我国汽车行业股票收益的宏观影响因素分析
来源:用户上传
作者:
摘要：汽车行业是我国工业发展的重要支柱，随着新能源汽车、互联网+汽车销售及服务等概念的出现，该行业将持续快速发展。本文从宏观角度研究影响汽车行业股票收益率的因素，建立误差修正模型，实证结果表明汽车行业收益率与上证综指收益率、汽车出口增长率、汽车产销率正相关，与利率、汽车制造业PPI变化率负相关，且变量间存在长期均衡关系。
关键词：汽车行业；宏观因素；ECM
中图分类号：F830.191 文献识别码：A 文章编号：1001-828X（2016）002-000-02
一、引言
（一）选题背景
汽车产业是现代工业发展的重要支柱，改革开放以来，我国经济发展取得了巨大成就，国民收入大幅提升，促进了我国汽车市场的持续繁荣。2007年，我国共生产汽车888万辆，汽车工业总产值超过2万亿。近10年，我国汽车工业高速发展更是有目共睹，不断刷新记录的年产销量使我国连续六年蝉联世界第一汽车产销国，为全球汽车工业注入了强劲的动力。
随着汽车产业的转型升级，在互联网经济的新架构以及国家相关政策的支持下，加之我国四五线城市持续增长的需求，我国的汽车行业具有广阔的市场和稳定的发展潜力，因此汽车行业股票是我们投资的重要关注点。汽车行业的发展与国内宏观经济运行状况间存在密切关系，包括宏观经济周期、货币供给、利率等等，因此宏观经济因素对该行业股票价格波动一定存在影响。因此本文以汽车行业的股票收益为研究对象，从宏观角度来分析可能的影响因素。
（二）研究意义
随着证券市场的不断发展，影响股票收益的因素也日趋复杂。目前，有关影响汽车行业股票收益率的宏观因素的研究还较少，尤其是某些具有行业特性的宏观经济指标对其收益的影响。本文旨在从宏观经济因素的角度出发，选择具有行业特性的宏观经济指标，研究汽车行业股票收益的影响因素，分析各因素对股价的影响是否显著，影响是正向还是负向，从而更好地认识实体经济与资本市场的关系，为投资者进行汽车行业股票投资决策提供一定的参考价值，避免盲目投资，促进股市的稳定发展。同时，因素的分析有助于汽车行业中相关企业的战略规划，也能为政府对汽车行业的支持政策提供一些建议。
二、实证分析
（一）数据选取
本文研究汽车行业股票收益率的宏观经济影响因素，将汽车行业指数作为被解释变量，工业GDP、货币供应量、上证综合指数收盘价、汽车制造业PPI、消费者信心指数、银行间同业拆借利率、汽车和汽车底盘进出口、汽车销量、汽车产销率等宏观经济因素作为解释变量，进行多元线性回归。具体变量与指标名称的对应关系如表1：
由于股票收益率与经济周期密切相关，本文研究的是汽车行业股票的长期投资价值，因此笔者选取的时间跨度是2007年1月到2015年9月，包含牛市、熊市及平衡市，反映完整的经济周期情况。
本文所选取的样本数据均为月度数据，样本量共105个，其中工业GDP只公布季度数据，为使所有变量数据频率一致，通过Eviews7.0将季度数据转化为月度数据。为了缩小数据之间的差距，避免某些因素数值过大影响模型的回归结果，通常采取对数化处理的方法使得所有变量的数据值尽可能处在差不多的数量级上，因此本文对申万汽车行业指数、工业GDP、货币供应量、上证综合指数收盘价、汽车和汽车底盘进口数量和汽车和汽车底盘出口数量都做了对数化处理。数据均来源于同花顺数据库。
（二）平稳性检验
若时间序列数据是非平稳的，表现出相同的变化趋势，那么即使数据之间不存在经济关系，回归时也会出现较高的相关系数，使得模型分析失去意义。本文选用ADF检验法对各变量进行平稳性检验，发现除银行间同业拆借利率、汽车销量同比增长率及汽车产销率外，其他变量都是一阶差分后平稳，取平稳后的序列进行下一步处理。
（三）OLS回归
OLS线性回归模型是将汽车行业股票收益率与各宏观经济变量进行线性回归，从而实现最小平方拟合，是传统的估计套期保值效率方法。回归结果如表2：
由表2可以发现，模型的调整判定系数为0.7773，数据拟合效果较好。在5%的显著性水平下，dSZ、dPPI、I、dEX和S的系数是能够通过t检验的，而其他变量的系数均不显著。考虑到变量之间的长期均衡关系，即前期的误差项也可能对本期的因变量产生一定的影响，本文将进一步进行协整检验。
（四）协整检验
存在长期均衡关系的变量虽然本身可能不平稳，但是可以通过多元回归来得到误差修正项，从而对之前的回归模型进行修正。本文采用E-G两步法来进行协整检验，首先对原序列进行回归得到方程：
Y=0.3011*GDP + 0.2379*M2 + 1.0117*SZ - 0.0849*PPI + 0.5675*CUS - 0.0592*I - 0.0076*IM + 0.0356*EX + 0.0030*S + 0.0006*PS
ε=Y-（0.3011*GDP + 0.2379*M2 + 1.0117*SZ - 0.0849*PPI + 0.5675*CUS - 0.0592*I - 0.0076*IM + 0.0356*EX + 0.0030*S + 0.0006*PS）
检验回归方程残差序列是否平稳，同样采用ADF检验，发现原序列回归后残差项是平稳的，即时间序列之间存在协整关系，变量之间有长期均衡关系。
ECM = Y-（0.3011*GDP + 0.2379*M2 + 1.0117*SZ - 0.0849*PPI + 0.5675*CUS - 0.0592*I - 0.0076*IM + 0.0356*EX + 0.0030*S + 0.0006*PS）
（五）误差修正模型
转载注明来源:https://www.xzbu.com/3/view-11378649.htm
