金融文的题目数学,数学系2016届毕业文题目

更新时间:2024-03-13 作者:用户投稿原创标记本站原创 点赞:5089 浏览:14079

论文标题:中国宏观经济与证券市场的波动周期异动机制分析

TheAnalysisofVolatilityPeriodDissimilationMechanibetweenChinaMacroeconomicandChinaStockMarket

作者姓名:赵振全,周佰成周建文

(ZHAOZhenquan,ZHOUBaicheng,ZHOUJianwen)

作者单位:吉林大学数量经济研究中心,吉林大学商学院,长春,130012

(CentreforQuantitiveEconomicsResearchofJilinUniversity,BusinessSchoolofJilinUniversity,Changchun,130012)

联系地址:长春市前卫路10号吉林大学商学院,吉林大学数量经济学研究中心130012

联系人:

赵振全

联系:0431-5168766,13331666303

传真:0431-5168766

电子:zzquan2000@163.

周佰成,:13086860368,

电子:zhoubaicheng@263.

作者简介:

赵振全,职称:教授,博士生导师,职务:吉林大学数量经济研究中心主任.

周佰成,吉林大学商学院博士后,吉林大学经济学院教师.

周建文,吉林大学商学院硕士研究生.

基金项目:本文得到04年教育部重大项目(05D790005),05年国家社会科学基金项目(05BJY100),05年国家自然科学基金项目(70573040),02年教育部重大项目(02JAZJD790007),经济分析与预测哲学社会科学创新基地资助

中国宏观经济与证券市场的波动周期异动机制分析

摘 要:本文通过采取HP滤波,ARMA模型,及重标极差分析(R/S)来研究相关数据,发现中国宏观经济和证券市场波动均存在平均长度不同的非周期循环,前者平均周期大约为后者平均周期的4倍,其次,证券市场波动的Hurst指数小于宏观经济波动的Hurst指数,且二者均大于0.5,说明它们都具有状态持续性,且证券市场比起宏观经济更容易出现反转,另外,就证券市场和宏观经济变量之间的关系而言,我们通过建立VECM模型研究表明:从长期看来,上证指数与消费物价指数,货币供应量M2正相关,与财政收入,利率负相关,从短期来看,上证指数受到自身财政支出,国内生产总值,固定资产投资,汇率,消费物价指数,M2,财政收入,存款利率的波动影响.

关 键 词:ARMA模型,R/S分析,非周期循环,VECM模型

TheAnalysisofVolatilityPeriodDissimilationMechanibetweenChinaMacroeconomicandChinaStockMarket

abstract:Inthispaper,weanalyzedtherelationshipofvolatilitybetweenChinamacroeconomicandChinastockmarketbasedonnon-periodcyclebymeansofHP-Filtration,ARMAmodel,andR/Sanalysis.WefoundthattheeragelengthofChinamacroeconomicislongerthanthatofChinastockmarketwith4times.Moreover,bothofthem,theHindexesaremorethan0.5,whichmeansthattheybothhepersistenceofstate.ThestockmarketiseasiertoreversethanmacroeconomicbecauseofitsallerHindex.Third,aarastherelationshipbetweenstockmarketandmacroeconomicvariables,weestablishedVECMandfoundthatShanghaistockmarketwaspositiverelationtoINPandM2andnegativerelationtofinanceineandinterestrateinthelongterm,whileintheshortterm,Shanghaistockmarketwasinfluencedbyitself,financepayout,GDP,fixedassetsinvestment,exchangerate,INP,M2,financeineandinterestrate.

Keywords:ARMAmodel,R/Sanalysis,non-periodcycle,VECMmodel

中国宏观经济与证券市场的波动周期异动机制分析

一、引言

一般而言,股市被看成是国民经济的"晴雨表".这一原理最初来源于查理斯·H·道,他认为,由自由竞争市场决定的股票,代表了每一个对该股票感兴趣的人士的综合信息及评价.因此,由这些极具代表性的公司股票构成的综合指数是能够代表一个国家的宏观经济形势的,因为投资者"来自市场的评价是包含了所有的事实,估计,猜测以及有关各方的希望和恐惧"[1].因此宏观经济与证券市场的波动周期应该波长大致相同,二者的波动应该具有强相关性并具有宏观经济波动滞后于证券市场波动的现象.实证研究也表明,在美国等拥有成熟股票市场的发达国家里,股价指数与宏观经济指标是具有较高的相关程度的.然而,通过我们的研究表明,中国的情形并非如此,很有必要对中国宏观经济与证券市场的波动周期的异动机制进行深入的研究.

由于本文研究内容属于金融市场和宏观经济波动关系的范畴,因此我们有必要回顾该领域的研究成果.对于金融市场和宏观经济波动之间关系的讨论,要追根溯源到金融对于真实经济的作用这一争议问题上来.就这一问题的讨论,西方学者从不同的角度和研究方法上得到的答案并不一致,可以分为"否定论"和"肯定论"两种观点."否定论"如Robinson(1952)[2]把金融发展看作是企业扩张被动的随从.相反,"肯定论"认为在没有充分理解经济增长的情况下就不能完全否定金融对于经济增长的作用(Schumpeter[3],1912,Goldith,1969[4],Miller(1988)[5],Fama(1990)[6]等).

Schumpeter(1912)[3]阐述了企业融资的来源,强调了金融市场对投资项目的甄别所起的作用,以及金融怎么写作对于刺激技术创新和推动未来经济增长的重要作用.Goldith(1969)[4]用实证的方法证明了金融发展和经济增长之间具有正相关性.Miller(1988)[5]认为"金融市场对于经济增长的贡献太明显了,根本就没有必要作为一个命题进行讨论."Fama(1990)[6]对美国证券市场与宏观经济之间关系的研究表明,证券市场波动与宏观经济之间存在正相关关系.世界银行经济学家Levine等人(1996)[7]通过实证检验发现人均GDP较高的国家,其证券市场发展程度也较高.按照Chen,Roll和Ross(1986)[8]提出的所谓"简单而又直观的金融理论",一个国家的证券市场指数受到来自经济增长,实际利率和通货膨胀率等宏观经济因素影响.而Schwert(1989)[9]利用美国宏观经济变量预测证券市场波动,结果表明预测效果不明显.Harris(1997)[10]对发达国家和发展中国家的上述关系分别进行了分析,结果表明,在发达国家中证券市场与宏观经济之间存在相互促进的正向关系,但是在发展中国家两者之间关系表现的比较弱.因此认为当证券市场波动与宏观经济波动之间存在明显正相关时,证券市场趋于成熟,反之如果两者关系不明晰时认为证券市场依然不成熟.与之相对应,Binswanger(2000)[11]对20世纪90年代以来美国经济,利用子样本滚动回归的方法研究发现证券市场波动与宏观经济波动之间关系不成立.

国内学者也在这方面进行了一些检验.谈儒勇(1999)[12]研究了中国金融发展和经济增长之间的关系,其中涉及到证券市场波动与宏观经济波动之间关系的实证检验,表明我国证券市场的发展对经济发展的作用有限.郑江淮和袁国良(2000)[13]研究发现宏观经济对中国证券市场的作用并不明显,但是证券市场对宏观经济的作用显着存在.李广众(2002)[14]的研究也得出了中国证券市场对经济增长的作用不明显的结论.于长秋(2003)[15]通过理论和实证的分析指出股票波动与宏观经济波动存在相关性,股票作为宏观经济的先行指标,已成为影响货币政策的外部因素,从而银行在制定货币政策时不得不关注股票波动.宏观经济变量与证券市场关系还可见王晓芳和田军伟(2002)[16]以及陈梦根(2004)[17].

本文通过采取Hodrick-Prescott滤波和自回归移动平均模型(ARMA模型)除去中国证券市场指数—上证指数月数据和宏观经济指标—GDP季度数据的线性趋势和线性相关后,运用非线性方法―重标极差分析(R/S)来研究数据的周期特征,我们发现中国宏观经济和证券市场波动均存在平均长度不同的非周期循环.证券市场波动平均周期大约是17个月,而中国GDP的平均周期大约是17个季度,约为上证指数收益率平均周期长度的4倍,所以就中国而言,在一个完整的经济周期中,证券市场大约要完成4个周期性波动,因此存在大量的趋同和背离.其次,两者Hurst指数均大于0.5(等于0.5时为独立随机过程),说明它们具有状态持续性,也就是说在上升过程或下降过程中倾向于保持趋势不变,即存在"约瑟效应".由于证券市场的Hurst指数(H等于0.8)小于GDP的Hurst指数(H等于0.9),所以证券市场比起宏观经济更容易出现反转,即比较而言,证券市场波动更有随机性.就其原因而言,宏观经济波动周期和证券市场波动周期的形成机制大不相同.另外,就证券市场和宏观经济变量之间的关系而言,我们通过建立VECM模型研究表明:从长期看来,上证指数与消费物价指数,货币供应量M2正相关,与财政收入,利率负相关,从短期来看,上证指数受到自身财政支出,国内生产总值,固定资产投资,汇率,消费物价指数,M2,财政收入,存款利率的波动影响.

本文内容按如下顺序组织:第一部分为引言,第二部分为重标极差(R/S)分析简介,第三部分为中国宏观经济波动的非周期性循环检验,第四部分为中国证券市场的非周期循环检验,第五部分为中国证券市场和宏观经济变量的内在关系分析,第六部分为中国宏观经济与证券市场异动机制分析.

二、模型介绍重标极差(R/S)分析简介

1,重标极差分析(R/S)的定义

重标极差分析(R/S)(1951)[18]是Hurst提出的一种分析长期记忆和非周期性循环时间序列的分析方法,详细算法见Hurst[18]与Peters[19]的文献.可简单表述为,其中:R为重新标度的极差,S为观测序列标准差,H为Hurst指数,c为常数,n是观测样本数.取对数变换,为,在实证分析中,H可以通过样本数据,用线性回归方法估计[20].

2,检验R/S分析

检验一个序列是独立同分布(independentidenticallydistributed,IID),还是具有持续性和非周期循环的分形时间序列,是R/S分析方法的强大之处.在R/S分析的显着性检验中,把序列是一个服从正态分布的IID随机过程设为零检测设.对于随机游走,Hurst给出Peters[19].对标准正态分布IID序列的模拟,发现随着n的增大得到的值逐渐收敛于上式得到的值,但对于较小的n值,模拟得到的结果系统地低于上式得到的Hurst理论值[20].Anis和Lioyd(1976)[21]围绕小n的R/S统计的系统偏差,提出了的计算公式,Peters[19]在此基础上给出了经验校正公式,即

在零检测设之下,用回归方程,得到Hurst指数的期望值E(H)在n较小的时候,系统地小于Hurst的理论值,相应的E(H)高于理论值0.5,随着n增大,逼近理论值,E(H)也逼近0.5.Peters给出Hurst指数的方差为.注意若不是高斯分布,计算式仍然可以使用.用统计量,进行显着性检测设检验[20].

3,V统计量

统计量,最初由Hurst[18]用于检验稳定性,可以用于估计周期长度,对于独立的随机过程(H等于0.5),统计量关于是平坦的.对于具有状态持续性的过程(H>,0.5),关于向上倾斜,对于具有状态反持续性的过程(H<,0.5),关于向下倾斜.当图形形状发生改变时,就产生突变,长期记忆过程消失[20].

三、中国宏观经济波动的非周期性循环检验

关于经济周期(economycycle),美国国民经济研究局的创始人伯恩斯和米切尔(BuynsA.F.andMitchellW1A1,1946)认为:"是在以商业企业组织活动为基础的国家总体经济活动中看到的一种波动:一个周期由许多经济活动几乎同时的扩张,随之而来类似的普遍的衰退,收缩以及与下一个周期的扩张阶段相连的复苏所组成.这种周期性变化顺序反复出现,但发生的时间并不确定."国内生产总值,工业生产,物价水平,就业和失业等都可以用来描述经济周期.这几个量之间有一致性,也有差异.尤其是在时间上有前后的差异.一般是投资量首先发生变动.本文就以国内生产总值(GDP)来描述经济周期.


1,中国GDP年度数据(1978年-2004年),见图1(数据来源:《中国统计年鉴》).

图1图2

我们计算GDP增长率,作为我们的研究数据,见图2.由于年度数据有限,不利于用R/S分析,因此我们把年度GDP增长率数据平均分为季度数据,从而获得4倍的数据量,类似前面的分析,我开始考察其非周期循环特征.

2,中国GDP增长率线性趋势项提取及HP滤波.

通过计算,中国GDP增长率相关趋势可以用AR(1)来表达,具体结果见表1.

表1

VariableCoefficientStd.Errort-StatisticProb.C0.023940.0028418.4280360.0000AR(1)0.883980.04609719.176580.0000趋势表达式为:,因此残差可以表示为:,我们再对进行HP滤波,结果见图3.

图3图4

3,重标极差分析(R/S)

我们应用前面介绍的重标极差分析,经过计算,结果如表2所示.我们对表2以Log(n)为横坐标,以,Vn,为纵坐标作图,见图4.经过计算,我们得出,中国GDP季度数据(1978年-2004年)平均周期为17季度,H指数()为0.9049.

表2

n

Log(n)LogVnLogH104.26112.650210.62951.34740.42320.9049114.69742.84831.04130.67181.41630.4545156.57543.56051.17600.81791.69770.5515177.53093.87981.23040.87681.82650.5888208.36214.32471.30100.92231.86980.6359229.81774.60251.34240.99202.09310.66292510.908624.99611.39791.03772.18170.69862911.96835.48501.46231.07802.22240.73913113.30685.71651.49131.12402.38990.75713414.887156.05011.53141.17282.55310.78174117.10096.77421.61271.23302.67070.83084418.33627.06521.64341.26332.76420.84915017.55487.61841.69891.24432.48260.88185117.09707.70731.70751.23292.39400.8869四,中国证券市场的非周期循环检验

因为中国股票市场目前还没有权威性的综合上海与深圳两个市场的统一指数,而据有关研究(翟淑萍,2001)[15],深证指数与上证指数具有极强的相关性(相关系数为0.985),所以我们可以仅以上证综合指数的走势来代表中国股票的波动趋势进行研究.下面我们进行上海证券市场的非周期循环检验.我们用上证指数月数据(1990年12月19日-2005年7月1日)分析.

1,上证指数月数据(1990年12月19日-2005年7月1日),见图5(数据来源:国海证券网).

图5图6

我们计算该数据的对数收益率,作为我们的研究数据,见图6.

2,上证指数月收益率线性趋势项提取及HP滤波

通过计算,上证指数月收益率相关趋势可以用AR(2)来表达,具体结果如表3:

表3

VariableCoefficientStd.Errort-StatisticProb.AR(2)0.2666710.0735083.6277510.0004趋势表达式为:,因此残差可以表示为:,我们再对进行HP滤波,结果见图7,

图7图8

3,重标极差分析(R/S)

我们应用前面介绍的重标极差分析,经过计算,结果如表4所示.我们对上表以Log(n)为横坐标,以,Vn,为纵坐标作图,见图8.通过对上述图形分析与计算,我们得出,上海证券市场平均周期为17月,H指数为0.8(此为日,周,月计算值的均值).这与王新宇等(2004)[20]计算的上海证券市场平均周期310天比较接近.

表4

n

Log(n)LogVnLogH104.30672.650210.63411.36190.42320.8166.53643.72271.20410.81531.63410.5708177.42693.87981.23040.87081.80120.5888197.94424.18051.27870.90001.82250.62122912.65305.48501.46231.10212.34960.73913213.62605.82941.50511.13432.40870.76563414.72646.05001.53141.16802.52550.78173815.22156.47221.57971.18242.46920.81104317.74716.96941.63341.24912.70640.84315921.82318.38851.77081.33892.84110.92366419.02458.79081.80611.27932.37800.94407628.34279.69561.88081.45243.25110.98657928.72169.91031.89761.45823.23140.99608530.265910.32771.92941.48093.28281.01408630.465010.39581.93441.48383.28511.0168五,中国证券市场和宏观经济变量的内在关系分析

1,文献回顾

国外对于股票市场与实际经济之间关系的最重要的研究来自于芝加哥大学的EugeneFama(1981,1990,1991),他利用美国1953-1987年月度,季度和年度的数据进行的回归分析发现股市收益率和未来产出的增长率之间有显着的正相关关系,他认为这是投资者对于上市公司未来流的预期在现期股价上的反映,股市在美国确实起到了经济晴雨表的作用.当然这种基于拟合度而不是完善的理论基础上的经验分析有可能过度强调了变量的解释能力,并有可能在使用不同的数据样本的时候导致不同的结果.Rochester大学的William

Schwert(1990)在Fama的基础上利用美国1889-1988年整整100年的数据进行的实证检验同样证实了这一结论的可靠性.另外一些研究(Chenetal.,1986,Fama,1991Wei&,Wong,1992)则是在套利定价理论(APT)多因子模型的框架下选择不同的宏观经济变量,例如GNP增长率,通货膨胀,失业,利率等对股市收益率进行描述.基于发达国家资本市场的研究结果大多支持了Fama的结果,但是对于新兴资本市场的研究结果却呈现出不同的特征[26].

2,实证分析-中国证券市场和宏观经济之间关系的研究

(1)指标选取

为了较为全面地反映可能影响我国股市波动的宏观经济因素,本文对宏观变量的选取是在Granger因果检验的基础上进行的.可以解释上证综合指数的宏观变量及Granger因果检验结果见表5.本文选取国内生产总值,财政支出,固定资产投资,汇率,消费物价指数,M2,财政收入,存款利率等经济指标作为解释变量对上证综合指数进行协整分析.上述经济指标在文中分别用GDP,cz,gt,hl,wj,m2,cs,ll,sh表示.研究区间为1996年第4季度到2005年第2季度,所有数据来源于《中国人民银行统计季报》和宏汇'千禧'证券工作站.从1996年12月开始我国股票市场实行涨停板限制,这段时间是我国股票市场规模不断扩大,运作相对规范,整个市场走向成熟的阶段.为了研究的统一性,我们在实证研究过程中采用原始变量的自然对数形式,为了消除量纲的影响,我们对变量作标准化处理,所有实证分析结果均在Eviews5.0的环境下完成.

表5宏观变量与上证指数之间的Granger因果检验结果

宏观变量Granger因果检验结果宏观变量与上证指数的相关系数概率F统计量GDP0.0327.740.035财政支出0.0024.45-0.071固定资产投资0.0222.23-0.097汇率0.0302.21-0.116消费物价指数0.0372.37-0.119M20.0162.430.215财政收入0.0352.59-0.2593年期存款利率0.037373.19-0.910(2)实证分析

首先对各变量进行ADF的单位根检验,以验证变量的平稳性以及整合阶数,结果发现(见表6)gdp为2阶单整,sh,cz,gt,hl,wj,m2,cs,ll为1阶单整.在检验的过程中,模型的种类是根据样本数据的描述性统计结果确定的,而最优滞后期则根据AIC(Akaike'sinformationcriteria)信息准则确定.根据协整理论,不同单整阶数的时间序列之间不存在协整关系.因此,gdp与sh之间不存在长期协整关系,也就是说,在我们所考察的时间段1996~2005年之间国内生产总值与上证指数之间没有关系.

表6ADF检验结果

变量ADF统计量5%临界值1%临界值检验形式

(c,t,k)结论sh0.0830-1.9510-2.6347(0,0,0)非平稳▽(sh)-5.6950-1.9513-2.6369(0,0,0)平稳gdp1.6295-1.9539-2.6534(0,0,7)非平稳▽(gdp)-0.0305-1.9529-2.6471(0,0,4)非平稳▽2(gdp)-9.0059-1.9529-2.6471(0,0,3)平稳cz-2.3758-3.5684-4.2967(c,t,4)非平稳▽(cz)-3.7395-2.9640-3.6702(c,0,3)平稳gt6.1903-1.9521-2.6417(0,0,3)非平稳▽(gt)-62.3838-2.9604-3.6617(c,0,2)平稳hl-1.4214-1.9544-2.6569(0,0,8)非平稳▽(hl)-127.1117-1.9544-2.6569(0,0,7)平稳wj-2.4561-2.9511-3.6394(c,0,0)非平稳▽(wj)-4.4752-1.9513-2.6369(0,0,0)平稳m219.8030-1.9510-2.6347(0,0,0)非平稳▽(m2)-5.4257-2.9540-3.6463(c,0,0)平稳cs-3.9568-3.5578-4.2733(0,0,1)非平稳▽(cs)-8.9326-2.9401-3.6617(c,0,2)平稳ll-2.2016-1.9510-2.6347(0,0,0)非平稳▽(ll)-6.6427-3.5530-4.2627(c,t,0)平稳注:(1)其中c表示含截距项,t表示含趋势项,k为滞后阶数.(2)ADF的临界值来自软件EVIEWS5.0,(3)▽表示变量序列的一阶差分,▽2表示二阶差分.

在ADF检验结果的基础上我们对所有的1阶单整序列进行协整关系检验.本文以上证综合指数为被解释变量,以宏观经济因子为解释变量,采用Johansen协整检验法(Cointegrationtest)来检验序列之间是否存在协整关系,宏观变量按照表1中与上证指数的相关系数从小到大的顺序排列,结果如表7所示:

表7Johansen协整检验结果

协整方程数特征根似然比5%临界值概率None*0.909463298.5966159.52970Atmost1*0.877184219.3307125.61540Atmost2*0.823637150.127595.753660Atmost3*0.75007492.8654369.818890.0003Atmost40.43501547.1079547.856130.0587Atmost50.41046428.2663729.797070.0743Atmost60.27940610.8285515.494710.2222Atmost70.0004580.0151293.8414660.902迹统计量显示在5%的显着性水平上存在4个协整方程*表示在5%的显着性水平上拒绝检测设由表9可知存在4个协整方程,刻画上证指数与宏观变量之间长期关系的协整方程为:

SH等于24.2468*WJ+36.1397*M2-24.6877*CS-0.0951*LL-34.6060

(-2.8022)(-6.3356)(7.9607)(0.6299)

cz等于-17.8177*WJ+27.7269*M2-18.9434*CS-0.0341*LL-27.5699

(3.2852)(7.7547)(-9.7452)(-0.3606)

gt等于-89.5242*WJ-166.6834*M2+109.1072*CS-0.0004*LL+148.1142

(2.6680)(7.5351)(-9.0724)(-0.0007)

hl等于8.7439*wj+15.8053*M2-10.2669*cs-0.0003*ll-13.2837

(-2.8013)(-7.6808)(9.1772)(0.0052)

上证指数的ECM模型的形式为:

D(sh)等于-0.0192*ecm1+0.4204*ecm2-0.1062*ecm3-0.4729ecm4-0.2135*D(sh(-1))-0.1490*D(cz(-1))+0.0157*D(gt(-1))+0.5664*D(hl(-1))+1.8014*D(wj(-1))-1.3233*D(M2(-1))+1.1474*D(cs(-1))-0.0627*D(ll(-1))-0.0027

通过上述分析,我们看出,从长期看来,影响上证指数的宏观经济变量主要是消费物价指数,货币供应量M2财政收入和利率,上证指数与消费物价指数,货币供应量M2正相关,与财政收入,利率负相关,从短期来看,上证指数受到自身,财政支出,国内生产总值,固定资产投资,汇率,消费物价指数,M2,财政收入,存款利率的波动影响.

六、中国宏观经济与证券市场异动机制分析

1,中国宏观经济和证券市场波动的特征比较

为比较方便,我们总结以上计算结果,见表8.

表8

项目线性趋势是否HP滤波平均周期Hurst指数中国GDP(1978-2004)AR(1)是17季度0.9上证月(1990.12–2005.7)AR(2)是17月0.8(1)中国宏观经济和证券市场波动均存在非周期循环,这种非周期循环的平均长度不同.证券市场波动平均周期大约是17个月,而中国GDP的平均周期大约是68个月,约为上证指数收益率平均周期长度的4倍,所以,就中国而言,在一个完整的经济周期中,证券市场大约要完成4个周期性波动,因此存在大量的趋同和背离.在这种情况下证券市场的走势与宏观经济走势不同步是必然的,把股市看成是国民经济的"晴雨表"有失准确.股市周期与宏观经济周期的关系根据宏观经济理论,股票市场与宏观经济之间存在着一种长期的,稳定的,协调一致的动态关系.经济周期决定着股市周期的变化,而股票市场的波动反映着经济周期的变动.然而,股票市场作为一个相对独立的市场,受众多因素的影响,有其自身的运动规律,这就造成了股市周期与经济周期不完全同步性,甚至是背离.

(2)中国宏观经济和证券市场波动存在"约瑟效应"(《圣经》中,约瑟预言七个灾年接着七个丰年的故事,后人称这种现象为"约瑟效应").两者Hurst指数均大于0.5(等于0.5时为独立随机过程),说明它们具有状态持续性,也就是说在上升过程或下降过程中倾向保持趋势不变.由于证券市场的Hurst指数(H等于0.8)小于GDP的Hurst指数(H等于0.9),所以证券市场比起宏观经济更容易出现反转,即比较而言,证券市场波动更有随机性,因而出现了在一个完整的经济周期中,证券市场大约要完成4个周期性波动,而且,证券市场的波动比较剧烈.

2,中国宏观经济与证券市场波动平均周期不同的成因分析

(1)中国宏观经济周期是政府宏观经济政策调控下的总供给与总需求平衡的结果.图2是我国自1978年至2004年以来的GDP增长率折线图(按照差分理论,实际是1979年-2004年),GDP增长率均值为0.094,1996年以后不超过10%.前面我们已经计算过中国宏观经济的平均波动周期是17个季度,大约在5年左右,现在我们按照"谷-谷"方法来确定改革开放以来具体每个经济周期,由于1978-1981年的经济运行不是一个完整周期,因此我们从1982年开始,中国的经济周期为:1982-1986(5年),1987-1990(4年),1991-1999(9年),2000-2004(处于新一轮周期的上升阶段),这种划分方法与卢嘉瑞等[24](2002)的划分基本一致.这些经济周期的产生是政府宏观经济政策调控下的总供给与总需求平衡的结果.我们分析一下这四个基本阶段的形成原因:第一阶段:1982—1986年.按可比计算,我国实际GDP的算术平均增长率为11.5%,最高速度为1984年的15.1%,最低速度为1986年的8.9%.这一轮经济增长主要依赖于政府实施的积极货币政策,1983年-1985年这三年基础货币供应量(M0)同比分别增加20.7%,49.5%,24.7%[24],固定资产投资的迅速扩张推动了这一经济周期.这一阶段股市尚不存在,证券市场对宏观经济不存在任何影响,也无从反映经济周期的波动.第二阶段:1987—1990年.按可比计算,我国实际GDP的算术平均增长率为7.7%,最高速度为1987年的11.6%,最低速度为1990年的3.8%.经济波动振幅较大,但总体经济增长放缓.政府在这期间出台了一系列扩张性财政政策,这期间的经济增长主要依赖供给扩张-消费拉动.这一阶段股市依然不存在,证券市场对宏观经济不存在任何影响,也无从反映经济周期的波动.第三阶段:1991—1999年.实际GDP的算术平均增长率为10.4%,最高速度为1992年的14.2%,最低速度为1999年的7.1%.在这期间国务院曾出台了《中华人民共和国国民经济和社会发展十年规划和第八个五年计划纲要》,并为此提供了相应的政策支持,该阶段经济周期延续了上一阶段的消费拉动,经过投资扩张,最后以供给扩张结束[25].这一阶段股市完成了大约4个周期的波动,期间与宏观经济既有同步走势也有异步走势,并未发现证券市场与宏观经济的显着关联关系.第四阶段:1999年至2004年.我国经济进入了"总需动阶段",在这个阶段,实际GDP的平均增长率为8.5%,最高速度为2004年的9.5%,最低速度为2001年的7.4%,此时经济周期尚处于上升阶段.与前面比较,我们发现经济周期越发的出现波长增大,波幅减小的特点,经济波动在政府的政策调控下,开始趋于持续和稳定.政府出台的政策也一再强调经济的稳步发展.然而,虽然经济处于上升周期,但是股市却持续的下跌,显示出与宏观经济走势的背离态势.总之,我国的宏观经济周期的形成原因是政府根据宏观经济的变化出台了一系列政策来引导总供给与总需求平衡的结果,在经济增长处于波峰或波谷前后总有大部分重大经济政策的出台来影响经济波动,这与下面我们分析的证券市场周期波动的形成原因大不相同.

(2)中国证券市场的波动周期受到自身状况,投资主体和政府金融政策的影响.

A,证券市场自身比较弱小,其波动周期尚不能与宏观经济波动周期相辅相成.

由于中国证券市场尚处于"新兴+转轨"时期,不能从总体上反映中国的经济发展状况.分析上市公司的结构就会发现,中国的证券市场只是部分地反映了经济的发展状况.首先,从1998年至今,中国经济的所有制结构发生了重大的变化,非公有经济占GDP的比例已经超过50%[23],而在上市公司中,这一变化并未充分的显现出来.在1400多家上市公司中,其中90%是国有企业,而且已上市的国有企业又不能算是国有企业的优秀代表,因此大量的行业中的领先企业并未出现在证券市场中.其次,与发达股市中股票全流通的情况不同的是,中国上市公司的股权结构被分割成国有股,法人股和流通股,其中国有股和法人股占到总股本的67%,是不流通的,而流通股只占总股本的33%[23],更进一步说明了上市公司在国民经济中的代表性是非常有限的.目前政府正在积极推进股权分置改革,并有了大量的试点公司,相信因股权结构引发的诸多问题会逐渐得到有效解决.上述原因导致证券市场实际上规模非常小,易于受外部影响而剧烈波动,而不是在宏观经济环境下稳定波动.

B,投资主体理念尚不成熟,非理性行为影响证券市场波动.中国证券市场上投资主体由两部分构成,一个是机构投资者,另一个是散民,而且前者对证券市场的影响较大.机构投资者非理性的操控股票的行为推动了证券市场的周期性变化.由于散民的投资理念相当不成熟,导致他们只知道跟住桩家,而不是依据公司的价值和宏观环境的变化趋势而理性投资.这样中国证券市场的波动周期实际上与机构投资者操纵股市的行为息息相关.

C,中国证券市场更多的受到政策的周期性变化影响.根据宏观经济理论,经济周期决定着股市周期的变化,而股票市场的波动反映着经济周期的变动.然而,通过研究我们发现中国股票市场的周期变化与宏观经济周期关系不大,而与政策周期关系密切,政策的周期性变化使投资者不断的改变投资策略,导致股市的周期性变化.我们看一下历史上六次"政策井喷"(见表6),可见一斑.从表9可以看出,中国股市是典型的政策市,政策始终是股市变化的重要因素之一,政策的引导对市场的变化具有举足轻重的作用,多变的政策成为导致中国证券市场非周期变化的重要原因之一.

表9历史上六次"政策井喷"回顾

日期重大事件市场表现1999年9月9日允许"三类企业"获准入市当日沪指大涨6.6%,之后股指连跌4个月,跌幅在20%2000年2月14日新股配售政策出台当日沪指大涨9%,之后连涨1年半,升幅34%2001年10月24日证监会宣布首发增发中停止国有股出售当日沪指大涨9.68%,之后连跌10日,跌幅近7%2001年11月16日证券印花税下调当日沪指高开低走,收盘涨1.57,之后连涨数日,涨幅7.46%2002年6月24日国务院决定停止证券市场减持国有股当日沪指高开低走,,之后连涨数月,累计涨幅23.8%2003年10月22日发布《关于完善社会主义市场经济体制若干问题的决定》当日沪指涨2.47%,之后经过短暂调整之后,升势延续至2004年4月资料来源:business.sohu./2004/02/04/25/article218912545.s

总之,中国宏观经济波动和证券市场波动出现了各自的非周期循环,而且前者的平均周期大约是后者的4倍,同时宏观经济波动比起证券市场波动有更强的持续性和稳定性,因此我们不能简单的把证券市场看成是国民经济的"晴雨表".造成这种情况不仅是宏观经济和证券市场自身周期形成机制的不同,更表现出政府制定政策的重大影响.另外,就证券市场和宏观经济变量之间的关系而言,我们通过建立VECM模型研究表明:从长期看来,上证指数与消费物价指数,货币供应量M2正相关,与财政收入,利率负相关,从短期来看,上证指数还受到自身财政支出,国内生产总值,固定资产投资,汇率,消费物价指数,M2,财政收入,存款利率的波动影响.鉴于此,我们一方面要不断的健全我们的证券市场,逐步实现其"晴雨表"功能,同时在出台政策时要兼顾政策对宏观经济的调控作用和对证券市场长期和短期的影响.

FractalMarketAnalysis—ApplyingChaosTheorytoInvestmentandEconomics,[M],NewYork:JohnWilley&,Sons,1994.

[20]王新宇,宋学锋,吴瑞明,中国证券市场市场的分形分析[J],管理科学学报,2004年10月,第7卷,第5期,PP67-74.

[21]AnisAA,lioydEH,Theexpectedvalueoftheadjustedrescaledhurstrangeofindependentnormalsummands[J],Biometrika,1976,63:111-116

[22]王昱,金莹,通过经济周期理论看证券市场的波动[J],兰州商学院学报,2003年6月,总19卷第3期,PP48-51

[23]石志恒,王亚亭,王莹(2004),解析中国股市与宏观经济的背离[J],西北农林科技大学学报(社会科学版),2004年1月,第四卷,第一期,PP69-72.

[24]卢嘉瑞,徐圣银,宏观经济政策与我国经济的周期性波动[J],经济研究参考,2002年第72期,总第1648期.PP41-45.

[25]股市运行与宏观经济,行业景气周期的关联性研究[R],中国证券报上海证券研发中心,2003年7月(stock./ztyj/zqsc/t20030728_442535.)

[26]宾国强,曾翔,袁宏泉,刘东辉,陈明先,股票市场与宏观经济:长期均衡与短期波动关系研究,广东民安证券.

2

Sheet3

Sheet2

Sheet1

图表1

2005*

1978.00

100.00

1979.00

107.60

.08

1980.00

116.00

.08

1981.00

122.10

.05

1982.00

133.10

.09

1983.00

147.60

.11

1984.00

170.00

.15

1985.00

192.90

.13

1986.00

210.00

.09

1987.00

234.30

.12

1988.00

260.70

.11

1989.00

271.30

.04

1990.00

281.70

.04

1991.00

307.60

.09

1992.00

351.40

.14

1993.00

398.80

.13

1994.00

449.30

.13

1995.00

496.50

.11

1996.00

544.10

.10

1997.00

592.20

.09

1998.00

638.50

.08

1999.00

684.10

.07

2000.00

738.80

.08

2001.00

794.20

.07

2002.00

860.10

.08

2003.00

940.10

.09

2004.00

.10

.08

GDP(1978-2004)

GDP(1978-2004)

.08

.08

.05

.09

.11

.15

.13

.09

.12

.11

.04

.04

.09

.14

.13

.13

.11

.10

.09

.08

.07

.08

.07

.08

.09

.10