【文章內(nèi)容簡介】 票，而在美國股市上這類公司占到了上市公司總數(shù)的50%左右；同時，股票市場“同漲齊跌”現(xiàn)象嚴(yán)重，系統(tǒng)風(fēng)險占到總風(fēng)險的2/3（波濤（1998）），遠(yuǎn)高于美國的1/4。總之，股價與公司真實(shí)業(yè)績的關(guān)聯(lián)度低，藍(lán)籌股和虧損股在股價上不能實(shí)現(xiàn)有效分層。這種股價與真實(shí)業(yè)績之間的弱相關(guān)性也在一定程度上損害了宏觀經(jīng)濟(jì)變量與股市收益率之間的聯(lián)動性?；谝陨显颍疚某嗽趥鹘y(tǒng)意義上研究宏觀經(jīng)濟(jì)與股市收益率之間的直接關(guān)系外，更進(jìn)一步將宏觀經(jīng)濟(jì)與股市收益率之間的兩個傳導(dǎo)環(huán)節(jié)隔離開來，并重點(diǎn)研究第一個環(huán)節(jié)的有效性及其作用機(jī)制——即，宏觀經(jīng)濟(jì)對上市公司微觀基礎(chǔ)的影響力。宏觀經(jīng)濟(jì)股市收益率上市公司微觀基礎(chǔ)GDP上市公司收益規(guī)模其他經(jīng)濟(jì)變量上市公司收益質(zhì)量圖1 宏觀經(jīng)濟(jì)對股市收益率影響的傳導(dǎo)機(jī)制圖在總體上我們利用協(xié)整模型對宏觀變量與股市收益進(jìn)行分析，研究關(guān)聯(lián)中的穩(wěn)定性和有效性，從另一角度實(shí)證了市場的有效性，為我們上述的分析框架打下一個市場有效性的基礎(chǔ)。 協(xié)整方法和變量選擇在實(shí)證研究方面，近年來基本都是通過協(xié)整模型進(jìn)行長期均衡與短期誤差的分析，這對于宏觀與股市的相關(guān)理解是極其有意的，本文也采用這一實(shí)證方法。通常情況下，大部分的時間序列為非平穩(wěn)時間序列，而傳統(tǒng)計(jì)量模型都是以“經(jīng)濟(jì)時間序列平穩(wěn)”這一假設(shè)前提設(shè)計(jì)的。Granger首先提出了虛假回歸問題，之后于1987年的論文中正式提出了協(xié)整（Cointegration）的概念。經(jīng)過許多經(jīng)濟(jì)學(xué)家、統(tǒng)計(jì)學(xué)家的深入研究，協(xié)整從理論到實(shí)踐都有了飛速的發(fā)展，現(xiàn)在已經(jīng)成為經(jīng)濟(jì)計(jì)量學(xué)的主要處理方法。協(xié)整的定義是：對n+1維向量Z = (X1,…，Xn, Xn+1)T, Xi ~ I(d), i =1,2, …,n+1,若存在某一常向量，使得則稱為系統(tǒng)Z的協(xié)整關(guān)系，或說變量X1,…，Xn, Xn+1之間存在協(xié)整關(guān)系，成為協(xié)整向量。若存在r個這樣的線性關(guān)系，此時為矩陣，其秩為r，稱為協(xié)整秩。對P階VAR模型 （2）其中，yt是m維非平穩(wěn)I(1)序列，xt是d維確定性變量，是新息向量。經(jīng)過變形，可將其改寫為 （3）其中 由于經(jīng)過一階差分的內(nèi)生變量向量中各序列都是平穩(wěn)的，所以若構(gòu)成的各變量都是I(0)時，才能保證新息是平穩(wěn)過程。此時存在三種可能。首先，矩陣∏可能是零矩陣，這就是說∏的秩等于零。其次，矩陣∏可能是滿秩陣，秩等于m。第三種情況是矩陣∏是不滿秩的，即0 rank∏=r m,這時∏能夠被分解為T,這里、都是（mr）參數(shù)矩陣。矩陣包含了r個協(xié)整關(guān)系，它的每一行構(gòu)成一個協(xié)整向量。矩陣稱為調(diào)整參數(shù)矩陣。對于多變量時間序列的協(xié)整檢驗(yàn)，常用的除了Johansen極大似然法，還有兩步法。兩步法雖然簡單易懂，但有較多的假定條件，忽略其假定的前提條件可能導(dǎo)致錯誤的結(jié)論。而極大似然法對參數(shù)做聯(lián)合估計(jì)，對變量的協(xié)整關(guān)系作系統(tǒng)性分析，不需要任何假定條件，也不需要了解模型的動態(tài)結(jié)構(gòu)——模型的結(jié)構(gòu)、變量的內(nèi)生性和外生性以及協(xié)整向量的個數(shù)都是檢驗(yàn)的結(jié)果。因此，該方法是較為理想的方法。本文中我們使用Johansen極大似然協(xié)整檢驗(yàn)方法。Johansen極大似然協(xié)整檢驗(yàn)方法基于典型相關(guān)分析，使用降秩的回歸技術(shù)其目的是要檢驗(yàn)∏矩陣的秩。檢驗(yàn)最終的協(xié)整關(guān)系數(shù)目的第一個檢驗(yàn)統(tǒng)計(jì)量由Johansen（1988）提出，這就是所謂的跡統(tǒng)計(jì)量（Trace test statistic）: Trace = n （4）這一跡檢驗(yàn)的零假設(shè)就是，存在至多r個協(xié)整關(guān)系。從檢驗(yàn)不存在協(xié)整關(guān)系（r＝0）和存在一個協(xié)整關(guān)系這一對假設(shè)開始。如果零假設(shè)被拒絕，再檢驗(yàn)至多存在一個協(xié)整關(guān)系和存在二個協(xié)整關(guān)系這一對假設(shè)。如果最后當(dāng)至多存在r = m1個協(xié)整關(guān)系的零假設(shè)被拒絕時，就發(fā)現(xiàn)Yt向量序列是平穩(wěn)的。通常會得到至多r 1個協(xié)整關(guān)系的零假設(shè)被拒絕，而對于至多r個協(xié)整關(guān)系的零假設(shè)卻不能拒絕。實(shí)證研究表明，在處理股市數(shù)據(jù)時，使用月度數(shù)據(jù)比用日度時間序列數(shù)據(jù)更具有魯棒性（AggarwaRivoli198ChenMak1992），這一結(jié)論也得到Maldanado和Saunder(1981)、Errunza和Rosenberg(1982)、Philppatos(1983)等其他人的認(rèn)可。史代敏（1996）用ARCH模型檢驗(yàn)了中國市場的有效性，認(rèn)為1995年以前中國股市不存在弱有效性。我國學(xué)者多數(shù)認(rèn)為1996年后中國股市具有弱有效性，根據(jù)市場有效性定義，如果股票市場是有效的，則股價能充分反映出宏觀經(jīng)濟(jì)、上市公司、市場需求等相關(guān)信息。反過來宏觀經(jīng)濟(jì)變量對股價的影響就應(yīng)該與理論的假定相符，如果不符，則間接表明市場并不存在有效性。根據(jù)以上結(jié)論，本文選用1996～2004年的季度數(shù)據(jù)對中國股市進(jìn)行實(shí)證分析。數(shù)據(jù)來自聚源數(shù)據(jù)投資分析系統(tǒng)。我們在這里分別用GDP，GDP增長率作為國民經(jīng)濟(jì)對股市影響的兩個考察指標(biāo)。GDP序列存在季節(jié)性，經(jīng)過季節(jié)調(diào)整，記為GDPSA。我國現(xiàn)貨幣統(tǒng)計(jì)制度將貨幣供應(yīng)量劃分為流通中的現(xiàn)金M0、狹義貨幣供應(yīng)量M廣義貨幣供應(yīng)量M2三個層次。一般以M2作為調(diào)控的重點(diǎn)，原因是它的流通速度較為穩(wěn)定，能更正確的反映購買力的變化，而且它的數(shù)量受公眾對貨幣流動性偏好的影響更小。我國部分學(xué)者的實(shí)證結(jié)果也表明M2對經(jīng)濟(jì)的影響較其他指標(biāo)更具有魯棒性（鄧述惠1999）。因此，我們在本文中選用M2作為貨幣供應(yīng)量的指標(biāo)。通貨膨脹一般用居民消費(fèi)價格指數(shù)來計(jì)算，記為INF，公式如下：通貨膨脹率＝本月居民消費(fèi)價格指數(shù)/上月居民消費(fèi)價格指數(shù)－1 本文選用一年期實(shí)際存款利率作為名義利率。實(shí)際利率記為LILV，計(jì)算公式為：實(shí)際利率＝名義利率－通貨膨脹率各變量時間序列的走勢見表1。表1 各變量時間序列走勢圖 變量取對數(shù)可以消除數(shù)據(jù)的異方差性，同時將指數(shù)趨勢轉(zhuǎn)換為線性趨勢。本文對INDEX,M2,GDPSA取對數(shù)后記為LINDEX,LM2,LGDPSA。GDPTH，INF和LILV由于已經(jīng)是變化率，因此不再取對數(shù).2．3．1變量的單位根檢驗(yàn)在檢驗(yàn)各變量之間的協(xié)整性之前，首先用ADF單位根檢驗(yàn)方法來檢驗(yàn)時間序列的單整階數(shù)，再進(jìn)行協(xié)整關(guān)系的存在性檢驗(yàn)。檢驗(yàn)結(jié)果如下。表2 時間序列LINDEX，LM2，LGDPSA，GDPTH，LILV，INF的ADF單位根檢驗(yàn)變量ADF 統(tǒng)計(jì)量5％臨界值1％臨界值檢驗(yàn)形式（c，t，k）結(jié)論LINDEX（c，0，1）非平穩(wěn)▽(LINDEX)（c，0，1）平穩(wěn)LM2（c，t，1）非平穩(wěn)▽(LM2)（c，0，1）平穩(wěn)LGDPSA（c，t，1）非平穩(wěn)▽(LGDPSA)（c，0，1）非平穩(wěn)▽2(LGDPSA)（c，0，1）平穩(wěn)GDPTH（c，0，1）非平穩(wěn)▽(GDPTH)（c，0，1）平穩(wěn)LILV（c，t，1）非平穩(wěn)▽(LILV)（c，0，1）平穩(wěn)INF（0，0，1）平穩(wěn)注：（1）ADF檢驗(yàn)的原假設(shè)H0: 含有單位根，即序列是非平穩(wěn)時間序列；檢驗(yàn)方程：▽Yt = γYt1 +ζ1 ▽Yt1 +ζ2▽Yt2 +….+ζk Ytk +εt；（2）檢驗(yàn)形式中的c和t表示帶有常數(shù)項(xiàng)和趨勢項(xiàng)，k表示滯后階數(shù)；（3）；（4）▽表示變量序列的一階差分，▽2表示二階差分。 通過ADF檢驗(yàn)結(jié)果可以得知，時間序列INF是平穩(wěn)時間序列，即I(0)序列；LINDEX、LMGDPTH、LILV均為非平穩(wěn)的一階單整序列，即I(1)序列；LGDPSA是二階單整序列，即I(2)序列。根據(jù)協(xié)整理論，不同單整階數(shù)的時間序列之間不存在協(xié)整關(guān)系。因此，INF與LINDEX之間不存在長期協(xié)整關(guān)系，也就是說，在我們所考察的時間段1996～2004年之間通貨膨脹率與股指沒有關(guān)系。同樣，LGDPSA與LINDEX之間也不存在長期協(xié)整關(guān)系，也就是說，在同樣的時間段內(nèi)GDP值與股指沒有關(guān)系。下面我們接著考察GDP增長率GDPTH、廣義貨幣供應(yīng)量LM利率LILV與股指之間的協(xié)整關(guān)系。2．3．2協(xié)整檢驗(yàn)雖然時間序列LINDEX，LM2 ，GDPTH是非平穩(wěn)的一階單整序列，但其可能存在某種平穩(wěn)的線性組合。這個線性組合反映了變量之間長期穩(wěn)定的比例關(guān)系，即協(xié)整關(guān)系。本文使用Johansen(1995)多變量系統(tǒng)極大似然估計(jì)法對多變量時間序列進(jìn)行協(xié)整檢驗(yàn)。Johansen協(xié)整檢驗(yàn)是一種基于向量自回歸模型的檢驗(yàn)方法。最一般的VAR模型數(shù)學(xué)表達(dá)式為： （5）通常希望滯后期p和r足夠大，從而完整反映所構(gòu)造模型的動態(tài)特征。但另一方面，滯后期越長，自由度就越少。一般根據(jù)AIC、SC信息準(zhǔn)則和LR統(tǒng)計(jì)量做為選擇最優(yōu)滯后階數(shù)的標(biāo)準(zhǔn)。通過變量之間的多次Johansen協(xié)整檢驗(yàn)，我們發(fā)現(xiàn)，廣義貨幣供應(yīng)量LM利率LILV與股指之間不存在協(xié)整關(guān)系。而只有GDP增長率GDPTH與股指之間存在協(xié)整關(guān)系。檢驗(yàn)?zāi)Ｐ偷臏箅A數(shù)取二階，并且選擇常數(shù)項(xiàng)約束在協(xié)整空間內(nèi)并且協(xié)整方程有截距。協(xié)整檢驗(yàn)從檢驗(yàn)不存在協(xié)整關(guān)系這一零假設(shè)開始逐步檢驗(yàn)（見下表）。從零假設(shè)H0: r=0開始，大于5%，表示應(yīng)拒絕零假設(shè)H0: r=0，接受備擇假設(shè)H1: r≥1。在接下來的檢驗(yàn)中，零假設(shè)H0: r≤1在1％的水平上被接受。在1％的顯著水平上，變量之間有且僅有一個協(xié)整關(guān)系。表3 Johansen協(xié)整檢驗(yàn)結(jié)果單位根跡檢驗(yàn)統(tǒng)計(jì)量5％顯著性水平臨界值1％顯著性水平臨界值原假設(shè) None* At most 1 注：*表示在5％的顯著性水平上拒絕原假設(shè)；。長期均衡方程如下：LINDEX = – () ()ecm = +協(xié)整系數(shù)下面括號中的數(shù)字為漸進(jìn)標(biāo)準(zhǔn)誤。GDP與股市收益率有5%置信區(qū)間下的顯著協(xié)整關(guān)系——對應(yīng)GDP增長率1個百分點(diǎn)的上升。ecm是誤差校正項(xiàng)，它反映了變量在短期波動中偏離它們長期均衡關(guān)系的程度。對協(xié)整方程的殘差進(jìn)行平穩(wěn)性檢驗(yàn)。通過ADF單位根檢驗(yàn)，其統(tǒng)計(jì)量在5%的顯著水平上小于臨界值，殘差是平穩(wěn)序列。說明了GDP增長率與股指之間存在長期協(xié)整關(guān)系。LINDEX與GDPTH的向量誤差校正模型(VECM)如下：▽Yt = ▽Yt1 + + （6）Y = (LINDEX GDPTH)T, vecmt = (1 ) Yt + ecm為負(fù)體現(xiàn)了均衡誤差對Yt的控制，其大小表示了控制的力度。，表示當(dāng)股指的短期波動偏離了長期均衡狀態(tài)的1％時，%，使股指的波動減小，股指走勢向均衡狀態(tài)調(diào)整。表4 VECM模型整體檢驗(yàn)結(jié)果 Determinant Residual Covariance Log Likelihood Akaike Information Criteria Schwarz Criteria VECM模型整體檢驗(yàn)結(jié)果表明，模型整體的對數(shù)似然函數(shù)值較大。同時，AIC和SC值較小。這說明模型的整體解釋能力較好。下面，我們再做模型的魯棒性檢驗(yàn)。由上述計(jì)量檢驗(yàn)可知，除GDP外，其他各項(xiàng)宏觀經(jīng)濟(jì)指標(biāo)（M利率和通貨膨脹率）與股市收益率之間的相關(guān)性均通不過協(xié)整檢驗(yàn)，只有GDP與股市收益率有95%置信區(qū)間下的協(xié)整關(guān)系——對應(yīng)GDP增長率1個百分點(diǎn)的上升。. amp。 (1990)的觀點(diǎn)，模型具有魯棒性是指取不同滯后期時，各估計(jì)參數(shù)符號不變?？墒钱?dāng)我們把模型的滯后期選擇為三期，四期，甚至再大幾期時，兩變量GDPTH與LINDEX之間就已經(jīng)不存在協(xié)整關(guān)系了。協(xié)整關(guān)系在滯后2期以后就消失了，顯示在整個樣本期內(nèi)GDP對股市的長期影響并不穩(wěn)定，模型可能發(fā)生了結(jié)構(gòu)性變化，但由于時間序列較短，我們無法再對樣本數(shù)據(jù)進(jìn)行分段檢驗(yàn)了?？傮w來說，在我們所考察的時間段內(nèi)