安徽新型工业化与资本市场的脉冲响应分析

1、.：.；安徽新型工业化与资本市场的脉冲呼应分析我们假定安徽新型工业化进程与资本市场的开展是相互配合、调和一致的，且两者的开展程度由低级向高级逐渐提升。当新型工业化程度较低、综合指数较小时，资本市场筹资规模也不大、开展程度也不高；而当资本市场筹资额加大时，新型工业化程度也有所提高，新型工业化与资本市场之间那么坚持较优的协调形状。然而，这样的分析并不能清楚地得出，安徽新型工业化进程的加快能否是资本市场不断开展完善而推进的，同样，安徽资本市场的成熟能否有新型工业化程度提高而促进的要素；此外，假设两者是相互促进、相互驱动的，那么一方在另一方的开展过程中的奉献究竟有多大，均需求进一步深化准确地分析。为了

2、详细分析安徽新型工业化与资本市场之间相互影响的程度，本文将在向量自回归模型Vector Autoregressive Model，VAR模型根底上研讨两者的动态特性，主要技术手段是VAR中的脉冲呼应函数和方差分解。一、模型的建立1980年Sims提出了向量自回归模型，该模型采用多方程自回归模型的联立方式，本质上是一种非构造化的多方程模型，即它不以经济实际为根底，而是用数据本身来确定模型的动态构造。VAR模型通常用于相关时间序列系统的预测和随机扰动对变量系统的动态影响分析，模型避开了构造建模方法中需求对系统中每个内生变量关于一切内生变量滞后值函数的建模问题，不需求对变量的内生性和外生性进展假定，

3、即可以将VAR模型中一切的变量都看作是内生的。这些内生变量共同组成一个封锁系统，然后运用最小二乘OLS或最大似然Maximum Likelihood等多种方法进展参数估计。但由于VAR模型的参数估计量只具有一致性，单个参数估计值的经济意义并不明确，因此要对VAR模型做出详细的结论，必需借助脉冲呼应函数和方差分解。脉冲呼应函数Impulse Response Functions，IRF用于衡量随机扰动项的一个规范差冲击对内生变量当前值和未来值的影响，并且扰动项对某一变量的冲击影响经过VAR模型的动态构造传送给其他一切的变量。而方差分解Variance Decomposition那么是把VAR系统

4、中每个内生变量的动摇按其成因分解为与各方程新息相关联的组成部分，从而了解各新息在模型变量动态变化中的相对重要性。本文经过建立关于安徽新型工业化综合指数GYH与中长期贷款余额XD、股票市场筹资额GP之间的三变量VAR模型，让数据本身来确定模型的动态构造，这是在目前没有成熟的相关经济实际指点的情况下，研讨新型工业化与资本市场动态关系的一种可靠的技术手段。在建立VAR模型后，绘制其脉冲呼应曲线图，可以明晰地勾画出安徽新型工业化程度和直接、间接筹资方式的扰动传送情况，从而察看安徽新型工业化程度对两种筹资方式冲击的反响。而方差分解技术将从另一个角度描画两种筹资方式的冲击在新型工业化程度动态变化中的相对重

5、要性。VAR模型最普通的VAR模型的数学表达式为： 1其中，是维内生变量向量，为常数向量，1，2，为系数矩阵，为维误差向量，其协方差矩阵为，且，。在实践运用中，通常希望滞后期足够大，从而可以完好地反映所构造模型的动态特征；但另一方面，滞后期越长，模型中待估计的参数就越多，自在度就越少。因此，为了在滞后期与自在度之间寻求一种平衡形状，普通根据和信息量取值最小的原那么或LR法确定模型的滞后阶数。脉冲呼应函数与脉冲呼应曲线图在随机扰动项上加一个规范差大小的冲击会对内生变量的当前值和未来值产生一定的影响，脉冲呼应函数就是用来跟踪这种影响的。调查一个简单的双变量一阶向量自回归模型VAR：其中，和是VAR

6、中的内生变量，是随机扰动项或新息Innovation。在VAR中，发生变化，不仅会立刻改动的当前值，同时也会经过当前的值影响到变量和今后的取值，由于的滞后项在两个方程中都是解释变量。脉冲呼应函数就是试图描画这些影响的轨迹，显示恣意一个变量的扰动如何经过模型影响一切其他变量，最终又反响到本身的过程。假设新息和之间是不相关的，那么脉冲呼应可以直接进展解释，即是的新息，是的新息。但新息之间普通都是相关的，它们将包含一个不与某特定变量相联络的共同成分，故无法将新息单独指派给某一变量。通常，将共同成分的效应归属于VAR系统中第一个出现按照方程顺序的变量。为了处置这一问题，常引入一个变换矩阵与新息相乘，使

7、得：从而把的协方差矩阵变换为一个对角矩阵。目前，用于此变换的方法有很多，常用的一种是乔利斯基Cholesky分解法，其经过将新息正交化而使得每个变量的相对影响可以别分开来。将脉冲呼应函数绘制成脉冲呼应曲线图，那么可以更直观地分析冲击对每个内生变量的动态影响。假设脉冲呼应曲线趋于0，阐明一变量暂时变化对另一变量没有耐久影响；假设趋于某一数值，那么阐明一变量暂时变化对另一变量有耐久影响；假设脉冲呼应曲线位于零坐标线上方，即显示一变量暂时变化可引起另一变量同向变化；假设曲线位于零坐标线下方，那么表示一变量暂时变化可引起另一变量反向变化。方差分解法Sims于1980年提出的方差分解法，提供了一种判别经

8、济序列变量间动态相关性的重要方法。方差分解本质上是一个新息计算Innovation Accounting过程，是将系统在不同预测期限的预测均方误差Mean Square Error，MSE分解为系统中各变量冲击所作的奉献。方差分解的主要思想是将系统中每个内生变量共个的动摇步预测均方误差按其成因分解为与各方程新息相关联的个组成部分，从而了解各新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，而且可以将每个变量的单位增量分解为一定比例本身缘由和其他变量的奉献。对于式1所示的阶向量自回归过程，假设为平稳随机过程，那么可将其表示为无穷向量挪动平均过程： 2利用Choleshy分

9、解法，将式2变换成： 其中，为一非奇特下三角矩阵，；，表示系统对单位冲击新息的反响；，。那么的步预测均差误差为：第个变量的新息对第个变量的步预测均差误差的奉献为： 3其中，是矩阵的第个元素。由式3可以测算VAR模型系统中恣意一个内生变量的预测均方误差分解成系统中各变量的新息所做的奉献，估算该变量奉献占总奉献比例随时间变化而变化的特征，研讨变量在系统中的作用以及它的变化对系统内其他变量的影响。二、安徽新型工业化与资本市场的动态分析VAR模型的建立与参数估计本文建立VAR模型所采用的变量为19932003年安徽新型工业化综合指数GYH、中长期贷款余额XD和股票市场筹资额GP。为了防止数据的猛烈动摇

10、，先对各序列进展对数化处置，分别记为LGYH、LXD、LGP。由于本文研讨数据的期限限制，因此所建立的VAR模型的最优滞后步长为1阶。需求留意的是，由于冲击对变量的冲击顺序非常敏感，根据Sims1980和Zhou1996提出的冲击顺序，应该先是不易受影响的变量如弱外生变量，后是与之相关的内生变量，最后是其他内生变量，故在此原那么上，确定本文的冲击顺序为GP、XD、GYH。根据式1建立如下向量自回归动态方程： 利用计量分析软件Eviews3.1建立LGP、LXD、LGYH三变量的VAR模型，参数估计及检验结果见表1至表3：表1 VAR模型参数估计值变 量LGPLXDLGYHLGP(-1)-0.0

11、33190-0.0071990.002498(0.26617)(0.02690)(0.01478)(-0.12469)(-0.26759)(0.16904)LXD(-1)4.2678080.3397840.070388(2.45460)(0.24808)(0.26)(1.73870)(1.36965)(0.51657)LGYH(-1)-9.2815832.6041710.691521(9.98372)(1.00903)(0.55422)(-0.92967)(2.58086)(1.24773)C-29.009725.926675-0.597621(21.3495)(2.15774)(1.1851

12、6)(-1.35880)(2.74670)(-0.50425)注：表中参数估计值下面的第一个括号内的数字是估计系数规范差，第二个括号内的数字是t检验统计量值。表2 VAR模型各方程检验结果被解释变量LGPLXDLGYHR-squared0.5847120.9657950.854162Adj. R-squared0.3770680.9486930.781243Sum sq. resids7.9389580.0810940.024465S.E. equation1.1502870.1162570.063855F-statistic2.81593456.4711111.73Log likelihoo

13、d-13.035379.88426415.87610Akaike AIC3.407074-1.176853-2.375221Schwarz SC3.528108-1.055819-2.254186表3 VAR模型整体检验结果Determinant Residual Covariance2.13E-06Log Likelihood22.72602Akaike Information Criteria-2.145204Schwarz Criteria-1.782102从表1中的统计量值可以看出，每个方程都仅有约三分之一的滞后项经检验是显著的。而表2中三个方程的检验结果阐明，后两个方程的拟合效果较好

14、，但第一个方程的、和F统计量值都较低，这阐明LGP、LXD和LGYH三个变量的上一期变化对LGP本期的总影响是不显著的，LGP的变化主要由模型之外的其他变量来决议。然而，在建立VAR模型时普通不根据检验的显著与否来进展变量的挑选，而是保管各个滞后变量。故有如下的向量矩阵方式：LGP、LXD和LGYH的脉冲呼应分析为了更加清楚地了解LGP、LXD、LGYH这三个变量的动态特征，运用三者的VAR模型，对其进展脉冲呼应分析，即计算一个规范差大小的LGP、LXD、LGYH冲击分别对LGP、LXD和LGYH的影响。由此在Eviews3.1中得到脉冲呼应表表4至表6和脉冲呼应曲线图图1至图3。表4 LGY

15、H的脉冲呼应表PeriodLGPLXDLGYH10.0103540.0434850.02117420.0126280.0355170.01464230.0114580.0341990.01640.0111550.0342040.01450.0110730.0338260.00060.0109420.0333700.01340570.0107990.0329420.01323180.0106610.0325240.01306490.0105260.0321100.012898100.0103920.0317020.012734图1 LGYH对各变量单位冲击的呼应曲线由表4和图1可知，LGYH遭到

16、LXD的脉冲呼应要强于LGP和其本身对它的脉冲呼应。当在本期给LXD一个规范差的新息后，LGYH立刻有较强呼应，添加了0.043，之后LGYH虽有缓慢下降的趋势，但可以看出无论从短期还是长期来说，LGYH对LXD的冲击皆具有显著、稳定的正向呼应，由强渐弱，长期趋于0.03，LXD对LGYH的效应时滞为1期。LGYH对其本身的冲击在第1期添加了0.021，第2期有所下降，但长期坚持微弱的正向影响。LGYH对LGP的脉冲呼应在第1期几乎没有反响，到第2期才较为明显，但影响时间不长，到第6期根本上只需0.01的微弱正影响，LGP对LGYH的作用时滞为2期。表5 LXD的脉冲呼应表PeriodLGPL

17、XDLGYH10.0460650.0773790.00000020.0362020.5340.05514130.0446760.1404330.05828240.0447670.1348460.05423850.0436620.1329270.05328060.0430610.1314640.05279970.0425450.1298060.05214680.0420070.1281410.05147090.0414710.1265090.050814100.0409430.1249010.050168图2 LXD对各变量单位冲击的呼应曲线由表5和图2可知，LXD受本身的冲击影响最大，当在本期

18、给LXD一个单位冲击后，LXD随即添加0.077，在第3期到达峰顶，之后LXD缓慢下降并趋于稳定，长期趋于0.12。LXD对LGYH的一个规范差的新息在第1期没有影响，第2期比较显著，第3期呼应最大，后趋于稳定，作用时滞2期。而LGP的冲击对LXD在短、长期皆具有正向呼应，除第2期外，不断坚持0.04的稳定程度。LXD受三个变量的冲击具有显著的正向影响，大致在第4期后趋于稳定。表310 LGP的脉冲呼应表PeriodLGPLXDLGYH10.8910080.0000000.00000020.070919-0.073372-0.19653030.0349430.2682840.10595040.

19、0831610.2730130.11977150.0847570.2489660.10022160.0807570.2450820.09783070.0795370.2432030.09766780.0787000.2401660.09650390.0777120.2370350.095211100.0767130.2340150.093994图3 LGP对各变量单位冲击的呼应曲线由表6和图3可以得出，LGP受其本身的单位冲击具有长期正向呼应，在第一期时最为显著，随后迅速下降，在第3期呼应最小，第4期后稳定在0.08左右。LGP对其他变量LGYH、LXD的新息在第1期均没有反映，在第2期跌至低

20、谷，呈现微弱的负效应，之后又同时上升，在第4期到达峰顶并趋于稳定，LGP对LXD的冲击呼应长期趋于0.23，影响较为显著，而对LGYH的脉冲呼应长期趋于0.09，与本身的冲击影响效果相当，LGYH对LGP的作用时滞为3期。LGP、LXD和LGYH的方差分解分析脉冲呼应分析思索了各种冲击对LGP、LXD和LGYH的影响，为了进一步调查三个变量彼此的动摇性，利用方差分解技术对LGP、LXD和LGYH各变量的预测均方误差进展分解，并计算出每个变量冲击的相对重要性。方差分解的结果见表7至表9和图4至图6。表7 LGYH的方差分解表PeriodLGPLXDLGYH14.38216177.2918118.

21、3260326.53320277.2303516.2364437.15056477.6586515.1907847.41215977.9239314.6639257.58861378.0760514.3353367.71474978.1804814.1047777.80693678.2578813.9351987.87726678.3171313.8056097.93280078.3638713.70333107.97774878.4016913.62056图4 LGYH的方差分解从表7和图4可以看出，LXD的冲击对LGYH影响最大，且根本稳定在78%左右，阐明间接融资方式长期对安徽新型工业化

22、程度的影响是显著的。而LGP的冲击对LGYH的影响在第2、3步预测中有微弱上升后，不断处于8%以下，因此，不论从短期还是长期来看，直接融资方式对安徽新型工业化的影响都比较小。这与脉冲呼应分析的结论相吻合。表8 LXD的方差分解表PeriodLGPLXDLGYH126.1665073.833500.000000210.7501079.727479.52243439.51621279.1989911.2848049.27052379.0309511.6985359.10330278.9871211.9095868.98956978.9590412.0514078.91295478.9378312.

23、1492188.85757978.9224012.2200298.81541978.9107612.27382108.78227378.9016212.31611图5 LXD的方差分解图从表8和图5可知，LXD的预测方差主要其本身的冲击，从第2步预测开场就不断坚持在78%左右；LGYH的冲击对LXD的影响不大，只是随预测步长的延伸而逐渐增大，但其新息的影响没有超越LXD预测方差的13%；而LGP的冲击对LXD的影响那么呈下降趋势，在第1步预测时其新息的影响占LXD预测方差的26.17%，在第2步时迅速下降为10.75%，之后就不断处于9%以下。表9 LGP的方差分解表PeriodLGPLXDL

24、GYH1100.00000.0000000.000000294.779240.6386564.582100386.282578.3419915.375441478.8799214.845896.274196573.8635519.401956.734505669.6437823.244817.111414765.9808926.572307.446812862.8080229.454017.737971960.0371731.971027.9918111057.5955534.189008.215452图6 LGP的方差分解图表9和图6阐明，LGP的动摇主要受本身冲击的影响，虽然这种影响呈明显

25、的下降趋势，但依然占50%以上。LXD和LGYH的新息对LGP的预测方差奉献均在第2步预测时才开场显现，但LXD的冲击对LGP的预测方差奉献增长较快，由第2步预测时的0.64%上升到34.19%，阐明从长期来看，安徽间接融资方式对直接融资的影响不容忽视；而LGYH的新息对LGP的影响那么处于缓慢增长态势，长期趋于8%左右。三、根本结论经过以上实证分析，可以得出以下结论：1从安徽新型工业化角度来看：经过脉冲呼应分析可知，不论长期还是短期，中长期信贷市场和股票市场对安徽新型工业化进程均有正向影响，可见，安徽资本市场对新型工业化进程的推进具有积极作用，但两者的影响力度有所不同，中长期信贷市场对新型工

26、业化的影响明显大于股票市场对其的影响。安徽中长期信贷市场对新型工业化的影响长短期均较为显著，且作用时滞为1期；而安徽股票市场对新型工业化的影响那么相当微弱，作用时滞为2期，其整体作用效果不及中长期信贷市场对新型工业化影响的三分之一。从对LGYH的预测均方误差分解可知，中长期信贷市场的冲击对安徽新型工业化的动摇有相当大的解释作用，奉献比例不断维持在78%左右；而股票市场对安徽新型工业化预测方差的奉献不断处于8%以下，阐明安徽资本市场的开展对推进新型工业化进程是有利的，但直接融资方式对安徽新型工业化的影响明显小于间接融资方式，这与脉冲呼应分析的结论相吻合。以上结论阐明，在当前的安徽新型工业化进程中，直接融资方式仍不能取代间接融资的主体位置，金融机构的中长期贷款仍是企业筹集资金的重要来源；此外，由于目前安徽股票市场的运作还不太规范、构造也不太合理、募集资金运用效率欠佳、政策性风险突出等问题的存在，影响了股票市场直接筹资方式对安徽新型工业化开展的成效发扬。2从安徽资本市场的角度来看：经过脉冲呼应分析可以看出，安徽新型工业化进程的推进对中长期信贷市场和股票市场长期均有显著的正向影响，而且此影响要大于安徽资本市场对新型工业化的影响程度。安徽中长期信贷市场受