尽管会议当天天公不作美，绵绵春雨一直在下，但大雨浇不灭读者的热情，五百多位读者及投资者顶风冒雨参加了报告会，场面十分感人。《股市动态分析》杂志社社长刘波表示，“这段时间股市不太好，天气也不好，但是看到今天下午到场的投资者还是比较多的，这一点我还是很受感动，也深受鼓舞，我觉得后面的股市还是很有希望的！”
本次报告会邀请了博时基金宏观策略部总经理魏凤春先生、摩根士丹利华鑫基金研究总监陈强兵先生、南方基金首席策略分析师杨德龙先生、海通国际环球投资策略部董事潘铁珊先生、麦格理资本证券联席董事林泓昕先生作为嘉宾进行主题演讲。此外，报告会还安排了专栏作者圆桌会议。
从嘉宾及专栏作者的发言来看，大部分对2013年剩余时间的行情都表示谨慎乐观。魏凤春表示，“中国经济已经人到中年，投资须遵从舍、得之道。”陈强兵认为，“中国经济增长就像狗熊掰玉米一样，掰一个大的，扔掉再掰一个更大的。增长无忧，而资源浪费、效率低才是问题。”杨德龙预计，“全年可能有两三波的反弹，这就决定了今年的操作要有一定的波段性，市场下跌的过程中敢买，而在市场上涨的时候要敢卖。”海外投资机构的两位代表海通国际潘铁珊和麦格理证券林泓昕从香港市场的角度分析了市场的投资机会。
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）
关键词 政策有效性 DCC-MGARCH 马尔科夫状态转移模型
中图分类号：F832.5 文献标识码：A
一、引言
随着全球经济一体化和金融自由化的程度加深，股票指数在近年来也呈现联动的趋势。众多研究表明西方发达国家呈现较强的股票市场联动性。中国经济逐渐融入全球，资本市场的逐步对外开放，中国股市与国际股市的联动性也进一步增强。本文力求利用联动性的变化来验证我国在2008年金融危机期间采取的宏观经济政策的有效性。
二、文献综述
谷耀、陆丽娜（2006）应用DCC-EGARCH-VAR模型，检验表明港市在收益和波动上都对沪、深两市存在显著的溢出效应，并没有表现出其他国家资本市场的“杠杆效应”。李晓广、张岩贵（2008）运用回归模型表明总体上我国股票市场与国际市场的联动性不强。徐有俊等人（2010）采用DCC-MGARCH模型研究，认为中国与国际股市的联动性较小，但有增强之势。
从已有研究文献来看，DCC-GARCH模型在研究国际股市联动性方面的应用较多，但基本上侧重于中国与不同国际股市动态相关性的横向比较，基本没有针对于金融危机期间的变化研究。本文将弥补以此为视角，运用DCC-MGARCH模型和马尔科夫状态转移模型进行政策有效性分析的这一空缺。
三、中国股市与国际股市实证研究结果
（一）样本数据及检验。
本文采用2006年1月至2012年6月上证综指、S&P500与S&P Europe 350指数对数收益率的日度数据，来分析我国股市同国际发达股市间的联动性。在分析中采用对数收益率的形式，计算方法如下：
在进行DCC-GARCH模型的参数估计前，我们有必要对数据进行相关检验。收益率序列的平稳性检验表明，数据序列均为平稳的时间序列，直接对其建模不会出现伪回归问题。经过收益率的自相关性检验，本文选择AR（5）对S&P500数据进行过滤，采用AR（1）对EUROPE进行建模消除数据自相关性。
（二）马尔科夫状态转移模型分析结果。
通过马尔科夫状态转移模型可计算出的平滑概率，可看出此次危机是逐渐加深的，而且在雷曼兄弟倒闭后，进入了危机的深处。
据此我们将所选取得数据划分为3个阶段：危机前（2006.1-2007.8）、危机中（2007.8-2009.8）、危机后（2009.8-2012.6）
（三）不同市场之间的波动溢出效应。
1、单变量的GARCH估计。
本文直接采用GARCH（1，1）模型对数据进行分析，参数估计结果表明，各参数的估计值都是显著的，并且各市场的波动性都具有明显的持续性。而后对残差序列用Ljung-Box Q统计量进行自相关检验，结果表明，残差序列不存在显著的相关性。对残差序列进行ARCH-LM检验结果也在1%的表明均值方程和方差方程的设定都是合理的。
2、多变量GARCH模型估计。
下面利用DCC-MVGARCH 模型对中国、美国、欧洲市场各股市的相关性进行考察，这里的条件方差形式设定仍然为GARCH（1，1）形式，DCC估计的阶数为1。
从模型参数的估计结果可以看出，滞后1期的标准化残差的乘积对动态相关系数影响显著。接近于1，说明相关性具有明显的持续性特征。同时，和具有明显的统计显著性，我们可以判断一定存在动态可变的条件相关系数。
使用DCC-MGARCH得到的时变相关系数的图，可以看出在整个样本区间，三组动态条件相关系数均表现出显著的时变性特征。分析比较后得出中国股市同国际的联动性仍然较小，远不及国际发达股票市场的联动性。
根据DCC-MGARCH估计结果，分别计算的危机前、危机中和危机后的时变相关系数的均值可以看出在危机期间，美国次贷危机所引发的全球股市普遍下跌，导致美欧间股市的联动性明显升高，而中美、中欧的时变相关系数的均值在此期间却反之降低了，直到危机结束后才又回到了危机之前的水平。我们有理由相信，在全球股市暴跌，各国股市联动性升高的情况下，是我国的宏观经济政策起到了积极的作用，一定程度上减少了我国同其他国家股市间的联动程度。
进一步，我们发现在2008年9月由于雷曼兄弟破产而导致的全球股市同步快速深幅下跌时期，三组市场间的联动性都在这一时期突然升高了。不同的是，在中国推出四万亿的救市计划后，我国同欧洲和美国的联动性迅速重新回到了较低水平，而美欧之间的联动性却在此之后一直维持的较高水平直到危机结束。这进一步印证了前面的观点：我国政府在金融危机期间的宏观经济干预政策起到了积极的作用，减少国际股市对我国股市的冲击，减弱我国同国际股市联动性。
四、结论
本文通过不同时间段中国股票市场与国际股票市场联动性的研究，发掘中国股票指数与国际指数的相关规律，力求利用这种股票市场联动性变化的来度量我国在金融危机期间采取的宏观经济救市政策的有效性。通过上文的实证分析表明：在以稳定国内股市的角度考察，宏观经济政策的对我国股市同国际股市的联动性影响十分明显。
根据本文的结论在受到较大外部冲击时，金融监管当局应当制定相关政策以减少国内市场波动，稳定国内股市，使股票市场保持正常的筹资功能，为我国市场经济的稳定发展做出贡献。
（作者单位：中央财经大学统计与数学学院）
参考文献：
关键词：复杂系统；证券市场；分形；混沌；非线性
一、证券市场非线性特征研究
对我国证券市场复杂性研究的文献已有不少，学者们从不同角度、用不同方法做了分析，结论不尽相同。下面对近年来的有关文献进行归纳整理：
(一)非线性分析
考虑到非线性是复杂系统的最主要特征之一，学者们首先在证券市场的非线性方面做了大量工作，比如：徐龙炳等(1999)应用非参数分析法――R/S法(重标极差分析法)实证研究了沪深两市的非线性、Hurst指数及状态持续性，结果表明两市均存在着状态持续性和波动集群性，股价指数所构成的时间序列呈现非线性，Hurst指数H>0.5，表明人们是在对以非线性方式呈现的信息作出非线性的反应，并最终通过市场交易活动反映在股价指数上。伍海华等(2001)通过R/S分析计算相关维、自相关函数与Lyapnov指数，结果同时表明上海股票市场具有非线性。赵桂芹等(2003)选取沪市的日交易量数据为样本进行GPH检验，认为沪市存在长期记忆特征，充分反映了市场的非线性。长期记忆的主要原因是市场中较多的噪声交易者对信息的非线性反应，而缺乏风险规避工具和信息披露不完善又放大了交易者对信息反应的聚集性。
以上学者的研究通过R/S或者GPH方法验证了我国证券市场是一个非线性市场，但数据处理略显粗糙。对非线性更细致的分析还需从混沌和分形入手。
(二)混沌分析
混沌分析研究的是证券市场的时间演化，用以预期市场的反馈效应和对初始条件的敏感性。
孙广振和王劲松(1994)选择对宏观经济运行具有高度敏感性的(深圳)股市指数时间序列进行处理，继而估算出Lyapnov指数λ≈0.0184，表明深市指数存在明显的混沌行为，描述股市动态机制需要2～7个变量。徐前方(1994)分析了上海证交所综合股价指数的时间序列，通过算法去除经济增长对股价指数的影响后，求得上证指数的奇异吸引子的分维数值约为2.72，最大Lyapunov指数约为0.0107，从而肯定上证股价指数所反映的系统是个具有分维结构的低自由度的混沌系统。叶中行等(1998)改进了Lyapunov指数计算方法，对上证指数的Lyapunov指数进行计算，得到其最大值为正值，表明上证指数具有混沌特性。杨凌等(2006)为了探测我国证券市场的混沌，首先利用小波分解重构法与非线性小波变换阈值法对沪综指和深成指的日收盘价序列进行去噪处理，用去噪后的日收盘价序列计算出日收益率序列，并用MALAB实施了对日收益率序列的快速Fourier分解，发现此方法能够较好地保留序列自身固有的特性。王福来等(2006)用G-P和G-K两种算法比较上证综合指数与MSCI英国指数后指出，中国证券市场更复杂，且存在较多的高维混沌成分，需用四个数据来描述它的系统特性。李红权等(2007)以证券市场全样本时间为分析对象，采用特殊的对数线性趋势消除法(LLD)处理数据、引入小数据量算法计算系统的Lyapunov指数，结果表明我国股市存在着有序的混沌吸引子结构，股票价格具有内在的不可预测性。作者还发现了低维奇怪吸引子的经验证据(沪市具有分数维为2.54的混沌吸引子，深市吸引子维数为2.55)，表明股市运动(波动)是内生的复杂性非线性动力学现象，挑战了传统理论的波动外生论的观点。
(三)分形分析
分形分析研究的是市场的空间特性，可以检验市场的有效性和波动性。
庄新田等(2003)用基于标准差时间序列的改进的Hurst指数计算方法计算出Hurst指数H>0.5，证明沪深股市收益率均不服从正态分布，在跨时间尺度的股价指数之间存在着相关性，两市相关系数C均不等于零，分形维数α均小于2，市场具有分形结构特征。张金良等(2004)应用多重分形理论，分析沪深证券市场的多只A股和两市综指的分时价格实际交易数据序列，样本计算和统计结果表明，证券交易数据序列具有显著的多重分形特性，而且在转折点附近存在突变奇异性。王新宇等(2004)运用Peters建议的提高R/S分析有效性的若干方法，选取更长的时间序列，对上证综指和深圳成指的日收益率和周收益率进行R/S分析，同时BDS检验收益率波动的长记忆性、易变性的期限结构、非周期性循环和非正态分布，结果验证了我国证券市场是一分形市场。
曹宏铎(2005)分析深圳股市的对数收益率时序，计算肯定市场具有分形特征和长程正相关性，具体表现为分形时间序列，服从FBM(分数布朗运动)。另外标度分析表明市场存在短周期和长周期，并给出了短循环周期值是160天，稳定长期循环周期值是1080天，揭示了股市的波动规律。苑莹等(2007)运用多重分形的R/S方法对深证成指进行研究，结果表明市场存在2个时间标度临界点，体现了股指价格在不同标度范围下的状态跃迁现象，该状态跃迁现象与股市中各个参与者间的相互作用及政策、政治等因素密切相关。在整个时间标度上Hurst指数均表现出持久性，且与标度τ正相关；运用多仿射方法确认了深圳股市多仿射特征的存在，验证了R/S分析方法中存在的标度临界点，并指出用不同的标度临界值将股指价格机制分成不同的标度范围，能够更好地研究短期标度及中期标度下起作用的局部价格机制。吴建民等(2007)选取8种大盘指数，通过样本数据对数收益分形分布的参数估计和柯尔莫哥洛夫(Kolmogorov)检验，发现收益率分布呈现尖峰态，具有较小的特征指数和较大的尺度参数，表明我国股市波动性较大；故分形分布比正态分布能更好地拟合和描述我国股市的收益率特性。
(四)小结
从以上可以看出，后期的研究在理论运用、方法改进和研究范围上都更加深入细化。但是具体采取的数据对象相差较大，很多以(对数)收益率为对象，而对于非线性动力学系统需以价格为直接研究对象，收益率又不是价格的一个适当变换形式，故由此分析得出的结论未必具有真实性，至少存在一定的偏差。
二、证券市场自组织性特征研究
自组织性也是证券市场的复杂性特征之一，指的是远离平衡态的非线性开放系统，经过不断与外界交换物质(资金流入或流出)和能量(多空力度)，在系统内部某个参量的变化达到一定的阈值时，通过股价的波动，系统可能发生响应(突变)，即暴涨或暴跌，由原来的混沌无序状态转变为一种在时空或功能上的有序状态的属性。非均衡的震荡市场最终可以自行回归到有序的均衡，就是自组织性的表现。这方面的研究成果不多，主要是孙博文等(2005)在其文献中界定了股市自组织临界性(SOC)的重要参数，然后应用SOC理论对大盘指数及个股进行考察，发现了其逐渐走向自组织临界态的演化过程和幂次关系，从而验证了中国股市中存在自组织临界性(远离平衡态的均衡)，说明股市是一个逐渐演化到自组织临界状态的复杂系统。
自组织性研究的一个重要意义在于探讨监管者在证券市场运作中的角色，是做一个“全能家长”，还是做一只“轻轻推动的手”，即究竟该如何权衡监管与证券市场自发演化的关系。
三、证券市场复杂性特征相关研究
有的学者是从“复杂性”直接入手对市场进行考量，并未分析具体特征，比如高红兵等(2000)定性分析了影响证券市场波动的内外部因素及市场的运行特征，发现在市场整体运行中显示出迭代特征，在暴涨和暴跌时具有突发性和奇异性，说明我国证券市场运行系统是一个复杂的非线性系统。只要系统处于某一临界值，无外部因素的作用它就能进入混沌均衡产生剧烈振荡甚至崩溃。这一过程中内部因素占据主导地位，外部因素不是系统的直接参数。他们还找出了我国证券市场步入混沌均衡的原因是投资主体的投资方式单一，投资品种少，故建议认为消除市场大幅波动的有效途径是实现证券市场的多元化。肖辉等(2002)将改进的Lemple―Ziv复杂性度量法――移动均值极值点法应用于股票市场的复杂度衡量，对比研究了中、英、美三国股指，实证发现中国股票市场复杂度明显小于英美股票市场的复杂度。可以据此认为，股票市场有效性和成熟程度的大小与股票市场的复杂度存在一定的正相关性。这与王福来的结论恰恰相反，实际上，目前中外证券市场复杂度对比研究确实仍然存在一定分歧，有待我们继续深入探讨。
四、总结
为便于更清晰地了解各学者的研究，现将以上部分有代表性的实证成果列为表1(以时间为序)：
国内学术界运用复杂系统理论研究证券市场的复杂性特征已有十余年，上述文献即是比较有代表性的研究成果，虽然它们应用的理论、算法和具体研究对象有所差异，但多数结果一致表明，我国的证券市场具有明显的混沌、分形即非线性这一典型的复杂性特征。该结论的重要意义在于：对传统线性范式的随机游走理论和资产定价理论等提出强有力的挑战，不仅开阔了我们的研究视野，而且将促使我们运用更能深入、全面分析证券市场运作机理的非线性复杂系统理论，从而建立起全新的证券理论。总体上看，目前我们研究的不足之处主要是：
1.研究目的上，集中于初级的非线性特征即混沌、分形的验证，只是发现了证券市场复杂性的部分证据，而对市场的突变性(暴涨暴跌)、自组织性(自我调整)和协同性(与外界的关联)等其它复杂性特征几乎未有涉及。事实上，后者对建立全新的证券市场理论体系可能更有基础价值。
2.研究方法上，不同学者的样本区间相异甚远，多数又采用传统的算法直接进行复杂特征检验，导致他们的结论在量上出现较大差异，结论的可靠性大为降低。
3.研究性质上，多属实证检验，缺少理论探讨，使得后续的系统研究深显乏力。
有鉴于此，笔者认为，未来对证券市场复杂特征的研究可以从以下几个方面进行完善和深化：
1.数据样本的选择与处理。数据样本的选择上，应尽量满足大样本、低噪声的要求，这既是非线性分析方法的前提，也是因为证券市场本身的样本量就有限，难以完全反映出市场真实的运行趋势。此外噪声量往往随着样本量的增大而升高，故原始数据样本还需要处理，可以采用统计方法比如对数线性趋势消除法，尤其可以借鉴小波理论进行噪声去除。
2.算法的优选。例如在计算Lyapunov指数时，采用对于物理系统有效的经典Wolf算法不一定适合于证券市场的分析与测度，可以尝试引入Rosenstein提出的小数据量算法来精确计算Lyapunov指数。采用G-P算法估计分形维时，可以用G-K算法进行替代，后者更适合处理非静态、短数据集和混有噪声的高维混沌系统数据。
3.研究范围的拓展。如前所述，应着重于突变性、自组织性和协同性等其它复杂特征的研究，以期更深入地分析市场机理和更有力地指导证券投资。
4.模型的采用。积极学习并运用国外较成熟的理论，通过Agent、Swarm、元胞自动机、人工生命、神经网络、遗传算法等虚拟手段，建立起完整的考虑所有非线性等复杂特征效应的证券市场理论模型。
参考文献：
[1]徐龙炳，陆蓉.R/S分析探索中国股票市场的非线性[J].预测，1999，No.2.
[2]伍海华.非线性动力学分析在股票市场中应用――以上海股票市场为例[J].青岛大学学报，2001.12，Vo1.16，No.4.
[3]赵桂芹，曾振宇.证券市场长期记忆特征的实证分析[J].管理科学，2003.4，Vo1.16，No.2.
[4]孙广振，王劲松.深圳股市混沌现象的辨识及其讨论[J].数量经济技术经济研究，1994，No.1.
[5]徐前方.上证指数中的奇异吸引子[J].数量经济技术经济研究，1994，No.2.
[6]叶中行，杨利平.上证指数的混沌特性分析[J].上海交通大学学报，1998.3，Vo1.32，No.3.
[7]杨凌，颜日初.我国证券市场经济混沌探测研究――一种基于小波变换的噪声处理[J].中南财经政法大学学报，2006，No.2.
[8]王福来，达庆利.中国证券市场的高维混沌现象分析[J].数学的实践与认识，2006.11，Vol.36，No.11.
[9]李红权，邹琳.股票市场混沌吸引子的特征量――基于G-P算法与小数据量算法[J].计算机工程与应用，2007，43(6).
[10]庄新田，庄新路，田莹.Hurst指数及股市的分形结构[J].东北大学学报(自然科学版)，2003.9，Vo1.24，No.9.
[11]张金良，杨忠直，杜厌芳.证券市场多重分形理论的应用[J].河北农业大学学报(农林教育版)，2004.3，Vol.6，No.1.
[12]王新宇，宋学锋，吴瑞明.中国证券市场的分形分析[J].管理科学学报，2004.10，Vol.7，No.5.
[13]曹宏铎.证券市场复杂行为分形标度分析与机会决策研究[J].金融研究，2005，No.1.
[14]苑莹，庄新田.股指时间序列的多重分形Hurst分析[J].管理学报，2007，Vo1.4，No.4.
[15]吴建民，庄菁.分形分布在股票市场的应用研究[J].中国流通经济，2007.3.
[16]孙博文，于天河，宋莉莉，孙百瑜，张本祥.中国股市自组织临界性实证研究[J].复杂系统与复杂性科学，2005.10，Vo1.2，No.4.
[17]高红兵，薛刚，陈宏民.我国证券市场的多元化与混沌均衡[J].上海经济研究，2000，No.6.
关键词:股票市场股市政策动态不一致性股市波动
中国股市从诞生以来就具有两个鲜明的特点，一是股市波动剧烈，短短十来年已经经历了几次大起大落;二是政府有意识地运用股市政策①，如股票发行和上市速度、政府领导人的讲话、甚至《人报》社论等来调控股市运行，使股市表现出明显的“政策市”特征。这些政策的目的是试图根据股市波动情况来调控股市，使其在政府理想范围内运行。
政府政策调控股市波动，具有以下特征:1、政府政策不连贯、前后不一致。如1997年证券委、人民银行和国家经贸委联合发文，规定银行、保险公司、上市公司和国有企业的资金不能人市炒作股票，1999年7月1日实行的《证券法》也作了类似规定。但随后为了刺激股市，于1999年9、10月又批准三类公司和保险公司人市;2、政府政策的预期效果还取决于公众的预期，公众未预期到的政策往往会造成股市剧烈波动，典型的，如1999年12月巧日的《人民日报》特约评论员文章引起几乎所有股票都以跌停收盘，其原因就有政策出台突然、力度超出公众预期的因素，相反公众预期到的政策效果就比较温和;3、政策效果还取决于政府和公众的博弈。在一项政策出台后，公众的预期和行为就会相应发生改变，从而使政策执行效果也发生改变。典型案例就是国有股减持，在出台的时候是有利于股票市场发展和国有企业改革的，但是由于公众预期股市将受到影响，从而造成股市低迷，这时继续减持国有股就不利了，因而后来政府决定国有股减持暂缓执行。
由于这些特征，股市政策往往造成股市过度波动。即使政府出台的是一项稳定股市的政策，并事先承诺使股价波动限制在一定幅度内。然而一旦股民相信了这个承诺并据此形成了股价稳定预期，政府就可以使股市加快发展以实现为国有企业更多融资的目标。这是因为，也许在政策制定阶段政府的最佳选择是稳定股市，但在执行阶段由于公众预期的改变，政府的最佳选择就变成促进股市上涨!这样政府就没有积极性真正实行这项稳定政策。这就是所谓的股市政策的“动态不一致性”。而这种动态不一致的股市政策执行的结果只能是股市剧烈波动。
吕继宏、赵振全(2000)和许均华、李启亚(2001)对政府政策对股市波动的影响作过实证分析，他们利用Wichem和Miller(1976)的办法，先鉴别出我国股市运行中的波动点，然后确定这些波动点有多大比例是由政府股市政策造成的，得出的结论都是股市政策较大程度地影响了中国股市的波动。但是，我们认为这种研究有两个缺陷，一是他们确定的是股市波动点中有多大比例是由股市政策造成的，而没有分析股市政策有多大比例造成了股市波动;二是他们只是对股市政策与股市波动之间的关系作了经验分析，而没有对股市政策是怎样造成股市波动的做出理论解释。我们认为，股市政策的动态不一致性是造成和加剧股市波动的重要原因，而这种政策动态不一致性在于股民和政府之间的博弈行为，因此本文将运用博弈论的方法建立一个理论模型来分析股市政策的动态不一致性对股市的影响，并实证检验这些政策有多少造成和加剧了股市波动。文章是这样安的除第一部分外，第二部分建立股市政策的动态不一致性模型，分析股市政策是怎样造成和加剧股市波动的;第三部分运用不同于吕继宏、赵振全(2000)和许均华、李启亚(2001)的方法从多大比例的股市策造成了股市波动这个角度对理论模型进行实证检验;第四部分得出结论并提出建议。
股市政策动态不一致性股市波动中国股市从诞生以来就具有两个鲜明的特点，一是股市波动剧烈，短短十来年已经经历了几次大起大落;二是政府有意识地运用股市政策①，如股票发行和上市速度、政府领导人的讲话、甚至《人报》社论等来调控股市运行，使股市表现出明显的“政策市”特征。这些政策的目的是试图根据股市波动情况来调控股市，使其在政府理想范围内运行。政府政策调控股市波动，具有以下特征:1、政府政策不连贯、前后不一致。如1997年证券委、人民银行和国家经贸委联合发文，规定银行、保险公司、上市公司和国有企业的资金不能人市炒作股票，1999年7月1日实行的《证券法》也作了类似规定。但随后为了刺激股市，于1999年9、10月又批准三类公司和保险公司人市;2、政府政策的预期效果还取决于公众的预期，公众未预期到的政策往往会造成股市剧烈波动，典型的，如1999年12月巧日的《人民日报》特约评论员文章引起几乎所有股票都以跌停收盘，其原因就有政策出台突然、力度超出公众预期的因素，相反公众预期到的政策效果就比较温和;3、政策效果还取决于政府和公众的博弈。在一项政策出台后，公众的预期和行为就会相应发生改变，从而使政策执行效果也发生改变。典型案例就是国有股减持，在出台的时候是有利于股票市场发展和国有企业改革的，但是由于公众预期股市将受到影响，从而造成股市低迷，这时继续减持国有股就不利了，因而后来政府决定国有股减持暂缓执行。由于这些特征，股市政策往往造成股市过度波动。即使政府出台的是一项稳定股市的政策，并事先承诺使股价波动限制在一定幅度内。然而一旦股民相信了这个承诺并据此形成了股价稳定预期，政府就可以使股市加快发展以实现为国有企业更多融资的目标。这是因为，也许在政策制定阶段政府的最佳选择是稳定股市，但在执行阶段由于公众预期的改变，政府的最佳选择就变成促进股市上涨!这样政府就没有积极性真正实行这项稳定政策。这就是所谓的股市政策的“动态不一致性”。而这种动态不一致的股市政策执行的结果只能是股市剧烈波动。吕继宏、赵振全(2000)和许均华、李启亚(2001)对政府政策对股市波动的影响作过实证分析，他们利用Wichem和Miller(1976)的办法，先鉴别出我国股市运行中的波动点，然后确定这些波动点有多大比例是由政府股市政策造成的，得出的结论都是股市政策较大程度地影响了中国股市的波动。但是，我们认为这种研究有两个缺陷，一是他们确定的是股市波动点中有多大比例是由股市政策造成的，而没有分析股市政策有多大比例造成了股市波动;二是他们只是对股市政策与股市波动之间的关系作了经验分析，而没有对股市政策是怎样造成股市波动的做出理论解释。[1][2][][]我们认为，股市政策的动态不一致性是造成和加剧股市波动的重要原因，而这种政策动态不一致性在于股民和政府之间的博弈行为，因此本文将运用博弈论的方法建立一个理论模型来分析股市政策的动态不一致性对股市的影响，并实证检验这些政策有多少造成和加剧了股市波动。文章是这样安的除第一部分外，第二部分建立股市政策的动态不一致性模型，分析股市政策是怎样造成和加剧股市波动的;第三部分运用不同于吕继宏、赵振全(2000)和许均华、李启亚(2001)的方法从多大比例的股市策造成了股市波动这个角度对理论模型进行实证检验;第四部分得出结论并提出建议。1、股市政策的二重目标:稳定和发展无论从逻辑还是从历史事实来看，股票市场的功能主要是甚至可以说唯一是为国有企业融资。我国股票市场诞生于20世纪80年代中后期，正好与1984、1985年开始的城市经济体制改革相吻合。当时城市经济体制改革的主要内容是对国有企业放权让利，实行经营责任制。在这种情况下，一些国有企业开始自筹资金，第一批股票就这样因为其筹集资金的功能应运而生了。1992年邓小平南巡讲话后，股份制和股票市场得到了官方正式承认，政府通过对国有企业进行股份制规范和改造，有意识地组织股票市场为国有企业筹集资金服务，并逐步明确为国有企业解困服务。所以，中国股票市场之所以得到迅速发展，应归功于其简单而实用的筹资功能，特别是为国有企业筹资的功能。因此，从历史的角度来看，中国股票市场的目标主要是甚至唯一是为国有企业筹集资金(林义相，1999)。而长期以来中国股市都不能满足国有企业的融资需要，但随着银行对国有企业资金支持的减少，国有企业对股市融资的依赖却越来越大。因此，股市政策的制定者一直以来都面临着一个艰巨的任务:如何发展股市，扩大股市为国有企业融资的能力，解决这一问题的办法是股市扩容。股市政策的另一重目标是保证股市稳定健康发展，即避免股市的大起大落。这在政府一系列的政策中都有表示，典型的如1998年4月证监会表示，证券市场要着重抓两件事，一是发挥证券市场功能，为国有企业改革和解困服务，二是通过改革建立风险防范机制，而避免股市大起大落就是防范风险的重要措施。所以股市政策的目标可归纳为二重目标:稳定和发展。⑧这二重目标虽然长期来看是一致的，但是在短期内也存在冲突。股市要增加为国有企业融资的能力，必须扩容。而扩容就要求股价不能持续下跌，显然，股市的持续低迷是难以吸引到投资者的。为了弥补股市融资量与国有企业资金需求之间的巨大差异，股市“超常规发展”被认为是必须的(王开国，2001)。我们认为提出中国股市超常规发展是有其必然性的。首先它是我国经济建设中从建国以来就一直存在的急于求成思想在证券市场发展中的表现;其次它也是有企业改革的需要，国有企业对股市依赖性的逐步增强要求股市超常规发展为国有企业提供更大的融资量。然而一味地追求“超常规发展”，却有可能造成股市的大起大落。实际上这种追求超常规发展而造成大起大落的现象在股市短短十来年发展历程中已多次出现，严重损害了股市的健康发展。[][][1][2]
内容提要:中国股票市场是一个“政策市”，政府经常有意识地运用一些政策手段调控股市的波动。但是，本文建立的理论模型证明，由于股市政策内生的动态不一致性，政府运用股市政策不但不能稳定股市，反而会造成和加剧股市的波动。而来自上海证券市场的经验实证分析也证明了这一点。关键词:股票市场
关键字：广义虚拟经济；二元容介因素；动态相依性；联动效应；波动特征
中图分类号：F830.91 文献标识： A 文章编号：1674-1722 （2016） 02-0005-xx
Analysis on The Linkage Effect and Fluctuation Characteristics of National Defense Industry Stocks Driven by Mixed State of Binary Value
ZHANG Hong
（School of Economic and Management， Beihang University， Beijing 100091，China）
Abstract： Based on generalized virtual economy mixed state of binary value， the paper analyzed information and material value factors’ effect on the national defense industry stocks’ linkage volatility and the The impact of the military sector and the characteristics of the market earnings volatility. Then the paper took an empirical analysis of the dynamic dependence effect between the national defense industry stocks and the market index.
Keywords： generalized virtual economy， mixed state of binary value， dynamic dependence， coupling effects， volatility characteristics
一、引 言
目前，全球经济已从实体经济时代过渡到虚拟经济时代，人们的心理行为会对经济波动和经济运行产生越来越重要的影响，这将改变经济社会运行的规律。林左鸣（2010）[1]从人本的角度重新定义了虚拟经济，提出了广义虚拟经济的概念，即为了满足人们的需求尤其是人们的心理需求的一系列的经济形式。在广义虚拟经济的视角下，生活价值论取代了劳动价值论，物本经济被人本经济彻底的抛在了背后，人的需求被提升到了一个新的层次，满足人们心理需求的虚拟价值决定了商品的价值量的大小，社会财富更多地表现为非物化形式。
股票市场的健康发展已成为我国经济快速健康运行的关键。从广义虚拟经济角度来看，一方面，股价波动可以通过影响企业的财富变化，进而影响消费和投资，最终导致产出和物价的变化，最终影响宏观经济的内涵与形态。由于股票反应快，往往对人们心理冲击强烈，会对个行为主体消费和投资的影响更大。人们的可自由支配财富决定人们的消费水平，股价的高涨导致人们短时间的可支配收入大增，同时财富的短期增加也使得人们的心理满足感强烈上升，这样使得人们的消费量也随之增大。个人消费量的增大会刺激各个行业生产，导致企业利润增加，生产旺盛。这实际上就是虚拟经济对经济社会影响的最直接反映。另一方面，股票市场的基础是其依托的上市公司，但股票的买进或卖出，却都是由于人们的心理因素所支撑。在股本不变的情况下，投资者的特征及其行为决定了股价的走势和市值大小。因此，更加注重资本市场上的信息态因素和人本因素，将使得我们能够更好地认识资本市场、解释资本市场，从而通过施加正向影响，提升资本市场对宏观经济运行的正向作用。
人是股票市场的重要参与者，从广义虚拟经济的角度考虑，预期偏差、信心变化、信息不对称等虚拟和人本因素均会对股票波动产生重大的影响。因此，从广义虚拟经济的基本原理出发，研究虚拟和物质两种容介质态价值驱动因素对国防军工股联动效应与波动特征的影响，具有重要的意义和现实的必要性。
一方面，“十三五”期间我国国际环境、技术发展以及军队改革会带来新时期国防军队信息化发展方向，信息技术与多层次装备平台一体、空天一体、网电一体趋势改变的不仅仅是装备本身，将会改变军队从管理体制、指挥体制，新时期的军事变革必然带来海、空装备平台和空天网信息化方向的需求提升以及军民两用技术在民用市场的推广应用将带来军工产业规模化发展，加之《中国制造2025》和发动机专项正式出台，国防军工股将进入黄金时代。这些基于基本面预期改善的物质态驱动因素与股票市场自身波动对军工股影响的虚拟态因素相互交织，共同对军工股的波动与联动效应形成了复杂的影响。
目前，国内针对军工股指数及其成分股与我国股票市场收益率波动关系仍缺乏深入的研究，更鲜有论文通过使用ARCH模型以反映不同军工个股之间、军工股指数与大盘等变量间的非线性相关趋势，以及物质态和虚拟态驱动因素对军工股指数波动特征以及联动效应的影响形式和程度。
二、文献综述
近年来，不少学者使用ARCH对中国股票市场波动性进行分析与预测。张彩霞，付小明（2009）认为，上证股票指数序列存在ARCH效应。赵士玲、张能福（2011）等学者通过对上证指数的实证研究认为，我国股票市场收益率序列存在较强的杠杠效应、利空消息比等量的利好信息对市场波动的影响程度要大，因此，我国股票市场投机色彩比较严重。
同时，也有部分学者对沪深股市的互动关系进行实证研究：郑鑫（2009）通过ARCH模型对沪深股市进行比较研究，得出沪、深股市都存在非对称性和波动集簇性、较弱的杠杆效应、股市收益率序列均呈右偏及尖峰厚尾的分布特征的结论，但未给出沪深股市的明显差异。王凌涛、杨冬艳、彭兴汉（2010）运用模型分析沪深两个股票市场的收益率及其波动性，对于我们研究股票市场中风险的传递、判断股票的走势及其市场结构的影响。
谷峰（2014）选取上证地产指数和深证综合指数两个指数的收益率序列作为样本，运用参数GARCH模型族对两股指收益率的波动性进行了拟合与预测，得出两个指数的收益率序列不具有正态性，波动平稳结论，且非参数GARCH（1，1）模型的拟合预测能力明显较好，预测误差小。
综合上述研究成果，相关学者对ARCH模型在分析股票动态相依性方面进行了研究，部分学者在模型上进行了拓展，在参数估计方法上也进行了改进，并都得到了广泛应用。本文基于物质和虚拟二元容介态价值驱动因素，分别选取上证综指、沪深300、中信军工指数及成分股的收益率序列为样本，运用ARCH模型和最小二乘拟合检验对上证综指、沪深300、中信军工指数及成分股的收益率及波动性进行拟合与预测，从而从物质和虚拟两个维度（即军工股的基本面和虚拟面两个维度）探索各变量之间的联动效应。
三、样本选取
军工上市公司隶属于国防工业系统下的军工企业集团。目前，我国军工产业可分为航天、航空、兵器、船舶、核工业以及军事电子六个方向，这也构成了国防工业的子系统。
其中，航天系统主要指航天控股集团和航天科工集团旗下的上市公司，包括航天科技、航天电器、航天晨光、航天电子、航天机电、航天动力等13家公司。
航空系统指中航工业集团旗下的上市公司，包括西飞国际、中航精机、中航光电等17家公司，中航工业集团也是拥有上市公司最多的军工企业集团。
兵器工业系统则包括中国兵装集团和中国兵工集团，两家集团旗下合计拥有15家上市公司。
船舶系统，包括了中国船舶重工集团和中国船舶工业集团，两家集团分别拥有1家和3家上市公司，其中，风帆股份和中国重工隶属中船重工集团，广船国际、中国船舶和中船股份都属于船舶工业集团。
核工业系统也包括中国核工业集团和中国核工业建设集团两家公司，其中，中核科技是核工业集团旗下唯一的上市公司，核工业建设集团没有上市公司。
军工电子系统，有3家上市公司隶属于中国电子科技集团，分别是华东电脑、四创电子以及*ST高陶。
市场中对于军工行业的划分方式也不尽相同，为了提高研究的专业性，本文选取中信国防军工指数为行业指数研究对象，同时从中信国防军工指数的40只股票中选择军工业务收入占比超过50%的15只主要股票作为成分股的研究对象，其中包括7只航空股和8只其他国防军工行业股票代表。本文对上述选出的指数及股票2011年8月30日（中信国防军工指数开始编制的起始日期）―2015年12月22日的日均收益率作为样本，并与相关指数进行比较分析，来反映其他相关指数变化的虚拟态驱动因素对国防军工指数波动的影响。
本文基于广义虚拟经济二元容介态理论，将国防军工股板块内股票之间的联动效应界定为物质态驱动因素影响，即军工股之间的联动是基于共同的基本面预期和变动。同时，将上证综指、沪深300对国防军工指数的影响界定为虚拟态驱动因素影响，即大盘的人心波动与齐涨齐跌等虚拟态因素对军工股波动的贡献程度。通过分析这两种性态因素的影响，可以观察国防军工板块内部股票之间的联动效应及其与大盘轮动的波动特征，从而为从宏观角度加强证券监管和市场维稳，以及从微观角度开展企业资本运作战略和市值管理工作提供了参考依据。
四、国防军工成分股之间的关联性分析
为便于在Eviews中操作，本文将个股用代码进行标识。成发科技（CFKJ）、中直股份（ZZGF）、中航动力（ZHDL）、中航电子（ZHDZ）、中航重机（ZHZJ）、中航飞机（ZHFJ）、海格通信（HGTX）、中国重工（ZGZG）、北方导航（BFDH）、洪都航空（HDHK）、航天电子（HTDZ）、航天长峰（HTCF）、海特高新（HTGX）、中信国防军工指数（ZXJGZS）、上证指数（HUZHI）、沪深300（HUSHEN）。
通过对个股进行关联性分析得出表1，可知个股与中信国防军工指数关联度最高，上证指数次之，沪深300关联度较低。其中航空股与各指数的关联度最高，而其中航天电子、中国重工和四创电子与指数的关联度偏低。
为进一步分析所选出的个股与中信国防军工指数之间的拟合关系，本文以中信国防军工指数日均收益率为因变量，国防军工15只代表股票的日均收益率为自变量进行最小二乘拟合分析，得出调整的R2为0.89大于0.1，F的P值小于0.05，拟合优度尚可。研究分析表明在中信国防军工指数日均收益率的总变化中，有88%是由自变量（15只股票的自然波动―物质态驱动因素）引起的，而12%是由其它因素（其他虚拟态因素）引起的，因为自变量数据为时序序列且大于0.8，可见模型拟合效果良好，个股日均收益率对于自变量具有显著影响。
五、基于二元容介价值驱动因素的国防军工指数与大盘指数波动联动关系分析
在分析选取的中信国防军工指数个股与大盘之间的关联效应的基础上，本文进一步对中信国防军工指数与沪深300指数和上证指数（虚拟态驱动因素）进行自回归条件异方差（ARCH）检验，检验结果如下表所示。如表3所示，设定中信国防军工日均收益率为因变量，上证指数和沪深300指数为自变量进行检验。通过Eviews运营检验得出，得出调整的R2为0.53大于0.1，F的P值小于0.05，拟合优度一般。
通过ARCH检验之后得出国防军工和大盘指数之间存在轮动效应，同时为了进一步检测预测值与实际值之间的拟合关系，自变量和因变量进行了回归残差图分析，总体而言两者拟合效果良好，但实证结果表明2015年6月之前残差偏低，拟合效果好；2015年6月开始值变大，拟合效果不佳。这主要原因是由于市场的非常规巨大波动等虚拟态驱动因素显著影响了拟合效果。军工行业从2014年中期启动牛市行情，截止2015年上半年涨幅明显，但波动也较大。上半年机械和军工行业相对于沪深300指数的估值溢价率一直处于攀升的状态，这种基于基本面预期改善的物质态驱动因素成为驱动军工股上行的重要力量。
从2015年6月中旬开始，我国股市经历了一波前所未有的大幅调整，上证指数从最高的5100多点，一路下跌至3373点，时间之短、速度之快创历史记录。机械军工行业也未能幸免，出现了大幅度的回调，尤其是一些前期涨幅较高的个股，在本次回调中幅度超过了30%，有些个股调整甚至超过50%。因此，从2015年6月开始拟合效果变差。
从图1可以看出在残差峰值出现之后，后期的残差逐渐缩小，这主要是因为随着市场恐慌情绪的消散，“一带一路”、“智能制造”、“高铁出海”、“核电重启”和“军工资产证券化”这五大物质态驱动因素仍将长期存在，后续板块催化剂包括国企改革政策、军民融合及所有制政策、航空发动机、通用航空等实质性的物质态驱动因素，此外，9月访美前，中美各领域的战略博弈将此起彼伏，军事领域通过军改，阅兵等方式不断宣示强军主题，军工行情持续发酵逐步从大跌的影响中脱离。
在分析以中信国防军工指数日均收益率为自变量的ARCH检验的基础上，为了进一步判断沪深300和上证指数对其的具体影响，本文以沪深300为因变量，中信国防军工指数为自变量，进行ARCH检验，得出调整的R2为0.33大于0.1，F的P值小于0.05，因为两者的数据类型均属于时间序列数据，因此检验效果并不佳。可见中信国防军工指数与沪深300指数的轮动效应并不明显，沪深300对国防军工指数的虚拟态驱动效应并不充分。
回归残差图进一步验证了二者之间的拟合度偏较低，残差值较大，可见中信国防军工指数与上证指数轮动效应明显，且受上证指数（虚拟态驱动因素）影响较大，基本符合同涨同跌的趋势。
六、研究结论
本文基于广义虚拟经济二元容介态理论，将国防军工股板块内股票之间的联动效应界定为物质态驱动因素影响；将上证综指、沪深300对国防军工指数的影响界定为虚拟态驱动因素影响，并选取了上证综指、沪深300、中信军工指数及成分股的收益率序列作为分析样本。通过运用ARCH模型和最小二乘检验对上证综指、沪深300、中信军工指数及其成分股的收益率及波动性进行拟合与预测实证检验。实证结果表明国防军工个股与国防军工指数收益率的关联度较高，涨跌趋势一致，即军工股基本面预期共同变化（军工资产证券化、军民融合、智能制造等共同驱动因素）的物质态因素对军工股整体的联动效应影响非常显著。中信国防军工指数与上证综指（虚拟态价值驱动因素）的联动效应明显，预测值拟合较好，表明军工股指数与其它板块类型一样受到大盘齐涨齐跌等虚拟态因素的重大影响。同时，实证检验显示军工股指数与沪深300（虚拟态价值驱动因素）的联动效应欠佳，预测值拟合不佳，反映了军工股指数摆脱了权重股的影响，走出了自己的独立走势。此外，国防军工股中的航空股对于国防军工指数的收益率影响较大，且拟合度较高，与上证综指的联动效应明显，表明航空军工股同时受到军工行业物质态驱动因素与大盘虚拟态驱动因素的交叉影响。因此，在开展军工股（及其中的航空军工股）的市值管理和资本运作时，既需要考虑大盘指数波动的虚拟态影响因素，也需要考虑军工股板块自身波动的物质态影响因素，但不需要锚定权重股变化（沪深300指数）的虚拟态影响因素。
参考文献：
[1] 林左鸣. 广义虚拟经济―二元价值容介态的经济[M]. 北京：人民出版社，2010.
[2] Engle，R. F. Autoregressive Conditional Heteroscedaticity with Estimates of the Variance of UK Inflation [J]. Econometrical，1982（50）.
[3] Bollerslev，T. A Generalized Autoregressive Conditional Heteroskedasticity [J]. Journal of Econometrics，1986（31）.
[4] 张彩霞，付小明.ARCH族模型在上证指数中的应用与预测[J]. 经济与管理，2009（12）.
[5] 赵士玲，张能福.我国上证指数ARCH效应的实证研究[J].科技创业月刊，2011（7）.
[6] 郑鑫.基于ARCH族模型对沪深股市的比较研究[J].现代商业，2009（36）.
[7] 王凌涛，杨冬艳，彭兴汉. 基于半参数的沪深两市收益率波动和风险的实证研究[J].金卡工程经济与法，2010（3）.
[8] 谷峰. 基于GARCH模型族的中国证券市场实证研究[D]. 广西师范大学，2014年.
[9] 张晓峒. Eviews 使用指南与案例[M].北京： 机械工业出版社，2007.
[10] 宫汝凯. 我国股市 ARCH 效应的实证研究[J].金融与经济，2008（12）.
[11] 陈德华，石建民.我国证券市场风险波动性预测：基于泸深 300 指数的比较研究[J].财政金融，2009（5）.
[12] 徐绪松，马莉莉，陈彦斌.我国上海股票市场 GARCH 效应的实证研究[J].武汉大学学报，2002（6）.
[13] 冉竟真，李俊杰.论 ARCH 模型在金融风险估计中的应用[J].经贸观察，2009（5）.
关键词：股市；实体经济；VAR模型
1.背景
经济周期理论认为一国的经济增长并非一直呈现一种稳定的态势，相反经济活动一般是一种周而复始的过程。股票市场在提高资金资源配置效率、促进资本形成、完善金融体系、推动产业结构调整、促进国有企业改革、推动企业产权制度多元化、完善公司治理结构、改善投融资体制等方面都有重要的意义。因此国内外学者普遍承认健全有效的股市能够预测实体经济运行状况。自我国股票开市以来，熊牛市交替总是伴随着牛短熊长的特点。2006年以前股市也有所波动，但波动的幅度相对不大，交易量也偏少，大多数人的投资意识还不够强。2006年末2007年初开始，短短一年的时间，股票增长率高达500%，带动交易量大幅上涨。从2008年开始，受金融危机的影响，股市开始迅速下行同样一年的时间，股价从6000点回落到1000多点。东方财富网在2012年根据我国股市的前期涨跌情况得出结论：中国股市不是西方国家成熟市场上经典意义上的实体经济、宏观经济的晴雨表，实体经济、宏观经济上升股市可以涨也可以不涨；实体经济、宏观经济下降，股市一定跌。自2012年开始，就有人陆续提出中国已经进入新一轮的经济下行状态，并且短时间内无法脱离这种困境。然而股市却在2014年7月开始了新一轮的牛市崛起，打破了实体经济跌股市一定跌的局面，而自2015年6月，A股市场就进入一个去泡沫化、不断探底的过程。不到一个月的时间，主要指数下跌4成，股市似乎一直在我行我素，这不得不让我们重新审视股市与实体经济的关系了。目前越来越多的学者认为现行的股市与实体经济已经完全背离。对于股票市场的效率以及其促进和反映经济发展的作用历来受到国内学者的质疑，本文将结合本轮的牛市数据进行经济学意义上的检验，以实现对完善和促进我国股票市场的发展的意义。
2.文献综述
我国股市与尸体经济的相关关系，在早期股市刚刚起步时，部分学者承认我国股市与实体经济的关联度是显著的。蒋晓考察1998年7月至2001年1月数据得出股市工业指数与工业增加值具有高度相关性，实体经济的波动周期比股指的波动周期滞后3个月左右。随着股市的不断发展，越来越多的投资者加入到股市交易当中，国内学者普遍认为股市与我国的实体经济是相背离的。李艳虹等认为我国股市与实体经济的联系可能仍然是微弱的，宏观经济变量与股票市场市值间存在一个长期的均衡关系，但我国股票市场不能充分反映实体经济的运行状态，更容易大起大落。朱东辰等认为当股市有较好的表现时，经济发展也会随之呈现增长的良好态势，1992.¨一2002.6期间我国股市的股价指数和实体经济活动在长期内不存在相近的走势；股市波动不太能预先反映经济增长。李腾也认为虽然我国的股票市场总量和经济总量的发展趋势保持一致，但股票市场的价格指数却并不能反映我国的宏观经济发展情况。谢百三更是直白地认为中国股市熊长牛短总体处于跌势，与蒸蒸日上的中国实体经济迥然不同。孙卓元认为我国股票市场回报的当前波动性主要受到股市的历史波动性以及物价指数、进口额等宏观经济变量的历史波动影响，股市场的先行指标作用在我国并不明显，股市只被动地对经济运行作出事后反应，而股票价格的现值关系则指出股票价格的波动性是向前看的，因此中国股市的波动性与实体经济波动的关系不是十分一致的。
一些学者也对我国的这种情况做出解释。谢庚认为中国股市虚拟化程度与实体经济的功能要求还不相适应。谢百三认为其根本原因在于人民币在资本项目下不能自由兑换，股权分置，相当部分的国家股、法人股未能流通，计划经济体制下的投资“饥渴症”依然在中国股市中顽强存在；IPO新股超量发行使中国股市成为世界股市中上市最快的，大量新股破发并拖累了二级市场走势。李腾认为股市的回报率远远低于了经济增长的速度，上市企业的经营者为了自己的利益而将股利进行了再投资，也导致中国的股利分红水平低于正常应有的水平。李艳虹等认为我国股市处于发展初期，而且产生的背景也非常特殊，形成了一系列难以在短期彻底改观的问题，包括上市公司结构失衡、上市公司和投资者素质不高、监管力度和技术手段不足、股票市场制度和金融体系仍需完善等等。针对2014年的牛市到2015年的熊市，林鸿钧认为此轮牛市的最大预期在于中国经济转型成功，因此新兴产业的涨幅也最大。然而转型本来就是一个长期的过程，短期内过高的期待将催生价格泡沫。桂浩明则认为中国经济已经距离见底企稳不远了，而且推动经济增长的因素也在发生积极的变化，新兴产业的增长开始加速，这就为此间股市的走高创造了条件。现在股市的活跃，是实体经济运行到一定阶段的反应，同时也是契合了国家调整产业结构、改变增长模式这一重大战略的需要。
3.变量的选择和数据的处理
本文主要研究股市与实体经济的关系，涉及到股市与实体经济，通过建立VAR模型得出两者间的关系。由于2008年发生的金融危机对我国股市产生巨大的影响，为便于本文对股市的行情与实体经济关系的分析，摒弃金融危机的作用，故本文选取2009.01-2015.12的月度数据进行本文的研究。股市的发展情况主要参考上证指数收益率（SI）、工业指数收益率（AI）和A股总市值的对数（1nAM），实体经济参考的指标包括工业增加值增长率（VA）、居民消费品价格指数（CPI）、广义货币及侠义货币供应量的对数（1nMl及lnM2）、存款利率（r）。其中工业指数收益率每年一月份的数据缺失，为便于本文的研究，在此使用前一年末月数据与本年度二月份数据的均值代替。
4.模型的构建与实证分析
4.1平稳性检验
在建立VAR模型之前需要对数据进行一定的检验，以确保时间序列数据残差的非自相关性。本文使用Eviews软件使用ADF方法进行检验。
由表1可知，SI、IA与VA都是平稳序列，LnAM与CPI、lnMl及lnM2为一阶平稳序列，r为二阶平稳序列。这说明上证指数收益率、工业指数收益率与工业增加值增长率具有长期稳定性，A股总市值的对数与居民消费品价格指数、广义货币及侠义货币供应量的对数也具有长期稳定性。利率水平与股市不具有长期稳定性，这可能是由于我国的利率水平长期以来都是由政府决定而不是由市场决定，和市场不一定具有同步的作用。由于模型的建立还要求同阶平稳的变量之间具有协整关系，因此需要对符合条件的两变量进行协整分析。
表2的协整检验结果表明上证指数收益率、工业指数收益率与工业增加值增长率，A股总市值的对数与侠义货币供应量的对数寻爱长期稳定的关系，而A股总市值的对数与居民消费品价格指数、广义货币供应量的对数不存在协整关系。
4.2建立VAR模型
根据以上的检验结构，本文的数据可建立三个VAR模型，分别为上证指数收益率与工业增加值增长率的VAR模型、工业指数收益率与工业增加值增长率的VAR模型以及A股总市值的对数与侠义货币供应量的对数的VAR模型。
通过AR根图对VAR模型平稳性的检验，得到的结果显示上证指数收益率与工业增加值增长率的VAR模型、工业指数收益率与工业增加值增长率的VAR模型的根均在圆内，模型是稳定的。但A股总市值的对数与侠义货币供应量的对数的VAR模型根不全在圆内，故模型不稳定。稳定的模型才可以进一步做脉冲响应分析。脉冲响应分析的是当一个误差项发生变化，或者说模型受到某种冲击时对系统的动态影响。
4.3脉冲响应分析
脉冲响应函数是用来衡量随机扰动项的一个标准差冲击对其他变量当前和未来取值的影响轨迹，能够比较直观地刻画出变量之间的动态交互作用及效应。图一和图二描述了上证指数收益率（SI）和工业指数收益率（IA）对工业增加值增长率（VA）的脉冲响应函数轨迹，滞后期分别为10和20，图形均为长期收敛状态，纵轴表示因变量对自变量的响应大小。实线部分为脉冲响应函数，虚线部分表示响应函数值加或减两倍标准差的置信带，在这里主要关注视线部分。观察图1，可以看出第一第二期SI对VA有一个平稳地正向冲击第二期之后回归横轴，并长期保持此状态。图2的IA对VA的脉冲响应与图1差别不大，只是在第三到之后IA对VA的存在较为明显的负向冲击，最终回归横轴。
4.4方差分析
脉冲响应函数描述的是VAR模型中的一个内生变量的冲击给其他内生变量所带来的影响，而方差分解则是通过分析每一个结构冲击对内生变量变化的贡献度，进一步评价不同结构冲击的重要性。
表4为对有效的VAR模型进行方差分解的结果。从表中可以看出上证指数收益率对工业增加值增长率和工业指数收益率对工业增加值增长率的贡献率。在方差分析中，工业增加值增长率对自身的贡献率普遍较大，上证指数收益率对工业增加值增长率的贡献率是逐渐上升的，但大部分处于小于1%的状态。说明上证指数收益率对工业增加值增长率的影响非常小。而工业指数收益率对工业增加值增长率的贡献率同样是不断增长的状态，但增长幅度较上证指数增长率稍大，但贡献率其实差别不大，最高也才达到1.56%。长期均处于增长的水平。
5.结论与本文研究的不足
关键词：基本分析；股票；政策；实战；应用
基本面分析是指通过对影响证券投资价值和价格的基本因素如宏观经济运行状况、行业结构、上市公司业绩、国家的政策法规等进行分析，评估证券的实际价值，为投资者的投资决策提供依据。从基本分析角度出发，影响股价的因素主要包括宏观经济因素，行业因素、以及上市公司本身的因素。选择基本面较好的股票投资，无疑是走好投资的第一步。
一、宏观分析在实战中的应用
宏观分析主要包括宏观经济因素分析和宏观非经济因素分析两方面。宏观经济因素分析主要从宏观经济指标和宏观经济政策两方面分析对证券市场的影响，如GDP、通货膨胀率、利率、汇率以及货币政策、财政政策等的变化都会影响证券市场价格；宏观非经济因素主要是通过影响宏观经济来影响证券市场价格的，如政局的变动可能引致经济的改变，从而影响证券市场价格，战争、动乱则通过影响宏观经济环境而导致证券市场价格变动。在证券投资领域中，只有把握住经济发展的大方向，才能把握证券市场的总体变动趋势，作出正确的决策。
首先，从政策对股票市场的影响看，2009年针对房价增涨过快的现象，国家多次采取措施来抑制投机性行为以控制房价过快增长，使得2009年下半年房地产股价一直处于下跌状态。尤其2010年以来，国家加大了对房地产行业的政策管制。2010年1月10日，国务院出台了“国十一条”，之后房地产股就不再出现大涨的趋势。
2010年9月29日，为进一步贯彻落实《国务院关于坚决遏制部分城市房价过快上涨的通知》，国家有关部委分别出台五条措施，被业界称作“新国五条”；2011年1月26日，国务院总理温家宝主持召开国务院常务会议，提出了“国八条”。4月13日温家宝总理主持召开的国务院常务会议上提出要不折不扣落实房地产调控政策。国家频繁的出台了这一系列整治房价过快增长的政策，对房地产股产生了严重的负面影响，每一次调控措施出台后都会引起地产股明显的下跌，从而使一直处于较好涨势的地产股价格出现了连续的跌势，以至于2010年下半年至今，房地产股一直未出现较好的涨势。
其次，央行近两年提高存款准备金率和加息的举措也对股市产生了较大的影响。从2010年截至2011年5月4日，央行共九次上调存款准备金率、四次加息，其主要目的是抑制日益加剧的通货膨胀，这也直接影响到了股票市场。上调准备金率和加息会使得银行发放的贷款减少，对金融板块来说是利空。加息也引起了购房需求的减少，使得房地产公司效益降低，引致房地产股价格出现了一定程度的下跌。由于金融、地产等权重板块的持续下滑，使得上证A股和沪深300指数成分股整体静态市盈率下降，从2010年10月至今，大盘也跌了几百点，这主要就是经济通胀以及频繁加息政策密集出台引起的。如果通货膨胀状态好转，经济发展态势走好，股票市场就可能迎来一段表现不错的行情。总体看来，随着通胀压力加大以及在利率和准备金率政策双管齐下的影响下，我国股票市场短期来看，将处于以震荡为主的状态。
二、行业分析在实战中的应用
从证券投资分析的角度看，行业分析主要是界定行业本身所处的发展阶段以及在国民经济中的地位，同时对不同的行业进行横向比较，为最终确定投资对象提供准确行业背景的分析。行业分析的重要任务之一就是挖掘最具投资潜力的行业，进而在此基础上选出最具投资价值的上市公司。
一般来说，如果一个行业是符合国家发展方向、国家政策扶持的行业，那么它的前景比较看好，该行业未来的股票价值也相对高；如果一个行业的发展受到国家的抑制，那该行业的股票价格走势不会太好。行业分析主要从行业结构、行业景气、行业生命周期和产业政策等方面来分析。
购物车(0)