前言：中文期刊網精心挑選了實證分析范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
實證分析范文1
[關鍵詞] CAPM β值 證券市場線(SML)
一、歷史回顧
CAPM(Capital Asset Pricing Model)――資本資產定價模型是基于風險資產的期望收益均衡基礎上的預測模型。H.M.Markowitz于1952年建立現代資產組合管理理論,12年后,威廉-夏普(William F•Sharpe)、約翰-林特納(John Lintner)與簡-莫辛(Jan Mossin)將其發展成為資產資本模型。它成為了現代金融學的奠基石。該模型對于資產風險及其期望收益率之間給出了精確的預測。為投資者提供了一種對潛在投資項目估計其收益率的方法,諸如:投資者在分析證券時,極為關心股票在給定風險的前提下其期望收益同其“正常應有”的收益之間的差距;證券一級市場的發行應如何定價等等。
二、CAPM模型在投資決策中的使用
1.對于資產的分類,投資者的選擇
可以根據CAPM模型最普通形式中的――期望收益―貝塔關系中的β值的大小判斷某資產的風險類型:當β=1時說明該證券或該證券組合具有資本市場上的平均風險,并可以期望獲得市場平均收益;當β1時說明該證券或證券組合高于資本市場的平均風險,期望收益高于市場平均收益。如此這樣,該模型給不同偏好的投資者選擇不同期望收益―風險提供了一套能夠使用的工具。
2. 資產合理的“公平定價”
CAPM模型是基于資本資產的均衡收益基礎上的預測模型,根據它計算出的預期收益乃是均衡收益。我們可以通過對某資產在均衡時的預期收益與其實際收益的比較發現價值被高估或低估的資產,再根據“低買高賣”原則進行投資。如圖表1中所繪出的證券市場線中位于SML線上端的點說明資產的實際期望收益高于均衡收益說明該資產被市場所低估,此時可作出購入該資產的投資決策,反之,位于SML線下端的點說明該資產被高估,此時若仍持有該資產應該做出拋售的投資決策。
三、模型回歸與檢驗
1. CAPM模型的若干假定
由于理論模型簡化的需要,因此CAPM模型具有如其他經濟學類似的假定,本文的CAPM模型也是基于諸假定上進行的。
⑴ 存在著大量投資者,每個投資者的財富相對于所有投資者的總財富和來說是微不足道的。投資者是價格的接受者,單個投資者的交易行為對證券交易行為對證券價格不發生影響。
(2)所有投資者都在同一證券持有期計劃自己的投資行為。這種行為是短視的,因為它忽視了在持有期結束的時點上發生任何事件的影響,短視行為通常是非最優行為。
(3)投資者的投資范圍僅限于公開金融市場上交易的資產。這一假定排除了投資于非交易性資產。此外還假定投資者可以在固定的無風險利率基礎上借入或貸出任何額度的資產。
(4)不存在證券交易費用(傭金和服務費用等)及稅賦。
(5)所有投資者均是理性的,追求投資資產組合的方差最小化,這意味著他們都采用馬克維茲的資產選擇模型。
(6)所有投資者對證券的評價和經濟局勢的看法都一致。這樣,投資者關于有價證券收益率的概率分布期望是一致的。
2. 具體分析過程
(1)模型的設定
CAPM模型描述的是在均衡狀態下證券或證券組合的期望收益與由β系數所測定的系統風險之間的線性關系,但是由于以上種種假定的存在使得模型與現實情況存在著不容忽視的差異。因此,本文引入誤差項以期彌補因模型假定或其余不可抗因素引起的模型未能描述的狀態,建立以下一元線性回歸模型:
本文利用時間序列最小二乘線性回歸進行模型模擬。其中, 為證券i在t時刻的收益率,是證券i在t時刻的超額收益率, 是市場組合i在t時刻的收益率,是市場組合i在t時刻的超額收益率,為待估計參數。
(2)數據的選取:
本文選取2001年01月――2010年06月的數據作為研究對象,期間共十年,并且采用月度數據――而不是日度或周度的數據,主要考慮到股票數據的波動性對回歸模型的影響,因此以期采用月度數據來適當避免該種影響。
① 樣本股的選取:通過通達信炒股軟件從市場31個行業中各選出了一支股票復權收盤價,共31支股票。這31支股票基本上涵蓋了上證市場中所有的行業類型,具有一定的代表性。
② 市場指數的選取:選取了上證綜合指數為市場指數,該指數包含了上證市場中的所有的股票的價格變動,是一種價值加權型指數,這亦符合于CAPM模型中對市場組合的要求。
③ 無風險利率()的選擇:無風險利率是指投資者能夠進行無風險借貸的利率。常選用一年期短期國債收益率或銀行間同業拆借利率或一年期銀行存款利率來替代無風險利率。本文采用一年期銀行存款來代替無風險利率――將十年的一年期存款利率算術平均以后再其以復利形式換算成月度的利率。
④ 股票的收益率()與市場組合的收益率()的計算:
對于31支個股各自在t時刻的收益率本文采取以下公式進行計算:
對于市場組合的收益率采用以下公式計算:
其中,表示第i支股票在t時刻的復權后的收盤價格,表示在t時刻的上證綜指。
(3) CAPM的回歸結果與分析
本文的數據采用Eviews3.1與Excel2007進行處理。
①E()與E()的比較分析
通過對數據的處理與分析,可以看出31支股票的平均超額收益都為正值,且其中就平均水平而言僅有四川長虹(600839)一支股票的平均超額收益小于市場組合的平均超額收益,其余的30支股票均大于市場組合的平均超額收益,且以包鋼稀土 (600111)的平均超額收益率最高,四川長虹(600839)這只股票的平均超額收益率最低。
②對系統風險系數β值的分析
從CAPM理論中,β值衡量的是某股票對市場資產組合方差(市場風險)的貢獻程度:
β=
β值所衡量的是市場的系統風險,我們用殘差的標準差來表示個股的非系統風險值。
從回歸的得出的β值中,其平均值為0.966715 ,其中以包鋼稀土 (600111)的β值1.423429為最高,*ST伊利 (600887)的β值0.722704最低。在之前的平均超額收益率中也是該支股票的平均超額收益最高,這亦從一個側面說明了收益與風險之間的正向關系。并且從所有的31支股票的β回歸結果來看T檢驗與F檢驗都是顯著的。其中有16支股票的β>1,有15支股票的β
③對于可決系數R2回歸結果的分析
對于回歸后的很重要的一個參數可決系數R2而言,可以看出其值都不是很理想。其中,以民生銀行(600016)的0.593886為最大,以禾嘉股份(600093)的0.221208為最小。我們知道R2表示的是總離差中回歸方程所占的解釋比例,R2較低也表示了回歸方程對現象的解釋――系統風險的對風險溢價的影響――只是對風險溢價的部分影響,另一部分的影響因素包含在隨機擾動項中。
④對于截距項αi回歸結果的分析
我們在之前部分中曾經提到過CAPM模型能夠具有對資產合理“公平定價”的功能。在其中,提到過的證券市場線SML證券市場線中位于SML線上端的點說明資產的實際期望收益高于均衡收益說明該資產被市場所低估,此時可作出購入該資產的投資決策,反之,位于SML線下端的點說明該資產被高估,此時若仍持有該資產應該做出拋售的投資決策。其中,實際期望收益與均衡收益之差便為截距項αi。當αi>0時,說明股票位于SML線的上端,價值被市場低估;反之當αi
圖2 SML回歸圖
由上圖可以知道,位于SML線以上的股票處于被市場低估的狀態,位于SML線以下的股票處于被市場高估的狀態,處于β1的區域的則屬于高于市場風險的股票。
⑤數據計量經濟檢驗
同時在下文中給出以上數據的相關的計量經濟檢驗DW自相關檢驗、異方差的White檢驗和ADF的單位根檢驗,可以從圖3中的DW值的自相關中看到兩條紅線分別是不存在自相關的DW區域大致為1.70―2.30之間,可以看出31支股票基本上不存在明顯的自相關。在圖4中關于異方差的White檢驗中黑線所示是判斷異方差的臨界值約為5.99,其中有13股票存在異方差問題。在圖5中是關于數據序列的平穩性的ADF單位根檢驗,其中紅線為1%的顯著性水平下t統計量的臨界值為-3.4900,可以看到所以數據序列均在紅線值之下(小于-3.4900)――說明數據不存在單位根都是平穩數據。
四、結論
本文對于CAPM模型的一些實證分析雖然在一些方面確實證實了該模型的有效性,但是,回歸方程存在諸如形式過于簡單等等的許多問題,從而導致回歸結果中可決系數R2較低,回歸方程的解釋力不夠。當然,這也不僅僅是技術上的原因,我們在文章開頭便指出了CAPM模型是建立在種種假設之下的。但是對于真實的環境之下很多的假設是不可能得到滿足的,這亦導致了回歸模型所出現的諸多問題。
至于CAPM模型能不能夠適用于我國的股票市場,或者說CAPM模型能否作為投資者在進行投資決策是所使用的工具這是個問題。但是從本文的分析來看它并不是一無是處的,是存在者積極的意義的。再則,一個完全符合CAPM模型的市場肯定也是不存在的,但是能夠接近CAPM模型所描述的理論效率的市場也正是所有市場的最終目標。
參考文獻:
實證分析范文2
關鍵詞：利比亞戰爭；石油價格；ARCH模型分析；事件研究方法
一、利比亞戰爭對國際油價影響的實證分析
石油是當代戰爭非常重要的根源，兩次世界大戰都與爭奪石油類資源有關。美國的地緣政治學家威廉?恩道爾曾經認為石油戰爭主要分為兩類：第一類是搶奪石油資源的控制權的戰爭，從20世紀70年代以來，3次中東戰爭、伊拉克戰爭、海灣戰爭、英阿馬島之戰，都是資本主義國家為了石油而進行的。伊拉克的尚未開發的石油儲量比沙特阿拉伯要多，這是美軍把薩達姆趕下臺的主要原因，而另一類是爭奪石油定價權的戰爭。當前石油供給與需求大致平衡的情況下，石油戰爭將以期貨市場爭奪石油定價權為主。隨著石油的資源日趨枯竭，而綠色能源尚未得到解決，石油的供給更加緊俏。石油是重要的能源，日常經濟生活，工業生產，航天軍工都需要石油作為能源和原料。經過石油分離出的汽油、瀝青等化工產品廣泛應用到人們日常生活中?？梢哉f，誰掌握的石油的供應權和定價權，就可以掌握世界的經濟命脈。到那時，對于海上石油通道和陸上石油管道的控制權的爭奪，也必定成為戰爭導火索，而海上通道最重要的是中東石油出口的霍爾木茲海峽以及馬六甲海峽，而陸上石油管道，主要是從俄羅斯及中亞通往歐美的石油管道。2011年3月，由于受到利比亞戰爭的影響，國際油價大幅攀升，一度升至一桶110美元，創下自2008年9月以來的新高。對于能源危機，我們每一個國家都不能置身事外，必須提前考慮。隨著各國對能源需求的不斷增長，圍繞爭奪最后的油氣資源的斗爭仍然是21世紀地緣政治的主題。從委內瑞拉到俄羅斯，從地中海沿岸到西非的幾內亞灣，從里海到波斯灣，無一不受影響。更為嚴重的是，石油已經與反恐和人權聯系在一起，成為發動戰爭的理由，世界政局充滿了不確定性。究竟是利比亞戰爭影響了石油還是石油影響了利比亞戰？
二、相關理論
事件研究法主要是探討事件的發生對期貨或市場價格數據帶來的短暫沖擊，暫時的沖擊主要體現在下面諾干方面：平均股價效應、市場收益方差的變化（反映股價波動性的變化）、股票成交量的變化、經營（會計） 績效的變化等?？傮w來說，事件研究包括一下幾個步驟，即定義事件以及事件研究窗口、選擇研究樣本、選擇度量正常收益的模型、估計異常收益、檢驗異常收益的顯著性、實證結果與解釋。
事件包括合并、收購、收益公告或再融資行為等，若研究者關心增發對股東財富的影響，此時的事件即為增發公告。事件研究所涉及的窗口包括估計窗、事件窗與事后窗等，如下圖1，
t = 0為事件日；t = T1+ 1至t = T0代表事件窗，其長度為 L1= T1-T0； t = T0+ 1至t=T1為估計窗，其長度為L2= T2-T1；t=T2+1至t = T3為事后窗，其長度為 L3= T3-T2。估計窗的作用在于估計正常收益 （或估計正常收益模型的參數），一般情況下，估計窗的長度應大于等于120天；事件窗是用于檢驗股價對事件有無異常反映的期間 ，有時事件窗僅為一天（即事件發生的當天），有時為兩天（即事件公告當天與后一天），有時為三天 （即公告前一天、公告當天與公告后一天），也有學者將事件窗定義為公告前后10天、20天或更長，事件窗長短主要取決于研究者的研究目的：事后窗主要用于考察事件發生后股價 （ 或企業價值） 有無異常變化 ，常見于探討某一事件長期績效的研究中 。
三、事件研究方法實證分析
（一）選取估計窗口并進行模型分析
估計窗口年初到2月18日（戰爭爆發前一個月）
對AR（1）模型保留殘差進行Q平方檢驗，輸出結果如下表1：
由上表可以看出，標注化殘差平方序列的Q統計量在1%和5%的置信水平下均是不顯著的，并且以較大的概率接受了序列不具有相關性的原假設，所以認為序列不具有自相關性。因此，殘差序列是白噪聲序列。
（二）選取事件窗口并進行模型分析
選取事件窗口3月18號到8月22號（戰爭基本結束）
得到的AR（1）的模型為：Pt=115.1596 + 0.930935Pt-1+εt
（38.83576） （25.11394）
對上述模型保留殘差進行Q平方檢驗，檢驗結果如下表2所示：
由上表可以看出，標注化殘差平方序列的Q統計量在1%和5%的置信水平下均是不顯著的，并且以較大的概率接受了序列不具有相關性的原假設，所以認為序列不具有自相關性。因此，殘差序列是白噪聲序列。
（三）對模型進行J1和J2檢驗
HO為利比亞戰爭事件對世界石油價格的變動不產生影響，H1為利比亞戰爭對世界石油價格變動產生影響，很顯然，拒絕原假設。即利比亞戰爭對石油價格的變動產生影響。
用以上模型對石油價格數據進行預測，可以得到一個長期平穩的的預測序列，但與實際序列的比較中可以發現，實際數據后30天為114.13，比預測的數據要大，實際數據中的石油價格一直處于向上增長的一種的趨勢?？梢缘贸龅慕Y論是利比亞戰爭促使了石油的價格上漲，而且上漲的幅度略大。但是這種影響會在什么時間結束？我們需要選取另一個時間段進行建模預測，這個時間段也就是事件窗口即利比亞戰爭爆發到利比亞戰爭結束的時間。
運用事件窗口的AR（1）模型對后60天進行預測，通過預測后的60天的數據和實際60天后的數據比較后發現預測后的數據111.645和10月24號（10月22號為周末）為111.67基本持平，這說明利比亞戰爭對石油價格的影響基本趨于穩定。至此，分析結束。
通過以上分析可以知道，利比亞戰爭對石油價格影響的時間區間為戰爭前一個月（2月18日）到戰爭基本結束后的兩個月（10月24日），這說明利比亞戰爭對石油價格的波動是一個比較長期的影響。
參考文獻：
[1] 高鐵梅.計量經濟分析方法與建模EViews應用及實例第2版[M].北京：清華大學出版社，2009： 211～215.
[2] 袁顯平，柯大鋼.事件研究方法及其在金融經濟研究中的應用.統計研究，2006（10）.
實證分析范文3
關鍵詞：利率平價 實證分析 原因分析 政策建議
一、引言
2005年7月21日起，我國開始實行以市場供求為基礎，參考一籃子貨幣進行調節，有管理的浮動匯率制度。這一制度打破了長期以來盯住美元的匯率制度，意味著人民幣匯率變動更富彈性。人民幣升值步伐加快，各學者對人民幣匯率問題的研究也更為全面與深刻。
二、中國匯率和利率關系的現狀
（一）匯率
2010年6月19日，中國人民銀行開始在2005年匯改的基礎上進一步推進人民幣匯率形成機制改革，使人民幣匯率變動更為靈活，但我國匯率仍受管制，央行扮演了造市者和交易者的雙重角色。
（二）利率
利率市場化指由市場供求來決定利率水平，包括利率決定、利率傳導、利率結構和利率管理的市場化。我國雖一直在進行利率市場化，但存在著進程緩慢、改革不徹底、制度缺少靈活性等問題。
（三）利率與匯率數據分析
數據來源：中國人民銀行網站、中國銀行網站、、shibor網站。為2009年9月——2010年11 月份每月月末數。
下圖為2009 年9 月-2010 年11 月F-S/S 與i-i*的關系。利差和匯率變動率長期存在一個差距，未達到一個均衡狀態，與利率平價理論中所描述的情況不一致。
三、實證分析
（一）取2009年9月-2010年11月數據，令人民幣與美元的利差為X，人民幣對美元的升貼水率為Y，進行因果關系檢驗：
可以得出結論：人民幣與美元的利差和人民幣對美元的升貼水率沒有因果關系。
（二）取2009年9月-2010年11月數據，令人民幣與美元的利差為X，人民幣對美元的遠期匯率為Y，進行因果關系檢驗：
若顯著性水平取10%，X對Y有因果關系。因此中美利差與人民幣對美元匯率之間存在著一定的因果關系但并不明顯，利差對匯率的變化起到一定作用。
四、原因分析
（一）國際間資本流動管制嚴格
資本管制是一種貨幣政策工具，是國家政府機關等權力機構用來掌控資本從國家資本賬戶等的流進和流出，以及定向投資金額從國家或貨幣中的進出。我國對跨境資本流動管制嚴格，以此保障國內經濟穩定、金融安全。這就導致了國際資本間的流動受限，對我國利率變化的反應延遲，影響了利率平價理論的作用。
（二）外匯市場受限
外匯市場是指經營外幣和以外幣計價的票據等有價證券買賣的市場。與發達國家相比，我國的外匯市場并不發達，市場覆蓋范圍狹窄，參與者不足，市場競爭力不強。此外，我國外匯交易中心的市場地位還有待明確，央行對外匯市場干預過多，導致外匯市場供求失真，其與匯率變動的聯系斷裂，也拉長了利率平價理論作用的時間。
（三）利率管制嚴格
利率管制是指國家將資金利率調整到高于或低于市場均衡水平的一種政策措施。我國的基準利率由中國人民銀行確定，存貸款利率范圍也受到管制，這種嚴格的利率管制政策使得套利資本的利差收益變動較小，因此國際間資本單向流動，利率平價理論的作用進程遲緩。
（四）匯率相對剛性
2005年后，雖然我國人民幣匯率實行有管理的浮動匯率制度，但實際上具有固定匯率的特征，央行也利用各種干預市場的手段實現了這一目標。匯率的正常波動是利率平價理論成立的重要條件，但銀行間即期外匯市場人民幣兌美元交易價浮動幅度較小，范圍受到中國人民銀行管制，這降低了套利資本的匯率風險，利率平價理論的作用難以得到發揮。
五、政策與建議
（一）謹慎推進人民幣資本項目自由化
資本項目自由化是指在國際賬戶中資本及金融賬戶下的貨幣可以自由兌換，交易可以自由進行。在我國，隨著經濟的發展，金融體系的不斷完善，資本管制形式和內容將會做出相應調整，直至最后完全開放資本管制。但在此過程中，風險管理仍是重中之重，盡管央行提出了加速資本項目自由化的主張，其同時提出的資本項目自由化的路線圖是審慎的、漸進的。
（二）加強外匯市場建設
在當前的形勢下，我國外匯市場的改革應從內部制度的規范與創新，外部體系的完善與管理兩方面入手。具體可以采取以下措施：加強國有銀行的商業化改革、擴大外匯市場參與者的范圍、促進金融產品創新、改革央行外匯干預制度、健全外匯市場法律法規等。
（三）推進利率市場化
目前雖然中國的利率市場化進程已經開始，但是由于涉及范圍廣泛且處于起步階段，所以利率制度仍帶有固定利率制的色彩。從其他國際的利率市場化改革中，我們應該認識到：宏觀經濟形勢決定著改革的時機選擇、金融微觀基礎建設程度制約著改革的實踐速度。因此，我們必須綜合考慮，建立嚴格而有效的監督制度，盡早防范利率自由化后的問題。
（四）放寬匯率波動幅度
目前人民幣兌美元的匯率波動幅度進一步擴大，2012年4月16日起，銀行間即期外匯市場人民幣兌美元交易價浮動幅度擴大至1%，每日銀行間即期外匯市場人民幣兌美元的交易價可在中國外匯交易中心對外公布的當日人民幣兌美元中間價上下1%的幅度內浮動。此次調整有助于市場在供求關系的基礎上呈現一個雙向的波動，促進金融市場中金融產品的豐富，更為市場化的匯率變化加大了匯率風險，從而加強了利率平價理論的作用。
參考文獻：
[1]王燕娜.利率平價理論在中國的適用性分析——基于匯改后人民幣匯率變化率與中美利差的實證分析[J].經營管理者，2010 （9）：64-67
[2]鄭春梅，肖瓊.利率平價理論與人民幣匯率關系的分析[J].經濟問題，2006，（12）
[3]張宗新.金融開放條件下利率改革和匯率改革的協同效應分析[J].國際金融研究， 2006（9）
[4]趙天榮，郝博淵.釘住匯率下中國利率政策的困境：理論與經驗[J].上海金融.2009，第8 期：87-90
實證分析范文4
關鍵詞：收益率波動性；Garch模型；市場風險
中圖分類號：F83
文獻標識碼：A
doi：10.19311/ki.16723198.2016.27.050
1引言
2015年中國股市的劇烈波動，引起了政府和管理層的重視，股價的劇烈波動反映了市場風險的急劇變化，無論從監管層對證券市場的監管角度還是從個人投資者對市場把握的角度，研究收益率波動特征都是有重要意義的。對個人投資者而言，通過度量波動率估計可能面臨的風險大小，是投資者獲取收益回避損失的基礎；對于監管層意義更為重大，考慮到金融對整個國民經濟的重要作用，監管層對市場可能風險的把握十分必要。
在研究方法和內容上，本文采用描述性統計分析和實證分析結合的研究方法，研究數據屬于時間序列數據，采用平穩性檢驗，顯著性檢驗，廣義自回歸條件異方差模型（Garch）等計量經濟學有關時間序列的分析方法。選取了2005年1月4日至2016年7月8日上證指數收盤價作為樣本，通過Garch（1，1）和EGarch（1，1）模型估計了收益率的條件方差，并對兩種模型進行了比較分析。
2理論模型介紹
2.1ARCH模型
ARCH（Auto-Regressive Conditionally Heteroskedasticity）：自回歸條件異方差模型這是由Robert F. Engle 在1982年提出的，ARCH模型主要用于研究金融時間序列變動問題。如果回歸模型的隨機誤差項存在異方差，可以用ARCH模型來描述：
yt=b1+b2xt+ut（1）（均值方程）
var（ut）=σ2t=ht=a0+a1u2t-1+……+aqu2t-q
（2）（條件方差方程）
把滿足上述條件的模型稱為服從q階自回歸條件異方差模型；ARCH模型的優點是能夠準確地擬合金融時間序列的波動性的變化；缺點是對參數的限定非常嚴格，且不能反映波動的非對稱性。
2.2GARCH模型
ARCH（q）在實際應用中，隨著滯后階數q的增加，會增大待估參數的個數，同時也會產生多重共線性問題，估計量有效性也會降低。為了解決此問題，Engle的學生Bollerslev在1986年提出了GARCH（q，p）模型，在ARCH（q）中增加p個自回歸項。GARCH（q，p）等價于ARCH（∞），而且待估參數大大減少。即可用很小的階數p和q就可以替代ARCH（q）模型中很大的q，實際應用中，Garch（1，1）就可以了。
最簡單的GARCH模型是標準化的Garch（1，1），其形式為：
yt=b1+b2xt+ut（3）
σ2t=ht=a0+β1u2t-1+a1σ2t-1（4）
GARCH模型優點是，較之ARCH使用更加簡便，有更強的適用性，簡化了模型參數的估計；GARCH模型和ARCH模型具有相同的缺點，其對于正的和負的波動具有同樣的反應，也即不能反映波動的非對稱性。
2.3EGARCH（1，1）
ln（σ2t）=α0+θut-1σt-1+α1|ut-1|σt-1++β1ln（σ2t-1）
當θ≠0且顯著時，表明ln（σ2）具有非對稱性，即存在杠桿效應。比起傳統的ARCH模型來說，EGARCH模型有幾個優點。首先，建立了對數模型，即使參數估計值為負數，方差項也能保證為正數。所以不需要對模型參數施加非負約束；其次，如果波動性和收益之間呈負相關關系，則θ
3實證分析
3.1數據準備和描述性統計分析
本文選取上證綜合指數日收盤價作為樣本，時間長度取2005年1月4日至2016年7月8日，樣本總個數為2797。本節主要對收益率序列從均值、方差、極差、偏度、峰度五個方面進行描述性統計分析。
（本文所有實證分析基于stata和matlab軟件完成）
從日收益率時序圖看到，日收益率序列具有明顯的波動聚集性，即大幅波動跟隨著大幅波動，小幅波動跟隨小幅波動，平靜跟隨平靜的特點；當存在殘差波動的聚集，則模型估計后的殘差可能存在條件異方差，這正是Garch模型應用的條件。
3.2平穩性檢驗和分布估計
本節首先對對數收益率時間序列進行平穩性檢驗，根據軟件輸出的結果看，收益率序列通過了單位根檢驗（ADF：Augmented-DickyFuller），即是平穩序列；然后對收益率分布進行估計。
明顯看到，正態分布對尾部解釋較差，實際是收益率在尾部的概率超過正態分布決定的概率，t分布擬合的更好。收益率呈現顯著的尖峰厚尾分布特征，表示盡管大多時候收益率分布靠近均值附近，但是出現在尾部的極端值也時常超預期的出現。從上文描述性統計中峰度值=6.56603（標準正態分布的峰度值）也能得出上證綜指收益率尖峰厚尾的特征，說明在均值附近更為離散的標準正態分布對收益率分布的解釋并不好。此外可以通過Q_Q圖檢查收益率分布是否服從正態分布，由于收益率分布不服從正態的研究結論廣泛接受，本文不再作Q_Q圖檢驗。
3.3Arch效應檢驗
記殘差序列er=R-mean（R）；根據自相關函數公式計算殘差平方項的自相關系數，計算結果表明：滯后期在1到50階，殘差平方序列存在顯著自相關，故擾動項存在條件異方差，即波動性聚集。使用軟件進行ARCH效應檢驗結果同樣顯示存在顯著的ARCH效應，這里將使用R/S（重標極差分析法）計算Hurst值得出收益率具有波動持久性特征，進而使用GARCH模型估計條件方差。
R/S方法介紹：
R/S通常用來分析時間序列的分形特征和長期記憶過程，最初由英國水文學家赫斯特（Hurst，1951年）在研究尼羅河水壩工程時提出的方法；后來，它被用在各種時間序列的分析之中；曼德爾布羅特（Mandelbrot）在1972年首次將R/S分析應用于美國證券市場，分析股票收益的變化。
計算H值和統計量Vn的目的是為了分析時間序列的統計特性。Hurst指數可衡量一個時間序列的統計相關性。當H=0.5時，時間序列就是標準的隨機游走，收益率呈正態分布，可以認為現在的價格信息對未來不會產生影響，即市場是有效的；當0.5
對于獨立隨機過程的時間序列來說，Vn關于log（n）的曲線是一條直線。如果序列具有狀態持續性，即當H>0.5時，Vn關log（n）是向上傾斜的；如果序列具有逆狀態持續性，即當H
在n=170時，我們看到Vn統計量的變化，根據前述理論知道Vn圖形的改變，就產生了突變，長期記憶消失；可近似認為170天即大約半年時間為一個周期，Vn統計量變得不穩定，跟實際情況也是接近的，股市表現出明顯的漲跌周期；對藍色線n=170作二項式直線擬合，根據方程（2）擬合直線的斜率即估計的H值，估計出H=0.5796>0.5，表明收益率時間序列存在以170為周期的長期記憶即狀態的持續性，也即波動聚集性；R/S的分析結果也說明了收益率波動的聚集性，值得注意的是ARCH效應強調短記憶性，R/S表征的是長期記憶性，而長短記憶都是對波動聚集和延續的解釋；下面用GARCH模型進行實證分析。
3.4Garch模型實證
3.4.1Garch（1，1）模型
其中-0.0204978
4研究結論與政策建議
4.1研究結論
（1）收益率的分布不服從正態分布，從描述性統計結果分析和用正態分布函數擬合的概率密度均驗證了此結論.通過殘差平方的自相關函數計算的自相關系數，表明殘差平方存在自相關，即擾動項存在條件異方差，并通過了ARCH效應檢驗。
（2）R/S分析結果表明收益率序列存在長記憶性，即使相距較遠的時間間隔收益率序列仍然有自相關性，這種波動的長期記憶支持了收益率序列波動聚集性特征的存在，即ARCH效應。
（3）引入非對稱性的Egarch（1，1）模型估計的參數說明了收益率和波動性的負相關關系，且利空消息比利好消息產生的波動更為強烈，表明了投資者對損失的回避態度，同時這種對上漲信息的反應不足，對下跌信息的反應過度，進一步加劇波動，這種對信息不對稱的反應正是市場波動呈現非對稱的原因，實際情況也正是如此，體現了Egarch模型更強的適用性。
4.2政策建議
（1）加強市場化假設，完善信息披露制度；信息越完整公開透明，投資者對信息越不容易過度反應，市場波動也會隨之減小，市場機制的作用發揮的越好。
（2）加強對風險的監測和管理；學習先進的風險管理經驗，提升監管層對市場波動的把握和前瞻性，提高管理的有效性。
（3）加強證券市場法制建設；規范交易各方的行為，才能有效降低市場波動率，減少違法的投機行為，建立良好的市場秩序。
（4）對投資者進行理性投資理念的宣傳教育，投資者是證券市場的主體，證券市場的健康完善離不開投資者素質的提升。
參考文獻
[1]易丹輝.時間序列研究[M].北京：中國金融出版社，2011.
[2]朱孔杰，詠.對我國股票市場股指波動特性的實證分析[J].數理統計與管理，2005，（3）.
[3]張芳.基于金融時間序列GARCH模型的研究[D].淄博：山東理工大學，2006.
[4]李子奈.ARCH模型的理論基礎及其對中國股票市場的實證研究[J].清華大學中國經濟研究中心學術論文，2000.
[5]陶亮，王曉明.滬深兩市股票市場的GARCH類模型分析[J].當代經理，2005.
[6]何紅霞.中國股市價格的波動性研究-基于滬深300指數的GARCH模型[J].和田師范?？茖W校學報（漢文綜合版），2010，29（03）1215.
[7]陳千里，周少甫.上證指數收益的波動性研究[J].數量經濟技術經濟研究，2002，（6）：122125.
[8]張維，黃興.滬深股市的R/S實證分析[D].天津：天津大學，2001.
[9]Fama E.The Behavior of Stock Market prices[J]. Journal of Business，1965，（38） ： 34105.
實證分析范文5
關鍵詞投資組合有效邊界無差異曲線實證分析
1證券投資組合的可行域和有效邊界
設有證券投資組合P,其期望收益率記為E(rp),標準差記為σP。則以E(rp)和σP為軸,可建立描述投資組合的坐標體系。在此坐標系中,所有可能的證券組合方式被定義為證券投資組合的可行域。對于只有兩個證券A、B的投資情形,其組合分析見圖1。
圖1中由證券A和證券B建立的證券組合位于連接A、B的直線或曲線上,該直線或曲線被稱為證券A與B的結合線。結合線的彎曲程度由證券A和證券B的收益率之間的聯動關系所決定,而與選擇的組合方式無關。證券間的聯動關系采用相關系數來衡量,取值介于-1和1之間。不同組合在連線上的位置取決于該組合投資于證券A、B的比例。如果市場不存在賣空機制,則證券投資組合的可行域即是證券A、B之間的結合線。類似地,對于三個證券A、B、C之間的組合分析情形,在不允許賣空的條件下,由三條結合線(每兩種證券形成)構成的所有投資組合的可行域見圖2。顯然,可行域內的每一點可以通過三種證券的二次組合來得到。例如,A、C的組合為D,B、D的組合為Z。一般來說,當存在n種證券可供選擇時,根據建立組合的限制條件(如是否存在賣空機制等),其可行域可能是有限域,也可能是無限域。但無論如何,可行域的左邊界總是向外凸的(允許線性部分),不會出現凹陷。
根據馬柯維茨均值方差模型的假設,在相同期望收益的投資組合中,投資者會選擇方差最小的組合方案。對于每一個可能的期望收益,均有一個方差最小的投資組合恰好構成可行域的左邊界。另一方面,在方差相同的投資組合中,投資者會選擇期望收益最高的組合方案。而對每一個可能的方差水平,都有一個期望收益率最高的投資組合恰好構成可行域的上邊界。綜上所述,投資者實際選擇的證券組合應位于可行域的左邊界和上邊界的公共部分,該局部邊界被稱為可行域的有效邊界(見圖3)。
2證券投資組合的無差異曲線
在投資實踐中經常會見到高收益伴隨高風險的情形,即:
E(rA)%26gt;(rB),σA%26gt;σB
此時,投資組合A比B承擔更大的風險,但同時也具有更高的期望收益,這種期望收益的增量可視為對風險增量的補償。
基于風險與收益之間的補償作用,不同投資組合的實際效用(即滿意程度)在投資者看來也許是相同的。將被投資者認為滿意程度相同的投資組合曲線繪制在均值方差坐標系中,形成圖4所示的無差異曲線族。顯然,族中無差異曲線的位置越高,該曲線上投資組合的滿意程度越高。由于不同投資者對風險的態度大不相同,故無差異曲線通常被劃分為風險偏愛、風險中立和風險厭惡等三種基本類型,其曲線形狀(見圖4)。
3最優證券組合的確定
統計調查的結果表明,絕大多數的投資者對風險持厭惡態度。為此,本文以風險厭惡型投資者的投資組合為代表分析最優證券組合的確定方法與過程。
如前所述,在馬柯維茨假設下,給定投資環境中的每個投資者將根據證券組合的收益和方差以及自身對風險的態度確定相應的無差異曲線族,并借助于無差異曲線在投資組合的有效邊界上選擇一個適當的投資方案。顯然,由于所選投資方案既不能離開有效邊界,又希望具有盡可能高的滿意程度,故該方案必然對應于某條無差異曲線與有效邊界的切點。其圖解過程見圖5,圖5中H點所代表的投資組合方案即為所求。
4實證分析
本文選取上證30指數的指標股作為實證分析的對象。研究時段為2000年1月7日~2000年12月29日,共計48個交易周的收盤價。首先計算股票的周收益率及其方差,期間凡有送股、配股和派發現金股利的股票,均根據其配送方案分別進行復權,以保持數據的完整性和一致性。然后構建組合投資的決策模型及確定投資組合的有效邊界,最終給出指標股的投資方案并進行必要的結果分析。
4.1周平均收益率及其方差計算
樣本股周收益率的計算公式為:
rit=■-1(1)
式中i=1,2,…,30;t=1,2,…,48;
rit:第i只股票從第t-1周到第t周的收益率;Pit:第i只股票在第t周的收盤價;Pi,t-1:第i只股票在第t-1周的收盤價;ai:第i只股票從第t-1周到第t周的送股比例;bi:第i只股票從第t-1周到第t周的配股比例;Bi:第i只股票配股價;di:第i只股票在第t-1周到第t周的每股現金紅利。
各樣本股在樣本時限內平均收益率和方差的計算公式分別為:
E(rit)=■,σ2i=■(2)
式中E(ri)是第i只股票的周平均收益率,rit是第i只股票在第t周的收益率,N=47為計算總周數。
上證30指標股在樣本時限內周平均收益率和方差的具體計算結果見表1。
4.2決策模型與有效投資組合
因為我國證券交易市場不存在賣空機制,相應的組合投資決策模型可寫成以下數學規劃的形式:minσ2(rp)XT∑X
s.t.XTEn=1
XTR=R0(3)
Xi≥0,i=1,2,…,n
式中:X=(x1,x2,…,xn)T為證券組合投資比例向量;r=(r1,r2,…,rn)T為各單個證券投資收益率向量;R=(R1,R2,…,Rn)T為收益率向量的期望向量;∑(σij)n×n為收益率向量r的協方差,σij=Cov(ri,rj),i,j=1,2,…n;En為元素全為1的n維列向量;E(rp)=XTR表示證券組合的預期收益率;σ2(rp)=XT∑X表示證券組合的風險。
該模型的內涵是在給定預期收益率R0的條件下,力求使證券組合投資的風險達到最小。其中,R0為投資者所要求的最低收益率水平。
借助于Lingo軟件平臺,通過編程計算,不難求解上述數學規劃,從而確定證券投資的有效組合。實際運算結果表明,上證30指數指標股的有效投資組合一共有14組,每一投資組合中各樣本股所占的投資比例見表2。
5.3投資組合的有效邊界及結果分析
由表2的數據可以看出,隨著組合投資方案中證券數目的增加,用方差代表的投資風險在迅速降低,最終穩定在某一固有的風險水平。該風險水平在某種意義上可視為投資環境的系統風險,必須由投資者個人承擔,而無法通過投資組合的方式來化解。
根據表2的數據可以繪制出上證30指數指標股投資組合的有效邊界,其界面曲線見圖6。
圖6中的B點表明,投資者在上證30指數指標股投資組合中可以實現的最高周收益率為1.4721%,折算成年收益率為75.71%,同時需要承擔方差為45.08%的投資風險。其具體投資方案為將全部資金投資于龍騰科技,屬于單一證券的投資選擇模式,是高收益、高風險的集中體現。
另一方面,圖6中的A點表明,如果將資金按一定比例分投于所選擇的9支股票(詳見表2),則投資風險降低到最低程度(σ2=5.2%),同時可實現0.249%的周平均收益率,對應年收益率為12.78%。顯然,該證券組合投資的收益率仍然遠高于銀行同期年利率2.25%的水平。
參考文獻
1小詹姆斯L.法雷爾.齊寅峰譯.投資組合管理理論及應用[M].北京:機械工業出版社,2002
實證分析范文6
【關鍵詞】 保險需求 國內生產總值 存款利率
一、引言
保險需求，即在一定時期和一定價格水平下，消費者愿意購買保險商品的總量。保險需求可分為自然需求和有效需求兩種。保險的自然需求是指由自然界和社會經濟生活中客觀存在的風險損失總量所產生和決定的保險需求。保險的有效需求則是指與消費者的購買能力相聯系的需求，即消費者愿意并且能夠購買的保險商品的總量。本文以保險的有效需求（以下簡稱為保險需求）為研究對象，利用計量經濟學的方法，來分析保險需求的影響因素及各因素對保險需求的影響程度，以期找到促進保險需求增長的方法。
二、研究綜述
隨著計量學的不斷發展，國外的學者運用計量經濟學的新方法對影響保險需求的因素作了大量的實證分析，雖然得出的結論不盡相同，但是其中有些因素對保險需求的影響獲得了廣泛的認同，如經濟增長因素。另一些因素則由于每個國家的情況不同，對保險需求是否有影響有所爭議。我國的學者在研究國外的一些相關成果并結合我國國內的實際情況的基礎上，對影響中國保險需求的因素做了一些實證分析。
林寶清（1992）認為保費收入與國民生產總值（現在多用國內生產總值的概念來代替）高度相關。孫祁祥（1997）認為在中國保險產業的發展過程中，社會經濟體制的變革對轉變人們的風險意識和風險觀念起著十分重要的作用，從而影響我國的保險需求。一國的經濟政策，如社會保障政策、貨幣金融政策等對保險需求也有一定影響。此外，社會因素如人口結構、家庭結構等也都以各自的方式影響著各個國家的保險需求。于殿江、郭南（2003）指出，我國城鎮居民的保險行為在受居民收入影響的同時，更多地受到制度變遷因素造成的預防性儲蓄動機的影響，保險行為與居民實物資產投資行為關系較弱，居民的保險投資基本作為一種對傳統儲蓄存款的替代行為，保險投資行為更多地出于人身保障動機，而非出于避免個人實物資產損失的動機。他們認為最優保險需求水平受風險發生頻率、風險造成的損失水平、保險費率（保險價格）、個人初始財富的變動、保險市場的壟斷因素、信息不對稱因素及人口老齡化等多種因素的影響。
以上學者在文章中對中國保險需求的影響因素進行了實證分析，但是不涉及計量經濟學模型。綜合他們的觀點來看，決定保險需求量的因素有五個方面：一是經濟發展水平，包括國內生產總值、利率及通貨膨脹率等；二是風險發生頻率和損失程度；三是保險價格（保險費率）；四是保險替代品，主要指社會保障和居民儲蓄；五是保險意識的強弱、文化教育水平、宗教、人口家庭結構、人口出生率和死亡率及傳統習俗等。
運用計量經濟學方法來分析保險需求影響因素的文章也不少。卓志（2001）利用1986―1995年的序列數據建立了多元回歸模型，對我國人壽保險需求進行了實證研究，得出的基本結論為：我國的經濟增長、高少年兒童贍養率及正在增長的老年贍養率對壽險需求有正面影響，而我國人口較低的教育水平可能會阻礙保險業的發展，預期的通貨膨脹對保險有負面影響但是不十分顯著。徐愛榮（2002）用1980―2001年時間序列數據，以國內生產總值、物價指數、政策虛擬變量為自變量，建立多元線性回歸模型，結果表明國內生產總值對保險需求的正面影響以及物價指數對保險需求的負面影響均較為顯著，虛擬變量對外開放無法通過統計檢驗，但是他認為根據實際情況，保險市場的對外開放仍是具有正面影響的解釋變量。閻建軍、王治超（2002）采用1985―1997年的相關數據，用取對數的形式建立多元回歸模型分析了國民生產總值、名義利率對壽險需求的影響，并認為GNP的變動是導致我國壽險需求總量變動的主要原因，而利率變動對我國壽險需求總量變動的影響很微弱。吳江鳴、林寶清（2003）利用1980―2002年的時間序列數據建立了一個計量模型，模型中的因變量包括通貨膨脹、收入、市場機制與保險品種創新，特別分析了市場機制與保險品種創新對我國保險需求的影響。陳之楚、劉曉敬（2004）用多元線性回歸模型考察了1990―2001年期間居民人均收入、恩格爾系數、利率、社會保障制度安排和儲蓄對壽險需求的影響。李良（2006）抽取了全國30個省市1998―2003年的數據就收入、通貨膨脹率、社會保障、銀行利率、死亡率等對壽險需求影響的因素與保費收入間的相關性做了Granger因果性分析，但并沒有運用協整分析方法。
大多數文章是利用經典計量經濟學的方法來研究保險需求的，未考慮到時間序列的平穩性問題。然而大多經濟時間序列是非平穩的，因此在建立計量經濟模型之前應對時間序列數據進行平穩性檢驗。
三、保險需求的影響因素
1、國內生產總值
保險需求的增長離不開經濟的發展，而國內生產總值作為衡量一國經濟發展的主要指標，無疑是影響一國保險需求的主要因素。
隨著收入水平的增加，消費結構也會發生變化。根據馬斯洛的“需求層次理論”，隨著收入的提高，人們也將由生存需要為主的單一消費方式向消費多樣化發展，安全的需求將成為人們日常生活中不可缺少的部分，并在消費結構中占有越來越重要的地位，這就從根本上擴大了保險需求。
從凱恩斯的消費理論的角度來講，消費與收入存在著正相關的關系，而本文選擇代表保險需求的指標――保費收入是消費的一個組成部分，因此保費收入也與總收入存在正相關的關系。
2、利率
保險是一種金融商品，而且是儲蓄的替代品，當利率下調時儲蓄的收益降低，人們會轉而購買保險或其他金融商品。
利率也可以通過影響國內生產總值從而間接影響保險需求。利率是中央銀行實施貨幣政策、調整國民經濟運行的一個工具。利率調整刺激了投資，促進了經濟的發展和國內生產總值的增長，從而提高了保險需求。
3、通貨膨脹
通貨膨脹對保險需求的影響主要表現為兩個方面：第一，通貨膨脹使得消費者的實際收入水平增長速度放緩，由于收入與保險需求的正相關性，這將導致保險需求增長速度的下降或者保險需求的減少。第二，通貨膨脹引起其他一些環境變量的變化，從而使壽險與其他的替代品相比預期收益發生變化，進而影響對保險的需求。
四、中國保險需求的實證分析
1、變量選取及數據來源
本文選擇保費收入作為被解釋變量。保險需求量的增加，意味著保費收入的增加，從經濟意義上可以認為保費收入與保險需求量具有較高的相關關系。保費收入不但能較好地反映保險需求的變動情況，而且數據比較容易取得。
在影響保險需求的各種因素中，有些因素的變動會同時影響人身保險和財產保險的需求，比如國內生產總值、通貨膨脹率和利率。有些因素，如出生率、死亡率等，對壽險需求的影響明顯大于對財險需求的影響。在選擇變量時本文選用對壽險和財險都有明顯影響的變量。有些因素雖然對財險和壽險需求都有一定影響，但是較難以量化形式反映，或數據較難取得，因此將它們作為隨機擾動項處理。
在模型中，被解釋變量保費收入（premium income）用PI來表示。解釋變量國內生產總值用GDP來表示，我們選用CPI數據來代替通貨膨脹率，并以1978年的數據為基期，即令1978年的CPI等于100。利率本文采用的是一年期定期存款利率，并用DR（deposit rates）來表示。對以上四個變量取自然對數后分別記為LPI、LGDP、LCPI和LDR。
本文選用1985―2007年的數據進行分析，各年度的GDP、CPI及保費收入數據來源于中經網統計數據庫，利率數據來源于中國人民銀行網站，我們采用線性內插法計算出每年的利率。本文應用EVIEWS6.0軟件進行分析。
2、時間序列的平穩性檢驗
由于模型所涉及到的變量為宏觀經濟數據，而經濟時間序列通常是非平穩的，因此我們在建立模型之前首先要檢驗時間序列的平穩性，否則有可能導致偽回歸。
（1）單位根檢驗。常用的單位根檢驗有ADF檢驗、PP檢驗和KPSS檢驗。本文選用ADF檢驗，結果如表1所示。
在5%的顯著水平下，LPI、LGDP、LCPI和LDR都為非平穩數列，所以不能直接用普通最小二乘法進行回歸，否則可能出現無意義的“偽回歸”。
我們對以上四個非平穩序列進行一階差分，差分后的序列分別記為DLPI、DLGDP、DLCPI和DLDR，并對差分后的序列進行單位根檢驗，結果四個序列進行一階差分后均為平穩序列，即LPI、LGDP、LCPI和LDR均為一階單整序列。
（2）協整檢驗。協整方法認為非平穩序列之間的某種線性組合是平穩的，它反映了變量之間的長期均衡關系。短期內，隨機沖擊可能使系統偏離均衡關系，但是長期內系統內的經濟變量的共同作用將使系統恢復穩定關系。
常用的協整向量估計方法有EG檢驗和Johansen檢驗。EG檢驗采用單一回歸方程表達式，隱含地假設變量之間只存在一個協整關系，對于多變量系統，這種假設就不適用。另外，它也沒有很好地考慮解釋變量可能存在的內生性問題。相比之下，Johansen檢驗基于多元VAR 框架，允許變量之間的即時相互反饋作用，并允許多個變量以不同的速度對擾動項進行反映與調整，使得系統向長期均衡靠近。Gonzalo（1994）通過Monte Carlo 模擬方法，發現Johansen的方法有最小的均方差，它們的有限樣本性質也與漸近結果一致。鑒于此，我們采用Johansen 的方法估計協整向量，結果如表2所示。表2的結果表明，模型存在唯一的協整關系。
3、模型的設定
根據前文對影響保險需求因素的分析及協整檢驗的結果，我們建立以下的對數線性模型：
LPI=X0+X1LGDP+X2LCPI+X3LDR
4、模型的估計與檢驗
由于模型已經通過了Johansen檢驗，我們直接對模型進行線性回歸。結果如下：
LPI=-11.67931+0.830710LGDP+1.564923LCPI-0.109323LDR
（-4.380247） （1.720239） （1.257412） （0.5940）
R2=0.976687 F=265.3324
雖然可以通過F檢驗，但是模型的三個解釋變量都無法通過t檢驗。由經濟理論可以知道，國內生產總值和CPI之間是存在著相關性的，模型無法通過t檢驗有可能是存在多重共線性，所以我們對模型進行多重共線性的檢驗。我們對LGDP和LCPI進行回歸，發現兩者之間的相關系數高達0.976438，證明兩者高度相關。
5、模型的調整
我們采用剔除變量的方法解決多重共線性的問題。由經濟理論及其他學者所做的大量實證分析可知，GDP對保費收入的影響大于CPI對保費的影響，因此我們剔除變量LCPI，建立新的模型。
由于模型發生了變化，需要重新進行Johansen檢驗。結果如表3所示。
由表3可以看出，經調整后的模型也存在著唯一的協整關系。
對模型進行回歸，結果如下：
LPI=-8.615926+1.428653LGDP-0.300343LDR
（-7.838449） （16.75760） （-2.233415）
R2=0.974747 F=385.9934 DW=0.550337
dL=1.168 dU =1.543
我們還需要進一步檢驗模型是否存在異方差和自相關。
檢驗異方差通常可以采用Goldfeld-Quanadt檢驗、White檢驗、ARCH檢驗和Glejser檢驗。由于我們采用的是時間序列數據，所以選用ARCH檢驗。結果證明，當ARCH過程為一階時，模型不存在異方差。
由于DW=0.550337，dL=1.168，dU =1.543，所以模型存在著自相關。我們采用AR（1）模型來修正回歸方程殘差序列的自相關。修正后的回歸方程如下：
LPI=-4.831795+1.122081LGDP-0.476071LDR
（-1.999724） （5.746836） （-2.934623）
R2=0.990519 F=626.8538 DW=1.649012 df=22
AR（1）=0.659337 dL=1.147 dU=1.541
1
模型估計結果說明，保費收入與國內生產總值和利率之間存在長期的穩定關系，并且國內生產總值增加1%，保費收入增加1.428653%；利率下降1%（這里是指利率的變化率為1%，而不是名利利率下降1%），保費收入增長0.476071%。
五、結論和后續研究
本文用時間序列的平穩性檢驗和協整檢驗方法證明保費收入與國內生產總值和存款利率之間存在著長期均衡關系，建立了對數線性模型，得出保費收入與國內生產總值正相關，與存款利率負相關，并得出了相關程度的具體數值。然而由于消費物價指數與國內生產總值存在著嚴重的多重共線性，我們把它從模型中剔除了，而作為隨機擾動項處理。
由于有些數據較難取得，本文所采用的變量里并未包含所有對保費收入有重要影響的變量，而是作為隨機擾動項處理，這使得一些影響保險需求的重要因素無法進入模型，從而無法得到具體的對保費收入的影響程度。此外，由于中國恢復國內保險業務的時間尚短，導致本文所采用的數據的樣本容量較小，可能對某些計量經濟方法的使用有影響。這些不足之處也是在后續研究中需要想辦法解決的問題。
【參考文獻】
[1] 龐皓：計量經濟學[M].科學出版社，2007.
[2] 孫祁祥：保險需求因素分析――兼論中國保險業增長潛在需求因素[J].改革，1997（5）.
[3] 林寶清：保險需求定量分析[J].金融研究，1992（7）.
[4] 卓志：我國人壽保險需求的實證分析[J].保險研究，2001（5）.
