基于VAR模型我国汇市和股市波动性的协整分析

1、基于 VAR模型我国汇市和股市波动性的协整分析成都信息工程学院 邢景丽、姚丁心、张应鹏目录摘要2 TOC o 1-5 h z Abstract2. HYPERLINK l bookmark8 o Current Document 一、研究背景 2.（一）资本市场和外汇市场存在的问题和现状 2. HYPERLINK l bookmark12 o Current Document （二）对我国汇市和股市波动性研究的文献分析 3. HYPERLINK l bookmark14 o Current Document 二、本文研究思路和创新点 4. HYPERLINK l bookmark16 o Cu

2、rrent Document 三、实证分析 4. HYPERLINK l bookmark18 o Current Document （一）数据选择 4.（二）实证结果和分析 5. HYPERLINK l bookmark20 o Current Document 1.平稳性检验 5. HYPERLINK l bookmark22 o Current Document 2.协整检验5.3.Granger 因果关系检验 7.向量误差修正模型 （VECM）估计8.脉冲响应函数 (Impulse Response Function分) 析 8.方差分解( Vanriance Decompositio

3、n) 分析1. 0 HYPERLINK l bookmark24 o Current Document 四、结论和建议 1.1. HYPERLINK l bookmark26 o Current Document 参考文献 1.2.基于 VAR模型我国汇市和股市波动性的协整分析摘要汇率和股价的理论关系在解释上比较明确， 但是实证结果却各不相同。 本文以 2008年 1 月2到2011年 5月6日的人民币对美元汇率、上证综指和深成指数为样本空间，建立了VAR模型，实证分析了汇率和中国沪深两市主要股票指数之间的长期和短期相互关系。结果表明， 汇率和股指存在稳定的长期均衡关系；汇率和股市指数在不同滞

4、后阶数时存在不同的 Granger因果传递关系。汇率对股价的影响大于股价对汇率的影响。关键词 ：人民币对美元汇率；上证指数；深成指数The Cointegration Analysis of Volatility and V AR Modelsbetween foreign exchange market and stock market in ChinaAbstractThe relationship of stock price and exchange rate in theory is clear, but the empirical results are different. Th

5、e paper data is based on 1 January 2008 and 6 May 2010, selecting the exchange of Yuan to the dollar, The Shanghai index and Shenzhen composition index stock for the sample space, building the VAR model, empirically analysising the relationship of the exchange rate and the Chinese main stock index i

6、n short and long-term time. Results show that the stock and exchange rate exists the stability of the long-run equilibrium relationship, there are different relationships of Granger causality because of different lag orders between Exchange rate and the stock market index. The impact of exchange rat

7、e on the stock price is greater than the impact on the exchange rate.Keywords: RMB exchange rate for the dollar, The Shanghai index, Shenzhen composition index一、研究背景一）我国汇市和股市的热点问题和现状外汇市场和证券市场是金融市场的重要组成部分， 它们的协调发展直接关系 到金融市场的健康稳定发展。 汇率的变动不仅影响着一国宏观经济运行状况， 同 时会影响到微观经济主体的经营行为和公司绩效，进而引起公司股价的波动。自2008年下半年以来

8、， 资本市场和外汇市场的改革， 极大地提高我国金融领 域的市场化程度。 加强了汇市和股市的联系。 外汇市场和股票市场的波动联动关 系越来越受到国内外学者的关注和重视。 结合后金融危机下的背景， 选用更长并 且最新的时间数据段，采用 VAR模型来实证分析我国外汇市场和股票市场的波动 联动关系。汇率和股价的理论关系在解释上比较明确， 但是实证结果却各不相同。 对当 前中国股市和汇市的关系进行深入研究，不仅有助于深刻认识我国的资本市场， 对于防范新的金融风险和中国未来资本市场、 外汇市场等金融市场的改革也有重要的理论和实践意义人民币汇率和资产价格的关系一直是专家学者们讨论的热点。 对汇率和股价 之间

9、的长期均衡关系以及波动关系进行分析， 不仅有助于深刻认识金融市场之间 的关联，而且对于防范金融风险、 促进市场改革等方面的政策制定也具有重要的 参考意义。 对于中国这样一个新兴经济体， 汇率变动和股价波动之间存在怎样的 互动关系等问题值得深入研究。在金融市场联动性越来越强的情况下，对我国的股市、汇市进行综合研究， 发掘各市场间信息传递路径， 测定波动的依赖关系， 不论是对于微观的动态投资 组合和风险管理，还是宏观的金融监管和风险监控，都具有重要的参考价值。(二)对我国汇市和股市波动性研究的文献分析国内外许多学者对股价和汇率的相互关系进行了实证研究。从国外看， Aggarwal (1981) 1

10、发现1974-1978年间, 美国股价指数和美元有效汇率之间存在 正相关。 Bahmani Osk ooee和 Sohrabian (1992) 2 较早使用协整分析和格兰杰 因果检验解释了两个变量间相互关系的方向 , 结果表明股价和汇率间存在双向因 果关系。Apte(2001) 3选取1991-2000年的汇率 (美元/印度卢比)和股价指数的收 盘价数据 ,通过EGARC模H型研究了印度的名义汇率和股市发散性的关系 , 发现存 在由外汇市场到股票市场的正向溢出。 Fang and Miller(2002) 4 实证分析了韩 国金融危机时期货币贬值对韩国股市的影响 , 结果表明汇市和股市存在双

11、向的引 导关系。 Muhammad and Rasheed(20035) 利用误差修正模型、协整及因果检验研 究了印度等南亚四国的月度数据 , 结果显示在这四国的汇率和股价的双向因果关 系。巴基斯坦和印度的汇率和股价之间长期也没有关联 , 然而孟加拉国和斯里兰 卡却存在汇率和股价的双向因果关系。从国内看，关于我国股价和汇率相互关系的研究 , 国内学者的研究结论并不 完全一致。邓燊和杨朝军( 2007)7通过实证研究发现 , 只存在着由人民币兑美 元汇率到上证综合指数的单向因果关系。张兵等 (2008) 8 、朱新蓉和朱振元 (2008) 9 都曾研究了汇改后中国股市和汇市的关系 , 结果表明只

12、存在由汇率到股 价的单向价格引导关系。吴奉刚和王芙蓉 (2008) 10采用多元GARC模H型进行研究 , 结果表明股市和汇市之间存在双向的波动溢出效应。 但是该文设定的模型参数不 稳定, 结果有待商榷。胡秋灵和赵蕊( 2009)11通过实证分析金融危机背景下中 国股市和汇市关联效应，金融危机发生前汇率是股价的单向 Granger 原因，而在 金融危机发生后 ,汇率和股价存在着双向的因果关系。严武和金涛( 2010)12 通 过建立基于 VAR-MGAR模CH型来研究我国股价和汇率的关联效应。 股票价格和汇率 之间的内在关联性并不强，不存在明显的波动溢出效应和价格溢出效应。二、本文研究思路和创

13、新点从国内外的研究结论看，汇市和股市有的存在双向的 Granger 关系，有的存 在单向 Granger因果关系，有的实证分析得出内在关联性并不强。因为不同的学 者利用不同的股票指数和样本区间数据将得出不一致的结论。 鉴于大都文献的数 据比较陈旧和研究结论的不一致， 因而本文选取 2008年1月2到2011年5月6日最新 的数据，实证研究后金融危机时代背景下， 中国汇市和中国沪深两市主要股票指 数之间的长期和短期相互关系。这是本文的创新之一。从国内外的研究所采取的模型来看，采取模型多为 GARC族H模型，有的模型 过于繁琐，没有得到很好的模拟效果，反而将简单的问题复杂化。 GARC模H 型假

14、设为：条件方差不仅是滞后残差平方的线性函数 , 而且是滞后条件方差的线性函 数。这就导致了其不能很好的解释波动之间出现的负相关现象。 传统的经济计量 方法是以经济理论为基础来描述变量关系的模型。 但是，经济理论通常并不足以 对变量之间的动态联系提供一个严密的说明， 而且内生变量既可以出现在方程的 左端又可以出现在方程的右端使得估计和推断变得更加复杂。协整检验的VAR模型能很好的描述短期波动和长期均衡的综合。 VAR模型，能很好的解释已有协整 关系的非平稳的序列。 VAR模型把系统中每一个内生变量作为系统中所有内生变 量的滞后值的函数来构造模型， VAR模型是处理多个相关经济指标的分析和预测 最

15、容易操作的模型之一。故本文采用 VAR模型。这是本文的创新之二。本文研究结构如下：首先，对汇市和股市数据进行平稳性检验。其次， VAR （ 2）模型基础上 Johansen协整检验。第三， VAR（ 2）模型基础上的 Granger 因果 检验。第四，脉冲响应函数分析和方差分解分析。最后，得出结论并提出相应的 建议。三、实证分析（一）数据选择本文汇率和股市数据的样本期均为 2008年 1月2到2011年5月6日，由此更能体 现出后金融危机时代背景下股价和汇率的联动关系。 剔除节假日， 数据的长度为 813个。数据的选择上，在汇率方面，考虑到美元作为和人民币联系最为紧密的外币， 其汇价具有相当的

16、代表性，因而选用人民币兑美元的汇率中间价（ USRM）B 作为 研究对象， 数据来自中国人民银行网站和国家外汇管理局网站； 在股票价格的选 择上，本文选取上证指数（ SZINDEX）和深成指数（ SCINDEX）的收盘价作为研究 对象，数据来自证券之星网站和搜狐证券网站。为了减少时间序列异方差的问题，在实证分析的过程中对汇率和 股价数据均 取自然对数，以克服数量级不同的影响。（二）实证结果和分析1.平稳性检验为了避免直接使用非平稳时间序列进行计量回归出现的伪回归， 因此，本研 究首先要对序列的平稳性进行检验， 同时考察变量的单整阶数， 采用单位根检验。USRM、BSZINDEX和SCINDEX

17、序列的数据图形类似于随机游走， 故设定 ADF的检 验方程为含截距和趋势的形式。对原序列和一阶差分后的序列进行 ADF检验。表 1 人民币对美元汇率、上证指数和深成指数时间序列的单位根检验收益序列ADF 统计 量1%临界值结论差分序列ADF 统计 量1%临界值结论USRMB-3.853-3.437平稳 USRMB-26.753-3.438平稳SZINDEX0.637-3.437不平稳SZINDEX-30.006-3.437平稳SCINDEX-1.867-3.437不平稳 SCINDEX-28.353-3.438平稳平稳性检验的结果见表 1所示。 USRM原B序列为平稳时间序列， SZINDEX

18、和 SCINDEX原序列非平稳，一阶差分后平稳序列。为后续的协整检验创造了条件。2.协整检验要研究汇率变动和股价变动是否存在长期的均衡关系， 可以用协整方法来判 断，若二者存在协整关系则说明变量之间存在一种长期的均衡关系。 协整是从序 列的非平稳性入手的，探求非平稳变量间的长期均衡关系。对服从 I（1） 序列的检验方法有两种： EG（Engle和Grange，1987）两步法检验 法和JJ法。本文根据实际的需要，采取 JJ法。JJ检验法是 Johansen 和 Juselius（1990） 提出的基于 VAR模型为基础的的方法，不仅适用于两变量，也适 用于多变量的情形。为了进一步的确定变量之间

19、的关系，根据变量的特征构建 VAR模型。 建立VAR模型。首先确定模型的阶数，对滞后期的选取应该考虑：一方面想 使滞后阶数足够大，以便能完整反映所构造模型的动态特征。如果滞后期太少， 误差项的自相关会很严重，并导致参数的非一致性估计（张晓桐， 2004）。另一 方面，滞后阶数越大，需要估计的参数也就越多，模型的自由度就减少。所以通 常进行选择时， 需要综合考虑， 既要有足够数目的滞后项， 又要有足够数目的自 由度。对滞后期的选取一般依据 AIC和SC信息准则和 LR检验，本文利用 AIC、 SC 信息准则判断最优滞后期 p.构建VAR模型的关键是确保其稳定性， 稳定的 VAR模型要求所有特征根

20、模的倒 数都小于 1。用Eviews7.0 对两时间序列数据处理，根据 VAR模型的 AIC、SC值最小准则， 分别选择最优阶数为 2,2 ，用VAR（ 2）模型表示 USRM和BSCINDEX序列关系、用 VAR （ 2）模型表示 USRMB 和SZINDEX 序列的关系，如下 :0.01359.4473 USRMBt-22.21760.0072 SCINDEX t-20.00480.06052.28360.9843 SCINDEX t-1USRMB t 0.9856 0.0004 USRMB t-1SCINDEX tR2修正的 R2F 统计量AICSCUSRMB0.99970.999769

21、0675.9-11.2894-4.5685SCINDEX0.99290.992930924.4-11.2625-4.5416USRMB0.99970.9997692962.9-11.2927-4.7676SZINDEX0.99420.994237841.6-11.2658-4.7407VAR(2)0.9892- 9.05e- 0051.82621.0358USRMB t-1SZINDEX t-10.00610.03710.0089 1.7719 USRMB t-20.0002 0.0431 SZINDEX t-2模型统计检验结果USRMB tSZINDEX t表2由表2可知，各个模型的可决系数

22、及修正的可决系数都超过 0.992 ，且F统计 量大于其临界值，从统计意义上是比较成功的。 VAR（ 2）模型初步给出了汇市和 股市之间的联系。为了进一步汇市和股市的长期和短期关系， 下面将进行基于 VAR （ 2）基础上的 Johansen检验。如表 3所示。表3USRMB、SZINDEX和SCINDEX的Johansen 检验H0HA特征根Max-Eigen临界值（ 0.05）r=0r 10.0649.1021.13r 1r 20.0116.1514.26r 2r 30.000.043.84从表 3可以看出，实证结果在 l%的置信水平下拒绝了并不存在协整方程的原 假设，接受了存在一个协整方

23、程的原假设， 说明人民币名义汇率和上证综合指数、 深成指数之间存在长期稳定的均衡关系。并且从标准化的协整系数的符号来判 断，人民币名义汇率和上证综合指数之间存在着正向关系， 人民币名义汇率和深 成指数存在负向关系。USRMB=0.02 SZINDEX-0.017SCINDEX+第一个协整关系对应了最大的特征根，得出了 USRM、B SZINDEX和SCINDE的X 协整关系为：t（-3.40430） （3.77428）1t 代表第t 期对协整关系或长期均衡的偏离。这一协整关系所反应的是系统 各变量之间的长期稳态的关系。从长期看，SZINDEX对USRM的B弹性为 0.016 ，SCINDEX对

24、USRM的B弹性为 0.017. 上证指数（SZINDEX）每变动 1%，人民币兑美元的汇率中间价 （USRM）B变动0.016%。 深成指数（SCINDEX）每变动 1%，人民币兑美元的汇率中间价 （USRM）B变动0.017%， 而且是向相反的方向变动。 沪深股市的变动引起汇市较小幅度的变动， 但是汇市的变动引起沪深股市较大幅度的变动3.Granger 因果关系检验Granger 因果检验有两种形式 : 一种是传统的基于 VAR模型的检验 ; 另一种是 最近发展起来的基于 VEC模型的检验，两者的区别在于各自适用的范围不同，前 面的方法仅适用非协整序列间的因果检验， 而后者则是用来检验协整

25、序列间的因 果关系。基于 VAR（2）模型下进行 Granger 因果关系检验，来判断 USRM、B SZINDEX和SCINDE变X 量变化的先后顺序。为了确保结果的稳健性，本文在研究的过程列出了滞后期 1-5 阶的所有检验 结果，以 AIC准则、 SC准则确定的滞后阶数为准，同时参考其他的滞后阶数。没 有滞后期时，数据的长度是 813个。表 4 Granger 因果检验结果原假设滞后阶数12345F值36.82916.85112.8998.6188.020上证指数不是汇率的Granger 原因P值0.0000.0000.0000.0000.000F值1.7721.5861.1201.216

26、1.934汇率不是上证指数的Granger 原因P值0.0020.2050.3400.3030.086F值0.2780.1770.1000.2620.415汇率不是深成指数的Granger 原因P值0.5980.8370.9600.9030.839F值32.16816.40011.9078.9697.784深成指数不是汇率的Granger 原因P值0.0040.0000.0000.0000.000F值0.4170.2520.3040.5890.478上证指数不是深指的Granger 原因P值0.5190.7770.8230.6710.793F值0.7620.4000.2750.2970.415

27、深成指数不是上指的Granger 原因P值0.3830.6710.8430.8800.838由表4可知，在一定的滞后阶数 2-5的范围内， 人民币兑美元汇率和上证综指 在1的显著性水平上， 是单向 Granger因果关系，上证指数变动是引起人民币兑 美元汇率变动的原因。但在滞后阶数为 1时，人民币兑美元汇率和上证综指是双 向的 Granger因果关系。在一定的滞后阶数 1-5 的范围内，人民币兑美元汇率和深成指数在 1的显著 性水平上，存在单向的 Granger 因果传递关系，深成指数变动是人民币兑美元汇 率的变动的原因。在一定的滞后阶数 1-5 的范围内，沪深两市不存在 Granger因果关

28、系。4.向量误差修正模型 (VECM)估计根据 Granger定理，一组具有协整关系的 I(1) 变量之间一定有误差修正模型 ( ECM)的存在。人民币汇率和股票价格指数之间的误差修正模型 (ECM)估计结果 如表 4所示。表 5 人民币汇率和股票价格指数之间的误差修正模型估计汇率和上证指数汇率和深成指数汇率方程 ECM项系数-0.0010-0.0024T值-5.3372-4.9593股市指数方程 ECM项系数0.00110.0173T值 0.2283 1.2543从误差修正项的系数对应的 T值可以得到，汇率方程 ECM项系数在 5的显著 性水平上均是显著的， 这表明人民币兑美元汇率和上证指数

29、、 深证指数之间显著 地存在对偏离长期均衡的调整。从修正项系数的大小来看， 股指对偏离长期均衡的调整力度大于汇率对偏离 长期均衡的调整力度，这表明相对于人民币汇率短期波动而造成的长期关系失 衡，股市指数短期波动而造成的长期关系失衡， 需要经过更长时间才能回到均衡 位置。5.脉冲响应函数(Impulse Response Function)分析脉冲响应函数 (IRF) 用来衡量来自随机扰动项的一个标准差冲动对内生变量 当前和未来取值的影响。 脉冲响应函数 (IRF) 是描述一个内生变量对误差的反应。本研究建立基于 VEC模型的脉冲响应函数 (IRF) 来刻画变量间的相互影响。已有的文献基本是采用

30、 Cholesky 分解技术。但是这种方式存在缺陷就是分解 方式的非唯一性。 这将导致冲击识别的任意性。 即对系统内变量排序方式的不同 将导致不同的结果。为此，本研究采用一般的脉冲响应分析( Generalized Impulse Response)。该方法是 Pesaran和Shin(1998) 提出的。该方法避免了正交 化对变量排序方式的依赖。图1和图 2中横轴表示冲击作用的滞后期长度， 选10期，纵轴表示内生变量对 冲击的响应程度，实线(蓝线)表示脉冲响应函数曲线。Response to Generalized One S.D. InnovationsResponse of X1 to

31、Y1图 1 USRMB 对 SZINDEX、 USRMB对 SCINDEX的响应图1 显示的为 USRM对B SCINDEX、USRM对B SZINDEX的响应函数。 USRM对B SCINDEX脉冲响应函数曲线（蓝线）在第 5 期由负逐渐转变为正，表明人民币兑 美元汇率的波动对股市指数的影响在第 5期由负向转为正向的影响。 同理，USRMB 对 SZINDEX脉冲响应函数曲线（蓝线）在第 4期由正逐渐转变为负，并且 USRM对B SZINDEX冲击的响应程度在第 3期达到最大。Response to Generalized One S.D. InnovationsResponse of Y1

32、 to X1-.0006图 2 SZINDEX 对 USRMB、 SCINDEX对 USRMB的响应图2显示的为 SCINDEX对USRM、BSZINDEX对 USRM的B响应函数。SCINDEX对USRMB 脉冲响应正向冲击在 1-3 期逐渐减弱，在第 3期的程度最弱，超过第 3期后逐渐加 强。表明沪市的波动在第 3期对汇市正向的影响最小。 SCINDEX对USRM脉B冲响应 在第 2期由负向转正向，在第 3期正向效应最大，之后逐渐递减，在第 6期脉冲响 应由正向转负向。图1和图 2印证了变量之间的协整关系。 汇市和股市的发展相互影响， 共同发 展。6.方差分解( Vanriance Dec

33、omposition )分析脉冲响应函数 (IRF) 用来衡量 VAR模型中来自随机扰动项的一个标准差冲动 对内生变量当前和未来取值的影响。而方差分解( Vanriance Decomposition ) 是通过分析每一个结构冲击变化对内生变量变化 (通常用方差来衡量) 的贡献度， 进一步评价不同结构冲击的重要性。 为了确定汇市和股市的相互影响程度， 我们 进行了三变量的方差分解，限于篇幅，现将给出 USRM的B方差分解，如表 6所示。表 6 USRMB 的方差分解PeriodS.E.USRMBSZINDEXSCINDEX10.0008100.00000.00000.000020.001199

34、.86220.13760.000230.001499.79470.18720.018140.001699.82830.15380.017980.002199.66850.28820.0433160.002996.52132.94600.5327200.003293.58725.41790.9950300.003983.563613.85152.5849由表 6可知，SZINDEX、SCINDEX在第 20期时对变量 USRM的B预测误差方差的解释率分别为 5.4179%和0.9950%，在第 30期的时候分别为 13.8515%和2.5849%左右。 前期都较小，后期逐渐增大， 但是解释率数值

35、并不大。 反过来，USRM对BSZINDEX、 SCINDEX的影响解释率更大一些。这点从理论上来说由于汇率的变动在宏微观层 面上都会对股价产生影响， 影响的途径相对来说更加明显和直接， 因此认为汇率 和股价的关系更多的表现为汇率对股价的影响， 即在方差分解分析中， 二者应当 表现为汇率对股价的解释率值更大一些。四、结论和建议本文探讨了汇率和股价的互动关系， 主要有以下研究结论： 1. 在长期联动性 方面，股票价格和汇率存在稳定的长期关联。 2. 就短期互动关系而言， 汇市和股 市间的溢出效应是非对称的。 在价格溢出方面， 只存在汇率到股价的单向引导关 系；波动溢出方面， 汇市的波动冲击会影响

36、到股市的波动， 股市的波动对汇市的 影响有限；汇率波动对股市的开盘价和收盘价均产生显著的影响。本研究进行平稳性检验、 VAR（2）模型基础上的 Johansen协整检验、 Granger 因果检验、脉冲响应函数分析和方差分解分析、向量误差修正模型（ VECM）对汇 市和股市进行较为详尽的分析，结论如下，第一，平稳性检验显示，一阶差分后序列为平稳序列。第二， VAR（2）模型基础上 Johansen协整检验显示，人民币名义汇率和上证 综合指数、深成指数之间存在长期稳定的均衡关系。 由协整方程知， 人民币名义 汇率和上证综合指数之间存在着正向关系， 人民币名义汇率和深成指数存在负向 关系。在长期联

37、动性方面，股票价格和汇率存在稳定的长期关联。第三，VAR（2）模型基础上的 Granger因果检验显示，在滞后阶数 2-5范围内， 人民币兑美元汇率和上证综指是双向的 Granger因果关系。在一定的滞后阶数 1-5 的范围内，人民币兑美元汇率和深成指数在 1的显著性水平上，存在单向的 Granger因果传递关系。在一定的滞后阶数 1-5 的范围内，沪深两市不存在 Granger 因果关系。第四，脉冲响应函数 (IRF) 分析结果显示，股市的波动对汇市产生的影响有 正向也有负向。 股市的波动对汇市产生的影响也是。 汇市和股市的影响在曲折中 相互促进和影响，共同发展。第五，方差分解分析表明， S

38、ZINDEX、SCINDE对X 变量USRM的B预测误差方差 的有一定的解释率，但是数值并不大，而 USRM对B SZINDEX、SCINDEX的影响解释 率更大一些。汇率对股价的影响大于股价对汇率的影响。通过以上的结论分析， 在宏观实践中， 后金融危机时代背景以来， 人民币兑 美元汇率总体上呈现逐步上扬态势，当下，已经为 6.49 。由上面研究的结论知， 就短期互动关系而言， 汇市和股市间的溢出效应是非对称的。 汇率对股价的影响 大于股价对汇率的影响。在价格溢出方面，只存在汇率到股价的单向引导关系； 波动溢出方面， 汇市的波动冲击会影响到股市的波动， 股市的波动对汇市的影响 有限；汇率波动对

39、股市的开盘价和收盘价均产生显著的影响。这和范致镇 18 (2010)的研究结论相一致。我们需要更加关注人民币兑美元汇率升值带来的两面性。 更加关注汇市波动 对股市的影响。因为两市存在着相应的波动影响关系， 可以通过相应的汇市措施来抑制国际 投机资本在股市的泛滥。现实的套利价值吸引了大量国外的投机资本进入中国证券市场。 随着利率市 场化的增强， 汇率的改革及管制的放松， 上证指数和深成指数的波动反过来通过 市场利率、对外贸易、货币供应量和心理预期等中介推动人民币汇率上升的作用。金融危机以来，我们要更加关注金融风险在外汇市场和证券市场之间的相互 传播, 这对于防范和化解金融风险有着重要的意义。这就

40、要求我们既重视外汇市 场 , 也要加快中国证券市场的建设 , 优化和完善中国证券场的结构 , 加强对证券市 场的监管以及构建和完善外汇市场和证券市场之间的风险传播控制。人民币汇率是开放经济环境下维护国家经济安全的政策工具， 股票市场是筹 集资金的重要场所， 金融市场的稳定是国民经济的健康快速发展的重要保证。 随 着我国金融市场改革的深入， 对外开放程度的提高， 市场之间的联系会越来越紧 密，这样， 股市和汇市之间的波动传递和风险传递会越来越明显。 构建多层次资 本市场体系的过程， 监管部门要关注市场间的联动性和信息传导特征， 以提高市 场监管以及协调的效率， 并且降低整个经济运行的系统风险。 金融危机期间， 更 要重视外汇市场这个重要的风险源头， 不能屈服于外界压力过分地调整人民币的 汇率，以减小汇率波动对股票市场的冲击，实施更为有效的风险管理。参考文献Aggarwal, R., Exchange Rates and Stock Prices: A Study of U. S. Capital Market under Floating ExchangeRates.AkronBusiness and Economic Review, Vol 12, 1981, pp 7-12.Bahma