創(chuàng)業(yè)板市場(chǎng)與主板市場(chǎng)的協(xié)整關(guān)系研究畢業(yè)論文(編輯修改稿)
2025-07-15 05:32 本頁面
【文章內(nèi)容簡(jiǎn)介】 VAR模型中，其中某一個(gè)變量，對(duì)其他相關(guān)的變量來說，能否用來提升預(yù)測(cè)能力，而不是我們從字面上理解的檢驗(yàn)變量之間是否存在原因結(jié)果的關(guān)系。實(shí)際上Granger檢驗(yàn)是為了檢驗(yàn)?zāi)骋粋€(gè)變量的全部滯后項(xiàng)，究竟是不是會(huì)對(duì)其他相關(guān)變量的當(dāng)期值產(chǎn)生影響。假如y的條件分布（根據(jù)和的滯后值來決定）和條件密度（僅根據(jù)的滯后值決定）相同，即那么，可以認(rèn)為對(duì)的格蘭杰非因果性存在。Granger因果檢驗(yàn)?zāi)Ｐ腿缦拢耗敲锤裉m杰非因果性檢驗(yàn)的零假設(shè)為： 誤差修正模型（ECM）要想得到關(guān)于幾個(gè)變量之間的確具有長期穩(wěn)定關(guān)系的結(jié)論，那么必須首先經(jīng)過檢驗(yàn)，確定變量之間具有協(xié)整關(guān)系，并且當(dāng)它們之間的這種長期穩(wěn)定關(guān)系發(fā)生變動(dòng)或偏離穩(wěn)定值時(shí)，要求能夠通過短期的動(dòng)態(tài)過程來進(jìn)行修正。這樣能夠?qū)Ψ磻?yīng)作出短期修調(diào)過程的機(jī)制，在每一組存在協(xié)整關(guān)系的時(shí)間變量序列中都存在，即稱為誤差修正機(jī)制。4 實(shí)證分析與研究 變量的選取與數(shù)據(jù)的來源本文的目的是為了研究我國主板與創(chuàng)業(yè)板相互之間的長期協(xié)整關(guān)系，因此，選取了具有主板市場(chǎng)代表性的上證指數(shù)（SH）及創(chuàng)業(yè)板指（CYB）于2010年6月1日至2012年3月30日時(shí)間段內(nèi)的日收盤價(jià)，作為研究，共444組數(shù)據(jù)。數(shù)據(jù)來源是雅虎英文網(wǎng)站（）。 對(duì)原始數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn) EngleGranger協(xié)整分析方法作散點(diǎn)圖觀察兩者的平穩(wěn)性令創(chuàng)業(yè)板指數(shù)與上證指數(shù)在選定時(shí)間內(nèi)的日收盤價(jià)構(gòu)成兩個(gè)序列，CYB和SH，利用EVIEWS軟件，根據(jù)這兩個(gè)序列的數(shù)據(jù)，畫出散點(diǎn)圖，見圖1。觀察該圖，可以發(fā)現(xiàn)，兩個(gè)序列的走勢(shì)基本一致，都有基本吻合的上升下降的波動(dòng)趨勢(shì)，因此，有理由認(rèn)為長期的協(xié)整關(guān)系可能是存在于這兩者之間的。但是，真正要確切證實(shí)這兩者之間的長期協(xié)整關(guān)系，光根據(jù)散點(diǎn)圖的模糊判斷是不可取的。首先必須先找出CYB和SH兩個(gè)序列的單整階數(shù)，若兩者都是一階單整的，那么，協(xié)整關(guān)系之于這兩個(gè)時(shí)間序列可能是存在的。而若是兩個(gè)序列單整的階數(shù)不一樣，那么還應(yīng)該利用差分的形式，把這兩個(gè)序列轉(zhuǎn)化成一階單整序列。圖1序列SH和CYB的散點(diǎn)圖 CYB與SH的描述統(tǒng)計(jì)結(jié)果表1 CYB與SH的描述統(tǒng)計(jì)結(jié)果CYBSH平均數(shù)中位數(shù)最大值最小值標(biāo)準(zhǔn)差偏度峰度JB統(tǒng)計(jì)量P值初步研究CYB與SH的統(tǒng)計(jì)量結(jié)果，創(chuàng)業(yè)板指數(shù)與上證指數(shù)的日收盤價(jià)在研究時(shí)間內(nèi)，上下波動(dòng)，沒有明顯的上升或下降趨勢(shì)。其中，由平均數(shù)來看，，可見上證指數(shù)的平均股價(jià)要高于創(chuàng)業(yè)板指數(shù)。從中位數(shù)看，在2010年6月1日至2012年3月30日間，，可見創(chuàng)業(yè)板指與上證指數(shù)在所選定時(shí)間段內(nèi)的中間日股價(jià)與平均股價(jià)水平相近，兩個(gè)指數(shù)的股價(jià)波動(dòng)起伏不大。從最大最小值看，在選定時(shí)間段內(nèi)，，，分別反應(yīng)了兩個(gè)指數(shù)的股價(jià)波動(dòng)范圍。由標(biāo)準(zhǔn)差來看，CYB與SH的標(biāo)準(zhǔn)差都比較大，但相對(duì)而言，CYB標(biāo)準(zhǔn)差比SH標(biāo)準(zhǔn)差小的多，因此可以說創(chuàng)業(yè)板指的日收盤價(jià)的離散程度較小，分布相對(duì)較集中。由偏度來看，CYB與SH都是負(fù)偏，由于CYB偏度較大，即說明創(chuàng)業(yè)板指日收盤價(jià)較均值的偏斜程度更大。從峰度值看，CYB峰度值大于SH，可見創(chuàng)業(yè)板指的日收盤價(jià)分布曲線相對(duì)正態(tài)分布曲線而言，更加陡峭。分析以上的統(tǒng)計(jì)量結(jié)果，可以發(fā)現(xiàn)，創(chuàng)業(yè)板指的日收盤價(jià)波動(dòng)性小于上證指數(shù)日收盤價(jià)，且市值相對(duì)較低，這可能是由于創(chuàng)業(yè)板市場(chǎng)推出時(shí)間尚短，存在的不確定因素較多，與發(fā)展較成熟的主板市場(chǎng)相比力量薄弱，因此股價(jià)波動(dòng)趨勢(shì)小于主板市場(chǎng)。 對(duì)序列CYB和SH分別進(jìn)行單位根檢驗(yàn)由于創(chuàng)業(yè)板指數(shù)與上證指數(shù)的市場(chǎng)定位不同，使得兩板市場(chǎng)中上市企業(yè)的運(yùn)營規(guī)模、資金規(guī)模也有很大不同，因此，兩板市場(chǎng)指數(shù)的收盤價(jià)會(huì)有一定差異。因此，在對(duì)這兩個(gè)序列進(jìn)行單位根檢驗(yàn)時(shí)，需要將這兩個(gè)序列的數(shù)據(jù)先取對(duì)數(shù)，而后進(jìn)行ADF檢驗(yàn)。利用EVIEWS軟件，對(duì)序列l(wèi)ncyb和lnsh進(jìn)行ADF檢驗(yàn)。由于從散點(diǎn)圖看，序列l(wèi)ncyb和lnsh并不具有明顯的上升下降趨勢(shì)，因此在做ADF單位根檢驗(yàn)時(shí)，不帶趨勢(shì)項(xiàng)，并根據(jù)SC準(zhǔn)則自動(dòng)選擇滯后階數(shù)。檢驗(yàn)結(jié)果如下表2：由檢驗(yàn)結(jié)果可知，在1%，或5%，或10%的顯著性水平下，序列l(wèi)ncyb、lnsh的ADF檢驗(yàn)值均大于相應(yīng)的臨界值，因此，序列l(wèi)ncyb、lnsh都存在單位根，都是非平穩(wěn)序列。表2 原始序列的ADF檢驗(yàn)結(jié)果變量ADF統(tǒng)計(jì)量1%臨界值5%臨界值10%臨界值檢驗(yàn)結(jié)果lncyb不平穩(wěn)lnsh不平穩(wěn)由于原始序列l(wèi)ncyb、lnsh都是不平穩(wěn)的，因此對(duì)其進(jìn)行一次差分后的ADF檢驗(yàn)，結(jié)果如下表3：表3序列一次差分后的ADF檢驗(yàn)結(jié)果變量ADF統(tǒng)計(jì)量1%臨界值5%臨界值10%臨界值檢驗(yàn)結(jié)果D(lncyb)平穩(wěn)D(lnsh)平穩(wěn)由表3結(jié)果可見，經(jīng)過一次差分后，在1%、或5%、或10%的顯著性水平下，ADF的檢驗(yàn)值均小于相應(yīng)的臨界值，因此，兩個(gè)序列一階差分以后在各個(gè)顯著性水平下都不接受存在單位根的假設(shè)結(jié)論，也就是說，一階差分后，兩個(gè)對(duì)數(shù)序列都不再存在單位根，于是差分后，為平穩(wěn)序列。而又因?yàn)閘ncyb和lnsh都是在一階差分后不存在單位根，所以都是一階單整序列，即I(1)過程。在滿足了以上的單整過程之后，即可以對(duì)這兩個(gè)單整序列間的協(xié)整關(guān)系進(jìn)行進(jìn)一步的檢驗(yàn)，研究二者之間的長期的均衡關(guān)系究竟存在與否。 協(xié)整關(guān)系檢驗(yàn)在對(duì)二者關(guān)系進(jìn)行協(xié)整檢驗(yàn)前，用普通最小二乘法，進(jìn)行變量lncyb對(duì)lnsh的估計(jì)，利用EVIEWS得到如下OLS的回歸結(jié)果，如圖2：Dependent Variable: LNCYBMethod: Least SquaresDate: 05/08/12 Time: 17:20Sample(adjusted): 1 444Included observations: 444 after adjusting endpointsVariableCoefficientStd. ErrortStatisticProb. CLNSHRsquared Mean dependent varAdjusted Rsquared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood FstatisticDurbinWatson stat Prob(Fstatistic)圖2 模型的OLS回歸結(jié)果由圖2中的OLS回歸結(jié)果，可以得到如下回歸方程： 以上回歸方程中，
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1