长时间内具有稳定的均衡的关系一直存在于经济变量当中。数学定义如下：
如果序列的阶数相同且都是单整的，则存在一个线性组合，可以使得序列的阶数变小，即阶数又高降到底，那么就认为有某种均衡的协整关系存在在变量当中。若变量序列
}{t Y 有n 维，且其满足：
统筹学条件（1）：时间序列}{t Y 的分量序列单整阶数均为d ，
即)(~}{t d I Y 。
条件（2）：存在向量0≠β，能够使得)(~b d I Y t T -β，
第8期 刘芮汐：宏观经济变量与股价指数的协整关系 23
其中0>b ，d ，b 为阶数。
那么能够确定}{t Y 的分量序列当中存有协整关系，记作
)(~b d CI Y t -，其中 称为协整向量。
因为只有在时间序列是平稳的情况下变量之间才可能会
存有协整关系，因此检验时间序列的平稳性变成了一切分析的基础，亦是首要任务。若变量非平稳，则要将变量化作平稳方可进行协整分析。研究深证A 股指数和汇率、居民价格消费指数、进出口总额、货币供给率间是否存在长期均衡关系，首先，检验上述多维时间序列变量CU、M、CPI、IMEX、SZSA 是否平稳。采用ADF 单位根检验法，结果见表1。
表1 ADF 单位根检验结果
ADF critical value Variable Test form ADF statistic 1% 5% Degree of integration CU （0，0，1） 1.2087 -2.5750 -1.9422 D（CU）
拿来主义课堂实录（0，0，3） -5.1950 -2.5751 -1.9422 I（1）
M （C，0，12） -2.8506 -3.4599 -2.8744 D（M） （0，0，11） -5.9722 -2.5755 -1.9423 I（1）
CPI （C，T，12） -2.5649 -3.4599 -2.8744 D（CPI） （0，0，11） -6.7073 -2.5755 -1.9423 I（1）
IMEX （0，0，13） -2.1480 -2.5755 -1.9423 D（IMEX）
（0，0，12） -2.7724 -2.5755 -1.9423 I（1）
SZSA （0，0，0） -1.2937 -2.5749 -1.9422 D（SZSA）
高能燃料
（0，0，0）
-13.0346
-2.5750
-1.9422
I（1）
Note： C in the test form represents the constant term， T represents the intercept term， and the last term represents the lag order. D is for first difference. The optimal lag period is 3， which is determined by LR likelihood ratio statistics.
据表1结果，显著性水平分别为1%和5%时，CU、M、CPI、IMEX、SZSA 的ADF 检验统计量均大于ADF 临界值，从而不拒绝上述变量存在单位根的初始假定，即CU、M、CPI、IMEX、SZSA 均为)1(I 过程。因为变量间协整关系体现在阶数相同且同为单整数的时间序列中，而CU、M、CPI、IMEX、SZSA 皆为同阶单整，因此，能够初步确定CU、M、CPI、IMEX、SZSA 之间可能存在协整关系，继而也就能够对多维时间序列变量间进行协整关系的检验。
鉴于涉及数据为多维时间序列，因此采用Johansen 协整法验证深证A 股指数与汇率、货币供给率、居民消费价格指数、进出口总额之间的协整关系。检验结果见表2。
表2 Johansen 协整检验结果
The number of assumptions of the
co-integration equation
eigenvalue
The trace statistic
5% critical value
P
None * 0.1726 90.9530 69.8189 0.0004 At most 1 At most 2 At most 3 At most 4
0.1026 0.0519 0.0410 0.0009
47.1917 22.1767 9.8652 0.2020
47.8561 29.7971 15.4947 3.8415
0.0577 0.2888 0.2912 0.6531
Note： * indicates that the null hypothesis is rejected at the significance level of 5%；The optimal lag period is 2. 按照表2的检测，不存在协整方程时，有特征根迹检验统计量90.9530>临界值69.8189，P 值0.0004<；显著性水平0.05，所以原始假定不能被接受，认为各变量间有协整方程成立。而同样在显著性水平为5%的情况下，协整方程的个数至多为1时，特征根迹检验统计量47.1917<；
临界值47.8561，且P 值0.0577>0.05，所以接受协整方程最多有1个的原假设。因此，在该显著性水平下，能够确定出变量之间有且仅有1个协整方程，经过向量误差修正和系数标准化之后的协整方程为：
SZSA=-153.2004M-0.0000241IMEX-2899.023CU -545.9977CPI+83113.80 （2）
而后得到该方程的残差原序列：
e =SZSA+153.2004M+0.0000241IMEX+2899.023
龙葵碱CU+545.9977CPI-83113.80 （3）木薯干
接着，检测e 的平稳性，检测结果示于表3。
表3 残差序列e 的ADF 单位根检验结果
ADF critical value
Variable Test form ADF
statistical magnitude
1% 5% 10% P
e
（C，T，12）
蝶形胶布
-4.9217
-4.0001
-3.4303
-3.1387
0.0004 据表3知，当显著性水平分别为1%、5%、10%时，统计量的值-4.9217<；各显著性水平下的ADF 临界值，所以不接受原始假定e 存在单位根，成功地检验了变量间协整关系的正确性。鉴于以上协整检验结果，深证A 股指数和汇率、居民价格消费指数、进出口总额、货币供给率间存有长期均衡关系。
四、结论和建议
经实证剖析，Johansen 协整检验确定了深证A 股指数与汇率、货币供给率、进出口总额以及居民消费价格指数之间存在着长期均衡的协整关系。而协整关系的存在说明了从长远来看，经济变量与股价存在着内在的稳定的联系。
我国股票市场在发展阶段暴露出了上市公司规模参次不齐、运营模式和建设机制有待改善等弊端会造成国内股市发展水平与社会生产力的发展要求不匹配的弊端。要想改善当前局面那么就要求政府机构能够进行及时准确地干预，进行职能的转变，重视股票市场体系的设立和完善，逐步改进监察方式，尽可能地保证股票市场在不同时期和不同阶段甚至面临不同困难的情况下能够正常运作。
此外，调整投资者投资机制，促使理性投资。我国的投资机构的结构往往缺少逻辑性，为引导投资者和投资机构选择正确的
投资方向，应该对投资机构进行适当调整，大力加强投资机构的发展力度，促使投资者使用科学的投资手段进而做出理性的投资策略。在构建属于中国特的股票市场格局的同时要注重结合中国特社会主义理论与实践，集中各个领域兼具潜力、实力和良好素质的大型企业进入股票市场，进而发展多层次股票市场，从而促进各个层次的股票市场共同进步，趋于成熟。
参考文献
[1] 张世英，樊智．协整理论与波动模型[M]．北京：清华大
学出版社，2004．（下转第37页）
第8期 金 凯等：基于BP 神经网络的WSCFI 研究与预测 37
第i 条样本航线运价指数；0
i P —基期第i 条航线的平均运价；
i P —报告期第i 条航线的平均运价；i w —第i 条航线的计算权数；0i Q —基期第i 条航线的集装箱总吞吐量；0L —基期
指数，为1000；
00
00
i i
i i i i
P Q
w L P Q =
⨯∑ n —航线个数。
权数i w 的取值按基期第i 条航线运费收入占所有样本航线总运费收入的比重确定。
图2给出了BP 神经网络和拉氏公式的预测值与实际值曲线。从图中可以看出，与拉氏公式相比，BP
神经网络可以较好的拟合出集装箱运价指数的发展趋势，但预测值与实际值之间还是存在一定的偏差。这是因为神经网络模型虽然可以对样本数据的非线性因素进行总结拟合，但是对于突发性事件，如战争、金融危机等外部影响因素的预测效果还是有限。
图2 航线运价预测值与实际值曲线
四、结论
本文针对内河港口出口集装箱运价指数提出了采用BP 神经网络进行预测和研究，通过对原始数据进行预处理，以出口集装箱运费、影响集装箱运价因素等8个指标作为自变量，根据神经网络理论和实际需要分析网络，设计网络结构和确定学习函数，在训练模型后确定了预测模型。为验证本文提出的BP 神经网络模型的有效性，对武汉航运中心出口集装箱运价指数进行预测，对比分析拉氏公式预测结果及实际市场运价。实验表明：虽然预测值与实际值之间还是存在一定的偏差，但与拉氏公式相比，BP 神经网络可以较好的拟合出集装箱运价指数的发展趋势。
本文的研究只对武汉航运中心出口集装箱运价指数本身开展研究，目前，国内外针对其衍生品研究较少，通过了解出口集装箱衍生品基本特征和波动规律，提高预测的拟合度，有助于进一步促进集装箱航运市场发展。
参考文献
[1] 张页，王颖.中国出口集装箱运价指数与实际运价相关分
析[J].中国航海，2010，33（2）：95-99.
[2] 孙永.中国出口集装箱运价指数与波罗的海运价指数的比
较分析[D].上海：上海海事大学，2005.
[3] 梁玮.上海出口集装箱运价指数衍生品适用性及估计研究
[D].上海：上海交通大学，2013.
[4] Kavussanos，M.G. Price risk modeling of different size vessels
in the tanker industry using autoregressive conditional heteroskedastic （ARCH ）model[J].Logistics and Transportation Review，1996，32（2）：161-176.
[5] Koopmans，T.C. Tanker freight rates and tankship building：
an analysis of cyclical fluctuations[M].Netherlands：Bohn，1939：1-173.
[6] Kavussanos，M.G. Freight risks in the tanker sector[J].Lloyds
Shipping Economist，2008，10（6）：6-9.
（上接第23页）
[2] 胡波，吴昼平，沈叶丹．宏观经济变量与股价指数的协整
关系分析[J]．北京科技大学学报（社会科学版），2007，23（1）：28~31．
[3] 林薇．影响股价指数的国内宏观因素分析[J]．内蒙古科技
与经济，2007，（7）．
[4] 胥茜娅．国内宏观因素对股价指数影响的实证分析[J]．经
济研究导刊，2014，（27）．
[5] 瞿强．资产价格与货币政策[J]．经济研究，2001，（5）． [6] 王佳珊，周倩．我国宏观经济变量与股票市场的实证分析
[D]．贵阳：贵州财经大学，2013：59~65．
[7] 王德劲，徐良平．宏观经济变量与股票指数关系的实证分
析[J]．南京金融高等专科学校学报，2001，3：13~24． [8] 李惠男，付晓梅．对股价指数变动因素的几点思考[J]．学
术交流，2001，（1）．
[9] 余硕源．股票市场的发展现状及未来[D]．广东：北京师
范大学珠海分校，2012．
[10] 张风兰．沪深300指数主要影响因素分析[D]．浙江：浙
江大学，2008．
[11] 周海燕．我国股价指数波动及其宏观影响因素分析
[D]．重庆：重庆大学，2005．
[12] 何光辉．经济时间序列的统计方法[J]．世界经济研究，
2004，（2）：50~54．
[13] 孙华妤，马跃．中国货币政策与股票市场的关系[J]．经
济研究，2003，（7）．
[14] 孙洪庆，邓瑛．股票价格、宏观经济变量与货币政策[J]．经
济评论，2009（4）．
[15] 易纲，王召．货币政策与金融资产价格[J]．经济研究，
2002，（3）．
[16] 刘勇．我国股票市场和宏观经济变量关系的经验研究
[J]．财贸经济，2004，（4）．
[17] 高铁梅．计量经济分析方法与建模：Eviews 应用及实例
（第二版）[M]．北京：清华大学出版社，2009． [18] 中国人民银行http：//v ． [19] 国家统计局http：//v ． [20] 雅虎金融https：//finance.yahoo ．
[21] Mukherjee，Naka.Dynamic Relations between Macroecon
omic Variables and the Japanese Stock Market [J]．The Journal ofFinancial Research，1995，18（2）：223~237．
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议