上证综指的多因素影响因子实证研究
发布时间：2020-12-28 03:11
在资本市场中,股票市场作为其十分重要的组成部分,充分反映着一国的宏观经济运行状况。在一国的股市运行机制较为成熟时,宏观经济的变化也就决定了股票市场的基本面。从2005年底开始,股权分置改革在我国全面推行,我国股市的运行状况也发生了转折性变化。与此同时越来越多的专家学者开始关注我国股票市场影响因素的研究。从多个角度研究上证综指的影响因子,可以更加全面地了解判断我国股票市场走势,有利于我国资本市场的健康稳定发展。纵观前人对上证综指影响因素的研究,大多从微观层面上探寻影响上证综指的一个方面,对于上证综指的影响因素不能很好地全面把握,看待问题较为片面单一。实质上股指的变动更加受到宏观因素的影响。因此本文在前人研究的基础之上,采用联动效应和多因子模型相结合的思想来综合分析上证综指的影响因素,从宏观层面探寻上证综指的影响因素,达到全面系统认识问题本质的目的。首先从汇市、宏观经济、其他股票市场、货币政策和黄金市场五个方面选取美元兑人民币汇率、采购经理人指数、道琼斯指数等五个指标,建立因子库;利用协整分析、GRANGER因果关系分析和波动强度分析,通过建立VAR模型,ARIMA模型和DCC-GARCH...
【文章来源】：沈阳工业大学辽宁省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
上证综指与人民币汇率的AR根图
沈阳工业大学硕士学位论文30验，Theta(2)在1%的显著性水平下通过了显著性检验。Theta(1)系数衡量两个变量之间的短期调整能力，在此模型中Theta(1)系数为0.058，说明上证综指和美元兑人民币汇率之间的短期调整能力较弱。Theta(2)系数是衡量两个变量之间的条件相关系数长期持续程度，在此模型中Theta(2)系数为0.726，说明上证综指和汇率因子之间的长期持续程度较高。Theta(1)+Theta(2)小于1说明该模型是比较稳定的。（6）动态条件相关系数在建立DCC-GARCH模型后，为了更好展现上证综指和汇率因子之间的动态相关性，对于动态条件相关系数进行图形以及描述性统计分析，结果如下表4.15以及图4.2所示：表4.15动态相关系数描述性分析Tab.4.15Descriptiveanalysisofdynamiccorrelationcoefficients变量均值中位数最大值最小值标准差DCCSZ-RATE-0.140475-0.44160.143048-0.2997730.065291图4.2上证综指与汇率因子动态相关系数序列图Figure4.2diagramofdynamiccorrelationcoefficientbetweenShanghaiCompositeIndexandRATE从动态相关系数的描述性统计以及序列图可以看出，上证综指和汇率因子之间存在着负向的动态影响，其中相关系数均值为-0.14；最大值出现在2008年，为0.143；动态相关系数标准差为0.065，说明上证综指和汇率因子之间的负向相关性较为稳定，波动较校
第4章因子的效应检验314.5宏观经济因子效应检验4.5.1联动方向检验（1）选取最优滞后阶数表4.16上证综指与采购经理人指数的最优滞后阶数选择Tab.4.16OptimallagorderselectionfortheShanghaiCompositeIndexandPMILagLogLLRFPEAICSCHQ0504.8778NA6.90e-06-6.208368-6.170249*-6.1928911510.978911.976316.72e-06-6.234308-6.119952-6.1878782523.098723.491396.08e-06-6.334552-6.143959-6.257168*3524.20722.1212826.30e-06-6.298855-6.032025-6.1905184533.477117.50985*5.91e-06*-6.363915*-6.020849-6.2246255534.06071.0878946.16e-06-6.321737-5.902434-6.151494注：*表示各个信息准则最为显著的阶数根据表中的信息值，判断最优滞后阶数为4，因此上证综指与采购经理人指数建立VAR(4)模型。（2）VAR模型稳定性检验由下图可知，所有AR根均落在单位圆内，说明模型通过平稳性检验，模型是稳定的。图4.3上证综指与采购经理人指数的AR根图Figure4.3ARRootMapoftheShanghaiCompositeIndexandPurchasingManagersIndex（3）协整检验表4.17上证综指与采购经理人指数的协整检验结果Tab.4.17Co-integrationtestresultsoftheShanghaiCompositeIndexandPMI影响因子原假设迹统计量5%临界值P值最大特征值5%临界值P值结论采购经理None*30.734115.49470.000118.9168014.264600.0085存在2个
【参考文献】：
期刊论文
[1]中国—东盟股票市场一体化进程及其时变特征研究——基于DCC-GARCH模型[J]. 李小好,蔡幸. 学术论坛. 2019(05)
[2]T+1交易制度下的资产定价模型研究——基于隔夜收益率视角[J]. 张兵,薛冰. 金融论坛. 2019(08)
[3]人民币和日元汇率联动效应的实证检验[J]. 闫树熙,吴建銮,张娥. 统计与决策. 2018(20)
[4]黄金能对冲人民币汇率和股市风险吗?[J]. 刘志蛟,刘力臻. 金融论坛. 2018(04)
[5]股市波动溢出效应及其影响因素分析[J]. 郑挺国,刘堂勇. 经济学(季刊). 2018(02)
[6]我国股市的对外溢出效应与国际影响力研究——基于Copula-DCC-GARCH模型[J]. 李红权,何敏园. 系统科学与数学. 2017(08)
[7]Fama-French五因子模型比三因子模型更胜一筹吗——来自中国A股市场的经验证据[J]. 赵胜民,闫红蕾,张凯. 南开经济研究. 2016(02)
[8]三因素模型定价:中国与美国有何不同?[J]. 田利辉,王冠英,张伟. 国际金融研究. 2014(07)
[9]开放背景下中国股市国际联动性的实证研究[J]. 彭莉. 开发研究. 2014(03)
[10]A股市场的风险与特征因子[J]. 潘莉,徐建国. 金融研究. 2011(10)
博士论文
[1]五因子资产定价模型及其在我国证券市场的应用研究[D]. 高春亭.重庆大学 2016
[2]中国股市与美国股市之间联动性研究[D]. 崔准焕.浙江大学 2007
硕士论文
[1]中国与其他金砖国家股市的联动效应研究[D]. 王雅.吉林财经大学 2016
[2]基于藤结构Copula模型的中美欧股指联动性计量检验[D]. 王雨薇.吉林大学 2015
本文编号：2943025
【文章来源】：沈阳工业大学辽宁省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
上证综指与人民币汇率的AR根图
沈阳工业大学硕士学位论文30验，Theta(2)在1%的显著性水平下通过了显著性检验。Theta(1)系数衡量两个变量之间的短期调整能力，在此模型中Theta(1)系数为0.058，说明上证综指和美元兑人民币汇率之间的短期调整能力较弱。Theta(2)系数是衡量两个变量之间的条件相关系数长期持续程度，在此模型中Theta(2)系数为0.726，说明上证综指和汇率因子之间的长期持续程度较高。Theta(1)+Theta(2)小于1说明该模型是比较稳定的。（6）动态条件相关系数在建立DCC-GARCH模型后，为了更好展现上证综指和汇率因子之间的动态相关性，对于动态条件相关系数进行图形以及描述性统计分析，结果如下表4.15以及图4.2所示：表4.15动态相关系数描述性分析Tab.4.15Descriptiveanalysisofdynamiccorrelationcoefficients变量均值中位数最大值最小值标准差DCCSZ-RATE-0.140475-0.44160.143048-0.2997730.065291图4.2上证综指与汇率因子动态相关系数序列图Figure4.2diagramofdynamiccorrelationcoefficientbetweenShanghaiCompositeIndexandRATE从动态相关系数的描述性统计以及序列图可以看出，上证综指和汇率因子之间存在着负向的动态影响，其中相关系数均值为-0.14；最大值出现在2008年，为0.143；动态相关系数标准差为0.065，说明上证综指和汇率因子之间的负向相关性较为稳定，波动较校
第4章因子的效应检验314.5宏观经济因子效应检验4.5.1联动方向检验（1）选取最优滞后阶数表4.16上证综指与采购经理人指数的最优滞后阶数选择Tab.4.16OptimallagorderselectionfortheShanghaiCompositeIndexandPMILagLogLLRFPEAICSCHQ0504.8778NA6.90e-06-6.208368-6.170249*-6.1928911510.978911.976316.72e-06-6.234308-6.119952-6.1878782523.098723.491396.08e-06-6.334552-6.143959-6.257168*3524.20722.1212826.30e-06-6.298855-6.032025-6.1905184533.477117.50985*5.91e-06*-6.363915*-6.020849-6.2246255534.06071.0878946.16e-06-6.321737-5.902434-6.151494注：*表示各个信息准则最为显著的阶数根据表中的信息值，判断最优滞后阶数为4，因此上证综指与采购经理人指数建立VAR(4)模型。（2）VAR模型稳定性检验由下图可知，所有AR根均落在单位圆内，说明模型通过平稳性检验，模型是稳定的。图4.3上证综指与采购经理人指数的AR根图Figure4.3ARRootMapoftheShanghaiCompositeIndexandPurchasingManagersIndex（3）协整检验表4.17上证综指与采购经理人指数的协整检验结果Tab.4.17Co-integrationtestresultsoftheShanghaiCompositeIndexandPMI影响因子原假设迹统计量5%临界值P值最大特征值5%临界值P值结论采购经理None*30.734115.49470.000118.9168014.264600.0085存在2个
【参考文献】：
期刊论文
[1]中国—东盟股票市场一体化进程及其时变特征研究——基于DCC-GARCH模型[J]. 李小好,蔡幸. 学术论坛. 2019(05)
[2]T+1交易制度下的资产定价模型研究——基于隔夜收益率视角[J]. 张兵,薛冰. 金融论坛. 2019(08)
[3]人民币和日元汇率联动效应的实证检验[J]. 闫树熙,吴建銮,张娥. 统计与决策. 2018(20)
[4]黄金能对冲人民币汇率和股市风险吗?[J]. 刘志蛟,刘力臻. 金融论坛. 2018(04)
[5]股市波动溢出效应及其影响因素分析[J]. 郑挺国,刘堂勇. 经济学(季刊). 2018(02)
[6]我国股市的对外溢出效应与国际影响力研究——基于Copula-DCC-GARCH模型[J]. 李红权,何敏园. 系统科学与数学. 2017(08)
[7]Fama-French五因子模型比三因子模型更胜一筹吗——来自中国A股市场的经验证据[J]. 赵胜民,闫红蕾,张凯. 南开经济研究. 2016(02)
[8]三因素模型定价:中国与美国有何不同?[J]. 田利辉,王冠英,张伟. 国际金融研究. 2014(07)
[9]开放背景下中国股市国际联动性的实证研究[J]. 彭莉. 开发研究. 2014(03)
[10]A股市场的风险与特征因子[J]. 潘莉,徐建国. 金融研究. 2011(10)
博士论文
[1]五因子资产定价模型及其在我国证券市场的应用研究[D]. 高春亭.重庆大学 2016
[2]中国股市与美国股市之间联动性研究[D]. 崔准焕.浙江大学 2007
硕士论文
[1]中国与其他金砖国家股市的联动效应研究[D]. 王雅.吉林财经大学 2016
[2]基于藤结构Copula模型的中美欧股指联动性计量检验[D]. 王雨薇.吉林大学 2015
本文编号：2943025
本文链接：https://www.wllwen.com/guanlilunwen/bankxd/2943025.html
