利用概率统计研究中国股票市场的财富效应.doc

1、 华华 南南 师师 范范 大大 学学 SOUTH CHINA NORMAL UNIVERSITY 统 计 学 课 程 论 文 STATISTICS COURSE DISSERTATION (题目 )利用概率统计研究中国股票市场的财富效应 学院： 物理与电信工程学院 专业： 综合理科一班 学号： 20070003015 姓名： 黄纯洁 指导教师： 金华教授 日期： 2009 年 7 月 1 日 利用概率统计研究 中国 股票市场的财富效应 内容提要： 随着我国股票市场的不断发展 ， 其财富效应逐渐为越来越多的学者所认同 。关于中国股 市是否存在财富效应 是一个值得研究的课题。为了 提高预测经济运行

2、态势的精度，给政策制定者提供一些有价值的政策建议， 本文立足于我国股票市场，选取 2003-2007年的月度数据，通过建立回归模型，对股票市场的财富效应进行理论检验，从而验证我国股票市场是否存在财富效应 。 关键词： 股票市场 财富效应 差分回归模型 中图分类号： TB114 文献标识码： A 文章编号： Study of The Stock Market Wealth Effect Based on Probability Models Huang chunjie Abstract： With the continuous development of Chinas stock market

3、, its wealth effect is gradually accepted by more and more scholars. Whether the stock market has wealth effect is a subject worth studying. In order to improve the precision of the economic prediction and provide some valuable Suggestions to the policy makers, in this paper, we focus on establishin

4、g the regression model so as to inspect the wealth effect of the stock market in theory and verify whether the stock market of our country has wealth effect. Key words： Stock Market Wealth Effect Differential Regression Model 1. 引言 1 关于中国股市财富效应的研讨，起因于中国股市 1999 年“ 5.19 行情”。当时国民经济出现通货紧缩迹象，各种刺激需求的政策效果不

5、佳，专家学者在借鉴国外特别是美国发展经验的革础上，提出“刺激股市，拉动内需”的经济政策，利用股市的财富效应来带动经济增长。在随后的两年，宏观经济出现了良好的复苏势头 34， ，可以认为这种政策工具初见成效。2001 年下半年，股指连续下跌之后，经济增长也开始放缓，物价指数再度走低，通货紧缩迹象又重新抬头，负面财富效应显现，有人建议再度利用股市财富效应促进经济增长。为此理论界再一次展开了热烈的讨论，关于中国股市是否存在财富效应的争论几乎达到白热化的程度，因此也将财富效应讨论推向了一个新高潮。 简单来说，股票市场财富效应，是指在假如其它条件相同的情况下，股票价格的波动将引起股票持有人财富数量的变动

6、，从而影响消费水平的变化 56， 。 中国走的是市场经济的道路，不可避免地要与国际接轨，但是中国的金融体系有自己的特殊性，股票市场以及消费者行为等都有自己的特殊性，不能照搬国外相关经验和理论 78， 。许多在国外相当成熟的理论，在运用到我国资本主义市场时出现了水土不服 2 。因此，对国外一些重大理论用中国资本市场的数据进行检验有着重大的作用和意义。通过这些检验，我们可以发现哪些理论适合我国资本市场，哪些理论不适合，从而反思我国的财政政 策和货币政策，提高预测经济运行态势的精度，为政策制定者提供一些有价值的政策建议。 本文立足于我国股票市场，选取 2003-2007 年的月度数据，通过建立回归模

7、型，对股票市场的财富效应进行理论检验，从而验证我国股票市场是否存在财富效应，以及财富效应的大小。 2. 数据 收集及 处理 2.1 影响财富效应的因素 通过对财富效应影响因素的分析，并结合前人的研究，本文认为，对财富效应影响最大的三个因素包括：居民实际收入、居民消费水平以及股票价格。 2.2 数据的选取 及处理 城镇家庭人均可支配月收入可直接获得，本文用此代替居民实际收 入。而在居民消费水平上，由于 2003 年以后，我国每月统计城镇家庭人均消费性支出，因此可用这一指标代替。在衡量股票价格时，由于深沪 300 指数只计算深沪两市的 300 只股票，代表面有限，因此采用深沪两市每月收盘综合指数的

8、市值加权平均数。 我国股票市场发展的深度和广度非常有限，而且受政策影响比较严重。因此，从不同时期政策倾向出发，取 2003 年到 2007 年较为精细的月度数据进行研究比较合理。 城镇家庭人均可支配 月收入、城镇家庭人均 消费性 月 支出、两市大盘指数及流通市值的具体数据 可以从中国经济统计数据库获得，但是 由于这些 初始数据都是按照现价计算的，也就是没有剔除价格因素的影响，因此还需要进行剔除价格因素的处理。根据宏观经济学原理，可以得到，实际城镇家庭人均可支配月收入 =城镇家庭人均可支配月收入 100/当月 CPI；同理实际城镇家庭人均消费性月支出 =城镇家庭人均消费性月支出 100/当月 C

9、PI；把大盘指数按照以下公式进行市值加权：市值加权指数 =上证收盘综合指数（当月数）（上交所 A 股流通市值 +上交所 B 股流通市值） /两市总的流通市值 +深证收盘综合指数（当月数）（深交所 A 股流通市值 +深交所 B 股流通市值） /两市总的流通市值。同时 对于股价指数，也需要剔除价格因素，即实际市值加权平均数 =市值加权数 100/当月 CPI。 根据以上公式进行处理后，所得数据可见 附录表一 、 附录表二 、 附录表三 。 最后，对实际城镇家庭人均可支配月收入、实际城镇家庭人均消费支出和实际市值加权指数这三个指标的数据序列进行一 阶差分处理，具体计算结果可见 附录表四 。 3. 基

10、本模型的建立 3.1 样本数据的时间段划分 数据的整体范围是 2003 年到 2007 年的月度数据（样本容量为 60），但是由于我国股票市场在这一时期区间内 又存在某些特点，因此，可以把这个整体时间段再细分为两个部分，2003 年到 2005 年是 第 一部分， 2006 年到 2007 年为第二部分。 这样细分数据的原因是，在 2003 年到 2005 年，我国股票市场仍然处于熊市时期。而在2006 年到 2007 年，是新一轮的牛市行情。政策的变更等种种因素，使得这两个时期投资者、消费者的行为以及选择会有明显的不同，很可能存在回归模型的结构稳定性问题，因此对研究结果也可能有不同的影响 。

11、这样划分的目的是为了使研究更加细致，结果更加贴切现实的情况。同时，由于这两个阶段的股价趋势是相反的，但是消费却是一直上涨的，因此在对数据进行回归时，将进行一阶差分处理 。 3.2 初步模型的建立 根据数据的划分，结合上面对影响股票市场财富效应的因素分析，可以初步建立以下模型： 对 20032007 年，建立如下回归方程： t t t tC P I 其中， tC 代表 2003 年 2007 年间每月城镇家庭人均消费性支出的一阶差分， tP 代表这一期间深沪两市每月收盘综合指数的市值加权平均数的一阶差分， tI 代表 这一期间 城镇家庭人均可支配月收入一阶差分， 、 分别代表变量 tP 、 tI

12、 的偏回归系数， t为随机扰动项， 为截距。 对 20032005 年，建立如下回归方程 ： t 1 2 3 1C t t tPI 其中， tC 代表 2003 年 2007 年间每月城镇家庭人均消费性支出的一阶差分， tP 代表这一期间深沪两市每月收盘综合指数的市值加权平均数的一阶差分， tI 代表这一期间城镇家庭人均可支配月收入一阶差分， 2 、 3 分别代表变量 tP 、 tI 的偏回归系数， 1t为随机扰动项， 1 为截距。 对 20062007 年，建立如下回归方程 ：t 1 2 3 2C t t tPI 其中， tC 代表 2003 年 2007 年间每月城镇家庭人均消费性支出的一

13、阶差分， tP 代表这一期间深沪两市每月收盘综合指数的市值加权平均数的一阶差分， tI 代表这一期间城镇家庭人均可支配月收入一阶差分， 2 、 3 分别代表变量 tP 、 tI 的偏回归系数，2t为随机扰动项， 1 为截距。 3.3 对数据进行平稳性检验 最常用的平稳性检验是 ADF 检验，即单位根检验。在进行单位根检验之前，首先要对实际城镇家庭人均可支配月收入、实际城镇家庭人均消费性支出和实际市值加权指数的一阶差分三个序列作时序图，分别见图一、图二和图三。 图一 图二 图三 比较三个序列的时序图，可以看出，三者都是围绕 0 均值上下波动，因此在进行单位根检验时宜采用无常数项和趋势项的形式。

14、对三个时间序列的一阶差分的检验结果见表一，其中 c 表示是否带常数项， t 表示是否带时间趋势项， m 代表在进行单位根检验时，所选取的滞后阶数。 表一： ADF 单位根检验结果 变量 ADF Text Statistic 测试类型（ c,t,m） 1%Critical Value 5%Critical Value 10% Critical Value 平稳性 消费 -8.317 （ 0， 0， 2） -2.604 -1.946 -1.619 平稳 指数 -6.449 （ 0， 0， 0） -2.603 -1.946 -1.619 平稳 收入 -9.107 （ 0， 0， 1） -2.603

15、-1.946 -1.619 平稳 由表一可知，三个序列都通过了平稳性检验，因此 ， 可以采用这些数据做下一步的研究。 3.4 初步模型回归结果 及初步讨论 根据上面已经整理好的数据，以及初定的回归方程，输入 SPSS 软件进行分析后，输出以下结果： 对于 20032007 年期间 的 方程 ： t t tC 2 . 7 4 9 0 . 0 0 3 P 0 . 8 5 3 I （ 1） t=(0.380) (-0.350) (11.884) R=0.854 P 值 =(0.705) (0.972) (0.000) 2R =0.729 2R =0.719 F=75.336 F 值的 P 值 =0.

16、000 对于 20032005 年期间的方程 ： t t tC 1 . 0 4 9 0 . 0 2 7 P 0 . 8 1 2 I （ 2） t=(0.130) (-0.252) (7.571) R=0.807 P 值 =(0.897) (0.802) (0.000) 2R =0.651 2R =0.629 F=29.815 F 值的 P 值 =0.000 对于 20062007 年期间的方程 ： t t tC 6 . 2 3 6 0 . 0 2 5 P 0 . 8 7 4 I （ 3） t=(0.431) (-0.230) (7.957) R=0.884 P 值 =(0.671) (0.82

17、0) (0.000) 2R =0.781 2R =0.761 F=37.546 F 值的 P 值 =0.000 比较上面三个方程的回归结果，从三个方程的 R 值， 2R 值以及 2R 值来看，似乎都较好地拟合了现实情况。同时可以看到，方程 (2)、方程 (3)中，变量 tP 的回归系数绝对值都非常接近，并且符号一致，对于变量 tI 也一样。 再分别对三个方程 的参数进行 t 检验。由上面的回归结果容易知道， 两方程中变量 tI的估计参数地通过了 t 检验，在统计上是显著的。但变量 tP 的估计参数从 t 值的 P 值来看却 都不能通过 t 检验。在这种情况下，三个时期内，我国股票市场都是不存在

18、财富效应的，也就是说， 消费的变化与股票价格的变化没有关系。 4. 对初步模型进行 修正 根据上面的初步讨论，可以看到初步模型不具足够的说服力。这是因为，上面三个方程仅对各变量进行一阶差分研究，而一阶差分反映的只是变 量的绝对改变量，它不能反映各变量的相对 变化率，及股票价格变化一 单位时，消费水平是如何变化的，也就是不能反映变量之间的增长率的关系，因此，为得到可靠的的结论，有必要对初步模型进行修正。 4.1 初步模型的修正方程 对 20032007 年的修正方程是 ：ttCC tt tPI 其中，ttCC 代表 2003 年 2007 年间每月城镇家庭人均消费性支出的增长率 ， ttPP 代

19、表这一期间深沪两市每月收盘综合指数的市值加权平均数的增长率 ，ttII 代表这一期间 城镇家庭人均可支配月收入的增长率 ， 、 分别代表变量ttPP 、 ttII 的偏回归系数， t为随机扰动项， 为截距。 对 20032005 年的修正方 程是 ：t t t1 2 3 1t t tC P IC P I t 其中，ttCC 代表 2003 年 2005 年间每月城镇家庭人均消费性支出的增长率， ttPP 代表这一期间深沪两市每月收盘综合指数的市值加权平均数的增长率 ，ttII 代表这一期间城镇家庭人均可支配月收入的增长率， 2 、 3 分别代表变量 ttPP 、 ttII 的偏回归系数， 1t

20、为随机扰动项， 1 为截距。 对 20062007 年的修正方程是 ：t t t1 2 3 2t t tC P IC P I t 其中 ，ttCC 代表 2006 年 2007 年间每月城镇家庭人均消费性支出的增长率， ttPP 代表这一期间深沪两市每月收盘综合指数的市值加权平均数的增长率，ttII 代表这一期间城镇家庭人均可支配月收入的增长率， 2 、 3 分别代表变量 ttPP 、 ttII 的偏回归系数， 2t为随 机扰动项 ， 1 为截距。 可以看到，对三个方程的修正主要是用增长率代替原来的一阶差分值。从严格意义上来说，增长率分为动态增长率和静态增长率，本文 所采用的是静态增长率。对三

21、个变量进行增长率计算的结果可见 附录表五 。 4.2 修正模型的回归结果 对模型进行修正后，采用 SPSS 对数据进行分析 ，得出如下结果： 对 2003 年 2007 年期间的方程 ： t t tt t tC P I( 2.510 03 ) 0.002 0.845C P IE （ 4） t=（ 0.234）（ -0.023）（ 11.778） R=0.845 P 值 =（ 0.816）（ 0.982）（ 0.000） 2R =0.714 2R =0.704 F=70.002 F 值的 P 值 =0.000 对 2003 年 2005 年期间的方程 ： t t tt t tC P I( 2.1

22、46 03 ) 0.046 0.808C P IE （ 5） t=（ 0.164）（ -0.413）（ 7.324） R=0.798 P 值 =（ 0.871）（ 0.682）（ 0.000） 2R =0.798 2R =0.614 F=28.020 F 值的 P 值 =0.000 对 2006 年 2007 年期间的方程 ： t t tt t tC P I( 6.857 03 ) 0.006 0.888C P IE （ 6） t=（ 0.030） (0.053)（ 8.250） R=0.886 P 值 =（ 0.976）（ 0.959）（ 0.000） 2R =0.785 2R =0.764

23、 F=70.002 F 值的 P 值 =0.000 5.修正模型的检验 5.1 方程拟合优度检验 对于三元回归方程，要判断其拟合优度，可以通过计算方程的 2R 值和 R 值来判断，两者的取值范围都在 01 之间 ，越接近 1，方程的拟合效果越好。在方程 (4)、 (5)和 (6)中， 2R 值和 R 值分别是： 0.714， 0.845 ； 0.637， 0.789 ； 0.785， 0.886 ；校正的 2R 值分别是： 0.704， 0.614， 0.764。比较三个方程的 2R 值以及校正的 2R 值，方程 (6)的拟合效果最好，其次为方程 (4)，最后是方程 (5)。无论对于哪个方程，

24、 2R 值以及校正的 2R 值都超过了 0.6，因此可认为三个方程都较好地拟合了现实的情况。 5.2 偏回归系数的假设 检验 参数的假设检验一般有两种方法，置信区间法和显著性检验法。下面将采用置信区间法加以检验 。通过 SPPS 软件计算，在 5%的置信水平下，方程（ 4）中，参数 的置信区间是 -0.263， 0.257， t=-0.023；参数 的置信区间是 0.510， 0.720， t=11.778。对方程（ 5），同样的置信水平下，其参数 2 的置信区间为 -0.674， 0.447， t=-0.413；参数 3 的置信区间为 0.506， 0.897， t=7.324。而方程（ 6

25、）中，在 5%的置信水平下， 2 、 3 的置信区间分别为 -0.405， 0.426和 0.436， 0.730， t 值分别为 0.053 和 8.250。 结合上面求得的各个方程的偏回系数，可以知道，三个方程中的变量ttPP 的 参数不能通过假设检验，即各个区间中都包括了零假设值，因此不能够拒绝零假设，即按照不变价格计算，两市市值加权指数的增长率对城镇家庭人均消费性支出的增长率无影响。同时，变量ttII 的参数都通过了假设检验，因此可以拒绝零假设，即按照不变价格计算，城镇家庭人均可支配月收入的增长率对城镇家庭人均消费性支出的 增长率 影 有影 响。 5.3 联合假设检验 从上面我们可以知

26、道 三个方程的各个 偏回系数部分通过假设检验。在多元回归方程中，各个偏回归系数各自在统计上显著与否不能说明联合或者同时 在统计上也是显著的，因此，需要进行联合假设检验 ，以表明多个变量一起对因变量是否有影响。 本文采用的是三变量模型，属于多元回归 方程，因此，必须对三个方程的参数进行联合假设检验。首先讨论方程 (4)。考虑零假设： 0H0： 对方程 (4)进行方差分析， F 服从分子自由度为 2，分母自由度为 n-3=56（样本容量为 59，n=59）的 F 分布。其 F 值为 70.002， F 值的 P 值为 0.000。根据 F 检验的判断原理，我们可以判断方程 (4)的两个参数通过了联

27、合假设检验，拒绝了零假设。因此， 按照不变价格计算，城镇家庭人均可支配月收入的增长率和两市市值加权指数的增长率这两个变 量是统计显著的，对城镇家庭人均消费性支出有影响。同理，对于方程 (5)、 (6)，其 F 值分别为 28.020，38.321； F 值的 P 值均为 0.000，因此方程 (5)、 (6)也同样能够通过联合假设检验。 6.分析总结及建议 6.1 分析总结 结合以上检验，在这里把方程 (4)、 (5)和 (6)的回归结果作简单的总 结。 回归结果总结 (表二 ) 常数项 ttPP 系数 t 值 ttII 系数 t 值 F 值 2R 值 方程（ 4） 2.510E-03 -0.

28、002 -0.023 0.845 11.778 70.002 0.714 方程（ 5） 2.146E-03 -0.046 -0.413 0.808 7.324 28.020 0.637 方程（ 6） 6.857E-03 0.006 0.053 0.888 8.250 38.321 0.785 根据以上的回归结果及其检验的结果，方程 (6)变量 ttPP的系数与方程 (4)、 (5)相反，但由于三个方程中，变量 ttPP的估计参数都不能通过 t 检验，因此，无论其大小是多少、符号方向如何，在统计上都是毫无意义的。另一方面，从联合假设检验的结果来看，三 个 方程都通过了 F 检验，由此认为，三个方

29、程 的回归结果都是较为真实的。换句话说，股票价格的增长率对消费支出的增长率没有影响，但是消费支出的增长率主要受可支配收入的增长率的影响，可支配收入每增加 1%，消费支出就分别 增加 0.845%， 0.808%和 0.888% ，无论是仅考虑变量一阶差分初步模型还是考虑变量增长率的修正模型，进行回归所得结果和结论都是一样的。因此，我 们可得出， 在 2003 年 2007 年、 2003 年 2005 年和 2006 年 2007 年这三个时间段， 我国股票市场 不存在财富效应。 在国内相当一部分学者研究证实中国股票市场存在财富效应。但是，本文的结论表明在研究的三个时间段中 我国股市 都是不存

30、在财富效应的。比较本文研究与国内研究， 首先， 会发现两者收集的数据是 完全 不同的 ，国内研究的都是采用年度数据，而本文采用的是月度数据， 数据相对比较精细。其次，在股票指数处理上，国内研究大多采用深沪指数，没有对两市市值 做加权平均。再次，大部分研究仅对数据做一阶差分处理，并没有考虑变量的增长率。而本文在做一阶差分进行回归的基础上，引入变量的增长率对模型进行修正。因此，我认为得出与国内研究完全不同的结果也是具有可信性的。 6.2 政策建议 从以上的分析中，我们知道要使中国股票市场具有财富效应，并把其作为货币政策传导的有效渠道之一，应该从以下几方面进行改进： 首先，要加快股票市场的发展与股权

31、改革，提高股票市场的深度和广度。其次，要加强对投资者的监督 与引导。再次，监证会在审批上市公司申请时，应注意筛选优质的公司，提高上市公司的透明度。 参考文献 1. 吕立新 .财富效应论 M中国工商出版社 ,2006 2. 刘建江 . 股票市场财富效应研究 M中国经济出版社 ,2001 3. 李振明 .中国股市财富效应的实证研究 M.经济学 ,2001 4. 吴世农等 .中国股票市场风险研究 M中国人民大学出版社 ,2003 5. 邹昊平，唐利民，袁国梁 .政策性因素对中国股市的影响 J,2000 6. 刘仁和 .中国股票市场的系统风险与回报研究 J中国经济出版社 ,2008 7. 李学峰 .投

32、资者行为选择与资本主义市场 M中国财政经济出版社 ,2006 8. 刘建江，财富效应、消费函数与经济增长，当代财经， 2002 年第七期 （数据来源：中国经济统计数据 库 ） 附录表 （表一） 城镇家庭人可支配收入（当月数） 日期 可支配月收入 -当月数（元） 按不变价格，可支配月收 入 -当月数（元） CPI（上月 =100） 2003 年 1月 728.29 720.37 101.1 2003 年 2月 990.62 981.78 100.9 2003 年 3月 635.59 639.43 99.4 2003 年 4月 642.03 643.32 99.8 2003 年 5月 650.41

33、 654.99 99.3 2003 年 6月 653.96 661.90 98.8 2003 年 7月 660.37 663.69 99.5 2003 年 8月 672.37 667.70 100.7 2003 年 9月 713.26 704.80 101.2 2003 年 10月 693.01 686.53 100.9 2003 年 11月 685.29 678.50 101.0 2003 年 12月 747.00 742.54 100.6 2004 年 1月 963.04 952.56 101.1 2004 年 2月 963.43 965.36 99.8 2004 年 3月 712.08

34、709.95 100.3 2004 年 4月 716.50 712.94 100.5 2004 年 5月 734.41 735.15 99.9 2004 年 6月 724.34 729.45 99.3 2004 年 7月 737.66 739.14 99.8 2004 年 8月 742.79 737.63 100.7 2004 年 9月 776.93 768.48 101.1 2004 年 10月 779.72 779.72 100.0 2004 年 11月 760.26 762.55 99.7 2004 年 12月 809.63 808.82 100.1 2005 年 1月 897.56 892.21 100.6 2005 年 2月 1239.57 1217.65 101.8 2005 年 3月 800.40 807.67 99.1 2005 年 4月 800.01 802.42 99.7 2005 年 5月 817.44 819.08 99.8