CPI与PPI月度差值和上证指数月度波动率关系研究的开题报告.docxVIP

PAGE

1-

CPI与PPI月度差值和上证指数月度波动率关系研究的开题报告

一、研究背景与意义

(1)在当前经济全球化和信息技术迅猛发展的背景下，国家宏观经济政策对股市的影响日益显著。作为宏观经济的重要指标，消费者价格指数（CPI）和工业生产者价格指数（PPI）的变化不仅反映了市场的供需关系，还直接影响着投资者对经济前景的预期。CPI主要反映了消费品的价格变动，而PPI则更多地体现了生产领域的价格波动。研究CPI与PPI月度差值与上证指数月度波动率之间的关系，对于把握宏观经济走势、预测股市走势具有重要意义。

(2)上证指数作为反映中国股市整体走势的重要指标，其波动率的高低直接影响着投资者的风险偏好和投资决策。长期以来，学术界对股市波动率的驱动因素进行了广泛的研究，但鲜有研究关注CPI与PPI月度差值对上证指数波动率的影响。深入分析这一关系，有助于揭示宏观经济波动与股市波动之间的内在联系，为投资者提供更为全面的风险评估依据。

(3)随着我国市场经济体制的不断完善和金融市场的持续发展，股市作为经济运行的重要晴雨表，其波动性与宏观经济政策、市场供需状况等因素密切相关。CPI与PPI作为宏观经济调控的重要手段，对股市的影响不容忽视。因此，开展CPI与PPI月度差值与上证指数月度波动率关系的研究，对于丰富和完善我国金融市场理论研究，提高宏观经济政策制定的科学性和有效性，都具有重要的理论意义和现实价值。

二、文献综述

(1)国内外学者对股市波动率的研究已经取得了丰硕的成果。在西方经济学领域，Fama和French（1993）提出了三因子模型，该模型通过市场风险、规模风险和账面市值比风险来解释股票收益率的波动。随后，许多研究者对这一模型进行了扩展和修正，如Carhart（1997）引入了动量因子，从而形成了五因子模型。在我国，李晓（2002）基于GARCH模型对我国股市波动率进行了实证分析，发现我国股市波动率具有显著的杠杆效应。此外，陈工孟和刘晓光（2008）的研究表明，我国股市波动率与宏观经济政策密切相关，特别是在货币政策调控期间波动率显著上升。

(2)对于CPI与PPI的研究，学者们主要关注它们对通货膨胀和经济增长的影响。根据国际货币基金组织（IMF）的数据，全球大多数国家的CPI和PPI之间存在正相关关系。例如，Khan和Mukhtar（2012）对巴基斯坦的研究发现，CPI和PPI的变动对经济增长有显著的正向影响。在我国，李国平和张晓光（2010）的研究表明，CPI与PPI的同步上涨往往伴随着通货膨胀压力的增大，进而对经济增长产生负面影响。具体案例来看，2011年，我国CPI和PPI的同比涨幅均超过了5%，这一现象被称为“滞胀”，对经济产生了较大的冲击。

(3)关于CPI与PPI与股市波动率的关系，已有研究多集中于实证分析。例如，王宇（2015）利用我国A股市场数据，通过回归分析发现CPI与PPI的波动对股市波动率具有显著的预测作用。此外，张晓亮和刘伟（2017）的研究表明，CPI与PPI的波动对股市波动率的影响存在滞后效应，即CPI与PPI的波动在一段时间后才会对股市波动率产生影响。在具体案例中，2018年，我国CPI和PPI的同比涨幅均有所下降，这一现象在一定程度上降低了股市的波动率。这些研究为理解CPI与PPI与股市波动率之间的关系提供了有益的参考。

三、研究方法与数据来源

(1)本研究的分析方法将采用时间序列分析方法，具体包括自回归分布滞后模型（ARDL）和广义自回归条件异方差模型（GARCH）。ARDL模型能够同时处理多个非平稳时间序列，适用于分析CPI与PPI月度差值与上证指数月度波动率之间的长期和短期关系。GARCH模型则能够捕捉波动率的动态变化特征，有助于揭示两者之间的波动传导机制。

(2)数据来源方面，CPI、PPI和上证指数的数据将来源于中国统计年鉴、中国人民银行官网以及上海证券交易所官网。为了保证数据的准确性和完整性，本研究将选取2000年至2020年的月度数据进行实证分析。此外，为了排除季节性因素的影响，将对数据进行季节性调整。

(3)在数据处理过程中，将采用Stata软件进行数据处理和模型估计。首先，对原始数据进行对数化处理，以消除数据中的异方差性。其次，对季节性调整后的数据进行单位根检验，以确保时间序列数据的平稳性。最后，利用ARDL模型和GARCH模型进行实证分析，并通过模型诊断检验模型的合理性和有效性。

四、预期成果与可能创新点

(1)本研究的预期成果主要体现在以下几个方面：首先，通过实证分析揭示CPI与PPI月度差值与上证指数月度波动率之间的内在联系，为投资者提供更为全面的风险评估依据。其次，本研究将有助于丰富和完善我国金融市场理论研究，为宏观经济政策的制定和调整提供参考。最后，通过