中国居民消费变动对股票市场影响的实证研究
发布时间：2021-01-05 09:44
股市作为国内市场经济体系的不可或缺的一部分,与人民生活和国计民生息息相关,对国内经济稳定增长具有不可忽视的影响。然而,伴随全球经济逐渐趋于一体化以及金融市场变得更加自由化,加速了我国同全球经济的融合,导致股市波动的影响范围和影响程度也在不断扩大。一旦发生了股市危机,对于投资者与国家经济都会造成巨大损失。因此,探索有效的股票市场预测指标,及时对股市可能发生的危机进行预警,既能把握经济发展宏观经济的基本趋向,又能给投资者带来诸多好处。本文主要探讨了中国居民家庭消费变动是否对股票市场具有有效性,文章选取了2005年至2019年的城镇居民人均消费支出同比增长率（RUPCE）、城镇居民人均可支配收入同比增长率（RUPDI）和沪深300指数（HS300）三者季度数据作为研究对象,通过构建VAR模型,然后利用Granger因果检验、脉冲响应函数和方差分解等计量方式来探讨城镇居民消费变动和股市之间的联系,针对我国的股票市场数据,通过有效的实证检验模型,检验我国居民消费变动是否对股票市场具有有效性。研究结论包括以下几个方面:首先从基础理论出发整理了相关学说以及研究文献,在理解相关概念及理论的基础上,给后...
【文章来源】：安徽建筑大学安徽省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
信息与市场有效形式关系图
安徽建筑大学硕士学位论文第四章基于VAR模型的中国居民消费变动与股票市场关系的实证研究-24-第四章基于VAR模型的中国居民消费变动与股票市场关系的实证研究4.1数据的描述性分析上文已经说明，本文选择了2005年6月至2019年9月的沪深300指数、城镇居民人均可支配收入、城镇居民人均消费支出的季度数据作为研究对象，分别记为LNHS300、UPDI、UPCE，城镇居民人均可支配收入和城镇居民人均消费支出的同比增长率分别记为RUPDI、RUPCE。如下表1以及图2所示，LNHS300的最大值是8.627089，最小值为7.239904，差距比较明显，正像前文所说，股票市场的波动性很大，存在非常大风险。表1数据的描述性统计变量名称均值最大值最小值标准差偏度峰度JBPLNHS3007.9978.6277.2400.282-0.4223.4732.1070.349RUPCE0.0950.1800.0500.0311.0553.64010.9400.004RUPDI0.1060.1950.0580.0330.8642.8016.8020.033图4沪深300指数月度走势图对2005年6月至2019年9月全区间的三个变量序列进行直观讨论。如图4所示，表示的是沪深300指数在2005年至2019年的月度走势图。在2005年至2007年期间，我国沪深300指数刚刚才开始建立，正居于股权分置改革的时间段，因此这个时候沪深300指数一直上涨，特别在2006年至2007年之间，股票指数更是呈现出指数式上涨趋势，最高股指接近6000点，股票市场步入了牛市状态；但是2008年时，由于美国金融危机蔓延至全球，导致我国股票市场急速下跌，沪深300指数最低跌至不到2000点；一直到2009年时，股票市场逐渐回暖，达近3700点左右；从2010年至2014年，由于全球经济都不景气，沪深300指数一直处于在2100点至3700点波动的状态；
安徽建筑大学硕士学位论文第四章基于VAR模型的中国居民消费变动与股票市场关系的实证研究-25-而在2014年后一个季度至2015年前两个季度，沪深300指数出现猛增，但是在2015年第三季度又出现暴跌；至今，一直处于在200点至4000点波动的状态。由此可见沪深300指数波动很大，经历过多次牛市和熊市，呈现出明显的暴涨暴跌特征，这也就意味着股市存在很大的波动性，从侧面反映出股市的巨大风险。图5城镇居民人均收入与支出季度走势图而图5和图6代表了城镇居民消费与收入的走势情况。从图5可以看出，从2005年至2019年，UPDI和UPCE都居于平稳增长的状态，并且两者的趋势一致。在2005年时，城镇居民的季度收入水平以及消费支出都很低，只有一两千，然而随着我国经济不断在发展，人民的收入越来越高，消费也随之越来越高，在2019年9月城镇居民人均收入已经达到1万多，消费支出也达到了6000多元，这意味着人民生活在不断改善。图6城镇居民人均收入与支出同比增长率走势图图6是城镇居民人均收入与支出同比增长率走势图，与图4沪深300走势图相比较，可以看出在2008年以及2015年时，沪深300指数发生了大跌，造成了股灾，而在这之前RUPDI以及RUPCE已经开始大幅度下滑，而三者2005年至2019年的走势图表明三者趋势比较相似，并且居民消费与收入变化略领先于股市波动，因此居民的消费变动有可能可以作为股市波动的领先指标，但是具体研究结果还需要进进一步的分析。
【参考文献】：
期刊论文
[1]股市涨跌预测与量化投资策略:基于时变矩成分分析[J]. 鲁万波,黄光麟,Kris Boudt. 中国管理科学. 2020(02)
[2]基于股评的投资者情绪对股票市场的影响[J]. 部慧,解峥,李佳鸿,吴俊杰. 管理科学学报. 2018(04)
[3]混频投资者情绪与股票价格行为[J]. 姚尧之,王坚强,刘志峰. 管理科学学报. 2018(02)
[4]不确定性经济周期理论研究综述[J]. 章上峰,程灿. 浙江工商大学学报. 2017(05)
[5]基于微博的投资者情绪对股票市场影响研究[J]. 张信东,原东良. 情报杂志. 2017(08)
[6]投资者情绪与股市泡沫[J]. 李晓丹. 中国商论. 2017(08)
[7]对投资者情绪与股市崩盘风险关系的检验[J]. 刘桂荣,颜梦雅,金永红. 财会月刊. 2017(05)
[8]基于文本信息的股票指数预测[J]. 董理,王中卿,熊德意. 北京大学学报(自然科学版). 2017(02)
[9]基于文本挖掘和百度指数的投资者情绪指数研究[J]. 孟雪井,孟祥兰,胡杨洋. 宏观经济研究. 2016(01)
[10]基于EEMD的投资者情绪与股指波动的关系研究[J]. 李合龙,冯春娥. 系统工程理论与实践. 2014(10)
本文编号：2958446
【文章来源】：安徽建筑大学安徽省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
信息与市场有效形式关系图
安徽建筑大学硕士学位论文第四章基于VAR模型的中国居民消费变动与股票市场关系的实证研究-24-第四章基于VAR模型的中国居民消费变动与股票市场关系的实证研究4.1数据的描述性分析上文已经说明，本文选择了2005年6月至2019年9月的沪深300指数、城镇居民人均可支配收入、城镇居民人均消费支出的季度数据作为研究对象，分别记为LNHS300、UPDI、UPCE，城镇居民人均可支配收入和城镇居民人均消费支出的同比增长率分别记为RUPDI、RUPCE。如下表1以及图2所示，LNHS300的最大值是8.627089，最小值为7.239904，差距比较明显，正像前文所说，股票市场的波动性很大，存在非常大风险。表1数据的描述性统计变量名称均值最大值最小值标准差偏度峰度JBPLNHS3007.9978.6277.2400.282-0.4223.4732.1070.349RUPCE0.0950.1800.0500.0311.0553.64010.9400.004RUPDI0.1060.1950.0580.0330.8642.8016.8020.033图4沪深300指数月度走势图对2005年6月至2019年9月全区间的三个变量序列进行直观讨论。如图4所示，表示的是沪深300指数在2005年至2019年的月度走势图。在2005年至2007年期间，我国沪深300指数刚刚才开始建立，正居于股权分置改革的时间段，因此这个时候沪深300指数一直上涨，特别在2006年至2007年之间，股票指数更是呈现出指数式上涨趋势，最高股指接近6000点，股票市场步入了牛市状态；但是2008年时，由于美国金融危机蔓延至全球，导致我国股票市场急速下跌，沪深300指数最低跌至不到2000点；一直到2009年时，股票市场逐渐回暖，达近3700点左右；从2010年至2014年，由于全球经济都不景气，沪深300指数一直处于在2100点至3700点波动的状态；
安徽建筑大学硕士学位论文第四章基于VAR模型的中国居民消费变动与股票市场关系的实证研究-25-而在2014年后一个季度至2015年前两个季度，沪深300指数出现猛增，但是在2015年第三季度又出现暴跌；至今，一直处于在200点至4000点波动的状态。由此可见沪深300指数波动很大，经历过多次牛市和熊市，呈现出明显的暴涨暴跌特征，这也就意味着股市存在很大的波动性，从侧面反映出股市的巨大风险。图5城镇居民人均收入与支出季度走势图而图5和图6代表了城镇居民消费与收入的走势情况。从图5可以看出，从2005年至2019年，UPDI和UPCE都居于平稳增长的状态，并且两者的趋势一致。在2005年时，城镇居民的季度收入水平以及消费支出都很低，只有一两千，然而随着我国经济不断在发展，人民的收入越来越高，消费也随之越来越高，在2019年9月城镇居民人均收入已经达到1万多，消费支出也达到了6000多元，这意味着人民生活在不断改善。图6城镇居民人均收入与支出同比增长率走势图图6是城镇居民人均收入与支出同比增长率走势图，与图4沪深300走势图相比较，可以看出在2008年以及2015年时，沪深300指数发生了大跌，造成了股灾，而在这之前RUPDI以及RUPCE已经开始大幅度下滑，而三者2005年至2019年的走势图表明三者趋势比较相似，并且居民消费与收入变化略领先于股市波动，因此居民的消费变动有可能可以作为股市波动的领先指标，但是具体研究结果还需要进进一步的分析。
【参考文献】：
期刊论文
[1]股市涨跌预测与量化投资策略:基于时变矩成分分析[J]. 鲁万波,黄光麟,Kris Boudt. 中国管理科学. 2020(02)
[2]基于股评的投资者情绪对股票市场的影响[J]. 部慧,解峥,李佳鸿,吴俊杰. 管理科学学报. 2018(04)
[3]混频投资者情绪与股票价格行为[J]. 姚尧之,王坚强,刘志峰. 管理科学学报. 2018(02)
[4]不确定性经济周期理论研究综述[J]. 章上峰,程灿. 浙江工商大学学报. 2017(05)
[5]基于微博的投资者情绪对股票市场影响研究[J]. 张信东,原东良. 情报杂志. 2017(08)
[6]投资者情绪与股市泡沫[J]. 李晓丹. 中国商论. 2017(08)
[7]对投资者情绪与股市崩盘风险关系的检验[J]. 刘桂荣,颜梦雅,金永红. 财会月刊. 2017(05)
[8]基于文本信息的股票指数预测[J]. 董理,王中卿,熊德意. 北京大学学报(自然科学版). 2017(02)
[9]基于文本挖掘和百度指数的投资者情绪指数研究[J]. 孟雪井,孟祥兰,胡杨洋. 宏观经济研究. 2016(01)
[10]基于EEMD的投资者情绪与股指波动的关系研究[J]. 李合龙,冯春娥. 系统工程理论与实践. 2014(10)
本文编号：2958446
本文链接：https://www.wllwen.com/guanlilunwen/huobilw/2958446.html
