【文章內容簡介】 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)象嚴重，系統(tǒng)風險占到總風險的2/3（波濤（1998）），遠高于美國的1/4?？傊蓛r與公司真實業(yè)績的關聯(lián)度低，藍籌股和虧損股在股價上不能實現(xiàn)有效分層。這種股價與真實業(yè)績之間的弱相關性也在一定程度上損害了宏觀經(jīng)濟變量與股市收益率之間的聯(lián)動性。基于以上原因，本文除了在傳統(tǒng)意義上研究宏觀經(jīng)濟與股市收益率之間的直接關系外，更進一步將宏觀經(jīng)濟與股市收益率之間的兩個傳導環(huán)節(jié)隔離開來，并重點研究第一個環(huán)節(jié)的有效性及其作用機制——即，宏觀經(jīng)濟對上市公司微觀基礎的影響力。宏觀經(jīng)濟股市收益率上市公司微觀基礎GDP上市公司收益規(guī)模其他經(jīng)濟變量上市公司收益質量圖1 宏觀經(jīng)濟對股市收益率影響的傳導機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行分析，研究關聯(lián)中的穩(wěn)定性和有效性，從另一角度實證了市場的有效性，為我們上述的分析框架打下一個市場有效性的基礎。 協(xié)整方法和變量選擇在實證研究方面，近年來基本都是通過協(xié)整模型進行長期均衡與短期誤差的分析，這對于宏觀與股市的相關理解是極其有意的，本文也采用這一實證方法。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)計量模型都是以“經(jīng)濟時間序列平穩(wěn)”這一假設前提設計的。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)濟學家、統(tǒng)計學家的深入研究，協(xié)整從理論到實踐都有了飛速的發(fā)展，現(xiàn)在已經(jīng)成為經(jīng)濟計量學的主要處理方法。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)整關系，或說變量X1,…，Xn, Xn+1之間存在協(xié)整關系，成為協(xié)整向量。若存在r個這樣的線性關系，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)過一階差分的內生變量向量中各序列都是平穩(wěn)的，所以若構成的各變量都是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)整關系，它的每一行構成一個協(xié)整向量。矩陣稱為調整參數(shù)矩陣。對于多變量時間序列的協(xié)整檢驗，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致錯誤的結論。而極大似然法對參數(shù)做聯(lián)合估計，對變量的協(xié)整關系作系統(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)結構——模型的結構、變量的內生性和外生性以及協(xié)整向量的個數(shù)都是檢驗的結果。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)整檢驗方法。Johansen極大似然協(xié)整檢驗方法基于典型相關分析，使用降秩的回歸技術其目的是要檢驗∏矩陣的秩。檢驗最終的協(xié)整關系數(shù)目的第一個檢驗統(tǒng)計量由Johansen（1988）提出，這就是所謂的跡統(tǒng)計量（Trace test statistic）: Trace = n （4）這一跡檢驗的零假設就是，存在至多r個協(xié)整關系。從檢驗不存在協(xié)整關系（r＝0）和存在一個協(xié)整關系這一對假設開始。如果零假設被拒絕，再檢驗至多存在一個協(xié)整關系和存在二個協(xié)整關系這一對假設。如果最后當至多存在r = m1個協(xié)整關系的零假設被拒絕時，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)整關系的零假設被拒絕，而對于至多r個協(xié)整關系的零假設卻不能拒絕。實證研究表明，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），這一結論也得到Maldanado和Saunder(1981)、Errunza和Rosenberg(1982)、Philppatos(1983)等其他人的認可。史代敏（1996）用ARCH模型檢驗了中國市場的有效性，認為1995年以前中國股市不存在弱有效性。我國學者多數(shù)認為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、上市公司、市場需求等相關信息。反過來宏觀經(jīng)濟變量對股價的影響就應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)以上結論，本文選用1996～2004年的季度數(shù)據(jù)對中國股市進行實證分析。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)濟對股市影響的兩個考察指標。GDP序列存在季節(jié)性，經(jīng)過季節(jié)調整，記為GDPSA。我國現(xiàn)貨幣統(tǒng)計制度將貨幣供應量劃分為流通中的現(xiàn)金M0、狹義貨幣供應量M廣義貨幣供應量M2三個層次。一般以M2作為調控的重點，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。我國部分學者的實證結果也表明M2對經(jīng)濟的影響較其他指標更具有魯棒性（鄧述惠1999）。因此，我們在本文中選用M2作為貨幣供應量的指標。通貨膨脹一般用居民消費價格指數(shù)來計算，記為INF，公式如下：通貨膨脹率＝本月居民消費價格指數(shù)/上月居民消費價格指數(shù)－1 本文選用一年期實際存款利率作為名義利率。實際利率記為LILV，計算公式為：實際利率＝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變量的單位根檢驗在檢驗各變量之間的協(xié)整性之前，首先用ADF單位根檢驗方法來檢驗時間序列的單整階數(shù)，再進行協(xié)整關系的存在性檢驗。檢驗結果如下。表2 時間序列LINDEX，LM2，LGDPSA，GDPTH，LILV，INF的ADF單位根檢驗變量ADF 統(tǒng)計量5％臨界值1％臨界值檢驗形式（c，t，k）結論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檢驗的原假設H0: 含有單位根，即序列是非平穩(wěn)時間序列；檢驗方程：▽Yt = γYt1 +ζ1 ▽Yt1 +ζ2▽Yt2 +….+ζk Ytk +εt；（2）檢驗形式中的c和t表示帶有常數(shù)項和趨勢項，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檢驗結果可以得知，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)整關系。因此，INF與LINDEX之間不存在長期協(xié)整關系，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系。同樣，LGDPSA與LINDEX之間也不存在長期協(xié)整關系，也就是說，在同樣的時間段內GDP值與股指沒有關系。下面我們接著考察GDP增長率GDPTH、廣義貨幣供應量LM利率LILV與股指之間的協(xié)整關系。2．3．2協(xié)整檢驗雖然時間序列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)定的比例關系，即協(xié)整關系。本文使用Johansen(1995)多變量系統(tǒng)極大似然估計法對多變量時間序列進行協(xié)整檢驗。Johansen協(xié)整檢驗是一種基于向量自回歸模型的檢驗方法。最一般的VAR模型數(shù)學表達式為： （5）通常希望滯后期p和r足夠大，從而完整反映所構造模型的動態(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信息準則和LR統(tǒng)計量做為選擇最優(yōu)滯后階數(shù)的標準。通過變量之間的多次Johansen協(xié)整檢驗，我們發(fā)現(xiàn)，廣義貨幣供應量LM利率LILV與股指之間不存在協(xié)整關系。而只有GDP增長率GDPTH與股指之間存在協(xié)整關系。檢驗模型的滯后階數(shù)取二階，并且選擇常數(shù)項約束在協(xié)整空間內并且協(xié)整方程有截距。協(xié)整檢驗從檢驗不存在協(xié)整關系這一零假設開始逐步檢驗（見下表）。從零假設H0: r=0開始，大于5%，表示應拒絕零假設H0: r=0，接受備擇假設H1: r≥1。在接下來的檢驗中，零假設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)整關系。表3 Johansen協(xié)整檢驗結果單位根跡檢驗統(tǒng)計量5％顯著性水平臨界值1％顯著性水平臨界值原假設 None* At most 1 注：*表示在5％的顯著性水平上拒絕原假設；。長期均衡方程如下：LINDEX = – () ()ecm = +協(xié)整系數(shù)下面括號中的數(shù)字為漸進標準誤。GDP與股市收益率有5%置信區(qū)間下的顯著協(xié)整關系——對應GDP增長率1個百分點的上升。ecm是誤差校正項，它反映了變量在短期波動中偏離它們長期均衡關系的程度。對協(xié)整方程的殘差進行平穩(wěn)性檢驗。通過ADF單位根檢驗，其統(tǒng)計量在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)調整。表4 VECM模型整體檢驗結果 Determinant Residual Covariance Log Likelihood Akaike Information Criteria Schwarz Criteria VECM模型整體檢驗結果表明，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。由上述計量檢驗可知，除GDP外，其他各項宏觀經(jīng)濟指標（M利率和通貨膨脹率）與股市收益率之間的相關性均通不過協(xié)整檢驗，只有GDP與股市收益率有95%置信區(qū)間下的協(xié)整關系——對應GDP增長率1個百分點的上升。. amp。 (1990)的觀點，模型具有魯棒性是指取不同滯后期時，各估計參數(shù)符號不變。可是當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)整關系了。協(xié)整關系在滯后2期以后就消失了，顯示在整個樣本期內GDP對股市的長期影響并不穩(wěn)定，模型可能發(fā)生了結構性變化，但由于時間序列較短，我們無法再對樣本數(shù)據(jù)進行分段檢驗了?？傮w來說，在我們所考察的時間段內，GDP增長率與股指