中国股票市场及宏观经济关系实证分析

《中国股票市场及宏观经济关系实证分析》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、中国股票市场及宏观经济关系实证分析摘要：证券市场是宏观经济的“晴雨表”，股票市场与宏观经济的关系一直是一个研究的热点问题。那么在现实中，中国股市能否有效的反映中国经济的走势呢？宏观经济是否有效地影响股市的变动？文章期望通过对1996年1月到2006年10月的上证指数与宏观经济各指标（如工业增加值、狭义货币供应量、广义货币供应量、外汇储备、银行间7天同业拆借利率）关系的实证分析，揭示我国股票市场价格波动与宏观经济变化之间关系，进而来检验资本市场改革的成效。关键词：上证指数；宏观经济；协整关系；Granger检验;VECM一、引言近十多年，中国经济高速发展，中国股市

2、改革力度和开放程度也在日益加大。截止到2006年9月沪深两市总市值达到52282.79亿元，2006年9个月股票筹资额达2267.12亿元（数据来源：中经网统计数据库L从理论研究的角度，国内外学者都认同证券市场在国民经济中的重要地位，及金融活动在国家经济活动中的核心地位。然而从实证角度分析，国内大多数的研究并未给岀中国股市的变动与宏观经济存在显著关系的一致结论。维克托•穆林德(v.Murinde,1995)在研究金融市场是对1970-1992年太平洋国家股票市场与经济增长关系进行了实证分析，结论表明，在拥有较长股市发展历史，金融制度和企业制度比较完善的国家，股票

3、市场的效率远高于其他国家。本文期望通过将十多年的股市分成两个阶段，分别研究不同时期股市与宏观经济的关系，从而判断我国资本市场改革是否使得中国的股市能正常反映出宏观经济的变化，中国股市能否承担起经济“晴雨表”的角色。二、已有研究综述国内外对不同的股票市场与宏观经济相关性的研究由来已久。阿切和约凡诺维奇(AtjeandJovanovic,1993)利用不同模型分别研究了40个国家股市的经济增长效应和水平效应。结果显示1980-1985年期间,样本国家的经济增长和股市发展有明显的相关关系。哈里斯(harris,1997)强调股票市场对经济增长的影响不明显。国内学者谈儒

4、勇(1999)采用1993-1998年有关中国股市发展和经济增长的季度数据用普通最小二乘法(OLS)进行线性回归，结果表明我国股市对经济增长的作用是极其有限的。刘勇（2004）利用Granger因果检验和向量误差修正模型对中国股票市场表现和宏观经济变量之间的关系进行了检验检验，表明上述标量之间存在着长期均衡的关系。原素芬（2005）采用2002到2004年的季度数据对这一段时期的股票市场的走势和宏观经济变量进行了回归分析,得出股票市场的作用没有得到有效发挥，但是股市和宏观经济的背离是相对短期的现象。三、计量模型选择（一）协整模型很多金融、经济时间序列数据都是不平

5、稳的，但它们可能受到某些共同因素的影响，从而在时间上表现出共同的趋势，即变量之间存在一种稳定的关系，它们的变化受到这种关系的制约，因此它们的线性组合可能是平稳的，即存在协整关系。如果一个时间序列Yt的d阶差分序列△丫是平稳序列，则称Yt为1（d）序列，即d阶单整序列。检验平稳性的ADF检验模型有三种：其中，p1是截距项，t是趋势项，u为残差项，m为滞后阶数。考察数据的图形确定是否要加入截距项和趋势项，根据信息准则AIC和SC确定滞后阶数m。建立原假设H0:&=0及备择假设H0:6*0,进行ADF检验，若没有充分理由拒绝原假设，则Yt不平稳，存在单位根；若有充分理

6、由拒绝原假设，则Yt平稳。两个阶数相同的非平稳时间序列Xt、Yt有可能存在协整关系，即一种长期稳定的关系。协整关系可以通过检验该两个序列进行回归后的残差序列的平稳性来确定：以其中一个为自变量，另一个为因变量回归后提取残差序列，若该残差序列是I(0)序列，即平稳，则可说明Xt和Yt具有协整关(—)Granger因果关系模型当两个非平稳变量存在协整关系时，可以用Granger因果关系检验，因果关系是Granger在1969年提出来的，其基本思想是：设丫仁{y1t},Y2={y2t}为两个随机时间序列，令y1t={y1t-s,s>=0},Y2t={y2t-s,s>=0

7、}若用Y1tuY2t预测Y1比只用Y1t预测Y1更准确，就说Y2对Y1有因果关系，丫2是Y1的格兰杰原因。比如，当选取s=3,即滞后阶数为3时，检验Y1和Y2的因果关系的模型为:采用假设性检验，当检验丫2对丫1的因果关系时，对原假设H0Q2仁丫2仁&2仁0进行F检验。若拒绝原假设，则认为Y2对丫1有因果关系。(三)VECM误差修正模型向量误差修正模型是包含协整约束条件的VAR模型，应用于具有协整关系的非平稳时间序列建模。由于VAR模型中存在多重共线性的问题，非限定性VAR模型的预测效果并不理想。向量误差修正模型(VECM)可以很好地解决这一问题。向量误差修正模型

8、(VECM)既能反映不同