1. 研究目的与意义
研究意义： 银行业是国民经济的重要组成部门，是金融体系的核心，关系着国家金融体系的安全与稳定。 目前，我国间接融资比重达到80%以上，银行业资产占全部金融资产的比重超过 90%，以银行为主导的间接融资在未来很长时间内仍将是我国主要 的融资方式。改革开放以来，人民收入水平有了很大的提高，对金融服务的需求也与日俱增。个人业务，尤其是住房按揭贷款、消费信贷、财富管理逐渐成为我国银行利润的重要增长点，而这些利润影响因素也可能作用于商业银行股票价格。 国际货币基金组织在总结 2008 年金融危机教训时指出，危机的根源之一在于金融监管部分没有预见到金融创新繁荣后的风险集中和累积的系统性风险，因此，必须在系统风险监察和对系统风险宏观审慎反应的国际协调方面实施改革。所以本文也将重大事件，包括外部的系统性事件与内部造成的声誉事件考虑在内。商业银行对是我国经济发展的重要基础，中国的商业银行的稳定对于整个国家的经济都要重要影响。 研究目的： 使用最新的数据对已有的商业银行股票价格指数的预测模型做出修正，使其适用于当前的市场情况，得出可以普遍适用的商业银行价格指数预测模型。同时，针对特殊事件发生时的商业银行股票价格指数波动情况做出分析，使预测模型可以更完善地反应真实世界的情况，最终使其精度和实用性增强。 根据得出的预测模型，从投资者角度，对商业银行股票的投资提出建议；从政府角度，对商业银行股票价格的稳定提出政策建议。 |
2. 国内外研究现状分析
1.股票的价格指数估计模型的文献研究学者们对股票价格指数估计模型做出了许多研究，孙健等（2007）对比了股权自由现金流贴现模型（FCFE）、经济增长加值模型（EVA）以及期权定价模型三种商业银行股票定价模型的优劣[1]。李帅（2007）分别利用Hasbrouck的信息份额模型 ( I-S) 与Gonzalo-Granger的永久短暂模型 ( P-T)分析了上证指数与股票以及股票期货之间的价格发现机制[2]。TheodorosKoutroumanidis,Konstantinos Ioannou,Eleni Zafeiriou（2011）在原始时间序列中，首先应用人工神经网络(ANNs)来估计C，使用Bootstrap方法对前一个过程产生的残差进行处理，在估计的C.I.的上下限上采用面向对象编程的方法，采用两种新的ANNs方法进行点估计(上下限)[3] 。姜缅等（2012）对中国建设银行进行横向和纵向比较结合股市背景，得出建设银行的股价未来走向 [4] 。郑斯日古楞（2012）提出一种灰色神经网络的股票价格预测方法。相于传统预测模型，灰色神经网络提高了股票价格预测精度，更能全面挖掘股票价格变化规律，在股票价格预测中具有广泛的应用前景 [5] 。严兵等（2013）采用多变量极值模型，运用国内 14 家上市银行股票市场日收益率数据，对各上市银行的系统重要性做了静态和动态评估。研究结果表明，国内银行系统重要性排序与银行规模基本一致，几大国有控股银行系统重要性排序靠前 [6] 。刘道文等（2013）为提高预测精度，采用基于支持向量机理论的预测方法对股票价格指数进行预测。在分析支持向量机预测基本原理基础上，以交叉验证法确定了最佳回归参数并以此建立了预测模型 [7] 。李泽正（2013）采用动态Copula 和 VAR 方法发现采用历史模拟法和静态 Copula 方法衡量风险在准确度和效率度上均不如动态 Copula 模型优秀，这体现出在不同的市场结构下，股票价格指数的组合具有不同的风险特征 [8] 。余程辉（2014）基于资本市场普遍采用的三阶段股利贴现模型，以三家 A 股代表性上市银行为样本，以较为谨慎的盈利增速，模拟测算了其内在价值，并与市场公开模型进行了结果印证 [9] 。 另外，从有关股票的新闻事件与心理学的角度，冉杨帆等（2017）将情感分析和机器学习方法相结合，分别采用BP神经网络（BPNN）和支持向量机回归（SVR）两种方法，对股票价格进行预测分析。首先选取交易量较大的20只股票作为研究对象，抓取相关的新闻数据。然后邀请专家对高频词进行人工情感打分，得到一个针对性更强、粒度更细的情感同时考虑否定词、程度副词、假设疑问词和情感词间的相互作用，归纳出9种常见的语义规则，给不同的语义规则下的情感词赋予不同的权重，对情感值进行修正。最后分别采用BPNN和SVR两种方法构造股价预测模型，并对模型的预测效果进行对比分析。实验结果表明，本文提出的人工情感词典和语义规则在股价预测领域表现良好，情感得分正负方向与股价涨跌方向的一致程度显著提升，另外，SVR股价预测模型的均方误差更小，且股价走势方向正确率更高 [10] 。 2.商业银行股票价格指数的宏观影响因素的研究商业银行股票价格指数的宏观影响因素主要研究对象包含货币供应政策和居民消费水平。另外，学者主要从同行业和同区域的系统化角度来分析商业银行股票价格指数的宏观影响因素。 关于货币政策的影响，薛永刚等（2008）通过 HP 滤波、Granger因果检验,预测方差分解以及时变参数状态空间模型, 对我国M1 、M2、商业银行贷款利率、银行间同业拆借利率与股票价格之间的动态关联性进行研究。研究结果表明: 我国货币政策变量与股价之间存在不完全双向因果关系; 股票市场传导渠道存在,但传导效率不高;股票价格对货币政策变量的反馈作用强于正向传导作用; 应把股价作为货币政策参考指标进行监测和调控 [11] 。宋锐等（2013）基于我国季度统计数据的协整检验、脉冲响应和方差分解技术分析表明，在1997 年至2011 年期间，我国货币流通速度与利率、股票价格之间存在着长期稳定的关系，在对货币流通速度影响上利率起正向和主要作用，股票价格作用不确定 [12] 。杨宝成（2013）也指出我国货币政策对股票价格指数的影响力度要小的多;货币供应量对股票价格指数的影响要大于利率 [13] 。 任曙明等（2014）利用事件研究法，采用浮动窗口，将商业银行分为大型和中小型两大类，研究了金融危机后这两类银行股票收益率对准备金率调整的市场反应，并检验了预期的作用、准备金率上调与下调的不对称性反应，据此判断银行是否承担了准备金税。研究表明：两类银行股票收益率的市场反应是显著的，商业银行承担了准备金税，而且大型商业银行更为显著；不仅如此，市场还能提前预期到准备金率调整政策，上调政策对银行的影响大于下调政策[14] 。唐莉芳(2016)基于ＶＡＲ模型的脉冲响应分析结果，宏观经济变量中货币供给量指标对上证综合指数的影响为正值，其与经济学理论结果保持一致，即货币供应量的增加会刺激上证综合指数等股票指数的增长 [15] 。但王静敏等（2014）的研究结果表明，广义货币供应量和商品零售价格指数都会对股票价格指数产生显著影响，而工业增加值增长率的变动对股票价格指数的影响较小 [16] 。吴慧等（2009）使用计量经济学的方法得到企业商品价格指数、股市成交量、汇率、货币供应量是影响股票价格指数的主要因素 [17] 。VermaPriti（2016）使用了多元版本的纳尔逊(1991)指数广义自回归条件异方差的EGARCH模型。得出均值和波动溢出效应从短期利率和汇率和长期利率和汇率三个银行股票的投资组合 [18] 。 关于居民消费水平因素的影响，马辉等（2006）我国股市在全样本期并没有显著的财富效应,当样本期从 1996年开始选取时,股市呈现出一定的财富效应,但较微弱[19] 。吴慧等（2009）使用了居民消费物价指数、商品零售物价指数、企业商品价格指数、社会消费品零售总额、股市成交量、汇率、货币供应量这7个具有代表性的宏观经济变量，使用计量经济学的方法得到居民消费价格指数不是影响股票价格的主要因素 [17] 。但唐莉芳(2016)居民消费价格指数和汇率对上证综合指数的影响为负值，居民消费价格指数对上证综合指数的影响为负值，这与经济学理论不一致 [15] 。 Hassan Shirvani,BahmanMirshab,Natalya (Natasha) Delcoure（2012） 实证结果表明存在股价与房价之间以及股价与消费者支出之间的双边因果关系 [20] 。 关于汇率因素的影响，Chaker Aloui指出股票价格对美国和欧洲两个子样本的汇率影响更为显着 [21] 。何诚颖等（2013）指出汇率与股价之间的关系呈现出显著的时变性; 2009 年之前存在人民币升值股价上涨的联动效应，但2009 年之后却出现人民币升值股价下跌的联动效应;在不同时点上，汇率与股价波动之间的关系呈现较大的不对称性; 此外，外汇干预作为联系汇率与股票价格的纽带，能够起到稳定人民币汇率的作用，同时也会在短期内推高国内股价 [22] 。 刘林等（2015）也指出人民币兑美元汇率与股票价格存在门限协整关系， 且表现出明显的非对称 动态调整特征。人民币兑美元汇率和我国股票价格的关系具有明显的时变效应。 人民币兑美元汇率与我国股票价格之间的关系并不符合存量导向模型， 但在 2009 年之前符合流量导向模型。人民币兑美元汇率与股票价格之间的关系主要取决于整体的宏观经济环境 （例如资本流动和汇率预期） [23] 。 郭凯等（2014）境外NDF 市场汇率预期对股票价格变化具有引导作用。 1 个月期限人民币升值预期对未来的股票价格日变化率有正向引导作用， 且具有显著的正向波动传导现象； 3 个月期限人民币升值预期对未来的股票价格日变化率有负向引导作用，且具有显著的负向波动传导现象 [24] 。Malepati Jayashankar,Badri Narayan Rath（2017）指出在印度等新兴国家，股票市场、外汇市场和货币市场之间的联系更为相关，因为影响一个市场的负面或正面冲击可能通过传染迅速传递给另一个市场影响 [25] 。 N. Apergis,J. E. Payne.（2014）探讨了作为经济活动的替代指标的电力消费对1992年至2010年期间23个经济合作与发展组织国家组的股价的影响。异质面板协整检验揭示了长期以来 股价和电力消耗，同时控制与套利定价模式和宏观经济基本面相关的因素。 最后，面板误差修正模型显示了电力消费和股票价格之间的短期和长期的双向因果关系 [26] 。 从同行业的联动性角度，国内外学者对于影响股票价格的因素和模型的建立做了很多探索：劳兰珺等（2005）对行业股票价格指数波动特征进行实证研究，采用了行业价格指数的标准差，整个市场价格指数的标准差，以及行业价格指数的均值和市场价格指数的均值建立了行业的波动性指标模型。结果表明，不同阶段的行业总体波动性和行业特有的波动性排序间存在一致性，即行业间的波动性大小次序相对稳定，但在与市场相关的波动性排序上不具有稳定性 [27] 。罗荣玥（2009）银行业的价值评估对于推进金融体制改革存在重要意义，指出股权分置改革并未如预想的那样对股票价格有明显影响 [28] 。张小妮等（2013）基于我国14家上市银行2008~2011年的面板数据，采用MML指数法测度考虑非期望性产出的银行效率，进而研究了银行效率与股票收益之间的关系，研究表明：样本银行的整体效率得到了改善；股份制银行在纯技术效率和最佳前沿差距效率提高明显，但在技术差距效率提升方面相对于大型国有银行和城商行来讲要低；纯技术效率、最佳前沿差距效率和技术差距效率信息的变动都反映在股票价格的变化之中，并且纯技术效率和最佳前沿差距效率比总资产收益率能更好地解释上市银行股票价格的变化 [29] 。于庆年（2018）针对相关系数的特征，提出全集相关系数及子集相关系数序列方法。表明，上证指数与不同的个股收盘价存在着不同程度相关性；个股收盘价与上证指数的相关性随时间而发生变化；以上证指数为参照系，有效研判个股的变化特征 [30] 。 从同区域联动性角度，韩立岩等（2008）借鉴 Kalok Chan , iVcenituCvoierg, Uilan Ng 等人的方法将 7 类变量逐一与投资偏向回归 , 发现股票市场发展变量对国内投资偏向解释最显著 , 投资保护、全球化变量次之。而股票市场投资回报对外国投资偏向 (该经济体对于外部投资者的吸引力 )解释最显著,股票市场发展 、资本控制、 全球化等变量次之 [31] 。潘荣翠等（2012）基于全球41个地区的20082010年数据，论文建立各地区股票指数与经济增长、通货膨胀、货币供应量、利率水平、汇率、国际储备、贸易总额之间的空间计量经济模型，从全球视角对影响股票价格指数的宏观影响因素进行了实证分析。研究发现，股票指数具有显著空间集聚作用，与制度空间因素具有显著相关关系等结论 [32] 。王仁祥（2013）利用1991~2010 年 52 个国家的经济金融数据，采用分位数回归方法实证研究了银行和股票市场对经济增长作用的演进趋势，并在充分考虑国际环境对中国经济影响的前提下研究了我国所处的阶段。结果显示：随着经济水平的增长，银行对经济增长的作用呈下降趋势，股票市场作用呈上升趋势；在经济增长较低的水平，银行对经济增长的作用与股票市场 的作用差距较大，随着经济增长水平的提高，差距在缩小；中国目前处于以银行占主导地位的阶段 [33] 。 3.商业银行股票价格指数的微观影响因素的研究关于商业银行内部会计指标影响，王福胜等（2007）使用因子分析原理分析各会计指标，得到上市公司的赢利能力、偿债能力、资本运营效率和财务结构每变化一个单位对股票价格的影响程度分别为4.762、3.985、0.502、0.789[34] 。张妍妍等（2011）指出商业银行股票价格和财务管理目标信息有一定的联动性 [35] 。 ScottPirie,Malcolm Smith（2008）总结资产负债表和损益表的两个会计变量是估值过程中的重要因素，管理人员有理由将会计系统用作监测财务业绩的主要信息来源[36] 。 LiangSong（2015）如果企业更加透明，投资者收集企业特定信息的成本可能会降低。因此，这些公司的股票具有更多的公司特定的信息内容。这些结果也表明，如果企业的会计披露水平较高，管理层不太可能隐藏一些负面信息，并在未来突然发布这些负面信息。因此，这些公司的股票不太可能崩溃。此外，企业会计披露政策对股票价格同步性和崩溃风险的影响对于具有较高的国家级投资者保护水平和企业级治理排名的企业更为重要[37] 。佟孟华等（2010）利用会计信息对股票价值进行评估的研究是理论界一个长期关注和重视的热点,运用剩余收益模型结合杜邦财务分析体系,对上海浦东发展银行的股票价值进行了估计[38]。 A.Seetharaman,JohnRudolph Raj（2011）公布每股收益(EPS)对股价的影响通常是研究人员、股东和投资者感兴趣的中心，因为每股收益是衡量一个公司短期或长期业绩的投资工具之一[39] 。唐东升（2012）指出股价与每股收益、流动比率显著相关，与资产负债率、总资产增长率和净利润增长率弱相关，投资者看重企业获利能力、关注企业偿债能力和成长能力，但存在弱视投资行为[40] 。朱红军等（2013）从情绪交易产生的客观原因出发，以IPO 为背景，研究了会计信息在降低新股情绪溢价中的作用。研究发现：（1）高质量会计信息能够显著降低市场情绪对 IPO首日回报的影响，表明信息不对称是情绪交易产生进而影响股票价格的重要原因；（2）会计信息的上述作用仅在市场上涨时期和定价市场化时期显著，而在市场下跌时期和 定价管制时期则不显著，表明投资者关注和发行机制市场化是会计信息有效发挥作用的[41] 。刘巍等（2007）认为,股票市场对于包括盈余信息在内的整体会计报告信息的反应是显著的,而超常交易量与盈余信息之间的相关关系并不显著[42] 。张金若等（2015）也指出公允价值会计对金融行业的重要性强于其他行业。考虑公允价值变动损益转回的交易性金融资产等产生的公允价值变动损益对股票价格和股票报酬有显著解释力，不考虑转回的公允价值变动损益对股票价格和股票报酬均无显著解释[43] 。 关于重大事件对股票价格指数的影响，薛襄稷（2009）以中国股票市场上的沪市价格指数为样本,采用GARCH对沪市价格指数的波动性进行分析。实证研究的结果说明了沪市有着强烈的风险溢价现象,股票价格和风险成正比,当股市波动较大时,风险较大,相应的回报率也较高;股市波动对外部的反应函数以一个相对较快的速度递增,股市一旦出现大的波动在短的时间内很难消除[44] 。闫海峰等（2010）利用羊群行为的程度作为度量羊群行为的数量标准, 通过建立 ARCH 模型,对浦发银行股票是否存在羊群效应进行统计检验,结果表明浦发银行股票存在显著的羊群效应。其次, 通过建立线性回归模型分析了羊群行为对股票波动性的影响。实证研究表明,股票的羊群行为程度与股票指数波动率成正相关关系[45] 。但ShingoKawashima,Fumiko Takeda.（2012）调查东京电力公司（TEPCO）所属的福岛第一核电站事故对日本其他电力公司的股价的影响。发现事故发生后，投资者似乎并不关心使用与福岛第一核电站相同类型的核动力堆可能带来的风险[46] 。陆静等（2011）指出金融危机期间，中国上市银行股票收益极端值之间的关联性明显增加，几大国有控股银行的系统重要性程度高于其他银行[47] 。陆静等（2013）采用事件研究法，选取 2000-2012 年期间媒体公开报道的 16 家中国上市银行声誉事件披露前后股票的市场反应，研究了声誉事件对银行市场价值的影响。研究表明，负面声誉事件主要与银行产品有关，而正面声誉事件主要与银行获得各类奖励有关；负面声誉事件将导致公告日银行股票显著的负超额收益，正面声誉事件将导致公告日银行股票显著的正超额收益，说明市场对银行声誉的提升和下降有明显反应[48] 。张恪渝等（2015）运用上证股票指数和我国名义 GDP 增长率的月度数据，通过所构建的 VAR 模型及ARMA模型进行样本内、外预测，分析我国股票价格指数与经济增长间的动态关联，并进行模拟。实证结果表明，当我国股票市场出现大萧条时，经济增长水平也会出现显著下滑现象[49] 。曾志坚等（2016）运用复杂网络方法，构建商业银行股票收益率网络，考量贷款利率市场化前后商业银行股票网络的拓扑性质变化。结果表明：贷款利率市场化后国有五大行股票收益距离更近，彼此相关性更强，网络中心节点变化较大[50] 。 |
3. 研究的基本内容与计划
研究内容： 第一章 引言 1.1 研究背景； 1.2 研究意义以及研究目的； 1.3 研究的方法和内容； 1.4 国内外相关问题的研究现状； 1.5 研究的创新点和不足。 第二章 介绍相关概念和理论基础 2.1 介绍我国上市商业银行股票价格指数的宏观影响因素，并做出相应的定性分析； 2.2 介绍我国上市商业银行股票价格指数的微观影响因素，并做出相应的定性分析； 第三章 我国上市商业银行股票价格指数波动情况 3.1 国内四大上市商业银行股票价格指数波动情况 3.2 国内其他上市商业银行股票价格指数波动情况 第四章 我国上市保险公司内外部环境指标情况 3.1 宏观影响因素分析 3.1.1货币政策影响因素分析 3.1.2居民消费水平影响因素分析 3.1.3外汇影响因素分析 3.2 微观影响因素分析 3.2.1商业银行内部会计指标 3.2.2特殊事件影响分析 第五章 我国上市保险公司股票价格指数的影响因素 3.1 数据的来源与处理 3.2 模型的建立 3.3 验证模型 3.4 得出模型结果 第六章:结论 6.1 总结我国上市商业银行的影响因素 6.2 根据模型从投资者角度，提出商业银行股票的投资建议 6.3 根据模型从政府角度，提出稳定商业银行股票价格的政策建议
计划： 2018.1.13 选定题目，开题 2018.1.14 - 1.21收集资料，整理数据 2018.1.22 - 2018.3.31 完成论文初稿 2018.4.01 - 2018.4.20进行论文修改 2018.4.21 - 2018.4.30 论文定稿 2018.5.01 - 2018.5.21准备毕业论文答辩 |
4. 研究创新点
创新点： 本文首先将借鉴前人的理论基础，建立完整的多因素分析的模型。同时，本文将使用最新的数据验证模型并完善模型，使其适用于当前的市场环境。 同时发现国内对于单个突发事件对商业银行的股票价格指数影响研究有限，作者认为这是一个很重要的因素，并且对完善商业银行股票价格指数模型有重要意义。所以，本文将在找出普遍适用的模型后，增加对特殊事件的影响分析，最终使预测模型可以更完美地符合真实世界的商业银行股票价格指数情况。 |
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
