三、股票市场与经济增长关系的实证检验

　　1.变量选择与描述

　　(1)经济增长指标(GDP)

　　国内外相关文献关于经济增长的指标主要有GDP、人均GDP、GDP增长率以及人均GDP增长率，本文主要根据冉茂盛等(2002)选取季度GDP数据(季度名义GDP=本季度累计名义GDP-上季度累计名义GDP)。

　　(2)股票市场发展指标

　　反应股票市场发展的主要指标有股市规模、股市流动性和股市波动性。

　　股票市场规模(STOCK)：依据赵振全等(2002)选择上交所和深交所每季度三个月月末股票市价总值的算术平均作为衡量股票市场规模指标。

　　股票市场流动性(TRADE)：根据李冻菊(2006)选择股票市场总成交金额。该指标具体衡量的是股票市场交易的活跃程度，沪深A股每季度三个月成交总额。

　　股票市场波动性(INDEX)：根据梁琪等(2005)上证A股季度收益率移动平均标准差变换而来，经改造后的指标是上证指数季度平均离差绝对值。

　　(3)数据描述

　　考虑到数据的可获得性以及研究结果的稳定、可靠性，本文选择2002年第一季度到2014年第二季度共50组时间序列数据。GDP累计数据来自“中经网统计数据库”，股票市价总值、成交额以及上证指数均来自《国家统计局进度数据库》。在进行VAR估计之前，本文分两步对原始数据进行调整。第一步，采用常用的Census X12方法对原始数据进行季节调整;第二步，对经过调整后的数据分别取对数，在一定程度上克服时间序列数据的异方差。

　　2.多元VAR模型的构建

　　向量自回归模型简称VAR模型，1980年由克里斯托弗·西姆斯(Christopher Sims)提出。VAR模型是用模型中所有当期变量对所有变量的若干滞后变量进行回归，以估计联合内生变量的动态关系，而不带有任何事先约束条件。由于经济增长的影响因素是一个复杂的综合系统，需要将有关变量放在一起作为整体进行预测，而VAR模型正可以实现这一目的。将经济增长指标(LNGDP)与股市发展指标(LNSTOCK、LNTRADE、LNINDEX)建立多元向量自回归模型。模型结构为：

(1)

　　由于VAR模型的运用要求系统中的变量是平稳的，因此，首先要对选取的数据进行单位根检验，以检验其平稳性。下面本文利用ADF检验分别对各变量进行单位根检验。 表2 ADF检验结果 变量 LNGDP LNSTOCK LNTRADE LNINDEX t值 -1.414463 -1.467134 -1.383164 -1.327934 P值 0.5675 0.5415 0.5830 0.6090 表2单位根检验结果表明所有变量都是不平稳的，因此需要进一步检验各变量一阶差分的平稳性。 表3 一阶差分ADF检验结果 变量 D(LNGDP) D(LNSTOCK) D(LNTRADE) D(LNINDEX) t值 -4.257521 -3.116075 -6.541175 -10.53643 P值 0.0014 0.0320 0.0000 0.0000 表3单位根检验结果表明所有变量都是一阶差分平稳的，因此对各指标的一阶差分建立方程(1)，进行VAR估计。首先，确定模型的滞后期。如表4所示，根据信息准则滞后2期有4个统计量统计显著，因此VAR模型最优滞后期为2。基于此，建立VAR(2)模型。 表4 VAR模型滞后阶数选择 Lag LogL LR FPE AIC SC HQ 0 -137.6932 NA 0.005567 6.160574 6.319586 6.220141 1 114.3926 449.3704 1.95e-07 -4.104027 -3.308966* -3.806192 2 136.1419 34.98805* 1.54e-07* -4.353998* -2.922887 -3.817895* 3 148.1218 17.18847 1.92e-07 -4.179208 -2.112048 -3.404838 4 162.5213 18.15590 2.23e-07 -4.109621 -1.406412 -3.096983 同时需要对估计的模型进行稳定性检验，因为如果模型不稳定，脉冲响应函数的标准误差将不是有效的。在此本文采用AR根检验，即如果估计的VAR模型所有根模的倒数小于1(位于单位圆内)，则模型是稳定的。AR根检验显示所有方程的单位根均在圆内，因此，设定的模型是稳定的，表明选取的变量之间存在长期稳定关系，可以进一步做格兰杰因果检验和脉冲响应分析。

　　对所有变量进行格兰杰因果检验，结果如表5： 表5 格兰杰因果检验 Null Hypothesis: Obs F-Statistic Prob. LNSTOCK does not Granger Cause LNGDP 48 9.36520 0.0004 LNGDP does not Granger Cause LNSTOCK 48 4.12092 0.0230 LNTRADE does not Granger Cause LNGDP 48 4.01505 0.0252 LNGDP does not Granger Cause LNTRADE 48 1.02172 0.3685 LNINDEX does not Granger Cause LNGDP 48 3.24654 0.0545 LNGDP does not Granger Cause LNINDEX 48 0.12506 0.8828 LNTRADE does not Granger Cause LNSTOCK 48 6.43421 0.0036 LNSTOCK does not Granger Cause LNTRADE 48 0.87940 0.4224 LNINDEX does not Granger Cause LNSTOCK 48 0.54542 0.5836 LNSTOCK does not Granger Cause LNINDEX 48 0.11145 0.8948 LNINDEX does not Granger Cause LNTRADE 48 3.45251 0.0407 LNTRADE does not Granger Cause LNINDEX 48 0.39695 0.6748 表5的结果中，在5%的显著性水平下，我们发现股票市场规模与经济增长存在双向因果关系，股票市场流动性、波动性与经济增长只存在前者到后者的单向因果关系，股票市场流动性是股票市场规模的格兰杰原因。

　　3.脉冲响应函数分析

在VAR模型中，当某一变量第t期扰动项发生冲击时，会通过模型的动态联系，对第t期以后系统内各变量产生连锁影响。脉冲响应函数刻画了对扰动项一个标准差冲击对系统内生变量当期值和未来值所带来的影响，描述了系统对冲击或新信息的动态反应，并从中判断变量间的冲击反应程度和时滞。 图1 脉冲响应图 经济增长对股票市场各指标的脉冲响应结果如图1所示：

　　图1给出了基于VAR模型的经济增长对股票市场规模、股票市场流动性和股票市场波动性的脉冲响应轨迹。总的来说，股票市场发展各指标对经济增长具有正向效应，且最终作用程度趋于稳定，不同的是，经济增长对股市规模冲击的反应呈现倒U型，股市波动性对经济增长的冲击短期会产生负向影响而长期作用效果为正向。

　　首先，看经济增长对股市规模冲击的动态响应过程。从图中可以看出，当在本期给股市规模一个正向冲击，即期就对经济增长产生正向影响，且逐渐增大，到第四、五期达到最大，之后逐步收敛并趋向稳定。股市规模对经济增长的倒U型冲击可能原因有两点：其一，我国股市深度与发达国家相比差距很大，随着我国股市规模扩大，其对经济增长产生正向作用并不断增大，随着时间推移，简单地规模扩大而不是效率提升将面临要素边际报酬递减约束，因而对经济增长的正向影响将逐步减小，直至稳定;其二，我国股市仍处于初步发展阶段，资本市场和金融制度都存在很多问题，涉及金融市场各方面的环境与制度条件尚待完善，因而随着金融市场的深化与改革，股市规模对经济增长的正向作用逐渐凸显，但当金融市场发展到一定程度后，我们又会面临很多金融改革方面的困境和阻碍，如果没有成功继续深化金融改革，提高股市效率，那股市规模对经济增长的正向作用将会呈现逐步下降趋势。

 2/4   首页 上一页 1 2 3 4 下一页 尾页