对股票指数与宏观经济关系分析1、研究目的通过研究股票指数走势与宏观经济变化间的变化关系，建立理论模型，来探讨国内股票市场与宏观经济的关系，从而为未来经济决策、以及对股票市场走势的判断和预测提供理论依据。
2、背景介绍自1992年沪、深两市证券交易所成立以来，无论从股票市值总值、流通市值，还是从成交金额等指标来看，中国股票市场都取得了长足的发展。
至2006年3月1日，上海证券交易所股票市价总值达到亿元，流通市值7321亿元，成交金额亿元；与此同时，深圳证券交易所股票市价总值、流通市值和成交金额分别达到亿元、亿元和亿元。
中国股票市场在宏观经济运行中的作用得到空前提高。
但是，自2006年6月起后的一段时间内，无论是上证指数还是深证指数，都发生了与宏观经济持续增长相背离的局面。
沪、深两市综合指数分别从2001年6月2218点和658点降至2006年1月的1258点和307点。
与此同时，宏观经济却保持高速增长。
2001年至2005年，中国的GDP增长率分别是%、%、%、%和%。
根据宏观经济的一般规律，股票市场是经济发展的“晴雨表”。
经济总量的上升将导致更多的资金为了追逐良好的经济收益，进入股票市场，支持股票市场不断走强，从而出现股票指数不断攀升的情况。
然而，中国市场的股票指数走势和宏观经济的发展并不总是保持相同的变化方向，反而出现了相背离现象。
那么，中国股票指数与宏观经济之间是否存在关系成了人们感兴趣的问题。
如果股票指数与宏观经济之间存在关系，那么这种关系是什么，是否遵循宏观经济的一般规律----股票市场是经济发展的“晴雨表”，还是“晴雨表”已经失效。
这就是本研究要解决的问题。
3、指标设计在指标设计方面，根据实际需要经行选择。
宏观经济学的研究对象是国民经济中的总量关系，国内生产总值（GDP）是一个国家范围内一定时期内所生产的最终产品和劳务的市场总价值，因而是最具有代表性的经济总量的指标，所以选择与宏观经济联系密切的GDP进行分析。
对于股票指数的选择，由于我国沪、深两市在实际经济中的表现有时并不一致，所以分别选取股票市场最具代表性的股票指数：上证综合指数和深证综合指数和沪深300指数作为股票价格的代表。
本研究所采用的GDP数据来自国家统计局网站，上证综合指数、深证综合指数和沪深300指数的数据来自搜狐财经网站。
我国沪、深两市交易所成立于二十世纪就是年代初，至今发展二十余年，样本数据不够多，所以上证指数、深证指数和GDP均采用月度数据，样本区间为1995年1月至2013年12月，样本量为228。
考虑到沪深300指数于2005年4月才开始发布，我们选取的样本区间是2006年1月至2013年11月，样本量为95。
由于国家统计局网站公布的GDP数据为年度或季度数据，没有月度数据，所以利用将GDP季度数据转化为月度数据。
（1）国内生产总值(GDP)、国内生产总值是指在一定时期内，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。
它不但可反映一个国家的经济表现，还可以反映一国的国力与财富。
所以它能作为一个国家宏观经济的代表。
（2）上证指数（SHSCI）上证指数即“上证综合指数”-（上海证券综合指数），“上海证券综合指数”是上海证券交易所编制的，以上海证券交易所挂牌上市的全部股票为计算范围，以发行量为权数综合。
上证综指反映了上海证券交易市场的总体走势。
（3）深证指数(SZSCI)深证指数是指由深圳证券交易所编制的股价指数，该股票指数的计算方法基本与上证指数相同，其样本为所有在深圳证券交易所挂牌上市的股票，权数为股票的总股本。
由于以所有挂牌的上市公司为样本，其代表性非常广泛，且它与深圳股市的行情同步发布，它是股民和证券从业人员研判深圳股市股票价格变化趋势必不可少的参考依据。
（4）沪深300（HS300）沪深300指数是由上海和深圳证券市场中选取300支A股作为样本，其中沪市有179支,深市121支。
沪深300指数反映中国证券市场股票价格变动的概貌和运行状况，并能够作为投资业绩的评价标准，为指数化投资和指数衍生产品创新提供基础条件。
4、描述分析图一GDP序列图;图二上证指数、深证指数和沪深300序列图描述统计量）N极小值极大值均值标准差方差GDP228%SHSCI228228》SZSCIHS30095?有效的N （列表状态）95>5、统计分析（1）数据调整对数据进行相应的调整，以消除季节等因素对分析的影响。
对于GDP序列，先采用X11方法消除季节性，然后用Holter-Winter非季节模型进行平滑。
对于上证指数（SHSCI）、深证指数(SZSCI)和沪深300（HS300），采用Holter-Winter非季节模型进行平滑。
以下分别是GDP序列、SHSCI序列、SZSCI和HS300序列调整前后的序列图：图三对数GDP和调整后的对数GDP序列图图四对数上证指数及调整后的上证指数对数序列图图五对数深证指数及调整后的深证指数对数序列,图六对数沪深300及调整后的沪深300对数序列（2）单位根检验对调整的数据再对数化后，进行单位根检验，以判断序列的平稳性。
用Eviews 软件进行ADF检验结果如下：表1 序列LGDP、LSHSCI和LSZSCI的ADF检验^Method Statistic Prob.**~ADF - Fisher Chi-squareADF - Choi Z-stat~** Probabilities for Fisher tests are computed using an asympotic Chi-square distribution. All other tests assume asymptoticnormality.：Intermediate ADF test results GROUP01\}Series g Max Lag ObsLSHSCI 0}14 227LSZSCI 0 14 227LGDP 14￥14 213…从表一可以看出，序列LGDP、LSHSCI和LSZSCI的ADF检验P值分别是，和，比显著性水平5%大，所以不能拒绝序列有单位根的原假设，认为序列存在单位根，是非平稳的。
表2 序列LHS300的ADF检验Null Hypothesis: LOGHS300 has a unit root）t-Statistic：Prob.*(Augmented Dickey-Fuller test statisticTest critical values:1% level【5% level10% level；从表二可以看出，序列LHS300的ADF检验P值是，比显著性水平5%大，所以不能拒绝序列LHS300有单位根的原假设，认为LHS300存在单位根，是非平稳的。
@下面分别对LGDP、LSHSCI、LSZSCI进行差分后的序列DLGDP、DLSHSCI和DLSZSCI进行ADF检验，检验结果如下表所示：表3 序列DLGDP、DLSHSCI和DLSZSCI的ADF检验Cross-sections included: 3、Method Statistic Prob.**ADF - Fisher Chi-square—ADF - Choi Z-stat]** Probabilities for Fisher tests are computed using an asympotic Chi -square distribution. All other tests assume asymptoticnormality.·Intermediate ADF test results D(GROUP01)、>Series g Max Lag ObsDLSHSC 0:14 226DLSZSC 1 14 225DLGDP 11*14 215 ^对LHS300进行差分后的序列DLHS300进行ADF检验，检验结果如下表所示：表4 序列DLHS300的ADF检验Null Hypothesis: D(LOGHS300) has a unit root$t-Statistic^Prob.*。
Augmented Dickey-Fuller test statisticTest critical values:1% level—5% level10% level@从表3和表4可以看出，检验P值都非常小，小于显著性水平5%，所以有充分的理由拒绝序列有单位根的原假设，即不存在单位根，是平稳序列。
故序列LGDP、LSHSCI、LSZSCI和LHS300都是一阶单整序列。
（3）]（4）协整检验协整概念是20世纪80年代由恩格尔和格兰杰提出的。
协整的基本思想认为，尽管两个或两个以上的变量中每个都是非平稳的，但它们的线性组合有可能相互抵销趋势项的影响，是该组合成为一个平稳的变量。
协整理论为两个或两个以上非平稳变量之间寻找均衡关系、以及用存在协整关系的变量建立动态模型奠定了理论基础。
协整检验的常用方法有E-G两步检验法和约翰森检验法。
E-G检验法通常用于检验两变量之间的协整关系。
本文分别检验上证指数、深证综指与GDP的协整关系，所以采用E-G两步检验法。
由单位根检验可知，LGDP、LSHSC和LSZSC 时间序列都是一阶平稳的。
协整检验可以分两步进行第一步协整回归。
用普通最小二乘法（OLS）估计，结果如下：表5 LSHSCI与LGDP协整回归Dependent Variable: LGDPMethod: Least Squares~ Date: 05/21/14 Time: 19:56Sample: 1995M01 2013M12Included observations: 228：` Variable Coefficient Std. Error t-Statistic Prob.…C^LSHSCI>R-squared Mean dependent varAdjusted R-squared {. dependent var. of regression Akaike info criterionSum squared resid Schwarz criterion* Log likelihood F-statisticDurbin-Watson stat Prob(F-statistic))得到LGDP与LSHSCI之间的回归方程：2.924 1.135LGDP LSHSCI=+表6 LSZSCI与LGDP协整回归Dependent Variable: LGDPMethod: Least SquaresDate: 05/21/14 Time: 19:59" Sample: 1995M01 2013M12Included observations: 228^Variable Coefficient<Std. Error t-Statistic Prob.】CLSZSCI。