沪深300指数与其行业指数间的关系研究(3)
五、沪深300指数与各沪深300行业指数的关系研究
以下分析所采用的数据为沪深300指数与各沪深300行业指数自2007年7月2日至2010年1月8日，共618个交易日的日收益率数据。图7表示的是沪深300及各沪深300行业指数自2007年7月2日至2010年1月8日的日收益率情况。
1.描述性统计分析
从表3的沪深300指数与各行业指数收益率描述性统计结果可以看出，在2007年7月2日至2010年1月8日期间，沪深300指数每个交易日的平均收益率为0.000195， 而平均收益率最高的三个行业指数依次为300医药指数，300电信指数、300能源指数，其平均收益率分别为0.000858、0.000818、0.000570。而300公用指数和300工业指数的平均收益率则最低，二者均为负值。
2.相关性分析
从表4的沪深300指数与各行业指数收益率相关系数矩阵可以看出，在2007年7月2日至2010年1月8日期间，其收益率与沪深300指数收益率相关性最高的四个行业指数依次为300工业指数、300材料指数、300金融指数、300可选指数，相关系数分别为0.957799、0.935345、0.927839、0.926563，均达到0.9以上。而收益率与沪深300指数收益率相关性最低的则是300电信指数，相关系数仅为0.769191。另外，300材料指数与300工业指数，300工业指数与300可选指数，300信息指数与300可选指数之间的相关性也较强，各组相关系数均达到0.9以上。
然而相关关系并不意味着引导关系，本文还需要对各个指标的平稳性和引导关系进行进一步的检验和分析。
图7 沪深300及各沪深300行业指数的收益率分立图
表3 沪深300指数与各行业指数收益率描述性统计结果
|
|
R_HS300 |
R_NENGYUAN |
R_CAILIAO |
R_GONGYE |
R_KEXUAN |
R_XIAOFEI |
R_YIYAO |
R_JINRONG |
R_XINXI |
R_DIANXIN |
R_GONGYONG |
|
Mean |
0.000195 |
0.000570 |
0.000250 |
-1.97E-05 |
0.000366 |
0.000481 |
0.000858 |
0.000327 |
5.00E-05 |
0.000818 |
-8.74E-05 |
|
Median |
0.002338 |
0.000522 |
0.002950 |
0.003205 |
0.002645 |
0.001194 |
0.001450 |
0.000689 |
0.003278 |
0.002034 |
0.001886 |
|
Maximum |
0.093418 |
0.096849 |
0.090227 |
0.100187 |
0.096409 |
0.091682 |
0.100112 |
0.100083 |
0.100233 |
0.100785 |
0.088397 |
|
Minimum |
-0.081083 |
-0.091081 |
-0.083560 |
-0.089717 |
-0.088415 |
-0.090950 |
-0.085943 |
-0.092349 |
-0.089193 |
-0.099708 |
-0.082349 |
|
Std. Dev. |
0.025269 |
0.029505 |
0.028326 |
0.026265 |
0.026443 |
0.024456 |
0.025886 |
0.028856 |
0.028385 |
0.028524 |
0.023248 |
|
Skewness |
-0.107907 |
0.081310 |
-0.229005 |
-0.209759 |
-0.254035 |
0.002361 |
-0.129309 |
0.040168 |
-0.315578 |
0.062487 |
-0.390449 |
|
Kurtosis |
3.935562 |
3.552963 |
3.391273 |
4.030005 |
3.945593 |
4.230663 |
4.206305 |
3.809565 |
3.612951 |
4.371288 |
4.177781 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Jarque-Bera |
23.73768 |
8.554509 |
9.343856 |
31.85033 |
29.67121 |
38.99976 |
39.19291 |
17.04262 |
19.93222 |
48.82328 |
51.42195 |
|
Probability |
0.000007 |
0.013881 |
0.009354 |
0.000000 |
0.000000 |
0.000000 |
0.000000 |
0.000199 |
0.000047 |
0.000000 |
0.000000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sum |
0.120797 |
0.351979 |
0.154787 |
-0.012167 |
0.226439 |
0.297471 |
0.530351 |
0.202328 |
0.030926 |
0.505762 |
-0.054027 |
|
Sum Sq. Dev. |
0.393968 |
0.537115 |
0.495072 |
0.425645 |
0.431416 |
0.369024 |
0.413452 |
0.513768 |
0.497114 |
0.502015 |
0.333474 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Observations |
618 |
618 |
618 |
618 |
618 |
618 |
618 |
618 |
618 |
618 |
618 |
数据来源：广发期货发展研究中心
表4 沪深300指数与各行业指数收益率相关系数矩阵
|
|
R_HS300 |
R_NENGYUAN |
R_CAILIAO |
R_GONGYE |
R_KEXUAN |
R_XIAOFEI |
R_YIYAO |
R_JINRONG |
R_XINXI |
R_DIANXIN |
R_GONGYONG |
|
R_HS300 |
1.000000 |
0.867795 |
0.935345 |
0.957799 |
0.926563 |
0.841285 |
0.826690 |
0.927839 |
0.867354 |
0.769191 |
0.863413 |
|
R_NENGYUAN |
— |
1.000000 |
0.829313 |
0.811761 |
0.760093 |
0.686926 |
0.676542 |
0.756745 |
0.704551 |
0.680586 |
0.721331 |
|
R_CAILIAO |
— |
— |
1.000000 |
0.928130 |
0.891656 |
0.805320 |
0.791743 |
0.779241 |
0.834870 |
0.696557 |
0.847667 |
|
R_GONGYE |
— |
— |
— |
1.000000 |
0.942304 |
0.857171 |
0.850848 |
0.816130 |
0.888218 |
0.752617 |
0.882889 |
|
R_KEXUAN |
— |
— |
— |
— |
1.000000 |
0.878164 |
0.865932 |
0.778387 |
0.901328 |
0.726344 |
0.847007 |
|
R_XIAOFEI |
— |
— |
— |
— |
— |
1.000000 |
0.808451 |
0.691890 |
0.807584 |
0.685427 |
0.758064 |
|
R_YIYAO |
— |
— |
— |
— |
— |
— |
1.000000 |
0.680741 |
0.818059 |
0.661941 |
0.776264 |
|
R_JINRONG |
— |
— |
— |
— |
— |
— |
— |
1.000000 |
0.727880 |
0.672239 |
0.709659 |
|
R_XINXI |
— |
— |
— |
— |
— |
— |
— |
— |
1.000000 |
0.714380 |
0.815671 |
|
R_DIANXIN |
— |
— |
— |
— |
— |
— |
— |
— |
— |
1.000000 |
0.717718 |
|
R_GONGYONG |
— |
— |
— |
— |
— |
— |
— |
— |
— |
— |
1.000000 |
数据来源：广发期货发展研究中心
3.平稳性检验
我们运用ADF单位根检验的方法对沪深300指数及各行业指数收益率序列进行平稳性检验，并根据SIC准则确定检验中的最佳滞后阶数，得到结果如表5所示。从中可以看出，包括沪深300指数及各行业指数在内的所有收益率序列的ADF值均大于其各自对应的1%显著性水平的临界值，故均拒绝零假设H0，说明所有序列均不存在单位根，为平稳序列I(0)。
表5 沪深300指数与各行业指数收益率的ADF单位根检验结果
|
变量 |
ADF 值 |
平稳性 |
序列 |
|
R_HS300 |
-24.16096 *** |
平稳 |
I(0) |
|
R_NENGYUAN |
-23.49160 *** |
平稳 |
I(0) |
|
R_CAILIAO |
-22.66249 *** |
平稳 |
I(0) |
|
R_GONGYE |
-23.62350 *** |
平稳 |
I(0) |
|
R_KEXUAN |
-23.52613 *** |
平稳 |
I(0) |
|
R_XIAOFEI |
-24.00406 *** |
平稳 |
I(0) |
|
R_YIYAO |
-23.83180 *** |
平稳 |
I(0) |
|
R_JINRONG |
-24.23588 *** |
平稳 |
I(0) |
|
R_XINXI |
-24.26801 *** |
平稳 |
I(0) |
|
R_DIANXIN |
-24.96570 *** |
平稳 |
I(0) |
|
R_GONGYONG |
-24.06694 *** |
平稳 |
I(0) |
注： *、**、***分别表示在10%、5%、1%的显著性水平下拒绝存在单位根的原假设H0。
数据来源：广发期货发展研究中心
4. Granger因果检验
我们运用Granger因果检验方法对沪深300指数及各行业指数收益率进行检验，得到结果如表6所示。从中可以发现：
① 在5%的显著性水平下，300金融指数收益率是沪深300指数收益率的Granger原因。
② 在1%的显著性水平下，沪深300指数收益率是300金融指数收益率的Granger原因。
③ 在10%的显著性水平下，沪深300指数收益率是300电信指数收益率的Granger原因。
④ 除上述三组关系外，不存在其他显著的Granger因果关系。
这说明，300金融指数收益率的变化能够带动沪深300指数收益率产生相应的变化，而沪深300指数收益率的变化也能够带动300金融指数和300电信指数的收益率产生相应的变化。其余的行业指数与沪深300指数的收益率之间均不存在明显的引导关系。由此可见，金融行业的价格变动对沪深300指数运行趋势的引导作用最为明显，二者间的关系也最为显著。
表6 沪深300指数与各行业指数收益率的Granger因果检验结果
Null Hypothesis: Obs F-Statistic Probability
R_NENGYUAN does not Granger Cause R_HS300 617 1.15040 0.28389
R_HS300 does not Granger Cause R_NENGYUAN 0.22559 0.63498
R_CAILIAO does not Granger Cause R_HS300 617 0.64418 0.42251
R_HS300 does not Granger Cause R_CAILIAO 0.67524 0.41155
R_GONGYE does not Granger Cause R_HS300 617 1.98290 0.15959
R_HS300 does not Granger Cause R_GONGYE 0.24900 0.61796
R_KEXUAN does not Granger Cause R_HS300 617 1.57240 0.21034
R_HS300 does not Granger Cause R_KEXUAN 0.00726 0.93212
R_XIAOFEI does not Granger Cause R_HS300 617 1.69723 0.19314
R_HS300 does not Granger Cause R_XIAOFEI 0.00202 0.96414
R_YIYAO does not Granger Cause R_HS300 617 0.77666 0.37851
R_HS300 does not Granger Cause R_YIYAO 0.50235 0.47874
R_JINRONG does not Granger Cause R_HS300 617 5.06200 ** 0.02481
R_HS300 does not Granger Cause R_JINRONG 12.4701 *** 0.00044
R_XINXI does not Granger Cause R_HS300 617 2.07907 0.14984
R_HS300 does not Granger Cause R_XINXI 0.10583 0.74505
R_DIANXIN does not Granger Cause R_HS300 617 0.00327 0.95445
R_HS300 does not Granger Cause R_DIANXIN 3.35491 * 0.06749
R_GONGYONG does not Granger Cause R_HS300 617 1.53102 0.21643
R_HS300 does not Granger Cause R_GONGYONG 0.01452 0.90412
注： *、**、***分别表示在10%、5%、1%的显著性水平下拒绝存在单位根的原假设H0。
数据来源：广发期货发展研究中心
六、主要结论及研究展望
1.本文主要结论
本文通过对沪深300指数及各沪深300行业指数之间的关系进行研究，得出以下主要结论：
①截至2010年1月8日，从沪深300指数成份股的数目来看，行业占比排名前四位的依次为工业、材料、金融、可选，其总和占据了成份股总数目的72%；而从沪深300指数成份股的权重来看，行业占比排名前四位的依次为金融、材料、工业、能源，共占78%。其中，金融行业的成分股数目虽然只占19%，但其权重却达到了39%，远远超出其他行业的占比，可见在沪深300指数的行业构成中，金融行业显得极为重要。
②在2007年7月2日至2010年1月8日期间，各行业指数经历的行情基本与沪深300指数的走势在趋势和方向上保持一致，但各自的幅度却不一。其中300金融指数、300消费指数和300能源指数一直处于较高的指数点位，涨幅也明显高于沪深300指数；而300信息指数和300公用指数的点位和涨幅则一直落后于沪深300指数。
③在2007年7月2日至2010年1月8日期间内，沪深300指数的收益率为-7.39%，其中有6个行业指数的的收益率超过该值，4个行业指数的收益率低于该值。超额收益率最高的为医药指数和电信指数，最低的为工业指数和公用指数。
④在2007年7月2日至2010年1月8日期间，其收益率与沪深300指数收益率相关性最高的四个行业指数依次为300工业指数、300材料指数、300金融指数、300可选指数，相关系数均达到0.9以上，而相关性最低的则是300电信指数。
⑤Granger因果检验结果表明，300金融指数收益率的变化能够带动沪深300指数收益率产生相应的变化，而沪深300指数收益率的变化也能够带动300金融指数和300电信指数的收益率产生相应的变化。其余的行业指数与沪深300指数的收益率之间均不存在明显的引导关系。由此可见，金融行业的价格变动对沪深300指数运行趋势的引导作用最为明显，二者间的关系也最为显著。
2.后续研究展望
①中证指数有限公司提供的沪深300行业指数的分类并没有具体细化，如300金融指数中包括了银行、券商、保险和房地产等板块，300材料指数中包括了有色金属、钢铁等板块，300能源指数中包括了煤炭、石化等板块。要更清晰和更准确地把握各个行业或各个板块与沪深300指数间的关系，有必要将目前所使用的沪深300行业指数的分类进行进一步的细化，以达到更精确的效果。
②不排除出现某些个股或行业，其变动会带动其它个股、行业乃至整个大盘的价格走势，故可把主要研究对象锁定在某个重点行业或某个重点成份股，深入探讨该重点行业或重点成份股与沪深300指数间存在的关系。如在本文研究中发现，金融行业与沪深300指数之间引导关系的显著程度很可能超出其它行业，则今后可以针对金融行业或金融行业中的某个权重股展开研究，深入分析其与沪深300指数间的关系。
③可进一步对行业与行业之间的相互影响关系和影响传递路径进行研究和分析，拓宽研究范围。
④在接下来的研究中，可考虑使用分时高频数据取代日数据，以更加精确地把握各行业指数变动与沪深300指数变动间的动态关系。这对股指期货正式推出后的套保套利行为和资产组合构建有着重要的参考意义。
广发期货发展研究中心 郭伟杰
新浪声明：此消息系转载自新浪合作媒体，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。
网友评论
