宏观经济因素和中国股市之间的动态关系分析

《宏观经济因素和中国股市之间的动态关系分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、统计建摸成绩：题口：宏观经济因素和屮国股市之间的动态关系分析专业班级：统计132小组成员：岳鹏丽(131410040233)王雪霞(131410040229)朱晓东(131410040238)2016年6月20日宏观经济因素和中国股市之间的动态关系分析摘要我国的证券市场自1990年上海证券交易所成立以来发展二十多年，股票市场的发展在国家经济发展屮山冇重耍地位，同时与人们的生活息息相关。因此研究宏观经济与股市之间的关系尤为重要。宏观经济与股市互为晴雨表，本文从宏观经济中的利率、通货膨胀、经济政策、汇率、经济周期、上市公司所属行业六个方面研究其对股市的

2、影响。简单说明一些经济因素，经济政策往往能刺激股票市场的波动，因为屮国的股市还没有完全成熟，所以经济政策引发的股市变动不容忽视。汇率水平是一国宏观经济基本而的反映，如果一国货币迅速升值，将引发更多资金投入从而带动股价上涨，所以汇率的剧烈变动对股市有重大影响。从历史出现的经济周期看，股价在一定的经济周期内都冇不同的表现形式，经济周期影响股价变动，但两者的变动周期乂不是完全同步的。而上市公司所属行业对股价波动也冇一定影响，行业不同，股价波动规律也不一样。具体来说，对股票市场及股票价格产生影响的种种宏观经济因素中，利率水准的变动对股市行情的影响最为直接和

3、迅速，而通货膨胀对股票市场的影响比较复杂。本文通过eviews数学软件运用线性冋归模型分析了利率变动以及通货膨胀与股市波动Z间的关系。关键词：汇率；通货膨胀；利率；宏观经济；股市波动■11—1—刖5本文将通过宏观经济几个方而的指标来分析宏观经济对股市波动的影响,并且结合相关宏观经济数据分析其投资者提供宏观经济对股市行情的影响信息，说明保持股市稳定的重要性，防止股市的过度波动。我们采用eviews数学软件中相关分析方法分别分析宏观经济中利率和通货膨胀与股市波动的关系，使人们认识宏观经济变动与股市波动的动态关系，使我国的经济发展良好的促进股票市场的稳定

4、。这些数据资料来源于《经济学》、《计量经济学》、《金融统计学》、《巴菲特全书》等。随着股票市场在我国经济屮的地位越来越重要，保证股市的健康良性发展促进了经济发展的稳定，也关系到了广大股民的切身利益。对股市波动的研究有利于把握股市运动的规律，建立完善的股市监管机制。符号说明DW检验:DW=White检验：e?=a0+arXi++勺拟合优度:SSRSST正文影响屮国股市波动的宏观经济因素冇很多，接下来我们从通货膨胀和利率两个方面具体分析其与中国股市波动的关系。首先来说通货膨胀，利用下而表1的数据进行分析：表1年份通货膨胀率(%)指数年收益率(%)199

5、14.201.2919923.001.6719933.000.0719942.60-0.2219952.80-0.1419962.900.6519972.300.3019981.50-0.0419992.200.19eviews运行结果:表2NullHypothesis:YhasaunitrootExogenous:ConstantLagLength:1(AutomaticbasedonSIC,MAXLAG=1)t-StatisticProb.*AugmentedDickey・Fullerteststatistic-6.6432860.0017Te

6、stcriticalvalues:1%level-4.8034925%level-3.40331310%level-2.8418192.0-1.6-1.2・A0.8-0.4・0.0-・0.4-1.01.52.02.53.03.54.04.5X图（1）由表2可得：检验值的绝对值为6.643286大于临界值绝对值，认为是平稳序列，建立回归模型由图（1）可将xy看作一元线性相关，建立一元线性回归模型：DependentVariable:YMethod:LeastSquaresDate:06/18/16Time:20:03Sample:19911999In

7、eludedobservations:9VariableCoefficientStd.Errort-StatisticProb.-1.05300c90.761412-1.3829680.2092X0.5406970.2710321.9949590.0863R-squared0.362469Meandependentvar0.418889AdjustedR・squared0.271393S.D・dependentvar0.661144S・E・ofregression0.564342Akaikeinfocriterion1.886818Sumsquar

8、edresid2.229375Schwarzcriterion1.930646-6.49068Loglikelihood2