沪深300指数与宏观景气指数的关联性研究
摘要：本文选取2006年1月至2015年3月的月度数据，对沪深300指数与宏观景气指数的互动关系进行分析，同时引入货币供应量和CPI作为其他影响因素。在对沪深300指数与宏观景气指数、货币供应量和CPI的描述性分析的基础上，进行了计量分析并建立了VAR和VEC模型，得出：CPI对沪深300指数影响较大，但货币供应量对沪深300指数影响微乎其微；宏观景气指数对沪深300指数产生正的冲击，沪深300指数对宏观景气指数会产生负的冲击作用，同时宏观景气指数对沪深300指数的贡献度不断增大，并利用两模型对沪深300指数作出短期预测。最后，针对实证分析的结论，提出了对策与建议。
关键词：沪深300指数；宏观景气指数；关联性；VAR；VEC
1．引言
1.1选题背景与研究意义
股市在社会资金分配和资产配置中起着重要作用，已成为市场经济不可或缺的重要组成部分。股市被称为宏观经济的“晴雨表”，能提前反映出一国经济走势的变化。
股票的波动性是指股价会在一定范围内波动，不仅取决于上市公司的财务状况及盈利预期，还取决于实体经济的发展状况。中国股市一直存在着投资结构不健康，投机气氛较浓，市场结构不规范等方面问题，正是由于这些不成熟的市场特征造成中国的股票市场投机氛围比较浓，股价经常出现暴涨暴跌的现象。在2008年的全球金融危机中，中国经济依然以年均GDP增长率保持在8%左右的速率持续发展，没有受到很大的影响。但是2008年中国股市处于“低落”时期，中国股市的发展与良好的宏观经济态势出现了相背离的情况，人们开始对股票市场能反应宏观经济运行状况的作用提出了质疑。
在这种情形下，探讨中国股票市场与宏观经济之间的互动关系很有必要，目的在于要分析宏观经济是如何影响股价的波动，与股价之间是否存在正的相关性，是否存在双向的Granger因果关系，是否与宏观经济存在长期发展趋势。这些问题的提出和解决，对中国股票市场的稳定发展和进一步完善具有重要的意义。
1.2 文献综述
1.2.1 国内外研究现状
国外学者对股价指数与一国的宏观经济变量（如利率、储蓄、通货膨胀率、汇率、货币供给等）进行了较为全面的分析，以期理清宏观经济与股价变动是否存在相关关系以及如何影响股价的变动。随着中国股市的发展，无论是研究方法还是经济理论，国内学者对股价指数与宏观经济的研究越来越深入。
下述的文献综述主要对国内外学者就股票市场与宏观经济因素的研究结论进行阐述的。
（1）股市与宏观经济存在正或弱的相关性
Levine，Zervos(1998)和Ajayi，Mougoue（1996）对股票市场与宏观经济之间的相关性进行分析，得出股票与宏观经济存在明显的正相关关系。Levine和Zervos(1998)选取41个国家作为研究对象，运用多元回归方法对1976-1993间的月度股价数据进行实证研究，得出股价和经济增长存在很强的正相关关系。Ajayi，Mougoue（1996）选取8个国家1985-1991的日数据，运用ECM模型对汇率与股票价格指数进行分析。得出两个变量之间的相关性与时间长短有关，正相关性存在于长期，而负相关性则存在于短期。
Harris(1997)将49个国家划分成发展中国家和发达国家两个子样本，运用两阶段最小二乘法对两个子样本数据进行分析。得出发展中国家的股市增长效应对经济发展的促进作用有限；但发达国家的股市对经济发展有一定的促进作用，但在统计检验上不显著。
朱东辰、余津津、和于长秋（2003）对股票价格指数与经济增长的相关性进行分析，得出二者之间存在较强的正相关。朱东辰、余津津（2003）通过对1997.6—2002.6间月度数据进行分析，得出股票市场发展状况与经济增长态势是一致的。王志扬和马理（2005）选取1994-2002间的年度数据，对GDP增长率与股市流动性及股市开放度进行相关性分析，得出GDP增长率与股市流动性增长率之间存在正相关性，与股市开放度增长率几乎不存在相关性。
陈维，杨静（2011）对1990-2008间的上证指数与CPI、GDP和人民币基准利率进行相关性分析，得出上证指数与CPI存在和GDP之间存在正的相关性，与人民币基准利率存在负相关。冉茂盛，张卫国（2002）选取1995-2002间的季度数据，对资本化率、交易价值和季度周转率作为股市发展指标，对中国股市发展与经济增长进行相关性分析，得出二者之间相关性很弱。黄飞雪等（2007）选取1991-2006间的季度数据，对股票价格指数与GDP的相关性进行分析，得出上证综合指数与深证成指与GDP无关，但与GDP的季度增长率成正相关。
（2）股市与宏观经济存在协整或Granger因果关系
Patra和Poshakwale（2006）通过对1990—1999年间宏观经济变量和股市成交量及股价之间的短期和长期均衡关进行实证分析，发现股价与汇率不存在长短期均衡关系，但是长短期均衡关系在股价与股票成交量、CPI之间显著存在。
Kwon，Shan（1997）和Maysami，Koh（1997）分别对韩国、新加坡的股票市场进行了研究，得出结果均表明股价与一部分宏观经济变量（CPI、货币供应量等）存在协整关系，但与另外一部分经济变量（汇率、资产投资等）不存在协整关系。
Rahman和Mustafa（2000）对股价和利率进行协整关系检验，结果发现股价和利率虽存在长期协整关系，但是不存在格兰杰因果关系。但是Dritsaki（2005）对希腊的股指和CPI和利率等宏观经济因素进行长期均衡关系分析，结果却表明所选取的宏观经济因素都通过了Johansen检验和格兰杰因果检验。
李冻菊（2006）选取1996-2005间的季度数据，运用Granger因果关系和协整检验对GDP季度增长率与换手率、交易价值和资本化率进行研究，得出GDP增长率与三个股市发展指标均存在正的协整关系，GDP增长率与交易价值和资本化率之间存在存在单向的Granger因果关系，而GDP增长率与换手率不存在单向的Granger因果关系。陈朝旭等（2005）采用计量分析法对1996—2004间的上证指数与GDP进行分析，得出上证指数与GDP之间只存在单向Granger因果关系，但二者之间存在协整关系，即存在长期均衡趋势。
尚鹏岳、李胜宏（2002）对上证指数与GDP、利率，汇率和CPI等变量建立VAR模型，得出协整关系在上证指数与GDP和CPI间不存在，但是协整关系在上证指数与汇率和利率间显著存在。
1.2.2 现有研究的局限及本文创新
回顾文献，可以看出国内外学者的研究角度和得出的结论是不一致的。国外学者的研究主要是对成熟的股票市场进行展开的，而中国的股票市场起步晚，规模小，相应的法律法规，价格监管机制等尚不完善，因此国外的研究成果对中国的股市研究具有一定的局限性。若只是照搬国外的研究方法，不考虑中国股票市场自身的特点，得出的结论可能有很大缺陷。本文创新在于：
第一，数据的更新。本文选取的数据从2006年1月到2014年11月，使用最新的数据进行实证分析，有利于结果更全面，更有价值。
第二，国内学者大多选用回归方法对股市与宏观经济因素的相关性进行研究。通过分析知所选取的变量之间存在协整关系，基于此本文选用向量误差修正模型（VECM）来研究股指与宏观经济之间的互动关系。
第三，国内外学者大部分研究股市与汇率，货币供应量，储蓄和利率等宏观经济变量之间的相互影响，很少考虑宏观景气指数。宏观景气指数能够比较全面的反映经济运行状况，对未来经济有很好的预测作用，所以说研究沪深300指数与宏观景气指数的互动性更有现实意义。
2. 沪深300指数与宏观经济变量关系的描述性分析
2.1沪深300指数更具有代表性
沪深300指数涵盖沪深市场60%左右的市值，对样本股的选取标准很严格，具有较好的代表性和可投资性。无论选取上证指数还是深证成指都不能全面的反映我国股市发展的总体情况，因此本文选取沪深300指数作为研究对象。
2.2 影响沪深300指数的影响因素分析
影响股价指数变动的经济因素有很多。首先，宏观景气指数是一个综合指数，比单一的GDP更能全面的反映一国经济的运行状况，其变动更能反应股价指数的走势；其次，在通货膨胀的情形下，股价会随着物价的上涨而引起大幅的变动；同时，货币供应量M2作为我国货币调控政策的重要参考变量，对金融投资特别是对股票市场的运行和居民个人的资金配置都有重大影响；最后金融政策的制定也会影响股票的价格。如银行贷款的松动或紧缩，银行存款利率的变动，国家汇率的变动以及投资体制的改革都会影响股价的波动。
2.2.1 宏观景气指数与沪深300指数走势相似
图1 沪深300指数与宏观景气指数的变动趋势
2006年1月至2007年10月份，我国股市处于牛市阶段，沪深300指数由当初的1000点不断上涨到5600点。宏观景气指数保持在100-102之间，处于景气区间，相比沪深300指数，宏观景气指数滞后一步。在2008年2月份达到最大值108，与当时中国正处于春节期间以及中国经济的繁荣发展相一致。随后全球金融危机的到来，股市一片低落，沪深300指数在2008年10份暴跌至1600点，给中国股民的带来严重损失。从2008年10月至2009年7月间股市处于“恢复”期，最大值为3700点，但远远低于2007年10月的5600点大关。从2010年至今，沪深300指数一直维持在3000点左右，宏观景气指数总体上呈下降趋势，在2012年8月达到最低值96.7，随后上升，但一直处于经济状况下降趋势。总体来说，沪深300指数与宏观景气指数的变化趋势基本一致，存在着较强的相关性。
2.2.2 CPI与沪深300指数存在滞后性
图2 沪深300指数与CPI的变动趋势
图中可以看出：沪深300指数具有先行指标的作用，能提前反映宏观经济的状况。2006年1月至2007年10月，沪深300指数与CPI都处于上升趋势。但是随后受到金融危机的影响，沪深300指数迅速下将，而CPI则继续上升到2008年2月份达到最大值为108.7，主要是因为处于春节期间，是由居民大量购买消费品拉动的，随后受到经济危机的影响逐渐下降，在2009年7月降低为98.7。危机过后，央行通过一系列货币政策拉动经济的发展，沪深300指数在2009年7月达到最大值为3700点，CPI也逐步上升，2011年9月达到最大值106.1，此后缓慢下降。沪深300指数与CPI关系较为密切，在金融危机中能更好的说明这一点，但是它们之间存在滞后性。
2.2.3货币供应量发展速度与沪深300指数与相关性较弱
图3 沪深300指数与货币供应量发展速度的变动趋势
2006年至今，货币供应量发展速速比较稳定，基本上保持在101-104之间。而沪深300指数变化较为复杂，两者之间的相关性较弱。原因主要在于，2006和2007年央行分别通过提高银行存款准备金率与利率来控制货币供应量，货币供应量发展速度一直保持很稳定，但是股价却一直飙升。在2008年全球金融危机后，央行通过扩张性货币政策，增加货币供应量，促进股市经济的发展。货币供应量的发展速度却缓慢上涨，最大值达到103.6，但是沪深300指数却一直下降，丝毫不受货币政策的影响。
综述：从沪深300指数与宏观景气指数和CPI的变动趋势中可以看出，沪深300指数具有先行指标的功能，在一定程度上能提前反映出经济的发展状况。但知货币供应量的发展速度与沪深300指数之间相关性较弱。针对这一现象，本文引入CPI和货币供应量，对沪深300指数和宏观景气指数的关联性行实证分析。
3. 沪深300指数与宏观景气指数互动性的实证分析
3.1实证分析框架
本文的样本数据为2006年1月到2015年3月间的月度数据，选取的沪深300指数（收盘价），货币供应量，宏观景气景气指数和CPI数据分别来自于中国证券监督管理委员会网站，中国人民银行网站和国家统计局网站。同时，考虑到股票市场的不确定性与波动性，本文在进行实证分析前对各个变量取对数，这样处理能使时间序列数据能更加平稳，也能消除异方差，还可以将指数趋势变成线性趋势。
本文在验证数据平稳性和Granger因果关系的基础上，通过脉冲响应函数和方差分解对模型结果进行分析；利用J－J协整分析得到这些变量之间存在协整关系，因此建立向量误差修正模型。实证分析的流程图如图4所示。
图4实证分析框架图
3.2 平稳性检验
平稳性指序列的均值、方差稳定且协方差与时间长短有关，一般可以通过差分的方法将非平稳时间序列转化成平稳序列。通过分析得出：变量沪深300指数、宏观景气指数、货币供应量及CPI都为非平稳序列，经过一阶差分后的序列都变成平稳序列，即都是一阶单整，这是下文建立VEC模型的基本条件，检验结果如表1所示。
表1 一阶差分后平稳性检验
变量
ADF检验
检验类型
临界值
△LNHS300
-5.4259
(0，1)
-1.9439
△LNM2
-10.5311
(c，1)
-2.8963
△LNCPI
-3.7783
(0，1)
-1.9439
△LNJQ
-3.6062
(0，1)
-1.9439
注：括号内第一个字符表示检验类型（c：含常数项，0：不含常数项），第二个字符表示滞后阶数。
3.3 滞后期确定
多种准则比较选多数准则认同的最优滞后期（一般由SIC 和AIC信息准则确定最优滞后阶数），保证所有的残差都不存在自相关性，然后进行协整检验、格兰杰因果关系检验。
表2 VAR模型滞后阶数的确定
Lag
LogL
LR
FPE
AIC
SC
HQ
0
459.6178
NA
1.55e-09
-8.933682
-8.830742
-8.891998
1
1191.728
1392.445
1.24e-15
-22.97506
-22.46035*
-22.76664
2
1219.261
50.20753
9.88e-16
-23.20120
-22.27473
-22.82604*
3
1238.244
33.12662*
9.35e-16*
-23.25968*
-21.92146
-22.71779
4
1251.068
21.37452
1.00e-15
-23.19742
-21.44744
-22.48879
5
1266.146
23.94719
1.03e-15
-23.17934
-21.01760
-22.30397
表2给出了0到5阶VAR模型的LR，FPE，AIC，SC，HQ值，并以星号标记出了依据相应准则选择出来的滞后阶数。从表2可知滞后阶数在1和2阶分别有1个，在3阶有3个，并且在滞后阶数大于3时，表中的各数值变化不明显。综合考虑滞后阶数与模型的自由度，本文选择滞后阶数为3的VAR模型，即建立VAR（3）。
3.4VAR模型的检验
3.4.1Granger因果检验
Granger是指变量间存在时间先后的一种关系，并不是真正意义上的因果关系。对一个含有x和y两个内生变量的模型而言，变量x能够在一定程度上解释变量y，现在将变量x的滞后值加入模型，看是否会提高对y的解释度。如果解释度明显提高，并且通过统计检验，则称“y是由x Granger引起的”。运用Eviews7.2对沪深300指数、宏观景气指数、货币供应量及CPI进行Granger因果检验，可以得出以下结论（以0.1为显著性水平）：
（1）沪深指数HS300与居民消费价格指数CPI互为Granger因果关系，但HS300不能由景气指数JQGranger引起。
（2）沪深指数HS300与货币供应量M2与互为Granger因果关系，但M2不能由CPI、景气指数Granger引起。
（3）CPI与JQ互为Granger因果关系，但CPI不能由M2Granger引起。
综上所述，该VAR（3）模型中的所有变量均可视为内生变量。
3.4.2滞后阶数的确定
如果被估计的VAR模型所有根模的倒数小于1，即位于单位圆内，则模型是稳定的。从表3中可见单位根都在圆内，说明VAR（3）是一个稳定的模型。
表3平稳性的确定
Root
Modulus
0.995711
0.995711
0.933411 - 0.162122i
0.947385
0.933411 + 0.162122i
0.947385
0.916173
0.916173
0.488247
0.488247
-0.352002
0.352002
-0.124224
0.124224
0.037663
0.037663
3.5脉冲响应函数和方差分解
3.5.1脉冲响应函数
基于以上分析，进一步利用脉冲响应函数和方差分解对变量之间的互动关系进行分析。脉冲响应函数指给模型中某个内生变量一个冲击，观察模型中其余变量是如何对这个冲击做出反应的。一个变量受到冲击会直接影响自身，随着时间的推移，模型的各个内生变量或大或小会受到这种冲击的影响。。下图中，横轴表示滞后期数(单位：每月)，蓝色实线表示随着预测期数的增加的脉冲响应函数，红色虚线表示在相应脉冲响应图形两侧加减两倍标准差置信带。
（1）HS300与CPI之间的相互冲击
从图5可以看出，当给沪深300指数一个正的冲击后，CPI会立即产生响应，响应程度先增大后逐渐减弱，直至趋于较稳定的水平，一直保持在横轴附近，基本上都是正的响应，在第三个月冲击响应达到最大值。当给CPI一个正的冲击，沪深300指数前1个月内响应微弱，之后响应程度成递增趋势，随后响应逐渐稳定下来并有衰弱趋势。主要是因为CPI过高时，物价上涨，市场资金流动性较强，政府会采取货币紧缩政策，市场上流动资金减少，导致沪深300指数呈缓慢的下降趋势直至稳定在一个新的均衡水平。
图5 HS300与CPI相互冲击的响应
(2) HS300与M2之间的相互冲击
从图8可以看出，当给沪深300指数一个正的冲击后，货币供应量在随后的几个月内，基本上不产生任何响应，或者说响应很小。当给货币供应量一个正的冲击后，沪深300指数会立即产生一个正的响应，这种响应在第2个月后逐渐减弱，直至趋于一个稳定水平。
图6HS300与M2相互冲击的响应
(3) HS300与JQ之间的相互冲击
从图9可以看出，当给沪深300指数一个正的冲击，宏观景气指数立即产生一个负的响应，在接近第8个月达到最大值，随后响应减弱，但一直处于横轴之下，保持负的响应。当给宏观景气指数一个正的冲击后，沪深300会在第7期左右受到最大的正响应，随后影响降低，直至保持一个新的正水平。
图7 HS300与JQ相互冲击的响应
3.5.2方差分解
利用建立的模型来进行预测，预测误差受到很多随机因素及模型自身的影响。方差分解就是将均方误差分解为各个内生变量的贡献。对系统均方误差变化的贡献率越大，说明对该变量越重要；反之，越不重要。
利用方差分解分析各个变量对沪深300指数的贡献率，重点分析宏观景气指数对它的贡献率。利用Eviews7.2，得出方差分解结果：
沪深300后一期（2014年12月）的预测误差为0.00527，后二期的预测误差为0.006867，以此类推。随着时间的推移，误差值不断增大。还可以看出，在未来的24个月里，沪深300指数除了受自身波动影响外，货币供应量的波动对沪深300指数的影响在0-0.39%之间，说明货币供应量对沪深300指数的影响较小。当CPI过高时，国家通过货币紧缩政策，此时部分股民会从股市中撤资，对沪深指数有一定的影响，在将近第22个月后达到最大值10.72%，随着时间的推移，通货膨胀率对沪深指数的影响逐渐减小，总的来说CPI对沪深300指数波动的贡献先不断增大后慢慢缩小。宏观景气指数对沪深300指数的影响不断增大，在第24期最高达到14.38%。在分析股市行情时，更应该看重宏观景气指数，也进一步反映出宏观景气指数能很好地预测未来经济的发展变化趋势，能全面代表我国宏观经济真正的运行状况。
3.6协整检验
协整指两个或多个非平稳序列的组合可能是平稳的，协整检验表明多个变量在长期波动中具有稳定均衡的关系。
表4 协整检验结果
Hypothesized
No. of CE(s)
Trace
Eigenvalue Statistic
0.05
Critical Value P
None
0.3313
72.5799
47.8561
0.0001
At most 1
0.1373
30.7382
29.7970
0.0389
At most 2
0.1139
15.3722
15.4947
0.0522
At most 3
0.0264
2.7926
3.8414
0.0947
在5%的显著性水平下，检验结果表明：货币供应量、CPI和宏观经济景气指数与沪深300指数之间至少存在一个协整向量，即各变量之间存在协整关系，存在长期均衡关系。
3.7 VEC模型建立
由于货币供应量、居民消费价格指数、经济景气指数与沪深300指数之间存在协整关系，基于计量经济学理论可知，可以建立向量误差修正模型。VEC模型是向量自回归模型的差分形式，在解释变量中加入了协整关系的约束。
首先，根据可以得到如下的正规化协整方程：
其次，设向量
T，用软件输出模型的结果如下所示（这里VEC模型的滞后阶数是VAR模型滞后阶数减1）：
3.8实证分析结论
本文首先对LNHS300，LNM2，LNCPI，LNJQ进行单位根检验，发现它们都是一阶单整。通过Granger因果检验知：CPI与沪深指数HS300互为因果Granger关系，货币供应量M2与沪深指数HS300互为Granger因果关系，CPI与JQ互为因果Granger关系，但HS300不能由景气指数JQGranger引起。货币供应量、CPI和经济景气指数与沪深300指数之间存在协整关系，即各经济变量之间存在长期均衡关系，最终建立VECM。
最后，通过VAR与VEC模型做预测。利用所建立的模型将样本容量扩大到2015年2月，通过比较预测值与实际值之间的差异算出误差率，比较两个模型的预测效果，结果如表：
表5 沪深300指数预测结果
月份
2014.10
2014.11
2014.12
2015.01
2015.02
真实值
2508.32
2808.82
3533.70
3434.39
3572.84
VAR
预测值
2458.04
2451.38
2832.79
2000.55
3084.79
误差率
2.01%
12.72%
18.71%
41.74%
13.66%
VEC
预测值
2975.40
3000.99
3026.80
3052.83
3079.08
误差率
18.62%
6.84%
14.34%
11.10%
13.81%
2014年10月到2015年2月沪深300指数的收盘价变动幅度很大，这也使得VAR模型和VEC模型的拟合效果没有想象中的好。总体来说，VEC模型的预测效果还是优于VAR模型的。
4. 对策建议及展望
针对CPI、宏观景气指数对沪深300指数影响较大，能给它带来同向冲击。但沪深300指数却给宏观景气指数带来负的冲击作用，不能说明股市是宏观经济“晴雨表”的功能以及货币供应量对股市的影响微乎其微。根源是中国股票市场起步晚，规模小，受政府的主导制度安排，政府的参与对股市市场运行有很大的干扰。政府对股市进行直接干预，使股市不能发挥预测和分析宏观经济的作用。在此情形下，对中国股市发展提出如下建议。
4.1扩大股市规模和宏观经济调控来保证股市健康发展
为了股市的健康发展，政策制定者应正确处理好自己在股市中的位置，还应做到投资者利益的保护者和市场秩序的维护者。
第一，扩大股票市场的规模。无论是股票种类还是股票市值，中国股市与发达国家的总体规模还是有相当大差距的。可以采取优惠政策来吸引海外的优秀股票进入国内市场，因为海外的上市股票一般发展成熟，规模较大，如能召回，将会促进我国股市规模的壮大。
第二，以宏观经济调控为主要手段来推动股市发展。货币政策当局应该根据我国股市的实际情况，结合宏观经济发展状况，选择合适的货币政策变量如税率、利率、银行存款准备金率等来进行调控，制定最适宜的政策影响股市，对我国股市健康发展起到促进作用。如央行可以通过放松货币政策，减小银行存款准备金率等措施来增加市场上流通的货币量，这时大量的资金会涌入股市，股市行情较好，会导致股价的抬高；反之；央行采取货币紧缩政策，提高利率等经济政策，减少流通中的货币数量，此时会影响到股票的交易量减少，股价下跌。当CPI过高时，物价上涨，市场资金流动性较强，央行应该采取货币紧缩政策，减少市场上流动资金，避免股价飞涨；反之，通过货币宽松政策，带动股市的健康发展。
在国外比较成熟的股票市场中，政府会制定严格的法律制度来规范上市公司，投资者可以通过正当的途径获取相关信息，稳定对股市的预期，避免股价的大起大落。我国的股市政策制定者可以结合自身的发展状况，在保护股民合法权益的基础上制定一些切实可行的措施。
4.2规范上市公司运行
在股市中，上市公司的预期红利与预期利润决定股市的发展前景。上市公司中大部分是国家股比例较高或国有的企业，公司管理层实际上掌握公司的权力。这些内部人不是仅仅为了追求公司利润最大化，有可能利用职权牺牲公司利益来满足个人私利，可能通过泄露导致股价大幅波动的信息。因此可以通过“严格遵守法律法规，完善管理机制，加强上市公司经营管理，对信息披露进行严惩，利用相关部门（如董事会）进行监督”这些措施来完善上市公司的管理结构，提高公司的管理质量对股市的健康发展起到促进作用。
4.3引导投资者理性正确行为
由于我国法律法规不太健全，股民在股市中投机行为比较常见。投机对股市的发展不利，因此我们应摒弃靠短期差价获利的投机行为，树立长期价值投资观念。对于众多的中小型投资者，应该注重对他们的理性投资观、投资意识和信念的培养，应关注股票的内在价值和投资回报，杜绝盲目短线操作、打听内幕消息、跟风操作的错误投资方法，培养正确投资理念。
参考文献
[1]陈玉海.我国CPI预测数量研究[D].长沙：中南大学,2009.
[2]陈朝旭，耿玉新，赵宇飞. 中国股票市场与经济增长关系的实证分析[J].大连海事大学学报，2005,(4),61-64.
[3]仇保妹.通货膨胀对我国股市影响的实证分析[J].学术交流,2011,(7),98-100.
[4]高铁梅.计量经济分析方法与建模[M].北京：清华大学出版社,2006.
[5]韩德宗，吴伟彪.中国股市是宏观经济的“晴雨表”吗?[J].数量经济技术经济研究,2003,(5),59-62.
[6]黄飞雪，赵昕，候铁珊.从中国股价指数与GDP的相关系数看“脱经背离”现象[J].大连理工大学学报（社会科学版），2007,(9),25-30.
[7]冀志斌，彭克强. 中国股票市场与经济增长关系的实证分析[J].北方经贸，2004,(3),95-96.
[8]李茜.论我国体制转轨中股票价格波动对货币政策的影响[D].上海：复旦大学,2006.
[9]李祯.股权分置改革的绩效分析[D].西安:西北大学,2008.
[10]李广众，陈平.金融中介发展与经济增长：多变量VAR系统研究[J].管理世界,2002,(3),52-59.
[11]李冻菊.股票市场发展与经济增长的关系研究——源自计量经济学的解释 [J].金融研究,2006,(9),75-80.
[12]李清云.基于VAR模型的中国股票市场宏观经济影响因素的研究[D].上海:华东师范大学,2011.
[13]冉茂盛，张卫国. 中国股票市场与经济增长关系的实证分析[J].重庆大学学报，2002,(11),12-15.
[14]宋雪琼.我国股票市场与宏观经济之间的协整分析[D].长沙:中南大学,2010.
[15]尚鹏岳，李胜宏.上证指数与宏观经济指标协整关系的实证分析[J].预测,2002,(4),52-55.
[16]覃富勇.我国股票市场与宏观经济的关系研究[D].长沙:湖南大学,2010.
[17]万众.金融危机下BDI指数与上证综指的相关性研究[D].大连:大连海事大学,2009.
[18]王燕.应用时间序列分析[M].北京：中国人民大学出版社,2012.
[19]王宏伟.利率干预股市：理论与实践的背离[J].贵州财经学院学报,2011,(5),36-40.
[20]王志扬，马理.股票市场发展与经济增长的相关性研究[J].财贸研究，2005,(1),94-96.
[21]易丹辉.数据分析与Eviews应用[M].北京：中国统计此版社，2002.137-152.
[22]于长秋.股票价格波动与宏观经济波动[J].辽宁财专学报,2003,(2),6-9.
[23]张晓峒.计量经济学基础[M].天津：南开大学出版社,2011.326-345.
[24]朱东辰，余津津.中国股市波动与经济增长关系的实证分析[J].经济科学,2003,(2),32-39.
[25]赵北亭，于鸿君.我国资本市场与经济增长关系的实证分析[J].北京大学学报（哲学社会科学版）,2001,(5),114-118.
[26]张凤兰.沪深300指数主要影响因素分析[D].杭州:浙江大学,2008.
[27]Atje andJovanovic.Stock Markets and Development[J],European EconomicReview,1993,(37),P632-640
[28]Dritsaki,Melina.Linkagebetween stock market and macroeconomic fundamental:case study of Athens stockexchange[J].Journal of Financial Management &Analysis,2005,(18),P38-47.
[29]Levine,R.andS.Zervos.Stock Markets,Banks,and Economic Growth [J], American EconomicReview,1998,(4),P537-558.
[30]Harris,R.Stock Markets and Development:A re-assessment[J], European EconomicReview,1997,(41),P139-146.
[31]RahmanMd,MtutafaM.Dynamic linkages and granger causality between short-term US corporate bondand stock markets[J],Applied economics letters,2007,(4),P89-91.
[32]Rahaman.Md.Arifur.Industy-levelstock returns volatility and aggregate economic activity[J].InternationalReview of Economics Finances,2000,(9),P387-415.
