常熟理工学院毕业设计(论文)
3.实证研究
3.1 样本数据的选择
本文首先选取2008年1月～2010年12月不同口径的货币供应量数据，用于建立货币供应量自回归模型。然后选取2008年1月～2010年12月的上证指数、深证成指、沪深300指数、IT指数、采掘指数、传播指数、地产指数、电子指数、纺织指数、服务指数、机械指数、建筑指数、金融指数、金属指数、木材指数、农林指数、批零指数、石化指数、食品指数、水电指数、医药指数、运输指数、造纸指数与综企指数数据，货币供应量为流通中的现金月末余额、狭义货币月末余额、广义货币余额月末余额（M0）（M1）（M2）（数据均为涨幅数据）进行相关分析及回归分析。数据主要来源于国家统计局、中国人民银行统计月报、同花顺和南京证券股票软件。
3.2 对不同口径货币供应M0、M1、M2 建立时间序列模型并作出预测
3.2.1 我国2008年1月份到2010年12月份货币供应量时间序列特征分析
利用EVIEWS5.0 软件对我国2008年1月到2010年12月货币供应量的时间序列数据
进行分析。将数据绘制成线图, 如图1所示 从2008年1月到2010年12月份我国的流通中的现金较为平稳，狭义货币供应量（M0）、广义货币供应量都呈（M1）（M2）现出渐增的趋势。M1的增长情况较为稳定，而且涨幅并不大，狭义货币供应量呈现出稳中稍有增加的趋势。但在2008年10月时，广
义货币供应量M2增长突然增速呈现迅速增长趋势，而且这种增势持续至今，原因是受到2008年金融危机的影响，货币政策方面采取了一系列放松银根、刺激需求的政策，增大了货币的供应量。总体来看从2008 年1月到2010 年12月之间我国的货币供应量都不存在明显的指数趋势也不存在季节趋势。 3.2.2 序列的平稳性判断
6
常熟理工学院毕业设计(论文)
利用ADF方法检验我国不同口径货币供应量的平稳性。应用EVIEWS5.0软件对的显著性水平下，M0、M1、M2进行单位根检验，检验结果见表1。在?=0.05M0、M2水平项是平稳的，M1序列的水平项是非平稳序列；经过一阶差分后，?M1序列平稳。
表1 ADF检验结果
变量 ADF检验值 检验类型(C ,T,K) 临界值（α=5％） -4.402881 -2.967366 -3.759866 -6.108788 (C,T,0) (C,T,0) (C,T,3) （C,N,0） -3.544284 -3.544284 -3.557759 -2.951125 M0 M1 M2 ?M1 注: 表1各变量平稳性检验结果（检验类型中的C、T、K分别表示单位根检验中的常数项、时间趋势项和滞后阶数；N表示不包括C或T。）
3.2.3 建立模型 （1）模型识别
观察序列的自相关和偏自相关图。右图2为序列M0自相关和偏自相关图，该图很明显的可以看出来它的自相关呈现拖尾而偏自相关呈现一阶截尾，根据Box-Jenkins建模思想，可以将变量序列M0设定为AR(1)模型。
7
常熟理工学院毕业设计(论文)
同样左图3序列
M2的自相关和偏自相关图，它的自相关也呈现拖尾而偏自相关呈现二阶截尾，同样根据Box-Jenkins建模思想，可以对变量序列M2设定为AR(2)模型。
但序列M1水平值是非平稳的，不能直接运用Box-Jenkins方法进行建模。不过通过 多种模型的比较分析也可以对其建立存在截距项的一阶自回归模型。 (2)模型参数的估计及运用模型进行预测
表2 模型参数估计结果
自变量Yt-1、Yt-2 t自回归模型 F D.W Theil 因变量Yt2拟合优度R（a代表随机扰动项） Yt?1.01YM0(?1)t?1+at M 74.21% 98.08 1.98 0.03 0M1(?1) MYt?-2727.99?1.03Yt?1?at 99.02% 3318.02 2.14 0.01 1 MM2(?1)、M2(?2)2Yt?1.25Yt?1-0.24Y 99.63% 561.32 2.03 0.01 t?2+at从表2可以看出三个模型对序列的拟合程度都比较好，模型也都比较显著，D.W值均很接近2说明模型不存在自相关。模型预测的好坏可以通过观察Theil不等系数进行判断,从表2可以看到三个模型的Theil不等系数都接近0，说明每个模型的预测精度都很好。
利用以上模型预测2011年1月的不同口径的货币供应量分别为44865.41、272017.12、738296.88，实际2011年1月不同口径货币供应量分别为58063.94、261765、733884.8。.由此可以看出模型的预测效果还是比较好的。
8
常熟理工学院毕业设计(论文)
3.3 相关分析及回归分析
通过计算不同口径的货币供应量涨幅与上证指数、深证成指、沪深300指数及各行业股票指数涨幅的相关系数，可以看出三种不同口径的货币供应量涨幅与股票指数涨幅的相关性程度是不相同的。其中货币供应量涨幅与上证指数、IT指数、传播指数、木材指数、造纸指数涨幅的相关系数相对较高，在此基础上可以判断货币供应量与股票指数确实存在一定的相关性。但货币供应量涨幅和不同行业的股票价格涨幅的相关性却不同。
从相关系数还可以看出不同口径的货币供应量涨幅与各行业股票价格涨幅的相关程度并不同。由相关系数知广义货币供应量涨幅与各行业股票价格涨幅的相关性最强，狭义义货币供应量涨幅与流通中的现金涨幅与股票价格涨幅的相关性稍弱之。在这个初步判断的基础上，可进一步做线性回归。在此本文选择上证指数、IT成指、传播指数、木材指数、造纸指数涨幅数据，对广义货币供应量涨幅与这三个行业股票指数涨幅进行相关分析和回归分析。 3.3.1 相关分析
广义货币供应量涨幅与上证指数、IT指数、传播指数、木材指数、造纸指数涨幅相关系数分别为0.3311、0.4384、0.3499、0.3968，0.3617，可以看出广义货币供应量M2涨幅和股指涨幅具有一定的相关性。在这个初步判断的基础上，本文进一步对广义货币供应量涨幅与股指涨幅进行回归分析。 3.3.2 回归分析
回归分析的过程可以总结为以下几个方面。 (1)变量的单位根检验
时间序列数据一般都是非平稳的，存在时间趋势，如果不对其进行平稳性分析就直接进行回归的话，很可能会出现“伪回归”。如果变量通过“单位根”检验，是平稳序列，则可以对序列直接进行回归分析。如果变量通过“单位根”检验后，是非平稳时间序列，则可行一步进行协整检验。
利用EVIEWS5.0 软件对广义货币供应量、上证指数、IT指数、传播指数、木材指数、造纸指数涨幅序列进行平稳性检验。检验方法为利用ADF检验时间序列数据是否具有单位根效应。检验结果如表3。
9
常熟理工学院毕业设计(论文)
表3 单位根检验结果 检验类型变量（涨幅） ADF检验值 (C ,T,K) 临界值（α=5％） M2 -3.0946 上证指数 -5.8942 IT指数 -5.4032 传播指数 -6.6096 木材指数 -2.1458 造纸指数 -5.0196 (C,N,3) (N,N,0) (N,N,0) -2.9571 -1.9507 -1.9507 (N,N,0) -1.9507 (N,N,4) -1.9521 (N,N,0) -1.9507 注: 表3各变量平稳性检验结果（检验类型中的C、T、K分别表示单位根检验中的常数项、时间趋势项和滞后阶数；N表示不包括C或T。）
在?=0.05的显著性水平下，M2、上证指数、IT指数、传播指数、木材指数、造纸指数的涨幅序列均通过了平稳性检验。因为序列均为平稳序列，所以可以直接运用EVIEWS软件对序列进行回归分析。 (2)建立回归模型并进行回归分析
以广义货币供应量涨幅作为自变量，各股指涨幅作为因变量，运用EVIEWS软件建立回归模型，回归结果如下表4。
表4 回归模型
自变量Xt因变量Yt 回归模型（u代表误差项） 回归系数t值 拟合优度R2 D.W tM2 上证指数 Yt??5.4706?2.8989Xt?ut 2.0460 2.8441 2.1780 2.5210 2.2624 0.1096 2.32 0.1922 2.40 0.1224 2.52 0.1575 2.18 0．1309 2.07 Yt?-6.1067? 4.5683Xt?utM2 IT指数 Yt?-5.3553+3.6420Xt+ut M2 传播指数 Yt??7.0815?4.5603Xt?ut M2 木材指数 M2 造纸指数 Yt??6.1551?3.9270Xt?ut由表4可以看出在?=0.05的显著性水平下，回归系数的t值都拒绝了系数不显著的原假设，可以认为回归系数都是比较显著的，而且回归的参数值都为正数，说明股指涨幅
10