《基于VAR模型的人民币汇率与A股市场联动性的实证分析19000字（论文）》

基于VAR模型的人民币汇率与A股市场联动性的实证分析—基于美元兑人民币汇率与沪深300指数的研究[摘要]中国在2005年进行了汇率改革，从此中国进入浮动汇率制度。在2016年12月，我国开放可以从香港购买深圳证券交易所交易的股票。随着近年中国资本市场开放的力度加大、汇率价格机制的日益完善，国内资本市场与国外资本市场的联系也愈加紧密。而汇率作为重要桥梁，汇率对与国内市场的影响也受到学者的关注。以此为背景，本文的研究建立在流量导向模型和股票导向模型两个理论基础之上，针对2005年“721汇改”后至深港通开通前和深港通开通后至今，共两个阶段的人民币汇率与沪深300指数的联动性进行了分时段研究，同时加入利率和货币供应量作为研究变量。通过计量经济学手段对股汇联动性进行实证检验，通过分两个时间段构建VAR模型。根据实证结果得知，人民币汇率与沪深300指数之间联动性随着资本市场市场开放力度加大而加大，但只存在沪深300指数对汇率的单向因果关系，并且我国股汇联动性符合股票导向模型。最后，根据理论和实证分析的结论，结合我国实际情况提出了政策和投资建议。[关键词]美元兑人民币汇率；沪深300指数；VAR模型

目录TOC\h\z\t"一级题,1,二级题,2,三级题,3,英摘,1,中摘,1"摘要 绪论1.1研究背景与意义1.1.1研究背景随着全球经济一体化的程度越来越深，各个国家之间的贸易频繁，各国间经济联系愈发紧密，我们可以从金融市场的波动中证实这一点。例如2007年由美国次级贷款危机引发的全球金融海啸，无论是发达国家或是发展中国家都受到冲击，不仅是美股重挫还有欧洲、亚洲股市受到重挫。这个例子充分说明了当今世界各国之间的金融市场存在联动性。因为外汇市场和股票市场是一国金融市场的重要组成部分，所以我认为股汇之间很可能存在联动性。汇率作为一个价格衡量指标，是指两国之间货币互换的比率。汇率可以表现出一国货币在国际上的购买力，也能反应一国的国内经济情况，是一个非常重要的指标。而股票市场，被称为一国经济的“晴雨表”，不仅能反应一国经济情况，还能对未来的经济情况进行预示，对投资者来说是一个非常重要的指标。凭借先进的信息技术手段和越来越开放的市场，各个金融市场之间的传导速度加快，研究汇率和股市之间的联动性显得尤为重要。从我国市场的发展来看，自2005年开始，我国股票市场完成了股权分置改革，扩大了上市公司的流通股，使得股票市场定价机制日益完善，也引发了我国股市自21世纪以来第一次牛市。在同一年的7月21日，中国人民银行决定开启汇率制度改革，宣布我国人民币汇率以市场供求为基础、实行有管理的浮动汇率制。这次汇率改革标志着我国进入浮动汇率制，使人民币市场化程度增强，同时也加大了人民币汇率的弹性。除了“721汇改”之外，我国在2015年8月还进行了一次影响深远、意义重大的汇率制度改革，本次汇改后人民币报价需要综合考虑外汇供求情况以及国际主要货币汇率变化，使得人民币报价更能反应市场供求变化和更加合理。本文以此为背景，针对人民币汇率与A股市场的联动性展开相关研究。1.1.2研究意义引起我国A股市场波动的原因有很多，其中汇率很可能是一个重要原因。若人民币持续升值，则相对来说其他国家货币会贬值，这将会增强海外资金流入中国进行投资、套利，而股市的高收益率和高流动性则是海外资金投资中国的不二选择，资金的流入又会继续推升A股上涨，形成一个有效的正反馈机制。那到底股市与汇率之间的联动性是怎么的，或者联动性士强是弱，还需要进一步的分析。但弄清股汇之间联动性是很有必要的。不论是大到一国政府制定货币政策、财政政策，还是小到个人去投资外汇或股市，弄清楚股汇之间联动性都非常具备理论意义和现实意义。这也是我去研究股市与汇率联动性的出发点和落脚点。1.2文献综述在全球化日益增强，股市对一国经济和金融市场的影响不断加大的背景下，越来越多学者关注到汇率与股市之间的联动性，并做了大量的相关研究。从现有的文献来看，学者研究股汇市场联动性，主要是基于两种模型。一是由Dombusch和FiSher（1980）提出的流量导向模型，该模型认为汇率的波动会影响股市产生波动。该模型描述了外汇能影响企业经营利润，进而影响股价表现，最终反映到股票价格上这样一个传导路径。另外一个模型是Frankel（1983）和Branson（1983）提出的资产组合平衡模型，也称为股票导向模型，该模型与流量导向模型截然相反，侧重研究股市对汇率市场的影响，模型描述了股市下跌导致资金抛售股票，其中外资流出引起本币贬值，而本国金融财富缩水引起本币需求降低刺激资本外流最终反映是本币贬值。国外学者在很早就开始研究外汇市场和股市双向影响，并得出了很成熟和完善的研究结果。由于我国多年来对外汇实行管制，早期汇率对股市的影响较小，当国家逐渐改革汇率制度后才慢慢有学者基于外国学者的文献对我国的股汇市场联动性展开研究。但不同学者所研究的数据选择差别很大，目前对股汇市场的联动性未形成有效的统一看法。下面依据国内外文献得到的研究结论，分为两类。1.2.1汇率与股市间存在联动性Aggarwal（1981）使用简单回归分析，选取了美国1974年到1978年共4年的股市和汇率数据，得出美国汇率会影响美国股市涨跌，当美元上涨会使得股市上涨，反之则导致股市下跌。Smith（1992）提出股票市场与汇率市场的波动有正相关关系。Solnik（1987）选取美、日、英、法、德、荷兰和加拿大等共9个发达国家的股市和汇率数据，运用回归分析得出货币贬值不会造成股市大幅波动。Maetal（1990）提出浮动汇率加大了汇率的波动，也加大了汇率对宏观经济的影响，汇率会影响外资进而影响股价和汇率波动对公司经营的影响，因此得出汇率与股市的联动性较强的结论。除了针对发达国家市场的研究外，还有许多学者选取金融市场发展较弱的新兴国家市场进行研究。Abdallaetal（1997）针对新兴国家股票市场的股票与汇率联动性进行研究，选取了印度、韩国、巴基斯坦和菲律宾的数据，并提出其中印度、韩国和巴基斯坦股汇市场具有联动性且符合流量导向模型。Wongetal（2010）针对1997年金融海啸和2008年次贷危机期间的外汇市场和股票市场进行研究，发现在金融危机时期，若能将汇率稳定下来，则股市也能很快的稳定下来，得出股市波动与汇率波动存在负向关系。而国内学者在研究我国的汇率与股市之间联动性后，姜茜娅（2014）选取“721汇改”后至2012年底约7年的日度数据，使用EGARCH模型，得出汇率波动会传导至股市，而股市波动难以传导至汇率，说明我国股市与汇率之间存在联动性。较多学者研究发现我国股汇联动性符合股票导向模型，但也有一部分学者发现我国股汇联动性符合流量导向模型，陈伦（2014）选取“721汇改”后至2014年1月底的日度数据，黄苗（2019）选取2005年7月21日至2018年12月30日之间数据，同样选取沪深300指数和人民币兑美元中间价作为观察指标，通过实证分析发现，人民币汇率与A股之间存在由股市涨跌单向影响汇率波动。除了研究“721汇改”后股汇联动性之外，也有学者研究“811汇改”后股汇联动性，陈璐璐等（2017）针对“811汇改”进行相关研究，选取汇改后至一年后的直接标价法下的人民币兑美元汇率和上证综指数据，使用ARCH模型进行实证检验，得出汇率和股市之间反向相关，主要是汇率的波动引起A股的波动，证明在“811汇改”后我国股汇之间存在联动性。此外，近年也有不少学者针对我国股市与汇市联动性进行研究并得出有意思的结论，于淼（2018）提出人民币汇率与A股市场的联动关系是由短期国际基本流动造成的，周锦岚（2019）使用非对称BEKK-GARCH模型，他提出在汇改过程中汇率波动和股票市场之间单向联动，而在中国汇率改革后汇率和股市双向联动，股汇联动性受益于汇率的市场化改革。1.2.2汇率与股市之间不存在联动性Chien-Chungetal（2001）通过使用Johansen协整检验，研究发达国家的汇率与股市之间没有长期均衡关系，不存在显著联动性。Samanta（2003）和Hsing（2006），分别通过研究印度和波兰的股市与汇率数据，得出这两国的股市与汇率之间不存在联动性。Cuestasetal（2020）为了针对我国的汇率对股票市场收益的溢出效应进行探讨，参考了相关文献，该文章指出汇率与股票收益率之间的联动性不相关。而我国也有学者在研究人民币汇率与A股数据后得出类似结论，巴曙松等（2009）通过建立EGARCH模型来研究我国自“721汇改”后至2008年的股汇数据，得出我国股汇之间不存在联动性。谢磊等（2011）提出我国对资本市场监管严格且市场化程度较低，导致我国股市与汇率之间不存在联动性1.2.3文献评述通过大量阅读国外和国内有关于股汇联动性的文献，从这些文献中对股汇联动性分析的角度和方面进行了学习和研究，为下文对股汇联动性分析提供了参考。在对已阅读过的文献进行整理后，发现学者针对人民币汇率和A股市场联动性的研究主要是来自汇改、“次贷危机”或是资本市场开放力度加大这样重要的时点上。本文在总结归纳先前学者研究结果的基础上，通过研究“721汇改”之后和深港通开通之后，两个重要资本市场发展时间点前后股汇联动性，通过实证检验得出结论。但本文依旧是用相对简单的计量方法对人民币汇率和股市联动性进行实证研究。1.3研究内容和方法本文研究的过程遵循从理论到实证的常规研究轨迹，从文献综述发现问题，接着通过基础理论研究分析问题，再到构建模型进行实证分析解决问题，最后针对问题提出相关建议。1.3.1研究内容本文总共分为五个部分，首先是绪论，介绍了国内外文献综述，根据前人学者研究的现状给本文提供了思路和研究方向，并在此基础上制订了研究框架，内容上先对本文的研究背景和研究意义进行深入探讨。接着简单说明研究方法和内容框架，可能的创新点及不足之处等问题。其次是为美元兑人民币汇率与沪深300指数的联动性的理论基础。梳理介绍了汇市和股市联动性的三个理论基础，并接着从传导机制的途径入手分析了股汇联动效应。通过美元兑人民币汇率与沪深300指数的联动性实证研究。通过对实证数据的处理，选用计量方法构建模型对其实证分析，并得出实证结果。再接下来，根据实证结果给出建议，通过结合基础性理论与实证分析产生的结果，对我国政策制定、企业经营战略和投资者投资决策提出了一些建议。1.3.2研究方法本文在上述研究背景和意义的基础上，针对股汇联动性进行讨论和研究。首先在文献理论上梳理了汇率的基本理论，流量导向模型、股票导向模型和市场传染理论这三大基础性理论，从传导机制的途径入手分析了股汇联动效应，运用Eviews软件对“721汇改”后至深港通开通前和深港通开通后和，这两个时间段其美元兑人民币与沪深300指数联动性是如何变化的，并加入我国利率与货币供给量作为研究变量。通过构建实证模型分析来对股汇联动性进行佐证说明并检验其结果，再探讨深入分析实证检验的基础上给出相对应的建议。以下是本文的技术路线：图1-1本文技术路线1.4可能的创新点与不足1.4.1可能的创新点在数据时间跨度方面，在对已阅读过的文献进行整理后，发现学者针对人民币汇率和A股市场联动性的研究主要是来自汇改、“次贷危机”或是资本市场开放力度加大这样重要的时点上。但在2016年12月深港通开通，外资可配置的股票大幅增加后，却少有学者对中国股汇联动性进行研究。所以本文的时间跨度是在“721汇改”后和深港通开通后，这两个时间段其股汇联动性是如何变化的。在选取变量方面，本文加入利率和货币供应量作为研究变量去探究这两者对股汇联动性方面有何影响，相较其他学者单一的研究A股和人民币汇率来说，丰富了研究。1.4.2不足由于学识水平的限制，除了美元兑人民币汇率与沪深300指数的联动性之外，还可以研究欧元、日元等其他货币兑人民币汇率与股市的联动性。且在构建VAR模型时未加入其他能够影响股市的控制变量，如沪深港通资金数据、进出口数据等等。最后在结论部分，对实证检验的结果和深层次的原因分析不足。笔者在接下来的学习中会继续努力。

2理论基础与机制分析2.1理论基础国外学者对汇率与股市的研究已经较全面，形成了系统性的理论阐述，其中包括流量导向模型和股票导向模型，这两个决定汇率波动与股票市场联动性理论基础的模型。2.1.1流量导向模型流量导向模型，其主要内容即认定汇率针对股价存有一定的单向性作用力，汇率变动会作用于本国范畴中企业的进出口现况，从而作用于本国的经济增长状况的同时，还作用于国际收支平衡状况，而经济的变动最终能够转移于上市企业的股票价位变动层面上。此数据化模型的重心内容，即在于主要由经常账户以及经济性贸易平衡而抉择。汇率波动作用于一个国家的经济收支平衡呈现现况以及国家市场的经济竞争力度，因此作用于国家的一系列实际性经济变量要素，例如：企业的经济业绩发展水准变量要素以及企业的股价变量要素等等。由此说明两者间的关联即为：由汇率至股价的单向性因果关联。依照流量导向模型的基础性观点，汇率变动针对企业股价生成两大层面的作用，即：由一大层面来讲，此类作用呈现于企业的资产负债状况之时。本币的经济价值上升，企业以外币标价的负债额度降低，换而言之即企业能够偿还较小数额的以外币标价的负债，由此针对企业的现金流量施以一定程度增强，能够促进企业利润额度的增强，由此针对股价施以一定程度的增强。并且与此同时本币价值的提升，同样能够降低企业凭外币而标价的资产，企业的经济利润额度能够因经济收汇降低而同样下降，企业的股价从而呈下降趋向发展。由另一大层面来讲，汇率的波动同样能够经过出口贸易针对股票价位而生成相应的变动。本币贬值，则经济性出口主导型企业的利润额度数值变大，股票的价位相对来讲上涨。而经济性主导型的企业成本额度数值变大，股票价位逐步呈下降趋向。除此之外，汇率同样能够经过外部而生成具备着一定复杂程度的宏观性效应，经过针对经济贸易条件的改变，而促使进口商品的价位得以提升，从而引发本国的经济生成了通货膨胀现况，由此作用于国家的整体经济，再逐步作用于股票的价位。由此可见，汇率波动针对企业股票价格的作用起到了正向性作用还是负向性作用，皆需依照实际状况而决定。2.1.2股票导向模型此数据化模型描绘了资本以及金融账户在汇率变动过程内的意义。资本在全球化范畴之间的波动，引发汇率生成一定的变化。此数据化模型通常划分成两大类，即：资产组合以及货币两大数据化模型。资产组合模型的基础假设，即为全球化范畴内的投资者群体能够达成多元化资产的投资组合。意味着当本国资本市场欣欣向荣时海外投资者会减持其他国家的资产转而增持本国资产，资金迅速流入国内，本币升值；相反，当资本市场表现不佳时，外资会撤离，资金流出，本币贬值。从汇率角度出发，若本币升值，则引发外资流入，资本市场欣欣向荣；若本币贬值，则引发外资出逃，资本市场转向萎靡。可以得出股市与汇率两者间呈正向性联动。在货币数据化模型内，汇率的本质同样为一类资产，其波动同样取决于经济市场的供需关系中，换而言之即本国的资本市场繁荣时会使境外资金加大对国内的投资，对本币的需求旺盛，引发利率上行，而利率上行会吸引更多外资流入，本币需求进一步加大，最终导致本币升值。相反，国内资本市场转熊，外资出逃，本币需求减少，利率下行，外资加快出逃，本币需求深层次降低，最终结果即致使本币得以贬值。针对两大数据化模型施以比较能够得知，流量导向数据化模型较重视于经常项目，股票导向模型更加关注资本项目和金融项目。流量导向模型更加适用于一个国家，只在经常账户针对货币自由性兑换施以达成的期间，因金融账户以及资本皆存在一定的局限性，外资融入金融市场的机遇概率以及融入股价炒作的机遇概率相对来讲不大，汇率的变动影响线作用于本国的企业，在作用于投资者主体针对本国经济发展趋向以及企业盈利的判断，从而最终作用于股价的变动范畴之中，由此传导所停滞的时间较长，而且股价的变动较难针对汇率生成显著性的呈现作用。股票导向数据化模型则针对金融账户以及资本施以较大关注度，适用于开放程度较高的市场，外资步入股票市场的自由程度相对来讲更大，而股价以及汇率两大要素间的联合性更是显著性增强，若外资大举进入资本市场会迅速发生作用，由此得知股价针对汇率作用的单向性体系同样更加显著。而从实际层面来讲，经过针对两大数据化模型施以规整之后同样得出，汇率和股价两大要素间的关联通常缺乏一定的直观性，中间阶段或许依旧存有例如投资者心理预期等变量。

2.1.3市场传染理论市场传染理论的基础性假设前提，即：投资者主体并非具备着完全理智性的，因缺乏理性而作出的一系列行为，致使经济市场之间联动效应的生成。市场传染理论主张：股票的价位经受其自身价值所作用之外，同样经受跨越市场的投资者群体不一致投资偏好而引发的一系列作用，此类具备着差异性的投资偏好能够针对资产价格生成相应的作用，由此促使各个经济市场间生成相应的联动效应。在针对经济市场传染实施探究的过程中，通常能够划分成两大类状况，即：第一大类，和各个国家的基础性层面有关的转移传染效应，换而言之即当某个国家生成经济性金融危机之时，投资者主体能够再一次针对其他国家的基础性状况而施以再一次的评估处置，当国际范畴之下的经济环境呈非优良性现况之时，由此生成了经济市场间所含有的风险传染。市场传染假说，特别适用于金融危机的经济性市场联动效应之时，此时大多数的居民群体因陷进恐惧行为气氛而所引发的一系列非理性行为，从而致使非正向性作用持续性扩增，最终致使市场间的联动效率施以一定程度的提升。举例来讲：当汇率经受至经济政策作用从而生成比单边性上涨以及下降状况之时，绝大多数的投资者主体同样能够经过变动资产组合提升或者降低外汇的投资，由此针对股票的投资施以一定程度的增加或者降低。最终能够针对股票生成相应作用。而当本国的股市呈大规模的下降趋势之时，投资者卓提或许能够预料到其他国家的资产投资能够引发更多规模的经济收益，由此针对资金施以转移以达成再一次投资的目的，而此规模的资金流出本国，则最终致使相应的贿赂生成了变动。而另外一大类，即和羊群效应所存在一定关联的传染效应，此类状况的生成和基础性层面并未存在任何关联，主要是投资者主体预计期望的变动而形成。羊群效应之生成的缘由，即因本国投资者主体绝大多数皆为散户，其自身的能力存在一定的片面性，缺乏专业化的探究能力，在未完全了解状况的而前提之下较易形成一定的盲目性，主要呈现于“追涨杀跌”行为，从而致使股市最终的暴涨暴跌局面得以形成。当汇率发生成一定的变动时，针对汇率掌握度不高的本国投资者主体，务必被能够追随与国外组织机构的投资者群体，伴随着汇率的波动，相应的资金同样流入意思流出，最终针对本国的股票经济市场生成相应的作用。然而股票市场上涨的过程中，绝大多户投资者主体追随小部分的投资者群体的抉择，而针对相似的股票加以购买想，从而深层次推进股票价位呈上升的发展趋向，由此吸引了国外投资者群体的资金得以及时性流入，致使汇率市场得以变动。由上文阐述我们能够得知，当汇率经受政策作用而生成相应的变动之时，投资者主体的非理性行为由基础性层面来讲，能够促使此冲击力高速率的相其他经济市场延伸，与此同时，投资者主体的基非理性行为致使考虑经济市场内其他散户的非理智性跟随，深层次增强了经济市场的传染性，由此促使股票市场的联动效应得以生成。由此可见，市场传染理论即为汇率变动以及股指联动效应的关键性概论基础前提。2.2汇率与股价关联性的传导渠道传统经济学理论认为，在自由市场经济条件下，经济的自动调节机制会对国际资本流动、国际贸易、利率、货币供应等方面对资源进行有效配置，实现汇率变动对股价的影响。2.2.1国际资本渠道国际资本指的是在国际间进行各种投资、借贷行为的资本，一国对外开放的程度越高，国际资本的流动越自由，汇率和股价受到国际资本渠道的影响越大。若本币升值，则会吸引越来越多国际资本流入进行投资套利，而这些资本最佳的投资去除就是股市，会推动本国股市的上涨。反之，本币贬值，则会使得国际资本选择离开本国，选择回报更高的国家进行投资，导致本国股市下跌。除了汇率通过国际资本渠道影响股市之外，本国股市也能通过该渠道影响本币价格。若一国开放程度较高，国际资本自由流动，股市上涨时，会吸引外资加大该国股市的配置，需要更多的本币，使得本币需求加大，推动本币升值。反之则会推动本币下跌。2.2.2国际贸易渠道一国汇率发生变化，会导致商品在国际市场的相对价格发生改变，对该国在国际经济中的竞争力和影响力产生影响，最终表现为股价波动。针对出口导向和进口为主的企业，本文以汇率上升为例，结果如下：图2-1汇率通过贸易渠道影响股市路径图不仅汇率可以通过贸易渠道影响股市，股市也可以通过贸易渠道影响汇率。若股价波动，将会引起投资者资产组合调整，从而影响到利率，进而影响企业的资金使用、居民投资等，最终反映到汇率上。2.2.3利率渠道在开放程度比较高的经济体，资本市场与外汇市场之间的联系较为紧密，汇率波动对股价的影响更为突出。汇率变动引起利率变动传导机制是：自由流动的条件下，一国汇率变动引起利率变动，会致使国际资本在国家间的流动和重新配置，对股价产生影响，导致汇率发生进一步的变动。除了汇率波动能通过利率渠道传导至股市，根据托宾Q理论，可以将股市波动通过利率渠道传导至汇率，本文以股价下跌为例，结果如下：图2-2股市波动通过利率影响汇率的途径2.2.4货币供应渠道在汇率管制的国家，政府会根据汇率的波动制定相关的货币政策。若是本币升值后，会吸引国际资本流入国内，获取换汇带来的收入，造成本币需求增加，为维持货币市场供求平衡，本国央行会增加货币供应量，本币流动性随之提高，企业借贷成本降低、盈利能力提高，股价上涨。另一方面，本币升值会造成出口导向型企业竞争力下降，国内净出口和贸易顺差减小，消耗外汇储备，减少国内货币供应，造成股价下跌。所以汇率通过货币供应渠道会产生两个不同的影响，具体影响还需要根据一国股市与贸易的实际情况进行分析。因为股市无法通过货币供应渠道直接影响汇率，且该途径中涉及到多个变量，难以研究，由于本人学识有限，再次不做研究基于以上理论分析，本文提出如下研究假设：我国股市与汇率存在联动性。

3实证检验与结果分析3.1样本选取、数据来源与处理3.1.1人民币汇率样本的选取、数据来源本文选取美元兑人民币中间价为指标，是因为我国在国际贸易和对外投资时，大部分是通过美元进行计价和结算，同时美元在世界范围内是通用货币，并且我国主要的外汇储备是美元。本文汇率数据采用的是，由中国外汇交易中心公布的月度平均汇率数据，希望通过月度数据来降低频率，更好的反映趋势和说明研究问题。在2005年“721汇改”之前，我国是固定汇率制度，故选取汇率数据的时间段从2005年8月开始至今，数据来源于国泰安CSMAR经济金融研究数据库，采取的是直接标价法，即1美元合多少人民币。3.1.2股价指数样本选取、数据来源本文选用沪深300指数作为代表A股的指数，是因为通用的上证综指、深证综指太过单一，且受权重股的影响较大，不能全面且客观的反映A股的实际情况，同时我们还要研究沪深港通开通后的情况，故选取覆盖A股六成以上市值且包含沪深两市大部分沪深港通股票的沪深300指数作为A股代表，能更准确、充分的反映我国A股市场价格变动情况。本文选取沪深300指数从2005年8月至2020年12月的每月最后一个交易日收盘价指数，数据来源于Wind（万德）数据库。3.1.3其他变量的选取与数据来源在前文中分析了汇率与股价关联性的传导途径，故本文还选取了利率、货币供应量作为研究变量。利率采用的是月均上海银行间同业拆解一个月利率，由于SHIBOR数据是从2006年10月开始公布，所以早前数据由全国银行间同业拆借月均加权利率进行补充。货币供应量选取的是广义货币供应量（M2），因为M2能更好反应社会总需求和通胀压力，在此选用的是中国人民银行公布的每月数据。3.1.4数据处理本文数据从“721汇改”开始，即2005年8月开始，至2020年12月截止。由于在2016年12月我国开通了深港通，使得境外资金可以配置我国在深圳证券交易所上市的成长型资产，提升了我国对外资的吸引力，故本文将研究时间段分为两个阶段，第一阶段从2005年8月至2016年12月共137组数据，第二阶段从2017年1月至2020年12月共48组数据。由于汇率、沪深300指数、利率和货币供应量M2数量级上相差较大，为了减少数据波动，消除异方差现象，在不改变原有的数据基础上，对以上全部变量做对数化处理。各变量对应的符号如下：汇率：Lnexrate；沪深300指数：Lnhs300；利率：Lnrate；货币供应量：Lnm2；本文采用的实证分析软件是Eviews10.3.2时间序列的平稳性检验（ADF检验）时间序列通常是非平稳的，为了避免伪回归，需要先对时间序列进行平稳性检验。本文采用常见的ADF单位根检验法对初始数据进行检验。表3-1各变量ADF平稳性检验第一阶段变量T统计量1%临界值5%临界值P值结论Lnexrate1.772480-4.027463-3.4434501.0000不平稳Δ(Lnexrate)-7.354316-4.027463-3.4434500.0000平稳Lnhs3001.000463-2.582076-1.9431930.9159不平稳Δ(Lnhs300)-9.849931-2.582076-1.9431930.0000平稳Lnrate-2.498670-4.026942-3.4432010.3284不平稳Δ(Lnrate)-2.498670-4.026942-3.4432010.3284平稳Lnm20.143011-4.029595-3.4444870.9974不平稳Δ(Lnm2)-6.353785-4.029595-3.4444870.0000平稳第二阶段变量T统计量1%临界值5%临界值P值结论Lnexrate-2.204782-4.170583-3.5107400.4757不平稳Δ(Lnexrate)-3.698446-4.170583-3.5107400.0325平稳Lnhs300-1.079122-4.165756-3.5085080.9218不平稳Δ(Lnhs300)-6.242342-4.170583-3.5107400.0000平稳Lnrate-1.953395-3.581152-2.9266220.3058不平稳Δ(Lnrate)-4.400249-3.605593-2.9369420.0011平稳Lnm20.263506-3.581152-2.9266220.9737不平稳Δ(Lnm2)-9.637906-3.581152-2.9266220.0000平稳由上表（表3-1）可知第一二阶段沪深300指数、人民币汇率、利率和货币供应量原序列的ADF检验P值均大于0.05，表明在原时间序列中存在单位根，不符合平稳性要求。为确保VAR检验结果可信度，对第一二阶段沪深300指数、人民币汇率、利率和货币供应量进行一阶差分，再次进行平稳性检验，最终所有数据平稳，且符合一阶单整。3.3构建第一阶段VAR模型3.3.1最优滞后阶数根据上文ADF检验可知所有变量均为平稳时间序列数据，则可建立VAR模型，接下来将要确定最优滞后阶数，本文结合LR、FPE、AIC、SC、HQ五个信息准则来确定最优阶数。表3-2第一阶段最优滞后阶数LagLogLLRFPEAICSCHQ01049.912NA1.07e-12-16.21569-16.12702*-16.1796611084.42766.354198.00e-13-16.50275-16.05936-16.32259*21098.56226.297468.24e-13-16.47383-15.67574-16.1495531118.47935.819337.77e-13-16.53455-15.38176-16.0661541140.43838.13107*7.11e-13*-16.62695*-15.11945-16.0144251151.41118.373917.73e-13-16.54902-14.68681-15.7923661163.38019.297478.29e-13-16.48651-14.26960-15.5857371170.59311.182969.61e-13-16.35027-13.77866-15.3053781182.32517.462391.04e-12-16.28411-13.35779-15.09509根据上表可知，看出LR、FPE、AIC三类信息准则所确定的最佳滞后阶数为4阶段。而SC的最优滞后阶数为1阶，HQ的最优滞后阶数为2阶，我们知道最后阶数越小越容易出现偏差，滞后阶数越大则要估计的参数就容易过多。在综合考虑，并使用多数法则，确定第一阶段的VAR模型的滞后阶数为4阶。

3.3.2稳定性检验运用单位圆检验来确定模型是否稳定，结果如下图：图3-1特征根检验结果上图可知第一阶段VAR模型所有的特征值都落在单位圆之内，意味着建立的VAR模型是稳定的。3.3.3Granger格兰杰因果检验接下来通过Granger格兰杰因果分析四个变量之间的格兰杰因果关系，观察其是否能够相互解释，来判断两个变量之间是否有预测另一个变量的能力。结果如下：表3-3被解释变量为沪深300指数的结果Dependentvariable:DHS300ExcludedChi-sqdfProb.DEXRATE

6.1648364

0.1872DM2

0.6346204

0.9591DRATE

2.8562474

0.5822由上表可知，汇率、M2和利率都不是HS300的格兰杰因果，因为p值均大于0.05。则说明汇率、M2和利率都对沪深300指数没有预测能力。

表3-4被解释变量为汇率的结果Dependentvariable:DEXRATEExcludedChi-sqdfProb.DHS3001.42301440.8402DM21.40677340.8430DRATE12.7551540.0125由上表可知，仅有利率的p值小于0.05，说明在第一阶段中，利率对汇率有预测能力。其余变量均对汇率没有预测能力。表3-5被解释变量为货币供应量的结果Dependentvariable:DM2ExcludedChi-sqdfProb.DHS3004.12087740.3899DEXRATE5.77967740.2162DRATE9.33879540.0432由上表可知，仅有利率的p值小于0.05，意味着在第一阶段中仅有利率对货币供应量有预测能力。表3-6被解释变量为利率的结果Dependentvariable:DRATEExcludedChi-sqdfProb.DHS3005.90657840.2062DEXRATE3.35902340.4996DM210.8916340.0278由上表可知，仅有货币供应量的p值小于0.05，意味着仅有货币供应量对利率有预测能力。综上所述，由Granger格兰杰因果检验可知，在第一阶段中，仅有货币供应量与利率互为格兰杰因果关系。且通过检验发现，我国的利率数据可以预测、影响汇率数据，但是由利率到汇率的单向因果关系。沪深300指数和汇率两个变量之间不存在格兰杰因果，也就是说两个变量之间没有预测能力，较为独立。

3.3.4脉冲响应分析脉冲响应分析主要反映当一个变量受到一个标准差单位的冲击时，对被解释变量的影响在一定期数内的变化轨迹，最终变动消失，轨迹会无线趋近于0。接下来将基于VAR模型绘制脉冲响应分析图：图3-2第一阶段脉冲响应分析图通过观察脉冲响应分析图可知，沪深300指数、汇率、货币供应量和利率的变化多来自自身的冲击，受其他变量的影响较小。观察沪深300指数和汇率之间的扰动可知：当汇率扰动沪深300指数时，沪深300指数在第二期才给出一个负的反馈，在第三期迅速转正，直至滞后第二十期仍对沪深300指数有正影响；当沪深300指数扰动汇率时，汇率迅速给出一个负反馈，且反馈持续为负，表示当股市下跌时汇率贬值，符合股票导向模型。通过观察脉冲响应分析图还能发现，利率与货币供应量对股市和汇率的影响都较小，且对股市和汇率的扰动结束的较快。3.3.5方差分解方差分解是研究向量自回归模型中变量动态关系的一种重要方法，主要是用来解释在每一期每一个变量的冲击对被解释变量产生变化的贡献度大小，进而能比较和分析不同变量冲击的重要程度。表3-7第一阶段沪深300的方差分解PeriodS.E.DHS300DEXRATEDM2DRATE10.094917100.00000.0000000.0000000.00000020.09616398.499881.0714290.3757890.05290630.09716796.960862.1556210.3705260.51298940.09784995.879942.2403560.3666691.51303350.10133293.810684.3694430.3916861.42818860.10162793.619654.3479940.5420171.49034170.10190793.163794.7375370.5505911.54808280.10226692.723615.1297740.5496131.59700390.10301191.547366.2122760.5837801.656580100.10317091.267316.4816280.5850231.666034110.10340290.865966.8604190.5929651.680660120.10360990.504207.1189570.6278641.748976130.10388290.030127.5406990.6245891.804596140.10406689.729827.8030540.6279391.839185150.10422489.495358.0062310.6398541.858568160.10434489.308778.1661580.6410681.884001170.10447889.103098.3342550.6472861.915368180.10458088.958788.4528220.6506991.937699190.10466588.847828.5500250.6515741.950580200.10473488.756198.6234950.6559671.964353由沪深300指数方差分解表（表3-7）可知，沪深300指数从第二期开始受到汇率、货币供应量和利率的影响。但直至第二十期，沪深300指数受自身的影响任有88.8，说明沪深300指数受自身影响较大，也符合脉冲响应分析结果。由方差分解表还可以看出，汇率对沪深300指数的影响是逐渐加大，并贡献度在第15期后稳定在8.6的水平，反观国内利率和货币供应量对股市的影响较小。

表3-8第一阶段汇率的方差分解PeriodS.E.DHS300DEXRATEDM2DRATE10.0044772.60517197.394830.0000000.00000020.0049272.74544996.320060.0260240.90846730.0050354.18479394.635930.2929040.88637840.0051224.05613291.852350.4650193.62650450.0055313.56457487.751940.6234348.06005460.0057494.01810987.164000.6122908.20560670.0058965.44049286.139000.6161507.80435780.0059585.93223085.246681.0515707.76951790.0060356.15735884.581741.0986268.162277100.0061146.34095584.060631.0869958.511423110.0061756.76911283.615161.1092128.506515120.0062107.10715383.300861.1154178.476569130.0062407.34541682.999611.1490458.505927140.0062677.51617682.738571.1697998.575452150.0062887.69140582.543441.1676168.597544160.0063047.84091682.380671.1758178.602592170.0063157.96403382.243811.1845518.607603180.0063248.05564482.140741.1866608.616957190.0063318.13114682.053171.1908208.624869200.0063378.19324581.985881.1927718.628105由汇率方差分解表（表3-8）可知，汇率在第一期就受到沪深300指数、货币供应量和利率的影响。直至第二十期，汇率自身对自身的影响渐渐减弱。由方差分解表可以看出，沪深300指数对汇率的贡献度是逐渐加强的，到第18期达到了8.05。且从方差分解表可以看出，货币供应量对汇率的影响较小，可能是因为我国资本市场对资金流动管制较为严格。综合两张方差分解表，从平均的角度来看，来自沪深300指数的的方差为（88.75619+8.193245）÷2＝48.4747，来自汇率的方差为（8.623495+81.98588）÷2=45.3047，所以仅从前20期分析结果可得沪深300指数与人民币汇率相互影响的程度来说，沪深300指数对汇率的影响较大，符合股票导向模型。

3.4构建第二阶段VAR模型3.4.1最优滞后阶数根据上文ADF检验可知所有变量均为平稳时间序列数据，则可建立VAR模型，接下来将要确定最优滞后阶数，本文结合LR、FPE、AIC、SC、HQ五个信息准则来确定最优阶数。表3-9第二阶段最优滞后阶数LagLogLLRFPEAICSCHQ0394.5346NA2.29e-13-17.75157-17.58937*-17.691421415.937037.94069*1.80e-13*-17.99714-17.18614-17.69638*2430.342522.917771.98e-13-17.92466-16.46487-17.383303448.743625.928811.86e-13-18.03380*-15.92521-17.251834461.872216.112342.34e-13-17.90328-15.14590-16.88071根据上表可知，看出LR、FPE、HQ三类信息准则所确定的最佳滞后阶数为2阶段。而AIC的最优滞后阶数为3阶，SC的最优滞后阶数为1阶。第二阶段样本量仅有48个样本，我们知道最后阶数越小越容易出现偏差，滞后阶数越大则要估计的参数就容易过多。在综合考虑，并使用多数法则，确定第二阶段的VAR模型的滞后阶数为2阶。3.4.2稳定性检验运用单位圆检验来确定模型是否稳定，结果如下图：图3-3特征根检验结果上图可知第一阶段VAR模型所有的特征值都落在单位圆之内，意味着建立的VAR模型是稳定的。3.4.3Granger格兰杰因果检验接下来通过Granger格兰杰因果分析四个变量之间的格兰杰因果关系，观察其是否能够相互解释，来判断两个变量之间是否有预测另一个变量的能力。结果如下：表3-10被解释变量为沪深300指数的结果Dependentvariable:DHS300ExcludedChi-sqdfProb.DEXRATE0.82306620.6626DM20.60962420.7373DRATE1.41570620.4927由上表可知，汇率、货币供应量和利率均不是沪深300的格兰杰因果，意味着这几个参数对沪深300指数没有预测能力。说明当深港通开通后，汇率的变动不能改变北向资金对A股的增减持，进而不能对A股产生有效影响。除了“北向资金”之外，仍有其他因素阻碍了汇率变动影响股市涨跌，如我国未完全放开境内外资金的自由流动等因素。表3-11被解释变量为汇率的结果Dependentvariable:DEXRATEExcludedChi-sqdfProb.DHS300

2.0737372

0.0356DM2

0.7277732

0.6950DRATE

0.7929412

0.0427由上表可知，沪深300指数和利率的p值小于0.05，意味着存在沪深300至汇率的单向因果关系和存在利率到汇率的单向因果关系，说明股市的波动可以预测、影响汇率，符合股票导向模型。

表3-12被解释变量为货币供应量的结果Dependentvariable:DM2ExcludedChi-sqdfProb.DHS300

0.1348672

0.9348DEXRATE

1.2255382

0.5418DRATE

1.0094132

0.0437由上表可知沪深300指数、汇率对M2均不存在因果关系，仅存在利率到货币供应量M2的因果关系。表3-13被解释变量为利率的结果Dependentvariable:DRATEExcludedChi-sqdfProb.DHS300

7.6019232

0.0623DEXRATE

1.5653692

0.4572DM2

21.851312

0.0000由上表可得利率与货币供应量M2互为格兰杰因果关系，与股市和汇率不存在格兰杰因果关系。综上所述，由第二阶段的Granger因果检验可知，我国股市与汇率的关系符合股票导向模型，即仅存在由股市到汇率的单向预测能力。在进行检验时，依旧得到利率能预测汇率的结果，这也符合我们的认知，同时还能得到利率与货币供应量之间能互相预测依旧符合认知。3.4.4脉冲响应分析脉冲响应函数主要反映的是随机扰动项受到冲击后，对内生变量的现值和将来值产生的影响，利用脉冲响应函数来分析模型中任意内生变量的变动如何影响其他变量以及自身的一系列过程。

图3-4第二阶段脉冲响应分析图由脉冲响应分析图可以得出，单看股市与汇率之间的冲击响应分析图可知：汇率和沪深300指数都是受自身影响较大，若给沪深300指数一个汇率的冲击，沪深300指数当期无响应，至第二期给出一个负反馈，随后响应渐渐减小，说明汇率对股市的影响较小且影响时间较短；若给汇率一个沪深300指数的冲击，汇率当期给出一个负响应，在第二期负响应达到最大，随后慢慢减小，可知股市与汇率之间的影响作用较快但持续时间较短。再观察其他响应分析图可知，货币供应量和利率亦是受自身影响较大，另外汇率与股市受到货币供应量和利率的冲击后响应均是第二期发生，且迅速达到最大，并扰动消失较快。3.4.5方差分解方差分解是研究向量自回归模型中变量动态关系的一种重要方法，主要是用来解释在每一期每一个变量的冲击对被解释变量产生变化的贡献度大小，进而能比较和分析不同变量冲击的重要程度，提供了另外一种分析系统动态变化的重要方法。表3-14第二阶段沪深300的方差分解PeriodS.E.DHS300DEXRATEDM2DRATE10.050953100.00000.0000000.0000000.00000020.05314292.658344.5483610.8264001.96690030.05389691.296184.6746592.0440081.98514840.05397491.094284.6858522.0918232.12804550.05411990.610364.6746202.5724132.14260560.05416490.511584.7307042.6079902.14972370.05417790.473404.7293832.6275902.16962980.05418690.444224.7322222.6546262.16893090.05418890.440674.7324402.6550812.171805100.05418990.434954.7327462.6601372.172171110.05419090.434004.7331212.6604632.172413120.05419090.433204.7330972.6610622.172643130.05419090.432824.7331652.6613802.172636140.05419090.432754.7331642.6613982.172685150.05419090.432664.7331732.6614802.172688160.05419090.432654.7331772.6614822.172693170.05419090.432634.7331772.6614942.172696180.05419090.432634.7331782.6614982.172696190.05419090.432634.7331782.6614982.172697200.05419090.432634.7331782.6614992.172697由沪深300指数方差分解表（表3-14）可知，汇率、货币供应量和利率对沪深300指数的影响从第二期开始。直至第20期，沪深300对自身的贡献仍有90.43，可知其他变量对股市的影响较小。其中汇率对沪深300指数的影响在第八期后慢慢稳定，与脉冲响应分析结果一致。由于股票市场的进步，不理性的波动相较第一阶段的减少，机构投资者在市场的话语权加大，导致在第二阶段中利率和货币供应量对股市的影响相较第一阶段加大，但影响仍是非常有限，进一步证明了我国股市的不成熟和有自己的一套运行逻辑。

表3-15第二阶段汇率的方差分解PeriodS.E.DHS300DEXRATEDM2DRATE10.0111517.53574792.464250.0000000.00000020.01294014.8422083.878020.4438290.83594330.01348514.4099580.232213.7500431.60780240.01367815.0605578.510344.8367191.59239350.01370715.2015778.264944.9215791.61191260.01371015.2076778.230944.9317861.62960670.01371315.2042278.214714.9519611.62910980.01371315.2044178.213254.9521501.63018890.01371315.2042878.210414.9551231.630187100.01371315.2046378.210154.9550571.630164110.01371315.2046078.210014.9550451.630348120.01371315.2045678.209784.9553091.630343130.01371315.2045978.209754.9553091.630351140.01371315.2045978.209734.9553291.630355150.01371315.2045978.209734.9553321.630356160.01371315.2045978.209724.9553331.630357170.01371315.2045978.209724.9553361.630357180.01371315.2045978.209724.9553361.630358190.01371315.2045978.209724.9553361.630358200.01371315.2045978.209724.9553361.630358由汇率方差分解表（表3-15）可知在第一期沪深300就开始对汇率有影响，而货币供应量和利率对汇率没有产生影响，这符合脉冲响应分析的结果。从第二期开始，沪深300指数对汇率的影响逐渐加大，直至第十三期贡献度稳定在15.20459，相较第一阶段的结果来说，在股票市场进一步开放后，股市对汇率的影响加大。同时，还发现货币供应量对汇率的影响相较第一阶段加大，反而利率对汇率的影响相较第一阶段减小，货币供应量对汇率影响加大的原因可能是货币发行量加大而引起，利率对汇率影响减小的原因可能是利率对货币供应量的影响减小进而影响利率对汇率的贡献度。综合两张方差分解表，从平均的角度来看，来自沪深300指数的的方差为（90.43263+15.20459）÷2＝52.81861，来自汇率的方差为（4.733178+78.20972）÷2=41.471449，所以仅从前20期分析结果可得沪深300指数与人民币汇率相互影响的程度来说，沪深300指数对汇率的影响较大，符合股票导向模型。3.5实证结论及分析通过对两个时间段构建VAR模型讨论分析总结，本节对深港通开通前后，人民币汇率与沪深300指数之间的联动性进行分析解释。首先，在深港通开通前，人民币汇率与沪深300指数本身就存在一定的联动关系。其次，在深港通开通后，股市与汇率中间可能发生额外的联动效应，或者原有联动性发生变化，接下来将分两个部分进行相关讨论。在由第一阶段的股汇Granger因果检验结果（表3-3和表3-4）可知，在深港通开通前，人民币汇率与沪深300指数之间互不为Granger因果关系。这意味着不仅汇率波动无法影响股市波动，而且股市波动也无法影响汇率波动。3.5.1深港通开通前我国股汇联动性分析通过脉冲响应分析和方差分解的结果可知，在深港通开通之前，人民币汇率和沪深300指数之间存在一定的联动性。在汇率对股市产生扰动时，股市先是给了小幅负反馈，后转为正响应。在汇率受到股市扰动时，立即给出负反馈。无论是股市或是汇率，受影响显著的还是自杀，除此之外受到的另一个变量的影响能维持很久。中国汇率的机制市场化改革以进行了很多次，但资本的流动依旧受到很强的限制。同时我国股市又是一个“政策市”，例如2015年发生了股灾后，养老金入市、暂停IPO审批等多种手段并用对市场进行强干预。虽然在第一阶段中经历了沪港通开通、“811汇改”等重大的市场改革，但是我国的股市和汇率都是受到强管制的，限制了人民币汇率与A股市场的联动性。另外，在第一阶段人民币汇率有明显的趋势，从“721汇改”后至2013年底有一个长达7年的人民币升值趋势，尔后直到2016年底又保持一个长达3年的贬值趋势，这些趋势的形成是由于我国经济基本面的变化和美国货币政策的改变造成的，所以在脉冲响应分析中股汇之间冲击能持续较长时间，此外我国股市长时间保持一个下跌的熊市也是导致冲击时间较长的原因。3.5.2深港通开通后我国股汇联动性分析通过第二阶段的股汇Granger格兰杰因果检验结果（表3-10和3-11）可知，我国股汇之间存在由股市到汇率的单向Granger格兰杰因果关系，意味着仅存在股市波动影响汇率波动的情况，符合股票导向模型。根据脉冲响应分析和方差分解的结果可知，在深港通开通后汇率对沪深300指数的联动性发生了方向和强度上的变化，而深港通开通后沪深300指数对汇率的联动性发生了强度上的变化。汇率对股市的冲击较开通前减小，且正反馈和持续期数变短，但依旧是滞后一期才发生了微弱的负响应。反观股市对汇率的冲击，较深港通开通前加大，但持续影响的期数较短。在上一节提到国际资本传导渠道，一国股市的变化能吸引海外资金流入或流出。在深港通开通后，海外资金可以借道香港来投资我国高成长型资产，以搏取高额收益，加大A股市场对海外资金的吸引力。因此国际资本渠道更适合分析我国股市与汇率的联动性。

4结论与对策建议4.1结论近期人民币汇率跟我国A股市场密切相关，许多人对人民币“破7”诚惶诚恐，而股市又出现震荡走势，故人民币汇率与A股市场呈现出一定的联动性，本文基于此，运用VAR模型，对美元兑人民币汇率和沪深300指数的联动性进行了实证研究，再结合深港通开通前和后两个时间段的不同经济背景，印证解释了人民币汇率波动与A股市场波动之间的联动性。首先，对国内外相关股市与汇率联动性的相关文献进行学习，再进一步估计在深港通开通前后股汇联动性发生了怎样的变化，总结得出美元兑人民币汇率与A股市场之间很可能存在联动性确立了本文的研究方向；其次，立足于深港通的开通，建立VAR模型，结合理论与实证分析，对人民币汇率与A股市场联动性进行研究总结，并在最后提出相关政策建议。本文得到的研究结论如下：第一，在深港通开通后，我国人民币汇率与A股市场之间仅存在由股市到汇率的单向Granger因果关系，意味着可以通过股市波动预测汇率波动，符合股票导向模型。第二，在深港通开通之后，汇率波动对股市波动的影响减小，但股市对汇率波动的影响加大，故可以说明我国股市与汇率之间的联动性是通过国际资本传导渠道产生。第三，我国股市受汇率、利率和货币供应量这些外部因素的影响较小，是因为我国股市是一个散户较多、机制不完善且受政策影响较大的股票市场，我国投资者大多数依旧是参与追涨杀跌而非追随价值。另外，我国在制定货币政策和监管汇率时较少考虑到A股市场的波动情况。第四，不论深港通是否开通，我国股市与汇率联动性受利率和货币供应量的影响较小，故无法说明我国股汇联动性是通过利率和货币供应传导渠道产生。结合这两个传导渠道和我国实际情况来看，这是由于我国对汇率的严格管制和金融市场开放程度较低产生的。4.2对策建议本文通过研究不同时间段的汇率与股市联动性，运用计量经济学手段，发现随着汇率制度市场化发展和资本市场对外开放的力度加大，股汇联动性日益加强。但在实证检验研究中发现，在中国只存在股市到汇率的单向因果关系，按我们日常的认知来说股汇应是双向影响的，那么说明从汇率到股市这条传导渠道有所堵塞，结合上述理论分析中提出的汇率传导路径，提出如下政策建议。4.2.1纠正和改进汇率波动对股市的传导渠道在上文理论分析部分，介绍了国际资本流动、国际贸易、利率、货币供应和心理预期这五种传导方式，目前我国大部分的汇率波动是通过心理预期这条路径传导至国内，通过脉冲响应图可以看出汇率对股市的冲击非常快能响应且持续时间较短。但这种心理预期的传导是不健康的，会降低股市的有效性，还会使得投资者获得带有情绪的汇率消息做出不理智的投资决策，最终会加大市场的波动。我国应该发展由国际资本流动、利率和货币这三条科学合理的传导路径。首先，针对国际资本流动路径，我国应加大资本市场对外开放力度，并配合上合理的资本流动管理，使得资本在我国能一定程度的自由流动、获取利润，在吸引更多国际资本的同时还能防止国际投机资本伤害我国的汇率和股市。其次，针对利率传导路径，我国应进一步推进利率市场化改革，发挥“无形的手”作用，由于我国依旧是利率管制，难以实现国内外经济政策的协调，这种尴尬的情况会降低境外资本对我国资产的配置欲望，所以需要利率市场化改革疏通利率这条重要的传导渠道。最后是货币传导路径，需要我国能结合当下的经济形势，对货币供应量加以科学合理的控制，不搞“大水漫灌”推高资产泡沫，也不能过于紧缩的货币政策伤害市场，需要灵活精准的货币政策且保持合理适度的宏观杠杆率。4.2.2进一步推进汇率市场化虽然经历过“721汇改”和“811汇改”两次重大汇率改革，但我国汇率依旧是非市场化的。为了汇率能更显著的反映市场供需和我国经济情况，则需要推进汇率市场化改革。推进汇率市场化，配合上利率市场化，可以有效减小境内外利差，保证我国货币政策的有效性，减少国际经济环境的变化对我国的不利影响。针对汇率的市场化改革，我国应当改革汇率管制，让市场的供需和经济基本面来决定汇率，相应的让外汇的波动在合理的空间内应允许有更大的波动，落实合理有效的浮动汇率制度，让汇率对我国股票市场有正向影响。4.2.3完备市场有效监管在汇率市场化进程中，还需要完备针对市场的有效监管，设计针对汇率市场的风险识别、评估、响应和控制，避免海外经济或金融非正常波动通过汇率渠道传导至国内，对国内经济环境和资本市场造成恶性冲击，降将风险通过汇率监管隔绝在境外。在完备汇率有效监管的同时，还需要完备股票市场的监管。我国股市由于起步较晚，且施行的是核准制，同时还有种种其他问题，造成我国股票市场一直是弱有效市场甚至是无效市场，最终反映就是我国股市是一个波动较大的不健康市场。针对这个问题，我国应完备市场监管机制，打击恶性投机行为，加大对上市公司造假的监管和处罚力度，鼓励优质上市公司境内上市。

致谢匆匆四年，眨眼即逝。在暨南园里求学的这四年，带给了我太多成长。经济学院的学习生活是丰富多彩的，与古今中外的金融理论对话，感受金融的独特魅力。在这个现代商业社会中，金融的影子处处存在，我们用自己所学的知识去理解身边的与金融相关的一切事物甚至这个经济体系的运作方式，学习金融学我个人觉得并不是为了解决市场上的经济问题，而是要懂得要知道市场的状况以及经济的发展。感谢我的毕业论文指导老师陈鹭老师，老师工作认真负责，不辞辛苦一遍遍督促、查看论文，为我提出宝贵意见。同时也感谢经济学院所有的老师，为我展现了金融学独特魅力。感谢我的朋友们，在这四年带给我的帮助与支持。你们带给我的快乐让我觉得人生庆幸有你们。最后，特别感谢含辛茹苦抚育我长大的父母，感谢他们的支持和鼓励。让我在爱中长大，引领我向前。人生的这一阶段就要画上句号了，我将铭记“忠信笃敬”的校训，踏踏实实的继续学习、工作和生活。希望下个阶段更加精彩。

参考文献[1]Aggarwal.R,ExchangeRateandstockPrices:AStudyoftheUSCapitalMarketsunderFloatingExchangeRate[J],AkronBusinessandEconomicReview(Fall),1981,7-12.[2]Branson,W.H.MacroeonomicDeterminantsofRealExchangeRisk[M].ManagingForeignExchangeRisk,CanbridgeUniversityPress,Cambridge,1983:87-89.[3]Caporale,G.M.,Hunter,J.andAJi,F.M.Onthelinkagesbetweenstockpricesandexchangerates:EvidencefromthebankingcrisisOf2007-2010[J].InternationalReviewofFinancialAnalysis,2014,33:87-103.[4]Chien-ChungNieh,Cheng-FewLee.DynamicRelationshipbetweenStockPricesandExchangeRatesforG7countries[J].TheQuarterlyReviewofEconomicsandFinance,2001(41).[5]Cuestas,J.C.,Tang,B.AMarkovSwitchingSVARAnalysisontheRelationshipBetweenExchangerateChangesandStockReturnsinChina.InternationalJournalofEmergingMarkets,2020,ahead-of-print.[6]Dornbusch.R,S.Fisher.ExchangeratesandtheCurrentAccount[J],AmericanEconomicReview,1980,(70):960-971[7]DanielStavarek.LinkagesbetweenStockPricesandExchangeRatesintheEUandtheUnitedStates[J].AkronBusinessandEconomicReview,2004.[8]DesislavaDimitrova.TheRelationshipbetweenExchangeRatesandStockPrices:StudiedinMultivariateModel[J].IssuesinPoliticalEconomy,2010(14).[9]Frankel,J.A.Monetaryandportfolio-balanceModelsofRateDetermination[J].EconomicInterdependenceandFlexibleExchangeRates,MIT,Cambrige,1983:112-123.[10]HsingY.AnalysisofExchangeRateFluctuationsinPoland:TestoftheInterestParityCondition[J].Internati