股指相关数据分析方法的研究与应用

股指相关数据分析方法的研究与应用摘要：随着我国市场经济的发展，我国股票市场正逐步走向正规化，股指对于投资者和学者来说是探讨股票市场的重要工具。本文全面分析了股指的具体统计学特征，探讨我国股票市场的现状。为能够更好地帮助正确认识我国证券市场的波动特征，主要从三个方面探讨股指的波动。首先以上证指数为例研究其统计特征。在模型每一步的最开始都需要进行平稳性检验。采用GARCH模型对上证指数得出指数具有尖峰厚尾、群集性以及长期记忆性。接着引入深证指数这个变量来研究我国股票市场的波动情况，并利用协整关系检验发现沪深股指均较为平稳。最后引入全球主要指数四个变量进行联动性分析，可以得出道琼斯指数是我国股指波动的格兰杰原因， 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明我国股票市场与美国股票市场波动有关联。关键词：GARCH模型尖峰厚尾TARCH模型协整关系联动性ResearchandapplicationofindexdataanalysismethodAbstract:Withthedevelopmentofmarketeconomy,Stockindexhasbeenanimportanttoolforinvestorsandscholarstoexplorethestockmarket.Thispaperanalysestheindexesofspecificdemographiccharacteristicscomprehensively,discussesthecurrentsituationofChinesestockmarket.Inthispaper,consideringthesecuritiesmarketofChinaasarising,thesecondlargestcapitalmarket,wediscussstockindexvolatilitymainlyfromthreeaspects.FirstlywetaketheShanghaicompositeindexforexampletostudythestatisticalcharacteristics.Weneedtohavestationaritytestbeforeeverystepofthemodel.WefirstlyadoptGARCHmodelandwecanconcludethattheShanghaicompositeindexisfeaturedasleptokurtosis&heavy-taield,gregarious,inherited;Thenweintroducetheshenzhenindextostudythevolatilityofthestockmarketinourcountry.WeresearchtheShanghaiandshenzhenindexsmoothrelationsthroughtheestablishmentofTARCHmodel.AndbyusingJohansenco-integrationtestwefindthattheShanghaiandshenzhenstockindexarerelativelystable.Finally,weintroducetheworld'smainindexoffourvariables,withthedomesticShanghaiandshenzhenstockindexcorrelationanalysiscanbeconcludedthatthedowisa格兰杰causeofChina'sstockindexvolatility.Keywords:GARCHleptokurtosis&heavy-taieldTARCHrelationshipcorrelation1.引言1.1课题研究背景及意义我国股票交易市场已经经历了近20年的突飞猛进的成长，取得了举世瞩目的成就，交易主体的结构日趋完善，交易行为日趋规范，交易 制度 关于办公室下班关闭电源制度矿山事故隐患举报和奖励制度制度下载人事管理制度doc盘点制度下载 愈加合理，市场监管也逐步到位，使得我国的股票市场作为全球第二大市值资本市场的投资价值也日益凸显。作为我国的主要股票市场—上海股票市场和深圳股票市场依然属于发展初期的交易机制监管力度都不成熟的股票买卖市场。沪深股票市场与世界上其它许多发展中股票市场一样都有相同的特征，即他们的市场行为受非经济因素（如国家管控）的影响程度较大，经常出现股价大起大落的情况，股票交易情况不平稳，投机性又强。换句话说他们还未形成一个统一性的全国性的股票交易市场，正是建立在这种情况下，本文将运用ARCH模型来对股指进行研究，找出我国股市颠簸的性质从而对我国股票市场进行改良。伴随着证券市场的茁壮成长，证券市场的颠簸性和难以预测性还有风险水平有着重要联系，它是衡量市场规范和效率的重要指标，同时波动性还是证券结构组合理论、资本资产衍生定价模型、套利（非套利）定价模型公式的主要变量[1]。因此，无数投资者还有理论研究着探索金融市场的波动特征这一热点问题。而我国证券金融市场作为一个日益崛起的第二大资本市场，其特征更是备受关注。为了能够更好地帮助我们正确认识我国金融市场的波动情况，争取给达到有效规避市场风险、提升市场监管力度、合理规范市场行为的目的提出建议，本文将在翻阅海内外大量研究文献的前提上，深刻探讨股指的性质和影响成分。首先以上证指数为代表研究指数的尖峰厚尾等特征来掌握指数的相关特性，再通过对我国上证指数的日收益率进行实证研究，来分析我国证券市场的具体特点和总体的波动性。最终通过研究我国股票指数与全球主要金融指标来探究我国资本市场与国际资本市场的波动性，探究我国股市发展的一条道路。1.2国内外研究现状在金融研究中,通常采取方差法来计算资产收益的风险程度和价格不确定性，但方差有悖于人们对于风险水平的客观感受，而且还会低估风险水平。Engle曾在1982年建立了具有时间序列特征的，其主要特点是方差随时间改变而改变的ARCH模型，然后Bollerslev在1986年 总结 初级经济法重点总结下载党员个人总结TXt高中句型全总结.doc高中句型全总结.doc理论力学知识点总结pdf 海内外学者的文献提出了GARCH模型。多元的ARCH模型和GARCH模型里面能够允许有更多的未知参数存在，对于不能用数据说明衡量因素来说具有更好的研究可能性，因此多元的更为常用。而股指这类金融时间序列基本上来说非定量因素对其的影响力更大。而从之前的学者论文里可以发现股指这类时间序列都具有尖峰态和厚尾态的特点，由于当时主要是基于正态分布的假设，并没有对其进行很好的刻画。后来改变这一模型假设使其更加贴近现实，Bollerslev（1987）等人则利用厚尾态的Student-t分布的假设。借鉴海内外学者的文献，本文在t分布和正态分布的假设下，首先借助GARCH(1,1)模型对沪市股票市场的特点进行了计算分析，提出了分布假设对于GARCH模型预测能力产生的影响大小，而且还分析研究了这段时间内股市的不对称效应的具体表现。国外股市较为成熟，国内股市形成时期尚短，而美元作为国际货币，其美元股票市场对中国的股票市场来说起到一个引导作用，因此我们国内的理论学者和投资者主要从我国股市走向全球化的研究视角，依次采取定量分析和定性分析的方法研究中国股市与其他重要国家的股市的联动性，并为我国资本市场全球化的发展能够提供对应的 政策 公共政策概论形成性考核册答案公共政策概论形成性考核册答案2018本科2018公共政策概论形成性考核册答案公共政策概论作业1答案公共政策概论形成考核册答案 建议。比方说在2001年俞世典等人使用美国道格琼斯指数、香港恒生指数等多项世界金融主要股票指数与上证指数的逐日数据[3]；主要股票市场指数的改变趋势具有某种彼此影响的关系。而出现这种现象的主要因素有：世界上其他国家的金融市场的开放水平、汇率利率政策以及股票交易市场的领域大小等。因此本文的后面将细致地探讨国内股票市场与世界上其他重要国家的股票交易市场的联动性。1.3问题的提出由于国外股票市场已然成熟，因此国外学者已经可以对其进行了广泛研究并能够得出了一系列结论。其中有学者提出了重要的观点：许多金融时间序列拥有类似的特点。第一，股票得收益序列通常是平稳的；第二，股票收益序列的平方却能表现出较强的自相关性，这反映了在不同时间上的值存在非线性关系，有的时期呈现类似的高波动性特征，而有的时期却呈现类似的低波动性特征；第三，实证结果表明收益的经验分布表现尖峰和厚尾态特征[5]，而尖峰厚尾的特征表明收益波动剧烈，这表明出现异常事件的可能性比正态分布假设下的出现异常事件发生的可能性要大。第四，坏消息引起的波动比好消息引起的波动要大，此现象学者们解释为不对称信息效应或反馈效应。现如今我国股市已经具有转型经济的特色，拥有独特的股权结构和投资者结构，同时市场机制也存在明显缺陷等。因此首先，本文以上证指数的波动性为例子来实证研究分析我国内地股市的具体的波动特性；其次，本文以上证指数的统计特征为基础，加入深圳指数这个变量探讨沪深指数的相关性，并以此来着重研究我国国内股市的特征；然后，将前两问相结合，融入数个全球重要股指作为参考对象，探讨我国国内股票市场和世界金融股指的联动性；最后基于上述几个问题提出对我国国内股票市场和其监管机制提出不足和建议。1.4论文组织结构本文分为五章。第一章为引言。主要介绍股指相关数据分析的实际应用背景和意义，以及国内外学者在该领域的研究及现状。第二章主要利用GARCH模型的出一系列股指的统计学特征，分析得出的从形式上来看上证指数的分布基本上比较对称，但明显具有比正态分布轻微偏高的峰态，具有显著不为0的偏度，而散布在对称轴左右两侧的观测值也明显多于正态分布，显示出显著的“高峰厚尾”的特征、具有群集性以及具有长期记忆性。第三章主要分析了上证指数和深证指数作为我国主要股票市场的参考指标，探究两者之间的联动性，运用Johansen检验通过数据来探讨国内市场波动的内在原因，并从中探究我国股票市场现状及其改进方向。第四章分析了基于前两章得出的结论，接着深入内地股票市场和国际股票市场的联动性，探究内地股票市场波动性的外在影响因素。第五章为总结和展望。对全文进行总结的同时提出后续有关内容的研究。2.股指统计特征2.1GARCH模型GARCH是为顺应金融领域的某些独特的现象量身定做的一种模型，GARCH模型可以对误差的方差进行进一步的建模，这样的分析对投资者的决策能起到非常重要的指导性作用，其意义很多时候已经超过了对数据自身的分析和预测。它计算了时间序列波动的群聚性和长期性。本文通过Eviews8.0软件计算模型的残差序列条件方差来验证我们想要证明的特性。设一元宽平稳的时间序列{}和{}，…，{}，{}是关于{}，的回归模型为式中为待估参数，截距项可以为零，为回归残差项[6]，均值为，方差为对于平稳残差序列{et}，一元阶数为p，q的GARCH(p,q)模型定义为：，(1)其中式中为未知参数，序列的平稳性要求未知参数满足，且当即时，模型(1)能够化简为一元ARCH(p)模型，也可以说GARCH模型本质上是ARCH模型的推广。模型(1)又等价于其中It是到时刻t为止过去所有的观测信息的集合。t时刻的条件方差，也等于的条件方差，本文把它作为风险的衡量标准，如果q>0，则将式中的逐步继续演算下去，表明t时刻的条件方差不仅与过去渐近的观测信息有明显关系，而且与很远的过去的观测信息都有关系。要是某一时间序列{}的过去存在p个临近值的颠簸幅度越大，那么表明该时刻的波动程度就越大，这即是所谓的群聚性。模型的系数值和的值的多少反映了序列波动的继承性，一般也可以称为长期记忆性。如果之和越接近于1，则传递的就越多，这个序列此时保持的波动特征与上个时刻的波动特征就越为相似，整个序列的波动程度显示就越大[7]。样本选取的数据采用过去四年的上证指数（以每日收盘价为准），除去非交易日，数据来源中国财经网，数据分析软件为Eviews8.0。2.2模型建立因为只有满足平稳性要求的条件，计算模型中的变量的方法才是有效的，因此通过计算股票收益率：首先处理股票价格指数使其平稳化。然后正态性检验已经平稳的，可以得到图1如下：图1上证指数日收益率时间分布图作出上证指数收益率的平步直方图，如下面图2所示，从图中可以大致判断出沪市指数的收益率的分布基本上近似于正态分布一样是比较对称的，但峰值却比正态分布明显偏高，而且分布两侧的观测值要多于正态分布两侧的观测值，明显显示出“尖峰厚尾”的性质。图2上证指数收益率直方图因为Rt已经经过平稳化的处理，因此从下面图3可以发现收益率Rt的各阶自相关的系数和他们偏自相关的系数都相对较小，进一步表明了日收益率基本成为平稳序列。图3上证指数收益率相关系数图由上面图2、图3的计算结果我们可得到如下结论：(1)Rt表现出较小的负偏度（=-1.242954），拒绝服从均值为零的假设，存在左偏度现象。(2)Rt便显出较大的峰值（=8.967426），其值大于3，其分布显现出“尖峰厚尾”的特征，表明我国股票市场尚不完善，波动还比较剧烈，表明我国股票市场逐渐接近成熟证券市场的统计特征，也说明随着我国股市的不断发展改革，收益率的异常颠簸幅度在逐渐减少到可控范围内。(3)Jarque-Bera正态检验统计量服以2为自由度的X22分布。因此Jarque-Bera正态检验统计量的值远大于该统计量在5%显著水平的临界值（5.99），呈现为拒绝正态分布的原假设。(4)从对指数收益率的基本统计计量分析可以得知，收益率序列不存在趋势。但和过去几年相比，近几年股市改革导致波动幅度剧烈增加，波动剧烈，波动幅度也很大。进一步来研究残差平方序列的自相关结构，根据LM统计量值和Q统计量值结果显示，表明序列具有明显的杠杆效应[8]—即信息不对称。上证指数收益率序列存在高阶的自相关的特征，这意味着可以用高阶的ARCH模型来进行计算更能得出较为准确的上证指数的统计性质。因此我们发现用GARCH模型来计算收益率序列的自相关性是正确的。结果如下表所示：由上表的残差ARCH-LM检验表中通过D-W统计量明显小于2这一特点可以发现残差表现出了序列的相关性，体现了收益颠簸的不对称性。图表表明，收益率序列具有显著的异方差性，并且可采取GARCH(1,1)模型拟合金融时间序列的方法是正确的。这表明，上证指数此时此刻收益率的波动幅度与过去收益率的波动幅度有明显关系。尽管存在差别，深沪股指的逐日收益率的波动幅度却都体现出了明显的长期记忆性。这与上海市的证券交易所上市的公司以大型、有多年历史、资金丰硕的国有企业居多，而在深圳证券交易所上市的公司主要是较为小型的、刚起步不久、合资、对外开放的企业的原因有关，不管是知名度还是资本积累都是和国有企业相比来说是相对较小的。2.3模型分析从上表可以看出模型GARCH(1,1)的参数α和β在5%水平下是显著异于零的。而且沪市的α+β为0.9971，近似1。这表明上海股市波动幅度对外部冲击的反应程度是以相对较缓慢的速率慢慢减少的。可见上证指数的收益率的长期记忆性比较显著，上海股市波动水平依然剧烈，整体的风险水平很大。因为α，β估计值均比1小，说明收益率方差序列是平稳的，模型具有可测性[9]。这表明市场环境，如当局政策对股票市场的影响是持久的。但有相关的研究均表明，和经济中的资金潜力对比起来，我国股票市场目前的规模仍与海外成熟的股票市场存在较大的差距。3.沪深股指的计量模型通过上文以上证指数为例子来计量分析其统计特征，验证上证指数具有尖峰厚尾、群集性、持续性的特征，接下来本文将继续利用GARCH模型通过引入深证指数这一变量，观察并研究上证指数与深证指数波动之间的关系。3.1模型准备：平稳性检验下文将运用TARCH模型和多元协整关系检验来进一步研究，首先要求收益率序列已经经过平稳化处理，不然计量经济方法是无效的[10]。因此，先进行平稳性检验时十分必要的，这与前文的要求相同。首先在计算股指的日收益率的时候，令，分别为沪深股指的日收益率，其中代表深证指数，代表上证指数。下表为单位根的ADF检验结果：表2对变量单位根的ADF检验结果变量ADF水平检验成果ADF一阶差分值检验成果变量ADF水平检验成果X-1.94115-1.94115X1-1.941149Y-1.941475-1.941475Y1-1.941475由表1可知，沪深指数的水平值在以1%为显著水平的前提下接受原假设，而其一阶差分值也同样接受原假设，根据这个我们可以认为它们都拥有单位根—即一阶差分是平稳的，因此可以采取处理非平稳的多变量的Johansen协整关系检验方法。而它们相应的收益率序列水平值也同样接受原假设的检验，因此用TARCH模型进行检验计算是正确有效的。3.2TARCH模型及其检验结果ARCH模型的主要思想是：扰动项μt的条件方差大小依赖于它的条件值μt-1的多少。GARCH(1,1)模型的实质性质是随机误差项服从一个ARMA过程，设被解释变量为yt，回归因子组成的列变量命名为Xt，误差项为μt，yt关于Xt的GARCH回归模型如下[11]：其中，为待估参数，ω，α和β是正的常参数，为到时刻t为止过去的全部的观测信息的集合，为在给定前提下t时刻μt的条件方差。大量的实证研究结论表明，股指收益率波动对正、负收益率冲击的反应是不对称的。因此为了弥补GARCH模型的不足，本文建立 TARCH模型来对GARCH模型进行了修正，这个模型的条件方差被设定为：，其中，是一个虚拟变量，当时，；否则，。只要，就存在非对称效应。称为非对称效应项，好消息()和坏消息()对条件方差有不一样的影响[12]：好消息产生一个α倍的冲击，即时，。非对称项不存在，以是好消息只产生一个α倍的冲击；而坏消息则产生一个(α+γ)倍的冲击。要是，说明存在不对称效应—即一个小的改变也会产生大的冲击，是以非对称效应的主要效果实使得波动效果加大；而如果，则非对称效应的作用是使得波动幅度减小。表2给出了TARCH(1,1)模型的参数估计结果。表3TARCH（1，1）的参数估计结果变量ωαγβDurbin-Watson检验X 0.000210.05775800.9392971.861572Y4.8858451.2540060.0067-0.5502110.011578从表3可知，第一，沪深的指数收益率均具有信息不对称的效果，且上海和深圳股市均存在着杠杆效应，即“坏消息”比“好消息”能引起更大的波动，这与投资者的偏好有关，而大多数投资者实际上都是风险厌恶者，即投资者出于对风险的排斥，对“坏消息”的灵敏度很高，其投资行为容易受到市场“坏消息”的影响，一旦听到“坏消息”，股票市场的换手率就会增加，股民会疯狂抛售手里的股票，从而导致股票市场的剧烈波动；第二，深圳股市的α+β<1，说明波动程度持续的时间略短而沪市的α+β>1，说明波动持续的时间较长，说明上海市股票交易市场的收益率存在的信息不对称的效程度大于深圳市股票交易市场；第三，我国内地股市各方面的机制尚且没有完善，可能是市场噪声的影响，投资者的投机心理，也可能是机构投资者利用资金和信息获取优势操纵大盘使得我国内地股市波动剧烈。利用上文的计量方法分析两个股市股指的统计性质，由表3可知，第一，两个股市的日收益率的峰度都比3大，具有突出的尖峰厚尾的性质，其中深圳股市的波动幅度最为剧烈；第二，深圳和上海股市的日收益率的均比零小，都拒绝服从以0为均值的正态分布的原假设；第三，深圳和上海股市的Jarque-Bera统计进一步拒绝了正态分布的原假设，个中上证指数的Jarque-Bera统计量明显小于深证指数的统计量，进一步说明深圳股市比上海股市波动要更为剧烈。深圳股市的风险也进一步明显地表现出来。表4沪深股市股指收益率基本统计表变量均值标准差偏度峰度Jarque-BeraX1-0.0003050.010933-0.0334225.15342294.38114Y10.0007510.023053-0.9832795.456239201.30933.3协整关系检验协整关系检验是为研究多个变量是否具有协整关系提供了一种行之有效的计量工具[13]。所谓协整关系，是指从一个长的时间区间来看，探讨若干各自具有长期波动规律的变量之间的一种长期均衡关系。协整关系检验的基本思想是：要是两个及两个以上的时间序列是不是平稳的，但是他们的某种线性组合却表现出了平稳的特性，则这些变量之间存在协整关系，检验如下：表5Johansen检验表迹检验迹统计5%临界值假设的协整向量个数0.208111.0562815.49471None**0.07683.1306033.841466Atmost1注：根据AIC准则，协整关系的最优滞后阶数为4.结果表明：两者在以5%为显著水平的条件下存在1个协整向量，说明两家股市之间存在长期稳定的关系。3.4格兰杰因果关系检验若是多个变量之间存在1个协整向量，那么这些变量之间至少存在单向的因果关系[14]。对于股市而言，如果一个市场是另一个市场的格兰杰成因，那么可以认为这个市场是先行于另一个市场；如果两个市场之间互为对方的格兰杰原因，则可以认为两个市场是紧密联系在一起的，没有先后之分。两个股市格兰杰因果关系检验结果如下表。表6格兰杰因果检验结果原假设观察值F-统计P值上证指数不是深证指数的格兰杰成因4872.535850.0803深证指数不是上证指数的格兰杰成因1.192080.3045由表可以看出上海和深圳股市之间互相存在格兰杰因果关系，属于彼此影响。且上海股市对深圳股市的影响和深圳股市对上海股市的影响相比较起来前者较大。3.5模型分析因此我们可以得出以下结论：（1）上海和深圳股市的收益率均具有信息不对称效应，上海和深圳股市的预计值几乎均为正值，说明沪、深股市存在杠杆效应，说明内地市场投资行为易受到坏消息的影响，因为内地市场相对香港市场来说不成熟，价格对信息的反应不完全，投资者欠缺理性。市场的风险很大，投机氛围较浓。因此，内地股市在规范信息传导机制，减少市场噪声的同时，应加强对投资者的投资理念教育。（2）协整关系检验及格兰杰因果关系检验发现，对于国外投资者来说，内地市场还是一块陌生的投资块，而且目前内地上市公司在信息披露等行为规范方面还没有达到国际标准，有关信息渠道也不够通畅，在进入内地市场前，境外投资者会优先关注香港股市，并寻找投资规律，为其进入内地金融市场提供高效的决策依据。4.主要股票指数的联动分析在我国的改革开放的背景下，我国不断加速促进外汇管理体制的改革，逐步开放资本账户，股市的国际化趋势自进入2000年以来不断加强。自布雷登体系的建立，全球实际上形成美元与黄金直接兑换的金汇管理制度，世界上的货币都必须和美元挂钩，因此能够从经验数据显示美国股票市场对我国股票交易市场产生了较强的关联性，对我国股票市场有着起承转合的影响。而我国金融市场不停地茁壮成长，如今我国的资本市场与国际金融市场的联动性在不断加强。近年来，只研究一支股票是没有意义的，因此国内外学术界十分热爱研究收益联动现象。4.1联动性概述所谓联动性，国外学者给出详细的研究。Solnik（1974a，1974b），Stulz（1981）以及Adler，Dumas（1983）等人的研究发现，有一些共同的宏观经济基础变量如进出口不仅单单影响一个国家，它们同时也会影响另一个国家的股票市场，之后理论学者利用英国、日本、美国三个国家的宏观经济新闻研究三个国家的股票市场的联系。而通常宏观经济信息对各个股票市场的影响有两种：分为正向的全球性冲击和反向的竞争性冲击，前者的冲击起到提高股市的联动性的作用。而后者在提升一国股票市场价值的同时降低另一个国家的股票市场价值，起到降低各国股市的联动性的作用。简而言之，一个国家股票市场的收益率也将作用于其他股票市场的收益率。4.2格兰杰因果关系检验使用的数据均来自Investing.com网站（www.Investing.com），使用的数据均是来自于2014-3-26到2016-3-26的美国的道格琼斯指数、香港的恒生指数、美国的纳斯达克指数、日本日经指数、国内的上证指数与深证指数日数据，为了分析，首先用LnDJ、LnHS、LnNS、LnRJ225、LnSH、LnSZ分别代表上文所述指数取完自然对数后的序列来检验其平稳性[15]。为考察序列之间的相互影响关系，我们对各指数的自然对数的一阶差分序列做了格兰杰的因果关系检验法。表7单位根检验：（滞后1期）序列名ADF检验LnDJ-1.941455LnHS-1.941469LnNS-1.941455LnRJ225-1.941472LnSH-1.941475LnSZ-1.941149检验X是否引起Y变化的过程如下：首先，要对下面两个回归模型进行估计来检验“X不是引起Y变化的原因”的原假设，如下：无限制条件回归：有限制条件的回归：然后用各自回归的残差平方和来计算F统计量，检验β1，β2，…，βm是否同时显著地异于0。如果是这样的话，就拒绝“X不是引起Y变化的原因”的原假设。然后，交换顺序检验“Y不是引起X变化的原因”的原假设，需要做同样的回归估计，交换X与Y，观察Y的滞后项是否显著异于0。分析方法步骤同上。表8因果关系检验结果原假设:观察值F-统计P值HS不是DQS的格兰杰原因4916.514770.0016DQS不是HS的格兰杰原因2.33182 0.0982NSD不是DQS的格兰杰原因5021.945340.1440DQS不是NSD的格兰杰原因 0.885780.4130RJ225不是DQS的格兰杰原因4892.411410.0908DQS不是RJ225的格兰杰原因1.544410.2145SHZH不是DQS的格兰杰原因4875.173410.0060DQS不是SHZH的格兰杰原因1.597110.2036SZ不是DQS的格兰杰原因5020.388610.6782DQS不是SZ的格兰杰原因0.460330.6313NSD不是HS的格兰杰原因4913.036190.0489HS不是NSD的格兰杰原因2.906190.0556RJ225不是HS的格兰杰原因4897.375440.0007HS不是RJ225的格兰杰原因7.161310.0009SHZH不是HS的格兰杰原因48710.72273.E-05HS不是SHZH的格兰杰原因0.92406 0.3976SZ不是HS的格兰杰原因4913.155420.0435HS不是SZ的格兰杰原因 0.407180.6658RJ225不是NSD的格兰杰原因48916.38881.E-07NSD不是RJ225的格兰杰原因1.923100.1473SHZH不是NSD的格兰杰原因4879.710527.E-05NSD不是SHZH的格兰杰原因1.251580.2870SZ不是NSD的格兰杰原因5020.054610.9469NSD不是SZ的格兰杰原因0.544950.5802SHZH不是RJ225的格兰杰原因4876.468630.0017RJ225不是SHZH的格兰杰原因2.562260.0782SZ不是RJ225的格兰杰原因4890.223920.7995RJ225不是SZ的格兰杰原因0.636860.5294SZ不是SHZH的格兰杰原因4872.144100.1183SHZH不是SZ的格兰杰原因1.460890.2331表2给出了DQS、HS、NSD、RJ225、SHZH、SZ因果关系检验结果。DQS、HS、NSD、RJ225、SHZH、SZ分别为LnDJ、LnHS、LnNS、LnRJ、LnSH、LnSZ的差分序列。结果表明指数之间存在明显的因果关系：道琼斯指数变化、恒生指数变化是上证指数变化的格兰杰原因：然而道格琼斯指数与纳斯达克指数之间几乎互不影响，这与样本时间段内道格琼斯指数与纳斯达克指数经常背离的原因有关[16]。4.3VAR模型和协整关系检验通过前面的分析已经得到上述变量均为平稳序列，并且发现几个指数之间存在着某种联动关系。建立VAR模型把五个序列作为一个弱外生性质的系统处理：其中：，为一常数向量，和为方程的自回归系数矩阵，。参数估计上面的模型可以得到的参数估计值如下：(括号中的为t统计值)表96个方程的拟合情况DQSHSNSDRJ225SHZHSZR-squared0.9484860.9841220.9773200.9858640.9916320.961896Adj.R-squared0.9471810.9837200.9767460.9855070.9914200.960931Sumsq.resids0.0359790.0637810.0491980.0900160.2458610.056461S.E.equation0.0087120.0116000.0101880.0137810.0227750.010914F-statistic727.27502448.2721702.1352754.8704680.726997.1341Loglikelihood1625.4111486.0031549.2161402.1121157.4471515.689AkaikeAIC-6.621810-6.049292-6.308896-5.704771-4.699987-6.171207SchwarzSC-6.510008-5.937490-6.197094-5.592969-4.588186-6.059406Meandependent9.75385710.060688.4541589.7661779.2404627.681655S.D.dependent0.0379090.0909150.0668090.1144680.2458720.055217Determinantresidcovariance(dofadj.)2.49E-24Determinantresidcovariance2.12E-24Loglikelihood9127.594Akaikeinformationcriterion-37.16466Schwarzcriterion-36.493854.4模型分析通过我们借助Eviews8.0软件用计量数学的分析方法来分析中国的股票指数和与另外五个对上证指数产生重要作用的最主要的股票市场指数之间的彼此关系的研究，我们可以得出以下的结论：(1)这五个主要的股票市场对中国的股票市场有显著格兰杰因果关系但影响程度几乎可以忽略，反过来中国的股票市场对外国的股票市场格兰杰因果关系是不成立，主要是因为像美国的道琼斯指数、香港的恒生指数、美国的纳斯达克指数以及日本的日经指数作为国际主要的股市指标对各国股票市场存在时间较长，已然成熟，都起到导向的作用[17]；(2)他们5个主要的股票指数之间的变化存在着某种相互关系[18]。呈现这种现象的原因主要是由于全球化，电子化的不断成长，各国资本市场的开放水平、利率汇率政策实施力度以及股票市场的规模大小等等都有着密切的关联。但本文只对各指数的时间序列做了数量分析，没有将重要的非定性因素定量化。我国股票市场虽然已经经历了近20年飞速的发展，作为我国的主要股票市场—上海股票市场和深圳股票市场依然属于发展中的不成熟的股票交易市场。沪深股票市场与世界上其它许多发展中股票市场相同，他们的市场行为受非经济因素（如政治因素）的影响程度较大，股价大起大落的情况经常发生，也就是说他们还未形成一个全国性的股票交易市场。5.总结和展望通过上文的分析，上证指数的统计学特征是尖峰厚尾、群集性、长期记忆性，这可以表明我国国内股票市场已经逐渐走向成熟，但一些突发的消极的事件会对股市产生更加持久而深远的影响——当前的风险会对未来的风险产生持续的影响，然而这些风险在一定程度上也因为“记忆性”这一特点而可以预测。同时实证分析表明，我国股票市场的波动幅度还是很大，一方面是因为新信息的冲击强烈；另一方面从自身方面来说我国股票市场对新信息的冲击的应对能力较差。而就我国国内两大主要股票市场来说，尽管深圳证券交易所在成立初期的规模比上海证券交易所的规模大，但是在两个证券交易所挂牌上市的公司性质有很大区别，深圳股票市场由于是国外合资、外资企业居多，因此受外界冲击的可能性较大。我国国内股票市场受国外股票市场的影响很大，尤其是受道琼斯股指的影响很大——美元作为世界货币。因此要加强市场监管力度，完善信息披露制度，对投资者加强常识教育。由于人民币已加入SDR，相信在不久的将来，我国股票市场会愈加成熟，与各国股市的联动性也会愈加密切。参考文献PAGE20