CPI、货币供给量、股票价格指数关系建模分析
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
CPI、货币供给量、股票价格指数关系建模分析
摘要
:近年来,随着中国的崛起,我国宏观经济和经济稳定产生了巨大变化。所以很有必要研究下CPI、货币供给量、股指关系。
关键字
一、问题重述
二、问题分析
1、背景分析
2、问题分析
2.1
2.2
2.3
2.4
2.5
三、问题假设
四、符号说明
x:全国消费物价指数CPI
1
x:货币供给量M2
2
y:股票价格指数A1
五、问题解答和模型建立及求解
5.1 全国消费物价指数CPI、货币供给量、股票价格指数的走势及初步关系
为了直观的分析全国消费物价指数、货币供给量及股票价格指数的变化趋势,我们用SPSS数据处理软件得到随着时间变化各指数的变化情况,如图一、图二、图三。
图1 全国消费物价指数随时间变化的变化趋势
图2 货币供给量随时间变化的变化趋势
图3 股票价格指数随时间变化的变化趋势
由图1可见,总体来看,2008年1月至2009年1月CPI呈直线下降,一直到2009年4月左右才又开始缓慢上升,到了2009年9月CPI又开始回落,到目前为止仍处于回落阶段,在未来几个月内很可能继续回落,不会有太大回升的可能。
由图2可见,货币供给量从2008年1月至目前一直呈直线上升,在未来短时期内将不会有太大变化。
由图3可见,股票价格指数从2008年1月至2009年1月基本成直线下降,到2009年2月又开始回升,直到9月又开始缓慢下降,一直到现在都没有上升的趋势。所以,我们可以相信在正常情况下,短期内股票价格指数是不会有太大可能回升的。
接下来,我们对全国消费物价指数CPI、货币供给量及股票价格指数三者之间的相关性进行分析。用SPSS数据处理软件我们得到股票价格指数、全国消费物价指数CPI、货币供给量相互之间的相关系数,如表一:
从表一可知,股票价格指数与全国消费物价指数CPI及货币供给量之间相关性显著,而全国消费物价指数CPI与货币供给量之间相关性不显著。因此,我们可以选择全国消费物价指数CPI和货币供给量作为股票价格指数的影响因素对其进行研究。
综上所述,我们可以知道,全国消费物价指数CPI与货币供给量共同影响着股票价格指数。若要研究股票价格指数的变化,我们可以通过建立三者之间的关系,从而通过全国消费物价指数CPI和货币供给量的变动了解到股票价格指数的相应变动。
5.2 股票价格指数与全国消费物价指数及货币供给量关系的建模及求解
5.2.1 模型的建立
由5.1我们已经知道股票价格指数与全国消费物价指数CPI及货币供给量之间存在有相关性,并且全国消费物价指数CPI与货币供给量共同影响着股票价格指数。所以,接下来我们将要对数据进行进一步的分析,以求得它们之间的具体关系。
通过用MATLAB软件,我们得到股票价格指数对全国消费物价指数CPI及货币供给量的散点图(图4、图5):
图4 股票价格指数对全国消费物价指数CPI的散点图
图5 股票价格指数对货币供给量的散点图
从图1可以发现,随着CPI的增加,A1的值有向上弯曲增加的趋势,图中的曲线是用二次函数模型
εβββ+++=2
12110x x y (1) 拟合的(其中ε是随机误差,0β,1β,2β为参数)。
而在图2中,当货币供给量M2增大时,A1的变化同样是按照一定的规律在变化。在这里,我们经过多次尝试后,选择了用五次函数模型
εββββββ++++++=525424323222210x x x x x y (2) 来拟合,拟合情况如图2中曲线所示。
综合上面的分析,结合模型(1)和(2)建立如下的回归模型
εββββββββ++++++++=5
2742632522423212110x x x x x x x y (3)
在模型(3)中,如果模型选择得合适,则
ε应大致服从均值为0的正态分布。
5.2.2 模型求解及检验
载入数据,直接利用MATLAB 统计工具箱中的regress 函数求解,得到模型(3)的回归系数估计值及其置信区间(置信水平α=0.05)、检验统计量2R ,F ,p ,2s 的结果见表二。
表二显示,虽然p 值远小于α,但是因变量A1(股票价格指数)仅有46.01%可由模型确定。所以,我们必须对模型进行改进,以求得到理想的效果。
对于股票价格指数的影响因素,我们知道那是非常复杂的,我们可以猜想,全国消费物价指数CPI 与货币供给量之间的交互作用也会对A1有所影响,所以我们不妨添加交互项。经过对数据的多次拟合及尝试,最终我们建立了如下新的模型(4)
εββββββββββ++++++++++=22
192185
274
263
252
24232
12110x x x x x x x x x x x y (4)
对模型(4)进行重新求解,我们得到结果,见表三:
表三显示,因变量A1(股票价格指数)的88.97%可由模型确定,同时p 值也远小
于α,因而模型(4)从整体看是可用的。另外,表三已经给出了各参数值的估计值,即0∧
β=0,1∧
β=0,2∧
β=5.54830501,3∧β=0,4∧β=2.71918502,5∧
β=-0.00493847,
6∧
β=4.20919078×10-6
,7∧
β=-1.37370601×10-9
,8∧β=-11.4843289,9∧
β=0.04767092。检查它们的置信区间发现0β,1β,3β均为0,表明回归变量1x ,2x (对因变量y 的影响)不是显著的。所以,最终我们得到关系模型(5)
2
2
1215
29
-4
2-63
22
22
10.0476709211.4843289-101.37370601- 104.209190780.00493847-2.719185025.54830501x x x x x x x x x y +⨯⨯++= (5)