【文章內(nèi)容簡介】 00 01 02 03 04 05 06 07 08股票成交量 市盈率 6810121400 01 02 03 04 05 06 07 08股票價(jià)格 貨幣發(fā)行量 圖 1 20212021 年 股票成交額與市盈率走勢(shì) 圖 2 20212021年 股票價(jià)格與貨幣發(fā)行量走勢(shì) 實(shí)證分析方法 為了避免模型出現(xiàn)偽回歸的現(xiàn)象，在本研究中首先利用 Dickey 和 Fuller（ 1981）提出的考慮殘差序 列 相關(guān)的 ADF 單位根檢驗(yàn)法，檢驗(yàn)變量的平穩(wěn)性，若變量為非平穩(wěn)的，則對(duì)其進(jìn)行差分處理使變量數(shù)據(jù)成為平穩(wěn)時(shí)間序列。如果變量是 同階 單整的，利用 Engle 和 Granger（ 1987）提出的協(xié)整檢驗(yàn)確定變量之間的長期關(guān)系。如果兩個(gè)或兩個(gè)以上的變量（含有單位根的變量）的線性組合能構(gòu)成平穩(wěn)的時(shí)間序列，則稱這些變量具有協(xié)整關(guān)系。檢驗(yàn)協(xié)整關(guān)系的常用方法有 EG 兩步法檢驗(yàn)和 Johansen 提出的協(xié)整檢驗(yàn)（ JJ 檢驗(yàn)），本文將采用 后 一種方法來檢驗(yàn)變量之間的協(xié)整關(guān)系。得出協(xié)整檢驗(yàn)的結(jié) 果以后，如果變量之間存在協(xié)整關(guān)系，就建立誤差修正模型（ ECM）進(jìn)行短期因果關(guān)系分析 。 最后進(jìn)行脈沖響應(yīng)分析，衡量來自擾動(dòng)項(xiàng)的一個(gè)標(biāo)準(zhǔn)差沖擊對(duì)內(nèi)生變量當(dāng)前和對(duì)未來取值的影響；如果變量之間不存在協(xié)整關(guān)系，就利用變量的差分進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)（ Granger Causality Test）。格蘭杰因果關(guān)系的基本原理是，當(dāng) X1 和 X2兩個(gè)變量間在時(shí)間上有先導(dǎo) — 滯后關(guān)系時(shí)，如果變量 X2 的過去行為在影響變量 X1 的當(dāng)前行為，則說變量 X1 是由變量 X2 格蘭杰原因引起的。格蘭杰因果關(guān)系檢驗(yàn)對(duì)滯后期 西 南 大 學(xué) 學(xué) 士 學(xué) 位 論 文 7 長度的選擇有時(shí)很敏感，滯后期長度 的影響直接影響檢驗(yàn)的功效。如果滯后期數(shù)隨機(jī)取得，會(huì)導(dǎo)致檢驗(yàn)結(jié)果錯(cuò)誤。在本項(xiàng)研究中，最優(yōu)滯后期的確定是按 Akaike info criterion評(píng)價(jià)標(biāo)準(zhǔn)（ AIC）確定的。 實(shí)證 檢驗(yàn) 結(jié)果 與 分析 單位根檢驗(yàn) 本研究利用 軟件，對(duì)各變量進(jìn)行單位根檢驗(yàn)，以確定變量的平穩(wěn)性。首先對(duì)各變量進(jìn)行季節(jié)調(diào)整，剔除季節(jié)因素對(duì)數(shù)據(jù)的影響，然后將成交額，市盈率，股票平均價(jià)格和貨幣發(fā)行量分別取 自然 對(duì)數(shù)，分別用 CJL、 SYL、 GJ 和 HB 表示。通過檢驗(yàn)發(fā)現(xiàn) CJL、 SYL、 GJ 和 HB 均為 非平穩(wěn)變量。用 差 分法對(duì)非平穩(wěn)變量進(jìn)行處理，結(jié)果見表 1。 其中 △ CJL、△ SYL、△ GJ 和 △ HB 分別表示對(duì)相關(guān)變量取一階差分值。經(jīng)過一階差分處理后所有數(shù)據(jù)序列在 5%顯著水平下都是平穩(wěn)的，所以他們都是一階單整的。 表 1 單位根檢驗(yàn) Table1 Unit root test 變 量 檢驗(yàn)類型 滯后階數(shù) ADF 值 顯著水平（零界值） CJL 含常數(shù)項(xiàng) 0 5%（ ） △ CJL 含常數(shù)項(xiàng) 1 5%（ ） SYL 含常數(shù)項(xiàng) 0 5%（ ） △ SYL 含常數(shù)項(xiàng) 1 5%（ ） GJ 含常數(shù)項(xiàng) 0 5%（ ） △ GJ 含常數(shù)項(xiàng) 1 5%（ ） HB 含線性趨勢(shì)項(xiàng)和常數(shù)項(xiàng) 0 5%（ ） △ HB 不 含線性趨勢(shì)項(xiàng)和常數(shù)項(xiàng) 1 5%（ ） 協(xié)整檢驗(yàn) 由于上述各項(xiàng)指標(biāo)均是一階單整序列，這些指標(biāo)可能存在某種平穩(wěn)的線性組合，從而反映變量間可能存在長期穩(wěn)定的協(xié)整關(guān)系。由于是多個(gè)變量，因此，我們選用Johansen 檢驗(yàn)（ JJ 檢驗(yàn)）來判斷他們之間是否存在協(xié)整關(guān)系，并進(jìn)一步確定相關(guān)變量之間符號(hào)關(guān)系。 Johansen 協(xié)整檢驗(yàn)是一種基于自回歸（ VAR）模型的檢驗(yàn)方法，在進(jìn)行檢驗(yàn)之前，必須首先確定 VAR 模型結(jié)構(gòu)。有單位根檢驗(yàn)可知， CJL、 SYL、 GJ、 HB時(shí)間序列多數(shù)只含常 數(shù)項(xiàng)不含線性趨勢(shì)項(xiàng)，我們選擇 VAR 模型和協(xié)整方程 中 包含常數(shù)項(xiàng)。為保持合理自由度同時(shí)又消除誤差項(xiàng)的自相關(guān)，根據(jù) AIC 統(tǒng)計(jì)量確定最優(yōu)滯后期 西 南 大 學(xué) 學(xué) 士 學(xué) 位 論 文 8 階數(shù)為 2，其殘差序列具有平穩(wěn)性。在此基礎(chǔ)上進(jìn)行了 Johansen 協(xié)整檢驗(yàn)，檢驗(yàn)結(jié)果見表 2： 表 2 Johansen 協(xié)整檢驗(yàn)結(jié)果 Table2 Johansen cointegration test results 零假設(shè) 協(xié)整向量的數(shù)目 特征值 跡統(tǒng)計(jì)量 臨界值 5%顯著水平下 1%顯著水平下 0 個(gè) ** 至多 1 個(gè) ** 至多 2 個(gè) 至多 3 個(gè) 由表 2 可知，協(xié)整結(jié)果表明，在 2021— 2021 年的樣本區(qū)間內(nèi)， CJL、 SYL、 GJ、HB 這四個(gè)變量之間在 1%的顯著水平下存在兩個(gè)協(xié)整關(guān)系，取其較為顯著的協(xié)整關(guān)系進(jìn)行分析， 根據(jù)誤差修正模型得到的協(xié)整向量為： ? ?0 2 7 4 9 ,2 1 4 2 2 ,1 8 3 3 4 ,0 2 0 7 2 ,0 0 0 ????? 則四個(gè)變量之間的協(xié)整方程為： CJLt=++ [ ] [ ] [] [] 該回歸方程表明了在 2021— 2021 年上述四個(gè)變量之間存在長期均衡關(guān)系，從中可以發(fā)現(xiàn)， 2021— 2021 年市盈率與股票成交量具有負(fù)向作用關(guān)系，而股票平均價(jià)格和貨幣發(fā)行量呈現(xiàn)正向作用關(guān)系。這說明在 2021— 2021 年期間股票平均價(jià)格和貨幣發(fā)行量的增長，有助于 提高股票成交量；而隨著中國股票市場(chǎng)的逐漸成熟，市盈率的增長反而成為了股票成交量增長的不利因素。這可能是因?yàn)槲覈墒械氖杏势毡槠?，由?shù)據(jù)可知，在 2021— 2021 年期間， 2021 年 10 月的 A 股市場(chǎng)市盈率最高達(dá)到 倍，是歐美國家一般市盈率水平的 3～ 4 倍。在如此高的市盈率下，許多投資 者也意識(shí)到了其中的風(fēng)險(xiǎn)并沒有一味的跟風(fēng)炒作，所以當(dāng)市盈率升高時(shí)成交量反而下降。當(dāng)股票價(jià)格上漲時(shí)，投資者預(yù)計(jì)牛市到來，紛紛跟進(jìn)，所以股票價(jià)格對(duì)股票成交量起到促進(jìn)作用。對(duì)于貨幣發(fā)行量的實(shí)證結(jié)果與李云濤（ 2021）的研究結(jié)果相似，他在淺析我國股票成交量的影響因素及其相關(guān)性一文中指出由回歸分析表明，股票成交量與貨幣 M2供應(yīng)量同比增長率為正相關(guān)關(guān)系。 西 南 大 學(xué) 學(xué) 士 學(xué) 位 論 文 9 建立誤差修正模型 在確定了 CJL 與 SYL、 GJ、 HB 之間的長期均衡關(guān)系后，可進(jìn)一步利用誤差修正模型反映變量之間的短期動(dòng)態(tài)關(guān)系。首先分別對(duì) CJL、 SYL、 GJ 和 HB 取一階差分項(xiàng) ， 建立誤差模型進(jìn)行回歸估計(jì) ，結(jié)果見表 3。 表 3 誤差修正模型結(jié)果 Table3 Error correction model results Cointegrating Eq: CointEq1 DLCJLSA(1) DLSYLSA(1) () () DLGJSA(1) () () DLHBSA(1) () () C Error Correction: D(DLCJLSA) D(DLSYLSA) D(DLGJSA) D(DLHBSA) CointEq1 () () () () () () () () D(DLCJLSA(1)) () () () () () () () () D(DLCJLSA(2)) () () () () () () () () D(DLSYLSA(1)) () () () () () () () () D(DLSYLSA(2)) () () () () () () () () D(DLGJSA(1)) ()