宏观经济影响范文
时间：2023-10-09 17:30:13
导语：如何才能写好一篇宏观经济影响，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
通常可以用“动态复杂性”和“结构复杂性”两个概念描述经济系统的复杂性。动态复杂性是指随着时间延续，经济系统的行为也随之发生变化，经济系统的变动趋势越难以预测，运行越来越不规则，那么整个经济系统的复杂性也就越高；而结构复杂性是指某一时间点，经济系统的构成状态，结构复杂性假设经济系统由若干小部分组成，这些小部分既相互独立，又相互依存。数量越多，说明经济系统的结构复杂性越高。然而，无论是基于动态复杂性角度分析，还是基于结构复杂性角度分析，我国的经济系统都朝着日益复杂化的方向发展。
二、我国经济系统复杂性的特点
（一）我国经济系统的构成变化速度加快
目前，我国经济系统的构成变化速度日益加快，结构复杂性日益增加，变动规律难以预测。市场经济的本质是优胜劣汰，每年都会有数以万计的经济单位在重组、破产、兼并过程中消失，但每年也会有数以万计的经济单位注册成立。与此同时，经济单位的所有制形式随着经济体制改革的日益深入也变得较为复杂。无论是在经济总量中所占的比例还是数量，我国国有企业都呈现较为明显的下降趋势。而个体企业、民营企业、合资企业、外资企业却得到了较快发展。此外，从表1可以看出，我国第三产业对国内生产总值的贡献率日益提高，从1990年仅占国内生产总值的17.3%提高到2013年的46.8%，主要原因在于第三产业是沟通物质产品最终消费者和生产者的中介产业。第三产业所占比重越高，说明各产业之间的经济联系越密切，各个产业之间的结构也越复杂。
（二）经济系统构成部分的异质性明显提高
我国经济系统中存在较多的异质性表现，如消费者需求日益多样化、企业规模分布不均匀、行业规模分布不均匀、地区经济差异较大、居民收入不均匀等。从地区经济发展情况看，东部地区与西部地区、中部地区的差异日益增大，由表2可以看出，东部地区的江苏省2011年生产总值为49110.27亿元人民币，2012年生产总值为54058.22亿元人民币，2013年生产总值为59161.75亿元人民币；而西部地区的贵州省2011年生产总值为5701.84亿元人民币，2012年生产总值为6852.20亿元人民币，2013年生产总值为8006.79亿元人民币，仅占同期江苏省生产总值的12%左右。基于企业规模来看，企业与企业之间的规模差距日益加大，尤其是在电力、石油等垄断性行业，少数占支配地位的大型企业几乎完全垄断了整个行业的市场销售活动和生产活动，使企业与企业之间的内部效率差异与经济行为差异日益增大。
（一）促进政府制定细致的、针对性强的宏观经济政策
经济系统的各个构成部分之间差异越大，就需要越多信息协调经济运行，这会增加整个经济系统的结构复杂性。而经济系统的结构越复杂，越会使经济系统构成部分呈现出高度多元化或高度异质性特点。在这种情况下，政府若要开展有效的宏观经济管理，就必须在采集大量数据的基础上，制定细致的、针对性强的宏观经济政策，而不能再采用过去统一的、简单的经济政策。
（二）对政府的宏观调控能力提出了更高要求
篇2
关键词：互联网金融；宏观经济；经济发展
在宏观经济发展期间，互联网金融能够对宏观经济造成非常大的影响，所以必须充分意识到互联网金融与宏观经济的关系，以此来促进互联网金融的进一步发展。
一、互联网金融的发展分析
（一）以互联网为核心的传统金融互联网金融其本质，就是传统金融与互联网技术相互之间的融合。人们通过互联网，便可以完成金融产品的购买。我国以互联网为核心的传统金融业务，多数都是由各大金融机构引导的金融互联网，在发展初期，很多金融机构都在互联网中找到了今后的发展方向。在1996年，招商银行优先在国内开通了网上银行，而在后续几年，其他银行也陆续完善了网上银行业务。现如今，我国电子银行体系已经逐渐接近于完善，据不完全统计，以个人、企业、手机网上银行为核心的电子银行体系，已经覆盖了我国约75%的人口。除此之外，诸如腾讯、阿里巴巴等企业也成功获批了民营银行的资格，第三方电子商务以及网络金融平台也成为了互联网金融中不可或缺的一部分。
（二）第三方支付我国的第三方支付运营模式通常可以分为两种，第一种属于独立在电商之外的第三方支付，这种支付模式本身并不具备担保功能，属于为用户提供支付功能的一种方式，如快钱、易宝等。而另一种则是以支付宝为首的第三方支付模式，因为其自身依托于电商平台，所以具有一定程度的担保功能。这也是我国当前使用最为广泛的一种第三方支付模式，其中支付宝、微信支付占据了第三方交易金额的85%以上。
（三）互联网信用业务互联网金融中的信用业务，包括众筹、P2P网贷等功能，其中网络属于通过网络平台实现借贷双方资金融通，可以满足人们对于资金的使用需求，提高社会中各类闲散资金的利用率。而众筹则能够通过大规模集中闲散资金，来完成项目资金的聚集。
（四）虚拟货币虚拟货币的本质就是由计算机生成的各种复杂代码，其中新币能够在P2P网络节点中按照既定程序运算而成。虚拟货币设定有总量上限，在虚拟货币不断增加的过程中，新币的制造速度将会大幅降低，比特币便是当前最为火爆的一种虚拟货币。
（五）互联网金融的优势互联网金融就是通过互联网、信息技术开展融资、投资的一种现代化金融模式。当前的互联网金融与传统金融存在着一致性，两者都可以归纳在金融产品的范畴中，但是因为互联网金融的覆盖范围远远大于传统金融，所以互联网金融的受众群体往往会更大。人们在使用互联网金融时，其便捷的金融服务模式将会使服务效果得到优化。互联网金融与传统金融两者之间的关系非常特殊，既属于竞争关系，又可以实现优势互补。不同于传统金融，互联网金融在运营期间，其所需要的成本更低，这也是互联网金融的一项核心优势，因此可以通过线上采集、整理客户信息，线下开展客户跟踪与服务。
二、互联网金融对于宏观经济的积极影响
（一）经济结构改革在互联网金融出现之后，我国的传统金融经济结构便出现了转变，由于我国相关法律有所约束以及金融产业的持续发展，所以经济结构的转变将会变得非常明显。在互联网金融的影响下，我国整体经济结构会逐渐变得愈发稳定，而且传统金融经济结构也会与互联网金融经济结构实现融合，两者相互之间形成优势互补，从而实现宏观经济的可持续发展。在优势融合之后，互联网金融能够为人们提供更加便捷的金融业务，而线下传统金融则能够在业务售后层面，提供足够优质的业务跟进，从而提高用户对于金融业务的满意度。
（二）金融产品的丰富与创新互联网金融作为金融产业的新模式，在发展过程中已经逐渐得到了人们的认同，这也代表着互联网金融从宏观经济角度存在积极正面的影响。相较于原本的金融投资模式而言，从线下金融转移到了线上金融。此时的用户利用手机便可以完成对金融产品的投资，并实现个人的经济管理，多样化的金融产品将会为客户提供更多的选择。即便每一位用户其自身的需求各不相同，依然可以通过对比选出更加适合自己的金融产品。例如阿里巴巴旗下的余额宝，便是很多人最常使用的一种活期金融产品，通过简单的储存便可以看到每天的收益不断增加，在提高金融产品服务品质的同时，降低了金融产品的投资难度。
（三）优化传统金融的缺陷在传统金融行业的发展过程中，因为外界影响因素较多，所以传统金融服务在一段时间内其主要面对的用户群体属于大型企业，而中小型企业与个人则无法购买金融产品，而且因为金融业务办理难度较高且繁琐，所以开展的金融业务往往无法满足用户的实际需求。然而在互联网金融的影响下，传统金融自身的缺陷将会得到弥补，利用互联网平台便可以完成中小企业以及个人的金融交易，提高整体交易量。使金融业务的覆盖面变得更加广泛。除此之外，在金融业务办理中，互联网金融的流程将会变得更加简单，而且在大数据技术的协同下，还能够根据用户数据信息来了解用户需求，以此将更加个性化的服务内容传递给用户，进而促使宏观经济的发展。
（四）强化国民的消费能力互联网金融的高速发展，能够有效集中各个地区的消费资本，人们在日常生活中进行购物消费时，传统现金的使用量将会出现大幅度降低，而互联网金融则以其便捷性得到了人们的青睐。各个年龄层的人们会更加倾向于手机快捷支付。而且互联网金融还能够有效超越时间与空间，任何时间都可以在24小时营业的商家中进行消费。在互联网金融的作用下，广大民众的消费能力将会有所上升，因为互联网金融在消费期间无需排队，消费效率也会因此而上升。除此之外，利用互联网金融还可以随时关注到自己当前的金融信息，减少现金的携带，在提升支付效率的同时提高资金安全性。
三、互联网金融对宏观经济造成的负面影响
（一）信用风险上升在互联网金融的发展过程中，借贷逐渐成为一种普遍的消费情况，依托于虚拟交易平台，网络交易将会变得非常简单，但是网络交易却很难同时考虑到各个方面，因此在交易期间存在一定程度的信贷风险。在网络阶段过程中，贷款人很难及时掌握借贷人的资金使用情况，如果借贷人将贷款资金使用在了风险投资中，就会促使贷款违约风险进一步上升。在互联网金融的不断发展中，各类网络借贷平台的数量正在逐渐增多，其中大部分借贷平台在开展借贷业务时，往往只会针对资金供需方面提供一定的业务引导，而在借贷双方交易中并不能直接核查具体信息，当借贷平台无法顺利掌握资金情况时，就会导致信用违约的风险发生概率得到大幅度提升。
（二）征信体系风险在互联网金融中，只有妥善控制金融风险，才能够促使金融产业长久发展下去。在整个互联网金融产业中，征信系统的重要性毋庸置疑，政府是否完善将会直接影响到金融风险的控制质量。就实际情况而言，我国当前主要流行的征信体系依然存在风险问题。处于金融市场中的部分小微型企业，并没有完全融入到征信体系的管控中，所以需要通过强化现存的征信体系，来保证互联网金融在发展过程中的安全性。
（三）高风险经营项目增多现如今，互联网金融已经成为信贷金融行业中不可或缺的重要环节，通过互联网金融不仅能够有效降低业务成本，还能够对理财业务做出优化。这也导致众多想要投资的用户将原本存储于银行中的存款，投入到了互联网理财产品中，而银行为了保证运营效果，就必须调整自身原有的资金获取方式，通过结合当前货币市场的特点来优化资金的获取方式。所以商业银行会选择开发部分风险相对较高的理财项目，以此来集中资金，这部分风险相对较高的互联网金融产品，将会对宏观经济发展带来一定程度的消极影响。
四、互联网金融经济与实体经济的互动发展策略
（一）合理调整金融融资标准金融机构在贯彻相关金融政策时，因为行业自身具有一定的特殊性，所以在融资标准存在问题时，就会对实体经济造成影响。所以需要定期针对当前的宏观金融政策来开展经济调整，并设置金融融资标准，只有金融标准足够合理，才能够带动实体经济的稳定发展。在实体经济市场中，材料价格、投资决策变动都有可能对企业的资金管理带来影响。而此时由金融机构提供的借贷业务，将成为解决资金问题的重要方式。所以在完善互联网金融融资标准时，需要考虑得更加全面，在满足国家当前的宏观经济政策的同时实现融资标准合理化。进而满足实体企业的实际需求。
（二）完善互联网金融风险控制手段我国互联网金融目前所面对的主要风险，来自于金融市场，而产业自身的高速发展也会促使金融风险的形成。所以在遇到不同种类的互联网金融风险时，需要结合实际情况选择更加适合的金融风险控制手段。金融机构可以通过大数据、云计算等新兴技术，来实现风险的预测与实时监管。对于金融行业而言，因为金融产业本身便具备一定程度的波动性，所以金融机构需要提前落实金融风险的评价指标，以此来完成客户信用等级的客观评价，进而发掘出优质的金融客户群体。
（三）互联网借贷模式的管控在互联网金融的影响下，我国的金融支付方式正在逐渐增多，却导致传统银行的柜面业务受到了一定程度的影响。而且互联网金融的出现还降低了借贷业务门槛，借贷业务的风险程度也因此不断上升。对于网络借贷业务而言，虽然表面上有着相对较低的借贷利率，但是借贷平台却会通过手续费等方式来提高收款金额，此类借贷机构严重影响到了我国宏观经济的稳定发展。为了解决非法借贷等问题，需要合理加强网络约束，强化对于互联网借贷公司的资格审批与监管，维护人们应有的合法权益。除此之外，从客观角度出发，互联网金融与实体金融会随时出现波动，因为金融经济在发展时往往需要面对各种不确定因素，所以需要强化风险监管体系，以此来维护宏观经济的可持续发展。
篇3
此次印度洋海啸夺去成千上万人的生命，再一次把亚洲卷入极度悲痛之中。幸运的是，尽管海啸破坏了数百万家庭的正常生活，但它对宏观经济的影响可能非常有限，而且这远远小于2003年SARS造成的破坏。这里有四点理由支持该论断。
四大理由
首先，海啸的影响主要是海滨城镇和村庄。到目前为止，还没有关于大城市或工业/港口设施受到严重损害的相关报道。海滨地区有巨大的人员伤亡，而内陆地区基本安然无恙。海啸已经对这些地区的观光旅游业造成极大的经济损失，但这在受灾国家和地区GDP的总额中只占很少份额。在遭遇海啸的东南亚各国中，（编者注：除马尔代夫外，）泰国可能是经济上遭受打击最大的国家，因为泰国的GDP中有6%由旅游业创造，而在其中占有重要地位的普吉岛地区旅游业受到了最为严重的影响。在印尼，受海啸影响最大的是亚齐省，那里的旅游业并不发达，而是拥有丰富的石油资源。该地区的石油业设施在海啸中得以保存，并且在第二天就重新开始运作了。与泰国和印尼相比，海啸对马来西亚的影响就更小了，槟榔屿等旅游景点都没有太大的破坏。
其次，与SARS的破坏力曾持续数月不同的是，这次海啸所造成的破坏可能是短期的，而随后的工作也会减少灾害对旅游业造成的消极影响。的确，国外许多旅游者取消了旅游计划和预定的酒店客房，但随着废墟的清理和旅游设施的重建，到那些受灾地区观光的游客很可能会更多。而且，在国内和国外会产生一些短期的(甚至有些是持久的)替代效应。例如，泰国、斯里兰卡以及马来西亚的那些未受影响的旅游景区可能将面对日益增加的需求，就像印尼的巴厘岛和菲律宾的宿务岛这些并未受到影响的亚洲重要旅游景点一样。
第三，观光旅游业以及渔业出口的损失也许能部分地(或者甚至能超过补偿值)通过重建加以补偿，而且，由此对GDP带来的整体影响也不一定很大，消极作用不会很明显。历史证明，自然灾难后的重建工作往往成为强大的发展动力。1995年1月在日本海滨城市神户的大地震就是很好的例子。那次地震夺去了6400人的生命，造成的资产损失更大，达950亿美元。但这对1995年日本的GDP影响却并不明显，这主要得益于紧随其后的大规模重建。
第四，大规模国外财政债务减免行动正在进行中，这将为受灾地区提供重建资金，并缓解食物和药品的缺乏状况。1月6日，世界各国首脑在印度尼西亚召开会议，商讨灾后重建、地区海啸预警系统创建以及国际化合作等事项。到目前为止，已有40多个国家承诺对受灾国家给予援助，援助金额达36亿美元。
篇4
关键词：并购；宏观经济环境；VAR模型
中图分类号：F830.91 文献标识码：A 文章编号：1003-3890（2014）06-0087-08
一、引言
关于并购活动的动因，西方学者通常是根据新古典经济理论和行为理论进行解释的。新古典经济理论认为并购浪潮一般由经济、管制和科技等因素的冲击所导致（Mitchell and Mulherin，1996；Brealey and Myers，2003；Harford，2005；Martynova and Renneboog，2008）[1-4]；而行为理论则认为并购浪潮是由管理者的问题、自负及羊群行为所引起（Shleifer and Vishny， 1991； Bikhchandani， Hirshleifer and Welch，1992；Milbourn，Boot and Thakor，1999）[5-7]。此外，还有一些学者认为并购浪潮是资本市场的发展、公司管理者利用资本市场的过高估价而择时并购的结果（Shleifer and Vishny，2003；Rhodes-Kropf and Vishwanatan，2004；Rhodes-Kropf，Robinson and Vishwanathan，2005）[8-10]。尽管我国与西方发达国家的经济环境不同，但并购活动总体上也呈浪潮式发展，并且具有周期性（唐绍祥，2006；刘淑莲，2010；张秋生，2010）[11-13]。对这一现象的研究，国内学术界主要运用归纳性假设分析方法来研究并购浪潮的驱动因素（刘淑莲，2010；张秋生，2010）[12-13]，在采用实证方法研究中，唐绍祥（2007）运用协整检验和误差修正模型检验了1998―2006年我国总体性并购活动与宏观经济变量之间的关联性，发现经济周期、利率及股价与总体性并购活动存在长期均衡关系[14]。
总体而言，采用实证方法检验并购与宏观经济的关系，特别是运用中国公司并购的时间序列数据检验宏观经济冲击的影响还存在很大的研究空间。本文以我国上市公司于1998年1月至2012年12月发起的并购事件为研究样本，运用协整检验、VAR模型、脉冲响应函数、方差分解及Granger因果关系检验方法，研究发现：经济发展水平及股价与总体性并购活动存在长期均衡关系，而利率与总体性并购活动并不存在长期的均衡关系；经济发展水平与股价是总体性并购活动的Granger原因，而利率并不是总体性并购活动的Granger原因；短期内，经济发展水平波动与股票价格波动对总体性并购活动波动存在正向影响，利率波动对总体性并购活动波动存在负向影响。与其他研究中国并购活动的实证论文不同，本文的研究样本时间跨度长，采用协整检验、平稳时间序列数据的向量自回归模型以及Granger因果关系检验方法检验并购动因，一方面可以克服多元线性回归在刻画经济变量之间的长期关系时可能存在的伪回归问题，另一方面也可以与非平稳时间序列数据的向量误差修正模型相比较。本文研究结果与唐绍祥（2007）的结论有所不同，得出了一些新的研究结论。本文的研究不仅有助于检验我国已取得的各种归纳性假设，而且还有助于理解我国上市公司总体性并购活动的发展趋势，明确影响并购活动的宏观驱动因素，为公司预测与选择并购时机、提高并购协同效应提供有价值的参考依据。
二、文献回顾
关于并购活动的驱动因素，西方学者大多是侧重于微观经济个体研究并购的形成动因，至今尚未得出一致的结论。尽管对并购动因的理论研究尚存较大分歧，但一些学者研究发现大部分并购活动几乎在不同的行业、不同的公司同时发生，这表明并购活动可能存在共同的驱动因素（Harford，2005）[3]，即不同于微观经济个体的宏观经济动因，这些因素可能是经济发展水平、资本市场、产业冲击、科技进步等，本文主要从前两个方面作一个简要的回顾。
Reid（1968）提出了并购活动-经济繁荣理论[15]，为更好地理解并购活动与宏观经济的关系作出了开创性的工作。在此基础上，一些学者研究发现并购活动与经济周期存在着相关性，即并购活动存在顺周期特征（Melicher，Ledolter and D’Antonio，1983；Becketti，1986；Makaew，2011）[16-18]；并购活动的强度与经济增长及资本市场状况的变化正相关（Nelson，1966；Liu and Wen，2010；Palmquist and Sandberg，2012）[19-21]。Maksimovic and Philips（2001）研究发现并购活动通常在经济繁荣时期升温，而在经济衰退时期放缓[22]。Lambrecht（2004）采用实物期权方法研究表明并购活动与产品市场需求正相关，当产出价格处于高位时触发并购[23]。因此，并购活动与产品市场周期相关。从宏观经济指标与并购活动的关系分析，Steiner（1975）研究发现并购交易数量与GNP正相关，且并购活动的增加与经济环境的改善相关[24]。Golbe and White（1988）也证实并购交易数量与GNP正相关，但与实际利率负相关[25]。
Harford（2005）不仅认为并购活动是应对经济环境变化的结果，而且还认为资本市场的繁荣所带来的足够的资本流动性是驱动并购的必要因素[3]。Shleifer and Vishny（1992）认为并购活动与经济发展水平的关联性由资产流动性价值与债务融资能力的关联性所驱动[26]。Eisfeldt and Rampini（2006）也认为公司之间资产重新配置的顺周期缘于资本重新配置成本的反周期[27]。Melicher、Ledolter and D'Antonio（1983）将并购作为股票价格和债券利率的函数来解释并购活动，他们的研究发现：（1）股票价格上涨（下跌）后一个季度内出现并购活动的增加（减少），由于并购谈判往往在并购完成两个季度前才开始，所以并购谈判可能比股票价格的变化领先一个季度；（2）并购活动与先前的债券利率负相关，但其相关程度弱于并购活动与股票价格的相关程度[16]。这些结论表明融资可获得性是主并公司进行并购活动的重要驱动因素，当资金较容易获得时（股票价格上升、利率下跌），并购活动增加。这与资本市场状况或其背后的原因可以解释并购活动的观点是一致的。李瑞海、陈宏民和邹礼瑞（2006）认为中国的兼并活动与GDP增长率和市场化程度正相关，而与股票指数存在较弱的相关性[28]。唐绍祥（2006）研究发现中国总体并购活动呈浪潮式发展，并购活动具有周期性，而非遵循随机游走过程[11]。唐绍祥（2007）认为经济周期和利率是中国并购浪潮形成的主要原因[14]。潘勇辉（2007）通过对中美两国1991―2005年跨国并购与经济增长的关系进行协整检验，验证两者之间存在着长期协整关系和短期修正关系[29]。
行为金融学的发展使股票市场与并购活动的关系得到了新的注释。Brealey and Myers（2003）认为引发并购的原因是部分股票的价值被错估，特别是当股票市场处于繁荣期时，股票价值被高估公司的管理层更倾向进行并购交易活动[2]。从行为学的角度分析，股票市场错误定价与管理者的过度乐观与自信的交互作用共同推动了并购活动。Shleifer and Vishny（2003）明确将这种观点概括为“股票市场驱动并购”[8]。Rhodes-Kropf and Viswanathan（2004）（R-KV）认为繁荣的股票市场使得主并公司可以通过被市场高估的股票去收购被市场低估的目标公司[9]。虽然R-KV给出了收购者行为的解释，但仍然存在一个问题，即既然主并公司的股票被高估，为何目标公司会接受股票对价并购交易呢？R-KV认为主并公司与目标公司之间存在信息不对称问题，目标公司不足以正确估计并购行为本身的价值。他们对股票价格的总估价错误导致了对并购协同效应的估价错误。因而接受了主并公司被市场过高估价的股票。Rhodes-Kropf、Robinson and Viswanathan（2005）将公司的市场账面价值比率拆分成公司成分与市场成分，认为市场层面的错误定价是并购浪潮发生的显著影响因素[10]。Rosen（2006）检验了并购对主并公司股票价格的影响，研究发现相比于其他时期的并购活动，并购市场繁荣时期的并购活动给主并公司带来的收益较高，但是从长期来看，并购收益较低[30]。这表明过度乐观的投资者误判了并购所能带来的协同效应。股票市场虽然是并购活动的一个显著驱动力，但不能完全解释并购活动的出现。由于受到其他经济因素的影响，股票市场的繁荣可以刺激更多并购活动的发生，但并不是并购浪潮唯一显著的驱动力。
除上述经济发展水平、资本市场等宏观经济因素外，Mitchell and Mulherin（1996）、Harford（2003）的研究不仅证明并购活动和经济环境中的股票市场有关，同时他们发现经济、制度、产业冲击等因素都会引发集聚的并购活动[1，31]。也有的学者分析技术进步对并购的影响，他们认为技术冲击对产业环境、经济环境的影响，改变了市场上要素的平衡关系，通过并购手段可以实现资源的优化配置和新的平衡（Jovanovic and Rousseau，2002）[32]。
综上所述，我们发现并不存在唯一的并购活动驱动因素，并购浪潮的出现是各个因素综合作用的结果。正如Ali-Yrkk？（2002）所认为的那样，宏观层面的因素诸如经济繁荣、技术发展、全球化与规制等引起行业冲击，为了有效应对这种冲击，微观层面的管理者出于经济动机、管理动机与自负动机而作出并购决策[33]。因此，我们认为虽然并购更像是公司层面的事件，然而这种微观层面的并购交易活动的发生往往具有聚类的趋势，形成一种浪潮，这种现象表明从宏观上来看，可能存在着一种普遍的长期均衡环境驱动着并购活动。本文主要从宏观经济环境层面来研究我国总体性并购活动的驱动因素，检验宏观经济环境与总体性并购活动是否存在着长短期关系。
三、理论分析与研究假设
（一）经济发展水平与并购活动
根据“并购―经济繁荣理论”，经济增长和资本市场繁荣与并购活动呈同方向变化，如果以国内生产总值（GDP）代表总体经济增长水平，那么，GDP越大，并购活动的交易量与交易额就越大。这是因为GDP绝对规模越大或者GDP增长率水平越高，意味着总体经济需求越大，因而可能导致经济资源的重新配置以达到最佳使用。而这种经济资源重新配置的需要又触发了并购活动。在美国、英国和欧盟其他地区，并购浪潮总是发生在经济强劲增长、股票市场高涨时期，并购浪潮与经济发展水平关系紧密，全球并购的兴起与衰退伴随着世界经济发展水平高峰与低谷的轮回而交替。同时，随着经济发展水平的变动，宏观经济因素的变化对公司并购活动也产生周期性变动。GDP对并购活动的正向影响也得到了Resende（2008）的支持，他们认为国内总体并购活动与GDP之间存在正相关关系[34]。另一方面，Healy and Palepu（1993）认为GDP规模越大，公司现金持有水平越高，而公司则会利用这些超额现金去并购当地的其他公司以增加公司规模及获得市场支配力[35]。基于上述分析，我们提出如下待检验的假设。
假设1：经济发展水平（GDP）对并购活动存在正向影响。
（二）市场利率水平与并购活动
并购作为一种投资行为，需要大量的资金作保证。由于并购公司的内部资金有限，完成并购交易所需要的资金一般是通过债务融资支付对价，因此，并购活动可能会受到现行实际利率水平的影响。较高的利率水平将意味着较高的资本成本以及紧缩的货币政策，将不利于并购活动的发生。结果，并购活动与现行实际利率水平之间存在负相关关系（Golbe and White，1988；Weston，Mitchell and Mulherin，2004）[25，36]。融资约束可能会阻碍公司的并购交易活动，而较低的利率放松了公司的融资约束，当公司持有更多的现金或更容易进入外部资本市场融资时，就会更容易发起并购活动（Harford，2005）[3]。已有的研究表明并购水平与经济环境及资本市场状况的变化相关，并购活动为主并公司的融资可获得性所驱动，较低的利率降低了融资成本，当资金较容易获得时，并购活动增加（Melicher，Ledolter and D'Antonio，1983）[16]。Yagil（1996）研究发现利率与并购活动之间存在负相关关系[37]。基于上述分析，我们提出如下待检验的假设。
假设2：市场利率水平对并购活动存在负向影响。
（三）股票市场状况与并购活动
根据预期理论，股票市场状况直接影响人们对未来经济增长前景的预期。股票市场越繁荣，股票价格越高，越容易引发公司的并购活动。Geroski （1984）、Guerard（1989）考察了股票价格与并购活动之间的关系，认为股票价格对并购活动具有两方面的影响：一是高股票价格降低了公司的资本成本，提高了并购活动所能带来的未来回报的净现值；二是现行的股票价格在预测未来经济发展水平的变化方面在统计上显著[38-39]。Gort（1969）提出了用以解释并购活动与股票价格之间关系的“经济突变理论”（Economic Disturbance Theory）[40]。他认为外部经济因素的变化（如股价的上升）会引起持股股东和非持股股东对公司价值的不同预期，从而引起并购活动水平的增加，变动的股市比静止的股市能产生更多价值被低估的公司，促使公司去收购价值被低估公司的股票，从而解释在股市上升或下降过程中产生并购活动的出现。当一国股票市场进入萧条期时，股票价格往往被严重低估，就会出现较多的跨国并购现象。Shlerfer and Vishny（2003）、Rhodes-Kropf and Viswanathan（2004）认为股票市场估值驱动并购浪潮。他们认为繁荣的股票市场导致主并公司用过高估价的股票去并购被市场低估的目标公司的资产[8-9]。基于上述分析，我们提出如下待检验的假设。
假设3：股票价格指数对并购活动存在正向影响。
四、研究设计
（一）样本选取与数据来源
由于中国较为频繁的上市公司并购起始于1997年，所以，本文采用的数据起止日期为1998年1月至2012年12月。为了保持数据统计口径的一致性，将各变量数据调整为季度数据，并对明显具有季节性的变量数据利用X12方法进行了季节调整。并购数据来源于CSMAR中国上市公司并购重组研究数据库，GDP、利率与股票价格指数数据来源于中经网统计数据库及Wind资讯。
（二）变量定义与模型设定
1. 变量定义。（1）并购交易数量。衡量并购交易活动的方法有两种：一是根据并购交易的数量，二是根据并购交易的总金额。单独考虑并购交易的数量，可以做到对所有并购交易活动一视同仁，是对发生在中国的并购活动广度的一个明显度量。相对地，单独关注并购交易的总金额，是对大规模交易的深度或重要性的度量。但由于不少中国上市公司的并购交易金额并未披露，考虑到数据的可获得性问题，本文决定采用并购交易数量的季度数据来衡量中国上市公司的总体性并购活动。根据CSMAR中国上市公司并购重组研究数据库的重组类型标准，将并购限定为资产收购、股权转让、吸收合并以及资产置换，而不包括资产剥离、债务重组与股份回购等形式的广义并购活动。在实证研究之前，利用X12方法进行了季节调整。变量用M&A表示。
（2）GDP。为了研究经济发展水平对中国上市公司总体并购活动的影响，本文采用实际GDP的季度数据进行度量。变量用GDP表示。
（3）利率。本文利率指标采用六个月期贷款实际利率的季度数据。变量用R表示。
（4）股票价格指数。由于综合反映股票市场状况的沪深300指数只能获得2005年及以后的数据，且国内没有其他反映沪深股价综合水平的指数，同时考虑到深圳综合指数与上证综合指数的波动几乎保持同步，因此，采用深圳综合指数的季度数据来反映股票市场状况。数据在使用之前采用X12进行了季节调整。变量用StockPrice表示。
2. 模型设定。为了研究宏观经济环境对中国上市公司总体性并购活动的影响，本文建立（1）式的基本模型，以分别考察经济发展水平、股票市场状况以及市场利率水平与并购活动之间的关联性。考虑到各宏观经济变量之间可能存在相关性，我们将对1998年1月至2012年12月的变量数据进行时间序列分析。采用的研究方法具体包括协整分析以及建立VAR模型，通过运用脉冲响应函数与方差分解，检验各宏观经济变量对总体性并购活动的动态影响关系及其影响程度，最后对各宏观经济变量与总体性并购活动进行Granger因果关系检验。
M&At=？琢+？茁1GDPt+？茁2Rt+？茁3StockPricet+？着t（1）
（1）式中，M&At为并购交易数量，GDPt为国内生产总值，Rt为利率，StockPricet为上证综合指数，εt为随机扰动项。
五、假设检验与结果
（一）宏观经济变量与并购活动的长期关系检验
1. 单位根检验。Chowdhury（1993）认为大多数宏观经济变量与并购活动的替代变量为非平稳变量[41]。因此，在模型的构建过程中，为避免时间序列出现伪回归的现象，本文利用Augment Dickey Fuller（ADF）检验以及Phillps-Perron检验，以检验时间序列的平稳性。
从表1可以看出，这些序列都是一阶单整序列I（1），即它们本身都是非平稳时间序列，而其一阶差分序列都为平稳时间序列，满足协整检验的前提。
2. 协整检验。Johansen检验和用于单方程的基于回归残差检验的ADF检验不同，它是基于回归系数的协整检验，用于检验变量之间的长期稳定关系。单位根检验结果表明，M&A、GDP、R与StockPrice这四个变量在5%的显著性水平上均为I（1）过程，从而采用Johansen检验法分别检验M&A与GDP、R及StockPrice之间的协整关系。表2至表4的迹统计量和最大特征值统计量检验方法的结果同时表明，M&A与GDP及StockPrice之间在5%的显著性水平上至少存在一个协整关系，而M&A与R之间在5%的显著性水平上不存在协整关系。表明并购活动与经济发展水平及股票价格之间存在长期的均衡关系，而并购活动与利率之间不存在长期的均衡关系。
（二）宏观经济变量随机波动影响并购活动的动态过程分析
由协整检验确定了M&A、GDP、R与StockPrice四个变量之间是否存在长期均衡关系之后，我们利用VAR模型考察变量间的短期动态关系。在VAR模型中，它直接把系统中的每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量造成的影响。为了考察并购活动、经济发展水平、利率及股票市场状况之间的短期动态关系，我们建立了包括并购交易数量、实际GDP、六个月期贷款利率以及深圳综合指数的VAR模型，见方程（2）。由于平稳时间序列在建立VAR模型时效果较好及各变量均为一阶单整序列，因此在下文中将使用各变量的一阶差分序列进行分析。
AiM&AtGDPtRtStockPricet=？椎i+？着it（2）
其中，Ai为i维矩阵，i为滞后阶数，？椎i为常数项向量，εit为白噪声扰动向量。
1. VAR模型滞后阶数的确定。建立VAR模型的一个重要问题是最佳滞后阶数的确定，滞后期的选择可能会影响VAR模型估计的结果。因为模型的解释变量多了，解释力就要大一些，而解释变量的增多会带来自由度的损失。因此，在选择滞后阶数时，既要有足够数目的滞后项，又要保证足够数目的自由度。而各种信息准则考虑了自由度的损失，可以作为判断模型阶数的依据。本文采用常用的LR检验、AIC信息准则以及SC信息准则等来判断恰当滞后期（见表5），由结果我们可以看到，滞后1期的VAR模型最为合适，因此，建立VAR（1）模型。
2. VAR模型的平稳性检验。VAR模型具有稳定性是模型适用的前提，模型稳定的充分必要条件是所有特征值的模都在单位圆以内（小于1），本文通过VAR单位根表对模型进行平稳性检验，得出模型中不存在大于1的单位根（见表6），所以建立的VAR（1）模型是非常平稳的。在此基础上，我们可以进行脉冲响应和方差分解，检验宏观经济变量波动对并购活动的影响。
3. 脉冲响应函数。VAR模型的系数通常难以解释，而脉冲响应函数描述了在随机误差项上施加一个标准差大小的冲击或新息（Innovation）对内生变量的当期和未来值所带来的影响。因此，研究者通常运用脉冲响应来推断VAR的内涵。在VAR模型基础上，本文采用Cholesky分解技术，通过脉冲响应函数来进一步分析并购活动对GDP、R与StockPrice的一个标准差新息的脉冲响应。
从图1来看，对GDP的一个冲击，M&A在初始阶段呈正向影响，之后这种扰动冲击对并购的影响缓慢减小，在第三期后，并购的波动趋于零。说明中国并购活动的波动与反映经济发展水平的GDP的波动正相关，处于扩张或繁荣阶段的宏观经济环境有利于并购活动的开展。然而GDP冲击对M&A的影响较为微弱。原因在于，中国市场经济的发展不如西方国家那么成熟，并购重组活动大多在行政主导下完成，带有政策性色彩，真正通过市场化运作完成并购交易的较少。
从图2来看，对R的一个冲击，M&A在短期内有较小幅度的下降，在三期之后趋于稳定。可见，并购活动的波动与利率的波动之间存在着负相关关系，说明在短期内融资成本的高低直接影响并购交易活动的发生。
从图3来看，对StockPrice的一个冲击，M&A在短期内有较小幅度的上升，在三期之后趋于稳定。说明并购活动的波动与反映股票市场状况的股票价格指数的波动正相关。但StockPrice冲击对M&A的影响较为微弱。原因在于中国政策性的股票市场不能完全有效地反映宏观经济的发展状况，股市不能真正成为经济发展的晴雨表；另一方面由于中国上市公司长期以来股权分置，存在股权高度集中，“一股独大”现象，不利于股票在并购交易中充当支付工具的角色，同时，由于政策制度等方面的限制，也不利于主并公司利用股票市场的错误定价而择时并购。最后，从并购交易支付方式的角度，我们也可以看出股票市场状况对并购交易的影响较为微弱。刘淑莲（2010）根据CSMAR数据库对并购支付方式的分类标准，统计了1998―2008年共20 647起并购案，发现采用内部资金支付方式的并购案为90%以上，股票支付等方式占的比例非常小。这说明中国主并公司较少利用股权融资来完成并购交易活动。
4. 方差分解。分析了并购活动波动对经济发展水平、利率及股票市场状况扰动冲击变化的响应之后，我们将利用方差分解方法分析经济发展水平、利率及股票市场状况的波动对并购活动波动的贡献度，从而了解各新息对并购活动变化的相对重要性。
从表7可以看出，在对并购活动波动的影响中，如果不考虑并购活动自身的贡献率，利率波动对并购活动波动的贡献率虽然最大并且长期保持稳定，但也只达到0.8%左右；而反映经济发展水平的GDP的波动对并购活动波动的贡献率较小，一直在3%左右；股票价格指数的波动对并购活动波动的贡献率也同样较小，一直在0.2%左右。总之，在短期内，GDP、利率及股票价格的波动对并购活动波动的影响均较为微弱。
5. 基于VAR（1）的Granger因果关系检验。由单位根检验的结果可知所有变量均为I（1）序列，即原序列是非平稳时间序列。Granger因果关系检验要求变量序列是平稳的，且滞后期的选择很重要。而基于VAR模型的Granger因果关系检验却可以运用于具有协整关系的非平稳时间序列，滞后期的选择也是确定的。基于VAR（1）的Granger因果关系检验的检验结果如表8所示。
检验结果表明，反映经济发展水平的GDP与反映股票市场状况的股票价格指数是并购活动的Granger原因，而贷款利率并不是并购活动的Granger原因。说明繁荣的经济发展与股票市场状况确实有助于并购活动的发起，而贷款利率对并购活动发起的影响不甚明显。
六、研究结论与展望
本文运用时间序列数据深入地研究了经济发展水平、利率与股价指数对我国总体性并购活动的影响。研究结果表明：（1）总体性并购活动与经济发展水平及股票市场状况存在长期的均衡关系，而总体性并购活动与贷款利率并不存在长期的均衡关系。从因果关系看，存在着经济发展水平与股票价格指数到总体性并购活动的单向因果关系，而利率与总体性并购活动不存在因果关系。说明经济发展水平与股票价格指数是我国并购浪潮形成的重要原因。（2）在短期动态调整过程中，各宏观经济变量波动的冲击对并购活动波动的影响程度存在差异。GDP波动在短期内对并购活动波动有着正向影响，但这种影响幅度较小。影响程度虽然没有达到西方发达国家的水平，但随着我国市场经济的不断发展，宏观经济的繁荣与否确实影响着公司的投资行为。虽然利率与总体性并购活动并不存在长期的均衡关系，但利率波动在短期内对并购活动波动有着一定幅度的负向影响。说明融资成本在一定程度上阻碍了并购活动的发生。股票价格指数波动在短期内对并购活动波动也存在正向影响，影响幅度同样较小。其原因可能在于：一方面，我国证券市场还不是很成熟，为典型的政策市场，而且股改前后，我国股票市场均存在大量的国有股与法人股，这使得股票价格指数的波动很难对总体性并购活动波动产生显著的短期动态影响。通过以上分析发现，经济发展水平与股票价格指数的波动是形成并购浪潮的重要原因，而利率波动虽然短期内对总体性并购活动有影响，但并不存在长期稳定的影响。
本文仅研究了反映宏观经济环境的几个主要因素对总体性并购活动的影响，而进一步地研究需要在此基础上，结合微观层面与行业层面的因素来分析总体性并购活动的影响因素，及其分析驱动总体性并购活动的各层面影响因素的相对重要性。随着全球经济一体化的逐渐深入，对不同国家的总体性并购活动的主要驱动因素进行比较分析，将进一步加深对全球性并购活动驱动因素的理解。
参考文献：
[1]Mitchell M L， Mulherin J H. The Impact of Industry Shocks on Takeover and Restructuring Activity[J].Journal of Financial Economics，1996，（41）：193-229.
[2]Brealey R A， Myers S C. Principles of Corporate Finance[M]. seventh ed. McGraw-Hill，New York，2003.
[3]Harford J. What Drives Merger Waves？[J].Journal of Financial Economics，2005，（77）：529-60.
[4]Martynova M， Renneboog L. A Century of Corporate Takeovers： What Have We Learned and Where Do We Stand？[J].Journal of Banking and Finance，2008，32（10）：2148-2177.
[5]Shleifer A， Vishny R W. Takeovers in the '60s and the '80s： Evidence and Implications[J].Strategic Management Journal，1991，（12）：51-59.
[6]Bikhchandani，Hirshleifer， Welch. A Theory of Fads，Fashion，Custom，and Cultural Change as Informational Cascades[J].Journal of Political Economy，1992，100（5）： 992-1026.
[7]Milbourn，Boot， Thakor. Megamergers and Expanded Scope： Theories of Bank Size and Activity Diversity[J].Journal of Banking and Finance，1999，23（2-4）：195-214.
[8]Shleifer A， Vishny R. Stock Market Driven Acquisitions[J].Journal of Financial Economics，2003，70：295-311.
[9]Rhodes-Kropf M， Viswanathan S. Market Valuation and Merger Waves[J].Journal of Finance，2004，59（6）：2685-2718.
[10]Rhodes-Kropf M， Robinson D， Viswanathan S. Valuation Waves and Merger Activity： The Empirical Evidence[J].Journal of Financial Economics，2005，77（3）： 561-603.
[11]唐绍祥.我国并购浪潮假说的实证检验[J].财贸经济，2006，（9）：75-80+97.
[12]刘淑莲.上市公司并购重组演变与理论研究展望[J].会计师，2010，（4）：4-6.
[13]张秋生.并购学：一个基本理论框架[M].北京：中国经济出版社，2010.
[14]唐绍祥.我国总体并购活动与宏观经济变量的关联性研究――对我国并购浪潮成因的分析[J].数量经济技术经济研究，2007，（1）：83-91.
[15]Reid S. The Conglomerate Merger： A Special Case[J].Antitrust Law and Economic Review，1968，（2）：141-66.
[16]Melicher R， Ledolter J， D'Antonio L. A Time Series Analysis of Aggregate Merger Activity [J].The Review of Economics and Statistics，1983，65：423-430.
[17]Becketti S. Corporate Mergers and the Business Cycle，Economic Review[J].Federal Reserve Bank of Kansas City，1986，71：13-26.
[18]Makaew T. Waves of International Mergers and Acquisitions[R] AFA 2012 Chicago meetings paper，University of South Carolina - Moore School of business，（October）.
[19]Nelson R L. Business Cycle Factors in the Choice Between Internal and External Growth[M]//.Alberts W， Segall J. The Corporate Mergers. Chicago： University of Chicago Press，1966.
[20]Liu J， Wen Z. An Empirical Study on the Correlation between Business Cycles and M&A[R].Management and Service Science （MASS），2010 InternationalConference，Leshan，China，24-26 August.
[21]Palmquist S， Sandberg V. The Art of Surfing the Waves of Mergers and Acquisitions： An Empirical Study on the Macroeconomic Determinants of Mergers and Acquisitions in Sweden[D].（Doctoral dissertation，？rebro University）.2012.
[22]Maksimovic V， Phillips G. The Market for Corporate Assets： Who Engages in Mergers and Asset Sales and Are There Efficiency Gains？[J].Journal of Finance，2001，56（6）：2019-2065.
[23]Lambrecht B. The Timing and Terms of Mergers Motivated by Economies of Scale[J].Journal of Financial Economics ，2004，72：41-62.
[24]Steiner P. Mergers： Motives，Effects，and Policies[M].Michigan： University of Michigan Press，1975.
[25]Golbe D L，White L J. A Time Series Analysis of Mergers and Acquisitions in the US Economy[M]//.Auerbach A J. Corporate Takeovers Causes and Consequences. Chicago： NBER and University of Chicago Press，1988.
[26]Shleifer A， Vishny R W. Liquidation Values and Debt Capacity： A Market Equilibrium Approach[J].Journal of Finance，1992，47：1343-1366.
[27]Eisfeldt A L， Rampini A A. Capital Reallocation and Liquidity[J]. Journal of Monetary Economics，2006，53（3）：369-399.
[28]李瑞海，陈宏民，邹礼瑞.影响中国企业兼并宏观因素的实证研究[J].管理评论，2006，（5）：50-53.
[29]潘勇辉.跨国并购与经济增长的长短期关系研究――基于中美的比较研究[J].管理世界，2007，（7）：152-153.
[30]Rosen R. Merger Momentum and Investor Sentiment： the Stock Market Reaction to Merger Announcements[J].Journal of Business，2006，79：987-1017.
[31]Harford J. Efficient and Distortional Components to Industry Merger Waves[R].SSRN Working Paper，2003，No. 39.
[32]Jovanovic B， Rousseau P L. Mergers as Reallocation[R].NBER Working Paper，2002，No. 9279.
[33]Ali-Yrkk？， Jyrki. Mergers and Acquisitions： Reason and Results[R].ETLA Discussion Papers，The Research Institute of the Finnish Economy （ETLA），2002，No. 792.
[34]Resende M. Mergers and Acquisitions Waves in the UK： a Markov-Switching Approach[J].Applied Financial Economics，2008，18（13）：1067-1074.
[35]Healy P M， Palepu K G. International Corporate Equity Acquisitions： Who，Where and Why？[M]//.Foreign Direct Investment. Kenneth A Froot （ed.）Chicago：The University of Chicago Press，1993.
[36]Weston J F， Mitchell M L， Mulherin J H. Takeovers，Restructuring，and Corporate Governance[M].Pearson Education，Inc. Publishing as Prentice Hall.2004.
[37]Yagil J. Mergers and Macroeconomic Factors[J].Review of Financial Economics，1996，5（2）：181-190.
[38]Geroski P A. On the Relationship between Aggregate Merger Activity and the Stock Market[J]. European Economic Review，1984，25：223-233.
[39]Guerard J. Mergers，Stock Prices，and Industrial Production： Further Evidence[J].Economics Letters，1989，30（2）：161-164.
[40]Gort M. An Economic Disturbance Theory of Mergers[J].Quarterly Journal of Economics ，1969，83：624-642.
[41]Chowdhury A R. Univariate Time-Series Behavior of Merger Activity and Its Various Components in the United States[J].Applied Financial Economics，1993，（3）：61-66.
The Impact of the Macroeconomic Environment on M&A Activity
――Empirical Research Based on Time-series Data
Li Jinglin1，2
（1. School of Accounting， Hubei University of Economics，Wuhan 430205， China；
2. Hubei Accounting Development Research Center， Hubei University of Economics， Wuhan 430205， China）
篇5
【关键词】宏观经济发展；影响要素
引言
经济发展最注重的就是经济发展的协调性、可靠性以及稳定性，随着近几年来经济的快速发展，经济发展质量也受到了各国的高度重视。要想从根本上做好紧急发展，最主要的就是转变经济发展方式，根据实际需要促进其实现成功转型。本文从不同的层面以及不同的社会视角对发展经济学做了研究和探索，提出影响宏观经济发展波动的主要因素。
一、人口、资源、环境与经济发展
一个国家经济发展要想得到实质性的提升，基础要素就是人口、资源与环境。尤其是人口发展，对现代经济发展有着重要的现实意义。
1 .人口与经济发展
一直以来，人口经济的核心问题同发展经济学的核心问题都是相同的，即经济发展与人口因素之间的关系。最近几年以来，人口质量、人口结构与经济发展之间的关系随着发展经济学由经济增长理论向经济发展理论的转变而逐渐受到了更高的重视。
（1）人口增长与经济发展
1978年马尔萨斯提出了“低水平均衡的人口陷阱”理论，表示人口数量的变化对一个国家的经济发展有着重要影响，从此这也就成为了一个颇受各国关注的问题。直到目前为止，人类对于经济发展和人口数量之间的关系主要表分为两种观点，一种是人口增长阻碍经济发展；另一种是人口增长有助于经济增长。这些结论并不适用于每个国家，但是从普遍上看来，不同国家、不同地区人口数量的波动对于经济发展的影响也是不同的，由此可见，经济发展所处的水平环境不同，人口增长对经济的影响作用也就不同。
（2）人口质量与经济发展
确定人口质量主要是从两个方面来决定，一是人口身体健康素质，其中包括婴儿出生死亡率、人口发病率、青少年营养状况和发育状况；二是人口的文化科学素质指，其中包括文盲率、各级院校毕业生数量等。相关数据显示，人口质量对于经济发展的影响也是十分重要的，很明显，人口质量越高经济发展越快。
（3）人口构成与经济发展
人口结构包含了很多方面的内容，其中有经济结构、自然结构、社会结构以及地域结构，每一种结构所涉及到的指征均不相同。随着近几年来相关研究的日益增多，可以发现其中人口的城乡结构、性别结构、年龄结构以及区域问题是影响经济发展最大的问题。
2 .自然资源与经济发展
自然资源为人类生存提供了一定的物质条件。随着人类社会的不断发展，自然资源也在不断的被消耗，由于并不是所有的自然资源都是可再生的，使得经济发展和自然资源之间的矛盾逐渐加剧。主要表现为：
（1）自然资源的无限利用是实现可持续发展的基本条件。
（2）自然资源的利用与经济发展有着密切关系，必须要合理利用，不能过度开采、盲目限制、或停止利用。
（3）实现可持续发展的关键问题就是实现资源的可持续利用。
3 .环境与经济发展
环境与人类的生活与生产息息相关，不仅是人类赖以生存的空间与基本条件，也是人类生产活动产生的废弃物和各种作用的结果，不可否认它在很大程度上关系着一个国家的经济发展。
二、资本形成与经济发展
发达国家早期经济发展过程都经历了持续的资本积累的过程。资本积累是一个国家经济转型的基本要素，由此可见，经济发展的好坏离不开资本积累的影响，也是促进经济学研究的重要内容。良性的资本积累机制可以有效促进一个国家经济发展的速度和质量，成功实现经济转型。
三、对外贸易与经济发展
眼下经济发展呈现全球化趋势发展，对外贸易在国家经济发展中也就越来越重要，不同模式的对外贸易对经济发展的影响也不尽相同。发展经济学的国际贸易理论从不同的角度研究了发展中国家如何从对外贸易中获得可持续发展的动力，国际贸易也体现了经济发展质量的基本思想。发展经济学理论中涉及到了多方面问题，其中包括贸易条件问题、贸易保护问题、剩余的出路问题等，通常发展中国家主要是从这几个方面进行对外贸易研究。
四、结束语
对于目前我国的经济状况来说，经济发展的根本目的所在就是经济发展质量的提升，发展经济学实际上一直基于发展中国家经济发展的现实。综合现有的经济状况来看，一个国家人口数量变化、人口结构变化、对外贸易模式、自然资源利用等是影响经济发展水平的主要因素，因此必须要通过资本积累来实现经济起飞，加大研究力度，提高科学技术，根据国家的实际情况选择合理的经济发展模式，这样才能保证经济发展质量，实现经济可持续发展。除此之外也要适当加强发展经济学理论研究，进行理论创新，根据一国经济发展的实际，创建有利于各类要素促进经济发展质量的机制，最终转化成动自身经济发展的动力，建立更为合理和完善的经济发展模式，从根本上保证国家的经济实现健康发展。
【参考文献】
【1】任希丽，张兵，李可爱.中国经济波动的影响因素分析[J].西安交通大学学报（社会科学版），2013（2）：9-14.
【2】袁吉伟.外部冲击对中国经济波动的影响DD基于BSVAR模型的实证研究[J].经济与管理研究，2013（11）：27-34.
篇6
股票市场对经济增长的直接促进作用虽较不明显，但这并不防碍股票市场通过其他机制对经济增长进行间接影响，因为股票市场资金的流动已经在一定程度上改变了宏观经济中的资金分配格局，这是一个不争的事实。这尤其是2000年股市的再次火爆，使得宏观经济中更多的资金量流向股市，加速了资金分配格局的改变。资金分配结构的改变会相应影响到各经济主体的市场行为，这些主体包括居民住户、上市企业与非上市企业和中央银行。下面，依次分析股市资金流动对这些方面的影响。
1．对社会消费总额的影响
对社会消费的影响实际上就是探讨中国股票市场的财富效应。中国股市有没有财富效应，是中国股票市场10年来发展中的一个主要争论问题。据广东中诚信公司的一份研究报告，在宏观经济政策、形式没有发生大变化的前提下，1996年8月后，我国东部地区及市场社会消费品零售总额出现大幅上升，与当年3月启动的大牛市有直接关系；在股票投资者最为集中的上海市，自1996年1月至1999年5月，全社会消费品零售总额与深沪两市指数的正相关系数分别为0．717和0．638。
笔者以年度数据初步估计了近10年中国股票市场的财富效应。取对数后的计量结果显示：
Ct=1．17Y+0．0246SW
(0．022)(0．026)
R2=0．99D．W=1．44F=521.19
下步，我们再将样本区间缩小至1995-1999年。因为这几年不论从规模、市值还是投资者人数、上市公司数等指标来看，都是股市的快速发展时期。因此选择这几年的数据再做深入分析，将对我们认识中国股市存在的财富效应会有较大帮助。样本区间缩小后的计量结果显示：
Ct=1．15Y+0，0479SW
(0．0107)(0．011)
R2=0．996 D.W=2．17F=776．1617
以上计量结果初步显示，在我国影响居民消费最主要的一个因素是收入。股票市场的财富效应整体来看影响效应较弱。但可喜的是通过对近10年样本数据的再细分，当我们着重于1995年以后时间段的分析，我们发现了明显的股市财富，即边际消费倾向提高：从整体的0．026上升了近两倍，达到0．0479。
中国股票市场自1995年以来迅猛发展，住户证券资产也自此时快速增长；与此相比，城镇居民人均收入增长相对较缓。我们作出如下解释：当证券资产快速增长时，人均持有的证券财富增加，这在一定程度上改变了居民的资产结构比例，也就是说，总财富中收入占比下降，股票财富占比上涨。因此，1995年以后中国股票市场的财富效应虽然相比于收入而言影响仍较弱，但比之于以前，则有了突飞猛进的影响效应。由此我们得出，虽然目前我国股票市场的财富效应整体来说较不明显，但其影响程度和发展速率却呈逐年快速上涨的态势。
对2000年继续做股票市场发展和社会消费总额的相关分析。股票市价总额和社会消费总额总体上呈现上涨趋势，其中，股票市价总值为攀升趋势，社会消费则略显缓慢。股票市价总值在1～7月份中一直呈现稳步攀升，而此时社会消费总额增长缓慢，但当股票市价总额在随后下降的两个月份中，社会消费则加速上升。由此推断，2000年下半年的社会消费增加与 2000年上半年股市的稳步增长相关。
2.对企业融资的影响
股票市场为企业提供了更广的融资渠道，这一点在股票市场处于牛市的行情中反映的最为明显。这里将集中分析2000年股票市场中股价总值不断升高的情况下，企业和金融机构整体的资金流动情况。
股票市场中筹得的资金主要存放在企业存款中，我们采用企业存款和货币资金占用系数两个指标来说明企业整体的资金宽松程度。2000年上半年企业资金相对较为宽松，企业存款继续增加，反映企业货币资金松紧程度的货币资金占用系数则达到近几年的最高值。在2000年1—10月之间，金融机构中企业存款一项平均同比增长率达19．15％，其中最为集中的月份是5—9月，平均同比增长率达到21.42％。这些均说明2000年整体企业的运营资金较为宽松。
企业货币资金较为宽松的主要原因是由于股票市场筹资金额的急剧扩大。因为，就整体金融机构贷款量来看，2000年金融机构各项贷款虽同比增长，但其增速是下降的，且第二个季度中金融机构贷款量呈环比负增长，同比增长下降4．38个百分点。这一点似乎与2000年宏观经济出现“拐点”的事实较为矛盾，因为宏观经济向好，金融机构贷款量应该是增加。因此，这里再继续分析金融机构资金运用的去向。
在金融机构各项贷款中，降幅最大的是短期贷款。2000年第一季度金融机构短期贷款余额为65456．1亿元，第二季度下降到63711.1亿元，同比增长仅1.6％，比1999年降低了7个百分点。金融机构对工业、建筑业、商业贷款的降幅也较大，其中最大的是建筑业，其次为商业，这两项的贷款同比增幅均已呈负数增长。而2000年上半年在股票市场中建材业板块成为最为闪耀的明星，因为宏观经济趋好，建材业必须先行。在股票市场筹资金额的产业分布中得知，农业在股票市场中融资处于相对薄弱地位，但在金融机构2000年上半年贷款中，农业贷款仍然保持7％-8％的同比增长率。
那么2000年金融机构的资金到底运用到了何方，我们再来看金融机构有价证券及投资一栏。金融机构有价证券及投资在2000年1—10月份保持了平均65．89％的同比增长率，其中金融机构证券业务款项平均同比增长达46．57％。
因此，可以认为，2000年我国股票市场的牛市行情不仅是企业货币资金较为宽松的主要原因，同时间接影响了我国金融机构的信贷业务行为和信贷结构。这一年直接融资渠道，即股市资金量的增加，影响了宏观经济中的各个主体行为。
3、结论与政策建议
10年来，我国股票市场取得了很大发展，在国有企业融资结构中日益发挥的重要作用。但不可忽视的是，我国股票市场在整体宏观经济中的地位和作用目前仍显有限，其中最主要的是表现在宏观资金格局上。目前我国经济仍主要是以货币市场为主，货币市场中的间接融资是国民经济赖以融资的主要渠道。要想使股票市场持续、健康地发展下去，在一定意义上就需要逐步改变目前的宏观资金格局。使各方面可行的资金逐步、有序地进入股市，例如，股票质押贷款、社保资金和开放式基金等。但这些资金要进入股票市场需要相关的法律、制度进行约束，以合理化的步伐与次序进入股市，促使证券市场持续、稳步发展。
流入股票市场中的资金之所以要进行合理化的安排，主要原因在于目前我国股票市场筹资的使用效率太低。仅有30％的企业按照初始的投资方向进行投资，并最终取得经济效益，也就是股票市场中有70％左右的企业可能会滥用募集得的资金。这不仅会造成了整体国民经济的损失，更会无形中增大股票市场的风险。因此，对于流入的资金要进行合理的次序安排。
篇7
关键词：IS-LM-BP模型 加息 热钱
我国IS-LM-BP模型
IS曲线的斜率主要取决于投资对利率的敏感程度d与边际消费倾向β。对于d，可以从以下三点进行分析：一是我国利率市场化改革尚未完成，占比最大的人民币存贷款利率依然受到中央银行比较严格的控制。二是现阶段我国商业银行贷款的主要对象是国有大中型企业，这类企业国有化程度高，且受到政策保护，使这类企业的投资对利率基本无弹性，而对利率敏感程度较高的民营企业相对国有企业依然比较薄弱。三是我国金融市场还不够发达，资本市场规模不大，金融产品单一。因此从这三点可以看出我国d值较低。而对于β，2005年我国政府出台了提高最低工资标准，提高失业人员补贴，社会保障制度不断完善，居民收入增幅提高，消费结构进一步升级；而且随着通货膨胀逐步上升，人们预期价格会继续上涨，从而增加当期消费。因此我国β值最近几年逐步上升。因此认为我国IS曲线从倾斜趋于平坦。
LM曲线的斜率主要取决于货币需求对利率的敏感程度h与货币需求对收入的敏感程度k。对于h，虽然我国近年来证券市场不断发展，各种法律法规的出台使证券市场更加规范，投资渠道拓宽，使得投机性货币对利率的敏感程度不断上升。但由于我国金融市场还不够发达，资本市场规模太小，金融产品比较单一等缘故，投机性货币需求对利率的敏感程度较低。而对于k，各个学者的观点均比较一致：中国的预防性货币需求比例占收入比例比较大。其中原因归纳为我国居民预防性货币需求占比过大乃是由居民对未来收入预期的不确定性所决定。由于这种不确定性导致我国预防性货币需求对收入的敏感程度大为加深，因此认为我国LM曲线比较陡峭。
BP曲线的斜率主要取决于国际资本流动对利率变动的敏感程度σ以及边际进口倾向γ。我国没有开放资本项目，因此多数人认为由于σ值较少导致我国BP曲线较为陡峭。但是随着我国经济体系的市场化程度加深和金融体制改革进一步推进，尤其是外汇管制和资本项目的逐步取消和大范围开放，σ值将倾向于增大。冯彩（2008）通过采用非贸易和非FDI作为我国国际资本流动性统计口径，采用实证分析得出结论：我国虽然存在资本管制，但是国际资本流动事实上可以绕过资本管制流入或者流出中国，而且规模大于国际收支平衡表中资本和金融项目的国际资本流动情况，这反映出很多国际资本混入了经常项目这一途径进入中国的事实。因此认为中国的BP曲线较于陡峭的LM曲线更为平坦。
假设我国IS-LM-BP模型在金融危机时处于均衡处E0点，Y0处于较低水平。2008年我国实施适当宽松的货币政策和积极的财政政策，目标是通过IS曲线、LM曲线与BP曲线向右分别移动到IS1、LM1与BP1，推动均衡点从E0移动到内部经济均衡点E1，使得收入水平从Y0增加到Y1。通过考察2008年到2010年第三季度的宏观数据发现：一是货币增长速度过快，广义货币增速超过GDP的增长。2008年我国M2增长率为17.8%，M2对GDP的比值（M2/GDP）为1.58，而2009年M2增长率达到23.5%的高位，M2/GDP更是到达1.85的新高，2010年前3季度M2平均增长率为21.2%，比GDP增速快一倍。二是投资增长率过高。2008年我国固定资产投资额为172291亿元，比同期增长25.5%，而2009年固定资产投资额为225701.4亿元，增长幅度到达了31%，2010年前3季度有所回落，增幅为24.5%。较之2010年前3季度GDP同比增长10.6%还是多出14.5个百分点。三是继续保持双顺差格局。我国2008年，2009年均呈现双顺差格局。2010年上半年，我国资本和金融项目顺差900亿美元，同比增长48%，国际储备资产增加1780亿美元，增长8%。在持续顺差和外汇储备大幅提升的情况下，中央银行为维持汇率基本稳定增发基础货币以中和外汇，导致货币供给进一步增加。四是人民币有升值空间。2008年人民币虽然得到一定程度的升值，但由于调整力度不足导致BP曲线不能到达均衡位置。9月初以来人民币升值速度较快，截至10月18日，人民币兑美元汇率中间价报6.6541，自6月21日人民币汇改重启三个半月时间内，人民币累计升值幅度达2.76%。
根据上述分析，流动性过剩、产能过剩、巨额顺差和外汇储备导致的外部经济不平衡致使我国IS曲线、LM曲线与BP曲线分别向右移动至更偏右的位置，分别为IS`、LM`与BP`，IS`曲线与LM`曲线的交点为E`点，对应于较高的产出Y`和较高的实际利率水平i`，表示内部经济不平衡；E`处于BP`点左上方，表示我国国际收支处于顺差水平，即外部经济不平衡（见图1）。
对现行加息政策的分析与建议
中央银行决定自2010年10月19日起上调金融机构人民币存贷款利率。由于加息幅度不大，因此该政策会带动LM`曲线移动到LM2，而由于投资过热情况严重，0.25个百分点的基准利率对投资影响有限，因此在短期内IS`曲线不会有较大幅度的移动，因此LM2曲线与IS`曲线相交于新均衡点E2，对应的均衡产出为Y2，产出回到了初始均衡收入Y1，表明经济增长速度得到抑制，并逐渐实现经济软着陆。均衡利率为i2，利率得到了提高，从而有效地抑制了部分对利率敏感的私人投资，源于货币供给膨胀的流动性过剩和通货膨胀也可以得到一定程度的解决（见图2）。
本文认为这次加息政策可能导致热钱大量流入，原因为：一是人民币升值预期是吸引热钱流入的直接原因，而热钱大规模流动增加了外汇市场上的外汇供给，加上中国面临的巨额双顺差和外汇储备，人民币升值压力进一步强化，从而增强了汇率上升的信心与预期，形成了一个“预期―升值压力―预期”的一个自我实现机制，增大了汇率调控的难度。二是从国际上讲，不但美联储在推行量化宽松的货币政策，近期日本也有意继续加大量化宽松的力度。在国际上普遍采取零利率政策的情况下，加息将会导致利差加大，对利率异常敏感的热钱将会大量涌入中国。
热钱的流入将会使加息政策产生负面影响。一是热钱流动增加了央行调控货币政策的难度。热钱大规模的流入造成了国内巨大的通胀压力，一方面，热钱流入会增加基础货币的投放，央行不得不通过公开市场业务进行冲销操作。从IS-LM-BP模型上看，表现为LM2反向向右移动到LM3；另一方面，热钱在资本市场的套利活动会导致投资过热。热钱偏向于流入房地产和股票、债券等金融市场，引起这些资产价格的飙升。由于这些资金并不流向生产部门，因此对实际经济发展的积极作用不大，却导致资产价格不断上升形成泡沫经济，加大了央行调节通货膨胀的压力。从IS-LM-BP模型上看，表现为IS`向右移动到IS3，与LM3曲线相交于E3点，对应均衡产出为Y3，均衡利率为i3（见图3）。从图3可以看到，LM3曲线由于热钱的大量流入导致中央增发基础货币的投放，IS3曲线由于对资本市场投资过热导致过量向右移动，导致经济再度过快增长（Y3>Y2）。而泡沫经济的进一步发展导致通货膨胀进一步加大。在这种情况下，为了抑制通货膨胀，央行可能再次采取加息策略，这将会导致加息―热钱流入―再加息的死循环。而且一旦由于某种原因，热钱从资本市场大量撤出和回流以求获利了结或回避风险，必然导致资产价格的暴跌，从而导致金融风暴。二是热钱的大量流入将会进一步增大我国外汇储备，导致贸易顺差进一步加大，人民币升值压力进一步强化。从IS-LM-BP模型上看，新均衡点E3更大程度的偏离了BP曲线。而人民币的升值预期将导致热钱进一步流入。另外，热钱大量流动会造成贸易虚假繁荣，掩盖贸易结构失衡的问题。
从上述分析可知，如今的加息政策必须配合政策防止热钱的流入才能实现其抑制流动性过剩和通货膨胀的目标。郭田勇（2010）认为，防治热钱应该堵疏结合。从防治热钱流入角度看，有关部门应加强国际收支统计分析和检测预警，对异常的外汇流入要跟踪调查。同时，增加热钱进出风险和成本，从而抑制其进入，如考虑在必要时征收托宾税。对资本项目下人民币的自由兑换应持更加谨慎的态度。从疏通热钱流出的角度看，有以下建议：一是改善巨额贸易顺差和外汇储备状况，缓解人民币升值压力。二是深化人民币汇率形成的市场化机制改革，增强人民币汇率弹性。人民币长期升值趋势无法避免，而一次性升值过快会招致热钱流入。深化汇率形成机制改革目的在于避免一次性重估调整，坚持以市场供求为基础，提高人民币汇率弹性和浮动空间。从IS-LM-BP模型上看，若可以有效防止热钱在我国实行适当从紧货币政策时大量流入我国，IS`曲线与LM2曲线在短期内将不会发生很大程度的变化，有效地疏通热钱流出渠道将推动BP`曲线逐步左移至BP2，并且通过均衡点E2，实现内部经济和外部经济的均衡。这时，加息政策才会真正达到抑制流动性过剩与通货膨胀的目的，以实现我国经济平稳发展（见图4）。
参考文献：
1.高鸿业.西方经济学（第二版）[M].中国人民大学出版社，2000
2.国家统计局.中国统计年鉴（2009年）[M].中国统计出版社，2009
3.冯彩.我国短期国际资本流动的影响因素―基于1994-2007年的实证研究[J].财经科学，2008（6）
篇8
关键词：房地产价格；宏观经济；脉冲分析
中图分类号：F293.3
一、研究背景和意义
2012年上半年，我国多个大中城市的房地产价格停止上涨，房价在政策调控下有回落趋势，房地产成交量下滑。与此同时，我国宏观经济也面临较大上涨压力。部分学者认为，若房价大幅下跌，将会对宏观经济产生负面冲击。进入2012年以来，受4万亿投资效应减弱、欧债危机等因素影响，拉动我国经济增长“三驾马车”中的国内投资和出口都出现不同程度的回落，在此形势下，我国住房价格可能大幅下跌，这会否对经济产生巨大的冲击成为决定我国未来经济走势的另一个至关重要的因素。在这种情形下，对我国近年来住房价格波动的特征进行全面分析，并对房地产价格波动对宏观经济及部门经济的影响进行全面系统的研究，不但具有重要的理论价值，而且可以为国家对国民经济及房地产业的调控提供决策参考。
二、实证研究
本部分主要从以下几个方面研究。
（一）数据来源与变量说明
我们选取2005年7月至2011年12月这段时间的全国70个大中城市房屋销售价格指数（HP）月度数据作为房价的变量，数据来源于国家统计局数据库。同时，选取经济增速（Y）、住房投资（HI）、固定资产投资（TI）、消费（SC）、通货膨胀（CPI）作为房价（HP）为宏观经济运行的主要变量。尽管GDP增速是衡量经济增速的最好指标，但由于无法取到GDP月度数据，因此本文选取工业增加值增速替代（两者的相关系数达到0.9以上）。
（二）模型建立
本文选择向量自回归模型（VAR）对各指标间的关系进行分析。向量自回归模型是基于数据的统计性质建立模型，把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。
（三）模型拟合
在实证分析之前，我们首先检验了各时间序列的平稳性。对各变量及其一阶差分后的变量进行单位根检验的结果表明，住房投资HI、通货膨胀率CPI是平稳序列，而房价HP、固定资产投资TI、经济增长Y、消费SC是非平稳序列，一阶差分后的DHP、DTI、DY、DSC都是平稳序列。因此，我们将HP、TI、Y、SC进行一阶差分得到平稳序列。本文将分为房价对经济增长的影响、房价对住房投资的影响、房价对通货膨胀的影响、房价对固定资产投资的影响、房价对消费的影响等五个部分进行分析。
1.房价对经济增长的影响
房价对经济增长的影响可从以下四方面研究。
（1）两变量的协整关系检验
要研究两变量之间是否具有长期均衡关系，就要进行协整检验。首先，以经济增长变量Y为因变量，以房价HP为自变量，进行回归分析，将分析结果的残差进行单位根平稳性检验，残差序列的ADF值为-3.0107，在5%的显著水平下通过检验，说明残差是平稳的时间序列，说明房价HP和经济增长Y之间存在长期均衡关系。
两者的回归公式为：
Y=-18.0517+4.4487HP
（-5.9158）（6.7863）
回归系数为正，说明房价上涨可以促进经济增长。但模型的整体拟合优度仅为0.3773，说明影响经济增长的因素有很多，房价因素仅解释了37.73%，这与实际情况是相符合的。
（2）格兰杰因果关系检验
格兰杰因果关系检验表明，在5%的显著水平下，只有在滞后1期的情况下，经济增长变量是导致房价上涨的格兰杰原因。但不管在滞后几期的情况下，房价都不是导致经济增长变量的格兰杰原因。
（3）房价影响经济增长的脉冲分析
在建立VAR模型的基础上，求出模型特征方程根的倒数值，如图1所示。由于全部根的倒数值都在单位圆内，说明VAR模型是稳定的，可以做脉冲影响函数分析。要进行脉冲分析，首先应建立关于房价与经济增长变量的VAR模型，进而进行脉冲分析。
图2是经济增长Y对于房价冲击的响应函数。来自房价增速的正向冲击，即房价增速的提高会使经济增速在第1期开始上升，并在第3期达到最大影响。此后，影响效应逐步减弱，在第8期时，正向影响趋于消失，可见，房价上涨对于经济增长具有短期的正向影响效应。另外，脉冲分析还发现（篇幅有限，图略），住房投资对于经济增长有1～2期的极短期负面影响，在5～20期进入正面影响，之后影响逐渐消失。但正面影响很小，最高值仅为0.20%左右。在各项指标中，对经济增长影响最为持久的是固定资产投资和消费。固定资产投资对于房价的影响在1～25期一直为正向，在25期后逐渐消失。消费在第20～45期对经济增长的影响最为明显，在45期后逐渐消失。
（4）方差分解
通过方差分解可以对各种冲击的影响大小进行分析比较。如表1，从对经济增长的影响大小来看，在第1期时，经济增长Y自身的影响是主要因素，占比57%，其次是住房投资HI，最后才是房价HP和CPI；从第二期起，房价对经济增长的影响份额逐渐上升，直到第5期达到最高值9.42%，之后逐月递减。但住房投资在第1期对经济增长的影响为19%，之后迅速下降。在第1期，房价与住房投资对经济增长的影响仅为22%，之后逐期递减。
2.房价对住房投资的影响
房价对住房投资的影响可从以下两方面研究。
（1）两变量的协整关系检验
首先对两变量做回归分析，以房价HP为因变量，以住房投资HI为自变量，将分析结果的残差进行单位根平稳性检验，ADF值为-1.3485，在10%的显著显著水平下未通过检验，说明两变量之间不存在协整关系。由于不存在协整关系，因此无法进行格兰杰因果关系检验。
（2）房价影响住房投资增长的脉冲分析
由于图1中的单位根都在圆内，因此两者可以建立VAR模型分析，现在将两个变量建立VAR模型，并进行脉冲分析。
从脉冲图3可以看出，房价对于房地产投资的影响不稳定，先是有较短的负面冲击，接着有10期的正面冲击，然后进入10期的负面冲击，在35期后影响趋于消失，说明房价对于房地产投资的影响没有规律。此外，通过脉冲图还发现，消费、通货膨胀率对于房地产投资的影响也没有规律。固定资产投资增速对于房地产投资有正面影响，但影响极小，低于0.020%。经济增长对于房地产投资有正面影响，且在1～20期影响较大，之后逐渐消失。
3.房价对通货膨胀的影响
房价对通货膨胀的影响可从以下四方面进行分析。
（1）两变量的协整关系检验
首先，以通货膨胀变量CPI为因变量，以房价HP为自变量，进行回归分析，将分析结果的残差进行单位根平稳性检验，残差序列的ADF值为-3.3847，在5%的显著水平下通过检验，说明残差是平稳的时间序列，进一步说明房价HP和物价水平CPI之间存在长期均衡关系。
两者的回归公式为：
CPI=3.6018+0.2222HP
（10.4806）（3.0109）
但模型的整体拟合优度仅为0.1065，说明影响通货膨胀的因素有很多，房价因素仅解释了10.65%，这与实际情况是相符合的。
（2）格兰杰因果关系检验
格兰杰因果关系检验表明，在滞后1期和2期的情况下，房价和通货膨胀率互为格兰杰因果关系。但在2期以上的情况下，房价都不是导致通货膨胀的格兰杰原因。
（3）房价影响通货膨胀的脉冲分析
通过脉冲图4可以看出，来自房价增速的正向冲击，即房价增速的提高会使物价水平在第1期开始上升，并在第6期达到最大影响。此后，影响效应逐步减弱，在第15期时，正向影响趋于消失，可见，房价上涨对于物价增长具有约15个月的正向影响效应。但与其他因素的脉冲图相比（篇幅有限，图略），房价对于物价水平的影响小于经济增速Y和CPI自身的影响。经济增速对于物价上涨影响较大，且时间较长，正面影响期达25个月，影响最大值为0.005，而房价对其影响的最大值仅为0.0025。
（4）方差分解
通过方差分解可以对各种冲击的影响大小进行分析比较。方差分解结果显示，从对通货膨胀的影响大小来看，在第1期时，通货膨胀自身的影响是主要因素，占比100%；从第2期起，房价对经济增长的影响份额逐渐上升，直到第9期达到最高值9.82%。但经济增速在第2期对通货膨胀的影响为2.14%，之后迅速上升，一直递增至10期的23%。
4.房价对固定资产投资的影响
本部分可从三方面分析。
（1）两变量的协整关系检验
首先，以固定资产投资TI为因变量，以房价HP为自变量，进行回归分析，将分析结果的残差进行单位根平稳性检验，残差序列的ADF值为-2.8678，在5%的显著水平下通过检验，说明残差是非平稳的时间序列，进一步说明房价HP和固定资产之间不存在长期均衡关系，因此无法进行格兰杰因果关系检验。
（2）房价影响固定资产投资的脉冲分析
通过脉冲图5可以看出，房价对于固定资产投资的影响不稳定，无规律可循。在1～15期内产生负面冲击，在15～40期内产生正面影响，之后逐步消失。
（3）方差分解
通过方差分解可以对各种冲击的影响大小进行分析比较。从对通货膨胀的影响大小来看，在第1期时，固定资产投资自身的影响是主要因素，占比95%，之后逐渐递减；从第1期起，房价对固定资产投资增长的影响份额逐渐上升，直到第10期达到最高值，但各期影响均很小，即使到第10期也仅为4.27%。
5.房价对消费的影响
本部分可从三方面进行分析。
（1）两变量的协整关系检验
首先，以社会消费品零售总额增长率SC为因变量，以房价HP为自变量，进行回归分析，将分析结果的残差进行单位根平稳性检验，残差序列的ADF值为-2.2936，在5%的显著水平下通过检验，说明残差是非平稳的时间序列，进一步说明消费SC和房价HP之间不存在长期均衡关系，也无法进行格兰杰因果关系检验。
（2）房价影响消费的脉冲分析
图6是消费SC对于房价冲击的响应函数。房价对于消费的影响较为明显，在1～20期均产生正面影响，且影响的最高值达到0.5%，超过了其他四个指标。在20期后，影响消失。房价对消费的影响并不直接，但存在间接影响。当房价上涨较快时，居民的购房意愿会出现下降，将收入资金用于消费或者其他投资渠道。另外，中国消费额在2008-2010年间得到快速增长，主要是受到家电下乡等政策刺激影响，而这段时期也正是房价快速上涨的时期。时间上的巧合也使得其相关关系较为明显。
（3）方差分解
通过方差分解可以对各种冲击的影响大小进行分析比较。从对消费的影响大小来看，在第1期时，消费自身的影响是主要因素，占比64%，之后逐渐递减；从第1期起，房价对消费增长的影响份额逐渐上升，直到第10期达到最高值，解释程度为21%，仅次于CPI。
三、主要结论
本文研究发现，房价与经济增速、物价指数存在长期均衡关系，而与房地产投资、固定资产投资和消费不存在长期均衡关系。根据各变量间分析结果，得出如下结论：
（一）房价若下跌，会在半年内对宏观经济增长产生负面影响，但不存在长期影响
脉冲分析和方差分析均显示，房价上涨和住房投资增长均能促进经济增长。但房价上涨对于经济增长影响的最佳滞后期为2个月，即房价上涨对经济增长的影响在第2个月发挥最大效果，时间不长。另外，脉冲分析中，房价上涨对于经济增长的正面冲击仅持续6个月后便消失，在第3个月达到最大值。在方差分解中，房价对于经济增长的解释程度仅为8%，住房投资仅为6%，远低于消费21%和物价水平12%的水平，说明从长期看，经济增长仍主要依靠消费拉动。同时，本文分析发现，房价并不是经济增长的格兰杰原因，因此以上结论可以相互印证。据此预测，2012年，若房地产价格出现明显下降，房地产投资明显放缓，会在1～6个月左右的时间内会对宏观经济增长产生负面影响，但从长期看影响不大，经济增长仍将需要依靠消费拉动。
（二）房价对消费有明显影响，在房价下跌预期中，刺激消费政策亟待出台
在脉冲分析中，房价对于消费的影响较为明显。在方差分解中，房价对于消费的影响居于第三位，解释程度高达21%，且随着时间变化呈递增趋势。依据经济学中的资产财富效应，房价上涨可以带动消费增长，主要有以下几个途径：一是直接财富效应，房地产所有者因为房地产价格的上涨而导致实际净财富增加，所有者可以出售此房地产或者进行再融资，从而增加当期消费。二是间接财富效应，消费者在房地产升值时，即便没有出售房产或再融资，同样会因为消费者的预期心理认为未来财富会增加，而扩大消费。三是预算约束效应，房地产价格的上升对于拥有房地产的消费者来说可以促进财富的增加，但是对于租房者来说，房价上涨会推动房租的上升，对他们的个人消费就有负的效应。
（三）房价波动与通货膨胀互为因果关系，房价对通胀的影响较为平稳、长期
本文研究发现，房价与通货膨胀互为格兰杰因果关系。脉冲分析和方差分解发现，房价对于通货膨胀在1～15个月内具有正向冲击作用，房价上涨对于通货膨胀的解释程度达到9%。通货膨胀之所以会促进房价上涨，主要是因为成本因素，近几年来，构成住房成本的土地、钢铁、水泥、化工等原材料设备和提高住房水平等因素都在全面上涨，受其影响，房价必然会持续地上涨。当今，宏观调控要稳定居民消费价格指数，稳定相关行业的物价上涨水平，重点抑制生产资料价格过快上涨，从而抑制房价远离价值的不合理上涨。另一方面，当物价持续上涨并引发通货膨胀时，消费者持有货币的意愿会下降，购买房产的意愿会上升。在其他条件不变的情况下，会使得住房价格上升。
（四）房价波动并未对房地产投资和固定资产投资产生明显影响
依据托宾的Q效应理论，在房地产市场上，托宾的Q比率指的是房地产价格和建造成本的比值。在建造成本不变的条件下，若住房价格上升，那么Q值也会随之上升。而Q值越高说明在房地产市场上进行投资的机会就越好，越有利可图。因此，房地产投资也会有较大的增幅。由于房地产投资占总投资的比重相对较大，总投资的也会有一定的增幅，并最终带动产出的增加。但脉冲结果和方差分解显示，房价与房地产投资、固定资产投资均没有长期均衡关系，且房价上涨并不会引起房地产投资和固定资产投资的增加。固定资产投资更多依靠经济增长（解释程度为17%）、物价水平（13%），而不是房价水平（仅为4%）。这也说明，抑制房价大幅上涨，并不会造成固定资产投资的萎缩，进而造成经济增速的放缓。
四、政策建议
综上分析后，本文提出三点政策建议。
（一）应坚持房地产调控不动摇，遏制过快上涨的房价，并处理好与保增长的关系
房价上涨在短期对我国经济增长的拉动作用十分明显，现行房地产调控政策面临着控房价与保增长之间的两难选择困局，即在房价过快上涨势头得到控制时，经济增速也会受到抑制。但从长期看，房价下降并不会对宏观经济产生明显影响。因此，中央应继续加大房地产调控力度，保住现有调控成果，使房价合理回归。当然，在房地产调控中，应当最大限度的平衡控房价与经济增长之间的关系，并探索跳出这一两难困局的解决方案。
（二）房地产价格应成为中央银行分析通货膨胀预期变动中不能忽视的因素
房地产价格可以为中央银行提供有用信息，准确预测未来通货膨胀趋势，这将有效降低货币政策认识时滞。但是，目前在我国居民消费价格指数 （CPI）的构成中只占14%权重的居住类消费价格指数中，并不包括房地产价格，而只包括建房及装修材料、房租、物业费及其他与居住有关的服务、水、电、燃气等。即使房租价格在居住类消费价格指数中也仅占20%的权重。由于不能充分利用房地产市场提供给货币政策决策的重要信息，将可能使人民银行错失对房地产市场调控的最佳时机，从而直接影响货币政策的预期效果。因此在应对当前的通货膨胀问题上，央行在货币政策调控中应当对以房地产价格为代表的资产价格进行关注。同时，应当管理好通胀预期。
（三）要管理好房价上涨预期，正确引导市场
通货膨胀并未对房价产生明显的冲击，房价自身的冲击则对房价上涨的影响效应十分明显且对房价预测方差的解释力在90%以上。这说明通货膨胀预期并不是推动房价上涨的主要因素，房价上涨预期才是影响房价上涨的关键。因此，要取得房地产价格调控的实效，必须管理好房价上涨预期。
参考文献：
[1]谢经荣，朱勇.地产泡沫与金融危机[J].北京：经济管理出版社，2002.
[2]王国军，刘水杏.房地产业对相关产业的带动效应研究[J].经济研究，2004（8）.
[3]梁云芳，高铁梅，贺书平.房地产市场与国民经济协调发展的实证分析[J].中国社会科学，2006（3）.
[4]赵龙节，闰永涛.中美房地产业投入产出比较分析[J].经济社会体制比较，2007（2）.
[5]吴海英.房地产投资增速对钢铁投资和总投资增速的影响[J].世界经济，2007（3）.
篇9
关键词：房地产市场；虚拟性；宏观经济。
房地产业作为我国发展最快的产业之一，不仅为城镇居民提供了安居乐业的居所，推进了城市化进程，也有力地促进了国民经济的发展，对实现土地资源优化配置和产业结构调整发挥着重要作用，作为一种导向性产业，其连带效应为国民经济整体发展提供了契机。房地产业与钢铁、水泥、木材、玻璃、塑料、家电等上下游60多种产业直接或间接相关，据统计，每100元的房地产销售能带动相关产业170元的销售。另外，房地产业的发展也能促使一些新兴行业的产生、发展，譬如物业管理、法律咨询、房地产评估、房地产中介等等。
与此同时，我国房地产业的发展也暴露出许多问题，尤其房价持续飞涨已经越来越偏离经济的增长速度和普通百姓的收入水平，使之成为社会舆论关注的焦点。由美国次贷危机引发的全球金融危机，引起全世界对金融监管以及房地产市场虚拟性的高度关注。虚拟经济是产生经济泡沫的根源，房地产泡沫也是由房地产市场具有的虚拟特性引发的。如何解释房地产所具有的虚拟特性，以及它对宏观经济的影响，是本文要讨论的主要内容。
一、虚拟资本与虚拟经济。
马克思在《资本论》第三卷第五篇中对虚拟资本进行分析，提出“人们把虚拟资本的形成叫作资本化。人们把每一个有规则的会反复取得的收入按平均利息率来计算，把它算作是按这个利息率贷出的一个资本会提供的收益，这样就把这个收入资本化了”[1]493。生息资本的运动和信用制度的发展创造出了虚拟资本，包括股票、债券、汇票、不动产抵押单等，“所有这些证券实际上都只是代表已积累的对于未来生产的索取权或权利证书，它们的货币价值或资本价值，或者像国债那样不代表任何资本，或者完全不决定于它们所代表的现实资本的价值”[1]494。
虚拟资本本身没有价值，但虚拟资本可以通过循环运动产生利润，获取某种形式的“剩余价值”，它不能直接作为现实生产要素或资本在生产活动中发生作用，而只是所有权证书，是“现实资本的纸制复本”，反映着债权债务关系。“但是，作为纸制复本，这些证券只是幻想的，它们的价值额的涨落，和它们有权代表的现实资本的价值变动完全无关，尽管它们可以作为商品来买卖，因而可以作为资本价值来流通。”[1]530当金融发生动荡时，虚拟资本的价格可以数倍于它们所代表的实际资本价值，也可以大大低于实际资本价值，甚至一文不值。
（一）虚拟资本对社会经济运行的积极影响。
1.加快财富的集中和资本的积累，促进资本的社会化进程。虚拟资本的出现改变了资本积累的方式，资金集中更加迅速、快捷，促进了资本的社会化，为高效率的社会化大生产奠定基础。
2.促进了资源的合理配置。虚拟资本在各部门之间的转移更加自由灵活，从而能表现出明显的优化资源配置的效应和导向性，带动了劳动力、技术、自然资源在实体经济部门之间的优化配置。
3.促进经济增长。虚拟资本的繁荣，能增加投资者财富，刺激消费增长，改变短期边际消费倾向，扩大经济增长的乘数效应，虚拟资本中的股票债券，如果绝大部分是生产性的，也有利于经济的增长。
4.促进利润率平均化。“信用制度的必然形成，以便对利润率的平均化或这个平均化运动起中介作用。”[1]5325.减少流通费用。“一项主要的流通费用，就是货币本身，因为货币自身具有价值。”通过信用，“A相当大的一部分交易完全用不着货币。B流通手段的流通加速了。……一方面，这种加速是技术性的；也就是说，在现实的、对消费起中介作用的商品流转额保持不变时，较小量的货币或货币符号，可以完成同样的服务。这是同银行业务的技术联系在一起的。另一方面，信用又会加速商品形态变化的速度，从而加速货币流通的速度。”[1]541（二）虚拟资本对社会经济运行的消极影响。
虚拟资本如果发展过度，就会对宏观经济产生严重的消极影响：
1.虚拟资本的过度发展会挤占生产部门的资金供给。在高投资回报预期下，大量资金从实体经济领域流向金融市场和房地产市场，造成经济虚假繁荣。如果流进虚拟经济领域的资金过多，就会造成实体经济部门资金不足，发展乏力，出现生产性投资的挤出效应。
2.虚拟资本是经济泡沫产生的根源。虚拟资本的过度增长和相关交易持续膨胀，与实际资本脱离越来越远，形成泡沫经济。经济泡沫的成分不断增加，人们对虚拟利润的追逐导致大量资金非正常涌入虚拟资本市场，人们热衷于炒作股票、期货等“金钱游戏”活动。
3.在虚拟资本的积累快于现实资本积累的情况下，生息的货币资本不仅不反映现实货币资本的积累，而且自我扩张，这样就导致了现实资本供求和生息货币资本的供求出现明显差别，生息货币的过剩或不足，不反映或不完全反映现实资本的过剩或不足，增大了调控宏观经济的难度。
虚拟经济是与实体经济相对应的概念。成思危认为，虚拟经济是指与虚拟资本以金融系统为主要依托的循环运动有关的经济活动。简单地说，虚拟经济就是直接以钱生钱的活动。[2]刘骏民认为，虚拟经济是以资本化定价行为为基础的价格系统，其运行的基本特征是具有内在的波动性。[3]
二、房地产市场虚拟性的表现。
房地产市场具有虚拟经济和实体经济的二重属性，虚拟性是指房地产是一种虚拟资产，其特性介于普通商品和金融资产之间。具体表现在：
其一，以房地产的权属证书开出的汇票或发行的抵押证券实质上是一种虚拟资本。根据马克思的解释，房地产权属证书“实际上都只是代表已积累的对于未来生产的索取权或权利证书”，它本身没有价值，但可以通过循环运动产生利润，获取某种形式的剩余价值。诸如房地产抵押贷款以及抵押贷款的证券化（MBS）、房地产公司的上市融资、发行债券以及股票等有价证券（REITs），依托金融系统的循环运动使得这些房地产金融工具不经过实体经济的循环就可以取得盈利的经济活动，就是一种虚拟经济，这充分体现了房地产市场的虚拟性。
其二，资本化定价。作为不动产的土地，土地价格就是“地租的资本化”，它使土地资产成为一种具有虚拟资本属性的资产。实际上，在现代房地产投资、融资实务中，根据房地产产生的现金流量进行估价的收益资本化法仍是决定房地产投资的最主要估价方式，只是在估算现金流量时需要考虑更多的因素，以求达到更好的预测效果。
其三，投资者并不直接参与生产和消费等实体经济活动。在现代经济生活中，房地产已经成为一种重要的投资品，由于对土地需求不断增加而土地存量不变，因此，从长期来看，房地产价格必呈上升趋势。投资者为了资产保值增值而取得房地产所有权，其投资的目的在于盈利，投资者并没有直接参与生产和消费等实体经济活动。
三、房地产虚拟性质与宏观经济。
房地产的虚拟资产性质使其成为联系实体经济与虚拟经济的纽带，它像一把双刃剑，对宏观经济发挥着正负两方面作用。郭金兴认为，在现代经济中，房地产是一种重要的虚拟资产，并且随着虚拟经济的发展，其虚拟性也在不断增强，这在成熟的市场经济国家体现得尤为明显。经验表明，房地产市场波动并不一定会对实体经济造成破坏性影响。[4]刘骏民、王千也认为，实际上，一个发达而完善的房地产市场有可能在经济发展和经济增长中起到稳定作用。[5]
（一）完善的房地产市场的积极作用。
1.促进金融市场扩大。房地产以其不动产的特点成为商业银行发放贷款的重要抵押品，再加上房地产抵押贷款及其证券化等金融工具的不断创新，也扩大了银行和金融市场的范围和规模。通过向银行抵押贷款，企业和个人可以获得资金用于房地产的生产、交易，而房地产市场交易的活跃进一步刺激房价上涨。抵押品价格的上涨改善了银行的资产负债表，并吸引过剩资金流向房地产金融市场，进而使得信贷规模以及金融市场的规模和范围进一步扩大。
2.支持实体经济发展。房地产以及房地产金融市场既可以吸收大量社会过剩闲散的资金，从而化解实体经济物价不稳定的压力，在很大程度上消化实体经济的风险；也可以为房地产市场上企业和个人的投资需求提供资金支持。
3.优化社会资源配置。房地产金融市场将资源从低效率利用部门转移到高效率部门，使社会的经济资源能更有效地配置在效率更高或效用更大的部门，实现稀缺资源的合理配置和有效利用。房地产增强资金的配置效应从而引导实体经济对资源的优化配置。随着金融改革的深化，虚拟经济的资源配置功能越来越强，极大地促进了经济的发展。
所以说房地产这种虚拟经济成分适当的波动对实体经济是有益的，一方面它可以缓解对实体经济的冲击，另一方面也可以优化资金配置，为实体经济能更好地配置资源服务，从而促进经济增长，改善国民福利。
（二）房地产市场虚拟性的负面作用。
1.它是房地产泡沫产生的根源。一方面，在高投资回报预期下，大量资金从实体经济领域流向金融市场和房地产市场，房地产价格飞涨，造成经济虚假繁荣，经济泡沫不断增加。同时，自上世纪80年代以来，全球范围内的金融自由化、资本市场管制放松以及先进通讯技术的应用使得资本流动更方便、更快捷，国际资本可以更容易地跨国界流向收益高的房地产市场，大大增加了房地产市场的泡沫。另一方面，房地产和其他虚拟资产之间结构失衡，发展速度参差不齐，同样可能由于大量货币资金积聚于房地产市场而造成房地产泡沫。
2.房地产业与银行货币发行、金融证券市场紧密联系在一起，使房地产波动通过货币供给和信贷总量等传导机制对金融市场和宏观经济产生影响。市场繁荣时，利率水平较低，贷款规模和信贷总量不断增加，居民收入预期增加，购房者对房地产的需求增加，从而促进经济加速增长；在加息过程中，人们对于经济前景持乐观态度，居民收入预期进一步增长。而一旦由于政策变动或投资者预期变化等原因引发信贷规模骤减时，购房成本增加，居民收入预期下降，便会抑制房地产需求，经济增速便会下降。同时房价的下跌也促使居民观望乃至抛售房产，进一步促进房价的下跌。人们对经济预期普遍持悲观态度时，如果投资者资金链断裂，就很容易引发金融危机。
因此，防止大量货币积聚在房地产市场，打击房地产投机，是治理房地产过度虚拟产生泡沫的关键。我国目前由于金融或资本不发达，投资渠道少，房地产往往被作为一种优质的投资品，在流动性过剩、资本逐利的本性推动下，就会引发房地产投机、房价迅速上涨的不良局面。而房地产又是对政策，尤其是对土地、金融、税收等政策依赖性很强的行业，资金松紧对房地产运行有决定性的影响。引起2007年美国次贷危机的直接原因就是贷款利率的上升和房地产市场的降温。从2004年6月到2006年8月美国基准利率先后上调17次，从1%上升到5·25%。利率上升使信用不好的借款人还款压力增大，违约现象大量出现；房地产市场降温则使借款人难以将房屋出租、出售，即使出售了房屋也不足以偿还购房贷款本金和利息，从而产生了商业银行贷款亏损等连锁反应，最终导致了次贷危机的发生。
四、我国房地产市场现状及建议。
国人对住房有特殊情结。由于人多地少、经济高速增长、城市化进程加速、信用工具不断出新、超前消费意识形成等因素的相互作用，导致我国需求膨胀，且具有相当的刚性，再加上境内外投资、投机的炒作，尤其是当前我国人民币升值预期的高涨，热钱正在快速进入我国，使我国房地产市场呈现极不正常的状态。一方面，形成了虚假的房市需求，推动房价不断上涨，投资者购房时不考虑自己的真实消费能力，包括按揭贷款后的还贷能力，而是考虑投资收益和成本，只要房价涨幅超过银行还贷利息成本，投资性购房的需求便会不断增加；另一方面，造成社会资源的极大浪费，许多城市房子空置率很高，而中低收入人群越来越买不起房子，极易引发社会矛盾，影响和谐社会的建设。
从房地产市场的供求关系看，目前我国存在着结构性失衡。房地产结构性的供不应求与供过于求同时并存：一方面，大量的商品房积压，这主要是因为开发商没有充分分析市场，对市场有效需求估计不足，过多投资高档住宅，导致了空置；另一方面，大多数居民的住房还十分紧张，普通住宅尤其是经济适用房供给短缺、增长缓慢。要解决结构性失衡，就需要增加开发经济适用房的比例，而且严格限制以经济适用房名义开发超大面积住宅或将经济适用房转变为普通商品房。由于我国的房地产市场还处于发育的初期阶段，政府的主要职责就是通过制定科学、有效、竞争的规则，促进房地产市场的正常发育，充分运用经济手段调节房地产市场的供给和需求，抑制房地产投机或炒作。为此，笔者提出以下具体建议：
第一，进一步完善我国的住房保障制度。政府应进一步加大对保障性住房建设的投入力度，优先保证供应廉租房和经济适用房建设用地；同时，要建立科学规范的准入机制，使住房保障制度真正保障买不起商品房和无力自行解决住房问题（包括无能力租市场价住房）的贫困家庭或中低收入家庭。
第二，加强对热钱的跟踪和管制，控制热钱大量流入房地产市场。当前人民币在境外压力下升值预期不断高涨，吸引大量热钱涌入境内，房地产尤其是豪宅是热钱投资的主要对象。所以，一方面要稳定币值尤其是预期；另一方面，要从根本上完善我国的市场体制、金融制度以及货币政策等。
第三，增加投资渠道，使资金分流。采取住房抵押贷款证券化、建立房地产信托基金等措施，当股票、基金、债券以及抵押贷款证券化这些投资渠道发展后，融资方式的多样化可以让投资行为转向购买虚拟房产，减少楼市的投资行为，也可以减少银行承受的金融风险。
第四，加强政策的针对性和有效性。房地产由于受多种因素影响，是个复杂的市场体系，政府应该有的放矢地制定地方房地产政策，而不能搞“一刀切”。同时，加强房地产市场分析研究，建立健全房地产市场信息系统，完善市场监测分析和预警机制，准确把握房地产市场走势，及时发现市场运行中的新情况、新问题，提高调控措施的预见性、针对性和有效性，正确引导房地产的投资和消费。
第五，加强税收、信贷等政策对房地产市场的监管和调控作用。加强、调整房地产市场交易税收，加强物业立法。同时，货币政策制定者应该增加对发展中的按揭市场基本结构的关注，并提高信贷条件，加强对经营家庭债务相关的金融实体的监管，以保证其健康运行。
第六，充分认识房地产业的虚拟特性，综合考虑房地产金融问题，而不是单独从银行信贷管理、信托政策、企业债券或股票等金融工具的角度来考虑房地产金融。同时，进一步完善立法，使房地产企业股票发行和交易规范化，把企业通过股份制而筹集的资金纳入健康发展的轨道。
总之，解决住房问题需要政府这只看得见的手与市场这只看不见的手两者的密切配合。一方面，要发挥市场在资源配置方面的基础性作用，利用市场的力量来使住宅商品适应各种不同的需求，以实现供需之间的动态平衡；另一方面，市场和政府两只手是互相配合的，政府应该更多地考虑保障社会公平。
参考文献：
[1]资本论：第三卷[M].北京：人民出版社，2004.
[2]成思危。虚拟经济论丛[C],北京：民主与建设出版社，2002:14-20.
[3]刘骏民。从虚拟资本到虚拟经济[M].济南：山东人民出版社，1998:38、51.
[4]郭金兴。房地产的虚拟资产性质及其中外比较[J].
篇10
摘 要： 根据中国A股市场数据，运用“非资产定价模型分解法”将个股风险分解为市场风险、行业层面风险和公司特质风险，在此基础上，建立结构向量自回归模型，考察个股不同层面的股价波动和宏观经济变量之间的相关性：发现A股市场特质波动水平的上升，使得公司层面的信息不确定性增加，导致信贷规模下降，从而间接降低了宏观经济的稳定性。这表明公司特质波动与宏观经济之间存在显著的负相关性。
中图分类号： F123.16
文献标志码： A
文章编号： 10012435（2013）01008607
Macroeconomic Stability Can Be Affected by Idiosyncratic Volatility-Empirical Research Based on SVAR in Chinese A Stock Market
HUA Fengtao （1.College of Economics and Management， Anhui Normal University， Wuhu Anhui 241003， China；2. School of Public Economics & Administration， Shanghai University of Finance & Economics， Shanghai 200433， China）
Key words： idiosyncratic volatility； model-independent decomposition； macroeconomic stability； SVAR
Abstract： Based on data from China's A stock market， with the method of model-independent decomposition， break individual risk down into market risk， industry level risk and idiosyncratic risk. And on this basis， the SVAR model is established to study the causal link between the idiosyncratic volatility and macroeconomic stability， and bring out the following conclusion： The rise of idiosyncratic volatility in A stock market increases information uncertainty of corporations， cutting down the credit scale and indirectly reducing the macroeconomic stability. That shows notable negative correlation between idiosyncratic volatility and macroeconomic stability.
公司特质波动作为股价波动的重要组成部分[1]，对股价甄别、筛选和反馈公司价值，传递公司层面特质信息，以及资源配置都具有重要的影响[2]。Wurgler[3]发现公司特质波动程度对于资源配置效率的高低具有显著性的解释作用。既然公司特质波动与股价的信息效率密切联系，那么，公司特质波动是否会影响宏观经济波动，以及如何影响宏观经济？这将从一个层面解释股价波动与宏观经济稳定之间的传递机制。
对于公司特质波动与宏观经济稳定之间的相关性，鲜有学者涉及。Panousi和Papanikolaou[4]发现当公司特质波动较高时，公司投资行为趋于保守，即公司特质波动程度和公司投资行为存在明显的负相关性。Portes和Ozenbas[5]利用“金融加速器”理论[6]研究发现，公司特质波动能够有效的解释“现代市场经济之谜”[7]。他们将个股波动分为即市场波动和公司特质波动。在信贷市场上，银行只能提供抵押贷款的条件下，信贷规模完全取决于公司资产净值的影响。而公司特质波动则是公司净资产价值变化向外界传达信息的一种方式。当公司特质波动上升时，公司资产净值的波动性进一步增加，意味着信贷市场的信息不对称程度提高，企业的外部融资升水增加，信贷市场的“金融摩擦”加剧，造成信贷市场规模下降。国内学者主要集中在趋势研究[8]和定价研究[9]，多围绕资产价格与经济波动之间展开。本文运用结构向量自回归模型，考察公司特质波动对中国宏观经济稳定的影响机制。
一、研究方法
（一）公司特质波动测度
公司特质波动测度方法主要分为间接分离法和因素模型法两种。间接分离法是Campbell等[10]根据CAPM的思想，将个股收益波动分解为市场收益、行业层面收益以及公司特质收益三个部分，并根据这三个收益成分分别计算各自的方差，以求出市场波动、行业层面波动和公司特质波动。直接分解法则是直接利用Fama-French三因素模型的误差项计算公司特质波动，而因素模型法是Malkiel和Xu[11]利用因素模型，尤其是三因素模型计算其误差项用以测度公司特质波动。这两种方法均是借助于不同的资产定价模型测度公司特质波动。模型的选择均是在一定的条件下才具有适用性，如CAPM模型的适用条件中有两个最为基本的规定，一是组合中的风险资产比例相同；二是投资者的风险偏好相同。但现实条件难以达到这种理想状态。再如，运用模型进行计量分析时，只有当残差g（i）独立同分布时，分析结果计量实证意义，不同的模型所计算的结果，其误差也各不相同。本文借鉴Bali，Cakici和Levy[12]，采用“非模型分解法”对我国证券市场中的公司特质风险进行测度。
“非模型分解法”是指在不依赖于任何资产定价模型的基础上，基于组合分散收益的思想，借助于均值方差法，构建起测度整个证券市场平均公司特质风险的计算方法。构建过程如下：
假设在证券市场内存在n个行业，Rit为行业i在第t月内的行业平均收益，权重Wit为行业i的市值占证券市场总市值的比重。那么市场收益为：
Rm，t=ni=1Wi，tRi，t
而行业i在第t月内的平均收益为行业内个股收益的加权平均，其中，Rji，t为个股收益，Wji，t是按照个股市值占行业总市值的比重得到。那么行业i的平均收益为：
Ri，t=ni=1Wji，tRji，t
在以上市场收益和行业收益计算的基础上，我们假定个股收益波动分为三个层面：市场波动、行业层面波动和公司特质波动。这一点与间接分离法较为类似，但在测度三个层面波动时所采用的方法则是基于组合分散收益的原理构建。首先，根据市场收益计算市场层面波动：
MKTNt=Var（Rm，t）=（Rm，t-μm）2
其中，μm为市场收益Rm，t的期望平均水平。我们把行业看作是一支理论上的“行业证券”，那么这个Rm，t就可以看作是一个“市场组合”的收益。在这样的组合中，行业层面风险被看作非系统风险而被完全分散掉。我们再假定这些理论上的“行业证券”间的收益具有完全正相关性，那么它是一个没有分散效果的“无分散组合”，在这个组合中，“行业证券”间的非系统风险——行业层面波动则完全保留。该组合方差则为各“行业证券”方差总合：
ni=1Wi，tσi，t2，其中，σi，t为行业i的标准差。组合方差与市场层面波动之差为行业层面波动：
IND=σ2ε，t=ni=1Wi，tσi，t2-Var（Rm，t）
假设行业i中有m家上市公司，针对行业i同样也构造出两个截然不同的组合，即行业内的“市场组合”和假定的行业内的“无分散组合”，同时可以求出各自的风险方差，其中行业内的“无分散组合”的方差为：（mj=1Wj，tσj，t）2，σji，t为行业i内的公司j的标准差。行业i内的特质波动平均水平为：
σ2εi，t=nj=1Wji，tσji，t2-Var（Ri，t）
nj=1Wji，tσji，t是指在行业i内所有个股的权重平均方差。再将行业内的平均公司特质风险按照行业权重再次加权平均，即nj=1Wi，tσεi，t乘方后，减去市场超额收益方差Var（Rm，t），便得到股票市场平均公司特质风险：
FIRM=σ2η，t=ni=1Wi，tσεi，t2-Var（Rindexm，t）
（二）结构向量自回归模型（SVAR）
Sims[13]提出的向量自回归模型（vector autoregressive model，VAR）采用多方程联立的形式，在模型的每一个方程中，内生变量对模型的全部内生变量的滞后项进行回归，从而估计全部内生变量的动态关系，它提供了一个刻画多元时间序列动态特性以及分析随机扰动对变量系统动态冲击的简单框架。但这种VAR模型不能反映变量之间当期相关性的确切形式，并且由于这些当期相关藏在误差项的相关结构中，其经济含义难以解释。Sims[13]提出了结构向量自回归模型（SVAR），可以通过建立非递归形式的短期约束，在同一模型中识别多个变量的结构冲击。含有k个变量的p阶结构向量自回归模型SVAR（p）一般矩阵形式可表示为：
B0yt=Γ1yt-1+Γ2yt-2+…+Γpyt-p+ut
其中，
B0=1b12…b1k
b211…b2k
bk1bk2…1，
yt-j=y1t-j
y2t-j…ykt-j，j=0，1，2，…，n
ut=u1t
u2t…ukt，
Γ=
γi11γi12…γi1k
γi21γi22…γi2k
γik1γik2…γikk，
k=0，1，2，…，n
（三）基础数据
本文中包括3个内生变量：经济增长指标、信贷规模指标，以及公司特质波动。
1. 公司特质波动（IDIO），本文选择深沪A股上市公司共1232家上市公司，其选择标准为：剔除金融类、房地产类和ST类上市公司，另外计算波动率所需时间限制，同样剔除上市公司不足5个月的上市公司。样本期从1995.6-2010.6共15年间的样本交易数据。行业分类是按照中国证券监管委员会于2001年公布的《上市公司分类指引》共分为13大类共56个二级行业，剔除不足3家公司的行业。共选择51个行业。无风险收益率选取人民币一年期存款基准利率作为标准。以上数据均来自于Wind数据库和CSMAR金融数据库。
2.各项贷款总计，本文引入金融机构贷款余额（CREDI），选择该指标是为了反映公司特质波动变化而导致的影响宏观经济稳定的信贷渠道效应。数据来自于CCER数据库和国研网，考虑到所取数据均是货币名义值度量，为取得其实际余额，将该数据名义值除以CPI计算得出。其中，通货膨胀率指标采用消费者定基价格指数（CPI），数据来自RESSET金融数据库。
3.经济增长指标采用一致合成指数CSI。由于目前我国缺乏GDP的月度数据，再加上在考察宏观增长涉及到多方面指标，如工业生产、就业、投资、消费、外贸、税收、企业利润、以及居民收入等方面因素，本文采用一致合成指数CSI，该指数由国家统计局制定并统一公布（.cn）。
本文SVAR模型中，定义如下假设：第一，假定一致合成指数CSI为前定变量，同期受到金融机构贷款（CREDI）“新息”（Innovation）的影响，这种“新息”即来自于公司特质波动的影响。假定公司特质波动对模型中其他变量反映存在黏性，因此公司特质波动受到自身冲击的同期影响。第二，假定公司特质波动和金融机构贷款之间存在相互作用：一方面，公司特质波动的变化使得公司的净资产值发生变化，使得公司担保品发生变动从而影响银行的信贷行为。另一方面，金融机构信贷的可获得性通过公司净资产值的变化影响公司特质波动的变化。
在选择上述变量（IDIO、CSI、CREDI）的基础上建立SVAR来考察这些变量之间的统计关系，相比于无约束VAR模型而言，SVAR模型不仅考虑了变量间的内生性问题，而且也包含了内生变量之间的当期关系。
个股波动经过“非模型测度法”分解为三个层面波动，即市场波动、行业层面波动和公司特质波动，各自所内涵的信息本质不同，为了综合考察个股波动对宏观经济稳定，以及信贷市场变化的影响，将这三个层面波动变量纳入工具体系。在目标体系中，认为公司特质波动对于宏观经济稳定的影响主要是通过信贷渠道发生的，因此在目标体系中主要设置了、一致合成指数CSI和信贷规模指数CREDI，并着重分析公司特质波动对于一致合成指数CSI和信贷规模的影响，以印证上文的理论分析。
（四）模型的设定
考虑到公司特质波动与宏观经济变量之间的关系主要表现在长期关系。为了保存数据中的互动信息，即便其时间序列非平稳，也不采用差分法进行平稳处理[15]，因此，本文选择上述指标的水平变量构建SVAR模型。而SVAR利用残差协方差进行Choleski分解来规避模型中的“新息”，这样存在一个问题，即变量的排序有可能影响到因素的冲击影响。按照Bjomland和Jacobsen[13]的方法，本文将一致合成指数CSI、通货膨胀指数CPI和信贷变量CREDI排在序列的最前面，市场波动、行业层面波动和公司特质波动排在后面，具体排序为：
yt=（CSIt，CREDIt，IDIOt）
因此本文的SVAR模型可以表述为：
B0yt=b*+B1yt-1+ut（1）
其中，yt为（3×1）维内生变量向量；B0为可逆（3×3）维结构系数矩阵，表示变量间的当期关系；B1表示为（3×3）维反馈系数矩阵，代表变量滞后期与当期间的关系；ut为（3×1）维随机扰动项向量，为白噪声向量；b*为常数项。
（五）模型的识别
SVAR模型和VAR模型之所以不同，在于SVAR模型中包含了变量间的当期结构性关系，这种关系是通过残差项相互传递，为了能够对（1）式进行估计，需要将其转化为VAR的简约形式：
yt=a*+A1yt-1+εt（2）
其中，A1为（3×3）维系数矩阵，εt为（3×1）随机扰动项向量，且Eεtε′t=∑ε为（3×3）维对称正半定矩阵。根据（1）式和（2）式之间的随机误差项之间的关系，即ut=B0εt，由于Eεtε′t为对称半正定矩阵，因此ut也为对称半正定矩阵。至此，为了完全识别SVAR（1），需要对B0施加约束条件。这种约束条件是以公司特质波动、市场波动针对宏观经济变量的影响和传导过程为基础的。一般而言，对于具有k个内生解释变量的SVAR模型，需要对B0施加k（k-1）/2个约束条件才能恰好识别出所有参数。
二、数据分析和实证检验
（一）时间序列平稳性检验
本文首先用Eviews6.0对以上三个变量进行单位根检验，检验方法采用ADF方法进行处理，单位根检验的结果如表1所示：
（二）变量协整关系检验
本文采用Johansen协整检验对3个变量系统进行分析。假定数据中存在线性趋势，协整向量含有截距但是没有线性趋势，选取2作为滞后阶数，得到检验结果如表：
表2表明无论迹统计量还是最大特征值法，系统有3个协整向量，而根据Sims[13]的结论，当存在协整关系是，即便使用变量的水平值建立VAR模型是不会出现识别错误，且最小二乘法的结果都是一致估计，因此，本文采用水平值进行模型的估计和分析。
（三）模型参数估计
对于这3个变量形成的系统直接应用SVAR模型分析公司特质波动以及市场波动对宏观经济稳定的影响时，关键是如何设定内生变量的同期相关矩阵，结合上面分析，并参考Kim和Roubini[7]的方法，本文的B0为：
uidioucrediucsi=
1b12b13b211b23b31b321
εidioεcrediεcsi
（3）
一般情况下，对B0参数的约束分为短期约束和长期约束之分，长期约束一般是指零约束，是指一个变量对另一变量的结构冲击的长期相应为0，但三者间均存在长期关系，因此对于该矩阵应施加短期约束。在（3）式中的第1行，银行信贷行为的变化是取决于公司净资产值的变化，当公司资产净值由于信贷市场的不确定性增加时，引起了公司现金流的变化而发生改变，因此信贷行为的变化在当期对于公司特质波动没有影响，两者的当期关系应该为零，则本文中可以设定b12=0。而公司特质波动对宏观经济稳定变量CSI也是通过公司资产净值的改变，引起公司投融资行为发生变化导致的，因此，公司特质波动的变化是取决于公司层面特质信息的改变，尽管从长期将公司层面经营状况与宏观因素密切相关，但宏观经济对于公司特质波动没有当期影响。本文设定b13=0。而在（3）式的第2行，根据不完全信息理论以及效率工资理论，价格存在粘性，因此，信贷规模指数CREDI对一致合成指数CSI只存在滞后效应，因此b23=0。
在模型（3）中满足可识别条件的情况下，我们可以使用回归模型，并估计得到SVAR模型的所有未知参数，从而可得到矩阵B0，以及ut和εt的线性组合估计结果。首先，通过建立最小二乘回归模型，得到公司特质波动对于我国信贷市场的当期关系为B21=-0.1194，说明两者间呈现出负相关关系，也印证了公司特质波动其实是作为公司在信贷市场的金融摩擦存在的，其程度越高，那么公司的融资摩擦愈大，尤其在我国信贷市场信息不对称状况明显，信贷配给严重的情况下，更是如此。其次，而公司特质波动IDIO对于一致合成指数CSI的影响，估计IDIO对CSI的系数为
B31=-0.2763，这意味着当证券市场平均公司特质波动上升一个百分点时，CSI指数则下降0.2763个百分点，尽管与Portes和Ozenbas[5]的研究结果认为，在美国证券市场上公司特质波动的上升能够解释40%的宏观经济波动下降原因相比，也说明在我国证券市场上，平均公司特质波动在长期内是影响宏观经济波动的一个重要因素。同时说明公司特质波动与宏观经济波动之间的关系呈现出明显的负相关性。
三、实证结果分析
本文利用SVAR的目的是从公司特质波动、信贷规模、宏观经济变量三个内生变量间内在的动态关系，并发现三者信息传递的方式和特征，尤其是公司特质波动通过信贷市场对宏观经济变量的影响。在SVAR模型中，变量间的关系式相互的交错发生，我们是通过脉冲响应函数来反映这一关系。而脉冲响应函数是分析当一个误差项发生改变，或者说模型受到某种冲击时对系统的动态影响，用以描绘在扰动项上施加冲击，对内生变量当前值和未来值所带来的影响，因此带有一定的滞后性，本文在这里选取的滞后长度为10个月。在SVAR中，通过结构脉冲响应函数的分解可以得到系统中各个内生变量对自身以及其他内生变量单位变动的反应。根据本文的研究目的，主要考察公司特质波动对信贷规模以及宏观经济稳定变量的动态影响。
（一）公司特质波动对信贷规模的脉冲反应函数
图1中分别显示了公司特质波动对信贷规模
的脉冲响应函数图和积累响应函数图。当公司特质波动自身结构新息的一个单位标准差扰动时（1%，为正向总冲击，下同），信贷市场规模（图中的D（CREDI），对数形式）在当期产生一个负向的响应，为-0.15个百分点，第二期产生-1.012个百分点的负向响应，在第三期这种负
向响应达到最大值，为-1.174个百分点，此后逐步下降，到第十期以后接近于零。通过积累脉冲响应图中可以看到，从第十期以后逐步稳定在4.5个百分点左右。说明公司特质波动对于信贷规模的冲击均是具有长期性。通过两者的脉冲反映函数，我们可以发现，在我国证券市场上公司特质波动的上升，意味着公司层面特质信息不确定性的上升，而这种信息不确定性加剧了信贷市
场上，银行等金融机构观察公司内部经营状况的信息不确定性增加。这种状况影响着企业的资产净值的改变，企业若凭借流动资产或者抵押品获得银行信用，从公司的资产负债表来看就会负担加重，偿还能力变差，要想获得银行贷款就越困难。伴随着这种金融摩擦的上升，企业外部融资升水增加，迫使企业的融资顺序发生改变，逐步转向内部融资，因此信贷规模开始下降，而且这种状况是具有持久性。
（二）信贷规模对宏观经济稳定的脉冲响应函数
图2中，当信贷规模自身结构新息的一个单位标准差扰动时（1%，为正向总冲击，下同），
宏观经济稳定变量（图中的D（GYZ），对数形式）在当期产生一个负的响应，为2.4个百分点，从第二期开始响应由负转正，为1.7个百分点，在第八期响应值达到最大值为9.97个百分点，此
后开始逐步下降并趋近于零。而通过积累脉冲响应图中可以看到，从第十五期以后逐步稳定在15.2个百分点左右。说明信贷规模的增加对于宏观经济在短期具有较强的提升作用。
（三）公司特质波动对宏观经济稳定的脉冲响应函数
图3中，当公司特质波动自身结构新息的一个单位标准差扰动时（1%，为正向总冲击，下同），宏观经济稳定变量（图中的D（GYZ），对数形式）在当期产生0.527个百分点的正响应，第二期响应由正变负，响应值为-1.77个百分点，在第七期该负响应值达到最大值，为-16.41个百分点，此后开始逐步下降，从第十五期开始逐步趋近于零。通过积累脉冲响应图中可以看到，从第十五期以后逐步稳定在24.89个百分点左右。由此看出，公司特质波动对于宏观经济变量CSI具有明显的负相关性，而且这种冲击响应具有持久性。另外结合图1和图2，也可以得知，这种负向冲击效应是通过信贷市场行为的收缩而产生的。
四、研究结论与展望
Portes和Ozenbas（2009）在理论上验证了公司特质波动对宏观经济稳定的影响，本文采用结构向量自回归计量方法，以我国证券市场A股收益数据和相关的宏观经济变量，研究了公司特质波动、信贷市场规模和宏观经济稳定变量三者之间的因果关系。结果发现：第一，公司特质波动水平的变动是引起信贷规模发生变化的一个重要的因素，无论从影响程度和持续时间来讲，都是非常重要，公司特质波动与信贷规模之间是显著的负向关系，当公司特质波动越大时，信贷规模就会下降。公司特质波动在其信息内涵上，并非代表公司特质信息纳入股价的程度，而是衡量信息不确定性程度的指代变量。
第二，公司特质波动与宏观经济波动之间呈现明显的负相关性。这种相关性是通过信贷渠道产生的，即当公司特质波动的增加迫使公司外部融资升水增加，制约了外部融资规模，从而导致信贷市场萎缩，从而降低了宏观经济波动程度。
但据已有的文献资料表明，资产价格尤其股票价格波动，除了公司融资渠道，更多是通过公司投资行为对宏观经济稳定产生作用，而资产价格波动是通过信息机制来影响上市公司投资规模。那么公司特质波动的变化是否能够影响公司投资行为，其影响机制和渠道是什么？这都是未来值得研究方向。
参考文献：
[1] 陈健.中国股市非系统风险被定价的实证研究[J].南方经济，2010，（7）：41-49.
[2] Roll. R2[J]. Journal of Finance， 1988，（43）： 541-566.
[3] Wurgler J. Financial Markets and the Allocation of Capital[J]. Journal of Financial Economics， 2000，（58）：187-214.
[4] Morck R.， Bemard Yeung， Wayne Yu. The Information Content of Stock Markets： Why do Emerging Markets Have Synchronous Stock Price Movements？[J]. Journal of Financial Economics，2011，（58）： 215-260.
[5] Hoberg G.， Nagpurnan and R. and Prahala. Disappearing dividends： the importance of idiosyncratic risk and the irrelevance of catering[Z].SSRN Working paper， 2010.
[6] Bernanke， B.， S.， Gertler， M.， Gilchrist， S. The Financial Accelerator[M]∥J. B. Taylor. Handbook of Macroeconomics. Amsterdam：NorthHolland，1999.
[7] Kim C.， J. and C.R. Nelson. Has the US economy become more stable？ —A Bayesian approach based on a Markovswitching model of the business cycle[J]. Review of Economics and Statistics，1999，（81）：608-616.
[8] 黄波，李湛，顾孟迪.基于风险偏好资产定价模型的公司特质风险研究[J].管理世界，2006，（11）：26-30.
[9] 杨华蔚，韩立岩.中国股票市场特质波动率与横截面收益研究[J].北京航天航空大学学报，2009，（3）：6-10.
[10] Campbell J.Y，Lettau M.，Malkiel，G.B and Xu，Y.Have individual stocks become more volatile？—An empirical exploration of idiosyncratic risk[J].Journal of Finance，2001，（56）：1-43.
[11] Malkiel B. and Xu Y. Investigating the behaviour of idiosyncratic volatility[J]. Journal of Business， 2003，（76）：613-644.
[12] Bali T.， Cakici N.and Levy， H. A model-independent measure of aggregate idiosyncratic risk[J]. Journal of Empirical Finance， 2008，（15）：878-896.
[13] Blanchard， O. ，J. Simon. The Long and Large Decline in US[C]. Output Volatility Brookings Papers on Economic Activity， 2001， （32）：135-174.
