宏观经济因素对股票市场收益的协整计量分析(共30页).doc

1、宏观经济因素对股票市场收益的协整计量分析内容提要以经典宏观经济和金融理论为框架，应用协整计量分析，本文分析了代表性宏观变量与股市收益率之间的关联性，试图为宏观对股市的影响提供一个有意义的探索。宏观经济和股市的关联一直是个困扰经济学界未解之谜；从 “代表性消费模型”的构建直到今天“股权溢价之谜”也都一直没能在理论上得到真正的解决。大量的金融研究者从资产定价模型入手加入宏观变量因素，计量了宏观变量对股票资产的影响，取得了丰富的成果；但在实证中基于资产定价模型的“市场有效性”假说过于严格，从而使宏观与股市的关联在实证过程中的适用性也成了一个“谜”。中国资本市场是一个新兴的市场，也是一个有着明显制度转

2、型特征的市场，市场的有效性更弱，宏观变量对股市的影响也是有限的。然而，随着近年来机构投资人的增加，资本市场化进程的加快，以及资本市场 “有效性” 的加强，对宏观变量与股市关联的研究开始显现其实际意义了。本文以资产定价模型为基础，构造了一个实证体系，从总体上利用协整模型对宏观变量和股票市场资产的收益性进行了关联研究，并得出“不稳定”和有限影响的基本结论；进一步，本文深入到宏观变量对行业与上市公司绩效影响的微观层面，分析得出了很多符合经济学假说的结论，为中国宏观变量与股票收益是否关联这一“谜题”提供了实证的探索和理论的解释。基于中国股票市场弱有效性的特征，本文除了在传统意义上研究了宏观经济与股市收

3、益率之间的直接关系外，更进一步将宏观经济与股市收益率之间的两个传导环节宏观经济对行业和上市公司微观绩效的影响以及上市公司微观绩效对股市收益率的影响隔离开来，并集中分析了前一个环节的作用机制和传导效率，从而使本文的研究有别于前人的成果。本文利用协整方法对中国宏观变量与股市收益之间的关联性进行了实证研究，得出了很多有意义的结论：1、宏观对股市收益影响的有限性和不稳定性。除GDP外，其他各项宏观经济指标（M2、利率和通货膨胀率）与股市收益率之间的相关性均通不过协整检验；只有GDP与股市收益率在95%置信区间下显著正相关对应GDP增长率1个百分点的上升，股市收益率上升0.1个百分点；但该协整关系在滞后

4、2期以后就消失了，显示在整个样本期内（1996年初到2004年第三季度）GDP对股市的长期影响并不稳定，模型可能发生了结构性变化，从一个角度探索了市场的有效性不足。2、宏观变量与上市公司基本面的数量扩张正相关。本文的实证结果显示上市公司总体的收益规模（主营业务收入增长率）与GDP增长率之间存在着显著的正相关关系（99%置信区间）。进一步，通过细化研究GDP增长率对各产业群收入增长的影响，文章发现，GDP总量增长的好处在各产业群之间的分享程度是不同的：上游基础工业，如石油、石化、有色金属和钢铁等行业对GDP增长的敏感度均大于1；而出口型产业和房地产业的敏感度在0.70.8之间；基础设施类产业和农

5、业的敏感度为0.4；相反，消费类产业对GDP总量增长不敏感（对人均收入的增长敏感）。但由于消费类产业在上市公司中所占的比例很大，接近60%，大于其在国民经济中所占的比重，因此，对应GDP增长率1个百分点的上升，上市公司主营业务收入增长率上升幅度小于1（0.76个百分点）。3、宏观变量与上市公司基本面的质量改善在产业群层面显著正相关。尽管在上市公司整体层面上，本文的实证研究显示找不到一个宏观变量能够对微观个体的收益质量产生显著影响；但在具体产业群上，本文却发现了不同宏观变量与不同产业群在收益质量上的显著相关性。不过这种相关性主要体现为宏观变量对毛利润率的影响，而与ROE之间的相关性不显著这再次证

6、明了我国投资推动型的经济增长模式。综上，本文利用协整模型对中国股市和宏观经济变量进行了实证分析，结果表明中国股市的成熟度依然较低，市场有效性较弱，但微观层面的传递有效性较强。总之，整体市场与宏观变量的关联性仍不尽人意，但相信随着市场化改革深入，中国股票市场将逐步走向有效，宏观对股票的影响也将成为影响股市收益和风险的重要因素，从而在宏观与微观、符号与实体之间建立一种有效的逻辑对应。只有这样，中国的资本市场才能服务好经济建设，同时分享中国经济的高速增长！ABSTRACTIn this paper we analyze relationships among selected macroeconom

7、ic variables and Chinese stock market basing on the classical financial researching frame, by employing a cointegrationAnalysis model, try to offer a meaningful grope for the macroscopic affection on the stock market. The correlation between macro-economy and the stock market has been a mystery for

8、years. Since the construction of the Representative Agent Model, the Equity Premium Puzzle has not been solved theoretically. To explain this puzzle many financial researchers add the macroeconomic factors to the capital asset pricing models to calculate the influence of macro variables on the stock

9、 assets. The results are affluent. However, the Efficient Market Hypothesis of the capital asset pricing models are too strong in practice, which creates a new puzzle on the application of the correlation between macro-economy and the stock market to the empirical work. As an emergingmarket with the

10、 evident characters of a transition period, the China capital market is weakly efficient and the influence of the macro variables is also limited. Along with the incremental proportion of the institutional investors,the accelerated progress of the marketing reform and the strengthening efficiency of

11、 the capital market, the researching work on the puzzle of the correlation between the macro variables and the Chinese stock market has become more and more instructive. In fact, according to this paper, the cointegrated analysis of the correlation between the macro variables and the stock market de

12、rives the conclusion that the influence of the macro variables to the stock market is limited and unstable. However, the intensive analysis of the correlations between the macro variables and the micro performance of the industries and companies derived many conclusions consistent with the economic

13、theories. With these two analyses together, the paper constructed an empirical frame for the current study as well as for the further grope on this puzzle. Besides the traditional research on the direct correlation between macro variables and stock market, the paper separated the transmission system

14、 into two steps, the impact of the macro variables to the micro performance of real industries and the impact of the micro performance to the stock returns. By focusing on the efficiency of the first step, the paper makes itself distinct with the predecessors. By using the cointegration analysis to

15、study the correlation between macro variables and stock market, the paper has drawn some significant conclusions. 1. The limited and unstable influence of macro-economy on stock market. Except GDP, the correlation between stock market and other macro variables, including M2, interest rates and infla

16、tion rate, cannot pass thecointegration test. Only the GDP growth direct correlates with the stock market return under a 95% confidential interval, a 1% increase in GDP growth leading to a 0.1% increase in stock market return. However, such a relationship will vanish after two terms lag, which shows

17、 an unstable relationship between the two variables. In other words, during the sample period (from Q1 1996 to Q3 2004), the model may have changed for some reasons, which implies the weak efficiency of the market. 2. The significant correlations between macro variables and the scale expansion of th

18、e listing companies. According to the metric analysis of this paper, taking all the listing companies as a whole, there is a significant positive correlation between the revenue growth and the GDP growth (under a 99% confidential interval). Furthermore, the sub studies show that for different indust

19、rial groups, the interest share of GDP growth is different: the upstream heavy industries, such as oil, petrochemicals, steel and non-ferrous metal industries, with a sensitivity larger than 1, benefit most from the GDP growth; the export industries and the real estate builders with a sensitivity of

20、 about 0.7 take the second place; the infrastructure industries and the agricultural companies, a sensitivity of 0.4, share less; while consuming industrial groups, not sensitive to the gross growth, are sensitive to the per head growth in income. Since the consuming companies play an important role

21、 in the stock market, with a proportion of 60% to the total listing companies, lager than the proportion of the consuming industries to the total domestic economy, the listing companies as a whole is not quite sensitive to the GDP growth, a sensitivity of 0.76. 3. The significant correlations betwee

22、n macro variables and the profitability of the listing companies on the industrial layer. Although taking the listing companies as a whole, the author failed to find any significant impacts of the macro variables on the micro profitability, the impacts on the specific industrial groups are significa

23、nt. However such impacts are reflected more in the form of the gross profit ratios, but still insignificant in the form of ROE, again, implying the investment activities as the major engine for the economic growth in China. In summary, by using the cointegration analysis, the paper studied the corre

24、lation between the macro variables and the stock market. The empirical results show that the Chinese stock market is still an immature market, with a low efficiency. However, contrary to the unsatisfactory correlation between the macro-economy and the index return in stock market, theperformance of

25、micro-economy is strong, In the future, along with the market reformation, the Chinese stock market is sure to be more efficient. 目 录1导言：宏观经济因素和股市的关联之“谜”72宏观经济对股市收益影响的理论和协整分析82.1 宏观经济对微观绩效的传递理论82.2 协整方法和变量选择102.3 宏观对股指收益的影响11231变量的单位根检验13232协整检验14233方差分解163上市公司基本面与宏观经济变量1731 变量选取173.2 数据处理1733 实证结果1

26、8331收益规模指标与GDP增长率18332收益质量指标与GDP增长率20333收益质量指标与其他宏观经济变量204产业群业绩变动与宏观经济变量2141 产业群划分2142 变量选取2143 实证结果225总结和探索：实体的有效和股市收益的无效27参考文献：301导言：宏观经济因素和股市的关联之“谜” 经济学家一直试图将股票资产的研究纳入到一个统一的经济范式中，其逻辑是所有股票投资都来自于居民收入在消费储蓄（投资）的分割，股票投资无非是一种风险资产投资，因此很容易纳入到消费资产的经济学的基本范式中来，并将宏观因素加入到这一模型中。1978年卢卡斯发表了“交换经济下的资产价格”一文，构建了“代表

27、性消费模型”，将宏观经济中的消费与风险资产的价格联系在一起，并给出了均衡状态下的资产定价公式。而后经济学的研究一直沿着这一模型进行改进，但由理论模型得出的股权溢价要远小于实际股权溢价，这就是“股权溢价之谜”。经济理论模型通过加入更多的变量进行着模型演进，但股权溢价之谜一直也没有解决好，在此框架下很多人讨论了股市收益对宏观的影响，如“财富效应”等。面对活跃的股票市场，大量的金融研究者则从资产定价模型入手加入宏观因素变量，计量了宏观变量对股票资产的影响，取得了丰富的成果。这类研究一是基于资产定价模型的拓展进行的，代表是APT模型，将宏观变量纳入到资产定价模型中，分析“风险敞口”问题；二是从资产定价

28、模型入手分析宏观变量对资产收益的影响，讨论了经济增长下的贴现、收益增长等，通过实证将宏观变量与股市资产相关联起来，但这些实证分析潜在有一个基于资产定价模型的假说那就是“市场有效”，这是宏观与股市关联实证过程中的适用性之谜。市场有效性假说对很多新兴市场国家是有一定的不适用性的。但总体来说这些基于资产定价模型进行的实证研究不仅在学术上有所推进，更在实际操作上得到了检验和改进，如Birr基金管理公司依据APT模型进行投资组合设计，美林公司依据宏观情景分析推出了自己的产业时钟理论，以此分析宏观变量对产业配置的影响。中国资本市场是一个新兴的市场，而且是一个有着明显制度转型特征的市场。中国的股票市场和市场

29、参与的机构同中国的银行等金融机构一样是“不破产”的，政府有潜在的“担保合约”，同时干预也就是必然的，在这样的市场下难以将宏观与资本市场纳入到统一理论范式中，宏观变量对股市影响在一个基本上“无效”市场上也是有限的。近年来随着机构投资人的增加，资本市场化进程的加快，资本市场的“有效性”加强，我们依据资产定价模型构造一个实证体系基本，首先从总体上利用协整模型对宏观变量和股票市场资产收益进行分析得出了“不稳定”和有限影响的基本结论，再深入到宏观变量对行业与上市公司的绩效影响的分析中得出了很多符合经济学假说的结论，为中国宏观变量与股票收益这一是否相关联的“谜”提供实证的探索和解释。本文分五个部分，第一部

30、分我们在综述前人的研究基础上提出我们的研究理论框架和协整计量方法；第二部分利用协整模型对宏观变量与股市收益进行有效性和稳定性分析，奠定关联分析的基础，从另一角度探索了市场的有效性影响；第三部分我们分析经济增长对行业业绩的影响；第四部分深化了行业分析；第五部分是结论。2宏观经济对股市收益影响的理论和协整分析2.1宏观经济对微观绩效的传递理论在有效资本市场上，金融资产的价格等于其未来现金流的折现价值。公式如下：P = （1） 理论上讲，任何未来现金流的改变都会直接影响金融资产的价格。影响未来现金流的资产预期增长率会同方向影响资产价格。必要报酬率（RRR）的变化则会反方向影响资产价格。必要报酬率由两

31、个基本要素构成：名义无风险收益率和与资产风险相对应的风险溢价。而名义无风险收益率则由实际利率和预期通货膨胀率构成。因此，一个国家的股指会受一些能够引起该国经济增长或是使实际利率，预期通货膨胀率和风险溢价发生改变的因素的影响。基于Chen，Roll和Ross（1986）所描述的“简单和直觉的金融理论”，我们假设利率，通货膨胀率，产出和货币供应量作为影响股票指数的变量。近20年来西方学者不仅从理论上研究这些变量的影响因素，而且进行了实证分析。Umstead和Fama的研究结果表明股票价格和实际经济增长存在正相关关系，Spiro和Cochran发现经济波动影响股票价格，宏观经济变量可以很好的解释股市

32、运动。Fama对通货膨胀与股市收益之间的关系进行了研究，于1981年提出：股票收益和通货膨胀之间存在的反向关系，其在本质上是通货膨胀与实体经济活动之间负相关关系的一种体现。对此，Geske和Roll（1983）则认为：通胀率和股市收益率的关系反映了政府支出，实体经济环境与预算赤字引致的货币化，这三者的变化。Marc Chopin和Maosen Zhong（2000）利用Johansen和Juselius的协整检验方法和向量误差修正模型来检验股票收益率和通货膨胀率之间的关系。然而，在他们所考察的时期内（第二次世界大战之后的数据），联邦储备银行似乎并没有因为政府赤字而加大货币供给，政府赤字也没有对

33、实体经济产生影响，他们发现当经济向长期均衡运动时，实体经济和货币供应量的短期变化可能会引起“伪相关”。也就是说，二战之后股市收益率和通货膨胀的反向关系来源于实体经济和证券收益的长期均衡。当均衡被打破的时候，实体经济环境和货币活动都进行调整使得整个经济体系归于均衡状态。当通货膨胀和股市收益对这些调整做出反应时，股票市场的参与者预测实体经济，货币供应量和通货膨胀将发生变化，此时，伪的负相关就出现。James，Koreisha和Partch（1985）检验了实体经济活动，通货膨胀，货币供应量和股市收益率之间的葛兰杰因果关系，并使用一个向量自回归移动平均模型，最终证明了股市收益率与基础货币增长率有很强

34、的联系。Naka，Mukherjee 和Tufte研究了印度股票市场和其国内宏观变量之间的关系，发现通货膨胀率是印度股票市场表现最具有决定意义的影响因素，同时，国内产出增长率也是它的主要驱动力。但由于中国市场的弱有效性，上述研究成果可能并不完全适用与中国股市。中国股市具有典型的非有效特征，大量与公司基本面无关的信息主导着市场。李心丹（2001）通过对数千位个人投资者的问卷调查和对实际交易数据的实证研究发现，我国证券投资人普遍存在着“庄家情结”和“代表性偏差”（相信历史会重演，Debondt和Thaler（1985）；施东晖（2001）、宋军和吴冲锋（2001a）、孙培源（2002）也都通过实证

35、研究证实中国股市上“羊群效应”（跟随其他人的投资策略）显著，其程度高于美国股市，股民普遍存在着跟庄心理；汪炜（2002）发现我国股市规模效应显著，但不同于美国市场的指数股溢价现象，A股股市在2002年以前普遍存在着小盘股的溢价；施东晖、攀登和曹敏（2003）通过对四个营业部20392个交易帐户的统计分析发现，有三分之二的投资人是技术分析的追随者，有超过三分之一的投资者在做出买卖决策时使用动量策略，即通常所说的“追涨杀跌”；而鹿长余、石世磊（2003）发现中国股市上的值不仅不具有稳定性，而且对收益率的解释力也较弱。此外，我国股市还具有显著的股价平均化和波动趋同化的特征：截至2003年底，A股市场

36、上没有低于均价1/4的股票，而在美国股市上这类公司占到了上市公司总数的50%左右；同时，股票市场“同涨齐跌”现象严重，系统风险占到总风险的2/3（波涛（1998），远高于美国的1/4。总之，股价与公司真实业绩的关联度低，蓝筹股和亏损股在股价上不能实现有效分层。这种股价与真实业绩之间的弱相关性也在一定程度上损害了宏观经济变量与股市收益率之间的联动性。基于以上原因，本文除了在传统意义上研究宏观经济与股市收益率之间的直接关系外，更进一步将宏观经济与股市收益率之间的两个传导环节隔离开来，并重点研究第一个环节的有效性及其作用机制即，宏观经济对上市公司微观基础的影响力。宏观经济股市收益率上市公司微观基础G

37、DP上市公司收益规模其他经济变量上市公司收益质量图1 宏观经济对股市收益率影响的传导机制图在总体上我们利用协整模型对宏观变量与股市收益进行分析，研究关联中的稳定性和有效性，从另一角度实证了市场的有效性，为我们上述的分析框架打下一个市场有效性的基础。2.2 协整方法和变量选择在实证研究方面，近年来基本都是通过协整模型进行长期均衡与短期误差的分析，这对于宏观与股市的相关理解是极其有意的，本文也采用这一实证方法。通常情况下，大部分的时间序列为非平稳时间序列，而传统计量模型都是以“经济时间序列平稳”这一假设前提设计的。Granger首先提出了虚假回归问题，之后于1987年的论文中正式提出了协整（Coi

38、ntegration）的概念。经过许多经济学家、统计学家的深入研究，协整从理论到实践都有了飞速的发展，现在已经成为经济计量学的主要处理方法。协整的定义是：对n+1维向量Z = (X1,，Xn, Xn+1)T, Xi I(d),i =1,2, ,n+1,若存在某一常向量，使得则称为系统Z的协整关系，或说变量X1,，Xn, Xn+1之间存在协整关系，成为协整向量。若存在r个这样的线性关系，此时为矩阵，其秩为r，称为协整秩。对P阶VAR模型 （2）其中，yt是m维非平稳I(1)序列，xt是d维确定性变量，是新息向量。经过变形，可将其改写为 （3）其中由于经过一阶差分的内生变量向量中各序列都是平稳的，

39、所以若构成的各变量都是I(0)时，才能保证新息是平稳过程。此时存在三种可能。首先，矩阵可能是零矩阵，这就是说的秩等于零。其次，矩阵可能是满秩阵，秩等于m。第三种情况是矩阵是不满秩的，即0 < rank=r <m,这时能够被分解为T,这里、都是（m×r）参数矩阵。矩阵包含了r个协整关系，它的每一行构成一个协整向量。矩阵称为调整参数矩阵。对于多变量时间序列的协整检验，常用的除了Johansen极大似然法，还有两步法。两步法虽然简单易懂，但有较多的假定条件，忽略其假定的前提条件可能导致错误的结论。而极大似然法对参数做联合估计，对变量的协整关系作系统性分析，不需要任何假定条件，也

40、不需要了解模型的动态结构模型的结构、变量的内生性和外生性以及协整向量的个数都是检验的结果。因此，该方法是较为理想的方法。本文中我们使用Johansen极大似然协整检验方法。Johansen极大似然协整检验方法基于典型相关分析，使用降秩的回归技术其目的是要检验矩阵的秩。检验最终的协整关系数目的第一个检验统计量由Johansen（1988）提出，这就是所谓的迹统计量（Trace test statistic）: Trace = -n （4）这一迹检验的零假设就是，存在至多r个协整关系。从检验不存在协整关系（r0）和存在一个协整关系这一对假设开始。如果零假设被拒绝，再检验至多存在一个协整关系和存在二

41、个协整关系这一对假设。如果最后当至多存在r = m-1个协整关系的零假设被拒绝时，就发现Yt向量序列是平稳的。通常会得到至多r -1个协整关系的零假设被拒绝，而对于至多r个协整关系的零假设却不能拒绝。2.3宏观对股指收益的影响实证研究表明，在处理股市数据时，使用月度数据比用日度时间序列数据更具有鲁棒性（Aggarwa-Rivoli1989、Chen-Mak1992），这一结论也得到Maldanado和Saunder(1981)、Errunza和Rosenberg(1982)、Philppatos(1983)等其他人的认可。史代敏（1996）用ARCH模型检验了中国市场的有效性，认为1995年以

42、前中国股市不存在弱有效性。我国学者多数认为1996年后中国股市具有弱有效性，根据市场有效性定义，如果股票市场是有效的，则股价能充分反映出宏观经济、上市公司、市场需求等相关信息。反过来宏观经济变量对股价的影响就应该与理论的假定相符，如果不符，则间接表明市场并不存在有效性。根据以上结论，本文选用19962004年的季度数据对中国股市进行实证分析。数据来自聚源数据投资分析系统。我们在这里分别用GDP，GDP增长率作为国民经济对股市影响的两个考察指标。GDP序列存在季节性，经过季节调整，记为GDPSA。我国现货币统计制度将货币供应量划分为流通中的现金M0、狭义货币供应量M1、广义货币供应量M2三个层次

43、。一般以M2作为调控的重点，原因是它的流通速度较为稳定，能更正确的反映购买力的变化，而且它的数量受公众对货币流动性偏好的影响更小。我国部分学者的实证结果也表明M2对经济的影响较其他指标更具有鲁棒性（邓述惠1999）。因此，我们在本文中选用M2作为货币供应量的指标。通货膨胀一般用居民消费价格指数来计算，记为INF，公式如下：通货膨胀率本月居民消费价格指数/上月居民消费价格指数1 本文选用一年期实际存款利率作为名义利率。实际利率记为LILV，计算公式为：实际利率名义利率通货膨胀率各变量时间序列的走势见表1。表1 各变量时间序列走势图变量取对数可以消除数据的异方差性，同时将指数趋势转换为线性趋势。本

44、文对INDEX,M2,GDPSA取对数后记为LINDEX,LM2,LGDPSA。GDPTH，INF和LILV由于已经是变化率，因此不再取对数.231变量的单位根检验在检验各变量之间的协整性之前，首先用ADF单位根检验方法来检验时间序列的单整阶数，再进行协整关系的存在性检验。检验结果如下。表2 时间序列LINDEX，LM2，LGDPSA，GDPTH，LILV，INF的ADF单位根检验变量ADF 统计量5临界值1临界值检验形式（c，t，k）结论LINDEX-2.678-2.953-3.642（c，0，1）非平稳(LINDEX)-5.750-2.956-3.650（c，0，1）平稳LM2-2.844

45、-3.208-4.261（c，t，1）非平稳(LM2)-3.364-2.956-3.650（c，0，1）平稳LGDPSA0.032-3.551-4.271（c，t，1）非平稳(LGDPSA)-2.649-2.956-3.650（c，0，1）非平稳2(LGDPSA)-5.952-2.960-3.658（c，0，1）平稳GDPTH-2.057-2.953-3.642（c，0，1）非平稳(GDPTH)-4.486-2.956-3.650（c，0，1）平稳LILV-1.839-3.551-4.261（c，t，1）非平稳(LILV)-6.744-2.956-3.650（c，0，1）平稳INF-2.187

46、-1.951-2.634（0，0，1）平稳注：（1）ADF检验的原假设H0: 含有单位根，即序列是非平稳时间序列；检验方程：Yt = Yt-1 +1Yt-1 +2Yt-2 +.+k Yt-k +t；（2）检验形式中的c和t表示带有常数项和趋势项，k表示滞后阶数；（3）ADF的临界值来自软件EVIEWS3.1；（4）表示变量序列的一阶差分，2表示二阶差分。 通过ADF检验结果可以得知，时间序列INF是平稳时间序列，即I(0)序列；LINDEX、LM2、GDPTH、LILV均为非平稳的一阶单整序列，即I(1)序列；LGDPSA是二阶单整序列，即I(2)序列。根据协整理论，不同单整阶数的时间序列之间

47、不存在协整关系。因此，INF与LINDEX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19962004年之间通货膨胀率与股指没有关系。同样，LGDPSA与LINDEX之间也不存在长期协整关系，也就是说，在同样的时间段内GDP值与股指没有关系。下面我们接着考察GDP增长率GDPTH、广义货币供应量LM2、利率LILV与股指之间的协整关系。232协整检验虽然时间序列LINDEX，LM2 ，GDPTH是非平稳的一阶单整序列，但其可能存在某种平稳的线性组合。这个线性组合反映了变量之间长期稳定的比例关系，即协整关系。本文使用Johansen(1995)多变量系统极大似然估计法对多变量时间序列进

48、行协整检验。Johansen协整检验是一种基于向量自回归模型的检验方法。最一般的VAR模型数学表达式为： （5）通常希望滞后期p和r足够大，从而完整反映所构造模型的动态特征。但另一方面，滞后期越长，自由度就越少。一般根据AIC、SC信息准则和LR统计量做为选择最优滞后阶数的标准。通过变量之间的多次Johansen协整检验，我们发现，广义货币供应量LM2、利率LILV与股指之间不存在协整关系。而只有GDP增长率GDPTH与股指之间存在协整关系。检验模型的滞后阶数取二阶，并且选择常数项约束在协整空间内并且协整方程有截距。协整检验从检验不存在协整关系这一零假设开始逐步检验（见下表）。从零假设H0:

49、r=0开始，迹统计量的值为16.07883，大于5%显著性水平的临界值15.41，表示应拒绝零假设H0: r=0，接受备择假设H1: r1。在接下来的检验中，零假设H0: r1在1的水平上被接受。在1的显著水平上，变量之间有且仅有一个协整关系。表3 Johansen协整检验结果单位根迹检验统计量5显著性水平临界值1显著性水平临界值原假设 0.221879 16.07883 15.41 20.04 None* 0.108769 3.600004 3.76 6.65 At most 1 注：*表示在5的显著性水平上拒绝原假设；临界值来自软件EVIEWS3.1。长期均衡方程如下：LINDEX = 0

50、.099GDPTH 8.101 (0.045) (1.163)ecm = LINDEX-0.099GDPTH +8.101协整系数下面括号中的数字为渐进标准误。GDP与股市收益率有5%置信区间下的显著协整关系对应GDP增长率1个百分点的上升，股市收益率上升约0.1个百分点。ecm是误差校正项，它反映了变量在短期波动中偏离它们长期均衡关系的程度。对协整方程的残差进行平稳性检验。通过ADF单位根检验，其统计量在5%的显著水平上小于临界值，残差是平稳序列。说明了GDP增长率与股指之间存在长期协整关系。LINDEX与GDPTH的向量误差校正模型(VECM)如下：Yt = Yt-1 + + （6）Y =

51、 (LINDEX GDPTH)T, vecmt = (1 -0.099) Yt + 8.101ecm为负体现了均衡误差对Yt的控制，其大小表示了控制的力度。VECM中的第一个方程中误差校正项的系数是-0.289，表示当股指的短期波动偏离了长期均衡状态的1时，误差校正项就会减少0.289%，使股指的波动减小，股指走势向均衡状态调整。表4 VECM模型整体检验结果 Determinant Residual Covariance 0.004382 Log Likelihood 14.051319 Akaike Information Criteria -0.851595 Schwarz Criter

52、ia -1.305082VECM模型整体检验结果表明，模型整体的对数似然函数值较大。同时，AIC和SC值较小。这说明模型的整体解释能力较好。下面，我们再做模型的鲁棒性检验。由上述计量检验可知，除GDP外，其他各项宏观经济指标（M2、利率和通货膨胀率）与股市收益率之间的相关性均通不过协整检验，只有GDP与股市收益率有95%置信区间下的协整关系对应GDP增长率1个百分点的上升，股市收益率上升0.1个百分点。根据Johansen.S. & Juselius.K(1990)的观点，模型具有鲁棒性是指取不同滞后期时，各估计参数符号不变。可是当我们把模型的滞后期选择为三期，四期，甚至再大几期时，两

53、变量GDPTH与LINDEX之间就已经不存在协整关系了。协整关系在滞后2期以后就消失了，显示在整个样本期内GDP对股市的长期影响并不稳定，模型可能发生了结构性变化，但由于时间序列较短，我们无法再对样本数据进行分段检验了。总体来说，在我们所考察的时间段内，GDP增长率与股指之间存在不稳定的正向关系。233方差分解在考察VAR模型时，还可以采用方差分解方法研究模型的动态特征。方差分解的主要思想是把系统中每个内生变量（共m个）的波动（k步预测均方误差）按其成因分解为与各方程信息（随机误差项）相关联的m个组成部分，从而了解各信息对模型内生变量的相对重要性。方差分解不仅是样本期间以外的因果关系检验，而且

54、将每个变量的单位增量分解为一定比例自身原因和其他变量的贡献。由分析结果（表5）可见，从第六步预测起，GDP的增长率的信息对股指的影响逐渐增大，但其信息的影响没有超过股指预测误差的30。这说明了以下两点：首先，GDP的增长率在未来对股指的影响虽然逐渐加大，但依然很有限。其次，虽然到了第10 步预测，股指的预测误差其自身解释部分所占比例仍然高达约70，但是宏观变量在未来两年至三年内（每一步预测的时间段是一个季度）会以越来越重要的作用影响股指走向（到了第10步预测接近30）。表5 LINDEX的方差分解时期S.E.LINDEXGDPTH10.117095100.00000.00000020.1411

55、7099.794040.20595630.15175499.187420.81258540.15949197.040182.95982450.16597393.696006.30399760.17211989.4675710.5324370.17831684.7555315.2444780.18465379.9053920.0946190.19111475.1545524.84545100.19764970.6460229.353983上市公司基本面与宏观经济变量31 变量选取宏观的增长落实到微观个体上既可以表现为收益规模的扩张（收入增长），也可以表现为收益质量的改善（利润率）的上升，两者复合

56、的结果构成净利润的变化。其中利润率又可以细分为经营利润率和投资回报率，前者主要反映了竞争环境的激烈程度，而后者则主要反映了经济的增长模式。鉴于此，我们分别考察了宏观经济变量对上市公司主营业务收入增长率、主营业务利润率、净资产回报率（ROE）和净利润增长率的影响，以全面分析宏观经济对微观个体的影响方式。 3.2 数据处理数据的时间段为19962004的半年度数据，共18个数据。在样本量过少的情况下，协整方法的检验不具有有效性，因此，我们使用普通最小二乘回归法作为建立模型的工具。变量及单位说明：ZYLR主营业务利润率ZYSR主营业务收入增长率ROE净资产回报率JLR净利润增长率以上数据均以期间全部上市公司报表披露值的算术平均值计算，但将两极数据进行归类处理，即增长率大于100%的数据按100%处理，增长率小于-100%的数据按-100%处理。GDPTH1 中国GDP增长率，单位：CPI消费价格指数，单位：RJSR人均收入，单位：人/元 M1狭义货币供应量，单位：亿元CZZC财政支出，单位：亿元SJGDPTH世界GDP增长率，美日两国实际GDP增长率的算数平均，单位：HL实际汇率 ，单位：人民币/100外币 NYJG能源价格，单位：桶ZYJG资源价格，取铜、铝期货价格算术平均 DKY