宏观经济因素精品(七篇)

序论：写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感，挖掘那些隐藏在内心深处的真相，好投稿为您带来了七篇宏观经济因素范文，愿它们成为您写作过程中的灵感催化剂，助力您的创作。

篇(1)

[关键词]房产价格；货币供给量；汇率；通货膨胀率；人口

[中图分类号]F2933[文献标识码]A[文章编号]1005-6432（2013）24-0076-03

1引言

自从20世纪90年代的亚洲金融危机之后，我国开始逐步从住房分配到商品房的过渡，通过扩大内需来拉动经济的增长，摆脱对外需的过度需求。如今20多年过去了，房地产产业对于GDP的增长越发显得重要，2005到2011年，房地产投资力度一直在不断加大，从159092万亿元增长到617969万亿元，房地产投资占GDP的比重从2005年的86%增长到2011年的1306%，虽然2008年金融危机席卷全球，但是房地产投资的比重仍在增长。数据来自国家统计局。

房地产投资的增长固然是好消息，至少说明我国在转变消费的方式上迈进了一大步，逐步转型为内需型消费。因为房地产业带动了钢铁、水泥、木材、家具等等行业的发展。但是这同时也带来了很多弊端，其中高房价就是无法忽视的问题，许多城市的房价远远超出了工资收入比例，“房奴”也已经不是新鲜的词汇，多少人就为了房子奋斗终生。但是房价的提高和宏观政策也有分不开的联系。因此，本文就宏观经济中各因素对房价的影响进行分析，从而找出控制房价上涨的因素，提出相关政策建议。

2模型建立

本文采用VAR模型，研究房价在人民币汇率、通货膨胀率、货币供给量以及人口因素的影响下是如何进行变化的。选取数据为年度数据，时间为2002—2011年。对所有的变量都取对数，令lprice表示房价，lpop表示人口，lM2表示货币供给量，lrate表示汇率，lflo表示通胀率。

21选择滞后阶数

由于采用VAR模型，因为时间序列数据往往具有趋势性，表现为非平稳性，为了避免产生伪回归现象，必须要对数据进行检验。首先要进行滞后阶数的选择，通过运行Stata软件得到表1，由此可知AIC信息准则确定的是最佳滞后阶数为3，而根据HQIC信息准则和SBIC确定的最佳阶数也都是3，因此3阶为最佳阶数选择。

22平稳性检验

其次，进行ADF单位根的检验，经检验发现3阶滞后是不平稳的，有点落在单位圆之外，因此选择滞后一阶，经检验发现一阶滞后是平稳的，所有点都落在单位圆之内，因此VAR（1）是平稳的，如图1所示。

23granger因果检验

granger因果检验的本质其实就是VAR模型，主要是用来检验一个内生变量是否可以作为外生变量来对待。要求序列必须存在同阶单整的协整关系或者都是平稳内序列，如果序列不平稳或者不协整很可能会产生伪回归问题。在前文中已经确定滞后一阶是平稳的，建立VAR（1）模型对各变量因果关系的方向进行判断。

可以得到，在F检验中5%的置信水平区间下，人口的F值大于其临界值，因此对房价有显著影响，对人口而言，货币供给量和通胀率有显著影响，对于汇率而言，由于4个变量F值都在临界值以内，因此对其的影响不显著，而人口、汇率和通胀率都会影响到货币供给量，其中人口和汇率的影响非常显著，对于通胀率而言，4个因素的影响同样也是不显著。如表2所示。

表2granger因果检验

24方差分解分析

方差分解是通过分析每一个结构冲击对内生变量变化（ 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。本文中选取了10步，应用方差分析可以看出（表3），价格自身的影响在第二步跳跃之后就一直趋于水平，变化不大，也就是说房价受自身的影响很小。而人口对于房价的影响在第二步增大之后趋于稳定在第五步又有一个跳跃。通胀率对于房价的影响一直比较平稳同时力度也比较小，趋于一条水平线。而汇率对于房价的影响有上下的波动，如图2所示。

3结论

综上所述，房价最主要的影响因素是人口因素，特别是20世纪80年代生育高峰时期出生的人口正是如今房子的需求者，因此都属于刚性需求，虽然我国在计划生育的政策下已经控制了人口数量，但是由于我国人口基数大，协调人口数量和老龄化之间的矛盾仍然迫在眉睫。本文认为，生育政策还是不能无限制放宽，不能让人口猛增猛涨，否则房价只会居高不下。

货币供给量同样也会影响房价，房价攀升的很大一部分原因也是由于金融政策的影响，供给量越大，人们手中的钱越多也越不值钱，因此加大对于房子的投机需求，从而影响到房价。国家应该加强对于金融政策的调整，不能一味追求GDP的增长，要让老百姓真正过上国富民强的日子，而不是为了一套房子勒紧裤腰带一辈子。

汇率利率对于房价是负向的影响，汇率利率越高，房价会降低，这也解释了住房贷款对于房价的影响，适当提高利率可以抑制房价的投机需求，从而控制房价。而对于汇率来说，可以积极引导外资流入实体经济的领域，而不是限制于房地产领域。

通胀率对于房价的影响比较微弱，但是我们也要警惕通货膨胀对于整个国民经济的影响。

国家目前也已经出台了相关政策来阻止房价的上扬，并且在一线城市也有了成绩。希望有一天房子不再是年轻人沉重的负担。

参考文献：

[1]杨宝成，董玮，王代敬房地产业对GDP的贡献及解决房地产过热的措施研究[J].产业论坛，2005（12）.

[2]胡军伟人民币汇率上升对房地产经济的影响及对策[J].北京工业职业技术学院学报，2011，4（10）.

[3]陈少林居民消费、固定资产投资及出口对中国经济增长的影响——基于VAR模型的实证分析[J].重庆科技学院学报，2012（4）.

[4]安明影响房地产经纪波动的实证分析[J].产业观察，2010（2）.

篇(2)

    一、宏观经济走势对证券市场的影响

    宏观经济走势是影响证券市场大盘走势的最基本因素。证券市场是整个国民经济的重要组成部分,它在宏观经济的大环境中发展,同时又服务于国民经济的发展。从根本上说,股市的运行与宏观的经济运行应当是一致的,经济的周期决定股市的周期,股市周期的变化反映了经济周期的变动。经济周期包括衰退、危机、复苏和繁荣四个阶段,一般来说,在经济衰退时期,股价指数会逐渐下跌;到经济危机时期,股价指数跌至最低点;当经济复苏开始时,股价指数又会逐步上升;到经济繁荣时,股价指数则上涨至最高点。

    宏观经济走势影响股价变动,但宏观经济走势与股市趋势的变动周期不是完全同步的。2002年10月,两个数据在中国证券业界引起了广泛关注,一个数据是2002年前三个季度中国国内生产总值同比增长7.9%,一个数据是2002年1~10月上证指数跌幅达到7.9%,一正一负,宏观经济走势与证券市场走势看上去形同陌路,相互背离,让投资者感到困惑。实际上,无论是宏观经济还是股票市场,都存在着各自周期性变化的特征。股市周期是指股票市场长期升势与长期跌势更替出现不断循环反复的过程,即牛市与熊市不断更替的现象。

    以上海证券市场为例对中国的股市周期进行分析。中国股市运行的第一个周期,是从1990年12月19日的100点至 1996年1月的512点,其中,大牛市阶段为1990年12月19日的100点至1993年2月16日的1558点;大熊市阶段为 1993年2月16日的1558点至1996年1月的512点。第二个周期是从1996年1月的512点至今,其中,大牛市阶段是 1996年1月的512点至2001年6月的2245点,从此股市出现了较大的下跌行情。同期中国宏观经济运行的状况为:1978~1990年期间,中国经济运行的总体态势是经济增长的稳定性在逐步增强,经济增长的质量有所提高。1991~1999年期间,中国经济先是快速增长,越过高峰后,以小幅缓收为基调,而且收缩期明显增长(从1993年步入经济收缩期开始到1999年底,7年内GDP增长率平均每年下降1个百分点左右,波动较为平缓,但下滑时间较长)。进入2000年,中国的经济增长率结束了连续7年的下滑过程(1999年为 7.1%,2000年为8%,2001年为7.3%,2002年为8%)。经济周期是根本,经济从衰退、萧条、复苏到高涨的周期性变化,是形成股市牛熊周期性转换的最基本的原因,正是从这种意义上讲,股市是国民经济的晴雨表,但这并不代表两个周期是完全同步的。作为一个相对独立的市场,股市的波动也存在着自身特有的规律,在实际运行中,股市周期反映经济周期有着独特的特点,从而造成了股市周期与经济周期不同步,甚至背离的现象。

    二、货币供应量对证券市场的影响

    货币供应量与股票价格一般是呈正相关关系,即货币供应量增大使股票价格上涨,反之,货币供应量缩小则使股票价格下跌。但从1994年以来,我国货币供应量的增长与股市的增长率变化比较,货币供应量的变化就不能准确地反映股市的变化。如1994、1995、1998这三年,上证指数的增幅都是负数,而同期我国的货币供应量(M2)的增幅分别是 34.53%、29.47%、14.87%;1996、1997、1999、2000这四年,上证指数的增幅分别是65.14%、30.22%、 19.18%、 51.73%,同期我国的M2增幅分别是25.26%、19.58%、14.74%、12.27%。原本是强相关的两项指标,增幅的变化却出现了背离现象。这说明证券市场与货币市场没有完全打通,货币政策的传导机制出现了故障。

    所谓货币政策的传导机制是指一定的货币政策工具,如何引起社会经济生活的某些变化,最终实现预期的货币政策目标。对货币政策传导机制的分析,在西方主要有凯恩斯学派和货币学派。凯恩斯学派的主要思路:通过货币供给的增减影响利率,利率的变化通过资本边际效益的影响使投资以乘数方式增减,而投资的增减会进而影响总支出和总收入。凯恩斯学派传导机制理论的特点是对利率这一中介指标特别重视。货币学派认为,利率在货币传导机制中不起重要作用,更强调货币供应量在整个传导机制上的直接效果,主要思路:货币供给量的变化直接影响支出,变化了的支出影响投资或者说导致资产结构调整,资产结构的调整又反映在实际产出和价格的变动上。

    从货币政策工具的运用到货币政策目标的实现中间有一个相当长的作用过程,在过程中货币当局本身并不能直接控制和实现诸如稳定、增长这些目标,它只能借助于货币政策工具、设置中介指标并通过对中介指标的调节和影响最终实现政策目标。因此,中介指标就成了货币政策作用过程中一个十分重要的中间环节,对它们的选择是否正确以及选定后能否达到预期调节效果,关系到货币政策最终目标能否实现。根据中介指标的可控性、可测性、相关性、抗干扰性以及在不同经济体制和金融体制下的适应性,中介指标一般有利率、货币供应量等。作为中介指标,利率有可控性强、可测性强、货币当局能够通过利率影响投资和消费支出的优点,但利率作为中介指标也有不理想之处。因为利率既是一个内生经济变量,又是一个政策变量。作为内生变量,在经济繁荣时,利率随信贷需求增加而上升;在经济停滞时,利率随信贷需求减少而下降。作为政策变量,经济过热,应提高利率;经济疲软,应降低利率。可见。利率作为内生变量与政策变量往往很难区分。在这样的情况下,中央银行很难判明自己的政策操作是否已达到了预期的目标。以货币供应量作为中介指标,首先遇到的困难是确定哪种口径的货币作为中介指标,是MO(现金),还是M1(M1=MO+活期存款),还是M2(MO +M1+定期存款+其他存款)。三个指标分别反映在中央银行和商业银行及其他金融机构的资产负债表上,可以进行测算和控制,问题在于究竟哪一个指标更能代表一定时期的社会总需求和购买力,通过对它的调控就可直接影响总供求。至于抗干扰性,货币供应量的变动作为内生变量是顺循环的,作为政策变量是逆循环的,一般说来两者是不会混淆的。

    货币供应量与股票价格一般是呈正相关关系,但在特殊情况下必须具体情况具体分析。如,在通货膨胀的情况下,政府一般会采取紧缩的货币政策,这就会提高市场利率水平,从而使股票价格下降。同期,企业经理和投资者不能明确地知道眼前盈利究竟是多少,更难预料将来盈利水平,他们无法判断与物价有关的设备、原材料、工资等成本的上涨情况,从而引起企业利润的不稳定,对证券市场造成不良影响。

    通货紧缩对证券市场的影响是通过伤害消费者和投资者的积极性反映出来的。就消费者而言,持续的通货紧缩使消费者对物价的预期值下降,而更多地持币待购,推迟购买;就投资者而言,通货紧缩将使目前的投资在将来投产后,产品价格比现在的价格还低,并且投资者预期未来工资下降,成本降低,这些会促使投资者更加谨慎,或者推迟原有的投资计划。消费和投资的下降减少了总需求,使物价继续下降,从而使股票、债券及房地产等资产价格大幅下降,进一步又大大影响了投资者对证券市场走势的信心。

    三、利率变动对股市的影响

    一般情况下,利率变动与股价变动成反相关关系。1996年以来,我国已八次下调人民币利率。1996年5月1日中央银行决定实施首次降息,当时的股市正从底步启动,市场从4月份起,就对这一利好作出了积极的提前反应,消息出台后虽然出现了暂时的获利回吐,但很快就步入了持续的升势,一个历时超过两年的大牛市从此拉开了序幕。1996年8月 23日央行实施了第二次降息,存款利率平均降低1.5个百分点,贷款利率平均下调1.2个百分点,幅度之大超出了当时人们的预期。这一消息对于已经经历4 个月调整的沪深股市带来了新的刺激,市场很快探底成功,股指由此屡创新高,并在当年年底冲上了历史的高峰(1996年上证指数增幅 65.14%)。1997年10月23日,央行第三次降息,存贷利率平均下调幅度分别为1.1和1.5个百分点,由于经历了三次降息,流向资本市场和消费市场的资金不断增加。1998年3月25日和1998年7月1日的第四、第五次降息虽然在幅度上明显低于前三次,但同时对准备金率作出了大幅度的调整(由 1980年的13%降到1998年的8%),使得社会融资环境进一步宽松。由此,沪市综指也从第一次降息的660点升至 1998年7月的1330点,升幅超过1倍。1998年12月?日,央行决定第六次降低金融机构的存贷利率,一年内三次降息的间隔之短,在我国银行利率调整历史上也实属罕见,这次降息没有对股市起到立竿见影的作用,但却使股市在1000点企稳,也为之后的“5.19”行情做了铺垫。1999年6月10日,央行宣布第七次降息,金融机构存贷款利率分别下调1个、0.75个百分点。这次降息虽然仍激发了投资者的投资热情,市场的直接反应却呈现逐步减弱之势,这是因为市场缺乏能够引导市场的热点板快等,但这并不能否定降息对股市的长期利好作用,就是说,政策的利好虽没有改变市场趋势,但却在不断改变经济和市场环境,此次降息为“5.19”行情的爆发起到了推波助澜的作用。2002年2月21日,央行实施第八次降息政策,存贷款利率平均下调分别是0.25个百分点和0.5个百分点,此次降息最重要的是政府表明了一种态度,给消费者者、投资者、生产者一个积极的信号:只要通货紧缩的趋势继续延续,经济低迷,政府就不会坐视不管,政府要加大金融对经济发展的力度,以此来促进国民经济持续、快速、健康发展。

    参考文献:

篇(3)

关键词:宏观经济;银行危机;不良贷款率

一、引言

自20世纪70年代末,英、美等发达国家开始放松金融监管,也由此加剧了银行危机。尤其是90年代以来,金融危机更是频频爆发,1992年的英镑危机、1994年的美国利率风暴及中南美洲比索风暴、1997年的亚洲金融危机,特别是2007年始于美国的次贷危机最终演变成全球性的金融危机。这些危机的产生,很大一部分都是由银行的信用风险直接导致的。巴塞尔银行监督委员会秘书处成员Svoronos(2002)指出,银行面临的风险中以信用风险的比例最高,约占60%。信用风险已成为银行风险监管的最主要方面。

从宏观的角度来看,一个国家的宏观经济条件、宏观经济政策以及金融监管等在很大程度上决定该国商业银行风险的大小。宏观经济中的通货膨胀和经济周期等是影响商业银行信用风险的主要因素。下面本文就宏观经济因素与我国商业银行信用风险的关系进行研究。

二、相关文献回顾

近年来,已有国内学者研究了宏观经济因素与商业银行风险之间的关系。蒋鑫(2008年)对我国商业银行信用风险与宏观经济因素之间的关系进行了研究,表明我国商业银行信用风险具有亲周期性的特征。谭燕芝、张运东(2009)基于中国、美国、日本部分银行的基础数据对影响银行信用风险的宏观经济因素进行了研究,表明我国银行信用风险与失业率呈显著负相关关系。李红梅、李剑(2010)研究了宏观经济变量对国有商业银行和股份制商业银行信用风险的影响。本文利用2005-2009年的季度基础数据研究我国商业银行不良贷款率与宏观经济因素之间的关系。

三、模型建立与实证分析

本文利用宏观经济因素来分析我国商业银行(国有商业银行、股份制商业银行、城市商业银行、农村商业银行和外资银行)的信用风险,宏观经济因素包括:物价(用CPI来表示)、M2增长率(M2R)、国内生产总值增长率(GDPR)、失业率(UN)。商业银行的信用风险用不良贷款率(NPLR)来衡量。宏观经济变量的数据来自《中国统计年鉴》和国研网宏观经济数据库,不良贷款率的数据来自中国人民银行和中国银行业监督管理委员会网站,经整理而成。在此基础上,建立多元线性回归模型,模型如下:

NPLR=β0+β1CPI+β2M2R+β3GDPR+β4UR+u

通过EVIEWS5.0对模型进行回归,结果如下:

NPLR=52.31-0.76CPI+0.28M2R-

(9.62)(-8.24) (3.62)

0.59GDPR+0.07UN+u

(-2.81)(1.34)

由上式可以发现模型中CPI、M2R和GDPR均通过置信度为5%的t检验,说明它们对被解释变量NPLR有显著影响;而UN没有通过t检验,说明它对NPLR没有显著影响。CPI、GDPR均与NPLR呈负相关关系,它们越大,NPLR越小;M2R与NPLR呈正相关性,它越大,NPLR也越大。消费者价格指数较高时,信用风险较小,此时,政府会进行有效调控,来降低消费者价格指数,经济增速放缓,违约概率开始上升。GDP增长率较高时,信用风险小,但随着信贷的不断增加,至经济增长放缓时,原来累积的风险将释放出来,信用风险增大;当经济增长较慢,政府将采取较为积极的货币政策来刺激经济,M2供给迅速增加,同时违约风险也增大。

四、结论和建议

通过上面的研究可以发现,总体上宏观经济因素对商业银行的信用风险有显著影响,当宏观经济处于繁荣期时,信贷质量良好,违约概率低;而当经济处于衰退期时,信贷质量较差,违约概率较高,即商业银行的信用风险表示出一种亲周期性。

针对以上研究结论,现提出以下几点建议供我国商业银行参考:一是加大对宏观经济形势及国家相关政策的研究。我国商业银行的不良贷款率受宏观经济波动的影响比较大,因此商业银行应密切关注反映宏观经济变动的指标,特别是那些能够提前反映宏观经济变化趋势的指标。二是改进不良贷款的分类方法,现行的五级分类法已不能够有效区分正常贷款与不良贷款,应制定更加精细、有效的分类方法。目前,中国银行、中国工商银行等银行正在尝试在现在五级分类法的基础上,将贷款细化为十二级分类,这是一个发展的方向。三是进一步量化风险管理,商业银行在构建信用风险度量模型时,应该把宏观经济因素考虑进去,提高模型的准确度。

参考文献:

1、蒋鑫.影响商业银行信用风险的宏观经济因素分析[J].财经研究,2008.

2、谭燕芝,张运东.信用风险水平与宏观经济变量的实证研究――基于中国、美国、日本部分银行的比较分析[J].国际金融研究,2009(4).

篇(4)

关键词：上市公司 资本结构 宏观经济

一、引言

企业资本结构理论是现代企业理论和公司金融理论的一个重要组成部分，学术界对资本结构的研究主要分为三个阶段：始于1952年，以杜兰特（David Durand）为代表的包括净收益理论、净营业收益理论和传统折中理论的传统资本结构理论；始于1958年，以MM定理为核心的现代资本结构理论；20世纪70年代以后，以权衡理论和不对称信息理论为代表的新资本结构理论。

随着企业资本结构理论研究的深入，关于企业资本结构影响因素的研究也逐步展开。巴克特和卡格（1970）研究发现，规模大的企业倾向于债务融资，而负债率高的企业选择债务融资的可能性较小。其他研究表明，企业的盈利能力（Timan & Wessels,1988）、税收（Mackie-Mason,1990）、企业成长性（Jensen,1986）、经营风险（Hsia,1981）、股权结构（Berger、Ofek、Yermack，1997）等企业自身特征因素对企业资本结构都具有显著的影响。

除了企业自身特征因素外，宏观经济因素也是影响企业资本结构的重要因素。本文以我国沪深交易所上市公司财务数据为样本进行实证研究，研究结果表明，宏观经济变量对我国上市公司资本结构存在比较显著的影响。此外，实证研究表明，不同的宏观经济变量对上市公司资本结构的影响存在较大差异。

二、理论分析与研究假设

相比于从企业自身因素角度对资本结构影响的研究，理论界从宏观经济因素角度对资本结构影响的研究相对较晚。从20世纪80年代开始，国内外学者开始意识到政府制度安排、经济发展状况等宏观经济因素对企业资本结构的影响。

Kim and Wu(1988)的研究表明，通货膨胀会增加负债水平。通货膨胀往往导致更多的负债：一方面，通货膨胀降低了负债的真实成本，在通货膨胀期间对公司债券的需求上升；另一方面，随着通货膨胀率的下降，短期内公司债券收益高于股票收益，从而使得公司债券需求上升（DeAngelo & Masulis,1980）。实际贷款利率的变动对企业融资结构的选择具有显著影响，利息率和通货膨胀率的变动扭曲了税收利益和破产成本，因此影响目标资本结构（Fisher et al,1989）。基于Probit模型的实证研究表明，利率期限结构影响公司的资本结构（Nejadmalayerz,2002）。

GDP增长率的波动在一定程度上反映了经济周期波动的情况，经济增长率较高时，企业有较好的盈利预期，倾向于债券融资，财务杠杆较大。实践中M1增长速度的快慢反映了国家货币政策的取向，M1增长较快则说明国家货币政策较为宽松，企业获得贷款相对容易；M1增速放缓，说明国家紧缩银根，企业贷款难度加大（蔡楠、李梅菠，2003）。Booth et al（2001）通过对发展中国家与发达国家的混合数据研究发现，GDP实际增长率与企业财务杠杆正相关。股票市场越发达，企业具有更多的融资权，股价高涨使得股权融资优势更明显，股票市场价值/GDP与财务杠杆负相关。

此外，财政支出的增长带来市场流动性的增强和商业银行贷款利率的降低，从而使得企业贷款成本和债务融资成本的降低，使得企业偏好债务融资。原毅军、孙晓华（2006）对我国沪深上市公司实证研究发现，财政支出与企业目标财务杠杆正相关。陈耿（2004）的研究表明，银行贷款与债权不仅具有替代性，而且具有相当的互补性。商业银行贷款的增长往往伴随着贷款利率和债务融资利率的下降，使得企业债务融资成本降低。

基于以上分析，本文在实证研究过程中选取了通货膨胀率（Inflation）、实际贷款利率（R-Rate）、国内生产总值增长率（GDP）、M1-M0增长率（DM）、沪深股市总市值增长率（M-Value）、财政支出增长速度（Pub-Expenditure）、上市公司市盈率增长率（P/E）、商业银行贷款增长率（Loan）等八个解释变量对企业资本结构的影响进行分析。本文对实证研究结果做出如下假设：

假设一：通货膨胀率与企业资产负债率正相关。

假设二：实际贷款利率与企业资产负债率负相关。

假设三：国内生产总值实际增长率与企业资产负债率正相关。假设四：M1-M0增长率与企业资产负债率正相关。

假设五：沪深股市总市值增长率、市盈率增长率与企业资产负债率负相关。

假设六：财政支出增长速度与企业资产负债率正相关。

假设七：商业银行贷款增长率与企业资产负债率正相关。

三、被解释变量的选取与实证模型的构建

（一）被解释变量的选取

广义的企业资本结构就是企业全部资金来源构成及其比例关系，不仅包括权益资本、长期债务资金，还包括短期债务资金。已有的研究多从账面价值入手考察企业的杠杆率，由于账面价值不能很恰当的反应当前市场状况下企业真实的资产负债状况，因此，本文选择综合考虑企业债务的账面价值和权益的市场价值，以使得实证结果更加合理。在被解释变量的选择方面，本文将长期债务和短期债务分别考察，共选取如下三个被解释变量：

总市值资产负债率（MTR）=企业总负债/(企业总负债+企业股票市值)；

长期市值资产负债率（MLR）=企业长期负债/（企业长期负债+企业股票市值）；

短期市值资产负债率（MSR）=企业短期负债/（企业短期负债+企业股票市值）。

（二）实证模型的构建

在已有的资本结构影响因素的实证研究中，大多是采用横截面数据进行分析研究，但是由于宏观经济环境的变动，某一个年度的数据常常受到偶然因素的影响。为了克服横截面回归的不足，本文采用面板数据模型对跨年度数据进行回归分析。本文采用的面板数据回归的基本计量模型为：

Ri=αi+βkFk+εi； i=1,2,3；k=1,2,…,8。

其中Ri为资本结构向量（在本文中代表MTR、MLR、MSR）；i代表不同的被解释变量；αi为常数项；Fk为解释变量；βk为解释变量系数；εi为模型的扰动项。

四、实证数据选取与实证结果分析

（一）解释变量数据来源及统计描述

1、通货膨胀率：本文所用我国通货膨胀率数据来自国际货币基金组织数据库和国研网数据中心，是通过消费者价格指数计算得出，采用其年度平均变化百分比。

2、实际贷款利率：采用的是商业银行3至5年期贷款利率与当年通货膨胀率的差值，其中3至5年期贷款利率来自万得数据库和中国人民银行数据库。

3、其余六项解释变量：国内生产总值、沪深股市总市值、上市公司市盈率数据均来自万得数据库库，狭义货币M1-M0和商业银行贷款额均来自国家统计局和中国人民银行数据库，各年的财政支出额来自于国家财政部和国家统计局。

（二）被解释变量来源及统计描述

本文在实证研究过程中选取了上海证券交易所和深圳证券交易所上市的58家具有代表性的企业进行研究，企业基本资料来自于上海证券交易所、深圳证券交易所及巨潮资讯网。通过参考各企业2000年至2008年9年的年度财务报表，本文对 58家企业各年度负债总额、长期负债总额及短期负债总额的账面价值进行了统计汇总。同时，根据锐思数据库公布的数据，统计各企业在各年度资产负债表日企业总市值，然后分别计算企业总市值资产负债率、长期市值资产负债率和短期市值资产负债率。

（三）实证结果与研究模型的修正

本节首先将被解释变量对2000年至2008年所有宏观经济因素变量进行了回归，回归结果显示，几乎所有的宏观经济因素的系数都不显著，存在明显的多重共线性。为了进一步探究解释变量之间多重共线性的严重程度，本文对所有的8个解释变量进行了共线性检验，如表4-1所示：

从表4-1可以发现，通货膨胀率与实际利率之间、市盈率增长率与国内生产总值增长率之间、市盈率增长率与沪深股市总市值增长率之间都存在明显的共线性。

为补救多重共线性问题，本文首先是进行了模型的重新设定，将原来的线性回归模型转变为对数形式：Ri=αi+βklnFk+εi i=1,2,3；k=1,2,…,8；

回归模型采用对数形式后，根据回归结果，多重共线性依然存在。本文采取了删除部分变量的方法，综合考虑表4-1列示的自变量共线性状况，本文删除了实际利率、市盈率增长率和沪深股市总市值增长率三个变量。对总市值资产负债率的回归结果如表4-2所示：

观察表4-2可以发现，所有解释变量的系数都不显著，删除三个解释变量并没有使回归结果变得更好。造成这种状况的原因可能是某些解释变量对企业资本结构的影响具有滞后性，比如国内生产总值体现的是整个年度的总产值，其对以后年度企业资本结构的影响大于对本年度企业资本结构的影响。综合考虑剩余五个解释变量自身的特性，本文对国内生产总值增长率、M1-M0、实际贷款利率和财政支出增长率分别进行了滞后处理，通过不断改变各变量的滞后期数，最终得到相对比较显著的回归结果如表4-3所示：

观察表4-3，采取滞后期数处理后的回归基本达到了解释变量系数显著的目标。但解释变量系数显著并不代表回归效果理想，因为在这个过程中有三个解释变量被删除，模型的拟合度R2也降低了，在某些特定的情况下，可能拟合度降低带来的后果比解释变量系数不显著更严重。

在对部分解释变量进行了定量回归后，接下来要对之前的七个假设进行验证，也就是对八个解释变量对MTR影响的方向进行定性检验。结果如下：

从表4-4可以看出，解释变量中GDP增长率、通货膨胀率和实际利率三个因素与MTR、MLR、MSR之间都有显著的相关性，而沪深股市总市值增长率和市盈率增长率两个因素与MTR、MLR、MSR之间相关性均不显著。总体来看，仅有GDP增长率与实际贷款利率对企业资产负债率的影响与前文的理论预期完全一致。观察因素M1-MO增长率、商业银行贷款增长率和财政支出增长率可以发现，同一因素对企业不同的资产负债率指标影响的方向相同，但是影响显著程度存在差异。

五、研究结论及后续研究展望

本文选取我国上市公司2000年以来的财务数据及宏观经济变动数据进行研究，通过实证分析，得出如下结论：

（1）公司资本结构不仅受企业自身特征因素的影响，还受到宏观经济因素变动的影响；

（2）宏观经济因素对企业资本结构的影响具有滞后性，部分宏观经济因素的变动对企业当年的资本结构产生的影响小于对其后几年企业资本结构的影响；

（3）国内生产总值增长率、通货膨胀率和实际贷款利率对企业资本结构具有显著的影响，而沪深股市总市值增长率和市盈率增长率对企业资本结构影响不显著，部分宏观经济因素对企业不同的资本结构指标影响程度存在差异。

上市公司在经营运作过程中，可以通过宏观经济因素的变动预测我国市场企业整体资本结构的变动方向，从而对自身的融资、经营策略作出相应调整，特别是在经济危机前期，企业融资、经营策略的调整对于企业顺利渡过经济危机具有重要作用。

本文在研究过程中是将上市公司作为一个整体来分析宏观经济因素变动对企业资本结构产生的影响，没有对企业资本结构的行业差异展开具体分析，也没有分析上市公司所在地域的不同给上市公司资本结构带来的影响。因此，后续研究可以将行业因素和地域差异对企业资本结构的影响进行实证分析，探究不同行业、不同地域下企业融资方式和资本结构的选择。

参考文献：

[1]蔡楠、李梅菠. 宏观经济因素对上市公司资本结构的影响[J]. 财经科学，2003.

[2]陈耿. 上市公司融资结构：理论与实证研究[D]. 西南财经大学，2004.

[3]原毅军、孙晓华. 宏观经济要素与企业资本结构的动态优化[J]. 经济与管理研究，2006.

[4]Hovakimian, A.“The Role of Target Leverage in Security Issues and Repurchases.” Journal of Business, 2004, pp. 1041-1071.

[5]Fischer,E.,Heinkel,R.,Zechner,J. Dynamic Capital Structure Choice: Theory and Tests[J]. Journal of Finance, 1989.

篇(5)

关键词：上证综合指数 宏观经济变量 协整分析

一、引言

股票价格指数是指股价指数，动态地反映某个时期股市总价格水平的一种相对指标，它是由金融服务公司根据市场上一些有代表性的公司股票的价格加权平均后计算的平均数值编制而成的。宏观经济走势是影响证券市场大盘走势的最基本因素，股市的运行与宏观的经济运行应当是一致的，股份指数在影响着国内宏观经济的同时，也深受宏观经济因素的影响。进入2000年以后，我国股市经历了四年的大熊市。但2005年4月30日股权分置改革试点正式启动后，2005年夏天开始，我国股市开始进行股改。从2006年开始，股指一路上扬，到2007年10月16日达到6124.04的至高点。2008年，全球遭遇百年一遇的金融危机，全球股市暴跌，严重影响实体经济，我国股市也遭遇长达半年多的大跌。所以宏观经济是影响股市的根本原因，本文通过量化通货膨胀（居民消费指数和生产者价格指数）及货币政策（利率及货币供给量）来研究宏观经济对股价指数的影响。

二、文献回顾

国外学者已有比较多的相关研究。Balduzzi(1995)和Bakshi(1996)等对美国以及其他工业同家的实证研究发现股票价格与通货膨胀之问呈负相关关系。国内学者刘金全等(2004)对中国的实证研究认为我国股票价格与通货膨胀率之间存在负相关关系。段军山、邹伟卫、白茜（2010）通过建立股价波动、通货膨胀与固定资产投资的协整关系和VEC模型，得出我国固定资产投资的波动会受到上证综合指数与存款利率水平自身变动的影响。由此可知股价指数的变动确实受到较为显著的宏观经济的影响。

三、变量选取及数据处理

物价水平，用我国消费者价格指数（CPI）及生产者价格指数（PPI）来衡量；狭义货币供给量（M1）是经济周期波动和价格波动的先行指标，人民银行的基准利率采用中国人民银行对金融机构收取的20天的利率，二者用来量化我国货币政策；以上变量的数据来源于中经网数据库及中国人民银行网站。股价指数采用上证综合指数（SP），来源于上海证券交易所网站。所有序列对数处理消除序列的波动性，并对CPI、PPI和M1采用X12季节指数法进行处理以消除季节性。

四、实证分析

1.数据平稳性检验

在作实证分析前，为了避免出现伪回归，首先针对每个变量的序列是否存在单位根进行检验，这里使用ADF检验方法。

经对数处理后，序列LSP、LCPI、LPPI、LR和LM1进行ADF检验的t检验值分别为0.261、2.688、-2.101、-1.415和-2.525，均大于5%显著性水平下的临界值，所以原序列均不平稳。而序列的五个差分形式的t检验值分别为-5.711、-11.316、-3.525、-14.251和-4.319，均小于临界值，所以原序列的差分形式均平稳，说明这五个序列都为一阶平稳。

2.协整检验

ADF检验结果表明，所有原序列都为一阶平稳。然后用Johansen协整检验方法进行检验原序列间是否存在协整关系，这里零假设为协整关系的个数。

首先，确定模型的滞后阶数。在Eviews软件中，根据AIC和SC信息标准，选择AIC和SC取最小值时的滞后阶数。这里使最大滞后阶数为4时AIC最小，而最大滞后阶数为1时SC最小，所以采用LR检验进行取舍，所以选取CPI时合适的滞后阶数为3，而选取PPI时合适的滞后阶数为2。

从协整检验结果中看到，当选取CPI来描述物价指数时，零假设为不存在协整关系的P值为0.0001，至多存在一个协整关系的P值为0.017，而至多存在两个协整关系的P值为0.170，大于0.1，所以存在两个协整关系。

当选取PPI来描述物价指数时，不存在协整关系的P值为0.007，而至多存在一个协整关系的P值为0.147，大于0.1，所以只存在一个协整关系。

协整方程如下：

LSP=0.21LR+3.47LM1-22.00LCPI

(0.578)(0.588) (3.684)

LSP=15.70LR+20.17 LM1-103.08LPPI

(-6.956)(-5.014)

(-27017)

以上的协整关系表明上证综指与基准利率和货币供应量之间长期为正相关关系，而与CPI和PPI之间长期呈负相关关系。表明基准利率和货币供给量的上升会促进上证综合指数的上升，而物价指数（CPI和PPI）的上升会促使上证综合指数下降。

五、结论和政策建议

从以上结果可以看出，股价包含有未来通货膨胀的信息。股价可以作为未来通货膨胀预期的一个先行指示器，因此。在经济衰退时，中央银行可以利用货币供给量、基准利率与上证综指的正向关系，采取扩张性货币政策，即提高法定存款准备金率来提高货币供给量，或提高基准利率，稳定并推动股市价格的上涨，通过发挥股市的财富效应带动实体经济的复苏。而股价指数与物价指数的反向关系则表明，当国内通货膨胀较为严重时，抑制通货膨胀也可以促进股指的上升。

参考文献：

［1］Bakshi，G.S.and Chen，Z.Inflation，asset prices，and the term structure of interest rates in monetary economies［J］.Review of Financial Studies，1 996，9

［2］Granger，C.Investigating causal relations by econometric models and cross spectral methods［J］.Econometrica，1969，37，July

［3］刘金全，王风云，资产收益率与通货膨胀率关联性的实证分析.财经研究，2004，(1)

篇(6)

[关键词] 高速公路 经济因素 交通量增长 预测模型 蒙特卡罗

交通量是决定高速公路项目经济效益的核心内容。国内外很多学者都做过相关研究，国内学者对交通量的预测大多数采用了神经网络预测方法。这种方法是在分析影响某条高速公路所在地的国道、县道等历史数据的基础上进行的。一些学者也利用影响交通量的其他因素直接对交通量的大小进行估计。分析过程中很多不确定因素只能依靠预测者的主观猜测，因此，找到影响交通流量的宏观经济因素是十分必要的，而得出一种基于宏观数据的准确预测模型更是迫在眉睫。

一、影响交通量增长的经济因素

目前，国内外学者普遍认为影响高速公路交通量增长有两个方面的因素：一是收费公路本身的一些物理参数（比如：隧道和桥梁的数量，这一地区受洪水、山崩等的倾向）；二是国家的经济指标或者地区的经济指标。

Matas（2001）的研究模型是建立在1981年～1998年的72条公路的数据的基础上回归而得出的。Matas利用GDP作为国家经济指标进行研究。他的研究显示交通量变化的百分比直接受国家经济指标变化的百分比影响。与他的研究相符和的是，一些学者利用地区经济指标的变化量作为影响交通量的变量。影响交通量的地区经济指标包括：失业人口，就业人口，失业率，工资，零售量，税收收入，CDP和人口数。

Ash and Bazile 在2004年做过的相关研究显示：在发展中国家，长期的交通量增长近似等于经济增长的水平。而Matas的研究结果显示影响交通量变化的最显著因素是地区经济变量中的失业人口。因而，本文的选取地区生产总值，地区人口总数，地区失业人口作为影响交通流量变化的经济因素。

二、交通量增长预测模型

1.回归预测模型预测模型

本文利用的回归方程模型为:

Yit=β0+β1iEIt+μit

其中Yit表示在第t年，高速公路的第i段交通量增长的百分比。

EIt表示第t年，经济指标的增长百分比。

μit表示误差项。

回归选定的经济指标因子包括:GDP,地区人口总数，地区失业人口数，分别用这些经济指标的年变化百分比进行计算。

2.数据的选取与回归结果

交通量的数据是建立在1996年～1999年西安―宝鸡高速公路的10条支线，1997年～2000年杭州―宁波(杭甬)高速公路的5条支线，2002年～2005年京津塘高速公路的38条支线的基础上。各个经济指标的数据是在分析各条支线所属市的基础上。利用的统计年鉴包括河北经济年鉴2003、河北经济年鉴2004、河北经济年鉴2005、河北经济年鉴2006、中国分县市人口统计资料2003、中国分县市人口统计资料2004、中国分县市人口统计资料2005、中国分县市人口统计资料2006、河北经济年鉴2003、河北经济年鉴2004、河北经济年鉴2005、河北经济年鉴2006、河北省2003年各市生产总值及指数统计。

回归结果:

a.Predictors:(constant),X2,X1

b.Dependent Variable:Y1

a.Predictors:(Constant),X2,X1

b.Dependent Variable:Y1

a.Dependent Variable:Y1

回归的结果显示，影响中国高速公路交通量增长的经济指标包括：地区失业人口和地区GDP,地区人口总数为不显著因素，回归方程为：

Y1=-0.023X1+0.867X2+0.086

其中Y1表示支线交通量的增长百分比，X1代表地区失业人口变化百分比，X2表示地区GDP变化百分比。

本文的研究结果是对Ash and Bazile在2004年做过的相关研究的一种验证，与其得出同样的结论:在我国(发展中国家）,长期的交通量增长近似等于经济增长的水平。

3.蒙特卡罗模拟

蒙特卡罗(Monte Carlo)方法，是一种基于“随机数”的计算方法。它实质上是利用服从某种分布的随机变量来模拟现实系统中可能出现的随机现象。通常使用专门的风险分析工具来进行Monte Carlo模拟分析。利用蒙特卡洛进行交通量预测的步骤如下：

(1)确定影响交通量增长的表达式,在上节中已经回归出Y1=-0.023X1+0.867X2+0.086这一方程。

(2)分析确定方程中各个风险因子的概率分布模型。

(3)应用计算机软件产生各个风险变量的随机数并带入风险模型中计算出预测年度交通量增长的幅度。

(4)重复模拟100000次，求得100000个值。

(5)对这100000个值作概率统计计算出其概率分布曲线。

三、案例分析

1.预测参数

以福建省某条高速公路项目为例,对该项目某年的交通量增长进行预测。利用福建省1995年～2006年的失业人口数据(来源于《福建统计年鉴1998》、《福建经济与社会统计年鉴2006(劳动就业篇)》)进行分析，确定失业人口增长百分比近似服从正态分布，分布函数为:N(0.0764,0.141)。利用福建省1952年～2006年的地区生产总值数据进行分析，结果显示福建省地区GDP增长百分比服从正态分布,分布函数为N(12.9,4.6)。

2.分析结果

根据影响因素的概率分布,利用分析软件,得到福建省某条高速公路交通量增长曲线,见下图:

可见该条公路年交通量增长最大可能在6.22％～16.98%之间，在这个增长幅度内的概率为82%，而且这条高速公路交通流量增长近似服从正态分布。

本文通过回归首先指出了影响中国高速公路交通流量增长的经济因素，最主要的是地区生产总值和地区失业人口，长期的交通量增长近似等于经济增长的水平，进而得出中国高速公路交通量增长的预测模型，并给出了蒙特卡罗方法在交通量增长预测中的案例。试图从客观的角度和量化的角度出发，得出中国高速公路交通量增长的一般预测方法。

参考文献:

[1]Matas,Anna,2001,The demand elasticity on tolled motorways, University of Barcelona, Department of Economics,1～25

[2]陕西省高速公路建设集团.西安至宝鸡高速公路后评价总报告，2002

篇(7)

关键词：宏观经济；统计方法；发展；思考

中图分类号：F222.39 文献识别码：A 文章编号：1001-828X（2017）007-00-01

很多人都不太了解什么是宏观经济统计分析，在这里我们给出一个相对全面的解释，宏观经济统计分析主要是以宏观经济理论为基础，以指导国民经济运行为目的，对宏观经济的整体运行过程进行分析的一种实证经济。在国际上，宏观经济这个词语第一次出现在20世纪30年代，由恩格斯提出理论知识，我们国家宏观经济统计分析产生于改革开放以后，随着我们国家经济的发展，我国的固定资产投资额不断增加，对国民生产总值的影响作用也越来越大。通过对宏观经济统计方法的分析，可以有效地制定经济政策进而实施宏观调控，刺激经济持续、健康发展。

一、宏观经济统计分析的内容

（一）宏观经济统计分析的类别及特点

宏观经济统计分析主要包括四个方面：（1）事前分析、事中分析和事后分析；（2）状态性分析、规律性分析和预测性分析；（3）专题分析和综合分析；（4）定期分析和不定期分析。宏观经济统计分析的特点主要包括应用性、数量性、对比性、综合性、实证性五个特点，从真务实，用数据和事实说话，通过实证分析研究宏观经济问题。

（二）宏观经济统计分析的课题和内容

宏观经济统计分析按照经济活动来进行课题划分，可以划分为国民收入分配、消费需求、投资需求、进出口需求、国民经济综合平衡分析、宏观市场运行等多个课题，在不同的历史阶段，由于其现实背景的差异，宏观经济分析角度都会有不同的研究课题，描述我们宏观经济的变化过程、特征、以及变化规律等问题，揭示影响事物变化的关键因素，探索其因果关系，并积极的找出解决问题的方法，以供决策者选择。

二、宏观经济统计分析的方法

（一）均衡分析和非均衡分析

均衡分析是宏观经济统计分析中的重要手段之一，这一分析方法认为各种变量在综合分析的情况下最终会达到一种均衡状态，就供给需求理论而言，均衡分析理论认为供给曲线和需求曲线在一定的价格和数量条件下，这两种曲线就会达到均衡，这种理论在马歇尔将图形引入宏观经济学以后一直在西方经济学中占据主导地位；非均衡分析方法是相对于均衡分析方法而言的，认为市场上的供求不可能相等。非均衡分析方法更加贴近生活，它认为在现实的经济生活中，由于信息的短缺和不对称以及信息成本的提高，所以市场的供需总是会存在差异，是不可避免的，其中不完全竞争将是非均衡分析方法的研究重点。

（二）定性分析方法与定量分析方法

定性分析方法作为宏观经济统计分析中的一个分支，由于其缺乏理论知识的基础，所以人们更多的还是倾向于定量分析方法，定量分析方法主要运用在金融领域，其中数学依据主要是计量和统计，在经济学中，常用的定量分析方法又分为5小种，分别为比率分析法、趋势分析法、结构分析法、相互对比法以及数学模型法，在这5种分析方法中，比率分析法是所有分析方法的基础，趋势分析方法、结构分析法、相互对比法是分析方法的延伸，数学模型法则代表了定量分析方法将来的发展方向。

（三）静态分析和动态分析

静态的分析方法主要是横截面分析，是相对侧重于分析经济变量的均衡条件，而动态分析则引进了时间维度，比如较为流行的时间序列分析，相对侧重于随着时间发展经济状况的发展，这两种分析方法都是不全面的，需要两者相结合来看待，以长泰县为例，不仅仅要对长泰县现有的经济状况、发展水平、发展特点以及问题作出分析，还要在时间维度上来作出整体把握，充分考虑内在条件和外在因素的双重作用，从而制定出相对的经济改革策略。

三、宏观经济统计分析的意义

我们为什么要研究宏观经济统计分析，宏观经济统计分析有什么的意义？我们从以下几个方面来分析：1.研究宏观经济统计分析有利于把握证券市场的总体变化趋势，在证券投资领域是离不开宏观经济分析的只有把握住了整体的经济发展方向，才能把握证券的整体变动趋势；2.利用宏观经济统计分析来判断整个证券市场的投资价值，这里的证券市场泛指整个证券交易市场，从狭义角度来说整个证券市场的投资价值就是整个国民经济增长质量与速度的体现，当然对于长泰县这个小整体而言也是这样的；3.通过宏观经济统计分析，掌握宏观经济政策对证券市场的影响，证券市场与国家宏观经济政策息息相关，认真分析宏观经济政策，这样才能准确把握证券市场的运行趋势和价值变动方向，对投资者、证券业本身，乃至整个行业的发展都有重要的意义。

四、结语

在宏观经济学中，一方面在实证分析中，各类分析方法通常综合起来，多种分析方法共同作用，解决相关经济问题；另一方面实证分析方法也和规范分析方法相结合，实证分析方法为规范分析方法提供了理论依据。在《资本论》中，马克思曾提到“分析经济形式，既不能用显微镜，也不能用化学试剂，二者都必须用抽象力来代替”，因此在我们研究宏观经济学问题的时候，要用多种分析方法来综合考虑，研究宏观经济分析方法的内容、方法以及意义。长泰县作为一个城市近郊县，在经济发展的今天，也要秉持宏观经济统计分析方法，制定严谨的经济发展路线，带动经济的腾飞，希望本文能对此有一定的借鉴意义。

参考文献：

[1]董涛.宏观经济统计分析发展的基本问题[J].中国科技博览，2014.

[2]杨海琴.宏观经济统计分析在国民经济核算体系中的作用[J].现代国企研究，2016.