宏观经济变化范文

导语：如何才能写好一篇宏观经济变化，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

关键词：宏观变化 商业银行 利益相关者 影响 建议

随着社会的进步,判断一家企业是否成功,不再单纯用简单的财务指标来衡量,而是要同时兼顾客户、股东和员工等利益相关者的满意度。面对宏观经济形势的深刻变化,商业银行必须深入研究宏观经济变化对各利益相关者的影响,有针对性的采取相应的应对策略,才能够保证自身的可持续发展,并在竞争中立于不败之地。按照一般的理解,企业利益相关者通常包括政府、社会、股东、客户、员工、债权人、供应商等等,考虑到银行的特殊性,我们选择客户(银行债权人即存款人,也属于银行客户范畴)、股东和员工作为银行利益相关者的主要代表,并把客户分为个人客户和企业客户(含事业单位客户),分析在新的经济形势下,它们各自的新特点和新需求,并分别提出相应的对策建议。

一、个人客户需求多元化,需要加大新产品开发力度

改革开放三十年来,我国个人及家庭财富不断增加使得代表资产和财富的商品需求快速增长,理财和投资需求不断提高。从众多银行针对高端客户推出私人银行业务,到日益多元化的理财产品和消费手段,商业银行在满足财富不断增加的个人客户消费需求方面做了很大的努力,但应该看到,我国商业银行与国际先进银行相比还存在很大差距。缺少个人金融产品区分度,产品研发“跟风”;缺少风险定价手段,风险管理能力落后;缺少基于生命周期的客户关系管理,造成客户信息资源分散和浪费,这些问题都需要商业银行总结经验、汲取教训,积极应对。为此有以下建议。

1、加大对个人银行业务未来发展亮点领域的创新力度。个人银行业务的增长潜力和利润空间对于中国本土和外资银行来说具有强大的吸引力,各类商业银行应充分考虑到自己的竞争优势和所处的经济环境,把握好这些机会。要依据国内投资者的风险偏好和需求特征构建包括债券、货币、股票投资组合、复合型结构化产品等在内的不同层次的理财产品,做到灵活多样,覆盖风险偏好各异的投资群体。

2、根据不同客户、产品建立不同理财渠道和处理流程,加大风险管理力度,扩大理财手段和消费方式。针对目标客户对于销售渠道不同的偏好程度,比较不同渠道的有效性,不断提升银行核心渠道的作用。用全局的视角来看待客户关系管理,最大化的吸引和保留客户,从而实现交叉销售、升级销售的机会,促进新产品推广,增加销售收入。

3、利用信息技术和人才队伍支持银行业务发展。围绕“信息技术如何为银行提供业务支持”来搭建商业银行的IT系统构架,用以满足银行数据的集中、客户信息文档的处理、计算和存储能力的共享,并充分利用数据挖掘等技术支持客户细分、决策及产品研发,为提升自身的分析水平和能力提供切实帮助。

二、企业客户需求复杂化,需要综合化解决方案

作为市场竞争主体的企业,金融需求随着宏观经济形势的变化发生了很大转变,主要体现在三个方面。一是多样化。随着我国市场经济体制的逐步完善与企业走出去的步伐越来越快,公司机构等批发性客户的需求也越来越多样化,这就要求银行能够提供量身定做的一揽子金融服务方案。二是脱媒化。随着我国资本市场的进一步完善,优质大企业客户可供选择的融资方式越来越多,除了银行贷款外,还可以通过股权、债券、资产证券化等直接融资方式进行融资,这些融资方式成本较低,对银行贷款市场的冲击越来越大。三是市场化。我国股份制商业银行的兴起和外资银行的进入使银企双向选择空间更加充足,客户需求和银行应对客户需求由过去“一一对应”发展到“一对多”和“多对一”,趋向市场化。根据企业客户上述新变化,商业银行应该从以下几个方面来应对。

1、实行差异化服务,抓住现有优质客户。考虑成本因素,商业银行没必要对所有客户均提供同样的金融服务,而应根据客户对银行贡献度大小,充分利用自身有限的金融资源,以最有效的个性化服务为优质客户提供差别化服务,最大程度满足客户需要,赢得客户满意,培育自身的高价值忠诚客户群体。

2、关注新兴行业和新型企业,不断挖掘新的优质客户。在深化现有优质客户的同时,商业银行还应积极主动地争取发展新的优质客户,对成长性较好的新兴行业和新型企业,从一开始就与之建立良好的合作关系,通过各种金融手段巩固合作关系。加大对新兴客户群的拓展力度,分享这些企业快速成长的成果,是新形势下公司客户策略中一个非常重要的方面。

3、满足优质客户金融需求,构建新型银企关系。构建新型的以经济利益为纽带的银企关系,必须依赖于商业银行自身的业务品种和技术手段,依赖于商业银行对优质客户需求的响应能力。针对各类优质客户的金融需求,商业银行应当设计个性化的服务方案,把能够满足优质客户需求的新旧金融产品“打包”,一揽子地提供给优质客户,并通过签订银企合作协议等方式把银企关系固定起来。

三、股东要求日益提高,需要付出更多的努力

在新的形势下,商业银行投资者或者说股东跟以前有了很大的不同。具体来说,一是股权结构更加分散化和多元化。大部分商业银行均已完成股份制改造和上市,成为公众持股公司,这使得其股权结构进一步分散,并导致不同类型的股东利益日益多元化。二是股权流动性和开放性增强。在银行股权市场上,中小投资者更注重买进卖出银行股票,从中赚取每笔交易的差价,而忽视了银行的长期绩效,这就导致商业银行股权流动性和开放性进一步增强。三是股东参与公司治理更加制度化和公开化。上市公司要定期公布经营业绩,并及时披露公司经营管理中的重大事项,这就使得股东参与公司治理的渠道更多,而且更加制度化和公开化。四是机构投资者在公司治理中的作用日益突出。相比于其他投资者,机构投资者有强大的分析能力,更注重发掘上市公司的投资价值,对公司治理参与也更加深入。因此,银行要比以前投入更大的努力,来满足股东们不断提高的要求。

篇2

关键词：股票价格；宏观经济；成本收益核算；贷款

中图分类号：F830，91 文献标识码：A 文章编号：1006-1428(2008)05-0008-04

一、理论综述

针对股票市场与宏观经济的关系问题，前人已经进行了大量的研究，并取得了丰硕的成果。

部分西方学者将研究的重点放在股票市场如何影响实体经济上。M，Friedman曾指出，股票市场影响货币需求的途径和机制体现在四个方面：财富效应、资产组合效应、交易效应和替代效应。财富效应、资产组合效应和交易效应会增加货币需求，替代效应则会减少货币需求。而另一些学者则主要关注货币政策对股票价格的影响，并提出了多种不同的解释。

我国在这一问题上的研究成果相对较匮乏，而且国内研究多偏重于股票市场对货币需求与供给的影响。易纲、王召(2002)和余元全(2004)基于经典的IS-LM模型，从宏观上分析了股票市场作为货币政策传导渠道的机理。中国人民银行研究局课题组(2002)运用多元线性回归模型实证分析了我国股票市场发展对货币需求的影响，研究结果表明股票价格的上涨会使货币流动性有所增强。此外，还有党芳(2004)，张笑冰(2007)，贾炜、蔡维、樊瑛(2007)等人在我国货币需求和股票价格的实证研究关系的问题上做过实证研究。

然而，上述关于股票价格变动与宏观经济关系的研究都是以传统的经济学存量流量模型为基础进行的。本文试图在一个新的理论框架下，基于企业成本收益核算模型，对股票价格影响宏观经济的机理进行解释，重点关注股票价格变化对贷款的影响，最后用我国的股票市场数据和宏观经济数据对理论分析的结论进行实证检验。

二、基于企业成本收益核算的收入流量模型

在传统经济学流量模型的基础上，加入对企业成本收益的核算，可以建立一个新的，反映企业以货币量值为基础的成本收益核算模型。

篇3

人口结构发生根本性变化

人口和计划生育政策的成功实施，使中国30年来少生了近4亿人，使总人口达到13亿延迟了4年。但计划生育政策在有效控制人口增长的同时，也加速了中国人口老龄化进程。从年轻型到老年型社会，中国仅历经30多年，足足比欧洲国家提前了70年。特别是经济的快速发展，推动着农村人口向城市转移、农业劳动力向二、三产业转移。30多年来，城镇化率从1978年的17.9%提高到了2010年底的49.7%；第一产业就业人口占比从1978年的70.5%降低到了2009年的38.1%。

“十二五”时期，我国的人口结构将出现根本性变化，即双双越过“人口红利拐点”和“刘易斯拐点”。据蔡昉的研究，2013年或2015年，中国抚养比将降至最低点，约为38%左右，之后随着老年抚养比的迅速上升，总抚养比将逐步提高，预示着“人口红利”向“人口负债”的转变。到2015年，我国农村劳动力的负增量和城市的正增量将相等，全国劳动年龄人口净增量将为零，之后开始减少，预示着中国届时将越过“刘易斯拐点”。两大拐点的接踵而至，对“三农”和县域也必将产生深远而显著的影响。

（一）农民工资性收入增长加快，县域居民金融需求趋于多元化

工资性收入近年来一直是促进农民增收的最重要因素。2005年以来，我国农民工资性收入增速持续高于农民纯收入的整体涨幅，即使是在2009年，金融危机造成大量农民工返乡，农民工资性收入增速仍然快于农民纯收入增速。随着“十二五”时期“刘易斯拐点”的到来，我国劳动力变得相对稀缺，农民工找寻工作的等待时间缩短，农民工尤其是有技能的农民工，工资水平将大幅提高。根据“十二五”规划，到2015年，农民人均纯收入和城镇居民可支配收入年均增幅将超过7%，绝对额将分别超过8310元和26810元。可以预计，一个数量庞大的收入快速增长的县域居民群体正在加速形成。他们不仅有着巨大的资金汇兑结算、保险理财、资金管理的服务需求，还有消费、创业、落户城镇的信贷需求，是新兴的个人客户群。

(二)产业转移不断加快，配套金融服务需求愈发迫切

人口红利弱化，必然伴随着劳动力成本的上升，东部县域产业将向高端升级，低端制造业向中西部转移，城市产业向县域转移的趋势将进一步加速。2010年，富士康公司布局向中西部倾斜，其背后的主要逻辑就是劳动力成本的考量。可以预见，在专业特色鲜明、品牌形象好、服务平善的县域工业园区、产业集群，转移企业落地；城市劳动密集型企业的产业链整合；县域优质劳动密集型企业的规模扩张、技术改造和市场拓展都将加快步伐，孕育丰富金融需求。随着中西部县域工业园区的建设，城乡、区域间产业的转移和整合，东部产业升级等金融需求将进一步释放。

（三）企业用工成本上升加快，县域金融信用风险增加

劳动力成本的增加，将进一步压缩企业的利润空间，加剧县域中小企业亏损甚至破产倒闭的风险。据一项针对588家制造业企业的研究显示，人工成本在企业生产成本的占比，从2009年的11.1%提高到了2010年的12.3%，其中工资上涨是推动人工成本上升的最重要因素。从国际比较来看，企业用工成本的上升也将降低企业参与国际竞争的能力。这将加剧县域中小企业的经营风险，从而加大县域金融机构的信用风险。

（四）现代农业发展加快，优势农业金融机遇凸显

“刘易斯拐点”和“人口红利拐点”的到来，要求农业必须依靠更少的劳动力养活更多的消费人口、满足更高层次的消费需求，农业发展依靠科技、依靠资本投入的趋势将更加明显。同时，农村人口的加速转移，为农业规模化经营创造了条件，这些都将加快农业规模化、组织化、集约化的步伐。随着现代农业的加快发展，包括国家主导的水利建设、农田改造等农业基础设施建设，种养大户发展规模化生产，龙头企业的产业整合，物流基础设施建设和服务，农业生产资料的规模化扩张、产业升级和资产整合等金融需求也将集中释放。从产业重点看，农产品生产加工业、流通、农业生产资料制造业的信贷需求，到“十二五”末，分别有望达到6.3万亿元、1.9万亿元、1.4万亿元。从区域重点看，农产品生产加工金融机遇主要集中在“七区二十三带”，以及东部沿海、大中城市周边、农垦集团等先导农业区；农产品流通金融机遇主要分布在重点物流园区、重要城镇及周边、主产区、主销区的市场集中区；生产资料制造业金融机遇则主要分布在工业园区、大型企业所在地。

资源与环境约束进一步强化

资源紧缺是中国的基本国情。但随着经济的发展，加上发展方式的滞后，资源的需求急速攀升，约束不断强化。2009年，我国单位国内生产总值能耗是美国的2.9倍、日本的4.9倍、欧盟的4.3倍、世界平均水平的2.3倍；消费的铁矿石、粗钢、氧化铝和水泥分别约占世界消费总量的54%、43%、34%和52%。为满足国内经济发展的需要，资源进口依赖加重，2009年我国石油、铁矿石等资源的进口依存度都超过了50%。不合理的资源消费，开始敲响生态环境的警钟，一些地区已经出现了环境污染严重、生态系统退化、环境系统承载能力下降等现象。“十二五”时期，我国工业化、城镇化仍将深入发展，资源环境供给缺口与经济发展衍生的持续增长需求之间的矛盾将更加突出，从而将对“三农”和县域经济金融带来深刻影响。

（一）原材料成本压力加大，中小企业客户信用风险加剧

2007年以来，大宗商品价格指数CRB1上涨超过50%。2011年上半年，我国过度依赖进口的铁矿石供给，由于铁矿石价格上涨多支出1041.1亿元，而钢铁全行业利润仅为563.74亿元，销售利润率3.14%，在39个工业行业中垫底。“十二五”时期，大宗商品价格将继续受通胀和实际需求的推动。同时，国内资源性产品价格改革、资源税改革将持续推进，对资源价格也将形成充分支撑，企业成本管理压力将因此进一步加大。原材料成本加大，将明显加剧中小企业的生产经营风险，也必然会在县域金融的信用风险上反映出来。

（二）“两高一剩”行业发展压力加大，金融风险管理要求更高

为缓解资源、环境的制约，“十二五”规划定下了七大约束性指标，并在落后产能淘汰、主要行业污染治理、资源价格改革等方面提出了具体的严格措施。2011年9月，国家又出台《“十二五”节能减排综合性工作方案》，并提出了50条具体措施。此外，工信部正在研究19个工业产品“十二五”期间的淘汰落后产能指标。其中钢铁行业将淘汰落后炼铁产能7500万吨、炼钢产能4800万吨。2011年18个工业行业淘汰落后产能的目标任务中，水泥、造纸、电解铝、钢铁、平板玻璃行业的任务较2010年大幅提高。由于县域“两高一剩”行业占比较高，随着政策的落实，县域相关企业或被迫技术革新，或关停并转，发展风险将进一步凸显。这对金融机构加强“两高一剩”行业金融风险管理提出了更高的要求。

（三）推动农产品价格持续上行，农业金融环境趋于改善

从农业资源来看，当前我国1/5的土壤已经受到污染，18亿亩耕地中高产稳产田占比不足1/3；水资源缺口在加大，2010年当年水资源缺口1000亿立方米，至2030年淡水缺口将达到4000～5000亿立方米。“十二五”时期，随着耕地、水资源日趋紧张，加上农业生产资料价格、劳动力成本的提高，农产品价格将长期处于上涨趋势中。随着农业基础设施建设的不断强化，农业规模化、组织化程度的不断提高，农业保险范围的不断扩大，农业金融整体风险趋于下降。

经济增速呈现放缓趋势

近年来，中国经济发展连续越过了多个重要关口，进入了新的发展阶段。2003年中国人均GDP突破“贫困陷阱”，达1090美元；2008年人均GDP超过3000美元，进入了触发“中等收入陷阱”的敏感期；2010年人均GDP超过4000美元，进入中等偏高收入国家的行列。“十二五”时期是经济发展方式转变的重要五年，是中国能否突破“中等收入陷阱”迈向高收入国家、从经济大国迈向经济强国的关键时期。

进入“中等收入陷阱”阶段，经济增速放缓是主要特征。从国际看，巴西、墨西哥、阿根廷、马来西亚等国家，在20世纪70年代均进入中等收入行列，但直到现在仍在3000美元～10000美元发展陷阱内挣扎；而日本、韩国，分别从1984年、1987年，用12年、8年的时间，顺利越过了3000美元～10000美元“中等收入陷阱”。

导致经济增速放缓的因素，具体来看有四个方面。首先，我国多年积累的流动性过剩问题需要治理。2003年以来，我国经济持续处于上升周期，货币发行持续增长，特别是国际金融危机爆发后，实施了宽松的货币政策，加剧了流动性过剩态势。从2003年到2010年，人民币贷款余额从15.9万亿元增加至47.9万亿元。M1和M2年均增速均超过年GDP增速与CPI上涨率之和。其中2009年和2010年M1和M2增速最高。

其次，世界主要发达国家经济复苏出现反复。当前，发达国家失业率持续偏高，债务危机愈演愈烈，陷入债务危机困境的欧元区国家开始向核心成员蔓延，日本的国家信用也遭到降级，甚至美国的标普评级也因债务问题从“AAA”历史上首次降为“AA+”。为解决自己的国内问题，发达国家纷纷推出了再工业化计划，投资储蓄再平衡也在持续推进，这将不可避免地对我国外需增长形成压力。

第三，国内的投资消费结构、政府债务面临调整。这些年，我国总体上投资持续超前增长，而消费却没有及时跟上，过剩产能问题突出。2009年我国投资率和消费率分别为43%、36.7%。尤其是地方政府债务已经处于相对高位，推动经济增长能力受到制约。截至2010年底，全国地方政府性债务余额10.7万亿元，债务余额占地方政府综合财力74%。其中，“十二五”期间到期债务占比69.8%。投资消费的再平衡与政府资产负债的再平衡，是“十二五”时期经济发展面临的双重挑战。

第四，产业结构有待升级。当前，我国产业结构层次不高，已经成为制约经济持续较快增长的重要因素。另外，我国工业结构不优，虽然制造业产值占据世界的16%，但大多处于产业链低端；第三产业中的商业、餐饮、交通运输等传统服务业则占40%以上，金融、物流等行业发展滞后。

经济增速放缓，也将对“三农”和县域经济金融发展产生重要影响。

（一）县域在扩大内需战略中的地位有望延续，规模化融资面临新机遇

“十二五”时期，我国经济增长动力机制需要重构，扩大内需战略将继续推进。县域居民收入偏低，城镇化和新农村建设空间广阔，仍将是未来扩大内需战略的主要着力点。日本曾经实行过“国民收入倍增计划”，从1960年12月启动了一个为期10年的国民收入倍增计划，而截至1967年日本提前三年完成翻一番的目标，至1973年公民收入翻了两倍；韩国、日本等国家都不约而同地推进了新农村建设。加速拓展承载着近10亿人口的县域内需，必然催生巨大的金融市场。从城镇化和新农村建设方面看，包括国家级、省级规划的经济区、经济带内的城镇土地开发、公共事业、市政设施，经济发展水平较高、有产业支撑、财政支持保障的农村，土地整治、住宅和居民点建设、城乡建设用地增减挂钩项目、农村基础设施建设等，均存在巨大融资需求。综合测算，至“十二五”末，县域土地开发、公共事业发展、市政建设的融资需求将超过3万亿元；新农村建设融资需求超过3000亿元。尤其是随着县域城镇化、工业化、农业现代化发展，因此带来的相应耐用消费品、住房按揭、汽车、理财、资金管理等金融服务消费也将是一个巨大的市场。

（二）县域产业结构调整将加快，县域金融产业基础逐步夯实

经济增速放缓，必须加快转变发展方式，推动产业结构调整。推动产业结构优化升级，将成为“十二五”时期政策指向的重要领域。农业内部结构的调整，劳动密集型等中低端产业向县域的转移分布，是产业结构优化的重要路径，也将为县域产业发展带来战略性机遇。特别是在中西部大中城市周边县域、东部发达县域等地区，随着县域商贸集群、休闲旅游业、生产型服务业集群以及新兴产业集群在县域的布局和发展，将衍生出商户支付结算、短期信用、保险理财、金融租赁、无形资产抵押等新型融资需求。

（三）县域需求将遭压缩，低端中小企业金融风险加速释放

宏观经济放缓，必然从就业、产品需求等方面对县域经济形成冲击。大多处于产业链底端的县域中小企业，产能过剩问题将更加突出。以汽车产业为例，据统计，2012年中国14家最大的汽车生产商的总产能将达到2300万辆，但届时需求预计仅达2000万辆，这将对汽车产业的县域相关中小企业产生负面影响。县域产业需求压缩，将对县域中小企业特别是产能过剩、管理落后、缺乏品牌技术的低端中小企业形成挑战，金融风险也会因此加大。

篇4

关键词：上证综指；宏观经济变量；协整检验；误差修正模型股票市场是宏观经济的晴雨表，随着我国股市的快速发展，股市与宏观经济之间的密切关系也逐步展现出来。2003-2006年，宽松的宏观调控政策助涨A股出现了一轮大的“牛市”现象。2007年宏观调控政策转向“从紧”，“打压泡沫”直接作用于股市，另外加上国外的金融危机，导致股市各指数在2008年上半年持续下跌。2008年底，政府投出4万亿扩大内需，股市明显回温。到2009年8月IPO发行重新启动，及在欧洲债务危机的影响下，股指达到反弹高点后又回调震荡。2010年7月，在市场大宗商品价格持续走高的背景之下，中央采取“适度宽松”的货币政策，A股快速大幅拉升。2011年由于国内通胀压力过大，政府开始实行“宽松的财政政策，从紧的货币政策”，加上美国信用评级下降及欧洲债务危机的扩散，指数一路下行。进入2012年，国家放缓宏观经济增长目标，持续调控房地产，上半年宏观经济数据显示经济增长缓慢，股市也处于低迷状态。

由上可见宏观经济与股市之间的联动反应，中国股市正处发展阶段，在一定程度还需要国家的宏观调控，这就必须明白我国股指与国内主要宏观经济指标的关系。因此要研究主要宏观经济变量影响股票市场的途径与作用机制，进而进行有效的预测，这对于促进股票市场稳定健康发展和提高国家宏观调控能力有着十分现实的意义。

1、数据来源与处理

（1）由于我国股票市场的特殊性以及长期来备受争议，国家对其的干预较为严重，因此股市本身并不是有效的独立。本文在考虑到宏观经济数据的易获得性，选取了2008年1月一2012年5月年的月度数据。数据主要来源于中华人民共和国统计局网站、中国人民银行网站、东方财富网。

（2）在研究分析中使用的数据为月度数据。这是因为，根据过去学者的研究结论，月度数据比日数据更具有不敏感与稳定特征。首先采用了上证综合指数从2008年1月到2012年5月的月度收盘数据以及对应期间的宏观经济变量指标（包括工业总增加值增速、居民消费物价指数同比增长率、利率水平、货币供应量以及社会消费品零售总额5个具体宏观变量指标）的月度数据。

（3）为了消除所选变量的季节性因素影响，本文采用X-12方法对除利率外的所有数据消除季节因素，并加SA表示，然后取对数以消除时间序列存在的异方差，加L表示。

2、实证分析

2.1相关分析

首先将上述可能影响股市的5个宏观经济变量与上证指数放在一起做出它们的相关系数矩阵，结果发现除利率水平与上证指数较低的相关程度外，其它的相关程度还是比较高，表明这些经济变量与上证指数之间有较强的线性相关关系。利率与股指相关程度较低，说明利率在这一段时间内的变动对股市的影响不是很明显，这与目前实行的利率制度有很大的关系。利率没有市场化，并且中央银行在相当长的时间才会有所调整，这样大大降低了利率与股市变化的联动性。

2.2回归分析

由于以上所选定的宏观经济变量之间普遍存在着较高的相关系数，比较明显的是LSE与LM2，LRATE与LSE、LCPI、LM2。这将出现严重的多重共线性的问题。为了消除变量之间的多重共线性，在此采取逐步回归法。

2.2.1判定系数检验法

做LSE对LM2的回归，发现R2=0.975789；做LM2对LSE的回归，R2=0.975789，但是AIC与SC的值较高，所以我们选用LSE。

2.2.2修正的Frish方法

首先依次做LSH对LSE、LRATE、LGY、LCPI的回归分析，得到R2最大的是LSH对LGY回归，因此选取LGY作为模型的出发点进行估计。继而在LSH和LGY中加入解释变量LSE进行估计，结果R2=0.607245，R2明显提高，并且对LGY的系数值和t检验值都没有较大的影响，因此可以加入解释变量LSE。同理依次加入解释变量LRATE、LCPI，发现R2显著提高入，并且对其它解释变量的系数与t值也没有多大影响，最终得出上证综指与工业增加速度、社会消费零售总额、居民消费价格指数、利率水平之间的函数关系式：

LSH=0.526276*LGY+0.276255*LSE+0.0709678*LCPI-0.17579091LRATE+11.30623

（777）（347）（273）（-291）（1616）

DW值接近2，表明不存在自相关，其它各项值也显示回归方程的性状良好。

2.3ADF检验和协整检验

首先对各变量依次做ADF检验，其检验结果汇总如表一所示。

表1单位根检验表水平检验值是否平稳一阶差分值是否平稳变量ADF值1%水平值ADF值1%水平值LSH-0.48822-2.61203否-3.26754-2.61301是LSE6.039941-2.61203否-3.08677-2.61301是LRATE0.28784-2.61109否-3.22826-2.61203是LGY0.326733-2.61203否-4.50147-2.61301是LCPI1.294107-2.62724否-2.63076-2.39429是从单位根检验表可以看出它们的一次差分序列不存在单位根，是平稳的。即各变量均是一阶单整I（1）序列，因此可以做协整检验，接着得出残差序列为0阶单整序列。说明上述宏观经济变量与我国股票市场的指数变量在样本区间内存在长期均衡关系。

2.4建立误差修正模型（ECM）

误差修正模型是一个短期模型，其中误差修正项反映了长期均衡对短期波动的影响，等式右侧的差分项反映变量短期波动的影响。由上述检验结果可知，在1%显著水平下，LSH序列与LGY、LSE、LRATE和LCPI序列存在协整关系。所以可以建立误差修正模型（ECM）。由此进一步得到误差修正模型为：D（LSH）=0.236996032656*D（LSE）+0.0643539330744*D（LCPI）+0.343416929634*D（LGY）-0.194980771541*D（LRATE）-0.387782334232*ECMt-1

由上可以看出误差修正项ECMt-1对D（LSH）构成显著的影响。即LSH与LSE，LCPI，LGY，LRATE长期均衡关系影响到D（LSH）的变比；另一方面，D（LSH）的变化也受到LSH与LSE，LCPI，LGY，LRATE的短期变化的影响。其中，LSE，LCPI，LGY的短期变化对D（LSH）变化的影响是正的，而LRATE的短期变化对D（LSH）变化的影响是负的。另外得出的误差修正系数为-0.38778，表示当期波动偏离长期均衡时，误差修正项将以0.38778的力度反向调整LSH，将非平衡拉回到均衡状态，符合反向修正机制。

3、结论实证分析表明，上证综指与部分宏观经济变量之间存在协整关系，说明中国股票市场与宏观经济的发展是基本一致的，股票价格指数可在一定程度上反映实体经济发展趋势及状况。虽然上证股指与部分宏观经济变量之间存在长期均衡关系，当然在短期中也偶尔会出现偏离，这可能是市场不理性的缘故，在长期最终要回归到理性。（作者单位：云南民族大学经济学院）

参考文献

篇5

【关键词】利率期限结构 宏观经济信息 研究综述

一、研究的背景和意义

在我国，由于利率管制的限制和债券市场发展不成熟等多方面的原因，学者对利率期限结构与宏观经济运行的关系的研究还处于初级阶段。随着我国金融体制改革、金融自由化程度的提高、货币和资本市场的发展、以及微观主体参与度的提高和金融产品创新等一系列内源推动下，利率作为引导金融资源配置的重要杠杆，其作用日益凸显，因此对利率期限结构和宏观要素之间关系的研究具有越来越重要的意义。

二、文献综述

（一）利率期限结构与宏观经济的国外研究现状

Litterman和Scheinkman（1991）采用主成分分析法对美国政府债券收益率进行了实证研究，并将影响利率期限结构的三个潜在因子分别称为：水平因子、斜度因子和曲度因子，但是并没有给出这些因子的宏观经济含义。

Ang和Piazzesi（2003）将宏观变量加入到三因子的利率期限结构模型中，通过建立VAR模型对1952～2000年的美国国债利率期限结构与宏观经济因素的关系进行了实证研究，实证结果表明，宏观经济因子可以解释利率期限结构中短期和中期利率变动的85%，可以解释利率期限结构中期及长期利率变动的40%；通货膨胀对利率期限结构中的短期部分具有较强的冲击，且利率期限结构中的水平因子可以识别这种冲击；水平因子和斜率因子受宏观经济变量的影响较大；加入宏观经济变量的模型对利率的预测精度有明显的提升。

Hans（2006）在Ang和Piazzesi（2003）的基础上将宏观因子的长期预期值纳入模型中，采用卡尔曼滤波算法对无套利的VAR模型进行估计，并将估计出的三个潜在因子与宏观经济因子进行正交回归，结果表明：引入长期预期值后，模型的拟合优度与预测能力大幅度提升，且水平因子与通货膨胀有关，斜率因子与经济周期有关，而曲度因子则与货币政策有关。

Diebold和Li（2006）在Nelson和Siegle（1987）的NS静态曲线的基础上，提出了动态的Nelson-Siegel模型，构建动态利率期限结构模型，通过卡尔曼滤波方法来估计参数，从中提取出了利率期限结构的水平、斜率和曲率三个潜在因子，在此基础上利用VAR模型检验利率潜在因子与宏观经济变量之间的双向响应关系，将三因子向量扩展成包含宏观经济变量的六因子，从而探讨利率潜在因子与宏观经济之间的相互影响。

Rudebusch和Wu（2008）构造了利率期限结构的宏观金融模型，发现短期利率是利率期限结构与宏观经济变量之间相互影响的传导变量。

Van Binsbergen等（2012）将利率期限结构引入DSGE模型，对比了包含不同变量的估计结果，发现利率期限结构能替代通货膨胀指标得到相近的估计结果，并且包含了有关贴现因子、投资者风险厌恶程度等微观信息。

Kagraoka和Moussa（2013）发现利率期限结构对未来宏观经济的预测能力存在时变特性，他们根据经济状况对样本观察期进行分段，再利用传统模型对分段后的子样本进行估计，基于分段方法存在较大的主观性，这种做法并不能准确刻画变量之间的时变特性。

Frances Shaw，Finbarr Murphy和Fergal（2014）将动态Nelson-Siegel模型运用于信用违约互换（Credit default swaps）上，并且结果表明，该模型对信用违约互换曲线的拟合效果很好，并且预测能力也比较好。

Dara Sim和Masamitsu Ohnishi（2015）在无套利Nelson- Siegel（AFNS）模型的基础上，转换视角将AFNS模型中的服从高斯过程的水平因子替换成服从CIR过程的水平因子，实证表明替换后的新模型更适合美国短期国债利率，而对于到期期限较长的国债收益率预测效果较差。而对于日本的零息债券而言，新模型与AFNS模型没什么差别。

Jared Levant和Jun Ma（2016）在动态Nelson-Siegel模型的基础上，引入了三个宏观经济变量：货币政策利率、工业生产总值、通货膨胀预期，将模型扩展成MFA-DNS（Macro-Factor Augmented Dynamic Nelson-Siegel）模型，来研究英国的债券市场利率期限结构，结果表明，货币政策和经济活动对英国债券利率期限结构的影响显著，并且水平因子和斜率因子与通货膨胀预期和货币政策有关。

（二）利率期限结构与宏观经济的国内研究现状

国内对利率期限结构理论的研究始于上世纪九十年代中后期，起步较晚。此外我国存在一定程度的利率管制，中国债券市场发展仅30年，不管从市场规模、市场质量上看都还不成熟，因此对利率期限结构与宏观经济运行的关系的研究还比较有限。

傅曼丽、屠梅曾和董荣杰（2006）应用常用的四种静态利率期限结构模型对上海证券交易所国债稻萁行实证分析。通过多方面数据比较，得出Nelson-Siegel模型和Svensson模型更加适合我国金融市场的结论。

刘海东（2006）研究了2002年4月至2005年8月期间我国货币政策对利率期限结构的影响。该文章首先用指数样条法对我国国债利率期限结构进行估计，然后用7天期国债回购利率作为货币政策的变量，以此来检验货币政策对利率期限结构的影响。实证结果表明，货币政策对利率期限结构的影响显著，且短期利率受货币政策的影响较大。

郭涛，宋德勇（2008）用Nelson-Siegel模型对我国2004年1月至2006年12月期间我国国债利率期限结构，分析了央行货币政策以及通货膨胀对利率期限结构的影响。结果表明Nelson-Siegel模型可以较好的拟合我国国债利率期限结构，长短期利差可以反映出货币政策的状态，利率期限结构的水平因子与通货膨胀率之间协整。

季绍波，孙铁卿，于鑫和李延喜（2010）通过VAR模型，考察了2004年至2009年我国国债利率期限结构与宏观经济因素之间的动态关系。研究发现，宏观经济因素对利率期限结构水平因子的影响显著，水平因子、斜度因子和曲度因子三个因素可以解释90%以上利率曲线的变化，利用脉冲反应和方差分解，发现实际经济变化主要影响收益率曲线的斜度和曲度，其中货币政策是影响水平因子的主要原因，这一点与发达国家不同。

曾耿明，牛霖琳（2013）运用简约无套利宏观金融模型，首次将2005年1月至2012年4月期间的中国银行间国债收益率曲线分解成债券市场实际利率和通胀预期的期限结构，通过对名义收益率曲线的方差进行分解，得到通胀预期对一年期及三年期的名义收益率曲线波动影响最大，而实际利率对五年期及以上的收益率曲线波动的影响最大。

何晓群，王彦飞（2014）选用动态Nelson-Siegel模型估计出我国银行间债券市场的利率期限结构的三个潜在因子，同时，本文研究发现宏观经济在边际上影响着利率期限结构，其主要是实体经济（CPI和工业增加值）对斜率和曲度的影响，而对利率期限结构的水平移动没有明显影响。

金雯雯，陈亮（2014）利用动态Nelson-Siegel模型估计出国债利率期限结构，并构建时变参数向量自回归（TVP-VAR）模型研究利率期限结构与宏观经济之间的关系，从中探寻利率期限结构隐含的宏观经济信息。研究表明，我国利率期限结构的调整与经济运行相匹配，相比于经济周期和通货膨胀而言，我国利率期限结构没有明确体现出货币政策利率调控的信息，货币政策利率对利率期限结构变化的反应不够灵敏。

尚玉皇，郑挺国（2015）基于混频Nelson-Siegel模型来研究中国国债收益率及宏观经济变量之间的关系。研究表明混频模型可以改进同频模型拟合效果并能够较好的刻画出期限结构的水平、斜率和曲度因子；发现水平因子对通货膨胀有明显的作用，曲度因子受GDP正向影响；且通过方差分解发现通胀因子主要作用于水平因子及收益率曲线的长端，而GDP对曲度因子和中期利率的影响较大。

崔永涛（2016）通过Nelson-Siegel模型拟合我国利率期限结构参数，并将利率期限结构中的不同期限利率利用夹角余弦算法分为人们对未来的短期、中期和长期的利率预期来考察货币政策对人们各个时期利率预期的影响。结果发现，货币政策的变化对长期和短期利率预期有显著影响，而对中期利率预期影响不显著。

参考文献

[1]Diebold F X， Li C.Forecasting the term structure of government bond yields [J].Journal of econometrics， 2006， 130（2）： 337-364.

[2]Dara Sim， Masamitsu Ohnishi.A Modified Arbitrage-Free Nelson-Siegel Model： An Alternative Affine Term Structure Model of Interest Rates [J].Asia-Pacific Finan Markets， 2015，22：53-74.

[3]Jared Levant，Jun Ma.Investigating United Kingdom’s monetary policy with Macro-Factor Augmented Dynamic Nelson-Siegel models [J].Journal of Empirical Finance，2016，117-127.

[4]何匀海王彦飞.中国利率期限结构与宏观经济运行的关系――基于动态Nelson-Siegel模型的研究[J].经济理论与经济管理，2014年第8期.

[5]金雯雯，陈亮，毛德勇，叶茜茜.利率期限结构内含的宏观经济信息――基于TVP-VAR模型的时变参数研究[J].经济评论，2014年第5期.

[6] 尚玉皇，郑挺国，夏凯，宏观因子与利率期限结构：基于混频Nelson-Siegel模型[J].金融研究，2015年第6期.

篇6

关键词:宏观经济;银行危机;不良贷款率

一、引言

自20世纪70年代末,英、美等发达国家开始放松金融监管,也由此加剧了银行危机。尤其是90年代以来,金融危机更是频频爆发,1992年的英镑危机、1994年的美国利率风暴及中南美洲比索风暴、1997年的亚洲金融危机,特别是2007年始于美国的次贷危机最终演变成全球性的金融危机。这些危机的产生,很大一部分都是由银行的信用风险直接导致的。巴塞尔银行监督委员会秘书处成员Svoronos(2002)指出,银行面临的风险中以信用风险的比例最高,约占60%。信用风险已成为银行风险监管的最主要方面。

从宏观的角度来看,一个国家的宏观经济条件、宏观经济政策以及金融监管等在很大程度上决定该国商业银行风险的大小。宏观经济中的通货膨胀和经济周期等是影响商业银行信用风险的主要因素。下面本文就宏观经济因素与我国商业银行信用风险的关系进行研究。

二、相关文献回顾

近年来,已有国内学者研究了宏观经济因素与商业银行风险之间的关系。蒋鑫(2008年)对我国商业银行信用风险与宏观经济因素之间的关系进行了研究,表明我国商业银行信用风险具有亲周期性的特征。谭燕芝、张运东(2009)基于中国、美国、日本部分银行的基础数据对影响银行信用风险的宏观经济因素进行了研究,表明我国银行信用风险与失业率呈显著负相关关系。李红梅、李剑(2010)研究了宏观经济变量对国有商业银行和股份制商业银行信用风险的影响。本文利用2005-2009年的季度基础数据研究我国商业银行不良贷款率与宏观经济因素之间的关系。

三、模型建立与实证分析

本文利用宏观经济因素来分析我国商业银行(国有商业银行、股份制商业银行、城市商业银行、农村商业银行和外资银行)的信用风险,宏观经济因素包括:物价(用CPI来表示)、M2增长率(M2R)、国内生产总值增长率(GDPR)、失业率(UN)。商业银行的信用风险用不良贷款率(NPLR)来衡量。宏观经济变量的数据来自《中国统计年鉴》和国研网宏观经济数据库,不良贷款率的数据来自中国人民银行和中国银行业监督管理委员会网站,经整理而成。在此基础上,建立多元线性回归模型,模型如下:

NPLR=β0+β1CPI+β2M2R+β3GDPR+β4UR+u

通过EVIEWS5.0对模型进行回归,结果如下:

NPLR=52.31-0.76CPI+0.28M2R-

(9.62)(-8.24) (3.62)

0.59GDPR+0.07UN+u

(-2.81)(1.34)

由上式可以发现模型中CPI、M2R和GDPR均通过置信度为5%的t检验,说明它们对被解释变量NPLR有显著影响;而UN没有通过t检验,说明它对NPLR没有显著影响。CPI、GDPR均与NPLR呈负相关关系,它们越大,NPLR越小;M2R与NPLR呈正相关性,它越大,NPLR也越大。消费者价格指数较高时,信用风险较小,此时,政府会进行有效调控,来降低消费者价格指数,经济增速放缓,违约概率开始上升。GDP增长率较高时,信用风险小,但随着信贷的不断增加,至经济增长放缓时,原来累积的风险将释放出来,信用风险增大;当经济增长较慢,政府将采取较为积极的货币政策来刺激经济,M2供给迅速增加,同时违约风险也增大。

四、结论和建议

通过上面的研究可以发现,总体上宏观经济因素对商业银行的信用风险有显著影响,当宏观经济处于繁荣期时,信贷质量良好,违约概率低;而当经济处于衰退期时,信贷质量较差,违约概率较高,即商业银行的信用风险表示出一种亲周期性。

针对以上研究结论,现提出以下几点建议供我国商业银行参考:一是加大对宏观经济形势及国家相关政策的研究。我国商业银行的不良贷款率受宏观经济波动的影响比较大,因此商业银行应密切关注反映宏观经济变动的指标,特别是那些能够提前反映宏观经济变化趋势的指标。二是改进不良贷款的分类方法,现行的五级分类法已不能够有效区分正常贷款与不良贷款,应制定更加精细、有效的分类方法。目前,中国银行、中国工商银行等银行正在尝试在现在五级分类法的基础上,将贷款细化为十二级分类,这是一个发展的方向。三是进一步量化风险管理,商业银行在构建信用风险度量模型时,应该把宏观经济因素考虑进去,提高模型的准确度。

参考文献:

1、蒋鑫.影响商业银行信用风险的宏观经济因素分析[J].财经研究,2008.

2、谭燕芝,张运东.信用风险水平与宏观经济变量的实证研究――基于中国、美国、日本部分银行的比较分析[J].国际金融研究,2009(4).

篇7

【关键词】流动性 HP滤波法 单位根检验

一、引言

2007年，美国次贷危机发生后开始在全球范围内迅速蔓延，并逐渐演化金融危机，对许多国家和地区的证券市场流动性造成了极大的冲击。此轮危机中，我们发现美国股市的流动性与宏观经济之间存在着密切的联系，实体经济下滑之前，证券市场就已经开始出现流动性紧缩的状况，股市“晴雨表”的功能得到体现。这种联系在我国的证券市场中是否也存在呢？本文试图通过对沪深两市中流动性指标与宏观经济变量的季度数据进行实证分析，来探究我国证券市场流动性与宏观经济的关系以及内在机制。

二、文献综述和理论基础

目前，国外文献中关于证券市场流动性与宏观经济关系的研究主要从两个角度出发。一些学者从经济变化影响股市流动性的角度出发来探求两者的关系。Longstaff（2004）认为投资者预测经济状况将发生变化时，他们会调整自己的资产组合来应对经济形势的改变（流动性资产转移效应，flight to liquidity），当这一行为被大多数投资者采用时会导致市场流动性变化。Brunnermeier（2009）认为危机发生时，市场流动性和资金流动性的相互强化机制导致流动性螺旋式下降，金融机构将资金转移到低保证金的金融资产上去，进一步改变了股市流动性。另一些学者从证券市场流动性影响宏观经济的角度来研究两者的关系，其中研究证券市场流动性与经济增长关系的文献占了绝大多数。如Levine（1991）构建的内生经济增长模型，股市风险改变了投资者激励，并通过效率和资源改变了稳态的经济增长率。Kyle（1984）、Holmstrom（1985）则认为证券市场机制增强了公司治理，对实体经济产生正面影响。

国内学者在这一领域的研究多集中在研究证券市场流动性特征或证券市场与宏观经济关系上。刘勇（2004）研究表明股价指数和居民消费价格指数之间存在一种正相关关系，和货币供应量、利率之间存在一种负相关关系。陈梦根（2005）认为沪深两市股价变动与宏观经济变量之间并未表现出协整性特征，在样本期内，中国证券市场与国民经济之间尚未呈现稳定的长期均衡关系。马进、关伟（2006）通过协整分析和Granger因果检验指出我国股票市场与宏观经济存在着联系，但是这种关系很弱且相互影响的程度还不明显。

三、样本选择和实证分析

（一）变量选择和数据收集

考虑我国证券市场的市场特征和数据可得性，本文选择换手率和Illiquidity非流动性指标（ILR）来衡量我国股市的流动性。换手率从市场深度（depth）对流动性进行度量的，Illiquidity从市场深度和市场宽度两个维度对流动性进行度量。

换手率：，其中为第i只股票在T期内的交易

量，第i只股票的流通总股数。换手率越大，表明证券持有时间越短，流动性越大；反之，则流动性越小。

Illiquidity：，其中表示第i只股票或指数在T期的非流动性比率；表示第i只股票或指数在T期的收益率；表示第i只股票或指数在T期的交易金额。ILR衡量了一定交易量引起价格变动幅度的大小，LIR越大说明流动性越差。

本文选择上证综指和深圳成指作为沪深两市的代表，分别计算两种指数的换手率和非流动性比率。为了便于数据处理，计算出的非流动性比率ILR统一乘以1013。宏观经济变量包括真实GDP，真实消费（CONS），真实投资（INV）和利率，其中真实投资用经价格调整的全社会固定资产投资代替，真实消费用经价格调整的社会消费品零售总额代替，利率选择目前市场化程度较高的全国银行间同业拆借利率（7天年化利率）代替。本文数据主要来自于Wind数据库、国家统计局和中国人民银行网站，样本区间为2001年第一季度到2012年第二季度的季度数据，使用Excel和Eviews6.0beta进行数据处理和实证分析。

（二）实证分析

第一步，通过X-12-AA法对时间序列进行调整以消除季节性影响，得到调整后的序列再取一阶差分，得到dGDPSA、dCONSSA、dINVSA。对以上序列进行单位根检验，结果如表1所示，可见dGDPSA、dCONSSA和dINVSA是平稳的。

表1 单位根检验

t-Statistic ??Prob.*

D（GDPSA） ADF test statistic -4.291233 ?0.0016

Test critical values： 1% level -3.615588

5% level -2.941145

10% level -2.609066

D（CONSSA） ADF test statistic -10.07286 ?0.0000

Test critical values： 1% level -3.615588

5% level -2.941145

10% level -2.609066

D（INVSA） ADF test statistic -2.815358 ?0.0670

Test critical values： 1% level -3.646342

5% level -2.954021

篇8

[关键词]上证综指；中小板指；创业板指；实证分析

[DOI]10.13939/ki.zgsc.2015.42.047

本文目的主要是针对我国股票市场近年来的发展状况，通过实证分析的方法，研究宏观经济因素与我国股票市场指数的关系，以期进一步了解影响股票市场发展的深层次原因，并有针对性地提出相应的解决方案。

1我国主要证券指数的编制

1.1上证综指简介

上证综指，即“上证综合指数”（上海证券综合指数，Shanghai Securities Composite Index.）。它是上海证券交易所编制的，以上海证券交易所挂牌上市的全部股票为计算范围，以发行量为权数综合。上证综指反映了上海证券交易市场的总体走势。

上证综合指数是最早的指数，这一指数自1991年7月15日起开始实时，基日定为1990年12月19日，基日指数定为100点。截至2014年10月17日，收盘点数为2341.18点。期间最高点数为6124.04点，发生于2007年10月16日。2007年以来，大部分时间运行于1800～2400点。

在世界比较成熟的股票市场中，股票市场的换手率相当低而且比较稳定，而我国股市的换手率比较高，且起伏比较大，但是随着整个公司市值和体量的增大，换手率逐渐降低，目前月度换手率基本稳定在10%～20%。可见A股市场已经逐渐走向成熟。

从构成指数的公司的基本面情况来分析，上证综指成分股估值主要集中在10～30倍区间，市值集中于20亿～200亿元人民币，扣除非经常损益后的归属于母公司的净利润有70%左右的公司实现增长，充分体现了上市公司代表我国先进生产力的能力。

1.2中小板指

中小企业板指数；指数简称：中小板指；英文名称：SSE SME COMPOSITE。2005年6月7日，确定为中小板指数的基日，基日指数定为1000点。

中小板指共包含100个公司，并且会进行每半年一次的调整。时间定于每年1月、7月的一个交易日进行，通常在前一年的12月和当年的6月的第二个完整交易周的第一个交易日公布调整方案。

成分股样本定期调整方法是先对入围股票按选样方法中的加权比值进行综合排名，再按下列原则选股：一是排名在样本数70%范围之内的非原成分股按顺序入选；二是排名在样本数130%范围之内的原成分股按顺序优先保留；三是每次样本股调整数量不超过样本总数的10%。

从构成指数的公司的基本面情况来分析，中小板指成分股的估值高于上证综指，主要集中在30倍PE以上的区间，市值集中于50亿～100亿元人民币，但是大于500亿元人民币的公司相比上证较少。扣除非经常损益后的归属于母公司的净利润有70%左右的公司实现增长，其中增速大于20%的有40家左右的公司，充分说明了中小板企业优秀的成长能力。

1.3创业板指

为了更全面地反映创业板市场情况，深圳证券交易所于2010年6月1日起正式编制和创业板指数。至此，创业板指数、深证成指、中小板指共同构成反映深交所上市股票运行情况的核心指数。创业板指基日2010年5月31日，基点为1000点。指数代码为399006，指数名称：创业板指数，简称：创业板指。

创业指数选样以样本股的“流通市值市场占比”和“成交金额市场占比”两个指标为主要依据，体现深市流通市值比例高、成交活跃等特点。其次，指数计算以样本股的“自由流通股本”的“精确值”为权数，消除了因股份结构而产生的杠杆效应，使指数表现更灵敏、准确、真实。指数样本股调整每季度进行一次，相比于中小板指的半年一次，可以更好地反映创业板市场快速成长的特点。

从创业板指数编制方案来看，指数选样入围标准有5个：一是在深交所创业板上市交易的A股；二是有一定上市交易日期（一般为三个月）；三是公司最近一年无重大违规、财务报告无重大问题；四是公司最近一年经营无异常、无重大亏损；五是考察期内股价无异常波动。

从构成指数的公司的基本面情况来分析，创业板指成分股的估值高于上证综指和中小板指，30倍PE以上的区间占绝对多数，市值集中于50亿～100亿元人民币，大于200亿元人民币市值的公司相比上证和中小板指较少。扣除非经常损益后的归属于母公司的净利润有70%左右的公司实现增长，其中增速大于20%的有50家左右的公司，这一指标高于上证综指和中小板指的情况，充分体现了作为新兴产业优秀企业的代表，创业板指拥有高速增长能力和巨大的潜力。

2实证分析

2.1变量选择

一是经济增长GDP：当经济增长时，企业盈利增加，股价上升，反之反是，由于缺乏GDP月度数据，本文采用国家统计局的工业增加值来代替；二是利率水平R：使用一年期国债利率，当利率提升时，资本市场未来现金流贴现值下降，企业融资成本上市盈利下降，股指下降，反之反是；三是通货膨胀CPI：当通货膨胀上升时，名义利率上升，带动股指下降，反之反是，同时通货膨胀会影响企业盈利，周期性行业在周期前段收益于通货膨胀，周期后端受损于通货膨胀，CPI数据来自中国统计局；四是人民币实际汇率REER：用国际清算银行公布的人民币实际有效汇率表示，记为REER，标价法为间接标价法；五是货币供给量M：采用人民银行公布的广义货币M2；六是股票指数我们分别采用了上文提到的上证综指、创业板指、中小板指，分别用sz、cy、zx表示。

以上所有变量序列中，除R外，都表示成自然对数的形式，其差分序列就是对应变量的增长率序列，所有变量以差分形态显示。数据选取2008年1月～2014年10月，取用月度数据。

2.2方法论说明

2.2.1序列平稳性检验

由于可能存在谬回归，一般需要检验经济序列平稳性。平稳性检验可以归结为时间序列单位根检验。常用单位根检验方法有ADF（Augmented Dickey-Fuller）检验法和PP（Phillips-Person）检验法。

2.2.2格兰杰因果关系检验（Grange Casual Relation Test）

根据Grange检验方法，设两个变量序列{x_t}和{y_t}，建立y_t关于和x的滞后模型。其中，c为常数项，p为滞后阶数。检验x是不是关于y变化的原因相当于方程（1）检验假设H_0：β_1=β_2=β_3=…=β_p=0是否成立。

2.3经济计量检验结果与分析

2.3.1变量序列的平稳性检验

为了检验变量序列之间的格兰杰因果关系和协整关系，首先检验变量序列的平稳性。检验方法采用ADF方法。检验时，先根据其基本时序图确定截距项和时间趋势项是否存在，也就是确定ADF检验的基本形式，再根据赤池信息准则（AIC）确定滞后阶数，最后根据ADF统计量判定是否平稳。变量序列的平稳性检验表明，上述变量都是1（0）的，即它们本身都是平稳的。

2.3.2格兰杰检验

为了检验股市价格指数和实质宏观经济变量之间的因果关系，同时为了避免检验中的伪回归现象，对上述序列的平稳形式进行格兰杰因果检验。从实证结果看，经济增长、利率、汇率变化、通货膨胀、货币发行M2都是上证综指收益率的格兰杰原因，而上证综指反过来也是宏观经济变量（除经济增长外）的格兰杰原因，这意味着宏观经济变量和上证综指在统计意义上彼此影响。中小板指的格兰杰原因中显著的仅有CPI一个，经济增长、货币发行、利率变化、汇率变化不是中小板指的格兰杰原因，反之，中小板指也不是宏观变量的格兰杰原因。中小板指对宏观经济不敏感的原因可能是因为中小板指的公司一方面成长性较好，这些公司的业绩增长不太受宏观经济变量影响；另一方面，中小板指的上市公司市值偏小，容易因为某些概念受到游资疯狂炒作。

宏观经济变量对创业板指数的格兰杰影响都不显著，反之，创业板指数对宏观经济变量的影响也不限制，创业板指独立于宏观经济变量的影响，有两种可能，原因可能和中小板指类似，主要是由于公司的成长性和游资的炒作。

3国外研究简述

国外对于股票市场与实际经济之间关系的最重要的研究来自于芝加哥大学法玛，即有效市场理论的提出者。他利用美国1953―1987年月度、季度和年度的数据进行的回归分析发现股市收益率和未来产出的增长率之间有显著的正相关关系，股市在美国确实起到了经济晴雨表的作用。

也有一些其他研究者指出，股票市场发展对经济增长起着积极的促进作用，但是对于新兴资本市场的研究结果却呈现出不同的特征。认为在发达国家中股票市场与经济增长之间存在着相互促进的正向关系，但在发展中国家两者之间的联系非常弱。

4结论

总体上说，针对证券市场制度性建设方面的政策措施等，将影响股市中长期的根本发展趋势，如QFII、QDII、开放式基金成立、融资融券、股指期货等对股市已经或必将产生长期、深远的影响，伴随着更加丰富的资本市场层次，更加多样化的投资手段，更加国际化的机构投资者的加入，以及股票上市规模的扩大，股价指数大幅波动的情况逐步减少，股市与宏观经济的关系愈加密切。

参考文献：

[1]刘斌，张旭.宏观经济变量对股票价格指数影响的实证研究[J].时代金融（下旬），2014（3）：135-136，142.

[2]孟建国，吴鸿雁.我国股票指数期货若干问题研究[J].金融理论与实践，2002（12）：38-40.

篇9

一、引言

一般来说，国家相关统计部门都会定期对宏观经济统计数据进行披露，比如消费者物价指数、贸易顺逆差以及固定资产投资等。这些宏观经济统计数据一旦公布出来后将影响金融市场，通常情况下市场预测值和实际宏观经济统计数据间有一定的偏差，这种偏差影响了金融市场的波动，所以客观准确的宏观经济数据公布对债券市场、股票市场及外汇市场有着重要的影响，本研究正是以此为切入点，把预期值和实际数据之间的差距引入garch模型，探讨宏观经济统计数据对金融市场的影响，从某种程度上来说具有一定的理论与实际意义。

二、宏观经济变量与市场预期

1.宏观经济变量

在本研究中主要采用国家统计部门每月公布的比较常用的五个宏观经济变量，比如城镇固定资产投资增速、消费者物价指数、消费品零售总额增速、货币信贷信息及贸易顺差或者逆差等。其中城镇固定资产投资增速是反映固定资产投资在一定时期内变化的速度与程度；消费者物价指数是反映和居民生活有关的产品及劳务价格统计出来的物价变动指标，一般情况下作为观察通货膨胀水平的重要指标；消费品零售总额增速是指消费品零售总额增长的程度，它反映一定时期内消费品零售总额增长的速度；货币信贷信息是指关于货币增长速度、货币政策以及与货币市场相关的一切信息；贸易顺差是指特定年度一国出口贸易总额大于进口贸易总额，通常又叫“出超”，它表示该国当年对外贸处于有利的地位，相反贸易逆差则是指特定年度一国出口的贸易总额小于进口贸易总额，一般又叫做“入超”。

2.市场预期

一般来说，在国家统计部门公布宏观经济统计数据之前，市场参与者会依据自己通过各种渠道获得的信息积极主动地对宏观经济统计数据进行预测，这些具有一定预测作用的数据叫做市场预测数值，然而市场预测值和实际的宏观经济数值往往有不一致的情况，这种不一致的程度叫做偏差，本研究衡量这种偏差量采用的是实际公布数据与市场预测值之比，再乘以一百，然后对数据进行平滑处理，进而可以发现正偏差或者负偏差对金融市场价格行为的影响。本研究中采用的是朗润预测，因为它具有很强的代表性。

3.预期检验模型对市场价格行为的影响

由于金融市场的收益率数据存在明显的自相关性，所以探讨宏观经济统计数据效应的模型不能简单地采用回归模型，而应当从arch族模型中选择其中一个，本研究中采用的是garch模型，采用这一模型来探讨宏观经济统计数据对股票市场、外汇市场及债券市场的价格行为。

(1)未引入预期检验模型对市场价格行为的影响

从未引入预期的garch模型结果来看，如果股票市场方差方程的城镇固定资产投资回归系数为负且具有显著性，这表明货币供应量、固定资产投资及新增贷款数额统计数据的公布使得股票市场收益率的波动率降低，如果cpi回归系数为正，但没有显著性，则表明cpi统计数据公布加大了股票市场日收益率的波动；如果债券市场货币信贷信息系数为负且显著，则表明货币信息统计数据的公布对债券市场行为有着重要的影响，货币信贷统计数据的公布不仅降低了债券市场日收益率的波动率，且降低了债券市场日收盘的收益率的平均值；如果外汇市场cpi与货币信贷信息系数为负且显著可以知道，cpi与货币供应量等统计数据的公布提高了人民币升值的日幅度，如果外汇市场方差方程回归结果中各个宏观经济统计数据的回归系数皆不显著时，则表明宏观经济统计数据的公布对人民币和其他币种收益率的波动影响降低。

(2)引入预期检验模型对市场价格行为的影响

引入市场预期之后，如果股票市场均值方差中城镇固定资产投资回归系数为负且显著时，则表明固定资产投资增速的预期值要低于实际值，股票市场的日收益率降低。如果其他宏观经济统计数据公布的回归系数为负且显著时，不管实际数据公布与预期数据之间的偏差的正或者是负，都会降低股票市场日收益率的波动率；对外汇市场与债券市场而言，在引入预期检验模型后，其功效比未引入预期检验模型要差，主要是由于外汇市场化程度较低及外汇市场与债券市场的参与者主要是国家及大型金融机构。

三、结论

篇10

【关键词】宏观经济；财务约束；资本结构

宏观经济因素和财务状况会对企业资本结构产生显著影响的观点已经得到了许多研究的支持。Korajczyk和Levy（2003）的实证研究指出财务状况良好的企业其目标杠杆逆周期变化，而财务状况差的企业其目标杠杆则顺周期变化。在国内研究中，原毅军和孙晓华（2006）使用了包括实际经济增长率在内的一系列宏观经济变量对企业资本结构进行了解释，其研究支持宏观经济因素对资本结构产生显著影响的结论。而苏冬蔚和曾海舰（2009）则以企业特征因素和行业因素为控制变量，运用非线性计量方法考察了宏观经济因素对资本结构的影响，其结论说明我国上市企业的资本结构呈显著的逆周期变化。就目前国内研究而言，并未深入研究不同财务状况的企业其资本结构对宏观经济的反应是否一致。针对这一问题，文章将以中国上市企业为样本，研究在我国的经济体制下宏观经济对不同财务状况企业的资本结构的影响。

一、研究模型、变量设计和样本选取

（一）研究模型

文章在Korajczyk & Levy（2003）等的模型基础上经过调整，将资本结构与解释变量设定为如下的线性关系：

企业的财务状况如何有不同的判断标准，文章将采用现金流来企业的财务状况。计算方式采用Byoun（2008）的标准，即将现金流（FDit）定义为资金的使用减去资金的来源，资金的使用包括三项，营运资本增加额（Wit）、投资活动产生的现金流量净额（Iit）和分配的股利和利润（DIVit），资金的来源则用经营活动产生的现金流量净额（OCFit）来表示。如果FDit大于0，则企业i在t年现金流短缺，小于0则现金流充足。现金流（FDit）的计算公式如：

（二）变量设计

资本结构变量。在我国的上市企业中流动负债占到了企业负债总额的大部分，结合我国的实际情况和已有的研究（Korajczyk & Levy（2003），苏冬蔚、曾海舰（2009）等），文章将使用流动负债占总资产的比例来企业的资本结构，其计算公式如下：LEVit=CLit/TAit。其中LEVit表示企业i在第t期的资本结构，CLit表示企业i在第t期的流动负债，TAit则表示企业i在第t期的总资产。

宏观经济变量：国内生产总值（GDP）。宏观经济状况最具代表性的指标就是GDP，文章采用实际GDP的自然对数来表示。

一年期贷款利率（I）。贷款利率是央行进行宏观经济调控的工具之一，它的上下浮动会影响到企业的贷款成本，进而影响到企业的融资决策。

股票市场回报率（RE）。借鉴苏冬蔚和曾海舰（2009）的研究，文章采用了深沪两市流通市值加权市场指数的总回报率来表示股票市场的表现。如果样本企业是在上海上市则采用沪市的回报率，如果在深圳上市则采用深市的回报率。

企业特征变量。根据已有研究，文章选择以下企业特征变量作为控制变量：（1）企业规模（SIZE），文章中使用主营业务收入的自然对数来表示；（2）资产有形性（PPE），本指标使用总资产中固定资产所占比例来表示，其比例越高，负债的担保能力就越强，因此越容易获得贷款；（3）盈利能力（ROA），文章中用资产收益率来表示企业的盈利能力；（4）成长能力（Q），文章中用托宾Q值来成长能力；（5）非债务税盾（NDTS），负债拥有节税效应，但是由折旧等导致的非债务税盾同样会产生避税效果，因此非债务税盾的增大会减少企业的负债，文章中使用累计折旧除以总资产来表示；（6）股权结构（LARGE）。由于我国的经济体制不同于西方国家，很多上市企业存在国有股“一股独大”的情况。文章中用大股东持股比例来做为股权结构的变量。

（三）样本选取和估计方法

文章样本选择的是在2002年底之前上市的企业1998年至2009年之间的财务数据。样本的处理原则如下：不包括金融保险类企业；删除了连续三年被PT和ST的企业；删除了数据缺失的企业；删除资产负债率大于1的企业以及在计算各项指标时出现奇异值的企业。最后共获得893家企业的9450个样本点。其中现金流充足样本点为6810个，现金流短缺样本点为2640个。以上数据均来自于中国经济研究中心数据库（CCER）。估计方法是广义矩估计（GMM），工具变量选择解释变量的滞后一阶。

二、实证结果分析

模型（1）的回归结果（如表1所示）：

从表1的回归结果中可以看出，财务状况不同的企业对于宏观经济的反应是完全不同的，对于现金流充足的企业而言，GDP和利率的回归系数均显著，股票市场回报的系数不显著。其中GDP的系数显著为负，说明财务状况良好的企业其资本结构具有逆周期效应。而对于受到财务约束的企业而言，不论是GDP，利率还是股票市场回报其系数均无法通过显著性检验，这说明宏观经济对现金流短缺企业的资本结构的影响不显著，其资本结构不具有周期性，同时也与财务状况良好的企业形成了鲜明的对比。回归方程的R-squared为0.6889，说明方程拟合程度较好，sargan-p值达到1，说明工具变量的选择是有效的。

实证结果表明，财务状况良好的企业其资本结构的选择表现出了逆周期效应，即在宏观经济繁荣时其资本结构下降，宏观经济衰退时资本结构上升；而财务状况差的企业其资本结构的调整不具有周期性，宏观经济对其影响不显著。

参考文献

[1]Robert A．Korjczyk， Amnon Levy． Capital structure choice：macroecnomic conditions and financial constriaints[J]．Journal of Financial Economics．2003（68）：75～109

[2]Soku Byoun．How and When Do Firms Adjust Their Capital Structures toward Targets？[J]．The Journal Of Finance．2008（6）：3069～3096

[3]原毅军，孙晓华．宏观经济要素与企业资本结构的动态优化[J]．经济与管理研究．2006（5）：39～42