影响股价指数的因素分析

影响股价指数的因素分析

摘要：股价指数是国民经济的“晴雨表”，文中介绍了利用向前逐步回归法结合EVIEWS 软件对影响股价指数因素进行筛选的方法，得到了股价指数与对其有显著影响的存款利率，人民币汇率两个因素的线性回归模型,并给予模型合理的经济解释。

关键词：股价指数，存款利率，国民生产总值，人民币汇率，实证分析

一、文献综述

本文研究影响股价指数的因素，通过阅读多篇文献及资料，认为影响股股价指数的因素主要有国内生产总值，存款利率，从理论上说GDP 的增长会促使上市公司业绩变好，股民收入增加，促进股市的繁荣从而股价指数攀升；利率的变动主要通过对居民和上市公司的影响而影响股价，利率对投资者的影响具体体现在：一方面引发居民的资金流向发生变动，另一方面则通过居民的心理预期对股市产生影响。二、实证分析

在这里，我选择了上海证券交易所1999——2008年度的数据来代表中国的股价指数，即上证综合指数的收盘价，原因在于：上海证券交易所上市的公司大多数为大型的国有企业，而深圳证券交易所所上市的公司主要为小型的合资、外向型企业。上海证券交易所与深圳证券交易所的股价指数具有较强的正相关性关系。另外，还选取了一年期存款利率X1,国内生产总值（GDP）X2,人民币汇率（100美元对应的人民币）X3和城镇居民可支配收入X4作为解释变量。

1.相关数据

资料来源：《中国统计年鉴》，中国人民银行官方网站2.建立模型

由上诉分析，建立股价指数与各影响因素之间的线性回归模型：

y= ax1+bx2+αx3+βx4+c+ξ

运用OLS对公式进行多元线性回归分析，得到一下结果：

表1 回归分析结果

得到模型：

⑴ Y=4612.697x1-0.125388x2+14.36947x3+2.50612x4-23978.02+ξ

2

R =0.898657

2

R=0.817582 DW=2.419191 F=11.08429

方程的2R较高，说明方程整体上是合理的，能很较好地拟合数据。但x2，x3，x4的t值都小于临界值，无法通过检验。出现这种情况的原因可能是由于解释变量之间存在多重共线性。下面进行相关系数检验：

在EVIEWS 软件的命令窗口键入：COR Y X1 X2 X3 X4 X5

输出的相关系数矩阵如表2：

表2 相关系数表

从表中可以看出，x1与y的相关度最高，其他三个解释变量与被解释变量的相关度相对较弱。这四个变量之间也是高度相关的，说明模型确实存在多重共线性。

为了消除变量间的多重共线性，下面采用“向前逐步回归法”，根据新变量的引入造成原有变量的显著性变化状况来决定是否保留该变量。

①运用OLS 方法逐一求对各个解释变量的回归。利用EVIEWS 软件即得以下六个一元回归模型：

⑵ Y=2095.69x1-3071.531

t=3.984069 p=0.0040

2

R= 0.623 DW= 2.055378 F= 15.87281

⑶ y=0.008873x2+532.8614

t=1.691022 p=0.1293

2

R= 0.171237 DW= 2.210520 F= 2.859555

⑷ y=-11.74750x3+11454.91

t=-1.318577 p=0.2238

2

R= 0.075847 DW= 2.231490 F= 1.738644

⑸ y=0.185177x4+227.3385

T=1.630179 p=0.1417

2

R= 0.155523 DW= 2.178304 F= 2.657485

从以上五个模型的统计检验结果并结合模型（1）和表1，经综合分析，可知上证综合指数y与一年期存款利率x1的线性关系最强，拟合程度好，所以选择模型（2）：Y=2095.69x1-3071.531 作为最基本的模型。

将其余变量逐个引入模型，估计结果列入表3（其中括号内的数字为t统计量值）

表3 逐步回归分析结果

模X1 X2 X3 X4 2R2R

型

Y=f(x1 ) 2095.69

(3.984069

)

0.6648

91

0.623

Y=f(x1 ,x2) 3162.858

(3.640638

)

-0.008696

(-1.48778

4)

0.7453

99

0.672656

Y=f(x1 ,x3) 3716.196

(5.716792

)

21.31510

(3.30311

24)

0.8550

90

0.813687

Y=f(x1 ,x4) 3007.759

(3.569424

)

-0.163701

(-1.34641

7)

0.7338

24

0.657774

Y=f(x1 ,x2,

x3) 3670.652

(4.929087

)

0.001190

(0.179725

)

22.63637

(2.14440

8)

0.8558

66

0.783799

Y=f(x1 ,x3,

x4) 3660.76

(5.037389

)

23.19406

(2.27113

7)

0.035589

(0.273167

)

0.8568

70

0.785305

Y=f(x1

,x2, ,x4) 4792.305(

4.890482) -0.186407

(-2.42442

9)

3.621832

(-3.24485

4)

0.8655

43

0.798315

由上表可知，当模型⑵只引入一个变量时，可以看出在引入变量x3时，2R最优，而且此时的t为最大，而以x1和x3为变量的模型再引入其他变量时效果都不如此模型，最终得到最佳模型： y=3716.196x1+21.3151x3-24135.34+ξ

t= (5.716792) (3.031124) (-3.443555)

p= (0.0007) (0.0191) (0.0108)

2

R=0.813687 DW= 2.027959 F=20.65288

②异方差检验