如何进行指数研究论文

那么怎么挑选指数基金呢？它的筛选条件有哪些？跟也是从天天基金网去查看，并筛选。1、基金公司的实力要强，规模至少在1000亿以上。2、基金规模不低于2亿3、基金的跟踪误差率要低，这个可以与其他的基金做对比4、成立时间不低于三年5、费用越低越好那么选好了定投哪只指数基金，接下来就是要做定投计划。首先你得先确定自己可以用来定投的金额，这个金额一定要是闲钱，三至五年不会用到的钱。不要觉得指数基金很好，就把所有的钱都投进来了，结果中途需要用到钱，就直接把指数基金卖了。这是非常不可取的。那么这个定投金额怎么计算呢？举例上班族小红，今年25岁，每个月工资是五千块，每个月的花销是三千块，如果说有配置商业保险的，比如一年是6000，,把保险费除以12分摊到每个月里面，也从每月工资里扣除。那么小红每月可用于投资的金额就是5000-3000-（6000/12）=1500，接着我们需要确定自己的风险系数，也就是评估自己的风险承受能力，随着年龄的增加呢，我们承担风险的能力会越来越低，一个25岁的年轻人客观上能够承担的风险比一个75岁的老人更高。越年轻，时间越多能够从头再来的机会也越多嘛。有一个简单的公式，一秒就算出你的风险承受能力，那就是用100减去你当前的年龄，得到的这个数字，就是你的风险承受能力。那么小红的每月定投金额是1500*元。当然还有其他的情况，比如是有目标的定投计划，比如要给自己的女儿定投一笔教育金，或者给自己定投一份养老金，以及想要给自己的资产做保值升值，那么计算方式就不一样了。这个如果感兴趣的小伙伴可以私聊我。我再根据你的情况给你计算。另外就是要确定定投期，其实按照每日，每周，每两周，每月定投，最后的收益都是差不多的，所以建议就按照每月定投，可以设定这个定投日为自己发工资的那天。这样也可以控制自己买买买。那么定投之后呢！你可能会遇到各种心魔来阻碍你的定投计划。比如看到别人买股票，赚得比你多，就想着放弃基金去买股票，但建议你不懂的不要碰，在股市流传一句话就是七亏二平一赢，你就那么笃定没点知识沉淀，不懂得分析财报，研报等的你能打败其他人，成为那赢的一撮吗？还有就是不能长期坚持的，动不动就从基金的账户里抽钱出来花，这个是定投的大忌。如果这样你就看不到复利的效应。还有就是看到涨就开心，看到跌就焦虑。股市的波动是必然的，涨跌是常态，我们明白股市上涨，可以让我们在眼下赚的更多，但是对于定投指数基金的我们而言呢，下跌反而能让我们买的更便宜，拉低指数基金的持有成本，这样才能在未来赚的更多，理性对待股市的波动，认识到涨跌，对于我们来说其实都是有利的，在上涨的时候呢，我们赚取眼前的利益，在下跌的时候抓住入场的好机会，这才是一个投资者最高的境界。

摘 要 研究了沪深300指数日收益率时间序列，经检验其具有马氏性，并建立了马尔可夫链模型。取交易日分时数据，根据分时数据确定状态初始概率分布，通过一步转移概率矩阵对下一交易日的日收益率进行了预测。对该模型分析和计算，得出其为有限状态的不可约、非周期马尔可夫链，求解其平稳分布，从而得到沪深300指数日收益率概率分布。并预测了沪深300指数上涨或下跌的概率，可为投资管理提供参考。关键词 马尔可夫链模型 沪深300指数 日收益率概率分布 平稳分布1 引言沪深300指数于2005年4月正式发布，其成份股为市场中市场代表性好，流动性高，交易活跃的主流投资股票，能够反映市场主流投资的收益情况。众多证券投资基金以沪深300指数为业绩基准，因此对沪深300指数收益情况研究显得尤为重要，可为投资管理提供参考。取沪深300指数交易日收盘价计算日收益率，可按区间将日收益率分为不同的状态，则日收益率时间序列可视为状态的变化序列，从而可以尝试采用马尔可夫链模型进行处理。马尔可夫链模型在证券市场的应用已取得了不少成果。参考文献[1]、[2]、[3]和[4]的研究比较类似，均以上证综合指数的日收盘价为对象，按涨、平和跌划分状态，取得了一定的成果。但只取了40～45个交易日的数据进行分析，历史数据过少且状态划分较为粗糙。参考文献[5]和[6]以上证综合指数周价格为对象，考察指数在的所定义区间（状态）的概率，然其状态偏少（分别只有6个和5个状态），区间跨度较大，所得结果实际参考价值有限。参考文献[7]对单只股票按股票价格划分状态，也取得了一定成果。然而收益率是证券市场研究得更多的对象。本文以沪深300指数日收益率为对考察对象进行深入研究，采用作为计算工具，对较多状态和历史数据进行了处理，得出了沪深300指数日收益率概率分布，并对日收益率的变化进行了预测。2 马尔可夫链模型方法 马尔可夫链的定义设有随机过程{Xt，t∈T}，T是离散的时间集合，即T={0，1，2，L}，其相应Xt可能取值的全体组成状态空间是离散的状态集I={i0，i1，i2，L}，若对于任意的整数t∈T和任意的i0，i1，L，it+1∈I，条件概率则称{Xt，t∈T}为马尔可夫链，简称马氏链。马尔可夫链的马氏性的数学表达式如下：P{Xn+1=in+1|X0=i0，X1=i1，L，Xn=in}=P{Xn+1=in+1|Xn=in} （1） 系统状态概率矩阵估计马尔可夫链模型方法的基本内容之一是系统状态的转移概率矩阵估算。估算系统状态的概率转移矩阵一般有主观概率法和统计估算法两种方法。主观概率法一般是在缺乏历史统计资料或资料不全的情况下使用。本文采用统计估算法，其主要过程如下：假定系统有m种状态S1，S2，L，Sm根据系统的状态转移的历史记录，可得到表1的统计表格。其中nij表示在考察的历史数据范围内系统由状态i一步转移到状态j的次数，以■ij表示系统由状态i一步转移到状态的转移概率估计量，则由表1的历史统计数据得到■ij的估计值和状态的转移概率矩阵P如下：■ij=nij■nik，P=p11 K p1mM O Mpm1 L pmn（2） 马氏性检验随机过程{Xt，t∈T}是否为马尔可夫链关键是检验其马氏性，可采用χ2统计量来检验。其步骤如下：（nij）m×m的第j列之和除以各行各列的总和所得到的值记为■.j，即：■.j=■nij■■nik，且■ij=nij■nik（3）当m较大时，统计量服从自由度为（m-1）2的χ2分布。选定置信度α，查表得χ2α（（m-1）2），如果■2>χ2α（（m-1）2），则可认为{Xt，t∈T}符合马氏性，否则认为不是马尔可夫链。■2=2■■nijlog■ij■.j（4） 马尔可夫链性质定义了状态空间和状态的转移概率矩阵P，也就构建了马尔可夫链模型。记Pt（0）为初始概率向量，PT（n）为马尔可夫链时刻的绝对概率向量，P（n）为马尔可夫链的n步转移概率矩阵，则有如下定理：P（n）=PnPT（n）=PT（0）P（n）（5）可对马尔可夫链的状态进行分类和状态空间分解，从而考察该马尔可夫链模型的不可约闭集、周期性和遍历性。马尔可夫链的平稳分布有定理不可约、非周期马尔可夫链是正常返的充要条件是存在平稳分布；有限状态的不可约、非周期马尔可夫链必定存在平稳过程。3 马尔可夫链模型方法应用 观测值的描述和状态划分取沪深300指数从2005年1月4日~2007年4月20日共555个交易日收盘价计算日收益率（未考虑分红），将日收益率乘以100并记为Ri，仍称为日收益率。计算公式为：Ri=（Pi-Pi-1）×100/Pi-1（6）其中，Pi为日收盘价。沪深300指数运行比较平稳，在考察的历史数据范围内日收益率有％在[，]。可将此范围按的间距分为18个区间，将小于和大于各记1区间，共得到20个区间。根据日收益率所在区间划分为各个状态空间，即可得20个状态（见表2）。 马氏性检验采用χ2统计量检验随机过程{Xt，t∈T}是否具有马氏性。用前述统计估算法得到频率矩阵（nij）20×20。由（3）式和（4）式可得：■.j=■nij■■nik，且■ij=nij■nik，■2=2■■nijlog■ij■.j=，令自由度为k=（m-1）2即k=361，取置信度α=。由于k>45，χ2α（k）不能直接查表获得，当k充分大时，有：χ2α（k）≈■（zα+■）2（7）其中，zα是标准正态分布的上α分位点。查表得，故可由（1）、（7）式得，即统计量，随机过程{Xt，t∈T}符合马氏性，所得模型是马尔可夫链模型。 计算转移概率矩阵及状态一步转移由频率矩阵（nij）20×20和（1）、（2）式得转移概率矩阵为P=（Pij）20×20。考察2007年4月20日分时交易数据（9：30~15：30共241个数据），按前述状态划分方法将分时交易数据收益率归于各状态，并记Ci为属于状态i的个数，初始概率向量PT（0）=（p1，p2，L，pt，L，p20），则：pj=Cj/241，j=1，2，K，20（8）下一交易日日收益率分布概率PT（0）={p1（1），p2（1），L，pi（1），L，p20（1）}，且有PT（1）-PT（0）p，计算结果如表3所示。 马尔可夫链遍历性和平稳分布可以分析该马尔可夫链的不可约集和周期性，从而进一步考察其平稳分布，然而其分析和求解非常复杂。本文使用采用如下算法进行求解：将一步转移概率矩阵P做乘幂运算，当时Pn+1=Pn停止，若n>5 000亦停止运算，返回Pn和n。计算发现当n=48时达到稳定，即有P（∞）=P（48）=P48。考察矩阵P（48）易知：各行数据都相等，不存在数值为0的行和列，且任意一行的行和为1。故该马尔可夫链{Xt，t∈T}只有一个不可约集，具有遍历性，且存在平稳分布{πj，j∈I}，平稳分布为P（48）任意一行。从以上计算和分析亦可知该马尔可夫链是不可约、非周期的马尔可夫链，存在平稳分布。计算所得平稳分布如表4所示。 计算结果分析表3、表4给出了由当日收益率统计出的初始概率向量PT（0），状态一步预测所得绝对概率向量PT（1）和日收益率平稳分布，由表3和表4综合可得图1。可以看出，虽然当日（2007年4月20日）收益率在区间（，）波动且在（，）内的概率达到了，表明在2007年4月20日，日收益率较高（实际收盘时，日收益率为），但其下一交易日和从长远来看其日收益率概率分布依然可能在每个区间。这是显然的，因为日收益率是随机波动的。对下一交易日收益率预测（PT（1）），发现在下一交易日收益率小于0的概率为，大于0的概率为，即下一交易日收益率大于0的概率相对较高，其中在区间（-2，）、（，1）和（1，）概率、和依次排前三位，也说明下一交易日收益率在（-2，）的概率会比较高，有一定的风险。从日收益率长远情况（平稳分布）来看，其分布类似正态分布但有正的偏度，说明其极具投资潜力。日收益率小于0的概率为，大于0的概率为，即日收益率大于0的概率相当的高于其小于0的概率。4 结语采用马尔可夫链模型方法可以依据某一交易日收益率情况向对下一交易日进行预测，也可得到从长远来看其日收益率的概率分布，定量描述了日收益率。通过对沪深300指数日收益率分析和计算，求得沪深300指数日收益率的概率分布，发现沪深300指数日收益率大于0的概率相对较大（从长远看，达到了，若考虑分红此概率还会变大），长期看来沪深300指数表现乐观。若以沪深300指数构建指数基金再加以调整，可望获得较好的回报。笔者亦采用范围（-5，5）、状态区间间距为1和范围（-6，6）、状态区间间距为2进行运算，其所得结果类似。当采用更大的范围（如-10，10等）和不同的区间大小进行运算，计算发现若状态划分过多，所得模型不易通过马氏性检验，如何更合理的划分状态使得到的结果更精确是下一步的研究之一。在后续的工作中，采用ANN考察所得的日收益率预测和实际日收益率的关系也是重要的研究内容。马尔可夫链模型方法也可对上证指数和深证成指数进行类似分析。参考文献1 关丽娟，赵鸣.沪综指走势的马尔可夫链模型预测[J].山东行政学院，山东省经济管理干部学院学报，2005（4）2 陈奕余.基于马尔可夫链模型的我国股票指数研究[J].商场现代化（学术研讨），2005（2）3 肖泽磊，卢悉早.基于马尔可夫链系统的上证指数探讨[J].科技创业月刊，2005（9）4 边廷亮，张洁.运用马尔可夫链模型预测沪综合指数[J].统计与决策，2004（6）5 侯永建，周浩.证券市场的随机过程方法预测[J].商业研究，2003（2）6 王新蕾.股指马氏性的检验和预测[J].统计与决策，2005（8）7 张宇山，廖芹.马尔可夫链在股市分析中的若干应用[J].华南理工大学学报（自然科学版），2003（7）8 冯文权.经济预测与决策技术[M].武汉：武汉大学出版社，20029 刘次华.随机过程[M].武汉：华中科技大学出版社，200110 盛千聚.概率论与数理统计[M].北京：高等教育出版社.1989转

大学生性别、身高和体重指数与身体自我满意度的关系大学生性别、身高和体重指数与身体自我满意度的关系第一作者： 武汉市心理医院 汤炯[摘要]：目的:探讨大学生性别、身高、体重指数与身体自我满意度的关系。方法:用黄希庭编制的身体自我量表测试457名大学生，同时要求被试自报身高、体重，进行统计分析。结果:除对负面特征的满意度外，男生身体自我满意度各维度和身体自我满意度总分均高于女生。对身高、身材、负面特征的满意度以及身体自我满意度总分与学生身高呈正相关。男生对体重的态度与医学正常体重指数标准一致。女生除了最胖的两例外体重指数越低对体重越满意。结论:性别、身高和体重指数与大学生身体自我满意度有关。[关键词]：大学生、性别、身高、体重指数、身体自我满意度The Relationship Between College Students’ Height ,Body Mass Index And Physical Self SatisfactionTang Jiong,Deng yun-long, Chang Xian-lu,Tang Qiu-ping, Yuan Psychiatry of 3rd Xiangya Hospital,Xiangya School of Medicine of Central South University,ChangSha 410013,China[Abstract] Objective: to study the relationship between gender, height, body mass index and physical self satisfaction among college students. Methods: we used college and middle school student physical self scale to measure 457 college students and required them to report their height and weight at the same time .Then did the statistics. Results: boys’ satisfaction to every factor of physical self satisfaction and physical self satisfaction total score were higher than Girls ’ except negative features. The students’ satisfaction to height, to figure, to negative features and physical self satisfaction total score positively correlated with height. Boys with normal body mass index had higher satisfaction to weight than boys with abnormal body mass index. Girls had the trend of the thinner, the more satisfaction to weight except two fattest girls. Conclusions: Gender, height and body mass index were in relation to college students’ physical self satisfaction.[KEY WORDS] college students, gender, height, body mass index, physical self satisfaction身体自我(physical self)是自我的重要组成部分,身体自我与整个自我紧密地联系在一起，在整个自我中起着整合的作用，它被看成是消费和交流的主体，使个体和研究者越来越难以忽略它的社会意义。身体自我满意度(physical self satisfaction)是指个体对自己身体各方面如相貌、运动能力、身材等是否满意的程度；属于对自尊的身体层面的研究。人的身高和体重是客观的，体重指数=体重/身高2，也是客观的。本文研究身高和体重指数对身体自我满意度的影响。1 方法调查对象以中南大学和湖南商学院学生为目标人群，采取整群随机抽样的方法，从这两个学校中随机抽取部分班级，共抽取到16个班级作为研究对象。其中湘雅医学院134人，湖南商学院323人，男生238人，女生219人，平均年龄岁。调查方法和内容调查方法采用现况调查的方法，以班为单位，应用一般资料问卷、青少年身体自我量表、对学生进行调查。为保证被调查者的隐私权，调查采用匿名方式进行。调查内容一般情况：包括调查对象的学校、年级、年龄、性别、身高、体重等。根据身高和体重按公式体重指数=体重/身高2计算体重指数。青少年身体自我量表：由西南师范大学黄希庭于2002年编制，该量表共33个题项。采用7点量表记分，1表示“很不满意”，2表示“比较不满意”，3表示“有点不满意”，4表示“无所谓满意否”，5表示“有点满意”，6表示“比较满意”，7表示“很满意”。量表包括一般相貌特征、运动特征、身材特征、性特征、负面特征五个下属维度。量表总分越高，表示对自己的身体越满意。量表各维度分越高，表示对该维度代表的身体特征越满意。该量表在各个维度上的内部一致性系数均在以上，稳定性系数（——）较高。重测信度为，内部一致性系数为[1]。统计分析采用进行数据的统计分析。应用的统计分析方法主要有非参数检验、相关分析、偏相关分析，显著性水平a=。2 结果经正态检验，身高、体重指数、身体自我满意度总分和各因子分均呈非正态分布。 性别与身体自我满意度的关系以学校和性别为控制变量，做偏相关分析，学生年龄和身体自我满意度无关。做非参数检验，发现除负面特征外，男生身体自我满意度各维度和身体自我满意度总分均高于女生（p<）。表一? 不同性别学生身体自我满意度的非参数检验负面特征性特征一般相貌特征运动特征身材特征身体满意度总分男女******************** 身高与身体自我满意度的关系分性别做身高与身高满意度（青少年身体自我量表第4条目，下同），身体自我满意度各维度和身体自我满意度总分的秩相关分析，以性别为控制变量做学生总体身高与身高满意度，身体自我满意度各维度和身体自我满意度总分的偏相关分析发现男生、女生身高与对身高、身材特征的满意度呈正相关；学生总体身高与对身高、身材、负面特征的满意度和身体自我满意度总分呈正相关：表二? 学生身高与身体自我满意度的相关分析身高满意度负面特征性特征一般相貌特征运动特征身材特征身体满意度总分身高总男女**************将学生分性别按身高中位数分为高个子组和矮个子组，非参数检验比较两组身高满意度、身体自我满意度各维度、身体自我满意度总分的差异，发现高个子男生对身高和身材的满意度明显高于矮个子男生（p<，p<），高个子女生对身高和身材的满意度明显高于矮个子女生（p<，p=）。散点图显示身高超过163厘米后女生对身高的满意度急剧上升，身高超过172厘米女生对身高的满意度急剧下降。故做非参数检验比较身高超过172厘米的女生和身高在163厘米到171厘米的女生身高满意度、身体自我满意度各维度、身体自我满意度总分，发现后者对身高更满意(p=)。? 体重指数与身体自我满意度的关系体重指数的正常范围是,故将男生根据体重指数分为偏瘦组、体重正常组、偏胖组，做非参数检验比较三组体重满意度（青少年身体自我量表第27条目，下同）、身体自我满意度各维度、身体自我满意度总分,发现体重正常组的体重满意度、身材满意度高于偏瘦组和偏胖组（p<，p=）， 身体自我满意度其他维度和身体自我满意度总分在各组间无差异。偏瘦组和偏胖组的体重满意度、身体自我满意度各维度得分、身体自我满意度总分无统计学差异。散点图显示体重指数超过的两名女生对体重的满意度极高，分别为7和6，故将这两个数据删除。将体重指数在的女生定为偏胖组，体重指数在正常范围的定为体重正常组，体重指数小于正常范围的定为偏瘦组。做非参数检验比较三组身体自我满意度，发现对体重的满意度，对身材的满意度偏瘦组>体重正常组>偏胖组（p<，p<）。身体自我满意度其他维度得分和身体自我满意度总分在各组间无统计学差异。3 讨论3．1 性别与身体自我满意度的关系除对负面特征的满意度外，男生身体自我满意度各维度得分和身体自我满意度总分均大于女生，这与黄希庭的研究结论一致[2]。女生更不满意身体的原因可能是：首先，随着青春期的来临，女生的现实身体离她们的理想身体越来越远，而男生的现实身体却越来越接近其理想身体。第二，与男生相比，女生更多地与他人比较．从而更消极地看待自己。第三，媒体中有关女生身体信息比男生多[3]。3．2 身高与身体自我满意度的关系身体自我满意度由客观身体自我和对身体自我的期望值共同决定，因此我们有理由相信客观身体自我高的个体其身体自我满意度也高。相关分析显示身高越高，对身高、身材越满意，这个结论与我们的文化相一致。在自尊的形成和保持过程中，来自于他人的积极的信息反馈是不可缺少的，进而产生与此一致的积极的情绪认知；积极的情绪认知导致在其他领域内产生积极的自我归因，从而提高了其他领域的自尊以及总自尊[4]，因此对身高的满意度可以弥散到其他方面，所以将男生女生一起计算，身高与对负面特征的满意度和身体自我满意度总分呈正相关。非参数检验发现女生身高超过172厘米后对身高的满意度会下降，个别访谈不少女生表示女生身高太高找对象有困难，这可以解释为什么女生身高超过一定高度后对身高的满意度会下降。3．3 体重指数与身体自我满意度的关系体重指数在正常范围内的男生比偏瘦和偏胖的男生更满意自己的体重和身材，这说明男生对体重和身材的满意度总体上与医学标准一致。非参数检验发现排除体重指数超过的两个极端数据后，女生对体重和身材的满意度偏瘦组>体重正常组>偏胖组。在近年来随着媒体不断对女性灌输“瘦就是美”的错误观念，神经性厌食症在年轻女性中流行开来。神经性厌食症的病因复杂，与遗传、家庭养育方式、人格有关，提倡“瘦就是美”的审美文化在近年来的流行也是重要的病因[5]。本研究发现女生总体上有越瘦越满意的倾向，这说明与神经性厌食症有关的病态减肥观念在女生中流行，值得我们警惕。另外，有两例体重指数高于的女生对于体重的满意度反而很高，有报道肥胖女生对体重的态度可能与一般女生不同，但是样本量太小，无统计学意义[6]。体重指数超过的女生是否会因为肥胖反而对自己的体重无所谓，反而越胖越满意需要扩大样本进一步研究。3．4 本研究的不足本研究用身高、体重指数为自变量，发现了身高和体重指数对身体自我满意度的影响，但是本研究所用的身高、体重为被试自报，实际上是被试感知到的自己的身高体重，属于自我意识的范畴,不是被试客观的身高体重，一般认为人有夸大自己优点缩小自己缺点的倾向[7],故需进一步研究自报身高体重与实测身高体重的关系。本研究的另外一个问题是体重指数只是一个粗糙的判断身材的指标，并不能区别个体的骨骼、肌肉、脂肪，体重指数超过正常上限可能是肌肉发达，未必是肥胖，体重指数在正常范围内也可能因为脂肪组织过多而属于超重或者肥胖。判断个体是否肥胖除了体重指数外，还有腰围、腰臀比和三头肌皮褶[8]。如果要精确研究客观身材对身材满意度的影响，应该测量上述指标。同样，可以用学生的体育达标成绩为运动能力的客观标准，研究运动能力和对运动能力满意度的关系。可以由主试对个体的外貌、负面特征、性特征做出判断，比较被试的“他人眼中的我”和身体自我满意度的关系。参考文献1? 黄希庭，曾红，符明秋.青少年学生身体自我特点的初步研究.心理科学;2002，3（25）:260-2642? 黄希庭，陈 红，符明秋.青少年身体自我的发展特点和性别差异研究.心理科学;2002年25(3):260-2643? Gardner R M．Sorter LT RG．＆ Friedman B N． Developmental changes in children’S body images，Journal of social Behavior and Personality 1997．12:1019-10364? 陈红.身体活动提高青少年身体自尊水平机制的分析.体育学刊;2003，1,30-325? 郝伟主编. 精神病学.人民卫生出版社. 2001,151-1526? 雷霖 ,王建平,张亮 北京女大学生瘦身倾向的影响因素.中国心理卫生杂志;2005,19(3): 152-1557 Jonathon D. Brown 著，陈浩莺，薛贵，曾盼盼译 自我.人民邮电出版社2004,230-2358? 叶任高,陆再英主编.内科学.人民卫生出版社.2001,841-845

制造业PMI与宏观经济景气指数关系分析论文

摘要 ：文章采用2005年1月至2014年3月的中国制造业采购经理指数（PMI）数据以及宏观经济景气指数数据进行描述性相关分析，选取制造业PMI与宏观经济景气一致指数构建向量自回归VAR模型，进行Granger因果检验说明两指数之间存在双向因果关系，进一步利用脉冲响应函数和方差分解的分析方法，研究两指数的相互作用关系，得到PMI对宏观经济景气一致指数具有较长时间和较大程度的正向影响，从定性和定量两方面说明制造业PMI对国家宏观经济的先行影响作用。

关键词 ：制造业PMI；宏观经济景气指数；向量自回归VAR

0引言

中国制造业采购经理指数（PMI）由中国物流与采购联合会和国家统计局于2005年共同推出，在每个月的第一个工作日发布，具有及时性特点，PMI体系主要由新订单、生产量、从业人员、供应商配送以及原材料库存等反映制造业企业生产活动的细分指标构成，是衡量我国工业经济发展的主要指标；中国宏观经济景气指数则是反映我国宏观经济发展的重要指标，主要包括先行合成指数和一致合成指数，其中一致合成指数能够客观描述宏观经济发展现状，由工业生产、社会需求、就业、社会收入等4个方面构成，先行合成指数能够用来预测宏观经济发展趋势，由恒生内地流通股、产品销售率、货币供应量M2、新开工项目、物流以及消费者预期等指数构成。在2013年底召开的中央经济工作会议中，提出了2014年经济工作的主要任务之一为大力调整产业结构、着力抓好化解产能过剩和实施创新驱动发展，其中产业结构中的工业作为我国国民经济的主要组成部分，研究工业发展指标与宏观经济发展指标之间的关系具有重要意义。因此有必要对制造业PMI与中国宏观经济景气指数之间的关系进行深入研究。本文对我国制造业PMI与宏观经济景气指数进行描述性相关分析，依据宏观经济景气指数的实际构成情况，选取制造业PMI与宏观经济景气一致合成指数建立向量自回归VAR模型进行检验分析，以期发现两个指数之间的定性和定量关系。

1数据描述性分析

文中的数据来源于中经网统计数据库，选取2005年1月至2014年3月间的制造业采购经理指数、宏观经济景气先行指数、宏观经济景气一致指数月度数据，为了方便对这三个时间序列进行分析和描述，本文用PMI表示制造业采购经理指数，MELCI表示宏观经济景气先行指数，MECCI表示宏观经济景气一致指数。图1表示中国制造业PMI与宏观经济景气先行指数（MELCI）序列图，从图中PMI序列曲线可以看出，2005年1月至2014年3月整个时期中，我国的经济大部分时间处在扩张阶段。从2005年开始到2008年上半年，PMI大都处在52~56之间，说明我国制造业经济总体扩张明显，但是波动较大，制造业经济的扩张存在着不稳定性；在2008年7月至2009年2月这一时期，PMI处在荣枯线50以下，说明我国经济处在收缩阶段，并且在2008年11月达到最低，指数不足40，说明我国制造业的总体经济情况受到了国际金融危机的影响；而从2009年前半年开始，PMI开始大幅回升，也说明我国的制造业经济开始回暖，正在逐渐从金融危机的影响中走出来；从图1中还可以看出，近两年的PMI数值处在50以上，序列波动不大，较为平稳，说明我国制造业经济正在扩张，并且呈现出平稳增长的态势，这一现象与国际形势、国家的宏观调控以及我国产业结构调整经济政策密切相关。另外对图1中两时间序列的走势进行对比分析，总体看来，制造业PMI曲线的波峰波谷数量比宏观经济景气先行指数（MELCI）曲线的数量多，说明MELCI曲线相对来说较为平滑，波动性低，但是将MELCI曲线波峰波谷出现的时间与PMI曲线的峰谷出现时间进行比较，发现两曲线波峰波谷出现的时间点基本一致，并且这一现象体现在整个时间序列范围之内，同时对两时间序列进行交叉相关分析，得到相关系数为，也说明了两者之间较强的相关性。图2表示中国制造业PMI与宏观经济景气一致指数（MECCI）的序列图，单独看一致指数（MECCI）曲线与图1中先行指数（MELCI）曲线形式较为相似。通过对图2中两组时间序列进行对比分析，MECCI曲线相对PMI曲线，波峰波谷的数量较少，曲线较为平滑；分析两曲线波峰波谷的出现时间，得出PMI曲线的波峰和波谷领先MECCI曲线的峰谷3~5个月，在2008年6月至2009年6月这段时期内，PMI曲线的领先性结论体现的更加明显。上述分析内容可以定性的说明制造业PMI对宏观经济景气一致指数MECCI的先行关系以及PMI对国家宏观经济的预测作用，接下来本文将通过建立模型对中国制造业PMI与宏观经济景气一致指数（MECCI）之间的关系进行实证分析，定量说明两者的相互关系。

2VAR模型的建立与分析

平稳性检验

在进行分析之前需要对中国制造业PMI与中国宏观经济景气一致指数（MECCI）两个时间序列进行平稳性检验，在本文的实证分析过程中，采用软件对时间序列进行分析。在平稳性检验中，常用的检验方法为ADF单位根检验，所以文中利用对PMI和MECCI两时间序列进行ADF单位根检验，检验结果如表1所示。时间序列在给出的三个显著水平下是不平稳的，而对两时间序列进行一阶差分之后可以看出，在5%的置信水平下，两时间序列的一阶差分时间序列都是平稳的，即PMI和MECCI这两个时间序列同为1阶单整序列，因此可以对两变量的原时间序列建立向量自回归VAR模型进行分析。

模型建立

在建立PMI和MECCI两时间序列的VAR模型之前，为了消除异方差性，对两个变量分别取对数，同时对将要建立的VAR模型的滞后阶数进行确定，根据AIC、SC和HQ原则，经过多次检验，最终确定模型的最优滞后阶数为4。因此选择建立4阶滞后期的VAR模型进行分析，得到log(PMI)与log(MECCI)之间的VAR模型回归方程，如下所示：è÷Log(PMI)log(MECCI)=è÷è÷è÷Log(PMI(-1))log(MECCI(-1))+è÷è÷Log(PMI(21))log(MECCI(-2))+è÷è÷Log(PMI(-3))log(MECCI(-3))+è÷è÷Log(PMI(-4))log(MECCI(-4))从上述VAR模型的回归方程是可以看出PMI与MECCI时间序列之间滞后4期的定量关系，同时分析结果显示此模型的拟合度较高，达到以上。接着需要对所建立的VAR模型进行检验，只有在模型稳定的前提下，才能对模型进行更加深入的分析。本文运用AR根对模型的稳定性进行检验，如果VAR模型所有根模的倒数小于1，即都位于单位圆内，则表明该模型是稳定的。根据上面所建立的VAR模型，得到模型的AR根图，如图3所示。从AR根图可以看出，所建立的VAR模型所有根模的倒数都小于1，处在单位元内，满足模型稳定性的条件，说明文中所建立的VAR(4)模型是稳定的。为了说明模型中PMI和MEC-CI变量的因果关系，下面对模型进行Granger因果检验，检验的结果如表2所示。由表2中检验结果分析可知，在5%的显著水平下，变量log(PMI)和log(MECCI)之间存在双向的因果关系，即变量log(MECCI)能Granger引起变量log(PMI)，变量log(PMI)也能Granger引起变量log(MECCI)。

脉冲响应函数分析

脉冲响应函数描述的是VAR模型中的一个内生变量的冲击给其他内生变量所带来的影响，为了进一步说明制造业PMI与宏观经济景气一致指数（MECCI）两时间序列之间的关系，在建立VAR模型的基础上采用脉冲响应函数对两时间序列进行脉冲分析，分析的结果如图4、图5所示，图中横轴表示冲击作用的滞后期数（月），实线表示脉冲响应函数，上下两条虚线表示正负两倍标准差偏离带。从图4中可以看出，在本期给制造业PMI一个正的冲击后，宏观经济景气一致指数（MECCI）开始逐渐的增加，并在第8期前后达到最高点，接着开始逐渐降低，到第22期前后穿过0点，然后经过小幅度的`变化，最终在第38期左右收敛于0。脉冲响应函数的整体变动趋势说明PMI在受到外部条件的某一冲击后，能够经过国民经济的内在机制传递给MECCI，在前期给MECCI带来同向冲击，后期带来反向冲击，同向冲击的力度大于反向冲击，并且这一冲击效应会持续较长时间。从图5中可以看出，在本期给宏观经济景气一致指数（MECCI）一个冲击，PMI会在前3期迅速上升，在第3期达到最大值，接着开始迅速降低，在第9期左右穿过0点，然后经过小幅的变动，在第26期前后收敛于0。从脉冲函数的变动趋势可以看出，MECCI在受到外界的冲击后，其变动会在前期给PMI带来正向冲击，在后期带来反向冲击，且同向冲击的幅度较大。综上，PMI对MECCI的脉冲响应函数在38期收敛于0，而MECCI对PMI的脉冲响应函数在第26期收敛于0，这一分析结果说明PMI对MECCI的影响持续时间要长于MECCI对PMI的影响持续时间。

方差分解分析

方差分解分析方法由Sims于1980年提出来，它是通过分析每一个结构冲击对内生变量的变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性。方差分解给出对VAR模型中的变量产生影响的每个随机扰动的相对重要性的信息，定量地把握变量间的影响关系。对本文中的VAR模型方差分解分析结果如图6、图7所示，图中横轴表示滞后期数（月），图6的纵轴表示制造业PMI对宏观经济景气一致指数（MECCI）的贡献率，图7的纵轴表示宏观经济景气一致指数（MECCI）对制造业PMI的贡献率。从图6的方差分解结果中可以看出，中国制造业PMI对我国的宏观经济景气一致指数（MECCI）的贡献率在23%左右。从图7所示的方差分解结果中可以看出，我国的宏观经济景气一致指数(MECCI)对中国制造业PMI的贡献率在11%左右。两图中的方差分析结果表明，PMI对MECCI的贡献度大于MECCI对PMI的贡献度，验证了上文中Granger因果检验所得到结论，并且与VAR模型中脉。

3结论

本文主要运用向量自回归VAR模型对制造业PMI与中国宏观经济景气指数之间的相互关系进行实证分析，得出以下结论：（1）制造业PMI与宏观经济景气先行指数之间存在较强的一致性和相关性，两者的交叉相关系数达到；制造业PMI与宏观经济景气一致指数之间存在先行关系，制造业PMI领先宏观经济景气一致指数3~5期。这一结果与两指数的指标构成密不可分，同时说明了制造业PMI的先导性特点。（2）VAR(4)模型定量分析了PMI与MECCI之间的滞后关系，通过Granger因果检验证明了在5%的显著水平下，制造业经济指标PMI与宏观经济指标MECCI之间存在双向的因果关系。（3）脉冲响应函数分析和方差分解分析则进一步说明了两时间序列的关系。PMI的冲击对MECCI的影响会在第8期达到到最大值，并且其正向影响将持续至第22期；而MECCI的冲击对PMI的影响则会在第3期达到最大值，正向影响持续到第9期，说明PMI对MECCI的影响持续时间要长于MECCI对PMI的影响持续时间。方差分解分析结果说明PMI对MECCI的贡献度大于MECCI对PMI的贡献度。另外根据本文的研究积累发现，我国关于PMI的学术研究还不全面，未来可以研究地域性PMI与国家PMI之间的关系，同时可以对地域PMI与当地经济指标之间的关系进行研究，以完善我国地域性PMI体系。

参考文献：

[1]梁强,刘嘉琦等.PMI指数与中国GDP增长率：基于有效性和设计合理性视角的研究[J].中国外资,2013,(8).

[2]张利斌,冯益.中国PMI与GDP关系的实证检验[J].统计与决策,2012,(2).

[3]陈晴旖.基于PMI指数对我国经济增长进行预测的实证分析[J].价格理论与实践,2013,(4).

[4]何跃,杨小朋.美国、欧盟、日本和中国制造业PMI之间的相互影响关系[J].情报杂志,2013,32(2).

[5]谢佳斌,王斌会.中国宏观经济景气监测的预警体系[J].统计与决策,2007,(2).

[6]郭国峰,郑召锋.中国宏观经济先行指数和一致指数应用效果与改进[J].数量经济技术与经济研究,2010,(10).

[7]白玉红.我国制造业PMI与消费者信心指数的VAR—ECM模型组合分析[J].统计与决策,2013,(6).