我国纺织业股票收益影响因素的实证研究
时间：2021-02-24 16:03:31 来源：雅意学习网 本文已影响 人 
文章通过选择2001-2015年宏观经济指标与纺织业股票价格指数数据，运用回归分析方法，就宏观因素对纺织业股票价格的影响情况进行了实证分析，得出了上证综合指数、人民币兑美元平均汇率和纺织监原料购逑价格指数3个宏观经济指标对纺织业股票价格指数有显著影响的结论，为投资者投资纺织行业股票提供了一定的决策参考。
纺织业 股票价格
宏观因素 回归分析
引言
宏观经济指标是体现一国经济运行情况的指标。国民经济的周期性通常与股票市场的周期性保持一致，而且一国的宏观经济政策往往决定了市场资金的流向，对股票市场价格走势产生至关重要的影响。同时宏观经济的运行状况往往间接决定着上市公司的经营业绩，进而影响股票收益。因此宏观经济对股票市场的作用是巨大的。由于我国纺织业出口依存度较高，而且纺织业是我国的传统制造工业，因此近年来，纺织业在国际主要市场经济衰退压力加大，国内调整政策频繁出台的博弈中，生存境况随时发生转变。
因此本文通过研究宏观因素对于我国纺织行业股票价格的影响，明确我国宏观经济指标与我国纺织业股票价格之间的关系，把握宏观因素对我国纺织业股价的影响的基本规律，对机构投资者，个人投资者根据我国宏观经济情况选择合适的投资组合具有重要的意义，与此同时国家也可以采取相应的宏观经济政策促进我国纺织业更好更快的发展。
文献综述
国外学者在研究股票收益与宏观经济之间的关系时得出了不一样的结论。Granger（1986）运用协整分析的方法证实了宏观经济变量与股票价格存在长期均衡的关系。但是也有学者认为股票市场与宏观经济变量之间存在负向相关性。例如Harris（1997）认为股市流动性的提高增强了资产二级市场的活动，使得投资者的新增资本并没有促进新的资本形成，这种储蓄对经济发展产生了极大的障碍。不少学者认为中国股票市场与宏观经济之间不存在相关性。例如刘勇（2004）利用Granger因果检验和响亮误差修正模型对中国股票市场和宏观经济变量之间的关系进行了检验，表明我国股票市场与宏观经济变量之间存在着长期均衡关系。
研究设计
（1）研究假设
基于所选择的宏观经济因素，本文提出如下几个研究假设：假设1我国纺织业股票价格指数与国内生产总值显著正相关。国内生产总值较高，说明整个宏观经济发展较快，当国内生产总值持续增长时，企业的赢利水平提高，人们对经济的预期发展看好，导致投资者对股票需求增加，推动股价的上升。假设2：我国纺织业股票价格指数与汇率显著负相关。纺织品在我国外贸出口中占据了较大的地位。我国纺织业的出口总额和产销总量一直都居于世界前几位，民币升值必然会影响纺织业的出口，纺织业的发展受到阻碍，因此会使股价降低。假设3：我国纺织业股票价格指数与上证综合指数显著正相关。由于纺织业股票价格指数是上证综合指数的一部分，所以两者之间必然存在着一定的联系，其与整体股市行情多数表现为波动上的一致性。
（2）指标选取
纺织指数（399132）可以综合反映纺织行业的股票价格波动水平，该指数反映了纺织行业的景气程度，因此选择纺织指数作为应变量Y。居民消费价格指数作为物价水平的变量指标X6；利率则选取金融机构一年期人民币贷款基准利率X4；由于纺织业出口量多，因此在变量中增加了汇率指标X5；货币供应量X2选择M2作为变量指标；还有工业GDP作为工业增加值指标X1，还有上证指数X3。除此之外，还选取了与纺织业关系密切的宏观变量，例如纺织行业累计出口额X7、纺织品零售价格指数X8以及纺织品原料购进价格指数X9。
（3）数据来源
通过数据收集整理发现，2001年之前由于纺织行业的上市公司较少，并没有找到纺织指数相关的统计，同时数据的选取还应该考虑宏观经济数据地可获得性。因此，本文选取2001-2015年的年度数据作为样本数据。数据来源于国家统计官网，国泰安数据库和同花顺数据库。为了消除异方差性的影响，对除一年期贷款利率、人民币兑美元平均汇率以外的数据进行了对数化处理，这样可以缩小变量的取值范围，减小模型的误差，并且可以反应比率变化的相互影响。
实证分析
（1）平稳性检验
在时间序列分析中，数据的平稳性是首先需要处理的问题，如果数据为非平稳，常常会出现“虚假回归”的现象，所以在进行时间序列分析之前应对数据的平稳性进行检验，结果表明在95%的置信水平下，居民消费价格指数和纺织行业累计出口额为平稳序列，纺织指数、上证综合指数、一年期贷款利率和纺织品原料购进价格指数为一阶单整I～（1），工业GDP、货币供应量M2、人民币兑美元平均汇率和纺织品零售价格指数为二阶单整I～（2）。
（2）相關性分析
运用SPSS软件对以上变量的相关性进行分析表明纺织指数与国内生产总值、货币供应量M2、纺织行业累计出口额和纺织品零售价格指数的相关系数为正，而与一年期贷款利率、人民币兑美元平均汇率和纺织品原料购进价格指数的相关系数为负，这说明从单个变量看，各宏观因素与房地产行业股票价格的相关性与假设相一致。另一方面，从各宏观因素间的相关系数看，部分变量的相关系数非常高，接近于1，说明可能存在多重共线性，因此需要进行多重共线性的检验。
（3）多重共线性检验
由于所选择的部分宏观因素变量之间的相关性较强，若同时进入模型进行分析，可能产生多重共线性现象，因此，需要对变量进行多重共线性检验，排除存在高度相关的变量，对共线性的检验采用VIF统计量，一般，当VIF值大于10时，可以认为存在多重共线性问题。研究表明变量LnXl、LnX7的VIF值都远远大于10，因此删除变量LnXl和LnX7，剩余变量的VIF值都小于10，说明已经不存在多重共线性问题，因此，最终保留在模型中的变量为LnX2、LnX3、X4、X5、LnX6，LnX8和LnX9.
