上证指数与M1、M2同比增速差之间的关联关系

基本经济理论依据

M1是重要的流动性和经济活跃度指标。文章《M1对股市、房地产市场的影响》认为:M1 增加,投资者信心增强,经济活跃度提高,股市和房地产市场上涨;反之,M1减少,股市和房地产市场下跌,因此,股市和房地产市场具有经济晴雨表功能,并对货币变化具有放大效应。

如果M1增速大于M2,意味着企业的活期存款增速大于定期存款增速,企业和居民交易活跃,微观主体盈利能力较强,经济景气度上升

如果M1增速小于M2,表明企业和居民选择将资金以定期的形式存在银行,微观个体盈利能力下降,未来可选择的投资机会有限,多余的资金开始从实体经济中沉淀下来,经济运行回落。

M1与上证综指的相互影响关系中,文章《货币供应与股票价格关系的实证分析》认为:上证综指的变动作为原因引起M1的变动是占主导地位的,而M1的变动引起上证综指的变动则是次要的。

编程绘图验证

从 tushare.org 获取上证指数数据,再从东方财富网抓取M1、M2数据。为了后续调试程序方便,将获取的数据保存为 csv 文件。

code :

import matplotlib as mpl
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

df_ms=pd.read_csv('assets/money_trend.csv')
df_ms['date']=df_ms['date'].apply(lambda x:pd.to_datetime(x))
df_ms.index=df_ms['date']
df_ms['m1_yoy']=(df_ms['m1']-df_ms['m1'].shift(-12))/df_ms['m1'].shift(-12)
df_ms['m2_yoy']=(df_ms['m2']-df_ms['m2'].shift(-12))/df_ms['m2'].shift(-12)
df_ms['m1_m2']=df_ms['m1_yoy']-df_ms['m2_yoy']

df_sh=pd.read_csv('assets/sh_index_close.csv')
df_sh['date']=df_sh['date'].apply(lambda x:pd.to_datetime(x))
df_sh.index=df_sh['date']

mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False

df_total=pd.DataFrame({'M1-M2':df_ms['m1_m2'],'SH_INDEX':df_sh['close']},index=df_sh.index)
df_total.sort_index(ascending=True,inplace=True)
sns.set_context("talk",rc={"lines.linewidth": 1})
sns.set_style("whitegrid", {
    "axes.facecolor": "#efefef",
    'font.sans-serif': [u'SimHei'],
    'axes.grid': True,
    'grid.color': '#d7d7d7'
})

ax=df_total.plot(secondary_y='M1-M2',figsize=(880/72,480/72),zorder=10)
ax.set_ylabel(u'上证指数',fontsize=12)
ax.set_xlabel(u'',fontsize=12)
ax.xaxis.xtickers=date_strs
ax.right_ax.set_ylabel(u'M1 M2同比增速差',fontsize=12)
ax.legend(loc=(0.02,0.86))
ax.right_ax.legend(loc=(0.02,0.90))

plt.title(u'上证指数与M1 M2同比增速差的关系',fontsize=14)

输出图形:


上证指数与M1M2同比增速之间的关系.png

图形形态简析

从图中形态来看,绿色线条代表M1-M2的变化,蓝色线条代表上证指数(TUSHARE中的数据是月末数据,所以2015.6月的高点在图上显示的并非著名的5187,而是2015.6.30的数据)。

可以从宏观上看到,当股市处于亢奋的牛市普涨初期,居民存款很快从M2流出进入股市,M1-M2开始快速放大,但是很快后续资金不足,M1-M2回落相当快,市场由于惯性继续上升了一段时间,然后开启了快速下跌。随后,存款又开始不断增加。2017年初曾经

M1-M2

有一个的低点,资金面偏紧,大家对股市预期并不乐观。资金又开始流向了M2。而当2017.5开始的这一波慢牛行情开始启动后,M1-M2的数值又开始缓慢下降,可以看到当前白马股开始进入高位盘整,短期资金面是偏紧的。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,425评论 4 361
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,058评论 1 291
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,186评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,848评论 0 204
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,249评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,554评论 1 216
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,830评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,536评论 0 197
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,239评论 1 241
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,505评论 2 244
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,004评论 1 258
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,346评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,999评论 3 235
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,060评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,821评论 0 194
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,574评论 2 271
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,480评论 2 267

推荐阅读更多精彩内容