博文

参考文献(2007-06-28 21:06:00)

摘要:[1] 袁冬梅,刘建江.本币升值影响股票市场的理论与实证分析.长沙理工大学学报,2006,21(4):62-66 [2] 张碧琼,李越.汇率对中国股票市场的影响是否存在:从自回归分布滞后模型(ARDL-ecm)得到的证明.金融研究,2002,7(1):26-35 [3] 陈燕云,何维达.人民币汇率与股价的相关分析.江西金融职工大学学报,2006,19(1):16-19 [4] 刘易鸿.人民币汇率升值对我国股票市场的影响分析.郑州商学院,2006,5:33-34 [5] 陈雁云,赵惟.人民币汇率变动对股票市场的影响.现代财经,2006,26(194):17-21 [6] 陈雁云,何维达.人民币汇率与股价的ARCH效应检验及模型分析.集美大学学报(哲学社会科学版),2006,9(1):72-75 [7] 王维,江利.人民币升值对中国证券市场的利弊浅析.湖北财经高等专科学校学报,2003,15(6):41-43 [8] 邹平.金融计量学.上海:上海财经大学出版社,2005.121-186 [9] 高鸿业,冯金华,吴汉洪等.西方经济学. 2.北京:中国人民大学出版社,2004.618-625 [10] 吴哓求.证券投资学.2.北京:中国人民出版社,2004.107-109 [11] 韩复龄.一篮子货币[人民币汇率形成机制,影响与展望] .北京:中国时代经济出版社,2005.134-135 [12] 胡庆康.现代货币银行学教程.2.上海:复旦大学出版社,2001.64-76 [13] 冯文伟.国际金融学 .2.上海:立信会计出版社,2005.79-90 [14] 赵卫亚.计量经济学教程 .上海:上海财经大学出版社,2004.163-184 [15] 耿修林,谢兆茹,等.应用统计学 .北京:科学出版社,2005.240-253 [16] 余永定,何帆,等.人民币悬念(人民币汇率的当前处境和未来改革) .北京:中国青年出版社,2004.90-97 [17] 徐国祥.统计预测和决策 .2.上海:上海财经大学出版社,2006.128-146......

阅读全文(3234) | 评论:1 | 复制链接

附录A(上证指数收盘价与汇率数据)(2007-06-28 21:05:00)

摘要:2005年7月21日到2007年4月30日上证指数收盘价和人民币汇率数据: ......

阅读全文(4110) | 评论:0 | 复制链接

致谢(2007-06-28 20:57:00)

摘要:感谢我的导师褚俊虹老师,谢谢他对我的悉心指导。他无私的关爱和严谨的治学态度,将激励我不断的进取,走好以后的道路。其次,还要感谢在这四年的学习中教过我的所有老师们,谢谢他们传授给了我知识。感谢同学路亭,刘汉波,在写作的过程中给我提供了友情支持;感谢百度用户“我_心静如水”提供上证指数历史数据;感谢腾讯公司,本文大多数图片都是QQ截图。最后要特别感谢师兄龙志鹏,感谢他对本论文48处的修改。......

阅读全文(2965) | 评论:2 | 复制链接

结论(2007-06-28 20:56:00)

摘要:本文首先在第二章运用了西方经济学和证券投资学中的相关知识分析得出汇率变动会影响股票市场的结论。第三章实证分析部分,我们首先进行了相关分析,结论表明汇率和股价取对数后得到的数据的相关系数大于汇率与股价的相关系数。接下来我们对lp,le进行平稳性检验,结果是它们都不平稳,而它们的一阶差分是平稳的。再进行协整检验,结果说明lp,le不存在协整关系。紧接着进行因果检验,结论是存在le到lp的单向因果关系。在后来我们尝试建立了动态模型,从模型我们看出某一日的股价主要决定于前一日股价和前三天的汇价。接着我们对动态模型进行了预测,结果表明样本内预测效果良好,样本外预测效果不佳。最后我们对模型进行了ARCH效应测试,结果是存在ARCH效应,于是我们建立了GARCH(1,1)模型。 刘宜鸿在《人民币汇率升值对我国股票市场的影响分析》一文中认为人民币汇率主要从两方面影响股市:一是对上市公司的业绩造成影响,人民币升值必将改变我国现有进出口状况,进而影响对进出口依存度大的上市公司的基本面及业绩,二是对股票市场的资金供求造成影响,升值预期容易导致投机资金的流入或流出,股票市场因此发生波动[4]。而我认为人民币升值影响股票市场三个主要原因为:一,就如刘宜鸿所说的提高上市公司的业绩从而使这些公司的股票价格上涨;二,人民币升值,大量国际投机资金进入中国股票市场,这当然会导致股票价格上涨;三,国内很多投机者抓住“人民币升值——国际投机资金进来——影响股票价格”这样的一条信息来进行投机活动,这也会使股票价格上涨。 上证指数从不到1000点涨到现在的4000多点原因有多方面的,比如2005年时中国的股票市场的股票被严重低估,但人民币升值绝对是原因之一。......

阅读全文(2639) | 评论:2 | 复制链接

3.8 GARCH模型的建立(2007-06-28 20:54:00)

摘要:在Eviews中点击“Quick”——“Estimate Equation”。再在Method选项中选择“ARCH”,可以得到: 图3-24 GARCH(1,1)模型形式设定 在“Mean Equation Specification”栏输入lp c lp(-1) le(-3),其它选择默认即可。 图3-25 最后建立的GARCH模型 可见,GARCH(-1)的t统计值为38.5,非常的显著。而RESID(-1)^2系数和GARCH(-1)系数和为0.99,小于1。因此GARCH(1,1)是非常好的[1]。 最后建立的GARCH(1,1)模型为:
[1] 因为这样能说明模型是平稳的,而且其条件方差出现均值回归。......

阅读全文(4199) | 评论:2 | 复制链接

3.7 ARDL模型的ARCH效应测试(2007-06-28 20:48:00)

摘要:ARCH效应的识别通常是对于残差项中是否存在自回归条件异方差现象的拉格朗日检验(Lagrange multiplier test,Engle 1982)[8]。 输入命令ls lp c lp(-1) le(-3) 再点击“View”——“Residual Tests”——“ARCH LM Test”,滞后阶数从1逐渐增大。 滞后一阶时: 图3-19 ARCH测试滞后一阶 0.078975>0.05,0.078640>0.05,滞后一期时不存在ARCH效应。 滞后期为二: 图3-20 ARCH测试滞后二阶 lag为3: 图3-21 ARCH测试滞后三阶 lag为4: 图3-22 ARCH测试滞后四阶 lag为5: 图3-23 ARCH测试滞后五阶 由上面的图形得知滞后期为4时的ARCH效应最明显。 既然存在ARCH效应,接下来我们就可以建立GARCH模型。  ......

阅读全文(3665) | 评论:0 | 复制链接

3.6 建立动态模型(ARDL模型)(2007-06-28 20:42:00)

摘要:3.6.1 理论基础 ARDL模型概念见术语说明。 ARDL模型的优点:我们不用管变量是否同为I(0)过程,或同为I(1)过程,都可以用ARDL模型来检验变量之间的长期关系,而这是标准协整检验做不到的[8]。 3.6.2 ARDL模型的建立 在本文中我们打算以le,le的滞后变量以及lp的滞后变量作为解释变量来解释变量lp。 首先我们取le和lp各滞后四期作为尝试。 输入命令ls lp c lp(-1) lp(-2) lp(-3) lp(-4) le le(-1) le(-2) le(-3) le(-4) 图3-12 动态模型建立过程一 分析结果说明lp(-4)和le(-4)的t统计量都不显著(都小于0.6),所以我们选减少滞后期的长度,现在我们在取le和lp各滞后三期作回归有: 输入命令:ls lp c lp(-1) lp(-2) lp(-3) le le(-1) le(-2) le(-3) 图3-13 动态模型建立过程二 le(-3)的统计量已经达到了-1.5,不可以当成不显著的删除掉,因为它不显著的原因可以是由于多重共线性影响的。le(-2)的t统计量最小,所以先删除le(-2)变量在作回归。 输入命令ls lp c lp(-1) lp(-2) lp(-3) le le(-1) le(-3) 图3-14 动态模型建立过程三 le(-3)的t统计量绝对值从1.5变大到1.9,说明上面我们不急着删除le(-3)的决策是正确的。接着就轮到lp(-2)和lp(-3)的t统计值就小了,删除lp(-2)和lp(-3)两项重新回归。 输入命令ls lp c lp(-1) le le(-1) le(-3) 图3-15 动态模型建立过程四 le的t统计量不显著,删除le再回归。 输入命令ls lp c lp(-1) le(-1) le(-3) 图3-16 动态模型建立过程五 le(-1)的系数t统计量还是不显著,继续删除。 输入命令ls lp c lp(-1) le(-3) 图3-17 最终建立的动态模型 此时的lp(-1),le(-3)的t统计量都变显著了。模拟优度R^2=0.998222,模拟优度大说明此ARDL模型会有比较好的预测效果。DW值为2.03,接近2,可以肯定的判断不存......

阅读全文(7325) | 评论:0 | 复制链接

3.5 因果检验(2007-06-24 13:39:00)

摘要:3.5.1 理论基础 格兰杰因果检验基本思想见术语说明。 四个注意点:变量x,y要求是平稳的,对滞后期个数非常敏感,不写出模型,双向检验。 要检验“x不是引起y变化的原因”的假设,需对下面两个回归模型进行估计: 有条件回归模型: 无条件回归模型: 然后用各回归的残差平方和计算F统计值,检验系数是否同时显著不为零。如果是这样就拒绝“x不是引起y变化的原因”的原假设。其中F统计量构成为: 分别为有限制条件回归和无限制条件回归的残差平方和,N是观察个数,K是无限制条件回归参数个数,q是参数限制个数[8]。 3.5.2 格兰杰因果检验 首先用命令show dlp dle打开变量dlp,dle;在点击“view”——“Granger Gausality”,滞后期从一开始试起。 滞后期取一时: 图3-8 因果检验滞后一阶 拒绝“dle does not Granger Cause dlp”犯错误的概率为0.46456,大于5%,概率很大,所以我们不能拒绝“dle does not Granger Cause dlp”。而“dle does not Granger Cause dlp”的意思是“dlp不是dle的格兰杰原因”。The probability of “DLE does no Granger Cause DLP is 0.46456,这句英文的意思就是dlp不是dle的原因[1]。同样,因为下面的probability为0.85650>0.05,得出dle也不是dlp的原因。 当滞后期为一时dlp和dle互不为原因。 取滞后期为二时: 图3-9 因果检验滞后两阶 因为0.47191>0.05,dlp不是dle的原因;0.01283<0.05,dle是dlp的原因。 取滞后期为三时: 图3-10 因果检验滞后三阶 和滞后期为二一样的结果,dle是dlp的原因,但dlp不是dle的原因。 滞后期为四时: 图3-11 因果检验滞后四阶 结论和滞后期为二,三相同。当然我们还可以把滞后期延长,但结论都是类似的。 小结:除了滞后期为一时dlp,dle互不相关,其它滞后期水平都显示dle是dlp的原因,dlp不是dle的原因。所以我们可以下这样的结论:dle是dlp的原因,但......

阅读全文(4447) | 评论:0 | 复制链接

3.4 协整检验(2007-06-24 13:26:00)

摘要:3.4.1 理论基础 进行协整检验的原因:在进行时间系列分析时,传统上要求所用的时间系列必须是平稳的,即没有随机趋势或确定趋势,否则会产生“伪回归”问题。但是,在现实经济中的时间系列通常是非平稳的,我们可以对它进行差分把它变平稳,但这样会让我们失去总量的长期信息,而这些信息对分析问题来说又是必要的,所以用协整来解决此问题[8]。 协整定义和协整AEG检验见术语说明。 就是协整的,a和b就是协整参数[8]。 3.4.2 AEG协整检验 输入命令ls lp c le得估计结果: 图3-7 AEG协整检验回归分析结果 写成方程形式有: le的t统计量显著;R^2值为0.96,说明模拟优度高;F值也显著。所以这个回归方程单从统计上来讲是很好的。 再次,提取回归方程的残差。我们把残差定义成一个新的变量e1。提取过程为:在e-views中输入命令genr e1=resid() 最后对e1进行平稳性检验。在这里还是用ADF检验。首先用命令show e1打开变量e1,再点击“view”——“Unit Root Test”,之后逐个测试得结果: 表3-4 e1平稳性的ADF检验 ADF检验值 5%临界值 结论 -2.339719(c,t,4) -2.868105 不平稳,减少m -2.101291(c,t,3) -2.868089 不平稳,减小m -2.297917(c,t,2) -2.868073 不平稳,减小m -2.516747(c,t,1) -2.868058 不平稳,m=1 滞后阶数从4取到1都不能说明系列e1是平稳的,所以我得出结论:系列e1是不平稳的。 小结:由于e1是不平稳的,根据协整AEG检验原理得出lp和le之间不存在协整关系。接下来我们就要对dlp和dle进行因果分析。......

阅读全文(10674) | 评论:3 | 复制链接

3.3 数据平稳性检验(2007-06-24 13:17:00)

摘要:3.3.1 理论基础 进行数据平稳性检验的原因:如果随机过程是非平稳的,则用一个简单的代数模型来反映时间系列的过去和未来通常十分困难。所以我们对时间系列分析时通常要求时间系列是平稳的[8]。 数据平稳性定义和检验方法见术语说明。 ADF检验模型的确定:对于模型中是否包含常数项b1 ,是否包含时间趋势项b2t,以及如何确定常数项(m)是检验模型确定的关键。对于前两个问题本文的解决方法为:对三种形式[1]都进行检验,三个模型都说明平稳的话,系列就平稳,只要有一种不平稳的话就认为被检验的系列不平稳。对于确定m的方法为:首先选择一个较大的m值[2],如果能说明系列平稳则停止,否则减小m直到能说明系列平稳或到1[8]。 不平稳数据的处理:差分。对于金融数据做一阶差分后,即由总量数据变为增长率,一般会平稳。如果一个原始系列平稳,我们称之为I(0)过程;如果原始系列不平稳但经过一阶差分平稳,我们称系列为I(1)过程;同样系列经过n次差分才平稳,则称系列为I(n)过程[8]。 3.3.2 原始数据平稳性检验 先画lp,le的图形,进行初步分析。 输入命令:line lp得图形: 图3-3 lp的曲线图  从图形可以看出,lp有明显的上升趋势,由此可以断定lp肯定是不平稳的。 在画le的曲线图形,输入命令:line le得: 图3-4 le的曲线图 同样le的曲线图有明显的下降趋势,也可以断定是不平稳的。当然我们也可以用ADF检验lp与le的平稳性。下面我们就用ADF检验来检验lp的平稳性。 首先要打开变量lp,在e-views中输入命令show lp。点击“view”,再选择“Unit Root Test”,之后逐个测试得结果: 表3-1 lp平稳性的ADF检验 ADF检验值 5%临界值[3] 结论[4] -0.772466(c,t,4)[5] -3.4222 不平稳,减小m -0.474259(c,t,3) -3.420382 不平稳,减小m -0.478362(c,t,2) -3.420357 不平稳,减小m -0.517478(c,t,1) -3.420332 不平稳,m=1 我们把滞后项从4取到1都......

阅读全文(11788) | 评论:4 | 复制链接