關(guān)于深證行業(yè)類指數(shù)的VEC模型實(shí)證分析

　　【摘要】 文章通過對深證行業(yè)類指數(shù)中的制造類（399130）、食品類（399131）、金融類（399190）、地產(chǎn)類（399200）指數(shù)從2001年7月到2009年12月的數(shù)據(jù)樣本進(jìn)行分析和處理，建立了一個多變量向量誤差修正模型（VEC），并且通過樣本內(nèi)預(yù)測較好地?cái)M合了近十年來深證這4類重要指數(shù)之間的關(guān)系，同時通過Granger因果關(guān)系檢驗(yàn)進(jìn)一步揭示了各指數(shù)之間存在的Granger因果關(guān)系。
　　【關(guān)鍵詞】 深證行業(yè)類指數(shù)； VEC模型； EViews
　　
　　一、引言
　　我國股票市場經(jīng)歷了十多年的發(fā)展，已經(jīng)具有一定的規(guī)模，而滬深股市行情也一直是眾多股民和證券市場專家、國內(nèi)學(xué)者關(guān)心的熱點(diǎn)。對于滬深股票市場之間、各行業(yè)類股票之間國內(nèi)學(xué)者也作了一些研究。朱宏泉等（2001年）借助Granger因果關(guān)系的思想從收益率和波動性方面研究了香港、上海和深圳三個股市間的相互聯(lián)系與互動性，結(jié)果表明滬深股市收益率與波動性間存在很強(qiáng)的相關(guān)性，滬深股市的變化受香港股市等外來因素的影響很小，深圳股市對上海股市存在著顯著的Granger因果關(guān)系的研究。陳守東等（2003年）運(yùn)用Granger因果檢驗(yàn)及GARCH-M模型對滬深兩市的相關(guān)性進(jìn)行分析得出滬深股市收益率之間存在較強(qiáng)相關(guān)性并且都存在顯著的風(fēng)險溢價，而波動性則表現(xiàn)出非對稱的溢出效應(yīng)。洪麗穎（2009年）通過對上證行業(yè)類指數(shù)中的工業(yè)、商業(yè)、地產(chǎn)和公用類指數(shù)的時間序列樣本數(shù)據(jù)進(jìn)行分析和處理，建立向量自回歸（VAR）模型，通過模型分析了上證4類重要指數(shù)的相關(guān)影響與聯(lián)系。
　　上述文章都只是對股票收益序列進(jìn)行擬合而從未對股票指數(shù)進(jìn)行預(yù)測，也沒有進(jìn)行更加復(fù)雜、深入的研究，如建立比較完善的多變量向量誤差修正模型（VEC）。在計(jì)量經(jīng)濟(jì)學(xué)中，自回歸滑動平均（ARMA）模型是使用比較廣泛且著名的時間序列模型之一，這類模型可以很好地體現(xiàn)和描述金融時間序列數(shù)據(jù)尖峰厚尾的特征，其建模主要采用Box-Jenkins的建模思想：1.數(shù)據(jù)變換；2.模型識別（定階）；3.參數(shù)估計(jì)；4.診斷檢驗(yàn)； 5.模型選擇（判斷標(biāo)準(zhǔn)主要有AIC、SC（信息準(zhǔn)則等）。而ARMA模型的建立一般是相對單變量而言，如果考慮幾類變量各自的模型擬合及變量之間的相關(guān)影響與聯(lián)系，就可以采用向量自回歸（VAR）模型或者多變量向量誤差修正模型（VEC）。在此理論基礎(chǔ)上，本文利用深市4類重要的行業(yè)類指數(shù)，即深證制造指數(shù)（399130）、深證食品指數(shù)（399131）、深圳金融指數(shù)（399190）和深證地產(chǎn)指數(shù)（399200），從2001年7月到 2009年12月的數(shù)據(jù)（日收盤價等）來建立多變量向量誤差修正模型（VEC），研究目前我國深證股市上這4類重要行列指數(shù)收益率之間的關(guān)系，進(jìn)一步利用Granger因果關(guān)系檢驗(yàn)得出了其因果關(guān)系，同時利用建立的模型作出了指數(shù)的樣本內(nèi)預(yù)測。本文采用的統(tǒng)計(jì)軟件主要是EViews5.1。
　　二、數(shù)據(jù)描述及實(shí)證分析
　?。ㄒ唬?shù)據(jù)描述
　　本文數(shù)據(jù)來源于搜狐證券網(wǎng)的深市每日行情數(shù)據(jù)（2001年7月到2009年12月每個月第一天的收盤價），主要分析上證這4種行業(yè)分類指數(shù)（分別代表四維向量中的每一單變量）組成的多變量向量誤差修正模型（VEC）模型。由于數(shù)據(jù)為日收盤價，故未考慮季節(jié)調(diào)整或季節(jié)差分（適用月、季度數(shù)據(jù)），且日數(shù)據(jù)的相關(guān)性會較滯后，即相關(guān)的階數(shù)偏高。為便于研究，將日價格轉(zhuǎn)化為日對數(shù)收益率來分析。
　　rt=log（Rt+1）=log（Pt）-log（Pt-1）
　　本文中用r1t，r2t，r3t，r4t分別表示制造指數(shù)、食品指數(shù)、金融指數(shù)、地產(chǎn)指數(shù)的月收益率。
　?。ǘ?shí)證分析
　　1.序列平穩(wěn)性分析
　　下面4圖分別為這4類指數(shù)的日收盤價（橫坐標(biāo)表示時間，縱坐標(biāo)為收盤價，單位元）。通過直觀的圖形分析，這4個序列都是非平穩(wěn)序列。
　　2.單位根檢驗(yàn)
　　利用單位根檢驗(yàn)方法分別檢驗(yàn)4個時間序列的平穩(wěn)性，采用ADF方法對每個序列分別作水平序列和一階差分序列檢驗(yàn)，從檢驗(yàn)結(jié)果可以看出4個時間序列水平序列檢驗(yàn)的P值最小的是0.5589（金融指數(shù)），表明不能拒絕具有單位根的原假設(shè)，各個序列是非平穩(wěn)時間序列；而一階差分序列P值最大為0.00000，基本可以拒絕具有單位根的原假設(shè)，表明是平穩(wěn)時間序列，因此，各個序列均為I（1）過程。
　　3.協(xié)整關(guān)系檢驗(yàn)
　　進(jìn)行協(xié)整關(guān)系檢驗(yàn)之前，首先建立VAR模型，模型的滯后階數(shù)綜合AIC和SC等5個統(tǒng)計(jì)量的值進(jìn)行選擇。經(jīng)過試驗(yàn)發(fā)現(xiàn)在滯后7階時，AIC，SC，LR，F(xiàn)PE，HQ這五個指標(biāo)中有三個認(rèn)為應(yīng)建立VAR（7）模型，故選取滯后階數(shù)為7。
　　VAR模型建立后，檢驗(yàn)?zāi)Ｐ褪欠衿椒€(wěn)。通過檢驗(yàn)可知，該模型的特征根全部在單位圓以內(nèi)，即全部小于1，故可判定該模型是平穩(wěn)的。
　　然后采用Johansen方法進(jìn)行協(xié)整關(guān)系檢驗(yàn)，其檢驗(yàn)結(jié)果如表1所示。檢驗(yàn)結(jié)果表明這四個變量存在兩個協(xié)整關(guān)系。
　　并且由上述協(xié)整檢驗(yàn)結(jié)果易得：
　　存在一個協(xié)整關(guān)系的前提下，有：
　　r1t=0.000959+0.130211r2t+0.673599r3t+0.045064r4t
　　存在兩個協(xié)整關(guān)系的前提下，有：
　　r1t=0.561857r3t+0.265192r4t，r2t=-0.858161r3t+1.690548r4t
　　4.建立VEC模型
　　本文利用2001年1月至2008年12月的月度數(shù)據(jù)做建立模型的樣本數(shù)據(jù)，而2009年的數(shù)據(jù)則用來檢驗(yàn)?zāi)Ｐ偷念A(yù)測能力。在上述VAR模型的基礎(chǔ)上，添加一個協(xié)整約束，建立VEC模型，模型的主要檢驗(yàn)結(jié)果如表2所示。
　　5.Granger因果檢驗(yàn)
　　VEC是一種基于數(shù)據(jù)統(tǒng)計(jì)性質(zhì)建立的模型，是一種非結(jié)構(gòu)化建模的方法，因此有必要通過Granger方法檢驗(yàn)各變量之間的關(guān)系。通過對這四個變量進(jìn)行Granger因果關(guān)系檢驗(yàn)，得結(jié)果如表3所示。
　　從表中結(jié)果可以看出r1t和r4t之間、r2t和r4t之間均沒有Granger因果關(guān)系，而r3t和r4t之間則存在雙向Granger因果關(guān)系，并且r3t對r4t因果關(guān)系更加明顯，同時，r2t是r1t的Granger原因、r1t是r3t的Granger原因、r2t是r3t的Granger原因。
　　6.模型預(yù)測
　　應(yīng)用前文中所建立的VEC模型，對2009年各月指數(shù)的月收益率進(jìn)行預(yù)測，并與實(shí)際值對應(yīng)比較，得出結(jié)果如表4所示。由表中結(jié)果可知，模型的預(yù)測效果比較好，且在2009年8月前預(yù)測很準(zhǔn)確。
　　
　　三、結(jié)論及不足之處
　?。ㄒ唬┙Y(jié)論
　　本文通過對深證4種重要的行業(yè)類指數(shù)——制造類（399130）、食品（39913）、金融類（399190）和地產(chǎn)類（399200）從2000年7月到2009年12月的數(shù)據(jù)樣本進(jìn)行分析和處理，建立了一個多變量向量誤差修正模型（VEC），并且對各指數(shù)進(jìn)行了格蘭杰因果關(guān)系檢驗(yàn)。
　　由分析結(jié)果來看深證這4類重要指數(shù)的相關(guān)影響與聯(lián)系較好地應(yīng)用了金融時間序列分析和計(jì)量經(jīng)濟(jì)學(xué)中的分析模型——向量誤差修正模型（VEC），將此模型應(yīng)用到實(shí)證分析中，對深市股票的波動預(yù)測有一定的實(shí)際指導(dǎo)意義。對深證行業(yè)類4種指數(shù)建立VEC模型可以很好地了解各指數(shù)的波動結(jié)構(gòu)及相互間的影響，可以看到金融類指數(shù)和地產(chǎn)類指數(shù)之間互相推動，并且金融類指數(shù)的推動作用更加明顯，食品類指數(shù)單向影響制造業(yè)指數(shù)，而制造業(yè)指數(shù)則和食品類指數(shù)共同作用于金融類指數(shù)。
　　本文作為拋磚引玉，有利于各行業(yè)類指數(shù)甚至是各指數(shù)之間的關(guān)系得到更多的關(guān)注和研究，對于股票市場的波動預(yù)測有一定的實(shí)際指導(dǎo)意義。
　?。ǘ┍疚牡牟蛔阒?br/>　　1.樣本數(shù)據(jù)不盡完全。本文在建立VEC模型時采用的是2000年7月到2008年12月的數(shù)據(jù)。雖然樣本量符合要求，但是對于金融時間序列而言，樣本量越大，所能挖掘的信息越多，所以，如何取得更多有效數(shù)據(jù)將成為今后研究的主題。
　　2.滯后期的選擇帶有主觀性。本文綜合考慮AIC、SC等五個信息統(tǒng)計(jì)量，在滯后期為7時，其中三個統(tǒng)計(jì)量取到最小值，故取滯后期為7，但其他兩個統(tǒng)計(jì)量并不是最小，所以如何選擇一個更客觀的滯后期將是后續(xù)研究需改進(jìn)的地方之一。
　　3.在協(xié)整檢驗(yàn)時，對于各序列之間的關(guān)系趨勢的確定帶有很強(qiáng)的主觀因素。本文根據(jù)經(jīng)驗(yàn)，選擇Johansen檢驗(yàn)的第三種情況，也就是：序列有均值和線性趨勢，協(xié)整方程只有截距項(xiàng)這一前提條件進(jìn)行Johansen檢驗(yàn)。如何更加準(zhǔn)確地確定協(xié)整方程也是今后研究需要注意的問題。
　　
　　【參考文獻(xiàn)】
　?。?］ 陳守東，等.中國滬深股市收益率及波動性相關(guān)分析［J］.金融研究，2003（5）.
　　［2］ 洪麗穎.關(guān)于上證行業(yè)類指數(shù)的VAR模型實(shí)證分析［J］.統(tǒng)計(jì)與教育，2009（117）.
　?。?］ Danodar N Gujarati.計(jì)量經(jīng)濟(jì)學(xué)基礎(chǔ)［M］.林少宮，譯.北京：人民大學(xué)出版社，2005：752-753.
　　［4］ 張明麗，薛永剛.基于VEC模型的股票市場與經(jīng)濟(jì)發(fā)展關(guān)系的實(shí)證研究［J］.粵港澳市場與價格，2009（5）.
　?。?］ Ruey S. Tsay.金融時間序列分析（第1版）［M］.潘家柱，譯.北京:機(jī)械工業(yè)出版社，2006.
　?。?］ 易丹輝.數(shù)據(jù)分析與EViews應(yīng)用［M］.北京：中國統(tǒng)計(jì)出版社，2002：178-179.
　　［7］ 張曉峒.EViews使用指南與案例［M］.北京：機(jī)械工業(yè)出版社，2007.
　　［8］ 高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模EViews應(yīng)用及實(shí)例［M］.北京：清華大學(xué)出版社，2006：154-155.
　?。?］ 朱宏泉，等.中國股市的Granger因果關(guān)系分析［J］.管理科學(xué)學(xué)報，2009（5）.