宏观经济变化精品(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变化范文，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)

股票市场作为金融市场的重要组成部分，最初产生的目的是为企业获得融资，使企业获得充足的资金，以促进宏观经济更好的发展。自从1976年罗斯提出APT理论以来，宏观经济变量与风险一起成为了影响股票市场的因素，使得股票市场与宏观经济变量的相互关系有了理论依据。从此，股票市场与宏观经济变量的相互影响关系就成为学者们研究的热点问题。股票市场的发展壮大不仅增强了资本市场的活动能力，一定程度上也将反作用于实体经济，对各个宏观经济变量产生影响，再由宏观经济变量反作用于股票市场而起到循环作用。而政府采取宏观经济调控手段，也是基于这样的作用机制来对资本市场和实体经济进行调节。因而，在目前情况下对我国的股票市场和宏观经济变量是否存在关联性进行深入的研究，显得十分必要。世界上所有的新兴证券市场都会不可避免的受到宏观调控的干预，中国股票市场作为一个发展仅有二十余年的新市场，更是需要国家的宏观调控。但是，国家对股票市场的宏观调控不能盲目的进行，要实行有效的调控措施，对宏观经济变量与股票市场的关系必须有明确的了解。由于宏观经济变量众多，且与股票市场的关系也各不相同，因此宏观经济变量对股票市场的作用机制比较复杂。本文以实证的方式，通过运用多种计量方法建立模型来研究股票市场与宏观经济变量之间是否存在关联性，以及存在怎样的关联性。

二、文献回顾

Chen等（1986）在APT的基础上建立了一个向量自回归（VAR）模型，他们研究发现宏观经济变量通过影响贴现率成为股市风险因素之一，还发现宏观经济变量和股票价格之间存在长期的均衡关系。Grange（r1981）提出了协整分析理论，为检验宏观经济变量与股市的关联性提供了的另一种方法。Fama（1990）用多因素模型证实了美国经济中货币供应量与通货膨胀率对股市收益率有显著的影响，并指出货币供应量、通货膨胀是通过影响实体经济增长来对股市产生作用的。Benranke和Kuttne（2004）利用VAR方法，考察了未预期货币政策对股票市场的影响。实证结果表明，货币政策对股票市场有影响，但货币政策的变动只能解释部分股票价格的变动。钟小强（2008）利用VAR模型和协整理论对于货币政策对股市的有效性进行实证检验，结果表明股指和货币供应量、利率之间存在稳定的长期均衡关系；同时货币供应量是股指的格兰杰原因，利率不是股指的格兰杰原因；相对于利率，货币供应量对股市的影响更大。孙云玉（2009）采用2000—2007年的数据分析中国股市价格波动与货币供应量之间的关系，结果表明二者之间存在着长期稳定的均衡关系，股市价格对不同层次货币供应量影响程度不同，M1对股市价格影响最大，但反过来股市价格则对M0影响最大，对M1仅有一定程度的影响。三、宏观经济变量与股票市场关联性的理论分析及研究假设本文将以股票定价理论为基础，分别从宏观经济变量对股票市场产生的影响和股票市场对宏观经济变量产生的影响这两个方面进行简要的理论分析，为实证分析提出相关的理论假设奠定基础。

（一）股票定价理论

作为资本市场理论的核心内容，股票定价理论经历了从传统理论向现论转变的过程。传统股票定价理论主要指稳固基础理论，其基本思想是，股票具有内在价值，它是股票价格稳固的基点，股票价格决定于内在价值。股票价格总是围绕其内在价值而上下波动的，当股票市价高于其内在价值时，就出现卖出机会，反之亦然。传统的定价理论着重于价值发现功能，即从企业角度入手考察股票价格决定因素。现代定价理论则从投资者的角度出发，更多地考虑到投资者的现实情况，即投资者往往不是投资于一种股票，而是投资于由多种股票形成的组合。现代股票定价理论的代表人物Markowitz在1952年发表了《证券组合的选择》一文，他根据统计学上的均值、方差和协方差等指标，将单个股票和股票组合的收益和风险进行量化，将复杂的投资决策问题简化为收益-风险（期望值-方差）的二维问题，给出了投资者如何通过建立有效边界，并根据自身风险承受能力选择最优投资组合，以实现投资效用最大化的一整套理论，即现代证券组合理论。

（二）宏观经济变量对股票市场产生的影响

股价的波动取决于预期的未来现金流的波动性、未来贴现因子的波动性及两者之间的相关性。而未来现金流、贴现因子直接受企业层面实体因素的影响，如企业的盈利能力、资本结构、营运杠杆、管理水平等；企业的实体因素又受行业因素、宏观经济基础变量（如国内生产总值、货币供应量、通货膨胀、实际利率、汇率与进出口等）及宏观调控政策（如财政政策、货币政策）的影响。因此，股价的变动因素取决于上述经济实体变量及相关政策变量，股指的变化也应由这些变量的变化所决定。如图1所示所有因素都是通过作用于供求关系而影响股票价格。

（三）股票市场对宏观经济变量产生的影响

股票市场作为一种日益重要的投资方式，其在筹集资金、促进企业经营机制的转换和优化资源配置这三方面对宏观经济也产生越来越重要的影响。股票市场对宏观经济的影响，主要是通过消费、投资、货币政策和汇率等渠道来产生作用的：（1）股票价格一般被认为是经济运行的先行指标，具有国民经济“晴雨表”的功能。股票市场对GDP的作用主要通过股票市场的消费和投资两个渠道来推动。（2）股市市场对货币供应量的影响主要体现在股市价格波动改变了货币需求的稳定性,从而对货币供应带来冲击，并推动货币供应的存量和结构发生相应变化。（3）股票市场对汇率的影响主要体现在股价上升还将增加国内投资者的财富，增加货币需求，推动国内利率的上升，而国内利率的上升还将进一步刺激资本流入，使本币升值，汇率上升。

（四）研究假设

综合已有的宏观经济变量与股票市场关系的理论研究，我们可以看出二者之间的影响是相互的，并且是复杂的、不确定的。具体到我国的经济来说，这种影响也是不确定的。这种不确定性，一方面是由于影响机制本身的复杂性，另一方面也与我国股票市场的自身发展特点密切相关。本文关于宏观经济变量和股票市场价格指数关联性实证分析的理论假设如下：

假设1：股票市场价格指数和国内生产总值正相关消费、投资和进出口都是总产出的组成部分，它们增加表明国内总需求增加，并决定国内生产总值增加，公司利润也随之增加。国内生产总值的任何增加，都会影响国内公司现金流同方向变化。一般来说，在其他条件不变的情况下,股票价格也会同方向变化。因此，股市表现和国内市场总值，甚至和消费、投资、进出口之间应存在正向关系。

假设2：股票市场价格指数和通货膨胀率成负相关通常认为实际通货膨胀率和非预期通货膨胀率之间存在正相关关系。因此，在其他条件不变的情况下，通货膨胀和资产价格之间就会存在一种反向关系。如果通货膨胀使产品售价上升，导致公司利润增加，从而使公司现金流增加且这种增加是同步的，上述关系可能不再成立。因此，通货膨胀和股票价格存在一种不十分确定的负相关关系。

假设3：股票市场价格指数和利率正相关一般假设名义利率和价值模型的无风险利率之间存在一种正相关关系，因此名义利率的变化将会使资产价格向相反方向运动。因为利率降低一般使投资者要求贴现率下降，在预期股利不变的条件下，股票的内在价值将会上升。

假设4：股票市场价格指数和货币供应量关系不确定从长期来看，股市上涨根本动力应该是经济增长和企业营利能力的增强。但在短期内，资金是股市的物质基础，资金的流入流出是造成股市涨跌的直接因素。当货币供应增加超过民众因经济增长及支付习惯和制度等变动引起的需求增加时，市场利率会下降，就会存在部分资金流入股票市场，从而提高股市成交量和成交金额。当股市扩容有限时，股价将上涨。可见，货币变动领先于股价变动，且两者之间是正相关关系，但同时货币供给增长会刺激经济增长，会使企业现金流增加，从而提高股票价格。可是货币供给增加有可能导致流通中的货币过多，这在一定程度上会导致通货膨胀，从而使资产价格向相反的方向运动。这样，股价指数和货币供给应该反向变化。综上所述,货币供给和股票价格变动方向更应该由经验证据来决定。

四、宏观经济变量与中国股票市场关联性的实证分

本文采用向量自回归（VAR）模型对宏观经济变量与股票市场的关联性进行考察，主要遵循如下步骤：首先进行数据来源和变量的选择，之后进行单位根检验，并以平稳的时间序列数据构造VAR模型进行结构分析，最后从协整检验和Granger因果检验等角度来进一步验证变量之间的关系。

（一）样本选择与数据处理

本文选取1998年1月至2009年9月的月度数据对中国股票市场进行实证分析，数据均来源于RESSET金融研究数据库、大智慧系统软件、中国统计年鉴和中国人民银行的官方网站。由于月度数据会存在一定的季节性，因此，为了消除季节因素的影响，本文用X-n的方法对样本数据进行调整，得到剔除季节因素的数据。

（二）变量定义

本文选取上海证券交易所股票价格综合指数（SZ）作为股市指标；国内生产总值GDP由于是年度数据，很难得到月度数据，故在实证分析中我们将采用工业增加值（GYZJZ）来代替GDP；货币供应量本文采用M2来反映货币供应量;通货膨胀率用某一具有代表性的物价指数比如居民消费价格指数（CPI）来反映通胀情况；利率作为国家宏观经济调控的中间目标之一，本文选用的是实际贷款利率并选6个月贷款利率作为短期利率的代表，以5年期贷款利率作为长期利率的代表；汇率本文选用外汇储备（WHCB）作为汇率指标。

（三）实证检验

大部分有关宏观经济的模型，都是利用经济理论来建立变量之间关系的联立方程模型。但是，经济理论通常并不足以对变量之间的动态联系提供一个严密的说明，而且内生变量既可以出现在等式的左端又可以出现在等式的右端，这使得估计和推断更加复杂。为解决这些问题，产生了一种用非结构性方法来建立各个变量之间关系的模型，就是本章所采用的向量自回归模型（VAR）。向量自回归模型通常用于相关时间序列系统的预测和随机扰动对变量系统的动态影响，对宏观经济变量这一时间序列的相关分析具有较好的预测和解释能力。由于宏观经济中包含有许多的变量，无法明确的知道每一个变量是如何影响股票市场的，故本文将他们拆分开来进行研究。

1.GDP、投资、储蓄、消费、对外贸易与股票市场关联性的研究。本节选取的宏观经济变量有工业增加值（GYZJZ）、储蓄额（CXE）、社会消费总额（SHXFE）、固定资产投资（GDZCWCE）、进出口额（JCKE）。（1）单位根检验。由于Johansen协整检验，以及VAR模型的构建是要求变量都是一阶单整的，故本文要对所选的变量进行单位根检验。本文选取的检验方法是ADF检验。由表1可知，我们所选取的变量都是一阶单整的。

（2）VAR模型的建立。建立VAR模型前也要先确定模型的滞后阶数，本文参考了LR（极大似然比值）、SC值、AIC值，结合实际情况，选取滞后一阶的VAR模型。由运算结果我们可以看到上证综指拟合的方程拟合优度为0.90，调整后的拟合优度为0.89，说明模型拟合的还算是比较成功的。得到上证综指与宏观经济变量的数学公式：SZ=0.85*SZ（-1）-0.005*CXE（-1）+0.02*GDZCWCE（-1）-0.23*GYZJZ（-1）+0.44*JCKE（-1）+0.15*SHIXFZE（-1）+25.53由上述公式我们可以看到，上证综指与自身前一期的指数成正向变化，与固定资产完成额、进出口额、社会消费总额的前一期值成正向变化。固定资产完成额的增加，表明实业投资的增加，实业投资与股票市场投资是相互促进的，实业投资的增加必然会带动股票市场的发展。进出口的增加，则有利于国内企业的发展，使得企业的利润增加，同时使得企业的股票价格上扬。而消费的增加，一方面使得企业的销售增加，另一方面消费还推动经济的发展。这两方面的作用都将有利于股票市场的发展，体现在股票价格的上扬上。上证综指与工业增加值的前一期变化成反向变化，在本期的关系中也是负向相关，这与我们前期理论分析结论有些出入，原因可能有以下几点：第一，本文用工业增加值来替代GDP，替代性可能不够。第二，我国股票市场的发展轨道与国外的股票市场很不一致。我国股票市场起步较晚，起步原因较特殊，而且还有中国股市自身特有的特点，这使得我国的股票市场的有效性不是很强，导致股票价格会经常出现异常性的波动。

（3）Johansen协整检验。协整检验是检验变量之间是否存在着长期稳定的关系。我们依然选用特征根检验法对上述模型进行了协整检验。检验结果表明这几个变量之间存在三个协整关系见表2：

这说明上证综指和宏观经济变量之间是存在着长期稳定的关系的。同时也说明了宏观经济变量之间也是存在着长期的相互关系的。这从另一方面为我们前面的理论假设中提到的宏观经济变量之间相互传导影响股市提供了实证支持。协整方程式如下：SZ=1.49CXE+2.90GDZCWCE-5.38GYZJZ+12.97JCKE-2.005SHXFZE从上述公式中得出，长期储蓄额的增加，使得货币供给增加，更多的资金进入股市，让股市资金充足，促使股价上升，因此股价与储蓄额是正向波动的，这和我们前面的理论假设是一致的。固定资产投资长期的增加，意味着社会大环境的良好发展，增强股票投资者的信心，从而给股票市场良好的信号，使得股票价格上涨，这也和我们前面的理论假设是一致的。进出口额的增加表明我国对外贸易的良好发展，同时也表明国家大力发展对外经济。这至少对外贸企业是一个良好的发展机会，外贸企业的发展，也会带动其他的提供原料和销售的上下游的企业的发展。企业基本面发展良好，反映在企业股票上，促使股票价格上升。但我们也可以看到社会消费的增加会使股票价格下降。其可能原因为，消费的过快增加会使物价上涨过快，产生一定的通货膨胀和投资心理恐慌，从而对股市产生不利影响。

（4）格兰杰因果检验。对上述变量进行格兰杰因果检验，来检验变量之间是否存在格兰杰因果关系，见表3。由表3可知：工业增加值可以单向格兰杰引起上证综指的变化，社会消费总额的变化也可以单向格兰杰引起上证综指的变化。同时，上证综指可以单向格兰杰引起进出口额的变化。固定资产完成额和进出口额与上证综指之间不存在格兰杰因果关系。这说明上证综指与宏观经济变量之间是存在格兰杰因果关系的，不仅宏观经济变量会引起上证综指的变化，而且上证综指也会反作用于宏观经济变量。最终我们可以发现，这五个变量可以同时格兰杰引起上证综指的变化，这与我们前面的理论假定相吻合，即宏观经济变量可以通过错综复杂的相互关系来共同对股票市场产生作用。

2.货币政策、财政政策、汇率与股票市场关联性的研究。货币政策指标、财政政策指标和汇率是代表宏观经济政策的传统指标，建立它们与股票市场的计量模型并进行分析，可以更详细的了解宏观经济政策与股票市场之间的相互影响机制。本小节选取的宏观经济变量有货币供给（M2）、财政收入（CZSR）、财政支出（CZZC）、外汇储备（WHCB）等。

（1）单位根检验。由表4可知，上述的变量都是一阶单整的。说明这些数据是符合我们进行协整检验的要求的。

（2）VAR模型的建立。建立VAR模型前，要先确定滞后阶数。这里还是采用LR似然比和SC值、AIC值相结合的方法，综合考虑，选取一个较合理的滞后阶数。这里我们选取滞后一阶的方式来构建VAR模型。其方程式为：SZ=0.8352SZ（-1）+0.006CZSR（-1）+0.048CZZC（-1）-0.317WHCB（-1）+0.0169M2（-1）-2310.5由上面的公式我们也可以发现，上证综指仍旧受自身前一期的影响。同时，短期财政支出和财政收入的变化均会引起上证综指正向的变化。但从长期来看，财政收入的过多增加可能会不利于股市的发展，这和财政收入的来源有很大的关系。因为财政收入主要来源于税收和国债，税收的增加，加重了企业和投资者的负担，减少了资金供给，长此以往，对资本市场将产生不利影响。

M2将引起上证综指的同向变化，这和我们前面关于货币供给量的理论假设是一致的。货币政策的预期效应、资产组合效应和内在价值增长效应都体现了货币供给量的变化将引起上证综指的正向变化。短期外汇储备将引起股票市场反方向的变化。外汇储备虽然有利于货币供给量的增加，但是我国目前的外汇储备量已经过量，故而它的负面影响也开始显现。这也和我们的理论是基本一致的。

（3）Johansen协整检验。对上述VAR模型进行协整检验，发现上述的模型中存在着协整关系。这说明了股票市场和宏观经济变量之间存在着长期稳定的关系。我们将上证综指的协整方程式列出，详细地分析变量之间的长期关系。SZ=-1.24CZSR+4.03CZZC+2.17M2-26.74WHCB由上面的协整方程式，我们可以得到变量间的长期关系，和我们分析VAR模型时提到的一样，财政收入的系数在长期协整关系式中变为负数，即财政收入的增加，长期而言是不利于股市的。其余的变量的系数都没有改变正负。这说明，在长期中，宏观经济变量与股票市场之间的关系是符合我们的理论假设的。

（4）格兰杰因果检验。我们需要分析这几个宏观经济变量与股价是否存在格兰杰因果关系，因此我们要对它们进行格兰杰因果检验。我们从表5中可以看出，外汇储备的格兰杰引起上证综指的变动。而且，这些变量还能同时格兰杰引起上证综指的变动，说明货币政策、财政政策和汇率不但可以单方面影响股票市场，而且可以综合起来对股票市场产生一定的影响。表5格兰杰因果检验同时我们也看到，上证综指不能格兰杰引起财政政策变量的变化，不能格兰杰引起货币供给量和汇率的变化。反过来看这也说明了就中国股市而言，汇率与股市是汇率导向模型的传导机制。股票导向的传导机制，在中国还没有成熟的条件形成，股票市场对汇率的影响作用还没有发挥作用。股票市场不能对货币供给量产生影响，这也和我国的实际国情有关，一般认为货币供给量是受中央控制来调节宏观经济的。

篇(2)

关键词：上证综指；宏观经济变量；协整检验；误差修正模型股票市场是宏观经济的晴雨表，随着我国股市的快速发展，股市与宏观经济之间的密切关系也逐步展现出来。2003-2006年，宽松的宏观调控政策助涨A股出现了一轮大的“牛市”现象。2007年宏观调控政策转向“从紧”，“打压泡沫”直接作用于股市，另外加上国外的金融危机，导致股市各指数在2008年上半年持续下跌。2008年底，政府投出4万亿扩大内需，股市明显回温。到2009年8月IPO发行重新启动，及在欧洲债务危机的影响下，股指达到反弹高点后又回调震荡。2010年7月，在市场大宗商品价格持续走高的背景之下，中央采取“适度宽松”的货币政策，A股快速大幅拉升。2011年由于国内通胀压力过大，政府开始实行“宽松的财政政策，从紧的货币政策”，加上美国信用评级下降及欧洲债务危机的扩散，指数一路下行。进入2012年，国家放缓宏观经济增长目标，持续调控房地产，上半年宏观经济数据显示经济增长缓慢，股市也处于低迷状态。

由上可见宏观经济与股市之间的联动反应，中国股市正处发展阶段，在一定程度还需要国家的宏观调控，这就必须明白我国股指与国内主要宏观经济指标的关系。因此要研究主要宏观经济变量影响股票市场的途径与作用机制，进而进行有效的预测，这对于促进股票市场稳定健康发展和提高国家宏观调控能力有着十分现实的意义。

1、数据来源与处理

（1）由于我国股票市场的特殊性以及长期来备受争议，国家对其的干预较为严重，因此股市本身并不是有效的独立。本文在考虑到宏观经济数据的易获得性，选取了2008年1月一2012年5月年的月度数据。数据主要来源于中华人民共和国统计局网站、中国人民银行网站、东方财富网。

（2）在研究分析中使用的数据为月度数据。这是因为，根据过去学者的研究结论，月度数据比日数据更具有不敏感与稳定特征。首先采用了上证综合指数从2008年1月到2012年5月的月度收盘数据以及对应期间的宏观经济变量指标（包括工业总增加值增速、居民消费物价指数同比增长率、利率水平、货币供应量以及社会消费品零售总额5个具体宏观变量指标）的月度数据。

（3）为了消除所选变量的季节性因素影响，本文采用X-12方法对除利率外的所有数据消除季节因素，并加SA表示，然后取对数以消除时间序列存在的异方差，加L表示。

2、实证分析

2.1相关分析

首先将上述可能影响股市的5个宏观经济变量与上证指数放在一起做出它们的相关系数矩阵，结果发现除利率水平与上证指数较低的相关程度外，其它的相关程度还是比较高，表明这些经济变量与上证指数之间有较强的线性相关关系。利率与股指相关程度较低，说明利率在这一段时间内的变动对股市的影响不是很明显，这与目前实行的利率制度有很大的关系。利率没有市场化，并且中央银行在相当长的时间才会有所调整，这样大大降低了利率与股市变化的联动性。

2.2回归分析

由于以上所选定的宏观经济变量之间普遍存在着较高的相关系数，比较明显的是LSE与LM2，LRATE与LSE、LCPI、LM2。这将出现严重的多重共线性的问题。为了消除变量之间的多重共线性，在此采取逐步回归法。

2.2.1判定系数检验法

做LSE对LM2的回归，发现R2=0.975789；做LM2对LSE的回归，R2=0.975789，但是AIC与SC的值较高，所以我们选用LSE。

2.2.2修正的Frish方法

首先依次做LSH对LSE、LRATE、LGY、LCPI的回归分析，得到R2最大的是LSH对LGY回归，因此选取LGY作为模型的出发点进行估计。继而在LSH和LGY中加入解释变量LSE进行估计，结果R2=0.607245，R2明显提高，并且对LGY的系数值和t检验值都没有较大的影响，因此可以加入解释变量LSE。同理依次加入解释变量LRATE、LCPI，发现R2显著提高入，并且对其它解释变量的系数与t值也没有多大影响，最终得出上证综指与工业增加速度、社会消费零售总额、居民消费价格指数、利率水平之间的函数关系式：

LSH=0.526276*LGY+0.276255*LSE+0.0709678*LCPI-0.17579091LRATE+11.30623

（777）（347）（273）（-291）（1616）

DW值接近2，表明不存在自相关，其它各项值也显示回归方程的性状良好。

2.3ADF检验和协整检验

首先对各变量依次做ADF检验，其检验结果汇总如表一所示。

表1单位根检验表水平检验值是否平稳一阶差分值是否平稳变量ADF值1%水平值ADF值1%水平值LSH-0.48822-2.61203否-3.26754-2.61301是LSE6.039941-2.61203否-3.08677-2.61301是LRATE0.28784-2.61109否-3.22826-2.61203是LGY0.326733-2.61203否-4.50147-2.61301是LCPI1.294107-2.62724否-2.63076-2.39429是从单位根检验表可以看出它们的一次差分序列不存在单位根，是平稳的。即各变量均是一阶单整I（1）序列，因此可以做协整检验，接着得出残差序列为0阶单整序列。说明上述宏观经济变量与我国股票市场的指数变量在样本区间内存在长期均衡关系。

2.4建立误差修正模型（ECM）

误差修正模型是一个短期模型，其中误差修正项反映了长期均衡对短期波动的影响，等式右侧的差分项反映变量短期波动的影响。由上述检验结果可知，在1%显著水平下，LSH序列与LGY、LSE、LRATE和LCPI序列存在协整关系。所以可以建立误差修正模型（ECM）。由此进一步得到误差修正模型为：D（LSH）=0.236996032656*D（LSE）+0.0643539330744*D（LCPI）+0.343416929634*D（LGY）-0.194980771541*D（LRATE）-0.387782334232*ECMt-1

由上可以看出误差修正项ECMt-1对D（LSH）构成显著的影响。即LSH与LSE，LCPI，LGY，LRATE长期均衡关系影响到D（LSH）的变比；另一方面，D（LSH）的变化也受到LSH与LSE，LCPI，LGY，LRATE的短期变化的影响。其中，LSE，LCPI，LGY的短期变化对D（LSH）变化的影响是正的，而LRATE的短期变化对D（LSH）变化的影响是负的。另外得出的误差修正系数为-0.38778，表示当期波动偏离长期均衡时，误差修正项将以0.38778的力度反向调整LSH，将非平衡拉回到均衡状态，符合反向修正机制。

3、结论实证分析表明，上证综指与部分宏观经济变量之间存在协整关系，说明中国股票市场与宏观经济的发展是基本一致的，股票价格指数可在一定程度上反映实体经济发展趋势及状况。虽然上证股指与部分宏观经济变量之间存在长期均衡关系，当然在短期中也偶尔会出现偏离，这可能是市场不理性的缘故，在长期最终要回归到理性。（作者单位：云南民族大学经济学院）

参考文献

篇(3)

【关键词】利率期限结构 宏观经济信息 研究综述

一、研究的背景和意义

在我国，由于利率管制的限制和债券市场发展不成熟等多方面的原因，学者对利率期限结构与宏观经济运行的关系的研究还处于初级阶段。随着我国金融体制改革、金融自由化程度的提高、货币和资本市场的发展、以及微观主体参与度的提高和金融产品创新等一系列内源推动下，利率作为引导金融资源配置的重要杠杆，其作用日益凸显，因此对利率期限结构和宏观要素之间关系的研究具有越来越重要的意义。

二、文献综述

（一）利率期限结构与宏观经济的国外研究现状

Litterman和Scheinkman（1991）采用主成分分析法对美国政府债券收益率进行了实证研究，并将影响利率期限结构的三个潜在因子分别称为：水平因子、斜度因子和曲度因子，但是并没有给出这些因子的宏观经济含义。

Ang和Piazzesi（2003）将宏观变量加入到三因子的利率期限结构模型中，通过建立VAR模型对1952～2000年的美国国债利率期限结构与宏观经济因素的关系进行了实证研究，实证结果表明，宏观经济因子可以解释利率期限结构中短期和中期利率变动的85%，可以解释利率期限结构中期及长期利率变动的40%；通货膨胀对利率期限结构中的短期部分具有较强的冲击，且利率期限结构中的水平因子可以识别这种冲击；水平因子和斜率因子受宏观经济变量的影响较大；加入宏观经济变量的模型对利率的预测精度有明显的提升。

Hans（2006）在Ang和Piazzesi（2003）的基础上将宏观因子的长期预期值纳入模型中，采用卡尔曼滤波算法对无套利的VAR模型进行估计，并将估计出的三个潜在因子与宏观经济因子进行正交回归，结果表明：引入长期预期值后，模型的拟合优度与预测能力大幅度提升，且水平因子与通货膨胀有关，斜率因子与经济周期有关，而曲度因子则与货币政策有关。

Diebold和Li（2006）在Nelson和Siegle（1987）的NS静态曲线的基础上，提出了动态的Nelson-Siegel模型，构建动态利率期限结构模型，通过卡尔曼滤波方法来估计参数，从中提取出了利率期限结构的水平、斜率和曲率三个潜在因子，在此基础上利用VAR模型检验利率潜在因子与宏观经济变量之间的双向响应关系，将三因子向量扩展成包含宏观经济变量的六因子，从而探讨利率潜在因子与宏观经济之间的相互影响。

Rudebusch和Wu（2008）构造了利率期限结构的宏观金融模型，发现短期利率是利率期限结构与宏观经济变量之间相互影响的传导变量。

Van Binsbergen等（2012）将利率期限结构引入DSGE模型，对比了包含不同变量的估计结果，发现利率期限结构能替代通货膨胀指标得到相近的估计结果，并且包含了有关贴现因子、投资者风险厌恶程度等微观信息。

Kagraoka和Moussa（2013）发现利率期限结构对未来宏观经济的预测能力存在时变特性，他们根据经济状况对样本观察期进行分段，再利用传统模型对分段后的子样本进行估计，基于分段方法存在较大的主观性，这种做法并不能准确刻画变量之间的时变特性。

Frances Shaw，Finbarr Murphy和Fergal（2014）将动态Nelson-Siegel模型运用于信用违约互换（Credit default swaps）上，并且结果表明，该模型对信用违约互换曲线的拟合效果很好，并且预测能力也比较好。

Dara Sim和Masamitsu Ohnishi（2015）在无套利Nelson- Siegel（AFNS）模型的基础上，转换视角将AFNS模型中的服从高斯过程的水平因子替换成服从CIR过程的水平因子，实证表明替换后的新模型更适合美国短期国债利率，而对于到期期限较长的国债收益率预测效果较差。而对于日本的零息债券而言，新模型与AFNS模型没什么差别。

Jared Levant和Jun Ma（2016）在动态Nelson-Siegel模型的基础上，引入了三个宏观经济变量：货币政策利率、工业生产总值、通货膨胀预期，将模型扩展成MFA-DNS（Macro-Factor Augmented Dynamic Nelson-Siegel）模型，来研究英国的债券市场利率期限结构，结果表明，货币政策和经济活动对英国债券利率期限结构的影响显著，并且水平因子和斜率因子与通货膨胀预期和货币政策有关。

（二）利率期限结构与宏观经济的国内研究现状

国内对利率期限结构理论的研究始于上世纪九十年代中后期，起步较晚。此外我国存在一定程度的利率管制，中国债券市场发展仅30年，不管从市场规模、市场质量上看都还不成熟，因此对利率期限结构与宏观经济运行的关系的研究还比较有限。

傅曼丽、屠梅曾和董荣杰（2006）应用常用的四种静态利率期限结构模型对上海证券交易所国债稻萁行实证分析。通过多方面数据比较，得出Nelson-Siegel模型和Svensson模型更加适合我国金融市场的结论。

刘海东（2006）研究了2002年4月至2005年8月期间我国货币政策对利率期限结构的影响。该文章首先用指数样条法对我国国债利率期限结构进行估计，然后用7天期国债回购利率作为货币政策的变量，以此来检验货币政策对利率期限结构的影响。实证结果表明，货币政策对利率期限结构的影响显著，且短期利率受货币政策的影响较大。

郭涛，宋德勇（2008）用Nelson-Siegel模型对我国2004年1月至2006年12月期间我国国债利率期限结构，分析了央行货币政策以及通货膨胀对利率期限结构的影响。结果表明Nelson-Siegel模型可以较好的拟合我国国债利率期限结构，长短期利差可以反映出货币政策的状态，利率期限结构的水平因子与通货膨胀率之间协整。

季绍波，孙铁卿，于鑫和李延喜（2010）通过VAR模型，考察了2004年至2009年我国国债利率期限结构与宏观经济因素之间的动态关系。研究发现，宏观经济因素对利率期限结构水平因子的影响显著，水平因子、斜度因子和曲度因子三个因素可以解释90%以上利率曲线的变化，利用脉冲反应和方差分解，发现实际经济变化主要影响收益率曲线的斜度和曲度，其中货币政策是影响水平因子的主要原因，这一点与发达国家不同。

曾耿明，牛霖琳（2013）运用简约无套利宏观金融模型，首次将2005年1月至2012年4月期间的中国银行间国债收益率曲线分解成债券市场实际利率和通胀预期的期限结构，通过对名义收益率曲线的方差进行分解，得到通胀预期对一年期及三年期的名义收益率曲线波动影响最大，而实际利率对五年期及以上的收益率曲线波动的影响最大。

何晓群，王彦飞（2014）选用动态Nelson-Siegel模型估计出我国银行间债券市场的利率期限结构的三个潜在因子，同时，本文研究发现宏观经济在边际上影响着利率期限结构，其主要是实体经济（CPI和工业增加值）对斜率和曲度的影响，而对利率期限结构的水平移动没有明显影响。

金雯雯，陈亮（2014）利用动态Nelson-Siegel模型估计出国债利率期限结构，并构建时变参数向量自回归（TVP-VAR）模型研究利率期限结构与宏观经济之间的关系，从中探寻利率期限结构隐含的宏观经济信息。研究表明，我国利率期限结构的调整与经济运行相匹配，相比于经济周期和通货膨胀而言，我国利率期限结构没有明确体现出货币政策利率调控的信息，货币政策利率对利率期限结构变化的反应不够灵敏。

尚玉皇，郑挺国（2015）基于混频Nelson-Siegel模型来研究中国国债收益率及宏观经济变量之间的关系。研究表明混频模型可以改进同频模型拟合效果并能够较好的刻画出期限结构的水平、斜率和曲度因子；发现水平因子对通货膨胀有明显的作用，曲度因子受GDP正向影响；且通过方差分解发现通胀因子主要作用于水平因子及收益率曲线的长端，而GDP对曲度因子和中期利率的影响较大。

崔永涛（2016）通过Nelson-Siegel模型拟合我国利率期限结构参数，并将利率期限结构中的不同期限利率利用夹角余弦算法分为人们对未来的短期、中期和长期的利率预期来考察货币政策对人们各个时期利率预期的影响。结果发现，货币政策的变化对长期和短期利率预期有显著影响，而对中期利率预期影响不显著。

参考文献

[1]Diebold F X， Li C.Forecasting the term structure of government bond yields [J].Journal of econometrics， 2006， 130（2）： 337-364.

[2]Dara Sim， Masamitsu Ohnishi.A Modified Arbitrage-Free Nelson-Siegel Model： An Alternative Affine Term Structure Model of Interest Rates [J].Asia-Pacific Finan Markets， 2015，22：53-74.

[3]Jared Levant，Jun Ma.Investigating United Kingdom’s monetary policy with Macro-Factor Augmented Dynamic Nelson-Siegel models [J].Journal of Empirical Finance，2016，117-127.

[4]何匀海王彦飞.中国利率期限结构与宏观经济运行的关系――基于动态Nelson-Siegel模型的研究[J].经济理论与经济管理，2014年第8期.

[5]金雯雯，陈亮，毛德勇，叶茜茜.利率期限结构内含的宏观经济信息――基于TVP-VAR模型的时变参数研究[J].经济评论，2014年第5期.

[6] 尚玉皇，郑挺国，夏凯，宏观因子与利率期限结构：基于混频Nelson-Siegel模型[J].金融研究，2015年第6期.

篇(4)

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(5)

【关键词】流动性 HP滤波法 单位根检验

一、引言

2007年，美国次贷危机发生后开始在全球范围内迅速蔓延，并逐渐演化金融危机，对许多国家和地区的证券市场流动性造成了极大的冲击。此轮危机中，我们发现美国股市的流动性与宏观经济之间存在着密切的联系，实体经济下滑之前，证券市场就已经开始出现流动性紧缩的状况，股市“晴雨表”的功能得到体现。这种联系在我国的证券市场中是否也存在呢？本文试图通过对沪深两市中流动性指标与宏观经济变量的季度数据进行实证分析，来探究我国证券市场流动性与宏观经济的关系以及内在机制。

二、文献综述和理论基础

目前，国外文献中关于证券市场流动性与宏观经济关系的研究主要从两个角度出发。一些学者从经济变化影响股市流动性的角度出发来探求两者的关系。Longstaff（2004）认为投资者预测经济状况将发生变化时，他们会调整自己的资产组合来应对经济形势的改变（流动性资产转移效应，flight to liquidity），当这一行为被大多数投资者采用时会导致市场流动性变化。Brunnermeier（2009）认为危机发生时，市场流动性和资金流动性的相互强化机制导致流动性螺旋式下降，金融机构将资金转移到低保证金的金融资产上去，进一步改变了股市流动性。另一些学者从证券市场流动性影响宏观经济的角度来研究两者的关系，其中研究证券市场流动性与经济增长关系的文献占了绝大多数。如Levine（1991）构建的内生经济增长模型，股市风险改变了投资者激励，并通过效率和资源改变了稳态的经济增长率。Kyle（1984）、Holmstrom（1985）则认为证券市场机制增强了公司治理，对实体经济产生正面影响。

国内学者在这一领域的研究多集中在研究证券市场流动性特征或证券市场与宏观经济关系上。刘勇（2004）研究表明股价指数和居民消费价格指数之间存在一种正相关关系，和货币供应量、利率之间存在一种负相关关系。陈梦根（2005）认为沪深两市股价变动与宏观经济变量之间并未表现出协整性特征，在样本期内，中国证券市场与国民经济之间尚未呈现稳定的长期均衡关系。马进、关伟（2006）通过协整分析和Granger因果检验指出我国股票市场与宏观经济存在着联系，但是这种关系很弱且相互影响的程度还不明显。

三、样本选择和实证分析

（一）变量选择和数据收集

考虑我国证券市场的市场特征和数据可得性，本文选择换手率和Illiquidity非流动性指标（ILR）来衡量我国股市的流动性。换手率从市场深度（depth）对流动性进行度量的，Illiquidity从市场深度和市场宽度两个维度对流动性进行度量。

换手率：，其中为第i只股票在T期内的交易

量，第i只股票的流通总股数。换手率越大，表明证券持有时间越短，流动性越大；反之，则流动性越小。

Illiquidity：，其中表示第i只股票或指数在T期的非流动性比率；表示第i只股票或指数在T期的收益率；表示第i只股票或指数在T期的交易金额。ILR衡量了一定交易量引起价格变动幅度的大小，LIR越大说明流动性越差。

本文选择上证综指和深圳成指作为沪深两市的代表，分别计算两种指数的换手率和非流动性比率。为了便于数据处理，计算出的非流动性比率ILR统一乘以1013。宏观经济变量包括真实GDP，真实消费（CONS），真实投资（INV）和利率，其中真实投资用经价格调整的全社会固定资产投资代替，真实消费用经价格调整的社会消费品零售总额代替，利率选择目前市场化程度较高的全国银行间同业拆借利率（7天年化利率）代替。本文数据主要来自于Wind数据库、国家统计局和中国人民银行网站，样本区间为2001年第一季度到2012年第二季度的季度数据，使用Excel和Eviews6.0beta进行数据处理和实证分析。

（二）实证分析

第一步，通过X-12-AA法对时间序列进行调整以消除季节性影响，得到调整后的序列再取一阶差分，得到dGDPSA、dCONSSA、dINVSA。对以上序列进行单位根检验，结果如表1所示，可见dGDPSA、dCONSSA和dINVSA是平稳的。

表1 单位根检验

t-Statistic ??Prob.*

D（GDPSA） ADF test statistic -4.291233 ?0.0016

Test critical values： 1% level -3.615588

5% level -2.941145

10% level -2.609066

D（CONSSA） ADF test statistic -10.07286 ?0.0000

Test critical values： 1% level -3.615588

5% level -2.941145

10% level -2.609066

D（INVSA） ADF test statistic -2.815358 ?0.0670

Test critical values： 1% level -3.646342

5% level -2.954021

篇(6)

[关键词]上证综指；中小板指；创业板指；实证分析

[DOI]10.13939/ki.zgsc.2015.42.047

本文目的主要是针对我国股票市场近年来的发展状况，通过实证分析的方法，研究宏观经济因素与我国股票市场指数的关系，以期进一步了解影响股票市场发展的深层次原因，并有针对性地提出相应的解决方案。

1我国主要证券指数的编制

1.1上证综指简介

上证综指，即“上证综合指数”（上海证券综合指数，Shanghai Securities Composite Index.）。它是上海证券交易所编制的，以上海证券交易所挂牌上市的全部股票为计算范围，以发行量为权数综合。上证综指反映了上海证券交易市场的总体走势。

上证综合指数是最早的指数，这一指数自1991年7月15日起开始实时，基日定为1990年12月19日，基日指数定为100点。截至2014年10月17日，收盘点数为2341.18点。期间最高点数为6124.04点，发生于2007年10月16日。2007年以来，大部分时间运行于1800～2400点。

在世界比较成熟的股票市场中，股票市场的换手率相当低而且比较稳定，而我国股市的换手率比较高，且起伏比较大，但是随着整个公司市值和体量的增大，换手率逐渐降低，目前月度换手率基本稳定在10%～20%。可见A股市场已经逐渐走向成熟。

从构成指数的公司的基本面情况来分析，上证综指成分股估值主要集中在10～30倍区间，市值集中于20亿～200亿元人民币，扣除非经常损益后的归属于母公司的净利润有70%左右的公司实现增长，充分体现了上市公司代表我国先进生产力的能力。

1.2中小板指

中小企业板指数；指数简称：中小板指；英文名称：SSE SME COMPOSITE。2005年6月7日，确定为中小板指数的基日，基日指数定为1000点。

中小板指共包含100个公司，并且会进行每半年一次的调整。时间定于每年1月、7月的一个交易日进行，通常在前一年的12月和当年的6月的第二个完整交易周的第一个交易日公布调整方案。

成分股样本定期调整方法是先对入围股票按选样方法中的加权比值进行综合排名，再按下列原则选股：一是排名在样本数70%范围之内的非原成分股按顺序入选；二是排名在样本数130%范围之内的原成分股按顺序优先保留；三是每次样本股调整数量不超过样本总数的10%。

从构成指数的公司的基本面情况来分析，中小板指成分股的估值高于上证综指，主要集中在30倍PE以上的区间，市值集中于50亿～100亿元人民币，但是大于500亿元人民币的公司相比上证较少。扣除非经常损益后的归属于母公司的净利润有70%左右的公司实现增长，其中增速大于20%的有40家左右的公司，充分说明了中小板企业优秀的成长能力。

1.3创业板指

为了更全面地反映创业板市场情况，深圳证券交易所于2010年6月1日起正式编制和创业板指数。至此，创业板指数、深证成指、中小板指共同构成反映深交所上市股票运行情况的核心指数。创业板指基日2010年5月31日，基点为1000点。指数代码为399006，指数名称：创业板指数，简称：创业板指。

创业指数选样以样本股的“流通市值市场占比”和“成交金额市场占比”两个指标为主要依据，体现深市流通市值比例高、成交活跃等特点。其次，指数计算以样本股的“自由流通股本”的“精确值”为权数，消除了因股份结构而产生的杠杆效应，使指数表现更灵敏、准确、真实。指数样本股调整每季度进行一次，相比于中小板指的半年一次，可以更好地反映创业板市场快速成长的特点。

从创业板指数编制方案来看，指数选样入围标准有5个：一是在深交所创业板上市交易的A股；二是有一定上市交易日期（一般为三个月）；三是公司最近一年无重大违规、财务报告无重大问题；四是公司最近一年经营无异常、无重大亏损；五是考察期内股价无异常波动。

从构成指数的公司的基本面情况来分析，创业板指成分股的估值高于上证综指和中小板指，30倍PE以上的区间占绝对多数，市值集中于50亿～100亿元人民币，大于200亿元人民币市值的公司相比上证和中小板指较少。扣除非经常损益后的归属于母公司的净利润有70%左右的公司实现增长，其中增速大于20%的有50家左右的公司，这一指标高于上证综指和中小板指的情况，充分体现了作为新兴产业优秀企业的代表，创业板指拥有高速增长能力和巨大的潜力。

2实证分析

2.1变量选择

一是经济增长GDP：当经济增长时，企业盈利增加，股价上升，反之反是，由于缺乏GDP月度数据，本文采用国家统计局的工业增加值来代替；二是利率水平R：使用一年期国债利率，当利率提升时，资本市场未来现金流贴现值下降，企业融资成本上市盈利下降，股指下降，反之反是；三是通货膨胀CPI：当通货膨胀上升时，名义利率上升，带动股指下降，反之反是，同时通货膨胀会影响企业盈利，周期性行业在周期前段收益于通货膨胀，周期后端受损于通货膨胀，CPI数据来自中国统计局；四是人民币实际汇率REER：用国际清算银行公布的人民币实际有效汇率表示，记为REER，标价法为间接标价法；五是货币供给量M：采用人民银行公布的广义货币M2；六是股票指数我们分别采用了上文提到的上证综指、创业板指、中小板指，分别用sz、cy、zx表示。

以上所有变量序列中，除R外，都表示成自然对数的形式，其差分序列就是对应变量的增长率序列，所有变量以差分形态显示。数据选取2008年1月～2014年10月，取用月度数据。

2.2方法论说明

2.2.1序列平稳性检验

由于可能存在谬回归，一般需要检验经济序列平稳性。平稳性检验可以归结为时间序列单位根检验。常用单位根检验方法有ADF（Augmented Dickey-Fuller）检验法和PP（Phillips-Person）检验法。

2.2.2格兰杰因果关系检验（Grange Casual Relation Test）

根据Grange检验方法，设两个变量序列{x_t}和{y_t}，建立y_t关于和x的滞后模型。其中，c为常数项，p为滞后阶数。检验x是不是关于y变化的原因相当于方程（1）检验假设H_0：β_1=β_2=β_3=…=β_p=0是否成立。

2.3经济计量检验结果与分析

2.3.1变量序列的平稳性检验

为了检验变量序列之间的格兰杰因果关系和协整关系，首先检验变量序列的平稳性。检验方法采用ADF方法。检验时，先根据其基本时序图确定截距项和时间趋势项是否存在，也就是确定ADF检验的基本形式，再根据赤池信息准则（AIC）确定滞后阶数，最后根据ADF统计量判定是否平稳。变量序列的平稳性检验表明，上述变量都是1（0）的，即它们本身都是平稳的。

2.3.2格兰杰检验

为了检验股市价格指数和实质宏观经济变量之间的因果关系，同时为了避免检验中的伪回归现象，对上述序列的平稳形式进行格兰杰因果检验。从实证结果看，经济增长、利率、汇率变化、通货膨胀、货币发行M2都是上证综指收益率的格兰杰原因，而上证综指反过来也是宏观经济变量（除经济增长外）的格兰杰原因，这意味着宏观经济变量和上证综指在统计意义上彼此影响。中小板指的格兰杰原因中显著的仅有CPI一个，经济增长、货币发行、利率变化、汇率变化不是中小板指的格兰杰原因，反之，中小板指也不是宏观变量的格兰杰原因。中小板指对宏观经济不敏感的原因可能是因为中小板指的公司一方面成长性较好，这些公司的业绩增长不太受宏观经济变量影响；另一方面，中小板指的上市公司市值偏小，容易因为某些概念受到游资疯狂炒作。

宏观经济变量对创业板指数的格兰杰影响都不显著，反之，创业板指数对宏观经济变量的影响也不限制，创业板指独立于宏观经济变量的影响，有两种可能，原因可能和中小板指类似，主要是由于公司的成长性和游资的炒作。

3国外研究简述

国外对于股票市场与实际经济之间关系的最重要的研究来自于芝加哥大学法玛，即有效市场理论的提出者。他利用美国1953―1987年月度、季度和年度的数据进行的回归分析发现股市收益率和未来产出的增长率之间有显著的正相关关系，股市在美国确实起到了经济晴雨表的作用。

也有一些其他研究者指出，股票市场发展对经济增长起着积极的促进作用，但是对于新兴资本市场的研究结果却呈现出不同的特征。认为在发达国家中股票市场与经济增长之间存在着相互促进的正向关系，但在发展中国家两者之间的联系非常弱。

4结论

总体上说，针对证券市场制度性建设方面的政策措施等，将影响股市中长期的根本发展趋势，如QFII、QDII、开放式基金成立、融资融券、股指期货等对股市已经或必将产生长期、深远的影响，伴随着更加丰富的资本市场层次，更加多样化的投资手段，更加国际化的机构投资者的加入，以及股票上市规模的扩大，股价指数大幅波动的情况逐步减少，股市与宏观经济的关系愈加密切。

参考文献：

[1]刘斌，张旭.宏观经济变量对股票价格指数影响的实证研究[J].时代金融（下旬），2014（3）：135-136，142.

[2]孟建国，吴鸿雁.我国股票指数期货若干问题研究[J].金融理论与实践，2002（12）：38-40.

篇(7)

一、引言

一般来说，国家相关统计部门都会定期对宏观经济统计数据进行披露，比如消费者物价指数、贸易顺逆差以及固定资产投资等。这些宏观经济统计数据一旦公布出来后将影响金融市场，通常情况下市场预测值和实际宏观经济统计数据间有一定的偏差，这种偏差影响了金融市场的波动，所以客观准确的宏观经济数据公布对债券市场、股票市场及外汇市场有着重要的影响，本研究正是以此为切入点，把预期值和实际数据之间的差距引入garch模型，探讨宏观经济统计数据对金融市场的影响，从某种程度上来说具有一定的理论与实际意义。

二、宏观经济变量与市场预期

1.宏观经济变量

在本研究中主要采用国家统计部门每月公布的比较常用的五个宏观经济变量，比如城镇固定资产投资增速、消费者物价指数、消费品零售总额增速、货币信贷信息及贸易顺差或者逆差等。其中城镇固定资产投资增速是反映固定资产投资在一定时期内变化的速度与程度；消费者物价指数是反映和居民生活有关的产品及劳务价格统计出来的物价变动指标，一般情况下作为观察通货膨胀水平的重要指标；消费品零售总额增速是指消费品零售总额增长的程度，它反映一定时期内消费品零售总额增长的速度；货币信贷信息是指关于货币增长速度、货币政策以及与货币市场相关的一切信息；贸易顺差是指特定年度一国出口贸易总额大于进口贸易总额，通常又叫“出超”，它表示该国当年对外贸处于有利的地位，相反贸易逆差则是指特定年度一国出口的贸易总额小于进口贸易总额，一般又叫做“入超”。

2.市场预期

一般来说，在国家统计部门公布宏观经济统计数据之前，市场参与者会依据自己通过各种渠道获得的信息积极主动地对宏观经济统计数据进行预测，这些具有一定预测作用的数据叫做市场预测数值，然而市场预测值和实际的宏观经济数值往往有不一致的情况，这种不一致的程度叫做偏差，本研究衡量这种偏差量采用的是实际公布数据与市场预测值之比，再乘以一百，然后对数据进行平滑处理，进而可以发现正偏差或者负偏差对金融市场价格行为的影响。本研究中采用的是朗润预测，因为它具有很强的代表性。

3.预期检验模型对市场价格行为的影响

由于金融市场的收益率数据存在明显的自相关性，所以探讨宏观经济统计数据效应的模型不能简单地采用回归模型，而应当从arch族模型中选择其中一个，本研究中采用的是garch模型，采用这一模型来探讨宏观经济统计数据对股票市场、外汇市场及债券市场的价格行为。

(1)未引入预期检验模型对市场价格行为的影响

从未引入预期的garch模型结果来看，如果股票市场方差方程的城镇固定资产投资回归系数为负且具有显著性，这表明货币供应量、固定资产投资及新增贷款数额统计数据的公布使得股票市场收益率的波动率降低，如果cpi回归系数为正，但没有显著性，则表明cpi统计数据公布加大了股票市场日收益率的波动；如果债券市场货币信贷信息系数为负且显著，则表明货币信息统计数据的公布对债券市场行为有着重要的影响，货币信贷统计数据的公布不仅降低了债券市场日收益率的波动率，且降低了债券市场日收盘的收益率的平均值；如果外汇市场cpi与货币信贷信息系数为负且显著可以知道，cpi与货币供应量等统计数据的公布提高了人民币升值的日幅度，如果外汇市场方差方程回归结果中各个宏观经济统计数据的回归系数皆不显著时，则表明宏观经济统计数据的公布对人民币和其他币种收益率的波动影响降低。

(2)引入预期检验模型对市场价格行为的影响

引入市场预期之后，如果股票市场均值方差中城镇固定资产投资回归系数为负且显著时，则表明固定资产投资增速的预期值要低于实际值，股票市场的日收益率降低。如果其他宏观经济统计数据公布的回归系数为负且显著时，不管实际数据公布与预期数据之间的偏差的正或者是负，都会降低股票市场日收益率的波动率；对外汇市场与债券市场而言，在引入预期检验模型后，其功效比未引入预期检验模型要差，主要是由于外汇市场化程度较低及外汇市场与债券市场的参与者主要是国家及大型金融机构。

三、结论