宏观经济因素范文
时间：2023-06-15 17:40:36
导语：如何才能写好一篇宏观经济因素，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
经济波动是经济运行过程中周期性出现的经济扩张与紧缩更迭交替、循环往复的现象。在市场经济的环境下，一个国家的经济通常会经历复苏、繁荣、衰退、萧条四个阶段。1999年，我国实际国内生产总值（GDP）增长率与潜在GDP增长率的负缺口不断扩大，经济衰退日益严重，以致出现萧条，陷入了波谷。2000年以来，我国经济开始逐步回升，进入复苏阶段。在复苏的不稳定时期，经济出现了短暂的波动，2002年开始才真正走上稳步增长与回升之路。2005年我国经济运行已超过产出正缺口0.2%的上限（谢太峰、王子博，2013），2007年接近波峰。2008年底，一场金融海啸席卷全球，全球经济顿时处于低迷态势。正处于高速平稳发展阶段的中国经济，也跌入了暂时性的发展低谷。2007年至2011年我国经济经历了过热、衰退、低谷、复苏又缓慢下行的波动，宏观经济发展始终存在诸多的不确定性和复杂性。
宏观经济的波动直接影响着微观层面企业的生存与发展。当经济高速增长时，产品市场上需求比较旺盛，GDP增长较快，物价上涨，资本市场的繁荣使社会投资热情高涨，银行货币信贷较为活跃，资金需求量扩大，此时企业通常具有较高的盈利水平。宏观经济的波动是微观层面企业经营的客观环境。宏观经济政策的调整与宏观经济环境的变动不仅影响了公司的会计政策与会计业绩，而且直接影响到公司管理层对未来的经济前景与企业发展的预期，关系到公司财务政策的选择与理财行为的实施。如，陆正飞和祝继高（2009）发现在货币政策紧缩时期，企业会增加现金持有量，以备不时之需。然而，鉴于宏观经济分析的结果难以量化，宏观经济政策对于微观企业的影响缺乏直接的证据，因此对于我国宏观经济政策的波动对企业微观主体行为与业绩之间关系的研究目前仍比较缺乏，从宏观到微观的传导机制研究太少（姜国华、饶品贵，2011）。
股权资本成本是股东进行股权资本投资时要求的必要报酬率，股权资本成本水平关系到企业价值评估、经营绩效评价和股东利益保护等诸多方面，是公司管理层进行融资决策、投资决策、股利决策等财务决策的重要依据。目前国内外学术界对于股权资本成本的研究大多集中于微观层面，宏观经济因素对股权资本成本的影响研究尚不多见。基于这一事实，本文基于2000-2012年中国上市公司的数据，研究宏观经济因素对于公司股权资本成本的影响。本文的研究结论将对投资者、政府监管部门和公司财务政策制定者等具有重要的参考价值。
二、文献综述
（一）国外文献 20世纪末以来，股权资本成本的一些研究开始关注企业外部的环境因素，特别是从宏观经济和法律环境等方面来讨论不同经济背景下股权资本成本的差异。套利定价理论（APT）首次将宏观经济环境变量纳入模型中。此后的研究将关注点集中于决定股权资本成本的宏观经济因素方面。Chen等（1986）将股票收益作为宏观经济变量的函数，发现收益曲线扭转、未预期的通货膨胀、工业产值以及破产风险溢价这四个宏观经济变量对股票收益率具有显著的系统性影响。此后的McElroy和Burmeister（1988 ）进一步改用多元非线性回归模型，引入债券偿付风险溢价、债券期限溢价、未预期通货膨胀、未预期GDP增长率以及市场指数，构建了宏观经济五因素APT模型，并发现每个变量均得到APT的风险定价。借鉴这一思路，Golderberg和Robin（1991）将债券风险溢价、债券期限溢价、未预期通货膨胀和未预期产出增长四个宏观经济变量引入，建立资本成本估算的宏观经济因素APT模型，并与资本资产定价模型（CAPM）、五因素APT模型等进行比较，结果显示四因素APT模型的估算值比较准确。
Hammoudeh和Aleisa（2004）指出，通货膨胀和与公共财政相关的变量是股票价格的基本决定因素。Daske等（2008 ）和Li（2010）在考察欧洲市场执行IFRS后资本成本的变化时发现，国民生产总值、居民消费价格指数、通货膨胀率等国家宏观层面因素均在一定程度上影响资本成本水平。Apergis和Eleftheriou（2012）应用广义矩估计（GMM）方法对新兴国家的研究发现，通货膨胀、经济产出、货币供应量、政府赤字、贸易赤字对股票收益有正面影响，而利率对股票收益产生负面影响。
除了上述研究以外，Stulz（1999）提出，一国经济全球化程度的提升可以通过分散风险与提高公司治理水平来降低公司股权资本成本，这一观点得到了Bekaert 和Harvey（2000）的经验证据支持。Singh和Nejadmalayeri（2007）的研究结果也表明，企业的国际化程度与其资本成本呈负相关关系，即国际化程度越高的企业，其资本成本越低。Erb等（1996）利用135个国家的数据研究指出，影响股权资本成本的宏观经济环境因素可能还包括汇率和国家信用等级等，对于发展中国家而言，以国家信用等级度量的国家信用风险是影响事前预期报酬率的重要因素。
综观以上国外相关研究可以发现，宏观经济变量的选择、研究方法的使用以及最终得到的结论均存在一定程度的不一致性。
（二）国内文献 国内学者鲜有根据中国上市公司的数据进行宏观经济因素与资本成本的相关研究。一些研究从宏观、中观（行业）层面进行了类似的分析。吕江林（2005）考察了我国上证综指与实际国内生产总值之间的动态关系；杨小军（2007）研究认为影响股票价格指数的最显著因素包括货币供应量、股票供给、物价指数；曹勇和张卓（2009）则认为商品零售价格指数、固定资产投资总额、利率等宏观经济变量对股票价格指数存在一定影响；金洪飞和金荦（2010）、温彬等（2011）发现国际石油价格、人民币汇率等宏观经济变量对我国不同行业的股指报酬率具有一定的影响；戴沙（2011）则认为货币政策对股票市场的影响较显著，其中利率政策最明显。这些研究均以行业或A股综指的实际数据研究股东作为一个整体的实际报酬水平，并未观察宏观经济因素对股东要求报酬率――股权资本成本的影响。
一个国家的宏观经济运行态势、经济发展阶段以及金融体系变革等外部宏观经济因素是股东进行投资的外部客观环境，宏观经济状况的改变直接关系到企业生产经营的诸多方面，进而影响了企业的风险程度，股东根据这一风险程度提出的理性报酬率必然会反映出宏观经济变量变动的结果。因此，忽视宏观经济因素对股权资本成本的影响必将造成股权资本成本研究的片面性。笔者选取了6个主要的宏观经济变量，详细分析检验其对中国上市公司股权资本成本产生的影响。
三、研究设计
（一）样本选取与数据来源本文关注研究期间的时间跨度，为了增强研究结果的可靠性与可比性，样本期间为2000年至2012年。按照中国证券监督管理委员会2012年公布的上市公司行业分类标准，将上市公司划分为19个行业。由于金融行业的特殊性，宏观经济变量如实际贷款利率等对金融行业的影响与其他行业相比较具有显著的差异，为了确保数据结果的准确性与可比性，本文剔除了金融行业，选取其他18个行业的全部A股上市公司作为研究样本。本文中各年度宏观经济数据（GDP、CPI、M2、CM、INT、TUR）取自中国统计年鉴数据库和锐思数据库。股权资本成本估算中运用的数据以及实证分析中相关控制变量的数据均取自国泰安数据库。
（二）变量定义与研究假设
被解释变量。汪平等（2012）将股权资本成本的估算方法划分为三类：内含报酬率法、风险补偿法和历史平均报酬率法。李阳阳（2013）归纳了常见的及新兴的15种股权资本成本估算技术，并针对不同的模型结果进行了对比分析。本文采用CAPM、OJ模型、Gordon模型、GLS模型、PEG比率和MPEG比率6种方法分别估算我国全部A股上市公司的股权资本成本，并将六种估算方法的估算值取均值，作为公司的股权资本成本Re。对于GLS模型、OJ模型、PEG比率和MPEG比率四种方法，本文分别采用了实际数据和预测数据两种数据方法进行估算，并取两者均值作为该方法的股权资本成本估算值。
解释变量。笔者选取的宏观经济因素包括：经济增长率、通货膨胀率、贷款利率、资本市场发展情况、货币供应量和股票市场流动性。
（1）经济增长率。GDP增长率可以在一定程度上反映一个国家宏观经济状况，是经济增长率最为直观的衡量标准，本文选用GDP增长率表示经济增长率。经济增长率无疑是影响股票收益的一个重要因素。在经济繁荣阶段，GDP增长率较高，国家总体经济运行环境较好，经济主体的平均获利水平提高，股东对公司的预期提高，要求的必要报酬率提高，即股权资本成本上升。由此提出本文的假设1：
假设1：GDP增长率与股权资本成本正相关，即GDP增长率越高，股权资本成本越高。
（2）通货膨胀率。消费者价格指数（CPI）是对一个固定的消费品篮子价格的衡量，主要反映消费者支付商品和劳务的价格变化情况，是一种度量通货膨胀水平的工具，本文选用CPI增长率表示通货膨胀率。通货膨胀通常发生于经济繁荣时期，往往是经济上行至过热的一种反映。在通货膨胀的情况下，对于收入波动大的企业来说，债务融资所要面临的固定利息支付无疑会带来更高的财务风险和破产风险。因此，在通货膨胀严重时，企业往往会回购部分债券，减少债务融资规模，提高股权融资比例。Clare和Thomas（1994）、Ibrahim和Aziz（2003）等研究将股票视为对冲通货膨胀的工具，随着通货膨胀率的上升，公众会把大量的资金投资于股票，为了补偿通货膨胀带来的损失，股东往往会提高其所要求的报酬率水平，即股权资本成本上升。
假设2：CPI增长速度与股权资本成本正相关，即CPI增长率越高，股权资本成本越高。
（3）贷款利率。贷款利率是一个宏观经济政策变量，在一定程度上预示了宏观经济的走向。在经济过热时国家会相应提高贷款利率，经济疲软时则会降低贷款利率。利率作为资本市场上资金使用权的转移价格，在一定程度上影响着企业的股权资本成本。一方面，贷款利率直接决定了利息费用，间接决定了债务融资成本。利率的变动改变了资本市场上的资金供给量和资金流向。当利率上升时，大量资本回归银行导致企业举债融资困难，贷款比例降低引起债务成本上升，财务风险的加大导致股东要求报酬率的上升。另一方面，利率代表了股票市场上投资的机会成本。Wasserfallen（1989），Abdullah和Hayworth（1993）等研究发现，利率负向调节股价，较高的利率吸引了其它的投资机会，进而降低了股票市价，股东要求的报酬率随之提高。
假设3：实际贷款利率与股权资本成本正相关，即贷款利率越高，股权资本成本越高。
（4）资本市场发展情况。完善的资本市场可以提供多元化融资渠道，包括信贷融资、债券融资和股权融资等。根据优序融资理论，企业一般遵循内部融资、债务融资、股权融资的融资顺序。西方发达国家的资本市场发展的比较成熟，而我国仍处于市场经济转变时期，资本市场并不完善。在不成熟的资本市场中，证券价格不能真实全面地反映企业价值，融资工具的缺乏会阻塞企业的融资渠道。同时，我国股票市场规模较大，外部监管机制和股权约束机制尚未完全建立，这使得我国上市公司更倾向于选择约束少、无股息偿付压力的股权融资方式。基于我国实情的融资特色，如果股市处于利好的形势，股票市场的综合回报率比较高，市场风险溢价上扬，股东投资要求的必要报酬率就会提高。本文采用考虑现金红利再投资的情况下，总市值加权平均法的A股市场年度综合回报率作为股票市场发展状况的变量。
假设4：股票市场回报率与股权资本成本正相关，即股票市场回报率越高，股权资本成本越高。
（5）货币供应量。货币政策是国家宏观调控的重要手段之一，广义货币供给量（M2）反映了社会总需求的变化和未来通货膨胀的压力状况，本文选用M2的增长率表示货币供应量的增长率。
根据凯恩斯理论，货币供给量增加导致利率下降，贷款成本的降低会使企业提高债务融资的比例，而负债的增加会限制企业的自由现金量，增加企业的破产风险。同时，货币供给量的增加会提高公众对未来通货膨胀的预期，从而导致更高的贴现率，因此投资者会要求更高的预期报酬率，提高股权资本成本。
假设5：货币供给与股权资本成本正相关，货币供给量的增长率越大，股权资本资本越高。
（6）股票市场流动性。股票市场流动性会影响股东要求的报酬水平。一般而言，流动性好的市场，交易指令能迅速执行，交易成本降低，而在缺乏流动性的交易市场，投资者的抛售行为会传递进而影响股票价格，投资者承担的风险增大，股权资本成本上升。此外，流动性差的股票通常会倍受投资者冷落，股价相对较低，股权资本成本相应提高。本文采用年平均换手率指标作为股票市场流动性的变量。换手率是反应市场活跃程度和成熟程度的综合指标，以百分比形式衡量一年内股票的成交量占股票总数的比例。通常情况下，成熟资本市场的流通股年平均换手率在100%左右。我国股票市场尚不成熟，仍处于发展阶段，投资者的专业知识储备相对较少，投机现象比较严重，投资者多以短线差价投资为主，并不是进行真正意义上的长期投资。刘欢（2008）研究表明，1993年至2007年间，我国股票市场15年的平均年换手率为484%，明显高于成熟市场的换手率。
假设6：股票市场流动性与股权资本成本负相关，即年平均换手率越高，股权资本成本越低。
（三）研究步骤 本文研究宏观经济因素对上市公司股权资本成本的影响，由于既包括时间序列数据又含有截面数据，因此，本文分两个步骤开展研究。第一步，建立面板数据，对6个宏观经济变量以及股权资本成本进行平稳性检验；第二步，在同一年份，由于对所有上市公司而言统一宏观解释变量取值相同，研究期间内每个宏观变量的有效数值有13个，且模型不同年份回归系数都相同，为了保证样本数量，提高模型的有效性，在建立线性回归模型时，选择混合横截面模型，将13个年份的数据放在同一截面中进行检验，并且在线性回归模型中增加了企业规模、股权结构与公司成长性三个控制变量，分别用总资产（TA）、前十大股东控股比例（H10）、总资产增长率（GR）表示。
四、实证检验分析
（一）描述性统计
（1）宏观经济因素的描述性分析。自2000年开始，我国经济驶入了新一轮的复苏进程，经过2003年和2004年经济得以稳定与巩固之后，从2005年开始高速增长，2007年末达到峰值。2008年，受到全球经济危机的冲击，GDP增长率下降，宏观经济进入衰退阶段，且下降的幅度较大。为了缓解金融危机带来的阵痛，2009年国家实行积极的财政政策和宽松的货币政策，以扩大内需为主要目标。2009年至2010年实现了经济的缓慢回升，但2011年我国通货膨胀加剧，经济出现短暂回落，国家继续实施积极的财政政策和稳健的货币政策，以管理通货膨胀、调整经济结构、保持经济平稳较快发展为工作重心。图1为2000-2012年我国GDP增长率折线图，13年中，我国经济经历了增长、下降、回升再微降的一个过程。
图2显示样本期间，我国CPI增长率波动显著，尤其在2006年之后波动尤为剧烈。CPI代表了消费者的购买能力，也反映了宏观经济的景气程度。CPI温和上升，表示经济平稳增长；CPI大幅提高，说明发生了通货膨胀，货币的实际购买能力降低；如果CPI下跌，则表明经济衰退。2009年CPI增长率发生了明显下降，表明国家实施的积极的财政政策和稳健的货币政策对宏观经济调控产生了效果。
从图3中可以看出，2000年至2006年期间，我国实际贷款利率稍有波动，但相对平稳。2007年大幅上升，2008年由于国家宏观政策的调控，又出现大幅回落，2009年以后，国家重视经济发展的稳定性，为了防止经济大幅波动，通过利率调整对货币市场进行资金的控制。
图4显示，在2008年之前，我国广义货币供应量增长率相对平稳。2008年经济危机期间，国家实施宽松的货币政策，使流通中的准货币基数不断增加，因此2009年广义货币供给量呈现高速增长。2010年以后M2增速逐渐减缓。
图5显示，2001-2005年期间，我国股票市场换手率较为稳定，处于一个相对较低的水平上。2006年换手率大幅提升，2007年达到了峰值。2008年的经济危机使得股票市场受到严重冲击，换手率急剧下降，但在2009年又大幅回升。伴随股票市场的发展，2010年以后换手率缓慢降低，但与国外成熟的股票市场相比，仍然位于一个较高的水平。由此可见，我国股市的不稳定性和非理性是毋庸置疑的。投资者往往将股票作为投机证券以获取价差收益，由此引致我国股票市场上极其浓重的投机色彩。
图6为2000年至2012年考虑现金红利再投资的综合市场回报率年度数据，波动趋势十分显著。2007年股票市场回报率达到峰值，2008年受国际金融危机影响，市场回报率跌至谷底，2009年国家相关干预政策使得市场回报率迅速回升，这些变动整体上与宏观经济周期波动相一致。之后的几年，随着宏观经济的波动，股票市场也振荡下挫。
（2）股权资本成本的描述性分析。图7为2000年至2012年A股上市公司平均股权资本成本折线图。可以看出，股权资本成本的整体变动趋势与宏观经济周期是趋同的。大部分年份的平均股权资本成本在5%至10%之间波动，2007年达到最大值24.67%，2008年又迅速降低至1.96%，2009年出现较大幅度的反弹，达到22.01%，2010年之后逐渐平稳，波动幅度减小。进一步观察18个行业的平均股权资本成本，可发现，研究期间内各个行业具有较为相似的时序变化――2005年之前行业平均股权资本成本均比较稳定，多数行业的平均股权资本成本在5%-10%区间内小幅度波动，2006年之后变动幅度较大，2007年上升到峰值，2008年又跌至谷底，随后的2009年又大幅回升，此后呈现平稳波动的趋势。
2000-2012年各变量描述性统计见表2。
（二）平稳性检验由于时间序列数据中包含经济的动态信息，在对时间序列进行回归分析之前，本文首先采用三种方法――相同根单位根检验的LLC检验和不同根单位根检验的ADF检验及PP检验，对每个时间序列数据进行平稳性检验。表3显示，CPI增长率、贷款利率、A股市场回报率、M2增长率和股票市场年平均换手率以及企业股权资本成本均同时通过了LLC检验、ADF检验及PP检验，充分证明了他们不存在单位根，序列是水平平稳的。GDP增长率变量没有通过ADF与PP检验，但通过了LLC检验。因此认为所有变量都是同阶单整的。
（三）回归分析 为了更为准确地研究宏观经济因素与股权资本成本的关系，需要剔除一些影响股权资本成本的微观层面因素。本文在线性回归模型中加入了3个控制变量：（1）采用总资产的自然对数（TA）代表公司规模，以控制规模因素对股权资本成本的影响；（2）采用前十大股东控股比例（H10）表示股权结构，以控制公司股权结构对股权资本成本的影响；（3）采用总资产增长率（GR）代表公司成长性，以控制处于不同发展阶段的公司成长性因素对股权资本成本的影响。
基于此，本文建立如下回归模型：
Rei=α+β1GDPi+β2CPIi+β3INTi+β4CMi+β5M2i+β6TURi+β7TAi+β8H10i+β9GRi+?着
其中，i表示第i个样本上市公司；β1、β2、……、β9为各解释（控制）变量的回归系数；α为常数项，?着为残差项。
从表4可以看出，回归模型通过了F检验，回归方程整体在1%的水平上存在显著的线性关系。GDP增长率、CPI增长率、年平均实际贷款利率、M2增长率、股票市场回报率与股权资本成本呈显著的正相关关系，与上文提出的假设1至假设5相一致；A股市场年平均换手率与股权资本成本均在1%的水平上显著正相关，与假设6相反，说明样本期间我国股票市场年平均换手率越高，股权资本成本越高。在本文选取的三个控制变量中，只有成长性变量没有通过t检验，另两个变量均与股权资本成本呈显著的正相关关系，意味着企业规模越大、大股东持股比例越高，股东要求的必要报酬率越高，股权资本成本越高。
五、结论
本文结合我国经济制度背景，以2000-2012年中国A股上市公司为样本，分年度采用6种方法对股权资本成本进行估算，选用混合回归模型，对股权资本成本与经济增长率、通货膨胀率、贷款利率、货币供应量、股票市场流动性以及股票市场发展状况等6个宏观经济因素进行OLS回归，得到如下两个结论：
（1）我国上市公司的股权资本成本与宏观经济走势整体上具有趋同性，公司股权资本成本基本上能够伴随着国家宏观经济政策的调整做出相应的反应。这一结果在2008年全球性经济危机之前表现尤为明显。在我国经济整体向好的2007年，GDP增长率、CPI增长率、实际贷款利率、股票市场回报率均处于研究期间的相对高值，我国上市公司平均股权资本成本亦位于峰值，达到24.67%。货币供给量增长率与公司股权资本成本的正相关关系也比较显著，2009年M2增长率达到高点，公司股权资本成本也继2008年跌至谷底后于2009年大幅回升至22.01%。
（2）我国股票市场的换手率与股权资本成本呈正相关关系，这显然有悖于财务理论。然而这一结论却是我国股票市场不成熟、股票投资者投机心理严重的一个真实表现。换言之，我国的股票投资者并未通过成熟的投资理念引导自己真正意义上的长期投资，过分地追求短期资本利得的财富效应致使我国股票市场交易异常活跃。这种非理性的投资理念对股东期望的报酬水平――股权资本成本产生了扭曲的、甚至是完全逆向的影响。
站在公司财务视角，股权资本成本巧妙地联结了股东、资本市场和上市公司三者的关系。股权资本成本是股权资本投资者根据其投资风险水平提出的报酬率要求，这一报酬率水平的高低程度与理性水平从根本上决定了一家公司的财务竞争实力，同时也在一定程度上反映了一国资本市场的发展状况。宏观经济状况是公司财务的客观环境，是公司一切财务政策赖以执行的外部条件。宏观经济因素的变动直接影响到股东投资的风险水平，进而导致股东要求报酬率的变化。如何全面洞察国内外宏观经济状况的改变，科学理性地估算股权资本成本，进而积极主动地调整公司财务政策，是任何一家现代公司的财务经理都必须考虑的重要问题。
应当看到，我国股票市场经历了20余年的发展与壮大，目前仍属于不成熟、不完善的新兴市场，融资渠道单一、监管措施失当、约束机制匮乏等严重地制约了股票市场的良性发展。与之相应，上市公司股东利益保护观念的淡薄直接导致了资本成本理念的阙如，作为公司财务核心概念的资本成本更是无法发挥其在财务决策中的基准作用。本文的研究较为全面地分析了宏观层面的国家经济政策变动对微观层面的公司股权资本成本水平产生的影响，结合财务理论与中国现实对这一影响进行了客观评析。本文只是在宏观经济与微观财务的结合方面作出了初步的尝试，未来这一方面的研究尚待更加细致、深入地进行下去。
［本文系教育部人文社科规划基金资助项目“资本成本、价值创造与我国国企EVA考核研究”（编号：10YJA630146）和北京市属高等学校高层次人才引进与培养计划项目（The Importation and Development of High-Caliber Talents Project of Beijing Municipal Institutions）“基于资本成本锚定效应的公司财务政策优化研究”阶段性研究成果］
参考文献：
［1］祝继高、陆正飞：《货币政策、企业成长与现金持有水平变化》，《管理世界》2009年第3期。
［2］姜国华、饶品贵：《宏观经济政策与微观企业行为――拓展会计与财务研究新领域》，《会计研究》2011年第3期。
［3］吕江林：《我国的货币政策是否应对股价变动做出反应？》，《经济研究》2005年第3期 。
［4］谢太峰、王子博：《中国经济周期拐点预测――基于潜在经济增长率与经验判断》，《国际金融研究》2013年第1期。
［5］曹勇、张卓：《上证A股指数与宏观经济因素关系的实证研究》，《价值工程》2009年第1期。
［6］金洪飞、金荦：《国际石油价格对中国股票市场的影响》，《金融研究》2010年第2期。
［7］温彬、刘淳、金洪飞：《宏观经济因素对中国行业股票报酬率的影响》，《财贸经济》 2011年第6期。
［8］汪平、袁光华、李阳阳：《我国企业资本成本估算及其估算值的合理界域：2000-2009 》，《投资研究》2012年第11期。
［9］李阳阳：《预期股权资本成本估算技术研究》，首都经济贸易大学2013年硕士学位论文。
［10］Chen，N. F.，Roll，R.，Ross，S. A.Economic Forces and the Stock Market.Journal of Business， 1986.
［11］Marjorie B.，McElroy，Edwin Burmeister. Arbitrage Pricing Theory as a Restricted Nonlinear Multivariate Regression Model.Journal of Business and Economic Statistics，1988.
［12］Goldenberg D H，Robin A J.The Arbitrage Pricing Theory and Cost of Capital Estimation： the Case of Electric Utilities. Journal of Financial Research，1991.
［13］Hammoudeh S，Aleisa E. Dynamic Relationships among GCC Stock Markets and NYMEX Oil Futures. Contemporary Economic Policy，2004.
［14］Holger Daske，Luzi Hail，Christian Leuz，Rodrigo Verd. Mandatory IFRS Reporting around the World：Early Evidence on the Economic Consequences.Journal of Accounting Research，2008.
［15］Li S.Does Mandatory Adoption of International Financial Reporting Standards in the European Union Reduce the Cost of Equity Capital? The Accounting Review，2010.
［16］Nicholas Apergis，Sofia Eleftheriou.The Role of Macroe-
conomic Factors in Explaining the Cost of Capital：Evidence from a Group of Emerging Economies.Asian Journal of Finance & Accounting， 2012.
［17］Stulz R M. Golbalization，Corporate Finance，and the Cost of Capital. Journal of Applied Corporate Finance，1999.
［18］Bekaert G，Harvey C R. Foreign Speculators and Emerging Equity Markets.The Journal of Finance，2000.
［19］Singh M，Nejadmalayeri A，Mathur I. Performance Impact of Business Group Affiliation： An Analysis of the Diversification-Performance Link in a Developing Economy. Journal of Business Research，2007.
［20］Erb C，Harvey C，Viskanta T. Expected Returns and Volatility in 135 Countries. Available at SSRN 871253，1996.
［21］Gordon M J. The Savings Investment and Valuation of a Corporation. The Review of Economics and Statistics，1962.
［22］Clare A D，Thomas S H. Macroeconomic Factors，the APT and the UK Stock Market. Journal of Business Finance & Accounting，1994.
［23］Ibrahim M H，Aziz H. Macroeconomic Variables and the Malaysian Equity Market：a View through Rolling Subsamples.Journal of Economic Studies，2003.
篇2
关键词:仿射模型;泰勒规则;风险溢酬
中图分类号:F820 文献标识码:A文章编号:1006-1428(2007)07-0040-03
一､问题的提出
利率期限结构也称为收益率曲线，刻画的是相同风险水平下，利率与到期期限之间的关系。收益率曲线的位置和形状随时间而改变，在经济周期的不同阶段，利率水平和利差(长期利率和短期利率之差)均不相同。下图是一个很好的例子，它反映了美国1990―2001年之间处于经济周期不同阶段的收益率曲线的变化。那么推动收益率曲线动态变化的因素是什么呢?潜在因素(1atent factor)是一种解释。潜在因素(变量)不能被直接观测到，但可以从债券价格中推算出来。作为这类文献的代表，Litterman和Scheinkman(1991)应用主成分分析法，把影响利率期限结构动态的三个主要因素命名为平行因素(1evel factor)､斜度因素(slope factor)和曲度因素(curvature factor)。平行因素影响所有期限的收益率，斜度因素决定了收益率曲线是陡峭或是平坦，曲度因素影响收益率曲线的弯曲程度。这种解释在理论上不能令人满意，利率作为一个最重要的宏观经济变量，是经济系统内生的，利率期限结构作为不同到期期限利率的组合，自然也不能游离于经济系统之外，用通过统计技术产生的､不可观测的潜在因素来解释利率期限结构的动态变化显然缺乏经济理论支持。于是，一些研究者开始着手设计包含宏观经济变量的动态模型，用可观测的宏观经济因素来解释利率期限结构的变化，这类模型被称为宏观-金融模型(Macro-Finance Models)。宏观-金融模型不仅具有理论价值，而且具有应用价值。对利率期限结构的预测一直是金融实务中的一个重要课题，因为利率期限结构是固定收益证券和金融衍生产品定价的基础，也是利率风险管理的基础。在模型中加入可以观测的宏观经济变量可以在一定程度上提高模型的预测能力，因此具有广阔的应用前景。
图1美国1990-2001年收益率曲线的变化
数据来源:引自长城证券研究报告《国债收益率曲线的比较研究》
二､宏观-金融利率期限结构模型的基本结构――离散形式的仿射模型
Ang和Piazzesi(2003)､Bernanke， Reinhart和Sack(2004)以及Rudebusch和Wu(2004)采用了基本相同的模型结构，即离散形式的仿射模型。简单地说①，仿射模型将零息债券的对数价格视为状态变量(向量)的仿射函数②，而状态变量的演进由一个向量自回归模型决定，即:
那么，为什么要选择仿射模型作为宏观-金融模型的基本结构呢这主要是因为，第一，Duffle和Kanl1996提出的仿射模型是应用最广泛的利率期限结构模型，模型具有坚实的微观金融学基础，被称为利率期限结构研究的“载重马车”workhorse model。以仿射模型作为基本模型结构使宏观一金融模型具有很强的理论支撑。第二，仿射模型能够十分方便地接纳宏观经济变量。仿射模型对状态向量中的元素并无特别设定，因此这些元素既可以是不可观测的潜在变量latent factor，也可以是可观测的宏观经济变量。Ang和Piazzesi2003将状态向量中的元素分为两组，一组包括两个由主成份分析法得到的宏观经济变量――通货膨胀因素和真实经济活动因素，另一组包括三个潜在变量。Bemanke，Reinhart和Sack2004以宏观经济变量及其滞后值作为状态向量中的元素，潜在变量被排除在外。状态向量元素的灵活选择给研究者带来了很大便利，一定程度上也增强了模型对数据的拟合效果。
三､宏观经济变量影响利率期限结构的途径――短期利率和风险价格
在上面的分析中我们看到，宏观经济变量作为状态向量中的元素影响利率期限结构，但这毕竟只是一种模型结构上的描述，从经济理论上说，宏观经济变量是通过何种途径影响利率期限结构的呢答案是短期利率和风险价格。
1､宏观经济变量对短期利率的影响
短期利率是连接微观金融视角和宏观经济视角的关键点。从微观金融视角来说，短期利率是其他各期限利率的基本构成成份，因为长期利率是风险调整后的预期未来短期利率的平均值，即
从宏观经济视角来说，短期利率是中央银行重要的货币政策工具，中央银行通过调控短期利率来实现其稳定经济的货币政策目标。如何分析宏观经济变量对短期利率的影响泰勒规则是一个很好的切入点。Taylor1993a使用理性预期模型，通过对7个工业国家数据的模拟分析，发现利率规则最有利于中央银行保持产出与物价稳定，这里利率规则是指根据产出和物价水平与目标值之间的差距来调节利率的货币政策规则。Taylor1993b提出了一个简单的代表性利率规则，并证明这一规则很符合1987年至1992年美国联邦资金利率的走势，这一规则被称为泰勒规则，其表达式为④:
2､宏观经济变量对风险价格的影响。
由于未来的不确定性，与持有短期债券相比，人们在持有长期债券时往往要求获得一定的额外收益以补偿自己承担的风险，这部分额外收益就是风险溢酬。因此在4式中，长期利率表示为风险调整后的预期未来短期利率的平均值。风险溢酬与宏观经济状况相关联，例如，在高通货膨胀时期，人们对未来通货膨胀率的预期值往往较高，因此要求的风险溢酬也较高;相反，在低通货膨胀时期，人们要求的风险溢酬相对较低。在进行计量分析时，风险溢酬被分解为两个部分:风险价格和风险数量。风险数量由随机扰动决定，风险价格则取决于模型的设定。宏观―金融模型设定风险价格为状态变量的仿射函数:
这里Λt，表示风险价格，Λ0是一个七维常数向量，Λ1是一个k×k矩阵。当状态向量中的元素包括宏观经济变量时，宏观经济变量将通过风险价格､进而风险溢酬影响利率期限结构。
四､宏观―金融模型在中国的应用前景
在利率市场化改革不断深化的背景下，利率期限结构的宏观―金融模型在中国具有广阔的应用前景。
1､在利率风险管理中的应用
随着利率市场化改革的推进，国内金融机构，特别是商业银行面临的利率风险逐渐增大，如何进行有效的利率风险管理成为一个急待解决的问题。进行利率风险管理首先需要计量自身利率风险的暴露程度，这离不开对利率期限结构未来走势的估计。利率期限结构的动态模型很多，宏观―金融模型以其简洁的模型结构和坚实的经济理论支撑无疑可以成为一个很好的选择。
2､在金融衍生产品定价中的应用
衍生品市场是国际金融市场的重要组成部分，目前，金融衍生产品在国内的推出已经有了时间表。金融衍生产品的定价离不开利率期限结构，几乎所有的定价公式都包含无风险利率。在经典的布莱克一斯科尔斯期权定价公式中，无风险利率被假设为一个常数，这显然是与事实不符的，放松这一假设就需要对利率期限结构进行估计，宏观―金融模型在此可以得到运用。
3､在货币政策制定中的应用
应该指出的是，宏观经济因素与利率期限结构的联系是双向的，宏观―金融模型侧重研究的是宏观经济变量对利率期限结构的影响，同时也有另外一类文献侧重研究利率期限结构对宏观经济变量的预测。20世纪90年代以来，一批宏观经济学的实证研究文献显示，对利率期限结构进行分析，可以预测未来的通货膨胀率和实际产出变量，从而为货币当局的货币政策决策提供重要的参考依据。这一理论成果在实践中已经得到运用，英格兰银行的通货膨胀报告从1994年开始定期公布根据利率期限结构推导出来的预期通货膨胀率，而美联储1996年决定把利率期限结构作为一个重要的先行经济景气指数并定期公布长短期利差的变动。既然宏观经济变量对利率期限结构存在影响，货币当局在利用利率期限结构所提供的信息时就有必要区分哪些信息是和已知的宏观经济信息相重合的，哪些信息是宏观经济变量未能揭示的，这个方面宏观―金融模型恰好可以发挥作用。
参考文献:
[1]Ang，A.，Piazzesi M. No-Arbitrage Vector Autoregression of Term Structure Dynamics with Macroeconomic and Latent Variables. Journal of Monetary Economics. May. 50(4)pp. 745-787
[2]Bemanke，Ben S.，Vincent R.Reinhart，and Brian P.Sack. Monetary Policy Alternatives at the Zero Bound:An Empirical Assessment. Brookings Papers on Economic Activity2，PP.1-78.
[3]Duffie，D. Kan，R. A Yield-Factor model of interest Rates. Mathematical Finance，6:PP.379-406
[4]Litterman，R.，Scheinkman，J. Common Factors Affecting Bond Retuns. Journal of Fixed Income1:54-61
篇3
一、研究背景
宏观经济学是研究社会总体的经济行为及其后果，即研究的是整个国家的经济运行情况，包括整个社会产量、收入、价格水平和就业水平、经济增长的决定因素以及经济增长的速度等。宏观经济学是我国教育部指定的经济管理类专业学生必修的核心课程之一，在教学体系中占有非常重要的位置。宏观经济学涉及大量抽象经济模型和数学推导，且与现实经济密切联系。有不少同学反映无论是掌握理论还是完成习题，都有一定的难度，而且碰到实际问题也无法灵活运用。所以一些学生很快就丧失了学习兴趣，上课时间反而成了他们玩手机、睡觉的时间。
基于此，本文将因子分析应用于影响宏观经济学学习兴趣的研究，此次对影响宏观经济学学习兴趣分析的主要目标有两点：一是找出影响宏观经济学学习兴趣的重要因子;二是提出相应的提高学生宏观经济学学习兴趣的改善措施。
二、研究方法
研究主要回答以下问题：影响经管专业大学生宏观经济学学习兴趣的具体因子有哪些?影响如何?哪些改善措施能提高学生宏观经济学学习兴趣?
1.研究对象。研究对象为北京邮电大学世纪学院312名大二上学期学生，来自三个专业：市场营销、财务管理、电子商务。平均年龄19.47岁，已学习管理学原理、微观经济学，大多数学生高中学的是文科，男女性别比例为1∶2。
2.研究工具。研究工具为宏观经济学学习兴趣问卷调查表，由笔者自行设计而成，共有30个题项，对每个题项采用5级量表分成五个等级并赋值：一点都不影响-1、影响较小-2、基本不影响-3、影响较大-4、非常影响-5。
3.研究进程。问卷调查时间为2014年4月21日至23日，在课堂上随堂进行。笔者要求学生根据自己的实际情况对30个题项进行选择，没有时间限制，平均用时6分钟。共发放问卷312份，收回有效问卷295份，随后将所有有效问卷数据输入SPSS20.0软件进行统计与分析。
4.数据分析。数据统计分析方法有3个：(1)描述性统计与分析，主要对均值和各选项百分比进行统计;(2)可靠性分析(信度分析)，主要评估问卷内部各个题项的一致性;(3)影响因子分析，对影响动机缺失的主要因子进行统计分析和提取。
三、研究结果与分析
表1、表2、表3为用SPSS20.0统计软件对问卷数据进行统计分析之后的相关数据表。从表1可以看出30个题项中有22项的均值都在3分及3分以上，这表明受试者学习兴趣普遍受到这些题项的影响。从各个选项的得分百分比也可以看出受试各题项的具体选择情况，其中4、5分(即影响较大-4、非常影响-5)的得分占较大比例，表明受试的宏观经济学学习兴趣受到较大影响。
从表2可以得出，经过最大方差法正交旋转后的因子负荷矩阵数据表KMO值为0.735，Bartlett的球形度检验显著性概率小于 0.01，表明问卷数据适合进行因子分析。从表3可以看出，共有8个因子被提取出来。分别为成本收益、他人影响、教师因素、教材及作业、课程性质、教学环境、上课时间、自我管理，各个因子后面的a为各因子内部题项的信度系数，都在0.7以上，具有较高的信度。表明这些因素在学习宏观经济学中具有较大的影响。
四、影响因子讨论与分析
因子1为成本收益，包含7个题项，分别涉及课程是否能马上应用、工作中能否应用、能否训练多样性和发散性思维、考研中能否用到、是否是经管专业基础课程、学习效果及成绩、自学的难易程度。7个题项的平均分都在3以上，题项23有26.3%的受试选择了影响较大，有20.0%选择了非常影响。题项18有27.4%和16.8%的受试选择了影响较大和非常影响，这两个题项选择影响较大和非常影响的比例都接近50%，表明较多的受试认为课程能否马上应用或在工作中应用对其宏观经济学学习兴趣存在着较大影响。题项21有26.3%的受试选择了影响较大，有18.9%选择了非常影响。题项17有 34.7%和11.6%的受试选择了影响较大和非常影响，这两个题项选择影响较大和非常影响的比例都接近50%，这说明学生在学习过程中非常注重花费的成本与最终的学习效果及成绩等是否能正比。他们不但重视课程收益，即课程能否得到应用;而且还重视成本，即自学的难易程度。
因子2为他人影响，包含5个题项，分别涉及辅导员对这门课的看法、学长对这门课的看法、家长对这门课的看法、课外辅导资料的多少、其他同学是否认真学习该课程。5个题项的平均分都在3以下，题项29有11.6%的受试选择了影响较大，有4.2%选择了非常影响。题项30有11.6%和5.3% 的受试选择了影响较大和非常影响，题项28有14.7%和7.4%的受试选择了影响较大和非常影响，这3个题项选择影响较大和非常影响的比例只有20%左右，表明较多的受试认为别人对课程的看法对其宏观经济学学习兴趣影响较小。题项27有14.7%的受试选择了影响较大，有10.5%选择了非常影响。题项 24有18.9%和14.7%的受试选择了影响较大和非常影响，这两个题项选择影响较大和非常影响的比例都超过50%。课外辅导资料的多少相当于社会的关注程度。这说明同学和社会对学生的学习兴趣的影响要大于辅导员、学长、家长。
因子3为教师因素，包含5个题项，分别涉及教师的教学方法、教师的态度、学识水平、教师的语音语气语调、教师的要求是否严格。除了题项4(教师的语音语气语调)外其他4个题项的平均分都在3以上。这表明较多的学生认为教师的教学方法、态度、学识水平和是否严格要求对其宏观经济学学习兴趣存在着较大的影响，应引起广大宏观经济学教师的高度关注。
因子4为教材与作业，包含3个题项，分别涉及教材是否有趣、想学的内容课本中有没有、作业的多少。题项13有31.6%的受试选择了影响较大，有 21.1%选择了非常影响。超过50%的学生选择影响较大或非常影响，这表明学生很在意教材是否有趣。这也不难理解，兴趣是最好的老师，如果教材内容晦涩难懂、想学的内容课本没有，那么教材对学生的学习兴趣是严重的打击;题项12有23.2%的受试选择了影响较大，有13.7%选择了非常影响。这表明超过 1/3学生选择作业的多少对学习兴趣有较大影响，这些都应该引起广大宏观经济学教师的重视。
因子5为课程性质，包含3个题项，分别涉及数学基础、是否是考试课、学分的多少。题项6有13.7%的受试选择了影响较大，有17.9%选择了非常影响。这表明虽然宏观经济学用到的数学知识不多，但宏观经济学涉及大量抽象经济模型和数学推导仍让超过1/3学生认为数学基础有较大影响。超过 40%的学生认为宏观经济学是考试课还是考察课、学分的多少也是影响学习兴趣的重要因素。
因子6为教学环境，包含4个题项，分别涉及教室人数多少、有没有空调、是否靠近喧闹的楼梯、投影仪效果。三四成同学认为教学环境对自己宏观经济学学习兴趣有影响。
因子7为上课时间，包含2个题项，分别涉及上午上课、下午上课。题项7有29.5%和7.4%的受试选择了影响较大和非常影响，题项8有 24.2%和13.7%的受试选择了影响较大和非常影响，这2个题项选择影响较大和非常影响的比例分别为36.8%、37.9%，这表明超过1/3的学生认为上课时间对宏观经济学学习兴趣影响较大。
因子8为自我管理能力。题项9有35.8%和11.6%的受试选择了影响较大和非常影响。47.4%的同学学习宏观经济学的兴趣受自我管理能力影响较大。
综观以上因子分析的结果，大学生学习宏观经济学的兴趣更易受外部影响。在当前市场经济背景和大学生自主择业的政策环境下，加上高等教育持续地大规模扩招，每年几百万的待就业大学生，使得天之骄子的辉煌不再。市场的激烈竞争和巨大压力早已成为他们学习与就业中无法避开的苛刻现实。因此大学生对宏观经济学的学习兴趣，就看它是否能马上应用、工作中能否应用、能否训练多样性和发散性思维。这也正是对当前复杂的学习、就业和发展环境的一种主动适应。这表明教师在教学活动中应更注重理论与实际相结合。让学生在学完宏观经济学后收益更大。
大学生宏观经济学学习兴趣更容易受同学、教师、教材、教学环境的影响。我们必须面对这一现实，主要适应学生，努力消除外部因素对学生学习兴趣的不良影响，提高学生学习兴趣。
五、结语与启示
本文对295名经管专业大学生宏观经济学学习兴趣进行调查与研究，归纳出影响宏观经济学学习兴趣的因子：分别为成本收益、他人影响、教师因素、教材及作业、课程性质、教学环境、上课时间、自我管理。研究对宏观经济学教学具有以下启示：
1.教学内容与实际相结合，与学生想学习的内容相结合。在教学中不能一味抱着课本，教师应积极了解学生最想学习哪些内容，结合实际把课本中的内容加以扩展。笔者在讲解宏观经济学时，精心设计每一堂课的内容，利用最新的财经新闻，对所讲的内容向学生提问相关的问题，引导学生主动参与讨论学习，通过观点的碰撞提高他们独立分析经济现象的能力。这样，既能紧扣课本深入浅出地掌握所学知识点，又能从这些抽象的理论中体会到其内在的精髓。同时，授课内容上加大案例分析的比重。具有典型意义的案例分析不仅可以帮助学生说明、验证、消化某种理论，巩固所学知识，还可以引导和启发学生对这些特殊情境进行讨论、分析，从而达到提高学生理论思维能力、分析判断能力的目的。当然，深刻的案例分析必须具备坚实的理论基础，才可以透过现象看本质。因此，教师在课堂的讲授上不仅仅要帮助学生完成理论模型的推导和求解，更要结合案例分析去说明、验证、消化某种理论，实现模型讲解和案例分析的最优组合。这样，学生在学习宏观经济学后就会感到收益很大，大大提高他们学习兴趣。学生一旦有了兴趣，他们会互相传递这种兴趣，从而形成良性循环。
2.在教学活动中教师应发挥主导多用，至少在目前的教学环境下教师的这一作用是不可替代的，教师对学生的学习兴趣具有极为重要的影响。教师对学生学习动机的影响一方面表现为态度、学术水平;另一方面则表现为教学方式。主要表现：在态度与学术方面，态度严谨、认真，学识渊博，站在前沿，不断创新;在教学方面，准备充分，内容条理清楚，逻辑性强，语音语速语调合理恰当，用学生理解的方式传授知识，让大学生主动参与教学活动并使其在分析、解决问题中感到有趣，激发他们的求知欲。
3.慎选教材、少留作业。高鸿业主编的《西方经济学——宏观分册》是国内目前比较权威的经济学教科书，系统介绍了宏观经济学的基本原理，内容安排也符合中国学生的学习习惯，是非常好的入门教材。但是该书涉及较多的数学公式推导、经济模型，且重点放在介绍宏观经济学的基本原理上，联系实际的经济学案例分析也不多，不易激起学生的学习兴趣。如果学生基础薄弱，尤其是文科生占大多数的情况下，数学功底较差，对大量的图表和数学公式难以提起学习兴趣，那么选取对数学基础要求不高、语言生动、可读性强、教材更新快的哈佛大学曼昆教授编写的《经济学原理——宏观分册》作为经济学入门教材是个不错的选择。同时，鼓励学有余力的同学或有考研要求的学生课后将高鸿业主编的《西方经济学——宏观分册》作为补充阅读的参考书目。教师在教授课程内容时就应让学生通过课堂练习掌握知识，从而少留作业，把学习的主动权交给学生。
4.创造良好的教学环境。教室整洁、桌椅整齐、高矮合适，光线柔和、教具齐备、色彩协调，会使人情绪愉快，给人以美的享受，就会刺激学生的学习意向，提高学习的兴趣和效率。相反，校园卫生差，教室狭窄拥挤、桌椅破烂，就会使人感到不安、心情烦燥、情绪不满，难以使学生情绪投入到学习中。因此，必须美化、净化校园、课室环境，设法让教学设备齐全，物质条件齐备，使之对形成良好的教学心理气氛起到促进作用。一切为了学生，为了学生一切。那我们就从创造良好的教学环境做起，而且这也是短时间内就能做好的事情。
篇4
内容摘要：本文根据“十二五”规划纲要关于深化金融体制改革的要求，以保险业因素为切入点，探索宏观经济增长与保险业发展的动态关系，运用实际总保费收入和我国实际GDP数据对两者因果关系进行检验。结果表明，在我国两个宏观经济变量之间存在长期均衡关系，而保险业发展对经济增长有显著贡献，这与之前研究得出结论不一致。本文在此基础上总结了原因，提出了“十二五”期间相应政策建议。
关键词：保险 经济增长 协整 格兰杰因果
“十二五”规划纲要在有序拓展金融服务业与深化金融体制改革中，对保险业进一步发展提出具体要求，纲要强调“加强金融监管协调，建立健全系统性金融风险防范预警体系和处置机制，……强化保险机构的创新服务能力和风险内控能力，加强保险业偿付能力监管，深化保险资金运用管理体制改革，稳步提高资金运作水平”。
既有金融与经济增长间的研究主要集中在银行业方面，保险业与经济增长联系的研究相对较少，且多集中于理论探索，实证研究更少。在传统货币经济学理论中，银行作为流动性来源和货币政策传导机制的一环，对真实经济有深远影响。
然而保险作为特殊的金融中介，承担着风险转移分担功能，对于真实经济增长的影响同样不能忽略。本文研究结合当前中央工作重点，集中于我国的宏观实证数据，以期对我国保险业发展提供政策参考。
目前阐述保险业在经济增长中作用的主要研究成果认为，保险市场与宏观经济发展之间具有显著正相关关系，保险业是否能成为促进经济发展的因素与国别特征有关；现阶段我国保险市场功能的发挥受到约束条件的限制，保险业发展与经济增长之间具有长期均衡关系，但是在用名义值与实际值检验格兰杰因果关系的时候却发生了分歧：以名义值检验的结果表明经济增长是保险发展的格兰杰原因，但是反之不成立；而以实际值检验的结果说明两者之间互不为格兰杰原因。
考虑到保险业与经济的互动作用与监管环境、经济结构与文化形态有关，所以本文主要以我国为例，利用我国2000年第1季度-2010年第3季度之间的季度数据进行分析。
实证检验分析
（一）基本关系
1.保险业发展对经济的促进作用。保险的基本职能是转嫁风险和补偿损失，对于经济发展具有显著正外部性，能从投资主体和消费主体两个方面起到拉动内需的作用，保费提高还可降低逆向选择风险。
保险作为金融中介，通过影响资本积累提高金融市场的效率。Lemond（1994）认为，保险投资一方面提高储蓄向投资转化的规模，另一方面提高储蓄向投资转化的效率。Levine和Zervos（1996）则指出，保险通过资本积累使资金流动性提高，能够促进经济增长。
2.经济增长能够提高保费收入。消费方面，经济增长会带动消费增加。Outreville（1996）认为，GDP每增长1%，会带来超过1%的非寿险需求增长。根据马斯洛的需求理论，满足了基本生存需求后，保障性需求的增加会使人们更多的购买储蓄性保险产品。对生产方面来讲，GDP的增长会带动企业的新增投资，新增投资部分的保险需求会增加社会的保费收入。
3.我国保费收入同GDP的联系。饶晓辉、钟正生（2005）认为现阶段保险市场的发展并不是经济增长的原因，经济增长才是保险市场发展的原因。但从近年保险业市场迅速发展形势来看，我国保险市场正在逐渐发挥其转嫁风险和风险补偿功能，金融抑制现象也有所改进，社会主体在考虑消费和投资行为时会更多的考虑保险因素，因此，保险业发展对于GDP增长的正向冲击可能越来越明显。我国经济增长对于保险业发展的解释力可能依然较强。
（二）研究方法
本文涉及两个宏观经济变量，即代表保险业发展的总保费收入和代表经济增长的GDP，选取实证研究常用的VAR模型。下面是两变量的VAR模型简化形式：
y1t=α(L)y1t+β(L)y2t+ε1t
y2t=γ(L)y1t+θ(L)y2t+ε2t
本文涉及的两个宏观经济变量具有典型的非平稳序列的特征，需要先进行协整分析，VECM表达形式如下：
φ(L)Yt=C+AB`Yt-1+εt
协整关系分析要求样本量较大，因此本文利用2000年1季度-2010年3季度的实际总保费收入（PI）季度数据作为保险业发展水平的度量指标，利用同时段实际GDP季度数据（RGDP）来衡量经济增长的水平，共43个样本。
（三）模型检验
1.单位根检验。本文所有计量分析均使用Eviews6.0完成。由于是季度数据，设定最大滞后阶数为8，采用AIC信息准则确定最优滞后阶数。通过检验发现，两个序列都为非平稳序列，因此可以确定PI和RGDP都为I（1）序列。ADF检验结果如表1所示。
2.Johansen协整检验。通过单位根检验，确定PI和RGDP两个序列都为一阶单整序列，因此两者可能存在长期协整关系。获得协整向量的估计结果（即矩阵B`），得到均衡误差B`Yt-1，进一步得到VECM系统的估计结果。利用“Lag Order Criteria”来进行滞后期数的选择，结果显示所有信息准则和似然比率检验法均指向6，按照“多数原则”，协整分析应该建立在VAR（6）的基础上。在EViews6.0 VAR模型滞后期数的判断结果基础上，得出协整检验结果如表2和表3所示。
一般来说，迹统计量的结果更加可靠，因为迹统计量实际上是一个联合显著性检验。在10%的显著性水平下，迹统计量关于协整向量个数为零的原假设p-值相当接近10%，因此本文依然认为我国保险业实际总保费收入与GDP之间可能存在一种长期均衡关系。Johansen协整分析还得出了标准化的协整向量为B`=(1.000000，-1.139381)，则两个变量之间的协整关系方程为：
PI-1.13938RGDP=0
(0.14272)
3.格兰杰因果关系检验。表4显示在10%显著性水平下，实际总保费收入是实际GDP的格兰杰原因，而实际GDP却不显著为实际总保费收入的格兰杰原因。利用2000年第1季度-2010年第3季度之间的样本数据得出的结论与以往的部分研究结果出现明显的不一致。
但RGDP对于PI的Granger casualty接近10%，同时RGDP对于PI的理论解释力较强，可以认为RGDP对于保费收入有一定的解释作用。而PI对于RGDP的Granger casualty在5%的水平下依然显著，可以认为PI对于RGDP有明显的正向促进作用。
4.向量误差修正模型。由于前面进行了Johansen协整检验并且得出了一个协整向量，因此可以建立误差修正模型来观察当PI与RGDP之间的这种长期均衡关系发生偏离时，两个变量如何对其进行反应。下面是根据Johansen协整分析所得出的结果：
PIt=-0.290967zt-1+ε1t
(0.12117)
RGDPt=0.227861zt-1+ε2t
(0.12885)
这表明，在RGDP的t期不变情况下，PI在t期变化消除前一期29%的非均衡影响；在PI的t期不变情况下，RGDP在t期变化增加前一期22.8%的非均衡值。
结论
GDP和保费收入两个经济变量都是一阶单整过程，即保险业的发展和国内生产总值都具有持久上升发展趋势。协整关系分析说明PI和RGDP之间存在明显协整关系，长期均衡关系大致为实际GDP每变动一个单位，实际总保费变动1.14个单位。随后进行的格兰杰因果关系分析表明PI对于RGDP的解释作用明显，而RGDP对于PI也有一定的解释力。
保险业的健康发展对于宏观经济的持续增长有着重要的意义。结合保险业发展历程以及新一轮五年规划期间（“十二五”规划）对保险业的具体要求，总结出以下政策建议。
第一，加大整体政策上对保险业的关注与支持，建立健全保险体系。由于保险业的发展和国内生产总值都具有持久的上升发展趋势，国家对保险行业的政策支持，有利于社会资本和财富面临的风险得到释放，投资和消费将得到更强的信心支撑，也利于充分发挥保险业的金融中介功能，发挥经济增长对于保费收入增加的显著积极作用，与宏观经济的增长形成良性循环。
第二，积极拓宽保险服务领域，鼓励发展适合投保人需求的多样化险种，满足市场需求。既然格兰杰因果关系分析表明实际总保费对于实际GDP的解释作用明显，那么宏观经济增长与保险服务领域拓宽带来的保险业务量增长具有重要的因果关系。
“十二五”规划强调，要发展责任保险、信用保险，开拓巨灾保险，借鉴成熟保险市场的经验，探索新的发展形式。同时理性处理政府与市场定位，充分发动政府普及保险知识的作用，利用财税优惠政策鼓励投保；在市场方面，可以通过联合基金等形式，将商业保险机构与政府资金通过资本市场结合起来，增强抵御风险的能力。
第三，促进保险体制创新，推动保险业务改革。目前保险体制更新较慢，保险业务形式不够新颖，阻碍保险业务的拓展，对宏观经济产生了不利作用。
我国目前五大传统社会保险正在不断完善，但存在社会保险资源分配不均等困难。保险体制优化与创新，一方面应该依靠政府自上而下同一管理，改变政策统筹不够全面的局面；另一方面也应该加强商业保险思想在社会保险制度中的作用，灵活运用社会保险执行方式，加大保险制度建设的激励。
第四，强化保险业风险控制能力，从保险机构自身风险内控和外部监管体制优化这两方面入手，提高保险机构的资金运作水平。协整关系分析说明RGDP与PI的长期均衡及其逆向解释同时成立，那么保险机构资金运作水平的提高对于保险业整体风险的控制，以及整个宏观经济的稳定也具有关键作用。
保险机构自身风险内控可以从保险风险证券化入手，提高保险风险的量化能力与精算水平，合理厘定费率、建立准备金。
《国务院关于保险业改革发展的若干意见》（2006）为我国保险业的发展提供了重要理论基础，随着保险业的金融深化，政府应该通过总结这一进程中新的问题，进一步强化银监会等职能部门的本职功能，覆盖更为广泛的保险监管体系。
综上所述，过去十年间保险业的发展已经为我国宏观经济增长产生了一定促进作用。根据以上分析和我国宏观经济持续向好的形势，保险业也将得到进一步的规范与发展。“十二五”规划期间，将是我国宏观经济面临重大挑战的五年，保险作为重要的金融因素，其健康发展对宏观经济有着重要的作用，本文通过计量分析与政策解读，提出政策建议作为参考，不足之处还望指正。
参考文献：
1.饶小辉，钟正生.保险能否促进经济增长―基于中国的实证分析.上海经济研究，2005（12）
2.Goldsmith Lemond,1994,Financial Structure and Development,Yale:Yale University Press
3.Levine, R.,S. Zervos,1996,“Stock Market Development and Long-Run Growth”,World Bank Economic Review 10
4.Outreville,J.F.,1996,“Life Insurance Markets in Developing Countries”,The Journal of Risk and Insurance
5.Patrick,H.,1996,“Financial Development and Economic Growth in Underdeveloped Countries”,Economic Development and Culture Change
篇5
关键词：我国 宏观经济 下行 驱动因素 走势 分析
一、我国宏观经济的总体状况
目前我国宏观经济的总体状况呈现出增长势头放缓、经济下行的压力比较突出。2010年我国GDP的增长速度为11.7%，2011年为10.4%，2012年上半年为8.2%，2012年1至5月份的外贸出口同比增长为8.7%，离全年增长10%的既定目标还有相当长的距离，固定资产投资增长幅度为20.1%，和2011年最后4个月相比有较大幅度的回落，房地产市场的成交总量有了一定的上升幅度，但总体上看在建房屋开工量和土地交易总量还没有走出低迷状态，股票证券市场出现大幅度下挫，上证指数在2200点持续徘徊，市场信心不强，社会商品零售总额较去年同期相比增长幅度有限，显示出居民消费的无力和内需的乏力。
二、当前经济增长趋势放缓下行的主要驱动因素分析
当前宏观经济总体呈现增长势头放缓和下行的主要因素有下面几个方面：
（一）投资增长速度下降
中国经济的波动主要取决于投资。前几年经济过热的时候也是因为投资过热。现在经济趋于放缓，经济增长速度进入下行趋势，主要原因也是投资处于下行趋势。投资下行带动工业产出的增长速度相对也比较慢，也在放缓。现在一般为15%、16%，过去都是18%、19%这个幅度。
目前名义的投资增长速度26%，扣除10%左右的投资品价格指数，现在全国的投资增长速度只有16%左右。15%左右的投资增长速度是比较正常的，如果投资增长速度能保持在15%到20%之间，那么在中国目前阶段来讲这是比较正常的增长速度。但是问题是投资增长速度正在持续下降。现在沿海地区投资的增长速度确实比较低，上海的名义投资增长速度1%，如果扣除了价格指数就是负的。
（二）出口乏力对外贸易增长放缓
我国的外贸顺差从2005、2006年以来一直攀升，2010年达到最高，其中经常项目的顺差占GDP的比重是11%，这对于一个像中国这样的大国来讲是一个非常高的比重，美国的逆差通常是5%、6%，我们的顺差是11%。在这么高的水平上现在开始下降，今年上半年比去年同期下降了12%。如果按照全年平均下降12%来算，去年我们是2，700亿的外贸顺差，那么今年仍有2，300亿左右的外贸顺差。仍然是一个很高的水平。外贸顺差减少，主要是因为出口增长速度放缓，进口增长速度提高。
（三）当今经济增长放缓是宏观调控作用的预料之中的结果
中国2009-2012年上半年以来的一切政策、一切调整就是为了使经济增长速度放缓一点。近几年GDP的增长速度一度接近12%，这样的增长速度是不可持续的。如果不把这个过热的趋势抑制住，将来可能会出大问题。所以这两年一直采取了各种措施控制投资、出口，就想把这个增长速度放缓一点。因此现在的增长速度放缓是我们希望看到的事情，是宏观政策调控的目标。因此目前经济增长放缓很正常，否则就意味着过去采取的措施都是无用的。
以外贸为例，目前外贸出口确实在下降，但是这些年的所有外贸出口政策的调整就是想让外贸出口减少一点。从汇率变化情况来看，人民币现在累计升值21%，再加上我们的通货膨胀率比美国高一点，加在一起人民币兑美元实际升值将近30%，我们采取这样的升值措施使很多出口企业都感觉到很大的压力，使得外贸出口放缓。从货币政策的调整来看，采取了一系列紧缩货币政策，同时还采取了各种办法减少外贸顺差的做法，降低出口退税、采取一些产业政策，限制“三高一资”，也是为了把外贸生产降下来，特别是降低对美国的贸易顺差。这些年这么大的外贸顺差，导致了外汇储备的大幅增长。外汇储备现在是18，000亿美元，按照这个速度今年年底将达到2万亿美元。外汇储备不断增多，国内央行需要不断发人民币，导致国内流动性过剩，还容易引起资产泡沫，容易引起通货膨胀，因此又采取各种措施回笼资金，这一系列问题都是因为外贸顺差增速过快。所以采取那么多的措施贸易顺差的增速才减少到12%，应该说也是正常的。
三、未来宏观经济走势及相应的宏观调控政策分析
我国宏观经济在面临放缓和下行压力的同时，其总体走向还是向好的因素多，总的经济面应该是向好的。和那些出现问题的经济体相比，中国经济的基本面确实还不错。比如说越南，越南是连续7年财政赤字，去年财政赤字达到了GDP10%左右。而中国是财政顺差，财政增长速度今年上半年30%以上。中国货币供给的增长速度，保持在相对稳定的水平上，17%左右，没有像过去的出现的40、50%的情况。我国的贸易仍然是顺差，顺差仍然是太多，外汇储备仍然是大幅度的增长。给定这些基本面的数据，而且该调整的东西调整，因此笔者认为中国经济不会出大事儿。
宏观调控政策制定中要充分考虑到政策的滞后性注重具体操作细节的技巧性。这个滞后性可能导致最终各种政策的叠加和累计效果过大。因为政策效果具有滞后性，政府出台一个政策没有马上的反应，再出台一个政策。这个部门出台政策了，没什么效果，那个部门又出台一个政策，每个部门又追加了一个政策。所有政策加在一块最后起作用了，可能发现作用是不是过大了。所谓的叠加累计效应，有没有可能发生呢？有可能发生。至少对于某些部门和行业有可能发生。
参考文献：
篇6
本文针对我国房价快速增长的现象，从地区生产总值、城乡人均储蓄余额、竣工房屋造价、土地购置费、地区变量等五方面入手，依据《2011中国统计年鉴》中除港、澳、台之外的31个省（市、区）的房地产价格和相关影响因素的截面数据，利用计量经济学软件Eviews运用多元回归分析方法，对中国房地产价格的影响因素进行实证分析。
【关键词】
房地产价格；影响因素；截面数据；多元回归
1 研究问题背景
我国房地产业萌芽较晚，从20世纪70年代末随着改革开放的热潮，到90年代初房地产市场初具规模，再到今天房地产业欣欣向荣，也不过短短30余载。近年来，快速上涨的房价导致部分城镇家庭购房困难，这种现象引起了社会各界的广泛关注。
从理论上讲，商品住房价格是由其价值决定的，其价值既包括所占用土地的价值，也包括土地上建筑物的价值。除此之外，还受到供求状况、竞争程度、消费者偏好、市场预期、房地产企业经营策略和政府相关政策的综合影响，其价格围绕价值上下波动。本文旨在通过建立计量经济学模型，分析影响房地产价格的各个因素。
2 模型设定
本文根据已有的理论与实证研究成果来分析房价与各影响因素的理论关系，构建出全国城市房价的理论模型，引入的解释变量有地区生产总值、城乡人均储蓄余额、竣工房屋造价、土地购置费、地区变量。
设定计量经济模型如下：
Yi=β0 + β1X1i + β2X2i + β3X3i + β4X4i +β5X5i + Ui
β0为常数项，也可视作一个恒取1的虚变量的参数；βi为待估参数
Yi为各地区的商品住房平均价格（元/平方米）
X1为地区生产总值（亿元）
X2为城乡人均储蓄余额（元）
X3为竣工房屋造价（元/平方米）
X4为土地购置费（元/平方米）
X5为虚拟变量，中西部取0，东部取1
其他影响房价的因素纳入随机误差项Ui
3 实证分析
本文选取2010 年我国各地区商品住房的有关数据进行截面回归分析，以各地区的商品住房价格作为被解释变量Y获取了我国31 个地区的数据。采取实证分析方法，对被解释变量与解释变量进行回归分析。模型估计的结果为：
= -65.5169 -0.0181X1+0.0907X2 +1.2198X3+0.4252X4+575.3763X5
（557.997）（0.0199）（0.0323）（0.5554）（0.1259）（499.6168）
t =（-0.1174）（-0.9118）（2.8080）（2.1960）（3.3770）（1.1516）
R2=0.9235 RAdj2=0.9082 F检验值=60.3987
3.1 经济意义检验
从回归结果可以看出，X1的系数值为负，即地区生产总值越高，房价越低，不符合一般经济意义，考虑存在多重共线性。其余解释变量X2、X3、X4、X5的系数估计结果均表明各变量与商品房价之间存在正相关性，符合经济意义。
3.2 统计推断检验
从回归结果看，可决系数R2=0.9235，拟合优度较高；给定α=0.05，查t分布表，在自由度为n-5=26时候得临界值2.056，其中X1和X5的t值小于临界值，其他各解释变量均对房地产价格有显著性影响，考虑是由于多重共线性引起的。
3.3 计量经济学检验
1）做多重共线性检验，得出结果得相关系数矩阵，由相关关系矩阵可以看出，有些变量之间的相关关系不明显。进一步精确地研究该模型的多重共线性，需要采用逐步回归的方法。
2）分别做Y对X1、X2、X3、X4、X5的一元回归，其中，加入X2的方程RAdj2最大，以X2为基础，顺次加入其他变量逐步回归，比较得知，新加入X4的方程RAdj2=0.8928，改进最大，且各参数的t检验显著，选择保留X4再加入其他新变量逐步回归。比较得知，新加入X3的方程RAdj2=0.9099，改进最大，且各参数的t检验显著，选择保留X3再加入其他新变量逐步回归。另外新加入X1和X5的拟合优度未有明显提高，变量也未通过显著性检验，且X1的参数估计值的符号不符合预期假设，应将X1和X5予以剔除。
最后修正多重共线性影响的回归结果为：
= -113.4669+0.0928X2+1.3525X3 +0.4039X4
（505.7757）（0.0311）（0.5382）（0.1229）
t =（-0.2243）（2.9787）（2.5130）（3.2854）
R2=0.9189 RAdj2=0.9099 F检验值=102.0605
3）异方差检验与修正
采用White检验的估计结果检验知nR2=0.710727，在α=0.05下，查χ2分布表，得临界值χ20.05（3）=5.9915，nR2=0.710727
4）自相关检验与修正
在剔除X1和X5之后，重新回归分析。对应样本数为31，3个解释变量的模型，0.05显著水平下，查DW统计表可知，dL=1.297，dU=1.570，模型中DW=1.598898，dU
4 实证结果分析
通过以上计量经济学检验，本研究模型的最终估计结果为：
Y= -113.4669+0.0928X2+1.3525X3 +0.4039X4
（505.7757）（0.0311）（0.5382）（0.1229）
t =（-0.2243）（2.9787）（2.5130）（3.2854）
R2=0.9189 RAdj2=0.9099 DW=1.598898 F值=102.0605
其经济意义为：在假定其他变量不变的情况下，居民储蓄余额每增加1 元，房屋销售价格就增加0.0928元；在假定其他变量不变的情况下，竣工房屋造价每增加1元/平方米，商品房售价就增加1.3525 元；在假定其他变量不变的情况下，土地购置费每增加1元/平方米商品房售价就增加0.4039元。
通过以上数据，可以得出以下结论：
1）X2的系数为0.0928，符号为正，与理论分析相符。“居住”角度来看，居民储蓄余额的多少代表居民购买能力的大小；“投资”角度下，我国居民缺少投资渠道时，房屋以其保值增值的功能受到不少有存款余额家庭的青睐。随着我国经济的发展、居民可支配收入的不断提高，房地产价格将呈不断上升趋势。
2）X3的系数为1.3525，符号为正，与理论分析相符。工程造价、土地价格再和其他经营销售成本对房屋售价有很显著的影响。建筑材料费不断上升，房价随之而高涨。
3）X4的系数为0.4039，符号为正，与理论分析相符。由于土地的稀缺性，土地的购置费越来越高，而为获得土地开发权的前期成本也大幅度抬高了房价。
4）虚拟变量对被解释变量的影响不显著，表明东部与中西部的房价没有显著性的差异。原因有：经济方面，经过改革开放近三十年的发展，中西部的许多地区在经济上有了较大的跨越式发展，与东部的差距逐渐缩小；社会观念方面，由于改革开放的深入进行，中西部人民逐渐树立起了较强的商品意识、金融意识和竞争意识；政策方面，由于国家近年来的西部大开发和促进中部崛起战略，给予中西部很大扶持。基于以上三个原因，中西部和东部的房价差距在逐渐缩小。
5 政策建议
基于以上模型估计结果，最后提出几点政策建议。
1）政府在房地产业中应发挥其作用和管理职能，建立服务型政府；明确产业发展地位，出台限制房地产商恶意开发的行为，鼓励房地产业不发达地区的银行贷款，完善城市房地产产业政策的引导。
2）引导居民住房消费观念转变，鼓励投资。政府应大力发展股票、债券和保险市场，利用市场的价格机制作用，防止更多资金流入房地产市场，进而达到控制房价的目的。
3）限制土地供给，那么可售卖房屋的供应量就会被控制在一个合理的水平上，人们对房价的稳定就会有相应的心理预期，就不会赶热闹投钱进房地产市场，避免房地产泡沫的继续蔓延。
4）继续西部大开发和促进中部崛起战略，给予中西部房地产业的更多支持。并适当控制房屋类型，建立以中低价位、中小套型为主的住房消费模式，限制别墅类和高档住宅消费。鼓励以租赁的形式解决住房问题，实现“人人有房住”的愿景。
【参考文献】
[1] Evans A.Housing pricesandl and prices in the SouthEast -areview [M].London，The House Builders Federation，1987.
[2]乔志敏.房地产开发投资的环境影响评价[J].中国房地产，1995（1）.
[3]张红，潘琦，郑思奇.关于土地储备制度的探讨[J].中外房地产导报，2001（18）.
[4]谢叙祎.上海市房价与地价关系的实证研究[J].世界经济情况，2006.
[5]白霜.房地产价格的决定因素分析[J].财经问题研究，2008，（8）.
[6]牛凤瑞.中国房地产发展报告No.1[M].北京：社会科学文献出版社，2004.
[7]金月萍.房地产价格变动因素及趋势[J].浙江统计，2006，（3）.
[8]李雪松.高级计量学[M].中国社会科学出版社，2005.
[9]丹尼斯·帕蒂斯奎尔，威廉·惠顿.城市经济学与房地产市场[M].经济科学出版社，2002.
[10]易丹辉.数据分析与Eviews 应用[M].中国统计出版社，2002.
[11]张红.房地产经济学[M].清华大学出版社，2005.
[12]高铁梅.计量经济分析方法与建模[M].清华大学出版社，2005.
篇7
关键词：宏观经济 波动 信用风险 影响
重新审视宏观经济波动与信用风险之间关系
重新审视宏观经济波动与信用风险之间的关系，还需以以往的宏观经济波动为研究的基础。拉美国家、日本、亚洲等国纷纷经历了一个经济急速增长，资产快速升值、涌入，信用与杠杆化快速扩张，而后外部经济撤出，自身金融体系遭遇严重衰退的宏观经济波动。现在已经有人意识到很多经济体在经济扩张的时候都会为之后的系统性危机留下种子。在经济乐观时，信用风险看起来很小，而此时银行对于前景过于乐观，会更倾向加快资金的流转速度，不稳定因素也会在此时悄然产生，如果金融体系不稳定，那么在经济扩张之后，经济在顶部区间或衰退的时候，这种不稳定就会释放出来，宏观经济将会遭到重创。而商业银行天然具有这种性质，会让经济周期产生更大的振幅，在宏观经济好的时候，信贷质量会很好，而在宏观经济下行的时候，信贷违约就会显著增加。
根据人们以往对宏观经济的看法，通常都有增长期、繁荣期、下降期、萧条期四个周期，而信用风险在第一阶段事实上非常小，因为增速普遍大于成本及银行的利率，在第二阶段信用风险开始来临，但此时人们会更加疯狂的增加自己的信贷额度，而第三第四阶段就是泡沫的破灭，大量利用泡沫和炒作形成的虚假繁荣相继破灭，给本来已经摇摇欲坠的实体经济最后一击。而由于大量的信贷危机产生的复合效应，拉美国家、日本、亚洲等进入萧条期之后至今无法重现当年的盛况。全球经济发展的不均衡导致信用风险的蔓延，再加上上述的情况严重损害了全球经济的发展，在不可控的宏观经济波动中，发展中国家的信用风险问题也面临着严峻的考验。
宏观经济波动对于信用风险的影响
拉美国家：上世纪40年代中期，阿根廷经济学家提出发展主义理论，即世界资本主义体系由两部分组成：中心和。而造成他们不同的原因就是技术进步和应用均衡的原因，中心国家科技进步快，应用普及，国家技术进步慢，应用不普及，一些稍稍先进的技术则要依赖进口，而且只生产中心国家需要材料的廉价部分。中心国家贸易条件优于国家，原材料出口便宜，成熟工业商品进口价格高。拉美国家要摆脱现有处境就要改变当前不合理的经济结构，提出进口替论，把国家战略定位内向的工业发展，发展民族经济，面向国内市场，扶持民族工业，这个政策持续的三十年时间，拉美国家每年的经济增速都达到5%。而在1973年之后，欧美经济停滞，通胀并发，大量资金融入拉美，为保住经济增速，拉美一些国家提出债务发展模式，通过外债来实现国内的现代化，该模式主要内容是借钱来扩大再生产，增加出口，增加收入，然后还债并进行资本输出，上世纪70年代，巴西、墨西哥、阿根廷等都走上了这一模式 。
而后，阿根廷等国家实现了全面私有化，大量的美欧资金一波一波的进入阿根廷，他们廉价收购了阿根廷所有战略行业及廉价出卖的产业，然后推高本地股市，让阿根廷本地投资者疯狂追捧，把并购来的企业在资本市场进行兑现，当他们把财富掠夺的差不多的时候，这些资金带着丰厚利润大规模撤离，导致了阿根廷的金融危机。从其中，我们不难看到宏观经济波动对信用风险的影响，宏观经济波动越大，可能带来的信用风险就越大。
日本：上世纪80年代末，日本经济迎来了新一轮的增长，实际GDP增长达到5%以上，而个人住房投资和随之而来的家电消费也迎来了一个繁荣的新时代。而且，当时的物价水平并没有跟随货币供应量而迅猛的上升，一直处于较低的状态，这点有些像今天的中国，高增长、宽货币、低通胀。但是不能掩饰的是，当时日本的经济爆发引发了西方市场的恐惧，于是通过操纵汇率，使日元进行升值，以此让热钱涌入日本，炒高日本本土房价股价。
而后，资产价格上升无法支撑实体经济，一些投机者失去了投机的热情，土地和股票的价格下降，导致账面资本亏损，由于很多企业和投机者将上升的账面资本考虑在内进行了更大规模的融资和投资，从而带来大量的信贷问题，随着金融缓和政策的结束，日本国内资产已不可能维持原价。而大幅度衰退的可怕之处在于各种投资标的都存在大量的信贷问题，从房屋、土地到股市、融资都有人或公司大量破产，之后产生的恐慌心理使得消费和投资紧缩的加乘效应，不只毁掉泡沫成分也砍伤了实体经济，且由于土地与股市的套牢金额通常极大，一般都超过一个人一生才能积累的财富，导致许多家庭发生悲剧，而多数的高价买房的一般家庭则成为背债者，对以后长达一代人的日本社会消费萎缩经济不振种下了因子。
我国：上世纪90年代以来，我国GDP每年的增速平均达到了8%以上，而近年来，人民币多次提高存款准备金率以实现更集中的货币政策，也表达了政府已经关注到了信用风险。根据我国目前的信用风险形式我有以下看法，国有银行主导的政府债和国企债可能会产生较大的逾期风险。我国的银行将贷款分为正常、关注、次级、可疑和损失五级，而其中大量的本应该是次级可疑甚至是损失级的贷款被分为正常和关注中，银行这么做毫无疑问会让账面的信息更好看，但是其中借给地方政府和国有企业的债务很难在预期时间还上。于是银行就会把债务整体出售给信托公司，然后由信托公司把债务分割为理财产品在银行等地销售，而这种拆东墙补西墙的庞氏骗局也就解释了为什么信托类的理财产品通常周期很短，并且很多都是非保本类型的，而信托公司的资产是持有一些银行的股份等标的，有些信托公司会把手中某些股份作为质押标的质押多次，而信托类理财产品也沦为地方债务和地方融资平台，也就是我国证监会主席肖钢所说的理财产品就是庞氏骗局。
另一方面：按揭房贷也在国内占据了很大比重。从上世纪90年代起，我国对房地产市场一直实行放松的经济政策，长时间的政策惯性助长了房地产投机商的高回报预期，致使房价一张再涨，而借贷双方信息不对称，假按揭造成了银行的不良资产，而早期的宽松制度更让一些投机客用一套房子的贷款再买一套以此来推及更多房源来推高房价，而这种由于信贷扩张所推动的畸形房价上涨也在近年来问题凸显，去年各地政府分别限制第二套房首付比例提高就是政府的应对之策，而在房价上升时这种高杠杆比例的信贷暂时不会有问题，但房价一旦停止上行，就会由于高利息等产生更多的信贷违约问题，信用风险凸显，会对整个宏观经济造成大的冲击。
2014年3月4日是中国债券史上值得铭记的一天，*ST超日当晚公告称，公司因资金原因无法按时支付债券的到期利息，中国债券市场首次实质性违约宣告诞生。这是一个里程碑式的事件，代表着我国债市的刚性兑付就此终结，政府不再兜底，其中的信用风险会得到释放，而信托募集量将会下降，导致民企债券价格下降，这会进一步地增加企业债券的兑付风险。很多人对我国的债务有一种乐观的估计，而这种乐观的估计是建立在虚幻的资产价格基础之上的，如果资产价格发生下挫，利润下降甚至亏损，则必然导致系统性风险。2014年2月，我国罕见的出现了贸易逆差，这预示着更多的出口企业将会面临较大的风险，而其中的债务风险将会逐步得到释放。国企与地方政府债务则由于2014年国内部分城市将会面临的土地价格下降而出现兑付风险。2014年，美国政府会逐渐退出量化宽松，其下一步必然是更加紧缩的货币政策，例如加息，一旦加息资金会加速回流美国，国内债务成本上升，企业个人实际债务上升，消费者不敢消费，进一步增加经济困境，这会引发更大的宏观经济波动。
宏观经济波动影响整体信用风险的因素
（一） 政府宏观调控因素
为减少在宏观经济波动中整体市场经济受到的打击，国家会基于自身的国情通过宏观调控的方式将经济周期性波动的危害程度降低到最小。与此同时，在国家宏观调控下，信用风险会受到一定的影响。无论是宽松的宏观经济政策还是紧缩的宏观经济政策，都是与宏观经济波动相辅相成的，并且随着宏观经济发展不断调整国家宏观经济政策，宏观经济政策的大幅度调整对于信用风险来说也是一种负担和挑战。宏观经济政策的制定直接影响到银行的决策，如若在根源上就不合理，那么最直接的后果就是银行处于一个不可知的经济环境中，任何风险值都在上升，信用风险也不例外。宏观经济波动带动了国家宏观经济政策的波动，同时，不理性的政府宏观调控会加剧信用风险。
（二） 主体因素
宏观经济波动会影响信用风险的主体因素在于商业银行应对不同时期的宏观经济波动做出的信贷政策不同，它体现出一种亲周期的态势，带来的后果是信用风险增加，并容易陷入信贷紧缩时不良贷款增长的窘境中。如若商业银行没有掌握住整体的宏观经济波动的规律，就很难制定出正确的信贷政策，同时也很难调整资质较好的放贷对象，这些不确定性已经增加了信用风险。在经济过热时期，实际上增加了风险的指数，相比较下，经济紧缩时期，受宏观经济波动较大影响的周期性行业的信用风险剧增，又由于部分的中小企业的自身抗风险能力较弱，使得银行层面的信用风险暴露出很多问题，而这些因素都会影响整体的信用风险提升。
（三）客体因素
宏观经济波动会影响信用风险的客体因素在于借款人在不同时期的宏观经济波动下偿还能力与借款数量的不平衡，如在经济上行的周期内，随着经济的上行信用风险呈现逐渐增大的态势，而一旦宏观经济停滞上行或有所减缓，那么由于借款者对于之后宏观经济盲目乐观所造成的大量信用风险堆积就会成为压垮借款者的稻草，从而产生一系列的连锁反应，而且借款者们普遍存在互相担保的情况，如果有一部分借款者违约，那么就会对整个信用风险体系产生"蝴蝶效应"般的系统性风险。
研究总结
（一）不同经济阶段违约距离或违约概率不同
通过实证性的发现，随着时间的变化，在我国上市公司的违约距离随之变动，并且总的来说违约距离表现出一种继续拉大的态势，这表明信用风险存在着持续下降的可能。而此种现象与我国宏观经济的运行周期在大体上保持了一致。分析宏观经济的运行，首先从违约距离与它相关的关系进行分析。因为GDP 对宏观经济与违约距离的关系有重要影响，所以对其分析：信用风险与GDP总量呈现出负相关，也就是说违约距离与其存在正相关；信用风险与GDP增长速度呈现出负相关，进一步解释说违约距离与其呈现负相关。
（二）不同信用等级受经济周期影响不同
实证研究表明，不同信用等级受经济周期的影响不同。信用等级越高，对宏观经济变化的反应越不敏感。 与此同时，不同信用等级的借款人的违约概率受到宏观经济波动影响的程度也有所不同。
依据上文对于宏观经济波动与信用风险之间关系的分析，又深入探析了宏观经济波动下影响信用风险的各个因素，从宏观角度入手得出在日益波动的宏观经济下，要掌握好国家的宏观经济政策，使得国家经济的大方向是与宏观经济波动相匹配的，反之会严重影响国家的经济发展及对信用风险造成巨大危害，从而需重视国家的政府宏观调控；再者，影响信用风险的主体和客体因素也应引起注意，调节好之间的关系，加强防范信用风险的意识和措施。
参考文献：
1.贾文学.商业银行信用风险与宏观经济周期关系研究[J].浙江金融，2007（7）
2.李悦.经济周期对信用风险的影响[J].浙江金融，2006（8）
3.王欣昱，张浩博.中国宏观经济波动与信用变化比的相关性研究[J].云南社会科学，2013 年第 1 期
4.窦玉进.陈国华.宏观经济波动对信用风险的影响[J].当代经济，2009年12月（下）
篇8
关键词：商业银行；信用风险；宏观压力测试
中图分类号：F832.2文献标识码：A 文章编号：1002-2848-2008（06）-0066-08
一、引 言
自20世纪70年代末到21世纪初，全球有93个国家先后爆发了112次系统性银行危机。尤其90年代以来频频爆发的金融危机――如1987年美国股市崩盘、1994年美国利率风暴及中南美洲比索风暴、1997年亚洲金融危机、1998年俄罗斯政府违约事件，特别是2007年春季开始的次贷危机最终演变为2008年的全球金融风暴，波及范围之广，影响程度之大，史无前例。它们不仅使一国多年的经济发展成果毁于一旦，还危机到一国的经济稳定，对全球经济也产生了强大的冲击。［1］
收稿日期：2008-07-05
项目资助：本文受到西安交通大学“985工程”二期资助（项目编号：07200701），国家社会科学基金（08DJY156）资助。
作者简介： 李江（1962-），湖南省湘潭市人，金融学博士，西安交通大学经济与金融学院副教授，
硕士研究生导师，研究方向：金融风险管理；刘丽平（1982-）,女，河北省承德市人，西安交通大学经济与金融学院硕士研究生，研究方向：财务预警。
金融系统的宏观压力测试是一类前瞻性分析的工具，用于模拟“异常但合理” 宏观经济冲击对金融体系稳定性的影响，可以帮助中央银行识别金融体系的薄弱环节，有助于各方理解金融部门与宏观经济之间的联系，同时提高中央银行和金融机构的风险评估能力。因此，受到各国金融监管当局的重视，逐渐成为检验一国银行体系的脆弱性，维护金融稳定的首选工具。在金融全球化的趋势下，随着我国金融市场的完全开放，我国金融业和国际金融市场的逐步融合，是否拥有一个稳定和富有竞争力的银行体系对于中国而言显得非常迫切。对银行体系进行稳定性评估，尤其是对银行体系面对的信用风险
进行宏观层面的压力测试，对防范和化解系统性金融风险，维护中国金融稳定和安全具有重要意义。
下面研究宏观压力测试在银行信用风险评估中的应用，通过对国外已有的成熟模型理论成果分析比较的基础上，根据我国的宏观经济及金融发展特点，经济、金融数据统计及披露特点，模型的数据需求深度广度要求，建立适用于我国的模型并以此进行实证分析。
二、文献综述
（一）宏观经济因素对银行信贷违约风险的影响
McKinnon R［2］认为，宏观经济稳定时，银行经营行为非常保守，不会出现不顾风险单方面追求效益的现象。但在实际汇率波动、通货膨胀出现等宏观经济不稳定的情况下，政府或明或暗的存款担保，导致银行会产生以高利率对高风险项目贷款的风险行为。Donald van Deventer［3］通过线性回归分析，确定了宏观因素对银行股价变动的解释在统计上是显著的。
对20 世纪80 年代以来各国银行不稳定尤其是银行危机现象, 国际组织和国内外学者进行了大量研究, 积累了十分丰富的实证资料。尤其是来自美国、英国、澳大利亚、芬兰的许多国外学者, 在对20 世纪80、90 年代全球银行不稳定事件的实证分析中发现, 宏观经济因素波动在各国银行不稳定中扮演着重要角色。Tom Bernhardsen［4-5］建立起银行破产与不良贷款和宏观经济因素的关系模型，并且利用欧洲国家的面板数据进行了实证检验。Erlenmaier U［6］和Gersbach H［7］利用挪威中央银行的宏观经济模型RIMINI对总体审慎指标的趋势与发展进行预测，并且建立了评估贷款违约率的宏观信贷方程。Froyland E和Larsen K［8］利用RIMINI对银行不良贷款在宏观经济波动情境下进行了压力测试。Pesola J［9］分析了银行系统危机对宏观经济因素波动的敏感性，并利用芬兰的数据通过建立模型对两者之间的关系进行定量分析。Virolainen K［10］对芬兰金融风险的实证评估，建立了宏观信贷模型并进行宏观压力测试，揭示了芬兰银行系统贷款违约风险与宏观经济波动的相关性。
国内对于银行体系的稳定评估的实证研究，包括陈华，伍志文［11］运用1978～2000年间的数据对我国银行体系脆弱性状况进行了量化分析。结果发现,中国整个银行体系在1978～2000年之间有11年是不稳定的,尤其是在1992年和1998年前后更为突出,银行体系出现了不稳健的征兆,存在较大的金融风险。
（二）宏观压力测试理论和实践
在执行宏观压力测试使用的宏观信贷模型的研究领域，有两个学者的模型框架占据举足轻重的地位，并为日后的学者不断的进行模型的拓展研究和实证应用奠定了良好的基础。他们是Wilson T C［12-13］和 Merton R［14］。Wilson对各工业部门违约概率对一系列宏观经济变量的敏感度直接建模。模型的思想是对违约概率和宏观因素的关系进行建模，模拟将来违约概率分布的路径，就可以得到资产组合的预期异常损失，进而模拟出在宏观经济波动冲击下的违约概率值。相比较而言，Merton模型则多加入了股价对宏观要素的反映，将资产价格变动整合进违约概率评估模型。因此，前一种模型更直观，计算量较小；而后一种方法对数据的广度和深度的要求以及计算量要求都很高，其中有些市场数据也许是信贷风险的噪音指标。
世界各地的学者，运用上述模型框架进行了大量的实证研究。Vlieghe G［15］对英国银行体系累加的企业违约概率进行建模估计，发现GDP、实际利率和真实工资水平具有较显著的解释能力。Bunn P,Cunningham A和Drehmann M［16］曾使用probit模型来测算英国企业部门的贷款违约风险。Boss M［17］针对加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚银行部门的压力情境，结论说明工业产值，通货膨胀率，股票指数，名义短期利率和油价都是违约概率的决定因素。Marco M 、Sorge、KimmoVirolainen［18］利用Wilson模型框架对芬兰银行系统的信贷违约概率进行了宏观压力测试分析。结果证明在压力情境下，违约概率（PD, portability of default）的蒙特卡罗模拟分布明显异于常态分布，其Var值远高于基期的测算值。Jim Wong,Ka-fai Choi和 Tom Fong［19］建立了香港零售银行面对宏观经济波动的信贷风险宏观压力测试框架。模型框架中引入的宏观经济变量包括：国内生产总值（GDP），利率（HIBOR），房地产价格（RE）和大陆的GDP。同时用宏观压力测试评估了香港银行体系的贷款资产和住房抵押贷款风险暴露。压力情境的设定模拟了亚洲金融危机时发生的宏观经济波动，并分别引入了测试模型。结果表明在置信水平90%时，在所有压力情境下有些银行仍然能够盈利。这意味着目前银行系统的信用风险较稳和。当VaR取99%的置信水平这一极端情况时，一些银行出现了巨额损失，但这类事件发生的概率极低。
Hoggarth G和Whitley J［20］与Drehmann M Hoggarth， G Logan A， Zecchino L［21］在他们的研究中引入了英国在FSAP框架指引下宏观压力测试的执行结果和方法，在压力情境的设定方面采用在险价值框架下的蒙特卡罗模拟法。Jones M T, Hilbers P和Slack G［22-23］提供了宏观压力测试的更一般的非线性的方法。Worrell D［24-25］ 讨论了一个将早期预警系统，金融健全性指标和宏观压力测试整合的方法。
一些学者研究将信用风险和市场风险整合测量，例如 Allen L 和 Saunders A［26］尝试将宏观经济因素整合进信用风险的测量模型。而最近的一些文献如Pain D、Vesala J［27］和Gropp等人［28-29］则是引用Wilson 的宏观信用模型分析了宏观要素对银行的债务人的信用质量的影响。而Wilson 的模型的一个替代选择则是Merton 的公司层面的结构模型. Gray D、Merton 和Bodie［30］将这一框架扩展至研究违约风险。Derviz A 和Kadlcakova N ［31］将商业周期的影响整合进一个具有结构模型和简化模型特征的复合模型。Drehmann M、Manning M［32］和Pesaran M H等［33］在利用Merton模型框架的宏观压力测试中研究了违约概率和宏观经济变量的非线性关系。Benito A,Whitley J和Young G ［34］将基于衡量违约概率的Merton模型融入针对模拟个别企业违约的probit模型。他们发现Merton模型方法比仅仅依靠企业的财务数据的模型效果更优。
还有一些文献使用不良贷款，贷款损失额或者复合指标与宏观经济因素整合成矩阵向量来测算金融体系的稳定性。Hanschel E和Monnin P［35］针对瑞士银行系统构建了一个复合压力指标，该指标综合了金融不稳定的市场指标和银行资产负债表上的衍生变形指标。Kalirai H 和 Scheicher M［36］针对对澳大利亚银行体系累加的贷款损失，通过涉及广泛的宏观经济变量的模型进行了时间序列的回归估计。这些宏观经济变量包括国内生产总值、工业产值缺口、消费者价格指数、货币供给增速、利息率、股票市场指数、汇率、出口额和油价。
（三）国内外研究述评
目前国外开展的关于银行稳定性评估的实证研究十分丰富，其中挪威和芬兰中央银行的研究对金融系统的评估最具综合性。稳定性评估的目的在于，对银行体系的健全状况和抵御系统性金融危机的能力进行定量和定性的客观评价。为此采用了金融稳健指标分析（Financial Sound Indi cators)和压力测试的方法，对宏观经济环境中例外但有可能发生的冲击（Shock）情境进行模拟，来量度和评估银行体系在遇到冲击甚至遇到金融危机时，保持稳定（即银行保持基本运营不会发生突变）的能力。
而国内对于银行体系的稳定评估的实证研究都偏重于评价银行体系的稳定性，对在抵御不确定性风险的能力评估并未涉及。目前我国关于宏观压力测试的研究才刚刚涉及，孙连友［37］，高同裕、陈元富［38］等学者对宏观压力测试进行了理论上的探讨，但多为国外文献的整理或综述，未能进一步的发展和深入。尤其在模型研究方面，仅仅停留在介绍早期国外学者的模型框架和较为成熟的各国宏观压力测试手册指引中的操作流程。其内容多为宏观压力测试的必要性、目的作用、所用方法、国内外的具体实践等，未能有很系统和深入的介绍，而对多种宏观压力测试模型的介绍和分析尚无涉及。
在实证方面，熊波［39］通过建立宏观经济因素的多元Logit回归分析，并对结果进行假设情境的压力测试分析。得出的结论是， 国内生产总值和通货膨胀率这样的宏观经济变量的确是影响中国银行体系稳定性的重要因素。但是该文只是借鉴了压力测试的思想，使用传统的方法，通过模拟情境下宏观经济因素异动，由Logit模型最终得出稳定性指标期望值的点估计来评价银行体系的稳定性。这种方法不能有效地反映出宏观变动冲击对银行体系的影响，不能看出压力情境下银行面临的最主要的信用风险的分布状况，即贷款违约率的概率分布。
三、宏观压力测试方法流程及模型设定
（一）方法流程
宏观压力测试是模拟“危机事件”来估计极端却可能的压力情境下金融体系的波动。在宏观压力测试的框架中，其模型表示为：
Q(t+1｜t+1≥X=f(Xt,Zt)（1）
在（1）中 表示在模拟的压力情境下评价金融体系的稳定性的指标的表现。在宏观压力测试模型中衡量金融部门波动性的最一般的方法是资本的潜在损失率。Q(・)表示衡量金融系统波动性的风险矩阵，衡量违约情况的指标例如贷款损失额主要通过模拟压力情境下的点估计得到。在这种情况中，该条件概率值表示的风险矩阵较容易计算。而在险价值方法中，在任何给定的压力情境下，资产组合的损失应产生概率分布，而不是前一种方法中的点估计值。框架中f(・)表示损失方程，该方程模拟了宏观经济冲击对金融体系中加总的资产组合的影响关系。该方程可包含风险暴露，违约概率，相关性，回馈效应，以及宏观经济变量变动与系统层面金融稳定性表现的相互关系。
压力测试的执行方式主要是通过情境设定，根据情境假设下可能的风险因子变动情形重新评估金融商品或投资组合的价值，整个程序通常分为两大步：一是情境设定；二是重新评估。通常重新评估的方式不会有太大的差异，但是情境设定的方式却有很多种选择。情境分析（Scenario Analysis）是目前应用的主流。即利用一组风险因子定义为某种情境，分析在个别情境下的压力损失，因此此类方法称为情境分析，情境分析的事件设计方法有两种：历史情境分析（Historical Scenario）和假设性情境分析（Hypothetical Scenario）。其他方法还有敏感度分析（Sensitive Analysis）和极值理论法（Extreme Value Theory, EVT）。
本文根据信用风险压力测试的相关文献以及世界银行和国际货币基金组织联合开发的FSAP（financial Sector ass ess ment programme)的手册，将压力测试的执行程序见图1所示。
图1 压力测试流程图
（二）模型的设定
本文将在Wilson、Boss和Virolainen研究框架的基础上建立适合我国银行系统信用风险评估的宏观压力测试模型。首先借鉴国外研究成果中关于宏观经济因素和贷款违约率之间的非线性关系设定。在此基础上使用Logit方程将贷款违约率转化为宏观综合指标，以指标作为因变量与宏观经济因素进行多元线性回归分析，使得这一指标能够很好地利用各宏观经济指标所提供的信息。在模型中宏观经济因素的选择方面，参考国内外学者实证研究中模型的自变量，结合我国数据统计和披露特点等制约因素选取适合的宏观经济变量来构建模型。
yt=ln1-PDt[]PDt（t=1, 2…, N）（2）
yt=α0+α1Xt+…α1+mX1-m+β1yt-1+…+βny1-n+μt（3）
Xt=0+1Xt-1+…+pX1-p+φ1yt-1+…+φqyt-q+εt（4）
PDt代表t年度的贷款的平均违约率，Y是一个反映宏观经济状况的综合性指标，也可以将它理解为是反映银行体系违约概率和各宏观经济变量的关系的“中介指标”，X代表宏观经济变量。在利用历史数据进行模型估计时，通过处理的违约概率值代入（2）就可以得到估计的综合指标的估计值。将其带入（3）就可以估计出宏观方程的系数，并以此估计出的方程作为进行宏观压力测试的基础。而在执行压力测试的时候，通过压力情境的设定，用不同方法得到的各相关宏观经济变量值代入估计出的（3）就可以得到压力情境下的Y，再通过（2）就估计出了压力情境下的银行系统的违约概率。
公式（2）就是对贷款违约率进行Logit回归分析，PDt表示t年度的贷款的平均违约率，yt表示一系列宏观经济变量的综合指标。
公式（3）是反映各宏观经济变量与综合性指标yt的关系的方程，本文采用多元线性回归的方法来模拟变量之间的关系。其中Xt=(x1,t,x2,t…xl,t)′是L×1阶列向量，代表L个宏观经济因素构成的列向量；μt是方程的随机扰动项。截距α0是一个L×1阶列向量；系数α1,α2…α1+m分别代表L×1阶向量，系数β1…βn是L×n阶矩阵向量。
公式（4）是关于各宏观经济变量的时间序列模型。考虑到宏观经济因素采取的时间序列数据，可能存在变量的滞后性，因此对各宏观经济变量进行P阶自回归分析，剔除模型中的序列相关性。在（4）中，0是L×1阶的列向量, 1,…,p都是L×1阶矩阵向量，φ1,…φq是L×q阶矩阵向量，随机误差εt都是L×1阶列向量。
在这个模型中，假设μt和εt是序列不相关的，并且分别服从方差协方差为矩阵∑μ和∑ε的正态分布。其中μt和εt相关的方差协方差矩阵为∑μ,ε。
在 Wilson（1997）和Virolainen（2004）提出的框架中，yt仅仅与Xt有关，而本文模型的设定更符合实际情况，yt不仅与Xt相关，考虑到宏观冲击的时滞效应，yt还与其滞后期的值yt-1,…,yt-n有关。
从（4）可以看出，模型不仅考虑到了宏观经济变量值之间的相互影响，模型的设定考虑到了金融体系对宏观经济波动的回馈效应。将银行的表现对经济的反馈影响通过在宏观因素变量的自回归方程中引入综合变量来实现。通过各行业综合指标Y的前期值对各宏观经济变量的影响设定来反映现实世界中的金融与经济发展的相互影响关系。
（三）变量选取
1.解释变量
根据各国的实证研究经验和我国银行体系业务发展特点，本文模型的变量选取1990～2006年的年度数据，主要考虑到数据的可得性、宏观经济统计的特征以及经济冲击发生的持续时间来决定的。鉴于研究的宏观层面，从数据的可得性及计算量考虑，本文的宏观模型是基于整个经济体系的，因此各宏观经济变量将不采用各经济部门的统计值，而是采用本国的整体水平的统计值。
本文选取八个宏观经济变量作为解释变量：
NGDP―国内生产总值名义年增长率；
RGDP―国内生产总值实际年增长率；
NR―一年期存款的名义基准利率；
RR―一年期存款的实际基准利率；
NLR―一年期流动资金贷款的名义平均利率；
RLR―一年期流动资金贷款的实际平均利率；
CPI―居民消费价格指数；
RE―房地产价格指数；
2.被解释变量
本文选取违约概率作为评估信用风险的指标，银行系统的信用风险主要表现为贷款资产的违约风险。违约率水平是评估银行贷款质量的最直接的指标，违约风险可以用借款人在规定期限内的违约概率度量。Virolainen K对芬兰银行系统的违约概率进行的宏观压力测试分析中，对违约概率指标采取如下方式赋值：在研究时段内，某行业的破产机构数量与总的机构数量的比率为银行体系面对的违约率。Jim Wong、Ka-fai Choi和Tom Fong［19］建立的香港零售银行面对宏观经济波动的信贷风险压力测试框架中，违约概率是逾期3个月以上的贷款额与总贷款额的比率。本文选取四家国有商业银行和交通银行、招商银行、光大银行等十家股份制商业银行的信贷数据作为样本，以平均的逾期贷款率代表贷款违约率，即以年末样本银行的总逾期贷款额与总贷款余额的比率。其中，1990、1991、1992三年的各样本银行的详细数据欠缺，因此本文根据各类媒体披露的总的逾期贷款的变动率和贷款额的变动率计算出了这三年的逾期贷款率，其他各年份的详细数据均来自中国金融年鉴和各银行的年报。
四、实证结果
（一）模型估计
代入1990～2006年的宏观经济数据对上述模型进行多元回归分析和模型估计，先用宏观经济变量的名义指标值和实际值，与引入的综合指标Y的两期滞后变量分别对Y进行回归。从两个模型的t检验指标看出，模型中GDP、LR、R作为解释变量的参数并不显著，而引入的Y的二阶滞后变量对因变量的解释性也不显著。因此模型的参数需要进一步调适剔除。根据经验和宏观经济冲击的滞后性往往为一年，因此模型中只引入Y的一阶滞后变量。虽然两个模型的拟合优度统计检验指标和D-W指标略微下降，但两个指标值分别为0.987和2，仍是非常理想的检验指标值。在剔除掉一年期存款利率后，两个模型各参数的t检验指标都非常显著。但是以模型解释变量的参数符号来看，通货膨胀率CPI在以名义宏观经济变量值为自变量的模型中的系数符号为负，这表明随着CPI的增加，Y值也会减小，经过Logit变换后的违约概率PD将会增大，显然符合经济学原理。而在关于实际变量的模型中系数为正号，这是违背经济学原理的。所以本文确定以名义变量作为模型解释变量的方程为最佳的宏观经济模型（见表1）。这说明我国银行的信贷违约率对名义的宏观经济因素的波动更敏感。Marco Sorge、 Kimmo Virolainen（2004）利用wilson（1997）模型框架对芬兰银行系统的违约概率进行了宏观压力测试分析，宏观经济模型估计结果与我国上述情况类似，即名义的宏观经济变量对违约概率的解释能力更显著。
根据回归方程的t检验（5%的显著性水平），各宏观因素指标的实际值对综合指标的影响并不显著，所以剔除不列入表内。从表1中可以看出，综合经济指标和各宏观经济变量指标的名义值关系显著。且综合指标的一期滞后值对各宏观经济指标影响均显著。从关于综合指标的多元线性回归方程也可以看出，国内生产总值增长率、贷款利率水平、通货膨胀率和房地产价格的确是影响到我国银行体系违约概率的显著因素，而且综合指标明显受其一期滞后值的显著影响。
（二）宏观压力情境的设定及其结果
本文选择情境分析作为执行压力测试的方法。针对模型所选取的宏观经济变量，我们设定两个压力情境：一种是GDP增长突然放缓的情境；一种是CPI上升到较高的水平（5%以上）。对于各种压力情境下，反映压力的宏观经济变量的变动幅度，可以通过以往的历史相似情境数据或历史经验直接进行人为的设定。而本文在对银行体系遇到极端情境进行构建之前，利用时间序列模型对解释变量NGDP、CPI进行了2008～2010年的简单ARMA模型预测，作为我们构建的参考基准情境（baseline scenario）。
从表2可以看出，在设定的两种压力情境下，我国的银行体系的信贷风险明显增加，从模型预测估计出的贷款违约率都有不同幅度的增加。随着国民生产总值增速的大幅降低，贷款违约概率增大，但幅度较缓。而随着通货膨胀率的骤增，违约概率出现大幅度的激增。这充分说明在压力情境下，宏观经济变量对银行系统信贷违约概率的冲击效应非常显著。从而判断，通货膨胀率的同等幅度波动对银行体系信贷违约率值的影响更大。
五、结论及建议
本文在对比分析国外成熟模型的基础上，构建了适合我国经济环境的宏观压力测试模型。首先本文借鉴了国外研究成果中关于宏观经济因素和贷款违约率之间的非线性关系设定。在此基础上使用Logit方程将贷款违约率转化为宏观综合指标Y，以指标Y作为因变量与宏观经济因素进行多元线性回归分析，使得这一指标能够很好地利用各宏观经济指标所提供的信息。在模型中宏观经济因素的选择方面，参考国内外学者实证研究中模型的自变量，结合我国数据统计和披露特点等制约因素选取适合的宏观经济变量来构建模型。借鉴已有研究成果中在选择信贷风险的评估指标方面的做法，以逾期贷款率作为模型中反映银行体系信贷风险的指标。
结果发现：宏观经济变量名义国内生产总值，消费者价格指数，房地产价格指数和名义流动贷款利率对银行体系贷款违约率影响是显著的。特别是名义国内生产总值和通货膨胀率指标，冲击力较强。在关于名义国内生产总值大幅下降和通货膨胀率骤升的压力情境设定下，银行体系的贷款违约率都出现了不同程度的大幅度提高。尤其在关于通货膨胀率的压力情境下，贷款违约率的增长幅度高于名义国内生产总值下降情境下的增幅。
本文研究结果对中国国情有着一定的解释力，让我们有信心支持这样的研究思路的继续开展。通过分析我们可以看出，中国的银行体系稳定性还有待进一步加强，在面临假设的宏观经济冲击时，化解风险的能力就显得不足。当然我们构建的这些极端情形发生的概率都是极小的，毕竟中国经济目前来看几年内保持稳定增长的态势是确定的。
参考文献：
［1］ 中国人民银行金融稳定分析小组.中国金融稳定报告（2005）［EB/OL］. pbc.省略/detail.asp?col=100&ID=2257&keyword.
［2］ McKinnon R. Financial growth and macroeconomic dtability in China.1978-1992: implications for Russia and other transitional economies［J］. Journal of Comparative Economics, 1994, 17(2): 438-469.
［3］ Deventer D V, Kenji I. Credit risk models and the Basel Accords［M］. Beijing: RENMIN University of China Press, 2005: 14-56.
［4］ Bernhardsen T. Real-time data for Norway: Challenges for monetary policy［J］. The North American Journal of Economics and Finance, 2005, 19(3): 333-349.
［5］ Bernhardsen T. The relationship between interest rate differentials and macroeconomic variables: a panel data study for European countries［J］. Journal of International Money and Finance, 2000, 18(2): 289-308.
［6］ Erlenmaier U. Correlations models in Credit Risk Managem［D］. Norway: University of Heidelberg, 2004.
［7］ Erlenmaier U. Gersbach H.Default probabilities and default correlations［D］. Norway: University of Heidelberg, 2005.
［8］ Froyland E, Larsen K. How vulnerable are financial institutions to macroeconomic changes? An analysis based on Stress Testing［J］. Economic Bulletin, 2002, 3(11): 127-169.
［9］ Pesola J. The role of macroeconomic shocks in banking crises［J］. Bank of Finland Discussion paper, 2000, 2: 457-504.
［10］ Virolainen K. Macro stress-testing with a macroeconomic credit risk model for Finland［J］. Bank of Finland, mimeo, 2004, 19(1): 1-66.
［11］ 陈华，伍志文．银行体系脆弱性：理论及基于中国的实证分析［J］．数量经济技术经济研究，2004(9)：34-51．
［12］ Wilson T C. Portfolio credit risk I［J］. Risk, 1997, 9(10): 111-170.
［13］ Wilson T C. Portfolio credit risk II［J］. Risk, 1997, 10(10): 56-61.
［14］ Merton R. On the pricing of corporate debt: the risk structure of interest rates［J］. Inance, 1974, 29(7): 449-470.
［15］ Vlieghe G. Indicators of fragility in the UK corporate sector［J］. Bank of England Working Paper: on.146, 2001.
［16］ Bunn P, Cunningham A, Drehmann M. Stress testing as a tool for assessing systemic risk［J］. Financial Stability Review: Bank of England, 2005 (6): 116-260.
［17］ Boss M. A Macroeconomic credit risk model for Stress Testing the Austrian credit portfolio［J］. Financial Stability Report, 2002 (4): 64-82.
［18］ Sorge M, Virolainen K. A comparative analysis of macro stress-testing methodologies with application to Finland［J］. Journal of Financial Stability, 2006, 17(2): 113-151.
［19］ Wong J, Choi K F, Fong T. A framework for macro stress-testing the credit risk of banks in Hong Kong［J］. Hong Kong Monetary Authority Quarterly Bulletin, 2006 (10): 1-38.
［20］ Hoggarth G, Whitley J. Assessing the strength of UK banks through macroeconomic Stress Tests［J］. Financial Stability Review: Bank of England, 2003 (7): 91-103.
［21］ Drehmann M, Hoggarth G, Logan A, et al. Macro stress testing UK banks［R］. Paper presented at the Workshop on Financial Stability in Frankfurt: Bank of England, 2004 (6): 16-17.
［22］ Jones M T, Hilbers P, Slack G. Stress testing financial systems: what to do when the governor calls［J］. IMF Working paper: no.46, 2004: 191-211.
［23］ Jones M T, Saunders A. Have US financial institutions real estate investments exhibited trend chasing behaviour?［J］. The Review of Economics and Statistics, 2004 (11): 248-258.
［24］ Worrell D. Quantitative assessment of the financial sector: an integrated approach［J］. IMF Working paper: on.144, 2004: 1-57.
［25］ Worrell D, Cherebin D, Polius-Mounsey T. Financial system soundness in the Caribbean:an initial assessment［J］. IMF Working Paper: on.123, 2001 (9): 1-57.
［26］ Allen L, Saunders A. Incorporating systemic influences into risk measurements: a survey of the Literature［J］. Journal of Financial Services Research, 2004, 5: 23-46.
［27］ Pain D, Vesala J. Driving factors of credit risk in Europe［C］. Paper presented at ECB: Workshop on Financial Stability, 2004.
［28］ Gropp R, Vesala J. Bank contagion in Europe［C］. mimeo: Frankfurt am Main, 2004.
［29］ Gropp R, Vesala J, Vulpes G. Market indicators, bank fragility and indirect market discipline［J］. Federal Reserve Bank of New York Policy Review, 2004, 10(2) :53-62.
［30］ Gray D, Merton R C, Bodie Z. A new framework for analyzing and managing macrofinancial risks［C］. Conference on Finance and the Macroeconomy: NYU, 2004.
［31］ Derviz A, Kladlcakova N. Business cycle, credit risk and economic capital determination by commercial banks［J］. Czech National Bank, 2003, 11(6): 57-89.
［32］ Drehmann M, Manning M. Systematic factors influencing UK equity returns［C］. Mimeo: Bank of England, 2004.
［33］ Pesaran M H, Schuermann H, Treutler B J, et al. Macroeconomic dynamics and credit risk: a global perspective［J］. Wharton Financial Center Working paper:on.141, 2004 :3-13.
［34］ Benito A,Whitley J,Young G. Analyzing corporate and household sector balance sheets［J］. Bank England Financial Stability Review, 2003 (1): 234-287.
［35］ Hanschel E, Monnin P. Measuring and forecasting stress in the banking sector: evidence from Switzerland［J］. Workpaper of Swiss National Bank: on.118, 2003.
［36］ Kalirai H, Scheicher M. Macroeconomic stress testing: preliminary evidence for Austria［R］. Financial Stability Report: Austrian National Bank, 2002 (3): 77-98.
［37］ 孙连友．金融体系压力测试-概念与方法［J］．济南金融，2006(2)：43-50．
［38］ 高同裕，陈元富．宏观压力测试及其在我国应用面临的问题［J］．南方金融，2006(2):8-10．
篇9
当下在我国的金融体系当中，银行仍旧是把主导位置占据着，而在这其中，间接融资依旧是社会融资的一个主要方式，且它是把银行贷款作为代表的。随着与国际经济的融合加深，我国经济更是越来越受到国际经济的影响，而一些问题的出现也让宏观经济的不确定性与商业银行信贷行为之间的关系更加受到了重视。
二、关于宏观经济和商业银行信贷行为
银行业金融机构是我国的金融体系的主体组成部分，同时银行的间接融资也是社会融资结构的主要组成形式。通常意义上来说，我国经济的增长需要依赖于出口、投资以及消费这三样内容，在这其中的投资又属于最重要的那一项，甚至理论研究表明投资和宏观经济的增长是呈现出了十分密切且正面相关的一个关系形式的。这之外，因为银行信贷是我国的投资资金的一个主要来源，因而银行信贷与宏观经济的增长之间存在着某种正相关的密切关系就显得十分合理了。
曾有人利用格兰杰因果检验对中国某一段时间约二十年间在不同时期，银行信贷所表现出来的波动特征进行了分析研究，其结果显示银行信贷所表现出来的波动和经济周期总体上是表现出了一致趋势的，因而推断银行信贷的波动对于宏观经济周期波动来说其实是有着十分明显的影响的。即便是通过一些宏观经济与银行贷款两者的增长与波动轨迹对比图，也不难得到关于银行贷款增长波动和宏观经济波动存在相关性的结论，即使波动的程度未必完全一致，时间点可能不完全吻合，可整体趋势情况是差不多的。有的时候，两者的契合程度也可以达到很高的状态，同样也在有些时间段，契合度会呈现下降的状态，但是并不妨碍得到它们之间存在相关性的结论。
进入到了后危机时代以后，由于宏观经济不确定性在不停地增加，以致于区域性的金融风险跟着增加了不少，与此同时，有不少的银行问题也出现了。譬如说，不良贷款率的上升;钱荒问题;理财风险以及票据业务风险问题，再比如影子银行的问题。在金融市场不停发展的情况下，一起增长的还有市场化程度，加上对外开放的不断深入让我国经济与世界经济越来越紧密，因而银行所面对的宏观经济环境也跟着复杂了不少。对宏观经济的不确定性和商业银行信贷行为进行研究，这对银行可能遭受到的外来冲击影响的分析以及风险控制的提前预防都是有帮助的。
三、宏观经济的不确定性与商业银行信贷行为研究
（一）商业银行信贷受到的来自于宏观经济不确定性的影响
当宏观经济出现了波动的时候，通常可以分为上行与下行两种不同情况来进行它的不确定性分析研究。假如经济是处在扩张时期的时候，这就意味着资金借贷的需求将会上升，而公司经营的效益如果好的话无疑能够有更多可盈利的贷款从而意味着更多的银行资本金。此外，在这个时期，通常银行贷出贷款的利率会比较低。假如经济是处于放缓时期的时候，无疑很多公司的盈利与收入都会降低，也可能会出现亏损的现象，而这样的情况就导致这些贷款公司并没有办法顺利支付给银行贷款利息或者是本金，那么银行的本金会跟着减少，而这个时候，银行的贷款利率自然就会上升以致于让贷款得到减少。当经济出现了衰退情况的时候，其实银行也会因此而有所损失，这主要是因为贷款损失准备金的概率提高，以致于资本金被侵蚀，进而导致银行的资本需求就必须要对银行更加具有约束力才行。在经济出现衰退的时期，银行的新发证据成本会犹豫银行个体或者经济整体的不确定性因素而变得非常高，从而引发一些问题。只是，宏观经济的冲击会导致银行贷款增长率的结果是不变的。
（二）关于宏观经济不确定性对于商业银行信贷影响的传导机制
首先是关于货币政策的传导，可以说，货币政策对于银行信贷的影响是很明显的，而它在作用于银行信贷的时候，它的传导机制将会利用法定的存款准备金以及资本充足率的规定、银行股权的不完全竞争市场这几样内容。譬如说，在借助于法定存款准备金的时候，由银行借贷渠道理论可知，银行要进行融资贷款第一需要按照法定要求将法定存款准备进缴纳好。是以，对于法定存款准备金率的提高降低无疑会对银行借贷规模产生十分直接的影响，从而再对实体经济也造成影响。当宏观经济不确定性提高的时候，银行贷款毫无疑问会出现一定的变化。其次是关于银行家在进行未来预期进而影响到决策行为的传导。银行在进行投资决策的时候，关于宏观经济不确定性其实就是一个十分重要的需要慎重考虑的内容。比起大银行或者是盈利比较好的银行，一些盈利比较少或者是比较小的银行，反而没有那么容易受到来自于宏观经济环境产生的变化所带来的影响。通常情况下，关于宏观经济的不确定性，将会利用宏观层面的货币政策或者是微观层面的银行决策来让银行信贷行为承受相应的影响。
（三）关于宏观经济不确定性和商业银行信贷资产配置问题
在我国经济不断发展到现在，关于宏观经济的不确定性因素不但没有减少反而是增加了不少。在我国的各项宏观经济指标逐渐维持在相对平稳状态之前，经济固有矛盾问题带来了不少剧烈变动，而包括经济体制改革的最开始阶段一些判断与驾驭能力不足的问题也带来了一些影响，比如说调控出现了滞后性或者是在把握上出现了失误情况。进入到相对平稳状态之后，看似不确定因素减少了，可是外部冲击对经济的影响依然很大，以致于实际上不确定因素其实一直在增加。这些不确定因素，不但始终影响着商业银行信贷行为，尽管它在不断进行着市场化，至于银行的心底决策则变得更加离不开对于未来宏观经济不确定性的合理判断。当宏观经济的不确定因素减少的时候，实际上商业银行的信贷行为将会更加有异质性。
篇10
关键词：房地产；经济周期；宏观经济政策；关联性
中图分类号：F293.3 文献标识码：A 文章编号：1001-828X（2013）07-000-01
自2000年开始，我国城市化进程的加快为我国的房地产业的发展提供了重要契机，促进其进入了繁荣发展的阶段。房地产业作为我国的第三产业，不仅在很大程度上改善了人民的生活条件与居住条件，还对我国社会经济的发展起着重要作用。近年来，宏观经济政策在我国的逐渐落实使房地产业的发展更加趋于理性，而房地产自身具有的商品特性、对社会财富的创造性以及与其他行业的相关性决定了其必然会受到宏观经济政策的影响，并形成一种经济周期。经济周期的波动会对我国社会经济的发展产生一定的影响，因此，加强对房地产经济周期与宏观调控经济政策关联性的探讨研究非常有必要。
一、影响房地产经济周期波动的因素
在房地产业的发展中出现的过热现象实际上就是其经济周期波动的表现，所以，研究影响房地产经济周期波动的因素非常有必要。影响房地产经济周期波动的因素是多方面的，包括内生因素和外生因素。
1.内生因素
内生因素包括房地产价格、需求、收入、政策以及市场的预期变动等，同时，房地产的供给总量会在劳动力、技术水平以及资金管理等方面变化的影响下而不断扩张或收缩。这些因素在本质上决定着房地产经济波动的周期性和持续性。可见，房地产供给、需求任何一方面出现失衡，将会影响房地产业的持续发展，从而引发房地产的经济波动。因此，必须加大对房地产经济的调控，保持房地产供给和需求在总量和结构上的平衡。
2.外生因素
外生因素是引起房地产经济波动的初始原因和初始推动力，主要包括财政政策、货币政策、产业政策、投资政策、经济体制改革政策、技术因素、社会经济因素等，其中政策因素对房地产经济周期波动的影响较为直接，较为显著，房地产业的发展与社会经济增长的高度成正比，宏观经济增长率越高，房地产业的发展就越快。另外，自然灾害比如地震、洪水等，以及战争、社会突发事件、科学技术的变革等对房地产经济的波动有直接、突发、猛烈的影响，这些因素中有的持续时间较短，有的则较长。
二、房地产经济周期与宏观经济政策的关联性
我国房地产经济周期的波动是房地产业发展过程中的自然现象，这种现象是不可避免的，宏观经济政策对房地产进行调控能够防止房地产业出现大幅度的经济波动，使房地产周期性波动在可控范围，从而最大限度的减少经济周期波动对房地产业和社会经济带来的不利影响。下面对房地产业的宏观调控提出几点建议，以更好促进房地产经济周期与宏观经济政策的关联和协调。
1.处理好房地产业发展周期差异性与宏观经济政策统一性的矛盾
由于我国各个地区的发展程度是不一样的，加上房地产业具有区域性的特点，所以各个地区房地产业的发展程度也是不一样的，这就决定了房地产经济周期既有全国性的周期，又有区域性的周期。因此，宏观经济调控政策要根据房地产业发展的全国性和区域性特点，结合本地的实际情况，采用科学的发展观，既要避免“一刀切”，也要保证地方政府对政策的有效执行。
2.根据经济形势灵活调整货币政策
货币政策要根据国民经济的发展状况进行调整，力求政策与经济发展相适应，防止房地产出现过热或过冷情况，还要对利息率进行适当的调整，在调控方式和松紧程度方面应连续微调。同时，要在控制货币政策的调整幅度、谨慎控制金融市场流动性的基础上，充分发挥房地产的经济增长点作用，扩大内需，延缓周期波动，使房地产经济市场的发展更为活跃，为实现我国房地产业和社会经济的可持续发展提供可靠的保障。
3.保持财政政策调控的稳定
实践证明，积极和稳定的财政政策在治理经济衰退、促进经济稳定增长中发挥着重要的作用，因此，鉴于当前的经济形势，可适当的减弱财政政策力度，同时使政策的调整向中性、稳健的方向发展，比如可以适度紧缩财政资金所支持的投资项目，主动进行结构性调整等。这就需要政府谨慎权衡扩张财政政策、紧缩财政政策和稳定财政政策之间的关系和影响，避免财政调整幅度过大而引起房地产经济周期波动的不稳定。
4.加大对房地产产品的改善力度
目前，我国的住房供应体系仍然不合理，房地产供应市场与房地产需求市场严重失衡，要根据这些实际情况，适当引导市场形成一种梯级消费；政府要建立健全居民住房保障体系，充分发挥其在解决中低收入家庭住房问题中的作用；保持合理的住房投资建设规模；调整住房的供给结构，并促进住房建设和消费模式的合理化。比如，严格控制大型别墅的供给数量，适当的将大户型、高价位、高配置的高级公寓工程建设比例降低，提倡中小户型、中低价位的商品房数量。同时，价格因素与房地产行业内的其他因素具有关联性影响，对房地产业的影响尤为突出，因此，必须合理规制房地产产品的价格，政府应当对各个时期的房地产的经济情况进行分析和评估，判断房地产市场与经济发展的协调性，借助于房地产产品价格评估和指导，其住房价格更为理性，这对促进房地产业的发展、维护市场经济秩序具有积极的现实意义。
三、结语
房地产业作为我国的第三产业，是推动我国经济增长的能量来源，对我国国民经济的发展做出了巨大的贡献。当然，在宏观经济政策下，房地产经济周期具有波动的特殊性，因此，要加强对房地产经济周期和宏观经济政策的关联性的探讨研究，根据房地产经济周期波动的影响因素，处理好房地产经济周期与宏观经济政策的关系，适当调整货币政策和财政政策，并合理规划住房建设、消费模式，控制住房价格，只有这样，房地产的经济周期波动才会更趋于理性，房地产的发展环境才会更加健康，其发展前景才会更加广阔。
参考文献：
[1]王建斌.我国宏观经济政策对经济周期波动的影响分析[J].江苏商论，2008，7（05）：154-156.
