中国宏观经济与股票市场相关性实证分析

《中国宏观经济与股票市场相关性实证分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、Chen(1986)［lj等在APT框架内建立的向量Q回归模型(VAR),实证分析验证了宏观经济变量对股票市场的波动其宥系统影响，对宏观经济与股票市场相关性方血的研究产生了较大的影响。5比〜611(1989)［2］采用向量

2、：

3、回归模型(VAR)研究美岡通货膨胀率、工业生产值、货币供应量等宏观经济变量与股票市场的相关关系，研究结粜表明，股票市场与宏观经济变量的影响是单向的，即美国股票市场的波动能够较好的预测宏观经济变量的波动，但是宏观经济变量的波动无法预测股票市场的波动性。Levine&Zerovs(1998)进行实证研究发现股票市场对经济增长具有促进作用。同时还发现人均实际GDP较高的国家，

4、其股票市场发展程度也较高。HarrisRichard(1997)［3j等通过实证研究发现，股票市场对经济的促进作用与国家的发展水平有密切关系。哈里斯分别对发展中国家和发达国家的股票市场及经济增长相关数据进行了回归分析，发现相较于发展中家而言，发达岡家股票市场对经济增长的作用耍明显。并认为可能是发达岡家股票市场比较成熟，市场机制能更好的发挥作用，股票市场的“晴雨表”功能很好的反应宏观经济的运行情况。贺强(2001)从周期理论的角度分析我岡股票市场与宏观经济的相关性，文章认为从松期看股票市场周期与经济周期的运行应当是一致的；但是从短期看，由于股票市场周期在反映经济周期运行时存在一些独特的特点，就造

5、成了股票市场周期与经济周期的不同步和背离［18］。其一，股票市场周期反映经济周期变动具有超前性。其二，股票市场周期反映经济周期变动，具有夸张性。石建民(2001)对宏观经济与股票市场之间的关联性进行实证分析，将中岡股票市场和实体经济建立了一般均衡模型，发现中岡股票市场与实体经济不是负相关关系，宏观经济对股票市场具有一定的积极作用［19］。张卫岡、马文霞、任九泉(2002)l2Qj突破过去的常用的多元线性回归和单因素协整关系等较为普遍的研究方法，结合协整理论，选用股票市场价格指数与多个影响宏观经济运行的W素作为变量，通过建立多W素的长期均衡模型来研究它们之间的长期均衡关系。模型分析给出了影响宏观

6、经济运行的各个因素对股票市场价格指数波动的影响程度。文章通过建立误差修正模型进行进一步研究，最终结果表明中国宏观经济与股票市场之间具有较为明妞的长期均衡关系。薛兵吐(2003)认为中岡股票市场“晴雨表”功能缺失主要由以卜*原因造成的，上市公司存在先天不足和后天缺陷；政府干预政策直接导致股价异常波动；投资者对股票市场的预期和消费者对宏观经济的预期不在同一起跑线上；以及屮W股票市场W际化进程预期对股民心理产生负而影响［21］。冀志斌、鹏克强(2004))［22］用我岡1995年一2002年的季度经验数裾，对我国股票市场的发展与经济増长之问的关系进行了研究。结果表明，我国股票市场的规模与经济增长之间

7、宥正相关关系，而股票市场的流动性与经济增长之间没宥明显的相关关系。另外，金融中介的发展与经济增长的正相关性耍更大一些。高大为、魏巍(2004)［23］通过对1991年至2003年中国GDP和上证指数的月度时间序列数据进行处理和实证分析。研究发现中PlGDP与上证股指兵宥单整关系但不具有协整关系；上证股指与GDP之问只存在着由上证指数到GDP的单向Granger因采关系；中国股票市场不兵宥弱宥效性；中岡的股票市场与经济增长出现背离现象。冉茂盛、胡国鹏、王波(2005)［24］研究了中国宏观经济与股票市场的均衡关系，通过选用相应变量建立误差修正模型进行研究。研究结果显示，中岡宏观经济与股票市场之间

8、基本不存在均衡关系。文章结合预期理论分析了进一步分析中国宏观经济与股票市场不存在均衡关系的原W,结果显示，中国宏观经济与股票市场不存在均衡关系的主耍原因是各个经济主体对利益预期存在较大的差异。何问陶、黄建欢、段丙军(2006)［25］基于寻租理论的考察与实证表明，我国股票市场与宏观经济走势之间存在异动现象，这是由于我国股票市场存在股权分置、缺乏做空机制、违规成本低等制度缺陷而呈现出寻租的特征。因此，制度必须不断创新并完善才能使我国股票市场从宏观经济的反句标转变为宏观经济的晴雨表。第3章中国宏观经济与股票市场相关性实证分析上文从周期理论的角度，通过简单的图表分析，初步判断，相较于拥有发达的市场经

9、济和成熟高效的股票ik场的美国，中国宏观经济与股票ik场的和关性比较弱。接T来是木文的实证分析部分，实证分析部分将运用VAR(VEC)模型深入分析屮国宏观经济与股票市场之间的关联性。3.1计量经济模型3.1.1计量经济学模型VAR与VEC的介绍3.1.1.1向量自回归模型向量G问归模型(VectorAutoRegression,VAR)常用于分析相关时间序列系统的相关性和随机扰动对系统的动态影响。