我国CGPI、PPI差值与股票指数关系的实证研究——以上证指数为例

魏爽爽 兰州财经大学

如今，市盈率法是证券交易中评估股票指数主要的依据，但是存在很大的局限性。首先，在A股证券市场中原油石化产品和银行两大重点业务占据了很大的比重，通过加权平均市场价格无法准确反映整个估值水平。其次，A股市场日益成熟，其估值水平也逐渐提高，于是标准就不是很稳定。最后，投资者对股市的预期会影响投资决策。在中国证券市场发展较好时期，投资者较为乐观；
当市场低迷时，投资者会觉得有下降趋势。在这些情况下，市盈率法无法对股票指数进行有效的评估。

企业商品交易价格指数(CGPI)，是指产品的投入价格指数，生产者价格指数(PPI)，是指企业产品的产出价格指数。因此，CGPI和PPI二者之间的差值可以反映盈利，即单位产品毛利率，从而可以对股票指数进行评价。在此，本文研究CGPI、PPI差值与A股市场股票指数的关系。

李朝鲜、邓杰(2012)通过协整分析表明：CPI、PPI和 CGPI 这三种价格指数存有长期并且稳定的均衡关系，而且都能反映出我国通胀水平的波动情况。

周庆杰(2013)通过实证研究得出：CGPI更适合代表中国的生产者价格指数，并利用Granger因果检验证明CGPI可以代表中国未来的生产者价格指数。

在我国，产品批发价格是指制造商直接向零售商或通过批发商产生的结果，因此批发价格决定了零售价格。因此，CGPI与CPI相比，价格变化具有更广泛的代表性，CGPI对通货膨胀的反应更为准确。此外，CGPI不仅能反映市场供求状况和价格变化，而且能反映市场波动和周期变化趋势，合理配置资源，提高效率，是市场的“风向标”和“晴雨表”。

肖争艳、王兆瑞(2019)把CGPI引入价格传导机制，认为产业链的物价传递机制主要是通过PPI向CPI直接传递和PPI通过CGPI的间接性传递这两种方式。并且，进入经济新常态以来， CPI与CGPI之间的关系不显著，即产业链中下游的转移价格关系链断裂。阻碍中下游地区转移价格形成的根本原因是有效需求不足。而且又因为新的产业结构不够完善，以至于下游生产能力转移不足，导致有效需求不足的问题加剧。

综上所述，CGPI与CPI两者之间的差值整体上可以反映上市公司的单位产品毛盈利，该差值对国内A股市场指数有重要影响。上交所编制的上证指数在所有A股市场指数中是最能代表A股市场的。由此，本文探讨CGPI与PPI的差值与A股市场上证指数的关系。

(一)变量选择与数据说明

CGPI、PPI都是可以反映我国的通货膨胀情况的重要经济指标，而且CGPI可以代表企业产品投入价格，PPI则可以代表企业产品产出价格，二者之差可以反映单位产品毛利率来代表盈利情况。上海证券交易所编制的上证综合指数是众多A股市场的绝对基准指数，因此本文以上证指数为例进行研究。

本文选取数据的时间起点是经济新常态开始的节点2010年，时间段为2010年1月—2020年12月。选取的数据为上证指数的月度收盘值、企业商品交易价格指数、生产价格指数，总样本数396个。PPI和CGPI的数据来自中国国家统计局官方网站，上证指数月收盘数据取自东方财富网。上证指数样本期内月度收盘数据用SH表示，变样本期内CGPI和PPI的差值用CP表示。

(二)模型构建

1.构建误差修正模型

在上述方程中，(1)式和(2)式没有让SH和CP简单进行回归运算，而是让SH 对 CP 以及它们的滞后项进行回归运算，这样可以防止(3)式的变量产生自相关。DSH 与 DCP 的关系可以用系数θ来解释。如果系数是负数而且较为显著，就代表SH、CP有着长期并且稳定的均衡关系。如果系数是正数而且较为显著，说明如果DCP发生变动，DSH 会发生更为激烈的变动，从而不能在短时间里均衡。

2.构建 VAR 模型

以上的两个方程式形成不受限的动态线型模型，αi、βi、ηi、ζi是方程系数，μ1和μ2互相独立。只有当CGPI、PPI的数据公布后，市场才能预期宏观经济政策、企业盈利对上证指数造成的影响。综上，本文假设：因变量不是受到其他变量当期数值的影响，而是受到自身滞后期数值和其他变量滞后期数值的影响。

(一)平稳性检验

使用ADF检验方法。结果显示：变量CP和SH是非平稳的，变量△CP(DCP)和△SH(DSH)是平稳的。

(二)相关性检验

使用Johansen 协整检验。假设CP、SH没有协整关系，临界值为5%，CP、SH 的迹统计量、最大特征值统计量都比5%大，因此拒绝原假设。在最多只存在一阶协整关系的假设前提下，CP、SH迹统计量、最大特征值统计量都比5%小，接受原假设。综上所述，CP和SH存有协整关系，并且是一阶协整关系。

(三)ECM模型分析

格兰杰定理表明：如果若干个非平稳变量之间存有协整关系，那必然是存在误差修正模型表达式。因此，需要解ECM方程式来分析变量。

从表1可以看出：CP和SH具有短期的制衡关系，而且CP和SH之间没有自相关，但是由于拟合程度不高，所以不能解释CP、SH的相关程度。所以，本文要建立 VAR 模型及增量的脉冲响应函数，来解释CP和SH之间的相互关系。

表1 ECM模型回归结果

(四)VAR模型分析

在此，本文将验证区间设定为选取滞后阶数4、5、6、7、8，选择4和5作为滞后阶数时，4个指标显示构建VAR(3)模型，选择其余三个数字作为滞后阶数时，只有三个指标。在此选择5作为滞后阶数。根据VAR 模型最优阶数选择的结果，建立VAR(3)模型进行回归运算，并对系统平稳性进行单位根检验。

回归结果分析如下：第一，模型的CP方程的C值为0.156 715，其截距的数值极小，与实际中的情况相符合。CP 受到自身一、二阶滞后项及SH滞后一、二、三期值的影响较为显著；
第二，SH受到CP滞后、一、三期值及自身滞后一、二、三期值显著影响；
第三，R2分别为0.894 878和0.883 563，adj.R2分别为0.889 708和0.877 837，都趋近于1，说明该方程的拟合效果整体较好，可信度较高；
第四，单位根都落在圆内，说明VAR系统平稳。因此，可用上述模型对指数展开相关的预测。

(五)脉冲响应函数分析

脉冲响应函数，是用于测量随机扰动项的一个标准差，冲击对其他变数当前和未来取值的影响轨迹，它可以更加直接地刻绘出变数间的动态相互作用和效应。VAR模型能够解释CP和SH对系统内任何变数的未来值都有重要影响。但是从结构上来说，VAR模型中并不能发现影响的正负性以及影响的时间。所以，需要进行脉冲响应分析。

CP和SH都是一阶单整数据，所以可以就此推断它们的脉冲响应函数的不确定性会较高。基于此原因，本文选择使用一阶差分数据DCP和DSH。

脉冲响应可以表明CGPI、PPI差值的变动(DCP)对上证指数变动(DSH)冲击的期限分布，所以首先要对DCP、DSH构建VAR模型，其次对其进行脉冲分析。

通过图1可以发现，在承受来自DCP的一个标准差的冲击后，DSH在第一期时显现出了最大的正响应，第二期时出现快速收敛的情况，在第三期时最大负响应出现，第四期中又开始正响应并向0值附近收缩，第五期及以后在0值左右收敛，即第五期后基本不存在影响。此脉冲响 应图说明CGPI、PPI差值对上证指数的短期冲击影响大，长期趋于稳定的互动关系。

图1 脉冲分析图

在A股市场实际投资的过程中，如果CGPI、PPI差值由负转正，即DCP＞0，表明公司盈利能力已经得到提高，如果指数仍处于调整状态，投资者可以考虑改变悲观的投资思维，逐步开始空翻多，而不是仅仅遵循一个消极的市场过程。DCP“转正”后的前两个月能给大规模机构投资者充足时间去布局谋划，第三个月则是最好的投资时间。

本文在假设业绩驱动市场运行的基础上，分析了2010—2020年CGPI、PPI与上证指数同期的差异。实证结果表明，CGPI、PPI与上证综合指数之间存在长期稳定的相关关系，CGPI与PPI之间的差异对上证综合指数具有较为显著的且长期稳定的影响。

实验图中的区间分布及变化规律，可以为投资者在研制投资策略、选择投资时间及确定有效期时提供强有力的经验支持。在通常情况下，投资者们可以以此为理论基础，参考本实验结果来进行证券方面的投资及决策，判断牛熊市的转换时点，并结合实际情况，进行波段操作。

本文中的模型克服了市场权重分配不平衡、市场结构不稳定导致的市场整体市盈率扭曲所带来的动态市盈率的不确定性。由于市场转型、贪婪和对人性的恐惧所导致的价格与利润比率的中心水平，在寻找有价值的品种时，会产生预期的不确定性。因此，当预测指标在投资决策过程中发生变化时，可以将该模型纳入预测系统。■