全国两会所产生的政策性红利对股市产生正效应
A 全国两会期间股市表现统计性预估评价
表1为历年全国两会召开期间，上证综合指数的表现情况。统计数据中，全国两会召开的前一日如果是交易日，直接采用收盘价；前一日如果不是交易日，采用该日之前的一个交易日收盘价；会议结束日如果不是交易日，以该日之后的一个交易日收盘价进行统计。
表1为历次全国两会期间上证指数表现情况
统计数据显示，近15年来，全国两会周期保持在11—16天的范围，如果排除周末效应，基本上保持在11—14天的范围。在2000年以前，股市在全国两会期间涨多跌少，7次上涨，仅2次下跌，但2000年以后，全国两会期间股市上涨8次，下跌8次，涨跌概率各50%，表明全国两会的利好效应发生微妙变化。市场对全国两会效应的反应由最初阶段的感性利好转为中性，说明股票市场趋于成熟。
B 全国两会期间与3月股市涨跌方向的相关性
采用Eviews统计软件，对历年全国两会期间股市涨跌方向与当年3月股市涨跌方向的相关性进行分析。考虑到1991—1994年全国两会召开的时间与后续年份不太一致，1991年和1992年的全国两会会期甚至跨月进行，超出3月范畴，并且1994年以前的国内股市从各方面来说都还不太成熟。因此，对于全国两会期间股市与3月股市涨跌方向的相关性分析采用的是从1995年到2015年的数据。
表2为序列相关分析及协方差分析结果
从相关性分析结果来看，股市在每年3月的表现与全国两会期间股市的涨跌方向高度相关，两者的相关系数在81.7%以上，即全国两会期间股市上涨，3月月度环比也基本是上涨的。2000年后，仅2005年3月和2010年3月股市涨跌方向与全国两会期间股市涨跌方向相左，表明全国两会确实是主导3月股票市场走势的重大因素。
C “两会效应”对沪深股市影响的干预分析模型
全国两会作为对股市有重大影响的政策性因素，从感性方面来说，对股票市场具有一定的扰动性，但从以上定性分析来看，这种扰动性究竟有多大尚无法判断，需要进行定量分析。为此，下面采用干预分析模型加以研究。
建模思路
证券市场的干预事件虽然多种多样，但按其影响的形式，归纳起来基本上有四种类型：一是干预事件的影响突然开始，并长期持续下去；二是干预事件的影响逐渐开始，并长期持续下去；三是干预事件突然开始，产生暂时的影响；四是干预事件逐渐开始，产生暂时的影响。然而，“两会效应”属于第四种类型，这类干预事件可用以下模型描绘：
式中ω表示干预影响强度的未知参数；B为后移算子。
对“两会行情”干预分析模型的建模思路和具体步骤如下：
第一，利用3月2日全国两会干预影响产生前的数据建立一个时间序列模型，然后利用此模型进行外推，得到3月期间的预测值作为没有全国两会干预影响的数值；第二，将3月的股指实际收盘值减去上一步所得的预测值，得到受干预影响的结果值，算出干预影响的权数；第三，根据算出的干预影响权数，分析全国两会召开前、召开期间和召开后的一段时间内，股指对“两会效应”产生的反应。
样本选择
根据以上建模思路，选择代表沪深两市的沪深300股票指数收盘价为研究对象。考虑到每年1—2月春节假期时间的不确定性，为减少评价误差，选取年限最近的2015年1月第一个交易日至2月最后一个交易日共计35个交易日的收盘价数据为外推模型的样本。然后选取2015年3月1—2日、3月3—15日、3月15—31日全国两会会前、会议期间和会后三个考察时段的实际数据，与模型外推得到的预测值进行对比分析，进而对今年沪深股市受“两会效应”的影响作出推断和评估。
平稳性检验
鉴于建模的重要前提是所选择的时间序列需要有平稳性，首先需要采用自相关图检验法，来检验沪深300股票指数2015年1—2月收盘价所组建的时间序列的平稳性。
图1为样本序列偏自相关
从图1可见，沪深300股指的收盘价序列（命名Index）的自相关系数没有很快趋于零，说明序列是非平稳的，因此需要采用1阶差分进行平稳化处理。最大滞后区可以取[35/4]（括号表示取整运算），这里取8。为此，对序列Index做1阶自然对数逐期差分，得到新的序列Ilindex:series Ilindex=Log(Index)-Log[Index（-1）]。
再次考察新序列的自相关系数（图2），发现几乎所有自相关系数都落入显著性水平α=0.05的值信带内，表明处理后的序列满足平稳性，可以建立ARIMA模型。
图2为样本序列1阶差分的偏自相关分析
模型识别
图2中，经过1阶差分后的序列的偏自相关系数在k=2后很快地趋于0，可以认为，序列的偏自相关函数具有截尾性。因此，对沪深300指数收盘价序列Index可建立ARIMA（p，d，q）模型。由于经过1阶差分，故d=1；p由显著不为0的偏自相关系数的数目决定，观察图2取p=1；自相关系数也只是在k=2处显著不为0，可考虑取q=1，故初选模型为ARIMA（1，1，1）模型。
本文讨论的ARMA模型形式都存在序列均值为0的假设，否则应做必要的转换。经用Eviews检测，该序列的均值为-0.00056，计算均值的标准误差需要利用前M个显著不为0的样本自相关系数。由图2可知，M取1，用Eviews算出该序列的均值标准误差为0.001781。因此，不能拒绝均值为0的假设，不必再对序列进行变换。
模型建立
下面利用Eviews建立ARIMA（1，1，1）模型。
表3为ARIMA（1，1，1）模型参数估计与检验结果
表3中最下方给出的是滞后多项式倒数根，由于其绝对值都小于1，表明都落入单位圆内，满足过程平稳性的基本要求，证明该模型符合要求。此外，该模型的AIC和SC值均较小，表明模型的拟合度较好。
模型检验
模型参数估计后，还需要对模型的残差序列et进行白噪声检验，这里采用的是残差序列X2检验。
图3中最后两列用于X2检验，该残差序列样本量为33，最大滞后期m可以取[33/10]或[
图3为适合模型残差序列的偏自相关分析
模型预测
利用ARIMA（1，1，1）模型对2015年3月1—31日的沪深300股指收盘价进行外推预测，并通过Eviews的Forecast得到序列预测值。
表4为沪深300指数收盘价预测结果和实际收盘价
“两会效应”
表4中的影响权数=（收盘价实际值-收盘价预测值）/收盘价预测值×100%，表示全国两会在第i日的累积影响程度，代表全国两会每天对序列产生的干预效应。
从表4结果来看，在全国两会召开的初始阶段，特别是3月5日全国人民代表大会召开之前，股市反应平静。尽管3月3日全国政协会议召开，但对股市的影响不大。全国人民代表大会召开后的一周时间内，股市受“两会效应”的影响逐渐显现。尤其是3月15日全国人民代表大会闭幕，股市受“两会效应”的影响空前高涨，权数持续为递增正值。整个3月的后半个月，全国两会所产生的政策性红利对股市产生正效应，这种正效应也许正是引发2015年股市大牛市的导火索。
D 结论
造成多年来我国股市“两会效应”的本质原因主要基于以下几个方面：
一是全国两会的召开需要一个稳定、和谐、良好的氛围，而在某种程度上，管理层也刻意地塑造这样的良好局面；二是市场对全国两会可能出台的政策有一个良好的心理预期，从而对股市盘面产生积极作用；三是全国两会会前和会议期间，股市一般相对平稳，较少出现大的波动，管理层推出重大调控政策的可能性也不大，但全国两会后股市波动通常会加大，因为3月下旬全国两会结束后，新管理层可能带来新的监管思路，这将对市场心理产生直接影响；四是只要全国两会期间的两周内股指飘红，整个3月股票指数环比上涨的可能性就相当大，所以应密切关注3月15日的收盘价与3月3日的收盘价的差值；五是考虑到全国两会的正效应，建议今年全国两会期间在股市上以做多为主。（作者单位：长江期货）
版权声明：本网所有内容，凡来源：“期货日报”的所有文字、图片和音视频资料，版权均属期货日报所有，任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他方式复制发布/发表。已经本网协议授权的媒体、网站，在下载使用时必须注明"稿件来源：期货日报"，违者本网将依法追究责任。
