股市动态分析第1篇

上海病:两个方向上的矛盾

东方明珠:品牌与股价的严重背离

“月份周期”折射资金运动规律

2012年的三条投资主线

反转只缺催化剂

金融股抗跌业绩预增股开始热身

衡量资本市场不能用西方理论

政策或向保增长转变

不要在拂晓前倒下

2300点决定修正浪

一切等待中央经济工作会议定调

邪恶理论与交易策略

积极参与年报预增股炒作

留意基金“独门”重仓股

“资金为王”的跟庄操作手法

货币进一步放松成共识

弱势下仅有年报预增股可操作

指数新低正收益越来越难

新起点新征程——《股市动态分析》创刊二十周年暨证券投资高峰论坛纪实

蛰伏的三季度波浪理论看下半年走势

戒急用忍,仍以反弹处之

江恩圆循环周期（之七）七月能翻身吗?

主流们,何必过度悲观

把握正确的止赢点(下)

2319未必是底关注农行上市日

中小板:走势开始反映中报业绩预告

市场已临转折期成长唯待新思维

股市动态吧

祁连山:受益于西部大开发的区域龙头

寻找核心驱动产业

农行IPO遇冷带来的机会

百万富翁Ⅲ(20)

下周股权限售股流通统计一览

左手利弗莫尔,右手格雷厄姆

读《雪球·巴菲特传》与LTCM失之交臂

下半年坚决做多

“金融界社区2010年三季度投资策略报告会”圆满结束

熊市制胜策略:波段操作

郑煤机:快速成长的煤机龙头企业

金洲管道:成长性突出的钢管行业强势企业

众业达:市场定位偏低机构趁机抢筹

美尔雅:大宗交易露端倪重组近在咫尺

世纪鼎利:凸显“五高”相貌高送转预期强烈

金地集团谋转型“金融少帅”面临双重考验

低空空域开放在即万亿市场空间广阔

新华基金:短期市场仍将延续震荡筑底过程

最新上市公司传闻求证

行业分析

公司研究

投资问答

机构荐股

市场估值进入底部区域南方小康指数基金来淘金

半年“中考”基金交答卷华夏基金业绩整体抗跌

沪深股市主要指数市盈率一览

解读“民企凶猛”看好精华民企的强势竞争力

下半年坚决做多

“金融界社区2010年三季度投资策略报告会”圆满结束

熊市制胜策略:波段操作

郑煤机:快速成长的煤机龙头企业

金洲管道:成长性突出的钢管行业强势企业

众业达:市场定位偏低机构趁机抢筹

美尔雅:大宗交易露端倪重组近在咫尺

世纪鼎利:凸显“五高”相貌高送转预期强烈

金地集团谋转型“金融少帅”面临双重考验

低空空域开放在即万亿市场空间广阔

新华基金:短期市场仍将延续震荡筑底过程

最新上市公司传闻求证

市场估值进入底部区域南方小康指数基金来淘金

半年“中考”基金交答卷华夏基金业绩整体抗跌

股市动态分析第2篇

关键词：货币政策；股市；动态效应；SVAR

中图分类号：F832.5　文献标识码：A　doi：10.3969／j.issn.1672-3309(x).2011.01.27　文章编号：1672-3309(2011)01-68-03

一、引言

金融危机以来，我国宏观经济政策在经历了持续的扩张期之后进入紧缩期，货币政策在2008年经历了5次降息之后，于2010年步入加息和存款准备金提高阶段。作为经济晴雨表的股市，同期也出现了几轮明显涨跌。并相应地出现一定时期的涨跌趋势。对经济现象的观察发现货币政策和股市之间存在联动。货币政策与资产价格之间的关系问题一直是金融领域研究的热点，这一方面是由于资本市场的存在对货币政策的传导机制产生了影响，使货币当局对货币政策的把握能力受到了削弱，另一方面，货币政策作为调控经济的重要手段，对宏观经济进而对股市能产生重大影响，以逐利为目的的投资者自然对货币政策的股市效应产生强烈的兴趣。本文正是基于对经济现象的观察和对理论意义的分析提出了货币政策的股市效应这一研究主题，试图回答如下问题：货币政策的哪些指标对我国股市产生影响?影响性质和效力又如何?效力的动态性如何度量?

二、理论阐述与文献回顾

货币政策与股市的关系，各主流经济学派都有相关的理论阐述。费雪的货币数量论认为，在其它条件不变的前提下价格水平(包括实物商品和金融资产)与货币流通量成正比。凯恩斯的流动性偏好理论认为。利率是影响投机动机的决定性因素。弗里德曼认为金融资产预期收益会通过持币的机会成本影响货币需求，同时货币需求又反过来影响资产选择。理性预期学派认为预期到的货币政策对经济是中性的，只有未预期到的货币政策才对经济产生影响。同时，有效市场理论把理性预期的思想应用到了资本市场中，认为只有弱式有效市场中货币政策才对股市形成动态影响。上述各派理论存在分歧，货币数量说、凯恩斯学派和货币主义肯定这种关系，而理性预期学派和有效市场理论却否定这种关系。为调和矛盾Cooper(1974)提出了SO-EM模型，该模型的重要特点是加入了预期因素，从而一方面肯定了货币供应量是资本收益率的一个重要决定因素，另一方面指出收益变化可以领先于货币变化。

理论阐明了货币政策对资产价格影响的存在性和作用的机制，但各派理论考察的角度差异很大，且不同市场、不同历史条件下市场对这种关系的表现也各不相同，这就需要实证分析进行检验。所以，中国这个尚未成熟且处于转型期的资本市场对货币政策的冲击会产生一个怎样的反应便成为我国学者研究的一个问题。谢平等(2002)从理论上论证了我国货币数量不再简单地与物价和收入呈比例关系，而与经济体系中所有需货币媒介的交易有重要相关性，并用多元回归方法进行定量和实证分析。瞿强(2001)就政策操作层面上对资产价格与货币政策的关系进行了总结，指出货币政策对资产价格要“关注”，但不要“钉住”。易纲、王召(2002)通过建立货币政策的股市传导机制理论模型，推导发现货币政策对资产价格有影响，货币数量与通货膨胀的关系不仅取决于商品和服务的价格，还取决于股市。孙华妤、马跃(2003)在提出综合理论框架基础上运用动态滚动式VAR方法对货币政策与股市的关系进行分析，印证了货币政策对股市的影响。陆蓉(2003)通过向量误差修正模型(VECM)研究了不同货币政策控制方式下各货币政策变量对股市的冲击，发现在货币政策的直接调控方式下，贷款限额管理对股票市场的影响较大，间接调控方式下，货币市场利率对股票市场的影响逐渐显现。刘松(2004)用趋势分析、协整和granger因果检验对货币政策与股市的关系进行研究，发现用年度数据存在影响作用而月度数据不存在。崔畅(2007)通过SVAR模型分析股市在低迷和高涨阶段对货币政策冲击的不同反应，结果表明货币政策对资产价格的作用在低迷和高涨阶段都具有有效性。

对文献的梳理发现，我国学者已经从理论上阐明了我国货币供应量对我国股市的影响，并且股市的波动也得到了货币政策的关注，同时，股市对货币政策影响的实证研究也得到了足够的重视，并取得了初步成果，但由于使用的实证研究方法不甚完善并且变量的选取和处理严谨性不高，使得实证结果的可靠性很难令人满意。本研究基于SVAR和更严谨的变量选择与处理来研究我国股市的货币政策动态效应。

三、股市对货币政策动态效应的实证研究

(一)变量选取与处理

本研究选取的变量包括四类：宏观经济变量、物价变量、货币政策变量、股票市场变量。使用月度数据，研究期为2000年1月至2010年8月。考虑到数据的可得性和替代的科学性，四类变量的变量选择如下：宏观经济的变量为工业增加值，物价的变量为定基居民消费价格指数(基期为2000年1月，基期值为1)。货币政策的变量为M0、金融机构人民币贷款余额、银行间7天同业拆借利率，股市的变量是上证综指。数据来源是中国人民银行网站、中国统计局网站和国泰君安大智慧软件数据库。本文所有数据处理都由计量软件E-views5.1完成。

货币政策变量的选择逻辑是：货币政策的中介目标分总量目标和价格目标，我国利率体系中只有银行间同业拆借市场已放开，使得货币供求价格能通过市场的力量形成，而很多机构投资者都已成为拆借市场的主体，这样拆借市场利率能够很好地体现资金投资股市的机会成本，所以选择了交易量最大的七天期同业拆借利率作为货币政策价格目标的指标。总量目标的变量，我们选择了M0和金融机构人民币贷款余额。理由是：我国学者研究发现我国的货币供给体现了一定的内生性，对于宽口径的M2的控制难度越来越大。央行只能通过公开市场业务和央行票据业务影响M0，此外，我国货币政策调控方式虽然从1998年开始放弃贷款控制的直接方式而转向货币总量的间接控制，但央行的新增贷款计划却每年还在做，各商业银行的贷款数量受到央行的紧密追踪，贷款仍受到计划贷款总量的约束，可见金融机构贷款仍然是货币政策关注的重要指标。

对这6个变量的月度数据分别做如下处理：先用X-11乘法季节调整对M0、金融机构贷款余额和工业增加值进行平滑以消除季节趋势，再除以定基消费价格指数消除通胀影响，然后取对数消除异方差，处理后的数据分别用inmO、indky和Ingvz表示。对银行间7天同业拆借利率减通胀率取实际值。用t11表示。对上证综指取对数，用

insz表示，上证综指取对数后，对数差就表示对数收益率。定基消费价格指数用wjzs表示。

(二)扩展(Lag-Auented)VAIL模型的建立

SVAR模型和VAR模型对变量的单整性协整性要求不同。对于无约束的VAR模型，若变量平稳，则可直接用水平数据建立模型，此时的模型估计是有效的：若变量非平稳但协整，则可对数据进行差分建立具有协整约束的VAR模型，以获得有效的模型估计。可见，变量平稳性及协整关系对VAR模型是非常重要的，但SVAR模型中变量的平稳性及协整性已有文献并无深入、系统的探讨。大多直接采用变量的水平值进行估计。但这样建模对模型滞后阶数的选择与通常的做法有差异。Todaand Yamamoto(1995)研究表明，采用扩展(Lag-Augmented)VAR模型方法可以不考虑变量单位根个数及协整关系。这种方法采用P+K一作为模型内生变量的滞后阶数，其中KMmax为变量时间序列的最大单整数，P为根据通常判定准则确定的VAR模型的滞后阶数。这种方法的优点在于能避免以协整为依据所建立的VAR模型可能存在的严重事前检验误差而得出有偏的实证结论，且简单易行。本研究将以此方法建模。

SVAR模型是在VAR模型基础上对其误差项进行结构分解得到的。于是先建立包含4个内生变量(Idkv、InmO、tll和Insz)和两个外生变量(Ingyz和wjzs)的VAR模型，区分内生和外生的原因是：作为研究货币政策对股市冲击的系统，为尽可能准确地估计出冲击的直接作用，必须把影响股市的两大宏观要素工业增加值与物价水平包含在分析系统中，但内生变量的增加会造成模型待估参数以所增加内生变量数目的倍数增多，待估参数的增加会造成自由度的损失并直接影响到模型参数估计的精度，权衡利弊我们把Ingyz和wizs作为模型的外生变量来处理。其次确定扩展(Lag-Augmented)VAR模型的滞后阶数，需确定模型内生变量的最大单整阶数以及无约束VAR模型的滞后阶数。对Indky、InmO、tll和Insz进行ADF检验(检验的方程都含趋势项与截距项，方程的滞后阶数都为12)最大单整阶数为1，即kmax=1。对无约束VAR模型的滞后阶数的检验发现5个判定准则中有4个在5％的显著水平下判定模型的最优滞后阶数为2，另一个判定为l，所以无约束VAR模型的滞后阶数p=2。所以，我们建立的VAR模型的滞后阶数为3。

VAR模型的脉冲响应分析和方差分解分析只有模型是平稳时才有意义，SVAR模型对平稳性有同样的要求。VAR模型平稳的充要条件是模型系数行列式的所有特征值都在单位圆以内。对所建立的VAR(3)进行平稳性检验发现条件满足，可进行脉冲分析和方差分解。同时。残差的LM自相关检验表明残差序列不存在自相关，但进一步分析表明，各随机冲击之间存在较强的相关性，有必要识别结构式冲击，

(三)对SVAR模型同期相关关系矩阵的约束及矩阵的估计

要识别出机构式冲击需求出同期相关关系矩阵，而求同期相关关系矩阵需施加k(k-1)／2个短期约束(高铁梅，2003)。于是，对本文4个内生变量和2个外生变量的SVAR(3)需施加6个短期约束，本文施加的是零约束，表明一个变量对另一个变量随机冲击没有当期反应，分别是：InmO对来自Insz的冲击为零；Indky对来自Insz的冲击为零tll对来自Insz的冲击为零；lnm0对来自tll的冲击为零：Indky对来自tll的冲击为零；Indky对来自InmO的冲击为零。上述约束的理论依据是：我国货币政策没有把资产价格作为货币政策的调控目标，所以有了前3个约束：我国现金流通量Mo主要受到巨额外汇储备的影响。具有被动吸收外汇的特征，所以第4个约束也可行；我国央行每年都有信贷计划，商业银行普遍存在惜贷现象，且中小企业长年受融资难困扰，使得贷款对利率不敏感，可见第五和第六个零约束也成立。在施加了6个零约束之后，SVAR模型正好可识别，此时根据变量顺序Ind，kv、InmO、tll和Insz估计出结构因子矩阵A、B。

(四)SVAP，脉冲响应函数分析

用结构因子矩阵A、B对VAR的误差项进行分解，可得同期独立的随机干扰项，据此得出脉冲响应函数就不再含有其它内生变量的交叉冲击。从而能更精确度量出变量冲击对系统的影响，这是SVAR脉冲响应函数的优点。本研究探讨股市对货币政策冲击的动态效应，所以仅给出股市对一单位标准差货币政策变量结构新息冲击的响应轨迹(如下图所示)，滞后长度为12期，图中横坐标表示冲击发生后的时间间隔(单位：月)，纵坐标表示对冲击的反应程度(单位：百分数)。图中实线部分表示脉冲响应轨迹。虚线部分表示5％的置信水平。

由上图可知：金融机构贷款余额对股市的冲击作用是负向的且非常微弱，出现负向冲击与我们的经验是相反的，这种冲击到第三期才开始显现，到第十期冲击作用趋于消失。在第五、六、七期这种影响达到最大，此时达到0I01％左右。基础货币供应量M0对股市的冲击作用为正向且较显著，这种冲击从当期显现且冲击作用稳步上升，到第六期达到较高水平，之后一直保持在该水平而无明显下降，说明基础货币供应量对股市的冲击作用较明显且持久。货币市场利率对股市的冲击效力较小，整体上是负向的且持续期较短，第八期之后影响就趋于零了，滞后三、四、五、六期的影响相对较明显，但在第二期却出现了令人费解的正向冲击。

整体上看，货币政策对股市的冲击主要体现在基础货币上，货币市场利率对股市虽有影响，但很微弱。金融机构贷款余额对股市的影响却是出乎意料的负向，影响力也很微弱。

四、结论

本文用2000年1月至2010年8月的月度数据，建立4个内生变量(Indky、InmO、tll和Insz)和2个外生变量(Ingyz和州zs)滞后三阶的SVAR(3)模型，并求出正交化的脉冲响应函数以分析该时期货币政策对股市的动态影响效力，得出以下结论：

第一，我国货币政策对股市的影响途径主要是基础货币供应量M0，这种影响途径较显著且持久，影响的最大值在六个月后出现。基础货币对股市的追逐，说明了我国投资渠道的匮乏，现金持有者只能通过投资高风险的股市来实现金钱的时间价值。但现金的高流动需求一方面使得投资股市蒙受较大的风险，另一方面也加剧了股市的波动。不利于金融稳定。

第二。我国货币市场利率对股市的影响很小。虽然我国当前有一定数量的券商和基金参与了货币市场的交易，但是从数据的检验结果看股市对货币市场利率还不敏感，这说明了机构投资者在稳定股市方面的作用尚未显现，我国股市的投机氛围依然浓重。

第三，我国金融机构贷款余额对股市的影响呈微弱负向关系。这与经验相反，本文认为这与我国商业银行贷款结构与企业投资效率有关。如果企业对商业银行形成一种倒逼，那么贷款的增加未必表明企业生产效率的提高，所以未必对公司的股票有正向影响。如果企业的投资效率不高，根据财务管理原理，项目的净现值可能为负。此时贷款的增加却可能对公司股价形成负向影响。

参考文献：

[1]瞿强，资产价格与货币政策[J]，经济研究，200l,(07)。

[2]谢平、焦瑾璞，中国股票发展与货币政策完善[J]，金融研究,2002,(04)。

[3]易纲、王召，货币政策与金融资产价格[J]，经济研究，2002,(03)。

[4]孙华妤、马跃，中国货币政策与股票市场的关系[J]，经济研究,2003,(07)。

[5]陆蓉，股票市场的货币政策效应的度量[J]统计研究，2003,(08)。

[6]刘松，中国货币供应量与股市价格的实证研究[J]，管理世界,2004,(02)。

[7]崔畅，货币政策工具对资产价格动态冲击的识别检验[J]，财经研究,2007,(07)。

[8]楚尔鸣、鲁旭，基于SVAR模型的政府投资挤出效应研究[J]，宏观经济研究,2008,(08)。

股市动态分析第3篇

关键词：DCC-MVGARCH模型;联动性;股票市场

中图分类号：F830 文献标志码：A 文章编号：1673-291X（2014）31-0116-05

在全球金融市场中，不同的子市场之间经常存在价格或波动的相关关系，随着全球一体化程度的不断推进，这种相关关系日趋紧密。长期以来，中国大陆、香港和台湾地区的股票市场的发展相对独立，大陆股票市场的发展起步较晚，但是，随着大陆股票市场发展的日趋成熟化，大陆股票市场与香港、台湾股票市场之间的联系也在逐步加深。

一、文献综述

自20世纪80年代开始，国内外学者开始对金融市场的相关关系进行研究。Eun和Shim [1]（1989）以1979年12月31日至1985年12月20日期间的1 560笔股票市场日交易资料为样本，利用VAR模型对美国、英国等9个股票市场价格指数的波动性进行研究，探讨了国际股市之间的联动性。Lee和Kim[2]（1993）研究了1987年股灾期间12个国家股票市场之间的关系，研究发现股市指数的相关系数值从0.23升至0.39，说明股票市场之间存在相互传染。Calvo和Reinhart[3]（1996）研究了1994年12月墨西哥危机前后新兴市场间相关关系的变化情况，研究结果表明，危机后，新兴国家之间的相关系数有了比较大的提高，说明了新兴国家股票市场之间存在金融传染。

中国股市联动性的相关文献主要体现在两个方面：一是研究中国股市与外部股市的联动性，二是对中国股市内部进行联动性分析。洪永淼等[4]（2004）利用风险―Granger因果关系检验和GARCH族模型，选取中国内地、香港、台湾、新加坡、韩国等12个有代表性的股票市场价格指数，分析了中国A股、B股、H股之间，以及中国与世界其他各国股市之间是否存在风险溢出效应。王群勇和王国忠[5]（2005）运用向量自回归模型和多元GARCH模型研究了中国沪市A、B股之间的信息传递模式和均值溢出效应，该研究发现沪市A、B股市场之间仅存在A股市场对B股市场仅存在由A股到B股的单向信息的传递，这种单向信息传递存在的主要原因是市场微观结构中投资者差异和信息不对称。谷耀和陆丽娜[6]（2006）运用DCC-（BV）EGARCH-VAR的方法分析研究了中国沪、深、港三地股票市场收益与波动溢出效应和动态相关性，这种方法的特点是可以有效克服多个金融市场波动之间的自相关性。用这种方法得到的结论是，香港股票市场的波动会产生对境内股票市场的波动溢出效应。董秀良和吴仁水[7]（2008）利用DCC-MVGARCH模型对中国沪深A、B股市场之间的动态相关性进行了考察，研究发现，沪深两市A、B股之间存在正相关关系，但整体来看，该动态相关系数相对较低，市场分割明显，但随着时间变化呈现一体化的趋势。张兵、范致镇和李心丹[8]（2010）以2001年12月12日至2009年1月23日上证指数与道琼斯指数的日交易数据检验了中美股市的联动特征，检验结果显示，中国股市与美国股市不存在长期的均衡关系：中国股市对美国股市的波动溢出效应不明显，在QDII实施之后，美国股市对中国股市具有波动溢出效应，且不断增强。何红霞和胡日东[9]（2011）采用非对称BEKK-GARCH模型研究了深圳、香港、台湾三地股票市场之间的短期波动溢出效应，研究发现中国大陆股市和香港、台湾股市有双向的信息传递。丁振辉和徐瑾[10]（2013）运用GARCH-M模型研究了上海股市和香港股市之间的联动关系，结果显示，两大股市存在相互影响的联动关系，但是上海对香港股市的影响要强于香港对上海股市的影响。

通过对国内外关于股票市场联动性的现有文献进行梳理，发现国内外学者对于股票市场之间的联动性已经做了很多研究。本文立足于中国，针对2000年以来大陆股票市场与香港、台湾股票市场之间的联动性进行研究，以期能为中国股市的政策制定者、监管机构和投资者提供支持。

二、研究方法介绍

为了更准确地研究大陆、香港和台湾地区股票市场之间波动的相关性，文章利用目前时间序列动态相关性常用的DCC-MVGARCH模型，该模型是由Engle和Sheppard[11]（2001）在CCC-MVGARCH的基础上提出的，它放宽了相关系数为常数的假设，允许相关系数矩阵R随时间t变动，即相关系数矩阵R具有时变特征。

假设有k种资产，其收益率rt的新息{et}为独立同分布的白噪声过程，则动态相关结构可以设定为：

rt=ut+et

et|Ωt-1～N（0，Ht）

Ht=DtRtDt

Qt=（1-■αm-■βn）Q+■αm（εt-mεT t-m）+■βnQt-n

Q=T-1■εtε′t

Rt=diag（Qt）-1Qtdiag（Qt）-1

其中，Ωt-1是rt在时刻t的信息集，Q为标准化残差的无条件方差矩阵，Rt为动态相关系数矩阵，Dt=diag（hit），hit=ωi+■αipe2 i，t-p+■βiqe2 i，t-q，εt=D-1tet为向量标准化残差。αm和βn为DCC模型的系数（m和n为滞后阶数）。

DCC-MVGARCH模型的估计方法一般通过两步来实现：第一步，估计要研究的时间序列的单变量GARCH模型，得到条件方差，进而计算出标准化残差，第二步，采用极大似然方法估计动态相关系数。

三、变量选择和数据描述

（一）数据来源

文章选取上证综合指数（SHI）、香港恒生指数（HSI）和台湾加权指数（TWII）的日收盘价作为研究对象，分别代表大陆、香港和台湾的股票市场的发展状况。数据时间范围为2000年1月1日至2014年6月30日，剔除样本内股票市场不匹配的情形（节假日导致），最终筛选得到有效配对数据共计3 078个。则股票市场收益率R可表示为：

Ri，t=100×ln（Pi，t /Pi，t-1）

式中，i=1，2，3，分别表示大陆、香港、台湾的股票市场，Pi，t 为市场i第t期的收盘价。

（二）描述性统计分析

大陆、香港、台湾股票市场收益率的基本描述性统计（见表1）。标准差结果显示，大陆股市波动性最大，香港次之，台湾股市波动性最小，但整体差别不明显;偏度结果显示，大陆和香港股市收益率的偏度大于0，是右偏分布，台湾股市收益率的偏度小于0，是左偏分布;峰度结果显示三个地区股市收益率序列均呈现尖峰厚尾的特点，J-B统计量结果表明三个股票市场收益率序列均不服从正态分布。

表2显示了三个地区股票市场收益率的相关系数。全样本数据的相关系数显示，大陆股市与香港、台湾股市的相关系数分别是0.37837和0.20951，显示出较弱的相关性，而香港与台湾股市的相关性较强，相关系数为0.53683。为了进一步说明三个地区股市相关性的变化趋势，分别测算2008年前后的三个地区股市的相关性，结果显示，大陆股市与香港股市的相关系数从2008年之前的0.20604变为2008年之后的0.52273，大陆股市与台湾股市的相关系数也从2008年之前的0.08559变为2008年之后的0.36567，这在一定程度上说明了经过近几年的发展，大陆股市与香港、台湾股市的联系在逐步增强。 四、实证分析和结果

（一）平稳性、自相关及ARCH效应检验

文章分别对大陆、香港和台湾股票市场的收益率序列进行平稳性、自相关和ARCH效应检验，结果（见表3）。

从表3可以看出，大陆、香港和台湾股票市场收益率序列均通过了平稳性检验，且Ljung-Box Q检验结果表明：（1）大陆和香港股票市场收益率序列不存在自相关现象，而台湾股票市场收益率序列存在自相关现象;（2）大陆、香港和台湾股票市场收益率平方序列具有显著的自相关现象，说明收益率序列波动聚集效应显著。同时ARCH效应检验结果表明三个地区股票市场收益率序列存在ARCH效应，根据AIC准则，发现使用GARCH（1，1）模型来估计三个地区股市的收益率序列是比较合适的。

表4中α表示现有信息对下一期波动性的影响力程度，α值越高说明该股票市场对新信息的敏感度越高，参数估计结果显示，大陆、香港和台湾股票市场的α值都较低。α+β表示股票市场收益率波动的维持性，用来衡量现有波动性趋势的消失速度，其值越接近于1，表明波动性趋势的持续时间越长，由此可知大陆、香港和台湾股票市场波动性的持续性均较长，且没有明显差异。

（二）DCC-MVGARCH模型估计结果

文章利用DCC（1，1）-MVGARCH（1，1）模型分别估计大陆、香港和台湾股票时间两两之间的动态相关性，通过R软件编程得到三地股票市场动态条件相关系数走势图。

图1显示的是2000年1月1日至2014年6月30日的大陆股市与香港股市动态条件相关系数的走势图，可以发现，大陆股市与香港股市的动态相关系数在多数时间内都大于0，尤其在美国金融危机发生后，大陆与香港股市的动态相关系数呈现出明显的上升趋势，且超过了0.5。

图2显示的是2000年1月1日至2014年6月30日的大陆股市与台湾股市动态条件相关系数的走势图，可以发现，大陆股市与台湾股市的动态相关系数呈现出动态上升的趋势，但其在上升的同时却呈现较大的波动性。

图3显示的是2000年1月1日至2014年6月30日的香港股市与台湾股市动态条件相关系数的走势图，可以发现，香港股市与台湾股市的动态相关系数存在大幅波动且趋势不明显，但相关系数整体较高，大都在0.6附近波动。

五、结论

本文以上证综合指数、香港恒生指数和台湾加权指数的日收盘价为研究对象，采用DCC-MVGARCH模型，考察了大陆、香港和台湾股票市场之间的动态相关性，根据实证结果，可以得到如下结论：

第一，大陆与香港股市之间的联动性呈现明显加强的趋势，尤其在美国金融危机之后，大陆与香港两地的股市之间的相关性达到了0.5以上，说明经过了证券市场改革和经济的快速发展之后，中国大陆股票市场与香港股票市场之间的联动关系正在逐步增强。

第二，大陆与台湾股市之间的联动性虽然整体上存在增强的趋势，但同时却显示出较大的波动性。整体来看，大陆与台湾股市之间的联动性却没有大陆与香港股市之间的联动性强，其相关系数大都在0.5以下。

第三，香港与台湾股市之间的联动性最高，虽然没有呈现明显的变化趋势，但却表现出较大幅度的波动。

基于本文的实证结果分析可知，中国大陆与香港、台湾股票市场之间的联动效应均呈现增强的趋势，大陆股市正逐步改善以前相对独立的状态。这对于政策制定者、监管机构等都具有重要的意义。

参考文献：

[1] Cheol S.Eun & Sangdal Shim.International Transmission of Stock Market Movements[J].Journal of Financial and Quantitative Analysis，

1989，24（2）：241-256.

[2] Lee，S.B.，& Kim，K.J.Does the October 1987 crash strengthen the co-movements among national stocks markets？[J].Review of Financial

Economics，1993，3（1）：89-102.

[3] Calvo，Sara & Reinhart，Garmen.Capital flows to Latin America：Is there evidence of contagion effects？[R].Policy Research Working

Paper Series 1619，1996.

[4] 洪永淼，成思危，刘艳辉，汪寿阳.中国股市与世界其他股市之间的大风险溢出效应[J].经济学（季刊），2004，（3）：24.

[5] 王群勇，王国忠.沪市A、B股市场间信息传递模式研究[J].现代财经―天津财经学院学报，2005，（6）：25-29.

[6] 谷耀，陆丽娜.沪、深、港股市信息溢出效应与动态相关性――基于DCC-（BV）EGARCH-VAR的检验[J].数量经济技术经济研究，

2006，（8）：142-151.

[7] 董秀良，吴仁水.基于DCC-MGARCH模型的中国A、B股市场相关性及其解释[J].中国软科学，2008，（7）：125-133.

[8] 张兵，范致镇，李心丹.中美股票市场的联动性研究[J].经济研究，2010，（11）：141-151.

[9] 何红霞，胡日东.大中华区股市波动溢出效应实证研究――基于多元非对称BEKK-GARCH模型[J].重庆科技学院学报（社会科

学版），2011，（10）：139-143.

[10] 丁振辉，徐瑾.上海和香港两地股市联动性研究――基于GARCH模型的分析[J].金融发展研究，2013，（5）：20-25.

[11] Robert F.Engle & Kevin Sheppard.Theoretical and Empirical properties of Dynamic Conditional Correlation Multivariate GARCH[R].

股市动态分析第4篇

本刊自2014年12月中期以来就强调指出，这一轮兴起的牛市有其自身的特点，它与A股历史上出现过的牛市有着很大的不同，个中原因在于交易杠杆的存在（参见2014年12月12日第48期《杠杆上的舞蹈 借来的牛市》）。以及市场在经历相当幅度上涨后，已到了风险显现的时间窗口（参见2015年1月10日第二期文章《新股发行提速 大盘面临短期调整》）。至2015年1月17日，本刊更以封面文章《牛回头――调整的时间、空间、方式》提示投资者注意短期调整风险。

站在目前的时间节点上，回顾这些策略提示，有助于我们把握下一阶段的行情，制定更为完善的操作策略。

注意本轮牛市的特点――杠杆

在2014年12月12日《杠杆上的舞蹈 借来的牛市》一文中，我们重点强调了我们的研究发现，即“融资交易成了本轮市场上涨的助推器，融资余额的快速增长推动了行情发展。然而‘融资融券’一直以来都是不平衡发展，融资规模迅速扩大，且融资规模占流通市值比重已超过成熟市场水平，但融券瓶颈始终难以突破。结合成熟市场的经验，以及A股市场此前的个案，‘两融’实际上是一把双刃剑，起到的作用通常是‘涨时助涨，跌时助跌’，对此，投资者务必加以防范。”

阶段高点的提示：短期调整

本轮行情的阶段高点出现在1月9日，上证指数最高达到3404.83点，而本刊研究部及时的发现，市场上行已经进入到了阶段调整的时间窗口，始自2014年11月22日央行降息开始，金融股带领大盘一口气从2500点上涨到3400点以上，一个多月的涨幅超过30%，已经酝酿了短期调整风险。遂在2015年1月10日第二期杂志“股市动态30”专栏中撰文《新股发行提速 大盘面临短期调整》。

在今年第三期杂志中，本刊以封面文章《牛回头――调整的时间、空间、方式》全面分析了行情的运行特征及后续演进的可能。事实上，本刊研究部在阶段高点出现后，已在1月12日确定第三期封面文章主题时作出“牛回头”的判断，但由于周刊出刊的特点，至1月17日读者拿到当期杂志时，市场已经出现了剧烈的震荡。不过，这一判断仍然有助于大部分读者规避随后出现的更为剧烈的调整。

战略性撤退

股市动态分析第5篇

【关键词】DCC-MVGARCH模型；欧债危机；动态相关性；时变特征

Study on the dynamic correlation of stock and bond markets in the context of European debt crisis

-Empirical research Based on the DCC-MVGARCH model

Wang Ran1， Li Cheng-gang2

（1. Department of Economics， Renmin University of China， Beijing 10000， China， 2. Faculty of Finance， Guizhou University of Finance and Economics， Guiyang 550004， China）

Abstract： This paper uses the DCC-MVGARCH model proposed by Engle to study the dynamic correlation between stock and bond markets in China in the context of the European debt crisis， and characterizes the time-varying characteristics of the correlation between stock and bond markets. The empirical results show that the dynamic conditional correlation of stock and bond markets in the context of the European debt crisis is time-varying. The impact of European debt crisis on the correlation between stock market and bond markets is obvious. The impacts of European debt crisis on the dynamic correlation coefficients between stock and Treasury bond markets， and between stock and corporate bond markets are substantially identical.

Key words： DCC-MVGARCH model； European debt crisis； dynamic correlation； time-varying characteristic

1.引言

2009年12月以来，由于希腊、法国、西班牙、意大利等国的债务问题凸显，引发了欧债危机。在欧债危机的冲击下，我国股票市场大幅下跌，而债券市场却出现了上涨。因此，在欧债危机的冲击下，我国股票市场与债券市场是否存在较强的相关关系？相关关系是否呈现出时变特征？对于这些问题的研究和探讨，有利于理解欧债危机对我国股票市场与债券市场的作用机理，揭示欧债危机背景下我国股票与债券市场的变动规律，指导投资者在欧债危机及类似金融危机冲击下的投资决策和投资转移。

2.文献回顾

国内外大量学者研究了股票市场与债券市场之间的相关性。Chan等（1997）[1]的研究表明至少存在一种非静态的因素推动股票和债券价格的变动，而这种非静态因素并不能对两资产的价格同时产生影响。Gulko（2002）[2]重点研究了股票市场崩盘时的股票与债券相关性，结果表明伴随着股票市场崩盘，股票与债券之间呈现出负相关性。Andersson等（2008）[3]的研究结果表明，在高通货膨胀预期时，股票与债券价格同向变动；在低通货膨胀预期时，股票与债券呈现出负相关关系。Yang等（2009）[4]研究了宏观经济因素影响下的股票与债券相关性，结果发现，短期利率与通货膨胀率更高时，股票与债券的相关性也更高。Baur（2010）[5]分析了8个发达国家的股票与债券指数相关性，发现同一个国家的股票与债券相关性呈负相关，跨国家的股票与债券市场呈现出正相关。Garcia和Tsafack（2011）[6]的研究表明同一种资产在两个区间中的依赖性都较强，但是在股票与债券之间依赖性较弱，甚至在同一个国家里的股票与债券市场上也是如此。Dhillon和Johnson（2012）[7]通过检验红利变动对股票和债券价格的影响，发现股票价格与债券价格在红利变动宣告时呈现出负相关关系。

国内学者也对股票与债券市场相关性进行了一些有益的探讨，取得了一些有益的研究成果。一些学者集中于股票市场或债券市场内部相关性的研究，一些学者重点探讨了股票市场与债券市场之间的相关性研究。赵留彦和王一鸣（2003）[8]采用向量GARCH模型研究了A、B股之间的相关性和波动溢出，研究结果发现，2001年2月B股对境内投资者开放事件使得A股和B股之间的联系增强。谷耀和陆丽娜（2006）[9]对上海、深圳和香港三地股票市场动态相关性的研究结果显示，沪市和深市之间的条件相关性是动态调整的，在牛市时两市的相关性变动幅度较大，而在熊市时两市的相关性变动幅度较为平缓。袁超等（2008）[10]采用非对称动态条件相关系数模型，实证分析了债券市场与股票市场的动态相关性，结果发现股票和债券市场的相关关系存在结构性变化。吴吉林和原鹏飞（2009）[11]采用AG-DCC模型研究了我国股票、债券及外汇市场一体化问题，结果发现我国股票、债券和外汇市场间存在明显的动态相关性。郑振龙和陈志英（2011）[12]实证分析了中国股票市场和债券市场收益率动态相关性，分析结果表明股票和债券市场相关性是时变的。

从以上的文献研究成果可以看出，现有学者尚未研究欧债危机影响下的股票与债券市场相关性，尚未刻画欧债危机背景下的股票与债券市场相关性时变特征。本文将引入Engle（2002）[13]提出的动态条件相关多元广义自回归条件异方差模型（DCC-MVGARCH），刻画股票市场与国债市场以及股票市场与企业债市场相关性的时变特征，分析欧债危机对股票市场与债券市场相关性的影响。

3.股票与债券市场动态相关性实证分析

3.1数据

为了考察欧债危机背景下我国股票市场与债券市场相关性，同时将欧债危机爆发前与爆发后股票市场与债券市场相关性进行比较，本文选取2008年9月1日至2012年5月31日的上证指数（000001）、上证国债指数（000012）以及上证企债指数（000013）日收盘价，共909组的收盘价数据。数据来源于RESSET金融研究数据库。

上证指数、上证国债指数和上证企债指数的日收益率 可以利用如下公式进行计算：

（1）

其中，，分别表示上证指数、上证国债指数和上证企债指数。

对上证指数、上证国债指数和上证企债指数收益率序列做统计性描述（限于篇幅，统计性描述未列出）。三大指数收益率时间序列都没有通过正态检验（Jarque-Bera检验，即JB检验），在1%的显著性水平下，欧债危机背景下的股票市场和债券市场收益率都显著异于正态分布。峰度（Kurtosis）分别为5.9769、23.1246和48.7726，说明股票市场和国债市场收益率序列不服从正态分布，呈现出尖峰厚尾特征。三大指数收益率序列及收益率平方序列的自相关及异方差检验结果显示，收益率序列在1%的水平下存在显著的序列相关性。这表明股票市场与债券市场均存在显著的自相关现象，收益率序列波动聚集现象非常显著。单位根检验结果表明，股票市场和债券市场收益率序列均为平稳的时间序列。

3.2实证模型

Engle（2002）[13]对相关性研究方法和模型进行了改进，提出了DCC-MVGARCH模型。DCC-MVGARCH模型假定k种资产的收益率rt服从均值为0，协方差矩阵为Ht的条件多元正态分布，表示如下：

～ （2）

（3）

其中，Ft-1为t-1期的信息集合，rt为k×1维向量，Ht为条件协方差矩阵，Rt为k×k维时变相关矩阵。，为单变量GARCH模型求出的n×n维时变标准差对角线项组成的矩阵。hi，t可以采用如下的单变量GARCH模型求出：

（4）

标准化残差，，则动态条件相关结构为：

（5）

（6）

其中，为标准残差的无条件方差矩阵，，。αm和βn称为DCC-MVGARCH模型的系数。 ，。最常用的模型为DCC-MVGARCH（1，1），则为：

，为标准化残差εt的非条件相关系数，，，并且

Engle（2002）[13]提出用两阶段法估计DCC-MVGARCH模型。采用对数似然估计，对数似然函数为：

（7）

对数似然函数值可以分解为波动部分和相关性部分。第一阶段对波动部分进行估计，分别对每个市场单独采用单变量GARCH进行估计，并将各GARCH模型的对数似然函数进行求和。第二阶段运用第一阶段获得的单变量估计值对相关性部分进行估计。两阶段估计出来的DCC参数具有一致性和渐进正态性。

3.3模型估计结果

本文对上证指数、上证国债指数和上证企债指数收益率分别构建GARCH（p，q）模型，刻画股票市场、国债市场和企业债市场的波动性风险。由于三大指数收益率序列都存在显著的自相关，本文采用ARMA模型作为均值方程。ARMA模型首先需要确定滞后阶数，利用偏自相关函数（PACF）确定均值方程中ARMA模型的滞后阶数，最终确定为：上证指数收益率的均值方程符合ARMA（1，1）的结构，上证国债指数收益率的均值方程符合ARMA（3，1）结构，上证企债指数收益率的均值方程符合ARMA（2，2）结构。对三个ARMA结构均值方程的残差序列进行ARCH-LM检验，检验结果显示P值为0，拒绝原假设。这表明，本文建立的三个ARMA模型残差序列都存在显著的ARCH效应，可以进一步建立GARCH模型进行分析。根据残差序列的特征，确定方差方程中ARCH项和GARCH项的滞后阶数，最终采用GARCH（1，1）模型刻画三大指数收益率序列的波动性。本文采用对数极大似然估计GARCH（1，1）。同时，对上证指数、上证国债指数和上证企债指数收益率序列建立的GARCH（1，1）模型的残差序列进行Liung-Box统计量检验。检验结果显示，残差序列已不存在自相关和ARCH效应。这表明本文所构建的模型以及模型滞后阶数的设定是合理的。从估计结果可以看出，在方差方程中，ARCH项和GARCH项的系数都是显著的，并且ARCH项和GARCH项的系数之和都小于1，并且这两项系数之和都接近1，估计结构都符合约束条件，这说明在欧债危机背景下，三大指数收益率序列的波动都具有显著的持续性（限于篇幅，估计结果和检验结果未列出）。

基于前文对单变量GARCH模型的估计结果，利用DCC-MVGARCH模型分别考察欧债危机背景下，股票市场和债券市场收益率的动态条件相关性。在估计DCC-MVGARCH模型时，条件方差的ARCH项和GARCH项分别设定为1，即采用GARCH（1，1）形式。DCC-MVGARCH模型具体的估计结果见表1。

表1 DCC-MVGARCH模型估计结果

α t值 β t值

上证指数与上证国债指数 0.0520 14.85 0.9096 138.35

上证指数与上证企债指数 0.0482 13.59 0.9322 205.93

DCC-MVGARCH模型的估计结果显示，α+β﹤1符合约束条件；α与β都显著异于零，说明滞后一期的标准化残差乘积对市场之间的动态相关系数具有显著的影响。α分别为0.0520和0.0482，表明滞后一期的标准化残差乘积对动态相关系数的影响较小；β显著并且接近于1，表明股票市场和债券市场之间的动态条件相关系数受前期影响较大，它们的相关性变动具有较强的持续性特征。为了更直观地反映股票市场与债券市场的动态条件相关系数的变化特征，作出动态条件相关系数图，分别如图1和图2所示。

3.4实证结果分析

从图1和图2可以很直观地看出在欧债危机背景下，我国股票市场与债券市场的动态条件相关系数具有以下特征：第一，股票市场与国债市场、股票市场与企业债市场的动态条件相关系数随着时间的变化，动态条件相关系数不断变化，呈时变特征；第二，在欧债危机发生以前，股票市场与债券市场的相关性大多数时间里呈现正相关关系，而在欧债危机发生以后，股票市场与债券市场的相关性呈现负相关关系；第三，当希腊债务危机爆发以后，股票市场与债券市场的动态条件相关系数由0.3左右突然降至-0.7左右，相关性变化较大，变化非常明显。第四，股票市场与债券市场的动态条件相关系数绝大多数时间里介于-0.8～0.3之间。第五，通过对股票市场与国债市场的动态条件相关系数图同股票市场与企业债市场的动态条件相关系数图进行比较，股票市场与国债市场的动态条件相关系数走势基本上与股票市场与企业债市场的动态条件相关系数走势相同。之所以出现以上特征，主要是因为以下原因：首先，欧债危机引发的风险会在股票市场与债券市场之间动态传染，投资者会在股票市场与债券市场之间进行投资转移。这导致股票市场与债券市场的相关性不断发生变化。其次，由于欧债危机对我国股票市场与债券市场的冲击较为明显，在欧债危机爆发以后，我国股票市场与债券市场的相关性变化较大。第三，我国企业债大多数是由国有大中型企业发行，其信用等级都为A级，信用等级基本上等同于国债，因此股票市场与国债市场的动态条件相关系数走势同股票市场与企业债市场的动态条件相关系数走势类似。

4.结论

本文采用DCC-MVGARCH模型，实证研究了欧债危机背景下的我国股票市场与债券市场的动态相关性。通过实证结果分析，本文得到以下以下结论：

（1）股票市场与国债市场、股票市场与企业债市场的动态条件相关系数随时间的变化而变化，呈现出时变特征。

（2）欧债危机对股票市场与债券市场的相关性影响较为明显。欧债危机发生后，股票市场与债券市场的动态条件相关系数由正转变为负。

（3）企业债的发行主体大多数为国有大中型企业，信用等级基本上等同于国债，使得股票与国债市场动态条件相关系数同股票与企业债市场动态条件相关系数走势基本一致。

参考文献

[1]K. Chan， S. Norrbin， P. Lai. Are stock and bond prices collinear in the long run？ [J]. International Review of Economics & Finance， 1997， 6（2）： 193-201.

[2]L. Gulko. Decoupling. Journal of Portfolio Management， 2002， 28（3）， 59-67.

[3]M. Andersson， E. Krylova， S. V?h?maa. Why does the correlation between stock and bond returns vary over time？ [J]. Applied Financial Economics， 2008， 18（2）： 139–151.

[4]J. Yang、Y. Zhou， Z. Wang. The stock–bond correlation and macroeconomic conditions： One and a half centuries of evidence [J]. Journal of Banking & Finance， 2009， 33（4）： 670-680.

[5]D. Baur. Stock-bond co-movements and cross-country linkages [J]. International Journal of Banking Accounting and Finance， 2010， 2（2）： 111-129.

[6]R. Garcia， G. Tsafack. Dependence structure and extreme comovements in international equity and bond markets [J]. Journal of Banking & Finance， 2011， 35（8）： 1954-1970.

[7]U. Dhillon， H. Johnson. Oil prices， speculation， and fundamentals： Interpreting causal relations among spot and futures prices [J]. Energy Economics， 2009， 31（4）： 550-558.

[8]赵留彦， 王一鸣. A、B股之间的信息流动与波动溢出[J].金融研究， 2003， （10）： 37-52.

[9]谷耀，陆丽娜.沪、深、港股市信息溢出效应与动态相关性—基于DCC-（BV） EGARCH-VAR的检验[J].数量经济技术经济研究，2006， （8）： 142-151.

[10]袁超，张兵，汪慧建.债券市场与股票市场的动态相关性研究[J].金融研究，2008， （1）：63-75.

[11]吴吉林，原鹏飞.信息、政策冲击和中国股票、债券及外汇市场一体化——基于AG-DCC模型的金融市场动态相关性分析[J].南方经济， 2009， （10）： 12-21.

[12]郑振龙，陈志英.中国股票市场和债券市场收益率动态相关性分析[J].当代财经，2011，（2）： 45-53.

[13]R. Engle. Dynamic conditional correlation： A simple class of multivariate Generalized Autoregressive Conditional Heteroskedasticity Models [J]. Journal of Business and Economic Statistics， 2002， 20： 339-350.

股市动态分析第6篇

关键词：股市波动；货币政策；不确定性；GARCH-MIDAS模型；金融状况指数

中图分类号：F820.1 文献标识码：A 文章编号：1674-2265（2017）05-0025-08

一、前言与文献综述

股市波动可能会引起金融市场的动荡甚至金融危机和经济危机。从短期来看，股市波动更多源于技术面的原因，有自我强化和自我实现机制特征，但从长期来看，股市波动更多源于基本面的原因，主要受到宏观经济和经济政策的外生冲击影响，其中货币政策变量是重要影响因素之一。

国内外学者的大量研究表明，经济增长、通货膨胀、经济景气指数、政策不确定性、人均收入等宏观经济变量都对股市波动具有显著影响。在经济增长与股市关系研究中基本上认为它们之间是正相关关系（Fama，1990；Levine和Zervos，1998）；在研究通货膨胀与股市关系时，大多数学者都支持它们是负相关的（Fama，1981；董直庆和王林辉，2008）；在政策变量与股市关系分析中，一些学者分析发现政策调整和政策不确定性等宏观经济政策变量变化对股市波动具有显著影响（Lam和Zhang，2014；陈国进等，2014），一些研究进一步表明影响系数具有时变特征（Dakhlaoui和Aloui ， 2016）。@些实证结果共有的一个显著特征是使用同频数据模型（VAR、GARCH、DCC等）来分析宏观经济和股市的关联性。然而，随着混频数据方法的进步，Engle等（2013）、郑挺国和尚玉皇（2014）等进一步使用混频抽样GARCH模型（GARCH-MIDAS）研究发现一系列宏观经济变量（如宏观经济环境、失业率、经济景气指数等）会对股市的波动产生显著影响。虽然学者更多集中于研究宏观经济一般变量与股市的关系，但在研究过程中也发现宏观金融变量，特别是货币政策变量对股市及其波动会产生显著影响。

对于历来具有“政策市”之称的我国股市而言，随着股市行情的跌宕起伏，关于股市波动及其影响因素的研究也愈发重要，从而使得从货币政策角度入手研究其对股市波动的影响也成为研究的热点与前沿。货币政策到底对股市波动有没有影响，并且这些影响是通过哪些途径产生的？学者们对这个问题进行了大量的研究，普遍认为货币政策对股市波动存在显著影响，但对货币政策影响股市波动的途径及方向有不同的看法，目前接受度比较高的途径主要有货币供应量、利率、汇率、信贷等。金融监管当局通过调控货币政策工具影响股票的预期收益率，进而影响人们购买股票的意愿，从而影响股市波动。早期的研究主要采用货币供应量（或其增长率）来度量货币政策，在实证研究中主要采用格兰杰因果关系检验、协整检验等方法，分析发现货币政策和股票收益率有同向变化趋势（Keran，1971）；Pearce和Roley（1983）进一步研究发现货币政策不确定性，即非预期的货币供应量变化，对股市波动具有反向作用；郝清民和郑鹤（2015）则发现货币增量在重大刺激之前比之后对股市波动更具影响，从而具有非线性特征。后期的研究主要采用利率来度量货币政策，并且在方法上主要采用VAR模型进行实证分析，基本上得出了货币政策对股市波动具有负向影响的结论（Bernanke和Blinder，1992；毕玉国和郭峰，2014；李菁和王冠英，2015）；Tsar（2011） 进一步分析发现货币政策不确定性，即非预期联邦基金利率调整，对股市波动更具影响；谢乔昕和宋良荣（2016）认为利率变化对股市波动具有正向影响。另外，还有一些学者发现汇率（Singh，2015）和信贷（赵胜民等，2011；王莹，2015）变化也会对股市波动产生影响。

综上所述，国内外学者主要是单一的基于某一个宏观金融变量所表征的货币政策对股市波动的影响进行实证分析，而实证分析发现货币供应量、利率、汇率和信贷都是股市波动的重要源泉，因此使用一个能够系统刻画上述四个货币政策变量的综合指数来表征货币政策，进而研究其与股市波动的关系，显得更为合理；同时，国内外学者大量从货币政策水平值角度来研究其与股市波动的关系，其实货币政策的不确定性，对股市波动具有更大的影响，但较少有人涉及；另外，目前国内外学者主要使用同频数据模型分析货币政策与股市波动的关系，而货币政策变量一般是月频变量、股市一般是日频变量，显然需要使用混频抽样数据模型分析二者的关系。

本文从货币政策不确定性的角度出发，研究货币政策不确定性对我国股市波动的影响，本文的创新点在于：一是研究视角创新。以往研究多从宏观基本视角去研究其对股市波动的影响，而本文从货币政策不确定性的视角进行研究。二是指标的选取与构建都更为综合。一方面是基于货币供应量、利率、汇率、信贷四个货币政策变量，使用HP滤波得到其不确定性成分，构建金融状况指数（FCI）作为货币政策的变量，而非单独使用货币供应量；另一方面是构建可以全面反映我国股市的综合股价指数作为股票市场的变量，避免了单一指数的缺陷。三是使用GARCH-MIDAS模型测度我国股市长短期成分，同时分别从我国货币政策不确定性的水平值和波动率层面分析对其的影响。

二、计量模型

本文首先使用HP滤波得到四个货币政策变量的不可预期性成分，在这个基础上使用Goodhart与Hofmann（2001）提出的方法，基于VAR模型构建得到我国金融状况指数（FCI），用于综合统一地表征我国货币政策的不可预期性；接着使用贝叶斯动态因子模型（BDFM）构建涵盖上证指数、深证综指和恒生中国企业指数的我国综合股价指数（CSI），作为我国股市的变量；最后，将金融状况指数纳入到GARCH-MIDAS模型中，使用该模型测度我国综合股价指数的长短成分，并分析我国货币政策不可预期性对其的影响。

（一）贝叶斯动态因子模型

因子模型经历了静态因子模型、动态因子模型和贝叶斯动态因子模型几个发展阶段。

1.静态因子模型（FM）。

（1）

其中，是维的原始变量矩阵；为变量个数； 是维的因子载荷矩阵；是公因子个数；是白噪声序列。

2.动态因子模型（DFM）。动态模型是在FM模型基础上的进一步推广，使用状态空间的方法测度动态公因子，具体如下：

， （2）

， （3）

其中，动态因子会随时间的推移而演化；误差扰动项和服从正态分布。

3.贝叶斯动态因子模型（BDFM）。贝叶斯动态因子模型是在动态因子模型的基础上，为了让DFM模型中的动态因子估计更加简单、其结果更加稳健，在其动态因子估计时结合了贝叶斯方法的MCMC估计方法。即通过基于叶斯的MCMC方法，经过次抽样，得到个动态因子矩阵估计值，求其均值就得到贝叶斯动态公因子矩阵。

（4）

其中，是迭代的次数。

（二）GARCH-MIDAS模型

Engle等（2009）将Engle和Rangel（2007）提出的Spline-GARCH模型和Ghysels等（2004）提出的MIDAS模型相结合， 将Spline-GARCH模型中长期波动的样条设定替换为采用MIDAS过滤器来对长期波动进行建模，提出了GARCH-MIDAS模型。具体来说，GARCH-MIDAS模型由方程（5）―（7）组成。

1.GARCH-MIDAS模型的条件均值方程。GARCH-MIDAS模型与一般GARCH模型的条件均值方程基本保持一致，主要区别在于把条件方差分解成短期成分及长期成分。

（5）

其中，为第个低频期（如月度）中的第个高频期（如日度）的股票对数收益率，其条件方差被分解为短期成分和长期成分；为某一个股票对数收益率的非条件均值；为在第个低频期中的第个高频期股票对数收益率方程的误差项，；是指在第个低频期中某一个股票对数收益率的条件方差的长期成分；为第个低频期中的第个高频期股票对数收益率的条件方差的短期成分。

2.GARCH-MIDAS模型的条件方差的短期成分方程。被假定是一个均值为1的GARCH（1，1）过程。

（6）

其中，和分别表示股票对数收益率的条件方差中短期成分的GARCH（1，1）过程中ARCH项与GARCH项的参数。上式中的ARCH项，是的整体条件方差剔除了长期波动、只保留短期波动而得到的。

3.GARCH-MIDAS模型的条件方差的长期成分方程。对于股票对数收益率的条件方差的长期成分 的建模，用已实现回报率来衡量。其并非使用已实现回报率来代表长期成分，而是通过MIDAS回归来平滑已实现回报率。长期成分 可表示为：

（7）

指股票对数收益率条件方差的长期成分均值；是MIDAS回归的系数； 为MIDAS回归的权重多项式函数，可以设置成Beta滞后结构或者指数权重，即；是已实现的波动率，。

方程（6）―（8）组成了基于RV的GARCH-MIDAS模型，其中待估计的参数有、、、。

4.货币政策不可预期性对股市波动率长期成分的影响。为了研究货币政策不可预期性对股市波动率的长期成分的影响，本文把货币政策不可预期性指数（用FCI来表征）直接纳入到GARCH-MIDAS模型中。式（7）代表了波动率的长期成分方程。在以上模型基础上对长期成分方程做一些改变，即用式（8）和式（9）来替代式（7）。货币政策不可预期性的水平值和波动率对股市波动的影响分别由方程（8）和方程（9）实现，如下所示。

（8）

（9）

上式中，表示货币政策不可预期性水平值；表示货币政策不可预期性波动率。

三、数据选择与描述

（一）金融状况指数的数据选取

本文首先通过VAR模型构建了金融状况指数（FCI），作为货币政策不确定性的变量，并进行了相关分析。所采用的宏观金融数据基于可获取性选择了人民币汇率、全国银行间7天同业拆借利率（CHIBOR）、M2和信贷量（金融机构人民币各项贷款期末余额）三类，所选数据均经过标准化处理，样本区间从1996年1月到2016年6月，ADF检验显示各序列通过了平稳性检验。

（二）基于BDFM模型的综合股价指数数据选取及描述

为了全面反映我国股市总体态势，本文选择了上证综指（SHZI）、深证综指（SZCI）以及香港恒生中国企业指数（HSCEI）三个股票指数的日收益率，使用BDFM模型测度得到股市贝叶斯动态公因子，本文称之为我国综合股价指数（CSI），将其作为股市的变量，周德才等（2014）也曾构建综合股价指数进行研究，效果良好。在这里引入深证综指是考虑到创业板和中小企业板的影响力；另一方面由于我国股市的海外影响力有限，还引入了恒生中国企业指数。所用数据来自雅虎财经和。样本选择从1996年1月3日到2016年6月30日，在剔除了日期不匹配的数据后，共得5345组样本数据。文中所涉及收益率全部是对数收益率。假设第个股市在时刻的价格为，那么它的对数变化率是：

（10）

其中， 是股票指数的日收益率；下标 依次表示上证综指、深证综指及国企指数。

表1列举了我国上证综指（SHZI）、深圳综指（SZCI）、恒生中国企业指数（HSCEI）以及所构建的我国综合股价指数（CSI）日收益率的描述性统计特征。偏度显示我国上证综指、深圳综指以及恒生中国企业指数日收益率均有一定程度的负偏，这说明三地股市的实际收益率都比该市股价的平均收益率要低。构建出的我国综合股价指数也存在一定负偏，符合实际；所有收益率序列的峰度均高于3，表明三地股市日收益率均呈现高峰厚尾分布态势，并且都于1%显著性水平下拒绝了J-B正态分布原假设。Q统计量检验表明上综、深综指收益率和我国综合股价指数收益率在1%显著性水平下，恒生中国企业指数在5%显著性水平下拒绝序列无关原假设，因此在条件均值模型中需要引入自相关性的描述部分。收益率平方均在1%的显著性水平上拒绝了序列无关的原假设，ARCH效应检验也在1%的显著性水平上拒绝序列无异方差的原假设，也就是说所有收益率序列具有明显异方差性，所以有必要引入 GARCH 模型来刻画这种时变方差特征。ADF 检验表明所有的收益率序列均在1%的显著性水平上通过了平稳性检验，符合时序分析对变量序列平稳性的要求，能避免“伪回归”现象的发生。

四、实证分析

为了能够系统性多方面地研究我国货币政策的不确定性对股市波动的影响，本文首先构建了金融状况指数（FCI）作为货币政策不确定性的变量；其次，将金融状况指数（FCI）和综合股价指数（CSI）进行关联性分析，初步研究两者之间是否存在联系；再次，基于GARCH-MIDAS模型提取股市波动的长期成分；最后，基于提取的长期成分分别纳入金融状况指数（FCI）的水平值和波动率，进一步从货币政策不确定性指数的水平值层面和波动率层面挖掘影响股市波动的深层原因。

（一）依据金融状况指数的我国货币政策不确定性分析

图1：1996―2016年我国货币政策不确定性分析图

图1表明，1996年以来，代表我国的货币政策不确定性的金融状况指数（FCI）主要经历了3次较为重要的波峰时期和3次波谷时期。波峰时期主要表现在：一是1997―1999年的亚洲金融危机期间。亚洲金融危机发生后，亚洲等国家经济动荡，同时我国经济也遭受了巨大冲击，出口增长幅度明显下降、投资下降和消费需求减少，通缩现象明显。对此我国采取一系列扩张性货币政策，如7次降息和征收利息税等，超出人们预期，大幅度增加了货币政策不确定性。二是2003年“非典”爆发期间。为了降低“非典”给经济造成的冲击，我国采取扩张性的货币政策，特别是信贷增速超出人们预期，在一定程度上增加了货币政策的不确定性。三是2008年下半年至2009年的4万亿刺激计划时期。为了应对次贷危机持续发酵对我国发展的巨大冲击，同时配合同年11月出台的4万亿刺激计划，我国推出了超出人们预期的扩张性货币政策，M2和M1增速高达近30%，2009年新增人民币贷款高达9.6万亿，与2007年和2008年相比分别高出近3倍和2倍多，这是我国货币政策不确定性最高的时期。

波谷时期主要表现在：一是2000―2001年加入WTO期间。此期间我国外贸和经济强劲增长、物价走出前期通缩阴影，应对亚洲金融危机推出的扩张性货币政策逐步退出，调整为稳健型货币政策，某种程度上引起货币政策不确定性的增加。二是2007―2008年上半年经济过热期间。虽然次贷危机已在美国爆发，但由于滞后效应，我国经济还处于过热状态，表现为经济增速达到两位数，通胀率基本超过调控目标（4%），同时我国政府把原来稳健型货币政策调整成适度从紧型货币政策，使得我国货币政策不确定性程度有一定的增加。三是2010―2011年扩张货币政策退出期间。此前，为了应对次贷危机推出的空前的扩张货币政策，导致了房价飞涨、通胀高企和流动性泛滥等一系列不良后果，我国实施了一系列紧缩性货币政策，如先后6次上调存款准备金率，远远超过人们预料，极大地导致货币政策不确定性上升。

总之，从金融状况指数多个波峰和波谷分析来看，我国金融状况指数较好地刻画了货币政策的不确定性，可以较好地作为我国货币政策不确定性的代表。

（二）金融状况指数与我国综合股价指数的关联性分析

本文用金融羁鲋甘作为衡量货币政策不确定性的指标，进一步研究货币政策不确定性与我国股市之间的关系。通过图 2 可以看出两个指数的同步性表现良好，金融状况指数与我国综合股价指数都始终保持着基本相同的波动趋势，并且金融状况指数的变化趋势先导于综合股价指数。此外，面对不确定性货币政策的影响，特别是不确定性程度较高的时期，我国股价会存在一个波动聚集态势。比如在 1999年亚洲金融危机、2003年“非典”的爆发以及2008年下半年至2009年4万亿刺激计划的推出等几个货币政策不确定性指数的高点，我国股价往往呈现不同程度的波动聚集性。这可能在于，众多股民都认为我国股市是“政策市”，当货币政策不确定性突然升高，投资者对股市预期也相应出现较大波动，因此也使得股市出现波动聚集现象。

（三）股市波动长期成分的提取

本文通过GARCH-MIDAS模型提取股市波动的长期成分，为下一步研究货币政策不确定性对其的影响做铺垫。

股市波动的长期成分估计结果（见表2），是测度股市波动长短期成分的GARCH-MIDAS模型参数估计结果。可以看出，除了参数μ是不显著的，ω在5%显著性水平下显著，其余参数均在1%显著性水平下显著。联系模型的实际意义，不难发现模型估计的效果良好。图3为股市的条件波动与长期成分。可以看出，长期成分与条件方差的高低起伏基本吻合，这说明长期成分既反映出了股市的波动情况，又在一定程度上平滑了高频数据中存在的噪音。此外，还可以看出股市的波动呈现出一定的周期性，通常表现为在一定期间内存在大幅度的波动，随后又趋于平缓。图中具体表现为在1998―1999年首次出现了较大幅度的波动，随后在2001―2002年出现了第二次波动，2007―2010年出现了时间持续较长、波动幅度更加剧烈的波动，最后在2015年3月―2016年4月也出现了幅度较大的波动。

（四）货币政策不确定性对股市波动长期成分的影响

在前文研究的基础上，以及取得股市长期成分之后，再将金融状况指数（FCI）的水平值和波动率纳入其中，分别从货币政策不确定性指数的水平值层面和波动率层面探究其对股市波动的影响。

1.直接纳入货币政策不确定性水平值的GARCH-MIDAS模型估计结果。表3为纳入了代表货币政策不确定性的金融状况指数（FCI）的水平值之后的GARCH-MIDAS模型估计结果。可以看出，除了μ和θ不显著外，其余参数都在1%的显著性水平下显著。其中θ表示货币政策对股市长期波动的对数的加总效应，其值为0.0026。θ为正但在统计上不显著，说明从水平层面看来，货币政策不确定性并不会对股市波动造成显著影响，这与图2的研究结果相悖。图2表明代表货币政策不确定性的FCI与代表我国股市综合状况的CSI之间关系紧密。这样的结果不免引人深思，难道二者之间并没有内在联系、这种关联性只是巧合？抑或是由于货币政策不确定性的其他层面引起的？对于前一个问题，由于本文研究的样本范围涵盖较广（1996―2016年），显然很难是因为巧合引发的，于是将目光投向后者。

[7]Keran M W.1971.Expectations，money，and the stock market[J].Federal Reserve Bank of St.Louis Review，（1）.

[8]Pearce D K，Roley V V.1983.The reaction of stock prices to unanticipated changes in money：A note[J].The Journal of Finance，38（4）.

[9]Bernanke B S，Blinder A S.1992.The federal funds rate and the channels of monetary transmission[J].The American Economic Review.

[10]Tsai C L.2011.The reaction of stock returns to unexpected increases in the federal funds rate target[J].Journal of Economics and Business，63（2）.

[11]Singh D.2015.The Relationship Between Exchange Rate and Stock Price in India： An Empirical Study[J].The IUP Journal of Financial Risk Management， 2015，12（2）.

[12]Goodhart C，Hofmann B.2001.Asset Prices， Financial Conditions，and the Transmission of Monetary Policy[J].Proceedings，114（2）.

[13]董直c，王林辉.我国证券市场与宏观经济波动关联性：基于小波变换和互谱分析的对比检验[J].金融研究，2008，（8）.

[14]陈国进，张润泽，姚莲莲.政策不确定性与股票市场波动溢出效应[J].金融经济学研究，2014，（5）.

[15]郑挺国，尚玉皇.基于宏观基本面的股市波动度量与预测[J].世界经济，2014，（12）.

[16]郝清民，郑鹤.政策事件干预股市的平滑转换随机波动模型[J].系统工程，2015，（5）.

[17]毕玉国，郭峰.货币政策公告、预期超调与股票市场波动――基于事件分析法的实证研究[J].福建论坛（人文社会科学版），2014，（3）.

[18]李菁，王冠英.利率冲击与理性股票价格泡沫――基于TVP-SV-VAR模型的检验[J].当代财经，2015，（12）.

[19]谢乔昕，宋良荣.利率市场化背景下利率政策调整对股市的冲击效应[J].金融理论与实践，2016，（7）.

[20]赵胜民，方意，王道平.金融信贷是否是中国房地产、股票价格泡沫和波动的原因――基于有向无环图的分析[J].金融研究，2011，（12）.

[21]王莹.关于我国信贷规模与股市波动相关关系的实证研究[J].浙江金融，2015，（6）.

[22]周德才，谢海东，何宜庆.我国股市财富效应非对称性的实证分析[J].统计与决策，2014，（1）.

Study on the Long and Short Component Measure of Stock Market Volatility Based on the Uncertainty of China's Monetary Policy

Zhou Decai Jia Qing Li Ziwei

（School of Economics and Management，Nanchang University，Jiangxi Nanchang 330031）

股市动态分析第7篇

关键词：市盈率；新会计准则

中国股市从2005年6月3日1000点不到的低谷一路上冲，在2007年4月23日一举站上3700点大关。一些分析人士越来越担心股市价格太高，市场整体市盈率已经达到39.7倍的水平，市场风险大。而另一些机构通过业绩预测得到动态市盈率为28.19倍，与上证指数最低点时15.83倍的市盈率相比上升了78.08%，仅为平均股价涨幅的一半左右，市场并无“泡沫化”。两派针锋相对的同时，把“市盈率”这一概念推到了浪尖。暂且不论市盈率是不是能正确反映市场的合理估值区间，单就市盈率的计算而言，上述两派就存在诸多问题。没有理解市盈率的确切含义，不考虑其他因素而机械地计算市盈率，然后在此基础上讨论股市是否泡沫化，这本身是没有意义的。文章旨在指出，在新会计准则开始实施的初始阶段，其对市盈率的影响是多层次的，运用市盈率作分析时应予以谨慎。

一、市盈率的含义和计算

（一）市盈率的含义

“市盈率”这一概念最早由美国金融分析的开山鼻祖本杰明・格雷厄姆（Benjamin Graham，1934）提出，它指普通股每股市价相对每股收益的倍数。市盈率经济意义为购买公司1元税后利润支付的价格，或者按市场价格购买公司股票回收投资需要的年份。随着对市盈率的进一步研究，与市盈率相关的一些理论模型相继出现，这包括戈登固定股利模型（Gordon Model，1962）和NPVGO模型（Net Present Value of Growth Opportunity）。按照戈登固定股利模型，　，市盈率是股利支付率b、要求收益率R和股利增长率g的函数；进一步推导，近似地认为留存利润再投资的回报率r等于已投资项目报收率，即净资产收益率ROE，可以得到市盈率与股利支付率b、要求收益率R和净资产收益率ROE相关；特别地，当利润全部发放即b=1时，市盈率可以近似地认为是要求收益率R的倒数。这也就是为什么在成熟的证券市场上，通常将银行一年期利率的倒数视为合理市盈率水平。而按照NPVGO模型，则有　。这里NPVGO是一个公司前景的反应。所以一般来说如果预期一个公司会有较多的增长机会，那么该公司的市盈率就会比较高，反之则低。概括来说，对市盈率的分析主要运用于以下几方面：从行业来看，充满扩展机会的新兴行业市盈率普遍较高，而成熟工业的市盈率普遍较低；从企业来看，市盈率较高反映出股票市场对公司未来成长前景看好；从投资者来看，市盈率表示投入收益比，较高的企业表明投入成本高，投资风险大；从市场来看，若其市盈率普遍高于周边其他市场，说明该市场投机气氛重，可能已被炒作而偏离了合理估值区间。

（二）市盈率的分类及计算

市盈率虽然只是每股价格P和每股收益E的比值，但它的计算并不像看上去那么简单。实务界对于P的取值比较一致，普遍采用计算期末的收盘价，但是对于每股收益E的取值就有多种，因而也形成了多种市盈率。根据E取历史收益还是预测收益，分为“静态市盈率”和“动态市盈率”。国外研究也有分成“追溯市盈率”（Trailing PE）和“预计市盈率”（Leading/Forwarding PE）的提法，概念类似。

1、“静态市盈率”/“追溯市盈率”（Trailing PE）。“静态市盈率”的每股价格P是现在股票的价格，而每股收益E则是前一年甚至再前一年的年度收益。在收益逐年上涨的情况下，采用静态市盈率法计算出的PE值较大。“静态市盈率”最大的缺陷在于，投资者关心的是取得企业未来的收益所花费的成本，静态市盈率并不能反映这一关系。于是“动态市盈率”被引入。

2、“动态市盈率”。“动态市盈率”的每股价格P仍是现在股票的价格，而每股收益E则要将去年（或更以前）的收益乘以个增长率，即　＝　其中增长率i可以用最近一次中报中的每股收益与去年同期相比而得，因而更具时效性。n表示该增长可持续的年限。例如，中华企业（600675）在2007年4月26日收盘价为14.19元，2006年度每股收益0.616元，则静态市盈率为14.19/0.616=23倍；如果按照2006年第一季度每股收益0.123元和2007年第一季度每股收益0.146元计算增长率得18.7%，并且认为该增长率可维持2年，那么中华企业2007年动态市盈率为19.4倍，2008年为16.3倍。“静态市盈率”和“动态市盈率”差别如此之大，难怪市场上有两派人士要争论不休了。

3、“预计市盈率”（Leading/Forwarding PE）。“预计市盈率”也考虑到了每股价格P和每股收益E的配比问题，同样对E做了修正。它采用分析师对企业未来经营预测后得到的盈利，更好地避免了历史会计数据人为操纵带来的影响。但是经营预测包含对收入、费用等的一系列的估计，主观性强，较难操作。因此，综合来说，“动态市盈率”采用企业未来收益更加科学，同时引入增长率来修正历史会计收益简单易行。“动态市盈率”也愈发受到市场追捧。但是在当前我国新企业会计准则刚开始实施阶段，采用“动态市盈率”很可能被假象所迷惑。

（三）新企业会计准则对市盈率的影响

2007年1月1日开始，我国企业实行新会计准则。新准则对于收入、费用和利得的确认发生了很大的变化。一方面商誉、无形资产不再摊销，研发费用、一般借款费用可以资本化，大大降低了企业当期的费用；另一方面，公允价值的引入、债务重组收益和收购折价予以确认，又大大提升了企业当期的收益。最后造成相当多的企业07年利润相比06年同期发生了翻天覆地的变化。

在收入、费用和利得这些复杂的升升降降中，哪些是一次性的、企业比较容易操控的，哪些是具有持续性的、是企业日常经营活动产生的，需要仔细辨别。如果一股脑全部作为稳定增长（或缩减），以此来计算增长率，再得出动态市盈率，无疑是无意义的。举例来说，股改停牌达4月之久的*ST长控（600137），2007年4月13日解禁后连续上涨，从股改停牌前的7.18元上涨到68.16元，盘中最高涨幅达1083%。出现如此之大的涨幅，原因就在于*ST长控日前一季度业绩预增公告，公司债务重组收益将计入公司当期损益，导致今年一季度将实现净利润2.84亿元，如果按照目前6071.13万股总股本计算，每股收益高达4.67元，相比去年同期增长6756.34%。*ST长控2006年的每股收益为0.14元，按照上述增长率计算其动态市盈率，则*ST长控2007年动态市盈率=7.18/[0.14*（1+6756.3%）]=0.8倍。同比A股市场整体28倍的市盈率，0.8倍何其之“低”，于是*ST长控变成了难得的“价值洼地”，众多投资者前赴后继地追了进去，将价格一举拉到68元多。但是如果仔细分析其利润增长的可持续性，除去债务重组收益，*ST长控的净利润仅为1350万元，每股收益仅0.02元，何以出现0.8倍的动态市盈率呢？又何以认为其存在巨大的升值潜力呢？所以，在运用动态市盈率作分析时，要特别注意对增长率i的计算。公式里i是一种可持续的增长，如果将其引申到全年度的利润上，则要保证这种增长在全年都是可持续的。鉴于2007年1月1日，新会计准则刚开始实施，很多重新计量确认发生在第一季，还有一些公司集中在第一季进行债务重组、资本注入等非经常易，导致第一季度的利润增长并不都具有可持续性，并不都会类似地在后面三个季度重复发生。因此，需要对增长的性质仔细辨别。

二、新准则实施中的影响

根据新旧会计准则中与每股收益相关的主要变化，列出对照表（见表1），并在最后一列标出其对每股收益影响的持续性。这里的持续性是指2007年度第一季度的利润变化是否会在以后三个季度内发生。

从表1中可以看到，新准则的实施会给利润带来不同层次的影响：有的对全年有影响，有的只在首次确认时有影响，还有的一些和非经常项目相关，影响也是一次性的。对这些影响要加以区分，正确计算动态市盈率中的增长率，得出合理的动态市盈率值。在此基础上，才能进一步分析上市公司的股价、投资风险、行业状况等等。

本文分析了市盈率的含义、分类和计算，指出动态市盈率相比其他市盈率更具科学性。但在我国新会计准则实施初始阶段，要特别注意区别不同利润变化的可持续性，正确计算增长率i，这样才能得到合理的动态市盈率值。否则，机械地计算动态市盈率，得出类似*ST长控是巨大“价值洼地”的结论，将无益于投资者对上市公司股价、投资风险的分析，更不利于我国金融市场的健康发展。

参考文献：

1、郎国鹏,汪卫芳,柴武斌.市盈率影响因素的理论模型[J].统计与决策,2006(2).

2、赵天玺.解析市盈率[J].中国管理信息化,2005(12).

3、卢锐,魏明海.上市公司市盈率影响因素的实证分析[J].管理科学,2005(8).

4、刘勘.新会计法将影响市盈率[N].国际金融报,2005(6).

股市动态分析第8篇

关键词：量价关系；股价塑性；股价弹性

中图分类号：F222.3　文献标识码：A　文章编号：1003-7217(2010)02-0035-05

关于股票价格的定性和定量分析的理论研究有着较长的历史，并且已经形成了一个十分庞大的金融学分支。新的研究方法不断被提出，许多现代的数学工具被用来研究股票价格的内在规律性，它包括微分方程、统计分析、计量经济模型、非线性方程、随机过程、微分流形、分形分维、小波理论、人工神经网络等。

在现代的股票价格分析理论中借用了一些其他学科特别是物理学中的概念，如压力、支撑、惯性、平衡、动能、流动性等。本文借用物理学中关于材料的塑性和弹性的概念及其性质，基于类比分析的原理来研究股票市场中股票价格变动的量价关系的内在规律性。本文所提出的股票价格的塑性和弹性理论是从一个新的角度来研究股票价格的变化规律，将人们熟知的关于材料的塑性和弹性的性质类比地应用于对股票价格变动的描述。

一、人们对股票价格变化规律的认识

一般认为，股票价格分析方法可分为基本分析和技术分析。股票价格基本分析的根据是经济学、金融学、财务管理学和投资学的基本原理，认为股票的价格取决于一些基本要素，如宏观经济指标走势、经济政策、行业发展状况、产品市场状况、公司的经营及财务状况以及公司未来的发展潜力等等。通过对这些基本因素的定量和定性的分析来评估股票的投资价值，为股票投资提供技术支持。而技术分析则主要从股票市场的自身行为来分析股价的走势，其特点就是对股价和成交量等历史交易数据序列进行分析，而较少考虑股票本身质地的好坏。可以大致认为基本分析是解决“买什么证券”的问题，而技术分析则是解决“什么时候买证券”的问题。

股票价格预测方法的相对的无效性使得人们从另一个方面来认识股票市场，人们认识到或许股票价格的无法预测性正是成熟的股票市场的重要特征之一。20世纪50年展起来的现代金融理论的基本假设都与有效资本市场理论有关，包括Markowitz的证券投资组合理论、Black－Scholes股票期权定价理论、套利定价理论等。

二、股票量价关系的相关理论研究

股票市场的基本分析和技术分析侧重于股票投资的实际操作，而关于股票量价分析的理论研究则侧重于探讨由股票的价格和成交量所反映的股票市场的内在规律性。为了解释股票量价间的关系，国内外学者从不同的角度、选取不同的市场进行了大量的研究，国外的研究大致可以分为成交量与股价变动量的关系、成交量与股价波动率的关系、量价间的引导关系三个方面。国内学者的研究大致可以分为量价因果关系的检验、成交量与股价变动关系的实证研究、ARCH与GARCH族以及量价关系的其它相关研究四个方面。Karpoff认为研究股票的量价关系具有如下意义：第一，通过对量价关系的研究可以更深入地熟悉金融市场的微观结构；第二，量价关系的特征对于确定随机价格的经验分布有决定性的意义；第三，量价关系是技术分析的核心内容和工具，与技术分析的有效性密切相关，其理论解释将成为技术分析的理论基础；第四，量价关系的研究成果对研究股票市场有极高的应用价值。

三、股票价格的塑性和弹性概念

股票市场上最重要的指标之一是成交量，成交量的变动直接表现为市场交易是否频繁，人气是否旺盛，股价的持续上涨或持续下跌均需要成交量的配合。在股价的持续上涨过程中，一方面股价维持在高位并不断创出近期新高，另一方面成交量维持在相对高的水平上；在股价的持续下跌过程中。一方面股价维持在低位并不断创出近期新低，另一方面成交量也维持在相对高的水平上。当成交量萎缩时，持续上升的股价一般将回落，持续下跌的股价一般将反弹。由于股票价格受市场供需双方力量大小的控制并受各种相关信息的影响，所以股票价格经常出现较大的波动。由于存在投资者行为特征和对各种相关信息理解的差异以及信息产生的不确定性等多种因素的共同作用，股价波动呈现较强的随机运动特性。

(一)具有一定塑性的弹簧运动与股价运动的类比相似性

股票价格在成交量作用下的涨跌过程非常类似于一个被拉伸或被压缩的有一定塑性的弹簧的运动过程；弹簧在外力作用下的运动可类比地看成股价在成交量推动下的涨跌，外力越大则弹簧离开其平衡位置越远，当减小或取消外力的作用时，由于弹簧具有弹性，弹簧将从现在的位置向原平衡位置移动，同时由于塑性的存在，弹簧的平衡位置发生了变化；弹簧回不到原平衡位置而停在原平衡位置与曾达到的最远位置之间的某处。弹簧所受外力越大且持续的时间越长则塑性变形就越大，弹簧能够回到的位置离原来的平衡位置越远，同时这个具有一定塑性的弹簧将建立起新的平衡位置。材料受到外力的作用而使各点间相对位置改变，当外力撤销后材料恢复原状的形变则称为弹性形变，若撤去外力后不能完全恢复原状的形变则称为塑性形变。

与弹簧的平衡位置相对应，股票价格在每一个时刻都应该有一个均衡价格。不断增加的成交量使股价上涨到高位并持续一段时间，当成交量萎缩后股价一般会出现一定的回落，这种股价向均衡价格的回落是股价弹性的表现。但股价很少回落到原均衡价格，而是达到中间的某个价位，形成新的均衡价格，这种均衡价格的向上移动是股价塑性的表现；反之，不断增加的成交量使股价下跌到低位并持续一段时间，当成交量萎缩后，一般股价会出现反弹，这种股价向均衡价格的反弹是股价弹性的表现。但股价很少回升到原均衡价格，而是达到中间的某个价位，形成新的均衡价格，这种均衡价格的向下移动是股价塑性的表现。股价在成交量推动下的涨跌过程与材料的塑性和弹性的特点有很好的相似性，虽然股价的变动并不等同于材料的变形，但可借用物理学中塑性和弹性的概念对股价的塑性和弹性进行界定和研究。

(二)关于股票均衡价格的讨论

应用类比推理的方法，有塑性的弹簧在外力作用下的这一运动过程可以用来描述股价在成交量作用下的变动。为了引入股票价格的塑性和弹性的概念，对应于弹簧的平衡位置，先引入股票的均衡价格概念。股票的均衡价格是该支股票的买卖双方处于均衡态势时共同认可的价格，对应于弹簧在无外力作用时的平衡位置。

对于弹簧来说，要确定它的平衡位置只需去掉

外力并让弹簧保持静止就可以标出其平衡位置。但对于股票价格来说，由于股票始终保持连续的交易状态，就像一个有一定塑性的弹簧一直受外力的作用而难以确定其每一时刻的平衡位置一样，股票在每一时刻的均衡价格也是难以确定的。人们可以通过分析股票的均衡价格的特征来了解股票的均衡价格。股票的均衡价格应具有以下三个特征：(1)股票价格围绕其均衡价格波动，而由于塑性的存在，均衡价格随股价波动也在进行调整(这里在引入股价的塑性概念之前就使用了股价具有塑性的说法，由于是与有一定塑性的弹簧的类比，所以不至于引起逻辑上的混乱)。(2)均衡价格是大多数投资者普遍认可的心理价格，否则，就会出现股票在当前价格上的供求不平衡，从而导致股价的变动并进而导致该股票的均衡价格的变动。(3)当股票交易量萎缩且进行了较长时期的窄幅盘整之后，股价近似等于均衡价格。就像具有一定塑性的弹簧在任何时刻都有一个平衡位置一样，交易中的股票在任何时刻都有一个均衡价格，这应该是股票在该时刻的理论均衡价格。当股票在大的成交量配合下大幅上涨或大幅下跌时，股票的价格会暂时较多地偏离均衡价格，同时均衡价格的位置也会有显著的移动。

(三)股票价格的塑性和弹性概念的引入

根据前面对具有一定塑性的弹簧的运动与股价运动的类比分析，下面给出股价塑性和股价弹性的定义。股价塑性是指当股价偏离均衡价格且有一定的成交量和一定时间的作用下，股票的均衡价格产生移动的性质。股价弹性是指当股价偏离均衡价格且成交量萎缩的情况下，股票的价格会自动向均衡价格做恢复性移动的性质。

在股价大幅上涨过程中，由于股价在高于其均衡价格的水平上交易和成交量放大，这时股票的均衡价格不断地向上移动，这期间股票价格的塑性性质起主要作用，成交量萎缩后股价会在新建立起来的较上涨前更高的均衡价格附近波动；同样地，在股价大幅下跌过程中，由于股价在低于其均衡价格的水平上交易和成交量放大，这时股票的均衡价格不断地向下移动，这期间股票价格的塑性性质起主要作用，成交量萎缩后股价会在新建立起来的较下跌前更低的均衡价格附近波动。在股票的交易量较小的情况下，股票价格的上涨和下跌对其均衡价格的拉动作用很小，股票价格的变化不能为市场所认可，股价将会在短时间内在弹性力的作用下向均衡价格做恢复性移动，这期间股价的弹性性质起主要作用。

具有一定的股票投资经验的投资者，依据他们对股价变动规律的观察与总结，他们中的大部分人一定会同意和接受我们所提出的用股票均衡价格、股价塑性和股价弹性的概念来理解股票价格的变动特点的思想。

股价变化的塑性性质和弹性性质可以通过建立适当的计量经济学模型来定量地表述，由于文章篇幅有限，这部分工作可参考作者的另外两篇文章及博士论文。在博士论文中，作者对股价变化的塑性性质和弹性性质的计量经济学模型进行了充分的实证研究，并通过大量的理论分析和应用性研究来考察该理论的理论价值和应用价值。

四、股票价格的塑性和弹性理论与已有理论的相似点和不同点

实际上在已有的多种证券价格分析的理论方法中都部分地蕴含着股价变动具有塑性和弹性的双重特性的思想，并且有些分析原理与我们提出的股价的塑性和弹性理论有一定的相似性，所以有必要对它们进行比较分析。

(一)摆荡指标分析法与股票价格的塑性和弹性

摆荡指标分析法是股票技术分析中一类重要的方法，当市场进入无趋势阶段时，股票价格通常在一个水平区间上下波动，这时跟随趋势的分析方法难以正常工作，摆荡指标可以指示“超买”和“超卖”状态，为市场交易者提供获利的机会。在有趋势阶段，把摆荡指标和股票价格图表参照使用，以期寻找到股票交易的好机会。摆荡指标分析法与股价的弹性性质很类似，“超买”状态表明股价高于其均衡价格较多，一旦成交量下降，股价的弹性力将使股价回落，“超卖”状态表明股价低于其均衡价格较多，一旦成交量下降，股价的弹性力将使股价反弹。当然，股价的弹性性质只有在成交量萎缩时才能体现出来。

乖离率(BIAS)是移动平均线原理派生的一项技术指标，其功能主要是通过测算股价在波动过程中与移动平均线出现偏离的程度，从而得出股价在剧烈波动时因偏离移动平均趋势而造成可能的回档或反弹，以及股价在正常波动范围内移动而形成继续原有趋势的可信度。乖离率的计算公式如下：

乖离率=当日收盘价－N日内移动平均收盘价/N日内移动平均收盘价×100％

其中，N日为设立参数，可按自己选用移动平均线日数设立，一般可选择6日、12日、24日或12日。由计算公式可知，乖离率分正值和负值，当股价在移动平均线之上时为正值；当股价在移动平均线之下时为负值；当股价与移动平均线一致时为零。乖离率的基本研判原理是：如果股价离移动平均线太远，则不会持续太长时间，而会很快再次趋均线。这一点与股价弹性类似，但这种研判原理没有考虑成交量的因素。在成交量维持在较高的水平时，股价的塑性变形起主要作用，即使这时股价的乖离率很大，从而有较强的向移动平均线运动的趋势，但这时成交量的推动力远远大于这种恢复力，所以股价会在成交量的推动下继续沿已形成的趋势运动，而不理会什么乖离率的大小。我们经常看到股价在较长的时间内保持远离移动平均线的状态，在多头和空头行情中均常见，只有当成交量大幅萎缩之后乖离率指标才显示其作用。

股价塑性和弹性理论认为，尽管当股价远离其均衡价格时存在使股价向均衡价格移动的弹性力，并且这种力的大小与股价偏离均衡价格的程度成正比，但只有成交量萎缩时股价的弹性性质才体现出来，表现为股价的上涨(下跌)因无成交量的继续支持而回档(反弹)，强调了成交量的影响。

(二)趋势通道分析法与股票价格的塑性和弹性

在股票价格的趋势分析中，趋势通道分析是一种常用的方法。根据上升趋势的底部确定上升通道的下轨，根据上升趋势的一系列涨势的峰位确定上升通道的上轨，若两条轨线近似平行则认为股价在一个上升的趋势通道中运行。同样地，根据下降趋势的顶部确定下降通道的上轨，根据下降趋势的一系列跌势的谷底确定下降通道的下轨，若两条轨线近似平行则认为股价在一个下降的趋势通道中运行。无论是在上升通道还是下降通道，股价在接近通道的下轨时受到支撑线的支撑作用。投资者意识到支撑的有效性后买盘增大而卖盘减小，股价会上涨；股价在接近通道的上轨时受到压力线的压制作用，投资者意识到压制的有效性后卖盘增大而买盘减小，股价会下跌。趋势通道分析是一种形态分析方法，基于形态的持续性来判断未来的股价变动趋势。

在股价的塑性和弹性理论中，股票价格的趋势运动是股票均衡价格的运动。在股价持续上涨的过程中，股价长时间地处在其均衡价格之上，多方的力量明显大于空方，成交量和时间因素的作用使得股

票的均衡价格不断向上移动，而在此过程中股价过多地偏离其均衡价格会使股票的弹性起重要作用，股价高于其均衡价格过多会产生大的使股价回落的力量，股价低于其均衡价格过多会产生大的使股价反弹的力量，这样导致股价在一个上升通道中运行。同样地，在股价持续下跌的过程中，股价长时间地处在其均衡价格之下，多方的力量明显小于空方，成交量和时间因素的作用使得股票的均衡价格不断向下移动，因而股价过多地偏离其均衡价格会使股票的弹性起重要作用，股价高于其均衡价格过多会产生大的使股价回落的力量，股价低于其均衡价格过多会产生大的使股价反弹的力量，这样导致股价在一个下降通道中运行。用股价的塑性和弹性理论分析股价的趋势通道特征是基于股票的塑性和弹性的，是一种机理分析方法，不是形式上的形态分析方法。

(三)经济均衡分析法与股票价格的塑性和弹性

经典的经济均衡分析是有关商品的供给、需求、均衡价格和均衡价格移动的几何意义明显的分析方法。人们已认识到对一般的有形商品的经济均衡分析并不总是适合于分析金融市场的均衡，在金融市场中的均衡是用无套利原理来描述和分析的，当然单用无套利均衡原理还不能满足描述股价变动规律的分析。以下分析经典的经济均衡分析在描述股票价格方面所遇到的困难，同时考察有关股价的塑性和弹性理论与经典的经济均衡分析的异同点。

经济均衡分析从一条向上弯曲的供给曲线和一条向下弯曲的需求曲线出发，坐标系的纵轴是价格，横轴是供给量和需求量，两条曲线的交点所对应的纵坐标是均衡价格，所对应的横坐标是市场处于均衡状态时的供给量和需求量。若在当前的均衡价格上的需求量增大时需求曲线向右移动，均衡价格向上移动，而需求量减小时需求曲线向左移动，均衡价格向下移动；若在当前的均衡价格上的供给量增大时供给曲线向右移动，均衡价格向下移动。而供给量减小时供给曲线向左移动，均衡价格向上移动。当我们在一个动态的较长时间段内考察价格、需求量和供给量时，经济均衡分析的结果显示价格会逐渐地靠近均衡价格。具体有以下的动态调节过程：供给的过剩导致价格的下降，价格的下降导致供给的减少和需求的上升，需求的上升导致价格的上涨，价格的上涨导致供给的增加和需求的减少。

在股票市场中股票的总供给量(有送配股时供给量将增加，而有上市公司回购股票时供给量将减少)一般是固定的。市场对股票需求的大量的增加(求购)或供给的大量减少(惜售)只能通过价格的大幅上涨来达到新的均衡，与一般的商品市场不同的是，当股票的新的均衡价格得到市场的认可之后，即使市场对股票的需求量又回到原来较低的水平甚至更低的水平时，股价不会大幅下跌，市场在新的价格上达到新的均衡，这是股价塑性的体现。同样地，市场对股票需求的大量的减少(惜买)和供给的大量增加(抛售)只能通过价格的大幅下跌来达到新的均衡，与一般的商品市场不同的是当股票的新的均衡价格得到市场的认可之后，即使市场对股票的供给量又回到原来较低的水平甚至更低的水平时，股价不会大幅上涨，市场在新的价格上达到新的均衡，这也是股价塑性的体现。也就是说，对股票的需求或供给的增大会导致价格的变动而当对股票的需求或供给恢复到原来的水平时股票价格并不回到原位。或者说对于股票来说需求曲线是不存在的，对股票的相同的需求水平可以对应很不相同的股票价格。经典的经济均衡分析在分析股票的供给、需求、均衡价格和均衡价格的移动方面有很大的困难。这是由于股票价格的塑性性质所导致的。

五、结论

股市动态分析第9篇

关键词：消费者信心指数；A股股指；有向无环图（DAG）； 状态空间模型；非线性特征

中图分类号：F830.91 文献标识码：A

文章编号：1005-913X（2015）11-0048-03

一、引言

投资者情绪（investorsentiment）是行为金融学的重要主题，而市场情绪又是影响股票价格的重要因素。我国的股票市场与我国的经济发展情况严重背离，传统的分析方法在应用于我国A股市场分析时似乎都失去了原本的效果，作为影响市场重要因素的消费者信心指数，对我国A股市场的影响是与经济发展一样完全背离还是具有其他特殊的效应？现通过追踪消费者信心指数对A股市场影响的变化轨迹得到更加准确的结论。

二、文献综述

自Black（1986）引入噪声交易以来，国外学者的相关研究主要集中在投资者情绪的变化是否构成系统性的噪声交易风险、投资者情绪与股票收益及其波动性的相关性、投资者情绪能否对股票收益作出预测等问题展开。目前国内研究方向大致有两方面，一方面是研究投资者情绪与封闭式基金之间的相关关系，不过这一部分研究意见分歧较大，至今未形成获得统一认可的观点（张俊喜和张华，2002；金晓斌等，2002；薛斐，2005）。另一研究方向是通过投资者情绪指数与股市收益关系的实证研究结果讨论二者之间的相关性。饶育蕾与刘达锋（2003）用通过收集央视机构看市与中国证券报机构看市水平值，实证分析了投资者情绪水平与未来收益的相关关系，但发现统计上并不显著。王美今等（2004）利用央视看盘历史数据，结合EGACH-M（1，1）模型发现投资者情绪的变化对收益呈现非线性的关系，在投资者情绪高时，收益显著增加；而投资者情绪较低时，收益则会显著减少。除此之外，程昆、刘仁和（2005），张强等（2007）也曾利用“央视看盘”数据进行了实证研究，但央视看盘这一数据依然存在一定的统计偏差问题。王汝芳和田业钧（2009）在VAR模型基础上对消费者信心指数与股票市场之间的关系进行了研究。国外学者在这方面的研究较早也较为全面。Otoo（1999）发现，股票的上涨会导致增强消费者信心指数，二者呈相互影响的正向反馈关系。Fisher和Statman（2000）发现消费者信心指数可以预测一部分股票收益，特别对于NASDAQ收益和小公司股票收益有较强的预测精度，消费者信心指数是投资者情绪比较好的变量。Fisher和Statman（2003）发现消费者信心与随后的1个月、6个月、12个月的股票收益成负相关关系，但这种关系在统计上并不总是显著。Qiu和Welch（2004）发现消费者情绪指数的变化与小盘股及散户持股度高的股票的关联更为密切。综合以上分析，由于股票市场变化较大，可能存在状态转移导致条件概率的不一致，不同的作者在不同的时间段研究结论有时显著有时不显著，而国内对于投资者信心与股票收益之间的非线性影响研究较少，这说明中国股票市场的投资者情绪研究还不够完善。随着计量经济学模型的不断发展完善，对于相关关系存在时变特征的研究也愈来愈多，因此选用时变参数模型研究投资者信心对股市影响的动态特征。

三、数据处理与实证分析

（一）数据处理

为了更全面的研究影响A股变化的因素，首先选取市场变动因素（含国房景气指数、消费者信心指数）、宏观经济变动因素（含GDP增长率、居民消费价格指数）、宏观货币政策调整因素（含M2增长率、利率），样本区间为2001年1月―2013年12月为了方便对模型进行处理，对所有数据进行了预处理，数据说明及处理方法见表1。

（二）DAG（有向无环图）分析

由于股票市场的波动服从伽马分布（雷鸣、谭长春等，2007），因此在对股票市场影响因素研究时，使用格兰杰因果检验检验变量相关关系将无法满足“卢卡斯批判”。现使用Spirtes et al.（2000）提出的“有向无环图”（DAG）分析方法，，通过分析变量扰动项之间的相关系数及偏相关系数，来正确识别扰动项之间的同期因果关系， 进而为正确变量之间的关系提供客观依据， 从而避免了上述传统研究方法存在的局限性。DAG是基于数据本身进行的分析，但是当样本数量较少时，DAG分析可能会出现“低估”现象，此时可将显著性水平提升至20%[ 参见Awokuse（2006）的做法。]，采用Spirtes et al. （2000）提出的PC算法进行DAG分析，囿于样本数量，选择20%的显著性水平，通过Tetrad IV软件实现。分析结果如图1所示。

如图1所示，节点（nodes）内表示变量名称，带箭头的线（edges）表示变量的关系，箭头所指的变量表示受到同期变量的影响（如AINDEX变量与CCI变量，表示AINDEX在同期受到CCI的影响），据此可以看出，A股市场主要受到通货膨胀因素、消费者信心因素和货币政策中货币发行量的影响，间接受到房屋价格因素的影响，而完全不受经济增长和利率水平变化的影响，这也符合我国经济高速增长而我国股市“熊冠全球”的现实。

（三）状态空间模型与估计结果

基于A股市场波动较强，传统的OLS估计与VAR估计对变量相关关系的描述将会受到制约，因此选取含有时变参数的状态空间模型进行估计，通过时变参数的变化研究变量之间的相关关系及这种关系的变化轨迹。在DAG分析的基础上，将模型设定如下。

其中SVXt表示对应变量的时变参数，假设其服从随机游走过程（式（2））， Xt=[CCIt，M2t，CPIt]’，表示对应的变量，Ut表示的是除了模型中涉及的变量之外的其他不可观测因素（如国政策变化、外股市冲击等等），服从随机游走过程（式（3）），假设残差都服从正态分布。在此基础上对模型进行估计，而估计的结果只有当Xt=CCIt时，模型的估计结果较为理想，因此最终选择模型形式如下：

对上述状态空间模型进行估计，得到相应的估计结果，首先对比一下估计模型结果的预期走势与实际走势，对比结果如图2所示。

如图2所示，Predicted表示预期走势，Actual表示实际走势，两者之见的拟合度较高，表明模型的估计结果较为理想，进一步，我们看一下时变参数最终状态的估计结果，见表2。

如表2所示，SV1的最终状态值只有-0.0009，P值也较大，表明在最终状态下消费者信心指数对A股市场的影响极为微弱且不显著，而其他不可观测因素对A股影响极为显著，结合前文DAG模型的分析可以发现，A股市场与我国宏观经济发展、货币政策脱节的现象比较明显，而且不受市场因素变化的影响，受市场情绪变化的影响微弱，较多人所说“A股市场上是政策市”这一论断具有一定的依据，而这种情况的主要原因是我国股票市场制度不健全，市场化程度较低，因此推进市场化进程对发挥A股市场的资源配置功能及其重要，也是当期工作的重中之重。由于A股股指数据是取对数处理，所以即使统计数据不显著，依然有分析的价值，图3为SV的变化轨迹。

从图3中可以看出，CCI的系数SV的变化轨迹较为明显，虽然多数时间都在0上下波动，但正是这种波动导致了系数正负号的改变，这也就说明消费者信心对A股股指的影响具有非线性的特征，通过仔细交叉对比发现，A股市场在06-08年间的大牛市推动了消费者信心指数出现了一个小的峰值，即在牛市过程中，A股指数的不断上涨会导致消费者信心对A股的正向推动作用不断上升，而在A股走弱的过程中，消费者信心对A股的支撑作用也会不断下降，而在01-03年、11-13年间，由于股票市场的疲软，消费者信心指数长期在0上下波动，甚至出现对A股市场的负面作用，较为显著的表明市场情绪对A股市场的影响在不同股市行情下具有完全不同的效果。

四、结语

现通过DAG方法和状态空间模型的建立和分析，得到以下结论。

（一）我国A股市场的市场化程度较低

受市场因素较小，受到政策等因素影响较大，这对我国股票市场发挥社会融资和资源配置的功能是不利的，也不利于国民通过股票市场实现财富增值和保值，因此进一步完善我国的股票市场制度，不断推进我国股票市场的市场化进程具有十分重要的意义。

（二）消费者信心对A股市场具有非线性的作用

在股票市场疲软时，消费者信心对股票市场的影响几乎可以忽略不计，但是当股票市场表现较为强劲时，消费者信心对A股的影响力将随着A股股指的不断上升而不断增强，这要求我们在牛市中要保持清醒，在盲目乐观的情绪对A股的影响不断增强的情况下，预防泡沫膨胀带来的风险，但与此同时也应了解在牛市中整体信心的增强能够保证股票指数的进一步上涨，不应由于过分谨慎而错失财富增值的机会。

参考文献：

[1] 雷 鸣，谭长春，缪柏其.运用生存分析与变点理论对上证指数的研究[J].中国管理科学，2007（10）.

[2] 杨子晖.财政政策和货币政策对私人投资的影响研究――基于有向无环图的应用分析[J].经济研究，2008（5）.

[3] 程 昆，仁 和.投资者情绪与股市的互动研究[J].上海经济研究，2005（11）.

[4] 王美今，孙建军.中国股市收益、收益波动与投资者情绪[J].经济研究，2004（10）.

[5] 王汝芳，田业钧.消费者信心指数与股票市场收益的实证研究[J].经济与管理，2009（12）.

[6] 饶育蕾，刘达锋.行为金融学[M].上海：上海财经大学出版社，2003.

[7] 薛 斐.基于情绪的投资者行为研究[C].复旦大学，2005.

[8] 高铁梅.计量经济方法与建模Eviews应用与实例[M].北京：清华大学出版社，2009.