波动效应（精选8篇）
波动效应 篇1
波动率作为研究证券市场的重要方面, 不论在理论研究还是实证分析都有大量的文献。特别是自从Engle提出ARCH模型后, 关于波动率模型而衍生出的文章层出不穷。并且ARCH模型推广为GARCH模型后, 产生了一个研究条件波动率的新的研究方向。
在波动率特性的研究方面, 集聚性、尖峰态、长记忆性及不对称性已经成为了资本市场中研究波动率所普遍接受的四大特性。一般的GARCH模型就能很好地体现集聚性和尖峰态。对于不对称性的研究也由来已久, 涉及不对称性的模型也非常多。本文以下内容就是对不对称特性进行实证分析和比较。
此外, 由于中国股票市场起步较晚, 对于引起波动的信息的反应就有很多自身的特点。同时, 我国股票市场不可避免地具有某些新兴市场的特点, 如小道消息频繁出现、波动比较剧烈, 波动的周期性差异比较大等。这就使得其波动的特征可能会与国外市场的实证结论有所不同, 所以本文在分析了股票波动的不对称性之后, 将结论在多头期和空头期进行分别进行建模分析。
一、文献综述
Engle (1982) 提出了著名的ARCH模型, 用以描述波动率的前后相关关系, 它也能体现波动率的集聚现象。其后, Bollerslev (1986) 提出了更灵活的GARCH模型, 能够用更少的参数反映方差的持续性。Nelson[1] (1991) 提出的EGARCH模型和Glosten、Jagannathan和Runkle[2] (1993) 提出的GJR-GARCH模型能反映好消息和坏消息对波动影响。后者在描述波动的非对称行为和预测能力上都优于前者。用于描述波动不对称性的模型还有QGARCH、TARCH、APARCH、FIEGARCH、FIAPGARCH等。
实证研究中发现, 模型中对残差服从正态分布的假设不如t分布有效。严定琪和李育锋[3] (2008) 在研究沪深股市波动率的时候指出t分布在拟合效果上比正态分布更好。本文用t分布对残差进行拟合分析。
对于中国股市的杠杆效应也存在大量的实证研究, 陈浪南和黄杰鲲[4] (2002) 的研究结果表明, 在不同的时间区间波动的不对称性质不一样。李胜利[5] (2002) 的研究表明, 上海股市只有在空头期才存在波动的杠杆效应和非对称反转效应, 其他期间存在反向杠杆效应。陆熔和徐龙炳[6] (2004) 的研究显示在上涨阶段存在反向杠杆效应, 下跌阶段则相反。
二、数据及模型
我们选择沪深300指数从2005年4月14日至2010年3月1日的数据, 以收盘价计算对数收益率。为了体现结论的显著特征, 我们在计算出的对数收益率上乘以100, 公式为:rt= (log (ptc) -log (pt-1c) ) *100。
对于日收益率序列, 本文通过三个模型GARCH (p, q) , EGARCH (p, q) 和GJR (p, q) 进行比较, 并选择合适的模型, 同时分析造成波动差异的主要原因。三个模型为:
εt-i<0时, Dt-i=1;否则Dt-i=0。
在本文之中, 为了体现当期的残差中所包含的信息成分对波动的影响, 在GJR-GARCH (p, q) 模型之中加入对当期残差的回归。模型变为:
最后, 由于在不同的市场条件下, 人们对于消息的反应不同, 信息所起的杠杆效用可能就会出现差异, 本文将从多头期、空头期分别进行杠杆效应的验证分析。
三、实证结果
从模拟图形中可以看出, 沪深300指数收益的波动特征具有明显的集聚性。用ARMA模型拟合数据, 我们可以看出, 收益率序列不存在前后相关性并且与时间是不相关的, 也就是说收益率稳定在均值为零的附近波动且其波动的动态描述主要落在了残差部分。可见, 沪深300指数对于市场信息的反应比较有效, 不存在明显的信息滞后反应。
用SAS的Autoreg过程步验证残差是否存在自回归现象, 也就是上面提到的模型AR (m) -GARCH (p, q) 中的AR (m) 部分。结果显示, 在这个模型中m近似为0。同样检查异方差是否存在, 结果Q统计量从1~12的时滞窗检验都强烈地指出异方差的存在。对于所有的时滞窗其p值都小于0.0001。拉格朗日乘子检验也指出异方差的存在。
接下来就是运用上面提到的三个模型对数据进行的建模和比较。首先我们假设残差符合标准正态分布, 分别运用AR (m) -GARCH (p, q) 模型和EGARCH (p, q) 模型对数据进行拟合。结果显示EGARCH (p, q) 模型并不能明显的减少AIC和BIC的值。所以, 我们暂且认为该模型在描述波动行为上不能达到很好的效果。在以下部分, 本文以GJR-GARCH (p, q) 模型为主要出发点模拟数据, 并采用使得拟合效果更好的残差的标准化学生t分布。
与AR (m) -GARCH (p, q) 模型相比, GJR-GARCH (p, q) 模型能有效的降低AIC和BIC的值。
首先我们利用该模型对市场中的坏消息进行建模。模拟结果显示, 滞后的残差项和方差项的系数检验都是显著的, t分布的检验也是显著的, 其p值均小于0.0001。但是坏消息在模型中的系数检验p值为0.5969, 也就是说坏消息的作用是不显著的。同样地, 我们也可以对好消息的影响进行建模, 得到了很显著的结果, 不仅明显减少了AIC和BIC的值, 而且各系数的p值都比较小, 系数是显著的, 其中好消息的p值小于0.0001。可见好消息对于波动的影响是显著的。也就是说, 市场中好消息和坏消息对波动的影响并不相同, 好消息对波动的影响具有明显的杠杆特征, 而坏消息却没有。模拟的结果:ht=0.0641+0.008546εt2+0.0615ε2t-1+0.8680ht-1+0.1753Dtεt2
许多研究已经指出, 在不同的股市周期中, 我国股市的波动具有不同的特征, 因此, 我们把以上结论的推广到多头期和空头期进行验证, 其中多头期为2006.7—2007.10, 空头期为2008.1—2008.10。
在多头期通过对好消息和坏消息分别进行建模, 发现好消息在波动过程中能够起到显著杠杆效应, 而坏消息则没有明显的杠杆效应。究其原因, 是由于在多头期人们的投资情绪普遍比较乐观, 对于好消息容易反应过度, 而对坏消息容易反应不足。这也符合现代行为金融学的观点。其实证的拟合结果为:ht=0.2002+0.0327εt2+0.09685ε2t-1+0.7976ht-1+0.2569Dtεt2
而在空头期的情况则完全不同。首先股市的波动的异方差性并不明显, 同时, 不论好消息还是坏消息都不存在明显的杠杆效应, 这一点与以往的研究结论并不相同。
四、结论
通过对三种模型的比较, GJR-GARCH (p, q) 模型最能拟和沪深300的波动特征。同时, 本文研究沪深300指数收益的波动中发现, 在多头期沪深300指数的波动具有明显的杠杆效应, 这种杠杆效应来自于好消息的影响。坏消息没有明显的杠杆效应。而在空头期, 沪深300指数波动没有出现明显的杠杆效应。
在多头期, 由于股市的持续上涨增加了人们的投资信心, 好的消息更加刺激了人们的投资热情, 导致的波动也会加大, 而此时的坏消息并不能改变太多人们的牛市的观念, 所以对波动的影响不会太明显。在空头期, 好消息坏消息造成的股市波动都不大, 这也说明了在这个股市低迷的时期, 人们持谨慎态度, 不会因为好消息而多投资, 也不会因为坏消息而过度反应。这不同于以前的研究结论。
总而言之, 信息因素是股市波动的一个重要原因。在不同的时期不同类型的消息导致波动率特征不同。对于投资者而言, 在多头期中, 应当更加注意对于信息的收集, 而在空头期中, 对于各种消息不必过于反应, 而应采取一种更为平和的心态来面对市场的起伏。对于监管者而言, 对于投资者的劝诫在多头期中比在空头期中更有必要。
摘要：对股市波动率的研究是研究股票市场的重要方面, 而且在不同的股市周期中股票市场的波动特征也不尽相同。对波动率的研究能够明确股市特征, 把握股市动态发展趋势。利用波动特征的经典模型对沪深300指数进行波动率分析, 进而探讨好消息和坏消息的波动杠杆效应的差异, 并且从多头期和空头期分别进行分析, 比较杠杆效应在不同阶段的不同特征。
关键词：波动率,GARCH,GJR-GARCH,t分布,杠杆效应,股市周波
参考文献
[1]Nelson, D. (1991) .Conditional heteroskedasticity in asset returns:a new approach.Econometrica, 59, 347-370.
[2]Glosten, L.R., R.Jagannathan, and D.E.Runkle.1993.On the relation between the expected value and the volatility of the normalexcess return on stocks[J].Journal of Finance, 48, 1779-1801.
[3]严定琪, 李育锋.基于GARCH族模型的沪深300指数波动率预测:第27卷[J].兰州交通大学学报, 2008, (1) .
[4]陈浪南, 黄杰鲲.中国股票市场波动非对称性的实证研究[J].金融研究, 2002, (5) .
[5]李胜利.中国股票市场杠杆效应研究[J].证券市场导报, 2002, (10) .
[6]陆熔, 徐龙炳.“牛市”和“熊市”对信息的不均衡性反应研究[J].经济研究, 2004, (3) .
波动效应 篇2
关键词：经济波动；经济增长；熊彼特；经济周期理论；内生增长理论；多项分布滞后分析；动态时滞效应；区域借鉴
中图分类号：F127 文献标识码：A 文章编号：1007-2101（2016）06-0106-06
一、文献综述
经济波动与经济增长的问题早在熊彼特创新理论里就有相关论述，但长期以来传统的宏观经济理论一直是对二者分别进行单独的研究，直到20世纪80年代真实经济周期理论与内生增长理论的提出，开始逐步将二者结合起来探讨短期的经济波动和经济增长的长期关系。目前，虽国外已有较多的文献对波动和增长间的关系进行研究，但却一直没有较为一致的结论。如Mirman（1971）认为，为了预防经济周期和波动的存在，人们会有更高的预防性储蓄和投资，从而有更高的经济增长[1]；Black（1987）也认为国家可以在高风险、高预期回报的技术和低风险、低预期回报的技术之间进行选择，希望投资于具有更高风险技术的投资者预期得到更高的收益，足以弥补可能的风险，因此，经济波动程度高的国家也应该有高的平均增长率[2]。但也有许多学者认为经济波动对经济增长有负面影响，如Ramey和Ramey（1991）等认为投资的不可逆性意味着波动加剧会减少投资支出。因为如果企业对其产品的未来需求具有不确定性，他们就不会投资于新工厂和新设备，产出波动越剧烈，产品未来需求不确定性越大，企业也就越不可能投资，波动和投资之间的负相关或许会导致波动和增长之间的负相关关系[3]。Martin和Roger（1997）认为经济波动会影响企业的物质资本投资、人力资本投资、研发投资活动，进而影响了这些投资的回报，使得经济波动通过这个渠道来影响经济增长，从而得出波动和增长之间存在负相关的结论[4]。但这些结论的得出均与不同国家的制度环境和结构特征有着十分密切的关系，当研究区间发生变化或者样本国家不同时，便会得出不同甚至相反的结论。因此，对我国经济波动与经济增长的借鉴意义有限，还需要具体针对我国具体现状进行研究才更有意义。
目前，国内已有少数学者对经济波动和经济增长间的关系进行了相关实证研究和分析。如刘金全和张鹤（2003）、李永友（2006）等使用全国总量时间序列数据进行了研究[5][6]，Wu Yanrui（2006）使用跨地区数据进行了研究[7]。但是这些研究存在的很大不足就是，没有考虑到我国改革开放这一重要制度环境因素对二者关系可能造成的影响，也没考虑到不同的地区制度环境的差异而可能使得波动和增长间关系存在的异质性。为此，卢二坡（2007）对1953—2004年我国27个省级地区经济波动和增长的面板数据研究发现，改革开放以前我国各地区短期波动对长期增长具有相同的负面效应；然而，改革开放以后，各地区短期波动对长期增长的效应具有异质性，有的地区该效应为正，有的地区为负[8]。董冠鹏等（2010）在国内外研究的基础上对导致不同区域异质性的原因进行了深入的探索性分析，认为不同区域总体发展水平、金融深化程度、对外联系水平的差异，直接影响着区域经济波动对经济增长的作用方向和强度[9]。
现实中经济波动对经济增长的影响是一个动态的变化过程，在许多情况下是不会瞬间发生的，需要一定时间来逐步显现其作用，因此就必然会产生时滞。但综观已有文献，很少学者对经济波动与经济增长影响的时滞效应进行专门的分析和探讨，因此本文拟从时滞性这一角度切入来分析二者的关系。关于时滞性的考察，学术界通常是采用的分析方法大致有Granger因果关系检验、ADF平稳性检验、协整关系检验与ECM模型分析、做投资波动与两者关联性的分析这四种方法，但这些时滞模型的分析大多较为简单，分析结果不够完善，只能反映两变量之间的因果关系，普遍忽略了变量长期时滞作用及其负效应的研究。所以，本文试图通过建立多项式分布滞后模型来分析不同区域经济波动对经济增长的滞后影响，以对经济增长率与经济波动滞后的复杂关系进行初步的探索性研究，然后进一步通过Granger因果关系检验对模型结果的稳健性予以分析讨论。
二、经济波动对经济增长的影响机理分析
对于经济波动与经济增长之间的影响机理的研究，现有的文献主要是从二者所呈现的正向、负向、无关三个角度进行分析的。
（一）正相关关系
Schumpeter（1934）认为经济波动可以降低企业投资于改进生产率的机会成本，进而促进企业的效率，改善社会的资源配置，从而达到提高经济长期增长水平的目的[10]。但在Schumpeter的研究中，它所研究的经济波动可以提高企业资源的使用效率主要是针对经济衰退而言的，并不是真正意义上的经济波动，因为经济波动不仅发生在经济衰退时期，也发生在经济的高涨时期。所以，之后Sandmo（1970）和Mirman（1971）从储蓄和投资的角度出发，认为由于较高的经济波动会导致较高的收入波动，收入波动会使社会的预防性储蓄上升，进而使社会的储蓄率上升，储蓄率的上升预示着投资率的上升[1][11]；根据Solow的新古典增长模型，经济的均衡增长路径会上升到一个更高的水平。但这个理论的一个重要缺陷就是假定储蓄都能完全转化成投资，显然这种假定是否成立需要一定的条件。另外，Black（1987）从风险与收益匹配的角度也作了相关的解释，认为首先经济波动使得投资的风险较高，这样企业只有预期到能获得足够的风险补偿才会投资[12]。也就是经济波动产生的风险会使社会投资更多地转向具有较高风险收益的高科技领域，从而促进了经济的发展。他的研究结论在后来也一直被称为Black假说。
（二）负相关关系
这种结论最早是由Keynes（1936）提出的，他认为经济波动增加了企业投资的未来风险，当投资者考虑到投资未来回报的风险时，将会降低投资的需求，经济波动越高，这种投资项目的未来风险就越大，投资需求不足的可能性就越高[13]。Bernanke（1983）和Pindyck（1991）从企业投资的滞留成本角度也提出了同样的结论，他们认为由于企业投资具有较长的时滞效应和较强的不可逆性，这样企业的投资回报因经济波动而变得更加不确定，这一过程将使社会投资往往低于社会的有效投资水平；不确定性越高，两者的差距就会越大[14][15]。Galindev（2005）通过按照传播机制将“干中学”对增长的影响分成两个不同的方面，即内生和外生，对经济波动增长效应进行的研究得出了类似的结论[16]。
（三）不存在显著关系
Friedman（1968）认为，产出围绕自然增长率的波动独立于产出的增长，而产出之所以发生围绕一个非随机趋势的波动，主要是由于货币冲击造成的价格误置引起的[17]。即产出增长率是由经济活动中的真实因素决定的，而经济波动是由外生冲击造成的，两者具有不同的决定因素。实际上这种认识主要还是受新古典增长模型的影响。
三、模型方法与数据
（一）模型设定和估计方法
解释变量同因变量之间的因果关系在许多情况下是不会瞬间发生作用的，其作用过程往往存在着一定的时间滞后现象，即需要一段时间解释变量才能完全作用于被解释变量。尤其是在经济活动中，因变量既会受到自身过去变量的影响，也可能受其他经济变量过去值的影响，滞后现象较为常见。一般在通过回归分析讨论滞后现象时，不得不引入较多的滞后变量，但是这一定程度上造成了观察数自由度的损失。为此，Amlon提出了多项式分布滞后模型（Polynomialdistributedlag，PDL）。对于滞后长度为k的有限分布滞后模型：
yt=α+β0xt+β1xt-1+β2xt-2+…βkxt-k+μt（1）
式（1）中，诸系数β可以用适当的多项式来逼近，即：
βi=α0+α1i+α2i3+…αmim（2）
式（2）中，m是多项式的最高次数，且假定m小于最大滞后长度k。利用式（2）对式（1）进行整理，得到下式：
yt=α+α0z0 t+α1z1 t+α2z2 t+…+αmzmt+μt（3）
近端约束是指解释变量x对y的一期前导作用为0，即
β-1=α0-α1+α2+…（-1）mαm=0（4）
远端约束是指超过滞后期k后，解释变量x对y的作用为0，即
βk+1=α0+α1（k+1）+α2（k+1）2+…am（k+1）m=0（5）
多项式分布滞后模型估计需要确定两个因素：滞后项数k，多项式次数m。其中，滞后项数可以根据AIC准则和SC准则来确定，即选择使AIC和SC最小的滞后项数k。而多项式次数一般可以选择二次或者三次。
（二）变量和数据说明
经济波动是指经济增长速度在不同的年份之间出现明显的差异，既包括正的增长也包括负的增长，经济繁荣与经济萧条轮换发生。对于经济波动的度量，多数研究通常采用某段时期内样本人均GDP增长率的标准差，但这样严重地减少了样本观察值数目，而且不能反映波动时间性的变化趋势。另外，变量标准差的大小通常与变量自身均值有关，所以直接利用经济增长率的标准差来度量经济波动是欠妥的。本文借鉴Blanchard和Simon（2001）在其滚动标准差的基础上，采用标准差系数来反映经济波动，从而消除了变量均值的影响[18]。由于我国经济周期长度一般是5～6年，所以文中采用7年滚动平均值。
首先使用1992年不变价对各省人均GDP值进行平减，然后计算各省1992—2011年各年度的七年期中心化移动平均增长率，计算公式如下：
式（8）中，GRVi，t 为标准差系数，用来反映经济波动程度。
文中包括中国大陆30个省级区域1992—2011年的人均GDP数据（因重庆1997以前的相关数据的缺失，所以予以忽略）。所有的数据均来自《中国统计年鉴》（1993—2012）。所涉及变量包括各区域的经济增长率与经济波动。
四、计量结果及分析
（一）实证结果与时滞性分析
1. 国内经济波动滞后性分析
运用上文所述多项分布滞后模型，本文运用Eviews6.0软件对全国1992—2011年的滞后模型予以建立。依据经济波动与经济增长二者的交叉相关系数图，选择交叉系数大于0.5所对应的滞后长度，得出最优滞后长度为3。为了选取合适的模型，本文分别建立滞后长度为2及3时所对应的模型，其中多项式次数必须小于滞后长度。
从表1所估计模型的R2、AIC、SC相关值的比较可以判断，模型滞后长度为3且多项式次数为2时的模型与其他相比较优。其次，为了进一步分析经济波动对经济增长的影响期限，需要对经济波动变量的近端与远端效应分别予以考虑。本文就各种情况建立模型如表2，以求提高模型建立的准确性。
依据表2，在施加近端、远端约束时，经济波动滞后一期对经济增长的影响均不显著，且模型的拟合优度也普遍较低，在50%左右。尤其是在同时施加近端与远端约束时，拟合优度R2与D.W统计量较其他3种模型均有了显著的下降，表示经济波动的一期先导作用为零，且对滞后长度以外的经济增长没有影响。所以本文选择无约束时的分布滞后模型。
从全国层面上看，经济波动的滞后期为3年，在当期与滞后一期对经济增长呈现正的作用，从第2年开始抑制经济增长，且在滞后期内对经济增长的总的影响为1.9，即经济波动每增加1个百分点，共会带来1.9个单位的经济增长。从各期影响看，在当期会带来2.89个单位的经济增长，1年后对经济的正向促进作用有所减弱，为1.06个单位，2年后对经济起抑制作用-1.61，且逐渐减弱，3年后减为-0.44个单位。
2. 各区域经济波动滞后性分析
与全国的经济波动滞后分析类似，采用相同方法分别对国内四大区域经济波动对经济增长的时滞性予以考察，进行比较后得出各自模型（表3）。
从滞后期看，东部经济波动滞后期最短，为2年；西部最长，为5年；中部与东北地区均为3年。
总体上看，东部与东北地区经济波动对经济呈促进作用，平均可以带来0.26个和1.14个单位的经济增长。而中部与西部对经济增长起抑制作用，分别可以抑制3.37个和1.92个单位的经济增长。其中，东北地区的促进作用与中部的抑制作用表现最为明显。
就各期的影响来分析，东部在当期与1年后对经济呈正向作用，在滞后2年时表现为负的影响。西部与东北地区均在当期与滞后2年的时间里一直体现为促进当地区域经济的发展，但作用逐步减小，直到第3年开始抑制经济发展，且西部的抑制作用持续时间较长，直到5年末减损效应不再显著。而中部地区对经济波动的承受能力有限，在当期便表现为对经济的抑制作用，且在滞后期间里表现为先逐步增大后逐步减小的情形。
（二）结果稳健性分析
上文通过多项分布滞后模型对我国不同区域经济波动与经济增长间的滞后关系进行了相关讨论，得出了一些结论。但为了验证上文结论的准确性，有必要进一步做相关稳健性的讨论。下面，本文仍然采用先前对于经济波动与经济增长的测算方法，通过格兰杰因果检验来重新考察区域经济波动对经济增长的滞后性关系以进行稳健性的检验（见表4）。
根据表4中各阶滞后情况下的显著水平可知，全国、东部、中部、西部、东北地区的经济波动对经济增长的作用期限分别是3年、3年、4年、4年、3年，与上文中多项分布滞后模型得出的结论基本吻合，说明前文估计结果是稳健可靠的。
五、结论及政策建议
本文在对经济波动对经济增长的影响机理阐述后，通过建立多项分布滞后模型，认为全国、东部、中部、西部、东北地区的经济波动对经济增长的作用期限分别是3年、2年、3年、5年、3年，且对经济增长作用分别表现为促进、促进、抑制、抑制、促进。从各期影响来看，除中部是一直表现为抑制经济发展外，其他地区普遍表现为从滞后2年后对经济的作用，开始由促进转变为抑制，然后效应逐渐减弱。文中最后通过Granger对二者在不同时滞期限下的因果关系进行了相关检验，结果基本与前述模型的滞后长度吻合，在一定程度上证明了文中结论的可靠性。基于上述结论，本文主张充分利用不同区域间时滞的间隔期限，从以下几个方面做好应对经济波动的准备，促进当地经济又好又快发展。
首先，基于各地区的经济波动对经济增长区域效应，与经济波动对经济发展的正向或负向作用，中部与西部应该努力控制经济波动，减少波动所带来的减损效应。而东部与东北地区在享受经济波动给当地所带来的正向促进作用的同时，也不能盲目乐观置波动于不顾，波动对经济的正向促进作用也是在一定的波动程度而言的，所以应该适当控制波动范围，增强风险预警机制。
其次，中部与西部地区应该反思为什么东部与东北地区经济波动对经济发展的影响为正向作用，而自身是负的作用。这些与其较为完善的金融深化程度、市场化体制与其较高水平的区域发展程度有关，所以中、西部要想长期扭转经济波动对长期增长的负面影响，必须进一步推进市场化进程，深化区域金融改革。
再次，不同区域之间应该加强沟通、交流，尤其是滞后期限较长区域中部、西部应充分利用相比东部地区较长的滞后期，吸取东部的经验，适当控制不同滞后时段的经济波动程度。特别是在滞后2年后，要抓紧时间完善自身的产业结构、市场化程度、加强对外开放程度与金融发展程度，减小经济波动程度，尽量避免经济波动给区域发展所带来的抑制效应。
最后，政府实施必要的宏观调控，除了自身应持续深化市场经济体制改革与扩大对外开放，有效控制经济增长的波动程度，提高长期增长水平，进而提高社会福利外，还应为不同区域发展提供适时的市场信息，搭建区域间交流、沟通的有效平台，在必要的时候为不同区域提供适当的政策性引导。
参考文献：
[1]Mirman，Leonard.Uncertainty and Optimal Consumption Decisions[J].，Econometrica，1971，Vol. 39（1），179-185.
[2]Fischer Black，F. Business Cycles and Equilibrium[M].New York：Basil Blackwell Inc，1987.
[3]Ramey，G.，Ramey，V. A..Technology Commitment and the Cost of Economic Fluctuations[J].National Bureau of Economic Research，Working Paper，1991，No.3755.
[4]Martin，P.，Rogers，C. A. Stabilization Policy，Learning by Doing and Economic Growth[J].Oxford Economic Papers，.1997，Vol.49（2），152-166.
[5]刘金全，张鹤.经济增长风险冲击传导和经济周期波动的“溢出效应”[J].经济研究，2003，（10）.
[6]李永友.经济波动对经济增长的减损效应：中国的经验证据[J].当代经济科学，2006（4）.
[7]Wu Yanrui.Business Cycle and Growth，Wu，Yanrui （eds），“Economic growth，Transition and Globalization in China”，Northampton：Edward Elgar Publishing，2006：241-243.
[8]卢二坡.短期波动对长期增长的效应—基于省际面板数据的经验证据[J].统计研究，2007，（6）.
[9]董冠鹏，郭腾云，马静.中国区域经济波动与经济增长关系[J].地理科学进展，2010，（10）.
[10]Joseph A.Schumpeter.The theory of economic development[M]. HarvardUniversity Press，USA，1934.
[11]Sandmo A.The effect of uncertainty on saving[J]. Review of Economic Studies，1970，（37）：353-360.
[12]Black F. Business cycles and equilibrium [M]. Basil Blackwel，l New York，1987.
[13]Keynes JM.The general theory of employment，interest，
And money[M].Macmillan，London，1936.
[14]BernankeB.Irreversibility，uncertainty，and cyclical investment[J].Quarterly Journal ofEconomics，1983，98（2）：85-106.
[15]Pindyck R.Irreversibility，uncertainty，and investment[J].Journal of Economic Literature，1991，29：1110-1148.
[16]GalindevR.On the effectofmonetary stabilization policy on long-run growth. Economics Discussion Papers587，University of Essex，Department of Economics，2005.
[17]FriedmanM.The role ofmonetary policy[J].American Economic Review，1968，58（1）：1-17.
[18]Blanchard O J，Simon J.The long and large decline in U.S. output volatility[J]. Brooking Papers on Economic Activity，2001，（1）：135-174.
Analysis on China's Regional Economic Fluctuation and Time-lag Effect of Economic Growth
An Shuwei1， Zhang Jinjin2， Wang Yanfei3
（1.College for Urban Economics and Public Administration， Capital University of Economics and Business， Beijing， 100070；
2. Municipal Party School of The Communist Party of China Jincheng Shanxi， Jincheng， Shanxi， 048000；
3. Hainan Supply and Marketing Daji Shareholding Co.， Ltd， Haikou， Hainan， 570100）
Abstract： For a clear understanding of the dynamic effect process and mechanism of economic fluctuations， the lag period of economic growth in different regions in China is analyzed by establishing a polynomial distributed lags model. The results show that the effect on economic growth period under economic fluctuation in the whole nation， the east， the middle， the west and the north-east is respectively 3 years， 2 years， 3 years， 5 years and 3 years， and the effect on economic growth is to accelerate， accelerate， restrain， restrain and accelerate. Taking the effect of various stages into consideration， the other regions are transforming from accelerating to restraining after the lag of 2 years， then the effect gradually weakened， besides the middle has always been restraining. Therefore， different regions should make full use of the time difference between each others' periods of economic fluctuations， make corresponding preparations and strive to overcome the impairment effect.
杠杆效应与股市的波动行为研究 篇3
与此相对照的是,在“去杠杆”操作时股市又呈现急剧下跌的态势。例如2015年1月16日证监会对12家券商采取监管措施,随之股市次交易日沪指暴跌逾8%,创近8年最大跌幅,跌近300点,深证成指跌近8%[1]。2015年6月12日证监会又发文向场外配资开刀,加紧打击股市配资力度,削弱部分场外资金入市。随之,2015年6月15日至7月8日,短短18个交易日内,上证指数最大跌幅高达34.85%,沪深指数几乎是连续性地出现了“千股跌停”的状况,为A股史上所罕见。
有鉴于此,本文拟选取颇具代表性的上海证券市场的相关交易数据为研究对象,就杠杆效应(以及去杠杆效应)对股市波动的影响进行实证分析,试图充分且深入地研究“加杠杆”及“去杠杆”操作与股市波动之间复杂的关系。这不仅有利于更好地理解本轮股市的猛涨暴跌,更重要的是能够更加清晰地认识金融杠杆,促进金融杠杆的合理使用,通过适度的金融杠杆促进我国金融和经济的快速发展[2],具有重要的理论和现实意义。
论文余下的部分主要有以下安排:第1节为文献综述,主要就国内外研究现状进行概述,并从中发掘出可扩展的空间;第2节为杠杆效应(以及去杠杆效应)对股市波动影响的理论分析,分别从“加杠杆”和“去杠杆”操作这两方面对股市波动的影响进行分析;第3节为实证研究部分,运用时间序列分析法和事件分析法进行定量分析;第4节为结论及政策建议部分,总结实证研究结果并提出相应的政策建议。
1 文献综述
融资融券和场外配资业务等杠杆类投资工具通过“以小博大”的方式为投资者提供了一种新式的投资途径,作为股市中一种重要的信用交易机制是不可或缺的。国内外对其给予极大的重视,致力于对杠杆效应(以及去杠杆效应)的研究。梳理总结现有的研究成果,对于本文接下来的理论分析及实证分析具有重要的借鉴意义。
在早期的国外文献中,Bogen等[3]通过对“金字塔效应—反金字塔效应”的解释分析,认为当股票价格上涨时投资者利用杠杆工具可以以较少的保证金为代价融得更多的资金买进股票,能够在一定程度上刺激需求,加速股票价格的上升。King[4]通过理论及实证分析也得出类似结论:在融资杠杆的作用下,很容易导致股市的过度上涨,产生泡沫价格,短期的波动率上升。Garbade[5]认为当股价上涨的时候,融资交易可以向证券公司融资买入股票,由于杠杆效应,刺激投资者购买股票的欲望,从而促进了股价的上扬,最后导致股票的价格大大高于其内在价值,一定程度上通过杠杆效应加大了股市的波动。Albaity等[6]采用GARCH-M模型对1999年1月至2007年10月期间道琼斯指数、道琼斯可持续发展指数、金融时报股票交易所指数等日数据进行分析,所有筛选指标都显示股市波动在产生负面消息时更为剧烈。Bhat等[7]采用GARCH模型族对孟买证券交易所2002年1月1日至2013年12月31日日数据进行分析,结果显示股市对利空消息的反应程度更为显著。同样地,Liu等[8]通过对S&P100指数波动率的分析,得出类似的结论。
国内文献对此研究起步较晚,林然[9]通过对成熟市场的经验总结以及对A股市场的个案分析,认为融资规模的快速增长成为本次股市上涨的助推器。宋奕青[10]在对2014年7月22日至2015年1月6日股市及融资融券规模的现状进行定性分析中明确指出融资融券杠杆在这轮股市上涨的行情中起了至关重要的作用,通过融资“高杠杆交易”的投资者与日俱增,撬动一轮“疯牛”行情。赵洋[11]定义本轮股市是一轮“加杠杆”的股市,其波动大正是杠杆市的显著特征。而“1·19”黑色星期一的大跌正是“去杠杆”操作的预演,证券会对券商融资融券业务违规行为的处罚被认为是主要诱因。许一力[12]也认为这次行情的发动和融资融券、银行信贷、伞形信托、P2P股票配资、分级基金这些具备“杠杆”性质的资金都脱不了干系。助推“疯牛”的,正是活跃在股市中迅速扩张的“杠杆资金”。
通过以上对文献的梳理可以发现,目前的研究中仍然存在一些可拓展的空间:
其一,虽然现有文献关于“加杠杆”对股市波动影响的定性理论研究已有一些,但是结合实际数据的实证研究仍然非常缺乏。
其二,相比较而言,对“去杠杆”操作对股市波动影响的研究不仅在实证分析方面十分缺乏,而且在理论分析方面也较为粗糙。
其三,同时考虑“加杠杆”以及“去杠杆”操作对股市波动的影响,且从不同期限(不同的时期)进行的分析更是少之又少。
因此,本文针对上述问题,展开理论及实证研究,并给出相关的一些政策建议。
2 杠杆效应对股市波动影响的理论分析
2.1“加杠杆”对股市波动的影响
“加杠杆”,或者称为“高杠杆”,包括场内融资、场外配资、伞形信托等多种形式,是指经济参与者在进行投资的过程中利用少量资本买入远多于其资本所能购买到的资产价值的过程。在本轮资金推动型牛市中,A股市场的杠杆率不断升高,入市资金来源也颇为多样。
下面主要就杠杆力度最低的融资交易对股市波动的影响进行理论分析。融资交易又称为“做多”,就是投资者利用手中的股票或者资金作为抵押,向具有融资业务资格的证券公司借入资金,购买预期价格上涨的股票并在高价卖出,投资者到期无论是获得收益还是发生亏损,都要向证券公司归还所借资金和利息的行为。
杠杆效应是融资杠杆交易的一个重要的特点。投资者可以通过一定比例的杠杆获得远大于自有资金数额的资金购买股票,它可使证券市场的交易量逐步成倍地放大。此外,从成交量不断攀升的态势中可以发现,本轮股市并不缺乏资金面的支持,股市暴涨本质上是由充裕的增量资金借助杠杆推动的。
助推本轮股市行情的增量资金的来源是多方面的:多次降准降息、改革提速以及对市场的逆回购操作等方面因素的驱动;受股市高收益及“赚钱效应”的影响,大量资金自实体经济中撤出,逐渐流入金融资产;融资余额规模不断地扩张,其杠杆率成倍地推动股市成交量等。股市上涨行情启动乃至出现暴涨行情的过程主要有以下几个步骤:首先受基本面的驱动,权重股的股价开始上升,在投资者携资金进入股市进一步推高股价的过程中,吸引更多的投资者进入股市。股市开始出现火热的局面,形成“赚钱效应”。但更重要的是,杠杆在其中起着重大的作用,大量投资者选择通过融资杠杆操作以成倍地扩大股市交易量,这促使更多的资金进入股市。
由上述分析可以发现,杠杆力度最低的融资杠杆尚且能够撬动股市的上涨,更不用说杠杆率高于融资交易数倍的伞形信托及场外配资对股市的助推力度了。“加杠杆”以一种缓慢积累的方式逐步扩大股市交易量,引起股市的上涨,因此需要从长期角度对“加杠杆”对股市波动的影响进行实证分析。
2.2“去杠杆”对股市波动的影响
“去杠杆”就是把原先通过各种方式或工具“借”到的钱退还出去,减少使用金融杠杆的过程。前期催生大牛市的大资金主要来源于融资融券和场外配资业务的高杠杆行为,那么在“去杠杆”操作过程中资金面的大幅缩水就可能会对市场造成极大的冲击和影响。当股市开始转为下跌趋势时,融资买入的投资者就会主动降杠杆并偿还融资,这样股市杠杆投机泡沫需求趋弱的同时,市场主体卖出获利了结,其他正常股票供给也在释放,由此股市将会在短时间内释放出大量的股票供给,从而导致股市出现买卖力量发生不平衡的结果,这将会对股价施以一个向下的压力,股市由此可能会出现大幅下跌的情况。
“去杠杆”操作引起股市下跌的传导路径主要有以下几个环节:第一步,配资机构降杠杆。监管层对融资融券及场外配资业务违规行为的监管致使资金面严重缩水:以融资融券余额为例,2015年6月18日融资融券余额高达2.27万亿,而至7月9日,融资融券余额下降37%,仅1.44万亿。许多配资机构纷纷降杠杆,市场预期发生逆转,加之获利盘的集中出逃,股市出现恐慌性下跌,引发大盘大幅的下挫,个股大面积的跌停。第二步,杠杆爆仓。个股大面积跌停引发高杠杆资金被强制平仓。股市微微的下跌可能会触发一部分“加杠杆”进入股市的投资者的强制平仓,大规模的杠杆资金撤离加速股市的下跌。同时强制平仓会导致较为严重的连锁反应。第三步,资金“踩踏”。股市的下跌又进一步触发更多杠杆资金被强制平仓,更多股票跌停,股市出现的大幅下跌动摇了投资者的情绪,采取高杠杆进入股市的投资者可能会不顾一切逃出市场,大量投资者不计成本地抛售股票,市场发生践踏效应,从而进一步助推了股市的下跌。第四步,市场压垮并崩盘股灾。股灾风险从高杠杆的场外配资逐步传导到场内融资:首先场外配资爆仓被强平、引发恐慌杀跌,促使伞形信托爆仓被强平,以至近期券商两融濒临爆仓。大面积的杠杆资金被强行平仓,进一步加剧市场恐慌。
由上述分析可以发现,“去杠杆”操作可能能够在短期内迅速地引起股市的下跌,因此需要从短期角度对“去杠杆”操作对股市波动的影响进行实证分析。
3 杠杆效应对股市影响的实证研究
3.1 长期内“加杠杆”对股市上涨的影响
根据前文就杠杆效应(以及去杠杆效应)对股市波动影响的理论分析可知,“加杠杆”是一个逐步累积的过程,需要在一个相对较长的时间范围内进行观察,因此本文选用时间序列分析法对“加杠杆”对股市波动的长期影响进行实证分析。
3.1.1 模型的设定
本文主要研究杠杆效应对股市波动的影响。为反应股市波动和杠杆力度,采用上证A股指数和融资交易额两个指标度量,分别以变量sza、rz表示,并且以shibor和rq表示上海银行间同业拆借利率和融券交易额来作为解释变量融资交易额的控制变量。由于数据的自然对数变换不改变原来的协整关系,为减少异方差的影响,对sza、rz、shibor和rq取自然对数,分别以ln sza、ln rz、ln shibor和ln rq表示。具体模型构建如下:
其中:α0为常数,α1,α2,α3为弹性系数,εt为误差项。
3.1.2 数据选取及处理
本文利用时间序列分析法从长期的角度研究“加杠杆”对股市波动的影响。按选取的数据能够反映本次股市大致情况以及对杠杆工具具有代表性的原则,本文实证研究中选取的变量包括上证A股指数(sza)、融资交易额(rz)、上海银行间同业拆借利率(shibor)以及融券交易额(rq)。
1)上证A股指数(sza):因为上证指数和深证指数两者具有较强的相关性,在此本文选取上证指数中代表性较大的上证A股指数(sza)来反映股市波动的大致情况。
2)融资交易额(rz):场内融资是杠杆资金的重要来源,本文以融资交易额来表示融资杠杆的杠杆量。因此本文选取融资交易额(rz)代表股市“加杠杆”的程度。
3)上海银行间同业拆借利率(shibor)和融券交易额(rq):因为上证A股指数受多方面的影响,在此选取上海银行间同业拆借利率(shibor)和融券交易额(rq)作为控制变量。
以上数据的样本取自2014年11月3日至2015年4月28日的交易日数据,共123个交易数据,数据来源于网易财经网以及同花顺i Fin D金融数据库。
3.1.3 数据的平稳性检验
本文采用ADF(Augmented Dickey-Fuller)单位根检验法对上证A股指数(sza)、融资交易额(rz)、上海银行间同业拆借利率(shibor)以及融券交易额(rq)进行平稳性检验,结果如表1所示。
注:①检验类型(C,T,L)中的C、T、L分别表示序列的截距项、趋势项和ADF检验滞后项,0表示没有C或T;②Ln为对数符号,表示变量经过对数处理;③D为差分算法,表示序列取一次差分;④***表示统计量在1%水平上显著,**表示统计量在5%水平上显著,*表示统计量在10%水平上显著。
由表1可知,上证A股指数、融资交易额、上海银行间同业拆借利率以及融券交易额水平序列均非平稳,一阶差分在1%显著性水平上均拒绝存在单位根的原假设,因而各变量均为一阶单整序列,即I(1)。确定各时间序列量均为同阶平稳后,还需要进行协整检验以判断各变量间是否存在协整关系,如此才有避免发生“伪回归”问题的可能性。
3.1.4 杠杆的累积对股市上涨较为长期的影响
本文涉及到多个变量,因此选用Johansen协整检验对上文各变量进行分析以判断杠杆的累积与股市上涨之间的长期关系。通过无约束VAR模型确定最佳的滞后阶数为3期,即VAR(3)。确定滞后阶数之后,采用最大特征值检验和迹统计量来检验各变量是否具有长期均衡关系,Johansen协整检验结果,如表2所示。
最大特征值检验和迹检验均表明在5%的显著性水平下存在1个协整关系,因此变量间存在协整关系,协整方程为
注:*表示在5%的显著性水平下拒绝原假设,存在协整关系。
均衡方程显示,长期内融资交易额、上海银行间同业拆借利率与上证A股指数正相关,而融券交易额与上证A股指数负相关。在长期内,融资交易额对上证A股指数具有助推作用。为增强模型的精度,需要通过建立向量误差修正模型及进行因果关系检验以进一步考察杠杆累积与股市上涨之间的关系。
3.1.5杠杆累积与股市上涨之间关系的进一步研究
本文通过向量误差修正模型与因果关系检验进一步研究杠杆累积与股市上涨之间的关系。因此在上文协整检验的基础上构造向量误差修正模型,模型如下所示:
由公式(3)可以看出,模型中误差修正项的系数为负,符合误差修正项反向修正机制,说明模型具备了误差修正机制,进一步证明了变量之间存在长期均衡关系。模型中误差修正项的系数为-0.014 8,表明当上证A股指数偏离均衡时,将会受到反向修正调整,使上证A股指数以1.48%左右的速度调整至均衡,使其向长期均衡状态收敛。但协整分析只能说明变量之间长期内至少存在单向的因果关系,但不能对各变量长期与短期之间相互的关系进行全面的分析,因此在协整分析的基础上,进一步检验上证A股指数与融资交易额之间的关系,如表3所示。
注:上表3个数据分别表示系数、P值以及t检验值。
根据表3可以发现,在长期,以Δln szat为被解释变量时,误差修正项系数在5%的显著性水平下的t检验显著不为零,因此长期内,融资交易额是上证A股指数的原因;以Δln rzt为被解释变量时,误差修正项系数在5%的显著性水平下的t检验不显著,因此长期内,上证A股指数不是融资交易额的原因。
综合上述分析,上证A股指数与融资交易额在长期存在因果关系,即融资规模的扩大能够推动上证A股指数的增长。即“加杠杆”能够在很大程度上助推股市的上涨。由上述因果关系检验得到融资交易额与上证A股指数之间存在因果关系,而脉冲响应分析和方差分解可以对具有因果关系的变量进行分析,因此从动态的角度继续进行观察。
3.1.6 杠杆累积与股市上涨的动态交互响应分析
为了能更好地理解融资交易额对上证A股指数影响的相对影响程度,本文采用脉冲响应分析及方差分解对杠杆累积与股市上涨的动态关系进行分析。脉冲响应分析描述了对解释变量、控制变量一个标准差冲击对上证A股指数当前值和未来值的影响,如图1所示。
图1报告了冲击发生后10期内上证A股指数反应的动态机制。从图1(2)中可以看出,融资交易额一个标准差的冲击对上证A股指数产生正的冲击,并且在第2期之后冲击逐渐增强。即融资交易额的增加会对上证A股指数产生持续的推动作用,并且推动作用在第2期之后逐渐增强。
接着利用方差分解继续分析,如表4所示。表4报告了冲击发生后10期的方差分解结果。上证A股指数被其自身解释的比例最大,但呈逐渐减弱的趋势;所选取的一个解释变量和2个控制变量对上证A股指数波动的误差扰动都存在贡献率,但其中上证A股指数被融资交易额的解释比例呈现较快上升的趋势,且高于另2个控制变量的比重,并在第10期达到5.64%。表明上证A股指数的预期误差主要受自身的影响,融资交易额对上证A股指数的影响力逐期增强,与另2个控制变量上海各银行同业拆借利率与融券交易额相比影响最为显著。即“加杠杆”对股市的上涨影响显著。
3.2 短期内“去杠杆”对股市的冲击
根据前文就杠杆效应(以及去杠杆效应)对股市波动影响的理论分析可知,“去杠杆”操作可能在短时间内就引发股市的暴跌,需要观察其短时间内对股市产生的影响,因此本文选用事件分析法对股市波动的短期影响进行实证分析。
本文试图运用事件分析法通过“去杠杆”操作发生前后上证A股指数的非正常收益来度量“去杠杆”操作对股市波动的影响程度。
3.2.1 事件的定义
事件1:2015年1月16日是政策去杠杆化的开始,证监会为规范杠杆资金的使用,宣布暂停3家券商新开融资融券账户3个月,并特别强调券商不得向证券资产低于50万元的客户融资融券。据同花顺i Find金融数据显示,2015年1~5日至1月16日,新增融资融券账户数为98 411户,平均日新增账户数为9 841户,而回调融资融券资产门槛的首个交易日即2015年1月19日,新增融资融券账户数骤减至5 463户。与此同时,2015年1月19日股市暴跌,陡降至3 265.34点,与股市前一交易日3 538.42点相比,跌幅高达7.72%,创近8年最大单日跌幅。
事件2:2015年6月12日证监会发文向场外配资开刀,加紧打击股市配资力度,削弱部分场外资金入市。2015年6月15日之后股市出现暴跌行情,至7月8日上证A股指数的收盘价已跌至3 675.64点,短短18个交易日内,上证指数最大跌幅高达34.85%,为A股史上所罕见。
3.2.2“去杠杆”操作发生前的正常收益
为判断2次“去杠杆”操作对股市的影响,有必要对“去杠杆”操作发生前的正常收益和“去杠杆”操作发生后的非正常收益进行计算。正常收益就是该事件未发生时,股市可能带来的期望收益。期望收益由计算经济模型测算。本文为了处理方便,采用均值调整法,即:以估计窗口内的平均收益作为正常收益率。事件窗口的正常收益率公式为
因此,估算出事件1的正常收益为0.5495%、事件2的正常收益为0.5175%。
3.2.3“去杠杆”操作发生后的非正常收益
非正常收益就是该事件发生后实际收益(或日平均超额收益率)与正常收益之差。超额收益就是超过“正常收益率”的收益率。
日超额收益率为
日平均超额收益率为
其中:i表示事件1、事件2,t表示事件前后时点。
查询数据并计算得到,2015年1月16日上证A股指数为3 538.42点,2015年1日与19日为3 265.34点,实际收益率为-7.7176%;2015年6月15日~7月8日的正常收益率为0.5175%,日超额收益率为-43.3679%,日平均超额收益率为-2.7105%,如表5所示。
单位:%
根据表5可知:两事件发生后上证A股指数的实际收益率远低于事件发生前的正常收益率。
上述分析可以直观地发现:监管层的“去杠杆”操作对于股市的波动影响较大,是较强的利空消息,两次股市暴跌很大程度上是由监管层“去杠杆”操作的结果引起的。因此可以根据股指在监管层“去杠杆”操作前后巨大的波动可以推测出本次股市的暴跌在很大程度上是由“去杠杆”操作引起的。
4 结论及政策建议
本文通过时间序列分析法和事件分析法对“去杠杆”操作对股市波动影响的研究,得出下列结论。
第一,上证A股指数与融资交易额之间存在着长期协整关系,进一步证明了杠杆累积与股市上涨之间的长期均衡关系。同时,融资交易额对上证A股指数影响显著,能够产生持续的推动作用,并且推动作用逐渐增强。即说明了“加杠杆”对股市的上涨影响显著。
第二,融资交易额与上证A股指数在长期存在因果关系表明,融资规模的扩大能够推动上证A股指数的增长。即进一步说明“加杠杆”能够在很大程度上助推股市的上涨。
第三,在利用事件分析法的分析中可以发现:股市对“去杠杆”操作的反应程度更加显著。这说明“去杠杆”操作对投资者具有实质性的冲击,投资者容易改变投资组合,一系列的连锁反应会使得股市产生较大幅度的波动。因此股市会对“去杠杆”操作产生剧烈的反应。
实证结果显示,杠杆效应(以及去杠杆效应)在很大程度上引起了本次股市的波动:“加杠杆”在很大程度上引起股市上涨,“去杠杆”操作在很大程度上引起股市下跌。股市猛涨暴跌的行情可能会带给我国股市及经济较大的负面影响,因此研究杠杆效应(以及去杠杆效应)对我国股市的健康稳定具有重大的现实意义。以下,根据本文研究结论,提出几点针对性的建议:
协调“两融”业务的结构。从上述实证研究中也暴露出一个问题:融券交易对股指的影响并不显著,融资融券业务中融资与融券业务的比例是严重失衡的。因此协调好“两融”业务内部的结构,将融券业务的积极作用发挥出来是很有必要的。
规范杠杆业务。本文虽从短期角度对“去杠杆”操作对股市波动影响进行实证分析,但“去杠杆”的过程是长期的。市场监管层需要将场外配资纳入管理范围并加大对杠杆业务的管控力度,建立风险预警机制及控制机制,避免在无类似熔断机制的保护机制下粗暴“去杠杆”操作的情况发生,严惩扰乱股市秩序的行为,严格限制市场过度投机,逐步完善杠杆业务,为投资者创造一个健康的投资环境,让投资者能够无后顾之忧,更好地发挥杠杆为投资者带来的积极正面的影响,以促进我国证券市场的健康发展。
发展实体经济以承托高杠杆的虚拟经济。由近期监管层“去杠杆”操作的事实可以发现,采取强硬办法的“去杠杆”操作会引发股市的暴跌及经济的震荡。因此可采取“反向”思维,以适度的虚拟经济与实体经济相互借力的方式逐步消化高杠杆问题。
需要说明的是,本文更多的强调了短期内“去杠杆”操作对股市波动的影响。事实上,“去杠杆”操作在长期对股市波动的影响同样需要得到重视。因此,接下来将会对“去杠杆”操作对宏微观经济的长期影响进行更深入的研究。
摘要：自2014年11月以来,我国股市行情先是急剧上涨,又以暴跌的形式急剧下跌,对整个国民经济造成很大的影响。究其实质,发现“加杠杆”以及“去杠杆”操作在其间扮演着非常重要的角色。通过对“加杠杆”以及“去杠杆”操作对股市波动影响进行的分析,并运用多种实证方法从长期和短期等不同角度对“加杠杆”对股市波动的影响,以及“去杠杆”操作对股市波动的冲击进行研究,较好地揭示杠杆效应(以及去杠杆效应)对中国股市波动的影响,并给出一些针对性的建议。
关键词：杠杆,去杠杆,传导理论分析
参考文献
[1]张明.企业去了杠杆是否与股市涨跌有什么关联[EB/OL].[2015-07-15].http://mt.sohu.com/20150715/n416838310.shtml.
[2]宫显会.美国金融的杠杆化分析[D].哈尔滨:哈尔滨工业大学,2010:1-2.
[3]BOGEN J I,KROOSS H E.Security credit:its economic role and regulation[M].New Jersey:Prentice-Hall,1960:443-444.
[4]WILLIAMS A W,KING R R,SMITH V,et al.The robustness of bubbles and crashes in experimental stock markets[M].New York:Oxford University Press,1993:183-200.
[5]GARBADE K D.Securities markets[J].Encyclopedia of Corporate Social Responsibility,1982,58(2):638-642.
[6]ALBAITY M,AHMAD R.Return performance and leverage effect in islamic and socially responsible stock indices evidence from dow jones(DJ)and financial times stock exchange(FTSE)[J].African Journal of Business Management,2011,5(16):6927-6939.
[7]BHAT S A,NAIN M Z.Modelling the conditional heteroscedasticity and leverage effect In the BSE sectoral indices[J].Iup Journal of Financial Risk Management,2014(2):49-61.
[8]LIU H C,HUNG J C.Forecasting S&P-100 stock index volatility:The role of volatility asymmetry and distributional assumption in GARCH models[J].Expert Systems with Applications,2010,37(7):4928-4934.
[9]林然.《股市动态分析》策略回顾:从“借来的牛市”到“战略性撤退”[J].股市动态分析,2015(4):16-16.
[10]宋奕青.撬起大盘的杠杆[J].中国经济信息,2015(2):44-45.
[11]赵洋.股市”去杠杆”意在引导资金流向[J].中国金融家,2015(2):118-119.
波动效应 篇4
财务费用在会计学上是指企业为筹集生产经营所需资金而发生的费用,包括汇兑损失(减汇兑收益)、利息支出(减利息收入)以及相关的手续费等。同时,根据最新颁布的新企业财务通则,企业应当建立常态的内部成本控制系统,强化企业内部成本预算约束,推进成本质量的控制方法,实行成本定额管理、全员管理和全过程控制。但是当前市场波动、可投资项目非持续及偶然性条件下,企业为了筹集可投资项目资金,或应付非常规性市场波动带来的企业财务费用的波动,比如临时性的金融机构借款或发行债券筹集资金所引发的利息和手续费等突发性财务费用增加在企业各项费用支出中所占比重越来越大。因此,由企业财务费用引发的管理风险成本已经成为当前企业内部成本风险管理的重要内容(苗凤宏,2011)。在传统的成本与管理会计学科理论架构上,成本习性被定义为:企业成本总额的变动与其业务量之间的依存关系。企业营运过程中变动成本仅随着企业当期业务量的变化而呈正比例的变化(江伟、胡玉明,2011),暗含一个假定是:成本随着企业业务量上升和下降的变动幅度是相同的,企业成本的波动即对称的(Noreen,1991)。但Cooper、Kaplan和Noreen等研究认为这一暗含假定与现实中成本管理的实践不相符合,企业业务量上升引起的成本费用增加的幅度要大于业务量下降时引起成本费用减少的幅度,二者是不对称的。Anderson、Banker、Janakirama在2003年借用经济学中价格刚性的概念将成本在企业业务量上升时增加的幅度大于业务量下降时减少的幅度这一现象称为成本费用刚性。
目前,针对企业整体成本费用黏性即是刚性的研究基本上趋于成熟。但是针对具体的企业内部非惯性财务费用引起的非对称成本波动风险方面的研究文献并不多见,综观现有的研究,大多是从企业实体营运角度进行成本刚性研究,基本上没有考虑由成本非对称波动引致的风险角度出发进行研究,更没用针对性的对从企业内部财务费用非惯性波动引起的非对称成本风险进行研究。因此,本文从财务费用非惯性波动引致成本非对称变化引致的风险的角度出发,研究由风险引致的公司成本费用非对称效应特征。在此基础上本文分四部分,第二部分就是理论模型的引进及相关变量选择;然后是模型实证结果及分析;最后是本文结论。
二、模型的设定及变量选择的经济学原理
结合本文研究核心是市场波动引致的上市公司财务费用非惯性波动所产生的成本费用的非对称分析,则根据前文对成本费用刚性的定义,本文选取了非对称的CARCH模型作为实证分析模型。因为在资本市场中前人研究者发现:在利好或利空消息的冲击下,资产向下运动的幅度往往要比向上运动的幅度要大,表明资本市场中存在一种信息冲击的非对称效应。这种非对称效应的存在也会在一定程度上引致一个企业的资本或成本波动率对市场的下跌的反应比对市场上升反应幅度要大,而研究这种非对称效应存在常用的模型就是EGARCH模型。但本文研究公司财务费用非惯性波动产生内部成本费用的非对称性波动造成的成本风险,同时由于公司财务费用风险波动在很大程度上和市场风险波动相联系,因此从风险形成的影响期限来说,存在暂时或偶然性风险效应及长期或必然性的风险成本效应,对应所造成的公司成本费用的波动风险也可分为暂时和长期效应,同时进一步考虑到市场波动引致财务费用非惯性波动引致的成本费用风险,因此在模型中对这一因素进行控制,基于以上波动期限效应分析,为把这种波动期限效应在实证分析中加以控制,笔者选取了非对称的CARCH模型。则本文非对称的CARCH模型的具体形式设定为:
成本方程:
均值方程:ln(β)t=at×ln(βt-1)+μt(2)
方差方程:
三、样本数据选择及回归结果分析
结合本文研究思路,笔者选取了属于制造业的中国重工、航天动力等216家国内上市制造企业为样本,考虑到样本公司上市时间及实证分析的需要,笔者选取了216家样本制造业2003~2011年上半季度的季度数据。对应数据均来自于样本公司相关财务报表及CSMAR系列研究数据库及对应样本公司的年度财务报表。
为了避免整体变量序列数据中的部分数据的异常值对整体回归拟合结果造成拟合偏误,我们首先对整体变量数据序列原始序列数据的基本统计规律分布进行分析,成本方程(1)中变量序列的基本描述统计如表1所示。(表1)
由原始变量序列的整体基本统计描述分析结果看,各变量序列基本统计分布规律在一定程度上符合预期,成本费用、收入增长率和资产周转率呈现右偏分布,公司规模、杠杆水平及公司βt系数近似于正态分布,其中整体样本制造业上市公司的杠杆水平较高,但是其财务费用整体平均水平较低也接近于正态分布。
在对变量数据序列基本统计分布分析的基础上,为了检验成本方程(1)中样本公司βt的系数及财务费用系数是否具有显著的成本风险传导效应,笔者首先利用216家样本公司2003~2011年的季度数据所组成的非平衡面板数据对成本方程(1)进行回归。首先对成本方程(1)中的变量序列数据进行整体(LLC)平稳性检验,其结果摘录如下:
由检验结果看:在5%的显著水平上,序列数据是平稳的。根据所选取面板数据的构成,笔者在数据平稳的基础上直接对成本方程进行固定效应回归,则成本方程回归结果如下:
则由成本方程回归参数可知:样本公司βt系数所衡量的市场波动风险对于公司成本费用边际效应为0.107,在这里表明市场波动成本传导参数为0.107;财务费用的成本边际效应为0.08,表明在控制市场波动的条件下公司财务费用对于整体公司成本费用的影响参数为0.08;同时二者交叉影响相对较大(0.11),并且三者在5%的置信水平上显著。
在成本方程回归基础上,笔者对均值方程(2)与方差方程(3)、(4)进行回归。根据前文公司βt系数的计算公式,笔者首先计算以样本上市公司为代表的制造业的行业βt值,其行业βt值是单个样本公司βt值的加权平均,其权数是单个样本公司总资产占行业总资产的比例。而单个样本公司βt值则是根据计算公式利用单个公司季度收益与整个国内A股市场季度市场收益计算而得。在此基础上,笔者同样对方程均值方程和方差方程中的变量序列数据进行整体(LLC)平稳性检验,检验结果摘录如下:
则由检验结果看:在5%显著水平上,序列数据是平稳的。在此基础上首先对均值方程(2)进行OLS估计,并对估计结果利用ARCH效应对其进行残差检验,其检验结果摘录如下:
由检验结果看,在5%的显著水平上,拒绝残差序列不存在ARCH效应的原假设,表明普通OLS回归的残差具有ARCH效应。综合以上分析和相关检验结果,对均值方程及方差方程进行回归,则回归结果摘录如下:
方差方程:
由回归结果及其待估计参数检验统计量z值看:均值方程及方差方程在计量意义上显著,也即是说回归参数在计量意义上具有很强的拟合能力。
结合前文及回归结果分析可知:γ=0.385>0,α=-0.011,b7=0.107。当公司面临外源性负向(μt-1<0)冲击时,外源性市场波动冲击引起公司t期ln(βt)短期波动为:(α+γ=0.374),也即是说外源性负向(利空消息)冲击会引致公司当期风险波动幅度上升0.374个百分点;而正向(μt-1≥0)外源性市场波动冲击引起公司t期ln(βt)短期波动为:α=-0.011,也即是外源性正向(利好消息)引致公司当期风险下降0.011个百分点,上升幅度(0.374)大于其下降幅度(0.011)表明不同性质的消息对于以βt系数衡量的公司成本波动影响具有非对称效应。同时,由成本方程(1)可以知道:样本公司的风险对于其成本费用的传导系数为:b7=0.107,同时在市场外源性正(负)向信息冲击进行控制条件下,引致的公司财务费用对其公司整体成本风险的传导系数为:b6=0.08,在同等条件下二者的交叉影响因素引致的公司整体成本费用风险传导参数为:b8=0.11。则我们可以得出公司财务费用波动引致公司整体成本费用风险的比较静态等式为:
则结合成本方程:外源性负向(利空消息)冲击通过公司t期ln(βt)波动引起公司成本费用的波动为b7×(α+γ)=0.04,在控制市场外源性冲击的条件下,财务费用非惯性波动对公司成本波动风险为:b6×(α+γ)=0.029;同理二者交叉共同作用对公司成本波动风险为:b8×(α+γ)=0.041。表明在其他条件不变情况下,我国A股市场利空消息冲击会使从事制造业的公司当期风险增加1个百分点从而引致该公司当期成本费用增加0.04个百分点;在控制市场外源性冲击的条件下,财务费用非惯性波动对公司成本费用波动影响增加0.029个百分点,同时二者交叉共同作用对公司成本费用波动增加0.041个百分点;同上,当A股市场存在外源性正向(利好消息)冲击时,该冲击引起公司t期ln(βt)短期波动为α,外源性市场正向波动冲击通过公司t期ln(βt)波动引起公司成本费用的波动为:b7×α=-0.0012,基于外源性市场波动冲击的财务费用非惯性波动对公司成本费用影响是b6×α=-0.0008;二者交叉作用影响为b8×α=-0.00121。
综合实证分析显示:外源性负向(利空消息)冲击引致的公司成本费用的波动b7×(α+γ)=0.04远大于外源性正向(利好消息)冲击引致的公司成本费用的波动b7×α=-0.0012,同样财务费用非惯性波动引致的公司成本费用的波动b6×(α+γ)=0.029远大于对应利好消息造成的影响(-0.0008),二者的交叉作用同样如此。表明从事制造业的公司由市场波动风险引发的公司财务费用及二者交叉作用风险从而引致的公司成本费用波动存在显著的非对称效应特征,具体来说,利空消息会通过财务费用波动及二者交叉作用而引致公司成本费用增加远大于利好消息引致公司成本费用下降的幅度,表明制造业内的公司成本费用一旦增加就会形成黏性。最后,就是由长期来看,外源性短期冲击所形成的长期变动率通过公司t期ln(βt)波动、财务费用波动及二者交叉作用波动引起公司成本费用的长期波动风险依次为:b7×ρ=0.084;b6×ρ=0.06,b8×ρ=0.087表明从长期来看,短期内只要A股市场存在外源性冲击,那么对于从事制造业的公司而言由整体市场波动引发的公司波动、财务费用波动及二者共同波动均会使公司的成本费用波动增加。
四、结语
本文从财务费用波动角度分析了国内上市公司由于非惯性财务费用引致的成本波动非对称效应特征,增加当前国内外对成本(费用)波动非对称效应研究领域的内容,同时结合我国整体经济发展背景、资本市场发育程度及在现有的我国企业成本刚性的存在性、成因等方面分析的基础上进行实证研究,在显著的置信水平上财务费用波动角度论证我国从事制造业公司成本费用非对称效应特征,具有很强的实践意义。鉴于此,由公司角度看,有助于公司从财务费用波动风险的角度完善其内部控制方面的成本管理行为,为内部管理者进行科学的管理决策提高竞争力提供理论依据;并为外部投资者在理解公司成本费用刚性基础上全面的利用公司会计盈余信息及相关财务报表信息提供新的分析视角,提高投资者做出适合自身风险-收益均衡投资决策的效率。
参考文献
[1]刘彦文,王玉刚.中国上市公司费用粘性行为实证分析.管理评论,2009.
[2]万寿义,王红军.管理层自利、董事会治理与费用粘性:来自我国制造业上市公司的经验证据.中国会计学会管理会计与应用专业委员会2010年度学术年会论文集,2010.
[3]Anderson M,Banker R,Janakiraman S.Are Selling,General and Administrative Costs“Sticky”?The Accounting Review,2003.
[4]Balakrishnan R.,Gruca T.Cost Stickiness and Core Competency:A Note.Contemporary Accounting Research.2008.
波动效应 篇5
股票市场的波动性长期以来一直是金融研究者感兴趣的重要课题。国内很多学者都曾对中国股票市场波动性做过研究, 大多停留在定性分析的阶段;也有一些学者先后对我国股票市场的ARCH效应进行了检验, 吴世农 (1996) 对上海和深圳20种股票自1992年6月到1993年12月的日收益率做自相关检验, 分析股票日收益率时间序列的系统性变动趋势。俞乔 (1994, 1996) 、丁华 (1999) 指出上证综合指数存在ARCH现象, 吴其明等 (1998) 指出深圳综合指数也存在ARCH现象, 王安兴等 (1998) 发现单只股票中也存在ARCH现象。吴世农等 (1999) 从资产收益与风险度量的分析中肯定了目前中国证券市场包括股票和债券的风险收益属于非正态分布。蒋学雷等 (2003) 利用ARCH族模型检验了中国股市的羊群效应。张思奇等 (2000) 则检验了中国股市的周一 (末) 效应。
大量的实证研究表明, 收益和下一期收益的条件方差负相关, 即负的 (正的) 收益常常和条件方差的向上 (向下) 修正联系起来, 这种现象称为波动的非对称性。在股票市场崩溃时期, 非对称波动现象尤为明显, 股票价格大的下跌常常伴随着股市波动的显著增加。Black和Christie是最早证实并解释美国证券市场个股收益的非对称波动特征的。他们提出了两种广为流行的解释非对称波动的理论:杠杆效应假说和波动反馈效应假说。杠杆效应假说认为, 股票价值的降低 (负收益) 增加了金融杠杆, 使股票风险加大, 从而加剧了股票价格的波动;预期市场波动的增加, 将提升投资者对股票较高收益的需求, 因此交易者常常不愿意购买而愿意去卖股票, 为了平衡买卖交易, 股票价格必然下降, 这样预期波动的增加导致股价的即刻下跌, 这种情况人们称为“波动反馈效应”。这两种假说揭示的因果关系不同:杠杆效应假说认为收益冲击引起了条件方差的波动。而波动反馈假说主张条件方差的波动导致了收益的冲击。
本文利用GJR-GARCH模型分时段对沪市波动性进行研究, 考察沪市波动杠杆效应的变化, 探讨沪市波动杠杆效应变化的成因。
二、模型、数据及时段划分
1、GJR-GARCH模型简介:
G J R-GARCH模型是由Glosten, Jagannathan, Runkel提出, 其条件方差为:
其中, dt-1是反映利好消息与利空消息的虚拟变量, 利好信息时 (εt-1>0) 令虚拟变量dt-1=0, 对条件方差的冲击为α;利空信息 (εt-1<0) 时, 令虚拟变量dt-1=1, 对条件
方差的冲击为α+γ。因此如果γ的值显著异于零, 则利好消息和利空消息对收益波动的影响存在非对称性, γ显著为正说明利空消息比利好消息对市场的冲击更大, 即存在杠杆效应。理论上, 为了保证条件方差ht为正, 并且非预期收益εt服从宽平稳过程, 条件方差方程中各项系数需满足:ω>0, β>0, α>0, α+γ>0且α+β+γ/2<1。
2、数据及时段划分。
上证综合指数, 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, 以发行量为权数的加权综合股价指数。该指数自l991年7月15日起开始实时发布, 基准日定为1990年12月19日, 基日指数定为100点。上证综合指数综合反映上交所全部A股、B股上市股票的股份走势。
上证综合指数使用加权平均的方法计算得到, 计算的权重为股票的发行量而非股票的流通量。因此相对于成份股指数而言, 上证综合指数更能代表整个沪市的行情变化, 能更好地反映整个沪市的股票波动和平均收益情况。
本文选取2000年1月4日至2006年2月17日的上证综合指数共1468个样本数据作为指标变量进行建模分析, 记上证综合指数原始序列为{SZt}。
为了更好地考察不同时期内股票行情变动和收益率波动的不同形态和特征, 本文对样本数据进行分段处理。以2003年1月2日作为划分时点, 大体将时间段一分为二。这种划分的优点在于: (1) 两时段的样本容量相当且都足以充分表现出模型的ARCH的集簇性和易变性特征; (2) 前后两个时间段具有大体相同的时间跨度, 更容易根据模型的估计结果进行对比分析。
三、沪市波动杠杆效应变化趋势分析
本文使用GJR-GARCH模型对上证综指日收益率进行实证分析, 以考察沪市杠杆效应的变化。由原始序列{SZt}到对数收益率序列{RSZt}的转换公式为:RSZt=log (SZt) -log (SZt-1)
进入GJR-GARCH模型的时间序列要求必须是平稳序列, 因此首先要对上证综指的日对数收益率序列进行平稳性检验。本文采用ADF和PP检验分别对收益率序列的平稳性进行检验, 结果显示上证指数的日对数收益序列为平稳序列。
两时段GJR-GARCH模型的参数估计结果见表1。
从表1结果可以看出: (1) 第Ⅰ时段参数ω、β、α在1%显著水平下显著为正, 第Ⅱ时段参数ω、β、α在5%显著水平下显著为正, 且第Ⅰ、Ⅱ时段α+γ>0且α+β+γ/2<1, 保证条件方差为正且非预期收益率服从宽平稳过程。 (2) 第Ⅰ、Ⅱ时段的γ值在5%显著水平下均显著为正, 根据G J R-GARCH模型的参数意义, 第Ⅰ、Ⅱ时段, 利空消息相对于相同程度的利好消息, 倾向于能引起股票市场更大的波动, 这说明沪市波动在两个时段内均具有杠杆效应, 这与成熟资本市场的相关研究结论一致。两时段GJR-GARCH模型结果比较见表2。
从表2可以得出以下结论: (1) GJR-GARCH模型能很好度量出沪市波动的非对称性; (2) 沪市一直都存在波动的非对称性, 即股票市场对同等力度的利好和利空消息的反应程度不一样。与市场经济发达的国家一样, 我国股票市场上同等程度利空消息的影响要大于利好信息的影响; (3) 沪市波动杠杆效应随着时间推移逐渐变小。
四、沪市波动杠杆效应变化成因分析
模型的结论表明沪市波动存在非对称性和杠杆效应, 且杠杆效应随着时间的推移逐渐变小。那么沪市波动杠杆效应随着时间推移逐渐变小的原因是什么呢?我们试着从证券市场的微观要素及其相互作用关系分析沪市波动杠杆效应变化成因。
证券市场的微观要素主要包括: (1) 投资者:个人投资者、机构投资者; (2) 金融工具:股票、债券、基金、货币市场金融工具、金融衍生工具; (3) 筹资者:公司、企业、商业银行、非银行金融机构、中央政府; (4) 中介机构经:经纪类证券公司、证券投资咨询机构、会计事务所和法律事务所、信用评级机构; (5) 监管方:国务院、证监会; (6) 自律性组织:证券交易所、证券业协会。证券市场的微观要素及其相互作用关系见图1。
通过以上的分析, 我们可以从以下几个方面探寻沪市波动杠杆效应变化的原因:
1、个人投资者素质和专业技能有了明显提高, 投资决策趋于理性化。
机构投资者得到长足发展, 这主要得益于政策限制的放宽和解禁。相对于个人投资者而言, 机构投资者具有专业性、集合理财、分散风险的优势。为了更好地促进金融市场的发展, 政府逐渐放宽了各大机构投资者 (包括QFII和QDII) 入市的规模和力度, 在保险资金、社保基金上表现得尤为明显, 2004年保监会规定, 允许保险公司将保险资产的5%投入股市;2005年放宽到了8%。社保基金会也出台相应措施放宽社保基金入市的限制。机构投资者的大举入市, 极大地增加了股市的资金供给, 提高了整个股市的投资理性程度, 降低了系统风险。
2、金融工具和金融创新的发展。
金融创新不仅包括发明创造新的金融工具, 同时还包括在已有金融工具的基础上, 改进其交易方式、交割方式等。2001年到2006年期间, 金融工具最大的变化是基金的大额募集和交易。各大基金公司纷纷成立, 拓宽了居民投资者的投资渠道。2003年和2004年上证所和深证所分别推出了ETF和LOF基金, 这两种基金集开放式基金和封闭式基金的优势于一身, 一经推出便成为机构投资者追捧的对象。由于基金公司具有专业理财的优势, 也使股票市场上的信息不对称得到很大改善。2005年7月开始, 几支银行系基金相继成立, 代表我国基金市场的发展进入了一个新的历史时期。
3、上市公司质量总体有了提高, 信息披露制度和机制逐步改善。
2001到2005年, 中国经济连续五年高速增长, 有利的经济环境为上市公司的质量提供了宏观层面的保证。证监会连续出台法律法规, 规范上市公司信息披露的全面性、真实性和及时性, 提高了证券市场信息传递的效率和透明度。
4、中介机构的迅猛发展, 活跃和规范了证券市场。
综合类证券公司为上市公司提供辅导、制定股票发行和承销计划、设计客户资产管理计划、提供证券投资咨询、为公司兼并重组提供建议、制定方案等;律师事务所提供证券发行、交易等方面的法律咨询;会计事务所则出具相应的审计报告、验资报告等。随着我国兑现加入WTO的承诺, 外国的大型投资银行、会计事务所在中国逐步拓宽业务范围和地理区域。他们带来了先进的管理经验和管理理念, 有利于促进我国金融市场的繁荣发展, 同时也对国内的中介机构提出了严峻的挑战。
5、政府监管逐步从行政方式转变为法律方式和经济方式为主。
我国证券市场的法律法规包括三部分:全国代表大会以及常委会制定的《中国人民共和国证券法》、《基金法》等法律, 国务院制定的法规和法律说明以及证监会出台的部门规章。过去的几年是我国证券市场法制逐步健全的重要时期, 证监会连续出台相关规定和制度, 规范股票发行、交易, 证券公司的合规经营等。
6、自律性组织在证券市场的发展中也是功不可没。
证券交易所和证券业协会是我国证券市场中的自律性组织。上交所和深交所是不以营利为目的会员制法人, 其主要任务是安排公司上市, 组织场地进行证券集中交易, 对上市公司进行监督和管理。在过去五年中, 股票上市、交易、退市制度、停盘、摘牌等制度逐步从法律层面上得到完善和贯彻执行, 为交易所更好地履行职能奠定了坚实的基础。证券业协会属于民间组织, 负责对从业人员进行考核培训、组织证券公司进行法律法规的学习和培训等, 提高了证券从业人员的素质以及中介机构的服务质量。
五、结论
根据上述分析结果, 可得出以下结论: (1) 沪市波动呈现明显的集群效应和波动持续性特征。 (2) 沪市波动表现出显著的非对称性和杠杆效应; (3) 沪市波动杠杆效应随着时间推移逐渐变小; (4) 无论是整个证券市场还是构成证券市场的微观主体都在不断地完善、成熟, 这正是沪市波动杠杆效应随着时间推移逐渐变小的原因所在。
由于杠杆效应和反馈效应, 股票市场的波动总是呈现出非对称性。但在发达和高效的股票市场中, 信息传递顺畅, 披露及时、全面、准确, 信息不对称的程度要远远小于落后的股票市场, 因此波动的非对称程度要相对缓和, 即杠杆效应较小。相信随着我国证券市场的发展和法制的逐步健全和完善、信息不对称程度的不断降低, 沪市乃至我国整个股市波动的非对称程度会逐渐降低, 杠杆效应也随之减小。
参考文献
[1]、史代敏.《中国股票市场波动与效率研究》[M]四川:西南财经大学出版社, 2003.
[2]、贺强.《我国经济周期政策周期股市周期互动关系研究》[M]北京:法律出版社, 2003.
[3]、特伦斯.C.米尔斯.《金融时间序列的经济计量学模型》[M]北京:经济科学出版, 2002.
[4]、陈健《ARCH模型研究及其在沪市A股中的应用》[J]数理统计与管理2003 (5)
[5]、张思奇, 马刚冉华.《股票市场、收益与市场效率》[J].世界经济, 2000, (5) .
[6]、吴长风.《我国沪深两市信息的非对称性分析》[J].预测, 1999, (6) .
[7]、刘波等.《中国股票市场羊群效应的实证研究》[J].运筹与管理, 2004, (2) .
农产品价格波动的非对称效应 篇6
Mandelbrot (1971) 提出长期记忆性效应概念。长期记忆性效应特征的研究很快引起很多学者的关注, 20世纪90年代以来, 在金融与经济时间序列的长期记忆性效应检验方面取得了很多有价值的成果。Engle (1982) [1]和Bollerslev (1986) [2]分别提出ARCH和GARCH模型以后, 发现条件方差过程中的冲击反应具有持续。随后又提出了IGARCH模型。在国内外的研究中, 该模型主要集中应用于对股票市场和通货膨胀率的研究。王春峰和张庆翠 (2004) [3]分别建立ARFIMA和FIGARCH模型对中国沪深综合指数进行研究, 发现中国股票市场中无论是收益率还是波动性均具有明显的长期记忆性特征。但也有学者认为不存在这种长期记忆性, 如李红权和马超群 (2005) [4]以及金秀和姚瑾 (2006) [5]等所得到的研究结果认为金融资产收益率序列没有长期记忆性。
这些模型在其他领域很快得到推广。农业问题是当前的热点问题。农产品价格问题更是很重要的热点问题。农产品价格领域的研究也开始采用更多的计量经济学研究的一些研究方法。本文在利用测度均值过程和条件方差过程的长期记忆性模型进行分析时, 同时利用EGARCH模型来分析农产品市场价格波动对“利空消息”的非对称效应, 即“杠杆效应”。
2 农产品价格波动性长期记忆分析方法
2.1 GARCH模型
从1982年开始对ARCH模型研究就一直没有间断, 经济学家和计量经济学家们不断完善ARCH模型。Bollerslev提出广义ARCH (Generalized ARCH) , 即GARCH模型。
但对于时间序列尤其是高频数据序列, 该假设通常不太可能成立, 然而其方差是时变的, 并常表现出“波动聚集性”特征, 从而表明随机误差是异方差的。对于ARCH (p) 模型, 其一般形式为:
在ARCH模型中, 必须估计很多参数, 这一点很难精确做到。但是, 如果仔细分析方程 (2) 就会发现, 式 (2) 不过是σ2t的分布滞后模型。我们可以用一个或者两个σ2t的滞后值代替许多的ut的滞后值, 这就是广义自回归条件异方差模型。
一般情况下, 我们可以有任意多个ARCH项和任意多个GARCH项。GARCH (p, q) 模型代表下面的σ2t的方程:
在GARCH (p, q) 模型中, p是ARCH模型的阶数, q是GARCH模型的阶数。 在实际应用中, GARCH模型的阶数q值远比ARCH模型的阶数p要小。一般地, GARCH (1, 1) 模型就能够描述大量的时间序列数据。
2.2 GARCH-M模型
Engle、Lilien和Robins (1987) 提出的GARCH均值 (也称GARCH-M) 模型的一种形式如下:
式 (4) 第一个方程称为均值方程, 在方程中引入了风险的影响, δσt可以解释为风险暴露。一个正的δ值表示农产品价格与其过去的波动正相关;一个负的δ值表示农产品价格与其过去的波动负相关。
2.3 非对称的ARCH模型 (EARCH模型)
指数 (Exponential) GARCH, 即EGARCH模型, 由Nelson (1991) 提出经验证据表明波动对冲击有非对称反应。一般地, 为了简单说明, 考虑EGARCH (p, q) 模型, 将其条件方差设定为如下形式:
由于式 (5) 是对logσ2t建模, 即使参数估计值是负数, 条件方差σ2t仍然是正数。因此, EGARCH模型不需要人为地假设参数非负数的约束限制。同时, 特别地, 对于EGARCH (1, 1) 模型, 式 (5) 可以简化为:
在式 (6) 中, 如果γ≠0, 表明存在杠杆效应;如果γ=0, 则表明不存在非对称效应。
3 实证分析
数据源自中国统计年鉴2011和中国国家统计局网站。数据采用年度数据, 收集了1979～2010年的数据。本文采用农产品生产价格指数 (用GPIFP代表) 进行研究。对于农产品生产价格指数分两个时间段, 2000年 (含) 以前数据用农副产品收购价格指数代替, 2001年 (含) 之后为农副产品生产价格指数。为了研究方便, 本文所有数据均是通过一定处理以后的, 首先数据是以不变价格进行计算, 在计算指数值时是以上一年为100为基准。
首先描述中国经济增长波动性与分布特征以及农产品价格波动性与分布特征, 进而通过运用时间序列动态动态模型来检验它们的波动性的特征。
3.1 中国经济增长波动性与农产品 价格波动性的数据描述
(1) 农产品价格波动性的数据描述性统计分析
1979～2010年中国农产品生产价格指数的波动情况如图1所示。
从图1看出, 中国农产品生产价格指数波动具有一定的特性。从整体上来看, 中国的农产品价格生产指数波动幅度基本稳定, 但是在一些特殊年份波动幅度较大。在1988～2000年, 中国农产品生产价格指数波动比较剧烈, 在其他年份农产品生产价格指数波动幅度相对较小。
从数据结果来看, 也跟中国经济发展实际情况比较吻合。20世纪90年代, 中国的改革开放进一步深化, 经济得到迅速发展, 与此同时, 农产品价格开始出现较大幅度的波动。这种现象的出现跟新中国成立后实行的经济政策有一定的关系。受新中国成立后将近30年的计划经济体制的影响, 中国在很多方面都打上了深刻的计划经济烙印。1978年开始提出改革开放, 开始探索有特色的中国市场经济发展道路。经过一段时间的经济发展, 中国在经济领域取得了巨大成就, 但同时也带来了新的问题。在经济调控方面显示出一些不足, 这一点也体现在了中国农产品价格方面的较大的波动。20世纪90年代是中国经济改革深化的重要阶段, 这种影响更加明显。20世纪90年代也是中国农产品价格体系改革的重要时期, 面临的挑战更大, 所以中国农产品价格波动更大。
为了更好地描述中国农产品价格波动的特点, 对其进行直方图分析。用中国农产品生产价格指数进行分析得到图2。
通过对农产品生产价格指数的直方图与统计量分析, 得到图2。在图2中, 左边是农产品生产价格指数的直方图, 反映了农产品生产价格指数在各个区间的分布频数。总体上来看, 主要集中在区间 (95, 115) 之间, 这反映中国农产品价格波动基本是相对稳定的。在图2中, 右边是对32个观测值计算出的描述性统计量。其中重要的是, 发现序列的偏度S=1.090>0, 因此, 与正态分布相比, 中国农产品生产价格指数表明价格波动呈现“右偏”, 结合其概率p=0.002, 峰度K=5.087, 说明至少在90%的置信水平下 (即检验水平10%) , 不能拒绝原假设H0:序列GPIFP服从正态分布。
总的来看, 农产品生产价格指数波动虽然比较平稳, 但也有较明显的波动聚类特征, 这意味着在一段时间内较大的农产品价格波动变化伴随着较大的价格变化, 较小的农产品价格波动改变伴随着较小的价格改变。波动的特性具有长期记忆的特点。为了更好地对这一特征进分析, 对起波动性特征进行进一步的检验。
3.2 中国农产品价格波动性的非对称检验
(1) GARCH模型的建立
先进行一阶自然对数差分得到新的方程:
通过对方程 (7) 进行分析, 得到最佳拟合结果如表1。
根据分析结果可以写出GARCH-M模型估计结果。
序列r的均值方程:
条件方差方程:
对数似然L=32.6934, AIC=-1.7867, SC=-1.5554。
从所估计的均值方程来看,
(3) GARCH-M模型结果分析
为了判断模型的有效程度应用Eviews 6.0对模型进行拟合分析GARCH-M模型实际值、拟合值及残差值分析。得到图3。
从图3可以看出, 序列r的拟合值
从表2可知, Obs*R-squared值=1.0164, 其概率值=0.3134, 因此无法拒绝“残差不存在ARCH效应”。也就是说ARCH效应还是存在, 但是统计检验上不显著。
生成GARCH-M模型的条件方差并进行分析, 得到条件方差折线图, 如图4。从图4可以看出, 1990～2000年以及2007～2010年两个时间段的条件方差较大, 从而表明农产品价格在这些时间段存在较大的波动。而其他时间段, 条件方差波动比较小, 也就是说农产品价格波动比较小。这个结果与实际情况一致。
3.3 中国农产品价格波动信息冲击曲线
通过前面的分析, 初步得到一个结论:农产品价格波动确实存在ARCH效应, 但是统计检验结果不显著。当然这个现象的出现有很多因素的影响。下面用EARCH模型对中国农产品生产价格指数进行长期记忆分析。也就是说对农产品价格波动的“杠杆效应”判断。
(1) 差分序列rt的特征分析
前面研究中, 在进行GARCH模型分析时, 进行一阶自然对数差分得到新的方程 (7) 。根据式 (7) 得到序列R. 对这个新生成的序列特征进行分析: 序列r的偏度S=-0.02980<0, 表明序列呈左偏分布。同时序列r的峰度K=2.53, 起峰度值接近正态分布假设的3, 从而可以假定其分布类似正态分布。但序列的r的J-B统计量比较小, 起相应的概率P比较大, 因为可以认为部分具有学生t分布的特点。
序列的均值μ=0.003337, 非常接近于0。因此我们对序列r进行均值为0的简单假设检验, 检验结果如表3。
检验结果显示:t统计量=0.1980, 其相应的概率值P=0.8444, 表明t统计量不显著, 因此不能拒绝“均值等于0”的原假设。从而表明农产品价格波动平均为0。综合前面的分析, 发现其分布具有尖峰厚尾、非对称性、波动聚集性、零均值等特征。当然从检验的结果来看, 农产品价格波动的这些特点并不明显, 但也不能拒绝这个特征。
(2) EGARCH模型估计与信息影响曲线
为了进一步描述农产品生产价格指数的变化特征, 建立EGARCH模型, 同时分析信息对农产品价格指数的影响大小和方向。根据前面的研究建立EGARCH (1, 1) 模型。利用Eviews 6.0统计工具得到以下结果, 如表4。
根据表4, 写出EGARCH (1, 1) 模型的估计结果。
均值方程:
其中, 假定ut服从学生t分布, 自由度为330, 其z统计量=0.006079。
条件方差方程:
对数似然L=30.9284, AIC=-1.6728, SC=-1.4415。
在EGARCH (1, 1) 模型中, 非对称项 (即
观察正的冲击和负的冲击对农产品价格波动的非对称影响 (即杠杆效应) , 绘制EARCH模型的“信息影响曲线”。所谓“信息影响曲线”就是用于描述信息冲击所带来的影响, 该影响可以用一个函数来表达。对于EGARCH模型, 定义其信息影响曲线如下:
令
根据表4统计分析结果, 得到信息影响曲线函数:
利用Eviews 6.0统计工具对式 (10) 进行分析, 得到信息影响曲线如图5。
从图5可知, 在0的左边 (即z<0) , 信息影响曲线斜率的绝对值小, 从图形上看比较平缓;而在0的右边 (即z>0) , 信息影响曲线斜率的绝对值比较大, 从图形上比较陡峭。从而说明农产品价格波动中, 正的冲击比负的冲击对波动性的影响更大。
4 小结
从农产品生产价格指数描述性统计分析及其显著性结果可以看出, 中国的农产品价格生产指数波动幅度基本稳定, 但是在一些特殊年份波动幅度较大。在1988～2000年, 中国农产品生产价格指数波动比较剧烈, 在其他年份农产品生产价格指数波动幅度相对较小。中国农产品价格波动序列均值过程当中存在的存在长期记忆性效应, 但是统计结果表明这个现象并不显著。
在实证检验中, 尾部参数以及“杠杆效应”参数的估计值及其显著性结果表明, 农产品价格波动具有尖峰厚尾、非对称性、波动聚集性、零均值等特征。在农产品价格波动中, 正的冲击比负的冲击对波动性的影响更大。从这个结论上来看, 意味着在中国农产品市场上, 当市场出现“利好消息”的时候, 农产品价格波动会出现比较大的波动;而当市场出现“利空消息”的时候, 市场反应比较平稳。造成这一现象的原因可能与中国农产品定价机制以及中国的经济体制有着较大的联系。关于这个问题的解释有待于进一步研究。
参考文献
[1]Engle R F.Autoregressive conditional heterosce-dasticity with estimates of the variance of UnitedKingdom inflation[J].Economitrica, 1982, 50:987～1008.
[2]Bollerslev.Generalized autoregressive conditionalheteroskedasticity[J].Journal of Econometrics, 1986, 31:307～327.
[3]王春峰, 张庆翠.中国股市长期记忆效应的实证研究[J].系统工程, 2003, 21 (1) :22～28.
[4]李红权, 马超群.股市收益率与波动性长期记忆性效应的实证研究[J].财经研究, 2005, 31 (8) :29～37.
波动效应 篇7
一、改革开放以来主要经济波动中的货币政策调节
(一) 对1988年经济过热的调节
1988年的经济过热, 是以当年出现的严重通货膨胀倾向为标志的, 为了控制过高的通货膨胀, 1988年下半年中国人民银行实行了严厉的紧缩性货币政策。1988年8月~1989年9月共压缩贷款1000多亿元, 两次提高了存贷款利率, 并对三年以上的储蓄存款实行了保值, 贷款利率比调整前提高了3.42个百分点。由于持续一年的强度紧缩, 从1989年下半年起国民经济出现了一些新的问题。由于力度过大, 导致经济迅速下降, 经济进入了缓慢增长期, 随后中央银行两次放松货币政策, 实施扩张性货币政策, 紧急扩大信贷“启动”经济。
(二) 对1994年经济过热的调节
为了弥补上世纪80年代末因紧缩力度过大而导致的经济大幅度下滑, 从上世纪90年代初开始, 货币政策趋于宽松, 并一直延续到1994年, 经济中逐渐出现了房地产热和各种重复建设, 经济迅速过热, 1994年通货膨胀率创造了改革开放以来的最高记录。针对这种情况, 1994年央行开始减少现金的净投放量, 并提出了“适度从紧的货币政策”, 1995年1月和7月中央银行两次提高对金融机构的贷款利率, 相应调高商业银行的贷款利率, 继续实行保值储蓄, 强化金融监管, 整顿金融秩序, 严格金融纪律。至1996年, 实现了经济的“软着陆”。
(三) 对1997年开始的经济紧缩的调节
1997年东南亚金融危机以后, 中国出现了通货紧缩。由于受到东南亚金融危机的外部冲击和各项改革措施的影响, 中国出现了有效需求不足的现象, 通货膨胀率急剧下降, 物价涨幅很小, 有的年份甚至出现了负增长, 经济增长减缓。针对这种情况, 从1998年开始, 中央银行采取了多项货币政策, 包括改革存款准备金制度, 取消贷款规模计划管理, 连续多次降低利率等等, 以促进经济回升, 但效果并不明显, 经济仍然呈现增长减速的态势, 物价水平进一步下降, 1997年至2002年GDP增长率都徘徊在8%左右, 经济增长仍然难以回到趋势线上, 扩张性货币政策乏力。
(四) 对2003年以后出现的经济过热的调节
2003年, GDP增长率达到9.1%, 中国经济重新进入了快速增长阶段, 经济中累积了大量的流动性, 房地产业和证券市场开始繁荣, 并开始出现过热的倾向。随着经济进入繁荣发展时期, 央行货币政策操作也就发生了相应变化。针对某些方面的信贷风险, 央行对货币信贷过快增长的趋势及时进行“预调”和“微调”, 上调存款准备金率、严格了对开发商贷款、建筑业流动资金贷款、个人多套住房贷款等的要求, 实施紧缩性货币政策。2006年至2008年6月份, 中国存款准备金率从7.5%上调到了17.5%;一年期存款利率从2.52%上调到了4.14%;一年期贷款利率从5.85%上调到了7.47%。但这种紧缩性货币政策的实施效果却不明显, 集中体现在两个方面:一是物价水平持续走高。物价水平从当年3月份就开始突破3%这一全年物价控制目标;二是货币供应量大幅增长。广义货币供应量M2余额、人民币贷款余额、金融机构人民币贷款余额都超出了增长控制目标。
(五) 对2008年下半年开始的经济紧缩的调节
2008年下半年, 国际金融危机对中国的影响开始逐渐表现出来, 出口下滑, 投资减少, 经济出现紧缩迹象, 从2008年9月开始, 中央银行连续4次调低存款准备金率2个百分点至15.5%, 并连续5次调低金融机构存贷款基准利率, 并两次下调中国人民银行对金融机构的存贷款利率。同时, 加强信贷政策引导, 加强信贷政策与财政、产业政策的配合, 加强对重点产业调整和振兴的金融信贷支持。从所运用的货币政策措施产生的效应看, 虽然货币供应量由2008年前11个月的增速整体走低转变为年底的加快, 但GDP季度增速持续下降, 至2009年一季度末, 降至最低点6.1%, CPI指数也继续走低, 至2009年2月末降至-1.6%, 并且在2009年11月份之前一直维持在负值, 总体上看, 这一阶段的货币政策对于治理经济紧缩起到了一定的作用, 但作用效果明显滞后。
二、货币政策在调节经济波动过程中存在的问题分析
(一) 货币政策侧重总量调整, 缺乏有效的结构调整, 不能从根本上避免经济运行的频繁波动
货币政策囿于其自身功能的特点, 它对于调整总量具有一定的优势, 而对于结构调整却存在着较大的局限性。其一, 从货币政策的手段来看, 无论是法定存款准备金率还是存贷款基准利率的调整, 所调节的都只是商业银行向社会提供信贷资金的总量, 而对于公开市场业务来说, 由于其操作对象主要是政府债券和央行票据, 通过对这二者的吞吐来调节货币供给总量, 也无法起到引导资金流向, 有效配置资金的作用;其二, 从货币政策的中介目标来看, 货币政策的中介目标包括货币供给量、利率等金融指标。这些指标都是反映金融体系平均水平的变量, 因而货币政策所能牵动的仅仅是有关总量的变量;其三, 从货币政策的传导机制来看, 当采用扩张性的货币政策时, 货币供给量增加, 利率下降, 公众的消费需求增加, 投资需求增加。商业银行减少对客户的贷款限制, 使更多原来无法获取贷款的潜在借款人获得贷款。当采用紧缩性的货币政策时, 则反之。货币政策只能无差异地影响所有的消费主体和投资主体, 缺乏结构调节的差异性。正是基于货币政策结构调节的局限性, 当经济结构不合理而表现出供需总量的矛盾时, 货币政策仅能从表象上对总需求加以调节。
(二) 过度依赖货币政策的调节, 还会抑制经济结构的调整, 增加经济运行的复杂性
经济波动总是表现为经济总量的失衡。然而, 引发经济总量失衡的因素却可能来自于经济结构的失衡。其中需求结构的失衡会触发经济体系偏离均衡状态, 而供给结构的失衡则会加大经济波动的强度。如果需求结构出现紊乱, 表现为消费需求、投资需求中的某一部分脱离原来的比例关系而出现突发性地增加或减少。这一变化的结果必然是相关产品的引致投资并进而波及到其他产品的引致投资波动。如果供给结构出现紊乱, 表现为供给结构出现不平衡, 一方面某些产业、行业的生产能力过剩, 另一方面其他产业、行业却存在着有效供给不足。这一失衡状态将导致以下问题的产生:当总需求扩张时, 在部分产业、行业产量持续增加, 维持了较高的GDP增长率之时, 另一些产业、行业却由于存在着有效供给不足产量的增加迅速达到了资源充分利用的上限, 结构性通货膨胀随之产生。而当经济转入衰退期时, 由于某些部门存在着生产能力的过剩, 致使资本、设备折旧、报废及存货减少的速度缓慢, 负投资过程漫长, 经济难以复苏。对于结构失衡引发的经济波动, 如果政府过度依赖于运用货币政策, 通过对经济总量的调节来平抑经济波动, 则会导致货币政策运用的被动性和多变性。因为, 它一方面终止了市场机制对结构调整的进程 (如萧条时期优胜劣汰的市场选择) ;另一方面又无法有效地进行结构调整。致使需求结构的失衡会不断地触发经济波动的发生, 同时由于供给结构的失衡使经济波动的强度大, 货币政策不得不频繁地交替运用, 以减缓经济波动对国民经济的冲击。
(三) 货币政策扩张与紧缩的频繁交替运用进一步加大了经济波动的损害程度
根据费里德曼的货币主义经济周期理论和卢卡斯的理性预期学派经济周期理论, 货币政策交替运用的多变性是经济周期形成的原因之一。货币供给量增加, 产量增加, 经济进入繁荣期。相反, 经济进入衰退期。因此如能科学地计算, 则采用反周期性的货币政策就可减缓甚至消除经济中内生因素 (如经济结构失衡) 引发的经济波动。然而, 货币政策在制订和实施过程中, 存在着时滞, 分别是认识、行动和效果时滞。
货币政策的效果时滞较长, 致使货币政策的运用可能以亲周期代替反周期, 与经济中内生因素一起作用加剧经济的波动。
我国由于在监控、分析和预测经济变量方面缺乏经验, 致使认识时滞较长。近年来效果时滞也逐渐延长。这主要是因为我国采用的贷款规模控制的货币政策工具, 只能控制住专业银行的贷款规模, 而对于近年来大量涌现的非国有银行的信贷活动却不能有效控制。而从对专业银行的贷款控制到覆盖全社会的信用总量则需要一定的时间。正是由于时滞的存在, 导致我国货币政策成为加剧经济波动的外生因素。
三、经济波动条件下对我国货币政策效应的判断
(一) 总体上看, 货币政策在平抑经济波动对经济发展带来的损害方面是有效的
在改革开放以来多次发生经济波动的条件下, 每次所实施的相关货币政策, 基本上都能对平抑经济波动起到一定的作用, 虽然每次货币政策操作的效果不尽相同, 但随着货币政策操作手段的不断丰富以及传导机制的不断改善, 针对不同程度的经济波动所采用的货币政策效应也在不断地增强。
(二) 从改革开放以来中国经济发展的实践来看, 中国经济发展中的货币政策效应具有明显的非对称性特征
即在经济发展扩张阶段发挥的紧缩效应要强于经济紧缩阶段所发挥的扩张效应。但同时需要看到的是, 在经济发展的过程中, 扩张阶段和紧缩阶段只是相对而言, 两者之间存在相互转化的关系, 因此, 要发挥货币政策的最大效应, 就应该谨慎关注经济波动中各个阶段的变化, 便于及时采取相对应的行之有效的货币政策。
(三) 从货币政策的操作上看, “相机抉择”的货币政策操作规则是引发新的经济波动的主要原因
中国一直采用的是“相机抉择”的货币政策操作规则, 这种规则下的政策效应主要体现在短期, 易受制于经济波动, 影响经济发展的平稳性。由于政策效果的显现存在时滞, 频繁变化的货币政策不仅不能及时解决经济发展中出现的问题, 还容易引发新的经济波动, 陷入经济波动人为复制的恶性循环。
摘要：改革开放以来, 运用货币政策对经济波动进行调节越来越成为我国宏观调控中的一种重要方式。但每次调节都只是在表面上解决了该时间段经济波动的问题, 并没有真正促进经济结构的改善, 没能从根本上解决长期经济发展中的相关问题, 相反, 却极易成为下一次经济波动的源头。本文通过回顾改革开放以来历次主要经济波动中货币政策的运用情况, 分析了存在的主要问题, 并对货币政策调节经济波动的效应进行了总体的判断。
波动效应 篇8
那么,猪肉价格周期波动与CPI周期波动之间究竟存在怎样的互动关系和作用机制呢?猪肉价格真的具有如此大的威力,竟能左右中国CPI、物价和宏观经济周期波动吗?上述两种观点是否真实地捕捉到了这段时期的经济特征、趋势?除此之外是否还存在第三种逻辑关系呢?为检验“猪周期”效应的科学性和实践价值,剖析猪肉价格、CPI在长期与短期内的互动关系和作用机制,我们引入谱密度函数中的增益谱功能检验这些问题,根据检验结果提出针对性的政策建议。需要说明的是,我们并不是要弄清楚影响CPI、物价和经济通胀、通缩的根本因素是什么,而是要弄清楚猪肉价格周期波动究竟能否左右CPI周期波动。
1 猪肉价格周期波动效应研究的主要观点
国内理论界对“猪周期”问题研究主要形成了三种具有代表性的观点:支持论、短期冲击论和否定论。
1.1 支持论
支持论研究得出猪肉价格和CPI高度相关,猪肉价格波动是CPI波动的主因,甚至是根本原因,它间接左右物价和经济周期态势。按照我国目前CPI统计指标体系,食品类是包括烟酒及其用品、衣着、医疗保健和个人用品等所有8大类商品的CPI中权重最大的分类项,而猪肉又是食品分类中最重要的子项目。食品类在CPI中的比重为32.79%,猪肉价格在食品类中占9.26%,在CPI中的比重为3.03%。猪肉价格周期波动对CPI周期波动起着关键作用[1]。如2007年1~7月猪肉价格平均上涨48.3%,2008年4月份CPI上涨8.5%,其中食品价格上涨22.1%,肉禽及其制品价格上涨47.9%,猪肉价格上涨68.3%。2008年1~7月猪肉价格平均上涨47.4%,对同期价格总水平涨幅的影响分别达到29.5%和18%。
1.2 短期冲击论
短期冲击论[2,3]研究得出,猪肉价格对CPI波动的冲击作用不具有长期性特征。2007年6月到2008年6月猪肉价格猛涨,CPI虽也猛涨,但猪肉价格只是CPI波动的诱因,而不是根本原因。2010年1~8月猪肉价格波动对CPI波动影响更小,CPI和猪肉价格共变性较弱。短期冲击论还对作用机制、原因进行了剖析,得出国际游资对生猪行业实施垄断性炒作,导致猪肉价格全线上涨,抬高了CPI[4]。
1.3 否定论
否定论对猪肉价格涨跌波动是CPI乃至经济涨跌波动的根本原因提出质疑,认为支持论夸大了猪肉价格周期波动对CPI周期波动的冲击作用,猪肉价格上涨带动CPI上升具有一定的偶然性。从长远来看猪肉价格还会有变化,但CPI和物价的稳定与否主要看宏观经济整体情况和货币政策。CPI、物价、经济周期波动的原因非常复杂,它们受供求关系、结构性因素、货币政策等共同影响。猪肉价格没有这么大的威力,可以左右CPI、物价和经济周期波动态势[5]。而且,CPI中的“肉禽及其制品”等分项的权重虽是经过大量调研确定的,但仍是人为设定的,作为滞后性指标难以及时、真实的反映CPI、物价和实体经济的周期波动趋势[6]。如果深入分析2003~2006年生猪生产情况就可以知道,2007年6月份以后的猪肉价格上涨处于合理范围,对CPI上涨仅具有结构性特征,更不是间接推动通货膨胀的根本原因。猪肉价格上涨带动了禽蛋、水产品、粮食农产品价格,但这种上涨具有恢复性特征[7]。
2 时间序列分解思路、指标与数据来源
2.1 时间序列分解思路
猪肉价格月度时间序列数据通常受到自身的长期趋势、周期、季节变动和不规则成分的影响。季节性要素对时间序列的影响是短期的,一般是一年,它常常掩盖或混淆猪肉价格客观规律,以致给猪肉价格、CPI分析造成困难和麻烦。因此,首先需要将季节性要素从原始数据中剔除。不规则要素对时间序列影响是随机性的,通常是偶发因素引起的,它具有影响时间短、缺乏规律性等特征,也能掩盖价格变量真实特征。因此也需从原始序列中分离出去,用剩余的趋势周期要素分析猪肉价格和CPI之间的关系特征。
我们首先采用X-11季节调整法对所有指标进行季节调整,在此基础上使用HP滤波法分离趋势成分,获得周期成分,然后分析周期成分的统计特征,从而对猪肉价格周期作出判断和分析。X11调整法是基于移动平均法的季节调整法,其特征在于除了能适应各种经济指标的性质,根据各种季节调整的目的选择计算方式外,在不作选择的情况下,也能根据事先编入的统计基准,按照数据的特征自动选择计算方式,在计算数据过程中可根据数据中的随机因素的大小,采用不同程度的移动平均,随机因素越大,移动平均长度越大。它通过几次迭代分解数据,每一次对组成因子的估算都进一步精化,因此成为普遍采用的季节调整法。
由于季节调整法中的趋势成分和周期成分被视为一体,因此,接下来需要采用将HP滤波法趋势成分和周期成分分开。HP滤波法是一种估计时间序列长期趋势的平滑技术[8],基本原理是将时间序列数据(Yt)分为趋势成分(Yt)和周期成分(Ut),将趋势成分分离出来,在对趋势成分的平滑性约束下,求解最小化序列对其趋势的离差平方和的问题,Yt常被定义为下面最小化问题的解,公式为(1)。
其中,λ为趋势成分的平滑系数,其值越高,趋势成分越光滑,按照一般经验,月度数据的λ取值是14400。
2.2 指标及数据来源
本文选择猪肉价格月度价格(以1992年1月为基期换算成定基指数)、居民消费价格指数(CPI)、肉禽及其制品价格指数、鲜蛋价格指数、粮食价格指数、水产品价格指数、鲜菜价格指数、鲜果价格指数八项指标。猪肉价格月度数据是全国畜牧总站、中国饲料协会采集、公布的全国约470个农村集贸市场监测点价格数据,所有的114个月份的价格数据均是当月全国平均价格。其余五个价格数据来源于国家统计局月度价格数据库(上年同期=100)。
3 猪肉价格周期波动效应实证分析
3.1 实证分析模型
(1)增益谱模型涵义。增益谱是谱密度函数中的互谱功能之一,属于频域分析法。它反映了两个序列数据在某一个频率处的分量对自变量的依赖关系,探寻的是变量之间的比例增益关系,即当自变量每波动1%时,因变量波动的百分比。一般情况下,增益谱分析需要结合相干谱和相位谱功能,为此需先介绍互谱模型的三个谱项功能的涵义。根据互谱函数基本原理,二元平稳序列Xt和Yt(t=0,±1,±2,n)之间的相关结构在时域中可以用互协方差函数RXY(k)来描述。互协方差函数RXY(k)的傅里叶变换为公式(2)。
则Xt和Yt为互谱密度函数。当Xt=Yt时,公式(2)即为序列的功率谱。如果RXY(k)是绝对可和的,即则Hxy(f)在f∈[-0.5,0.5]上处处存在。
根据复数的极坐标表示法,如果CXY(f)和QXY(f)分别是HXY(f)的实部与虚部,则互谱HXY(f)可以写成公式(3)。
ηxy(f)=Arctan[-Qxy(f)÷Cxy(f)]。式中:AXY(f)为互振幅谱,ηxy(f)为相位谱。互振幅谱是两个序列中频率为f的分量振幅乘积的均值,它反应了两个序列间各频率成分在振幅上的相互关系。对互振幅谱进行如下标准化处理,得到相干谱Wxy(f)为公式(4)。
式中:Hx(f)和Hy(f)分别是序列Xt和Yt的谱密度函数。增益谱函数反映了序列Yt在频率f处的分量对Xt的依赖关系,公式为(5)。
增益谱分析的是全序列周期波动过程,探寻序列之间的比例增益关系,因而能从整体上更好地把握序列周期波动结构关系。
(2)窗参数选择。增益谱模型分析前的一个重要步骤是设置窗参数,旨在消除误差逐渐增大对增益谱估计可能造成的不良影响,其取值直接影响增益谱模型估计结果准确性。如果窗参数取值过小,则诸如部分谱峰等一些主要特征可能被平滑掉,降低谱分析的分辨力;如果窗参数过大,则谱密度分析的方差增大,可能出现一些虚假峰值。为保证增益谱分析结果的渐进无偏和一致性,理论上要求窗参数应满足其与样本数的比值趋近于零,但窗参数到底取多大为宜存在争议,通常只能根据实际情况和经验折衷取值。许多研究根据样本数n的大小,试用三种不同的窗参数。本文考察的样本期长度是114个月,平方根等于10.7。由于窗参数必须是奇数,故取11做为窗参数。
3.2 猪肉价格周期波动效应增益谱分析
(1)肉禽及其制品价格周期波动与CPI周期波动的增益谱分析。①将2000年1月到2010年6月的CPI、肉禽及其制品价格指数、蛋价格指数、粮食价格指数、水产品价格指数、鲜菜价格指数、鲜果价格指数的数据做相关性检验,得出水产品价格和CPI的相关性系数最大,为0.84,肉禽及其制品价格和CPI的相关性系数为0.75,粮食价格和CPI的相关性系数仅为0.41,蛋、鲜菜、鲜果和CPI的相关性更小。这表明长期内肉禽及其制品价格和CPI在时域方面具有较强相关性,这为频域增益谱分析奠定了基础。②对CPI、肉禽及其制品价格指数、蛋价格指数、粮食价格指数、水产品价格指数、鲜菜价格指数、鲜果价格指数的数据做共变性和增益谱检验,得出6个自变量和CPI之间的相干谱数值依次为0.89、0.42、0.38、0.86、0.22、0.20。可见,肉禽及其制品价格周期和CPI周期共变性最强,随后是水产品。鲜蛋、粮食、鲜菜、鲜果价格波动和CPI周期波动的共变性较弱。增益系数检验得肉禽及其制品价格周期波动对CPI周期波动的贡献系数为0.129,低于水产品增益贡献系数0.40、粮食增益贡献系数0.165和鲜果增益贡献系数0.145。在6个自变量中,肉禽及其制品价格周期波动对CPI周期波动的贡献并不是最大,其对CPI周期波动的增益贡献比为12.9%,即肉禽及其制品价格每波动1%,CPI波动将相应变动0.129%。③将2006年6月到2009年6月间的肉禽及其制品价格和CPI进行共变性和增益系数检验,得相干谱等于0.97,共变性极好,增益谱系数等于0.49。从这段特定时期看,肉禽及其制品价格周期波动对CPI周期波动的冲击具有短期特征。
(2)猪肉价格与肉禽及其制品价格周期波动增益谱实证分析。我们将2000年1月到2010年6月间的猪肉价格和肉禽及其制品价格月度数据按照上面的步骤和方法进行同样的处理,得出两者的周期成分。将两个周期成分进行共变性和增益系数检验,得出猪肉价格与肉禽及其制品价格的相干谱等于0.988,共变性极好,增益谱系数等于0.66。这表明猪肉价格周期波动确实强有力的影响着肉禽及其制品价格周期波动。
(3)猪肉价格与CPI周期波动增益谱实证分析。我们将2000年1月到2010年6月间的猪肉价格和肉禽及其制品价格月度数据按照上面的步骤和方法进行同样的处理,得出两者的周期成分。将两个周期成分进行共变性和增益系数检验,得出猪肉价格与肉禽及其制品价格的相干谱等于0.93,共变性极好。增益谱系数等于0.183。这也说明猪肉价格周期波动对CPI周期波动具有重要影响,只是冲击作用强度略小于猪肉价格对肉禽及其制品价格的冲击强度。
3.3 增益谱检验结果分析
从周期共变关联角度分析,增益谱检验显示猪肉价格周期波动对肉禽及其制品价格周期波动的贡献很大,增益比约为66%,可以左右肉禽及其制品价格波动。然而,猪肉价格周期波动对CPI周期波动的增益比却没有这么高,大约在13%~18%之间,它虽能有力的影响CPI的波动态势,但并不能左右CPI的周期波动态势。在2006年6月到2009年6月这一轮周期内,猪肉价格周期波动对CPI周期波动的增益贡献相对较大,增益比为49%。就这段特殊历史阶段看,2006年的生猪价格和猪肉价格的高涨主要源于两个原因,一是2003年非典与2004年的禽流感动物疫病导致2005年生猪供给总量过多,价格过低。2006年生猪产量进入周期衰退阶段,恰在此时生猪高致病性蓝耳病爆发并在全国范围快速蔓延,养猪因恐慌而屠宰生猪、母猪,导致存栏量下降。这导致猪肉价格从2006年6月份的10.58元/kg一路攀升到2008年2月份的26.17元/kg。而2006年6月份的CPI为102.2,在之后的6个月中,CPI指数始终在102.2~102.3之间波动,增长幅度远远低于同期猪肉的增长幅度,这也就是说猪肉价格高涨,CPI却基本不变,即猪肉价格波动基本没对CPI波动产生什么影响。2007年1月CPI才略有抬头,缓慢上升,到2008年4月份升至108.2,之后缓慢下降;同期的猪肉价格呈现出共变趋势(相干谱为0.93),这表明猪肉价格波动在短期内对CPI波动产生了一定影响。2009年1月份的CPI由2008年12月份的105.9突降至100.9,同期的猪肉价格却不降反升,从2008年12月的20.57元/kg上升到2009年1月的21.25元/kg,这再次表明猪肉价格波动对CPI周期波动又未产生什么影响。由此可见,2006年6月到2009年1月的31个月中,猪肉价格有16个月与CPI共变,余下的15个月中两者却没有呈现出共变关系。这表明猪肉价格周期波动对CPI周期波动的冲击作用仅具有短期性特征。从长期来看基本未对CPI周期波动产生主导型冲击,即在特定历史阶段和特定经济环境下,猪肉价格周期波动才成为CPI周期波动的根本原因,但时间较短。可以说,本轮猪肉波动有其特殊性,它是由猪肉供给突然缩减等特殊原因所导致,而不是消费需求出了问题。因此,判断CPI走势还得综合考虑其他因素,不能将CPI走势片面解释为主要由猪肉价格冲击所导致的结果。
从CPI各分项的周期共变趋势角度分析,按照现行的统计结构,猪肉价格在食品类所占比例较高,但不能由此过分强调猪肉价格对CPI走势的影响作用。尽管目前猪肉价格波动增大,但不能赋予猪肉价格太多的意义。在食品类的6个分项中,水产品价格、粮食价格的周期波动对CPI周期波动的长期冲击作用明显。肉禽及其制品价格对CPI周期波动的冲击作用并非始终处于主导地位。考察猪肉价格周期波动对CPI周期波动的作用还需注意水产品价格、粮食价格的作用。在以月度价格为指标的研究中,鲜菜在节假日期间产生的短期波动效应也不容忽视。2010年1~7月CPI指数从1月份的101.5缓慢增长到102.7,猪肉价格却总体小幅下降,同期的水产品价格、蛋价格、水果价格总体都以涨为主,只有成品粮价格相对稍微稳定一些。2010年中秋节前夕粮食价格、鲜蛋价格又呈现假日经济特征,略有小涨,因此无法得出CPI上涨完全或主要由猪肉价格主导的结论,水产品价格、鲜蛋价格、鲜果价格及节假日前的鲜菜价格上涨对CPI上涨的推动作用也较为明显。
其实,猪周期支持论者在猪肉价格波动是否是CPI周期波动的主导力量上也存在分歧,对猪肉价格和CPI共变上涨看法相同,但当猪肉价格下跌时,观点却不一致。一种观点是猪肉价格下跌将使CPI回落;另一种观点认为猪肉价格下跌并不会使CPI同降。两种观点分歧原因是对粮食价格冲击作用的认识存在差异。一项论据是2007年1~8月猪肉价格持续高涨,从14.91元/kg上升到22.92元,9月份下降为22.01元/kg。然而粮食价格却上涨,9月份全国25个粮食主产省稻谷、小麦、玉米三种粮食加权平均收购价格比上月、上年同期分别上涨1.21%、10.96%。其中,小麦、稻谷、玉米平均收购价分别比上月上涨1.82%、1.16%、0.67%。但2007年1~9月份的CPI一直呈现增长态势,即使是备受争议的9月份也没有像猪肉价格那样呈现下降趋势。这说明CPI的周期波动受粮食波动的冲击不容忽视,猪肉价格在此期间内并没有对CPI周期波动产生持续不变的影响。
4 研究结论与政策启示
4.1 研究结论
通过增益谱检验得出如下研究结论:①猪肉价格周期波动和CPI周期波动仅在短期内具有周期共变关系,短期冲击效应明显。长期看,猪肉价格周期波动对CPI周期波动的增益贡献比约在13%~18%之间。②猪肉价格周期波动对CPI周期波动的冲击作用小于水产品价格和粮食价格周期波动对CPI周期波动的冲击强度。尤其水产品价格周期波动对CPI周期波动的冲击作用在长期内强于肉禽及其制品价格周期波动、猪肉价格周期波动对CPI周期波动的冲击作用。
4.2 政策启示
根据研究结论可得两点政策启示:①完善现行CPI统计制度,降低肉禽及其制品价格占食品类的权重,进而降低猪肉价格占CPI的比重。同时要降低食品类价格占CPI的比重,从目前的33%左右降至美国等养猪业发达的国家的10%~15%左右。②建立核心食品类CPI制度。将食品类从现行CPI体系中分离出来,建立以肉禽及其制品价格为核心,粮食、水产品价格为辅的CPI统计制度体系。分离后的食品类CPI指标体系将不再反映现行CPI波动中各指标的波动情况,而是独立评估猪肉价格为主的核心食品类CPI指标体系。
增益谱模型对数据长度要求较高,理想长度是180个月以上。本研究数据略短一些,因此估计结果会有一些偏差,这是本文不足之处。
参考文献
[1]胡月晓.猪肉价格与我国CPI变动相关原因分析[J].上海证券,2009,5(20):2-4.
[2]危朝安.猪肉价格未助涨CPI[J].金融界,2010-3-10/2010-08-25.
[3]曹春萍.猪肉这次没能做了CPI的主[EB/OL].东亚经贸新闻,2010-03-13/2010-08-16.
[4]潘洁.农产品全线上涨“猪周期”增压CPI[EB/OL].新华网,2010-04-22/2010-08-19.
[5]朱文晖.CPI与猪肉价格的因果论[EB/OL].中国畜牧兽医信息网,2007-10-12/2010-08-30.
[6]王红茹.猪肉涨价再次引发通货膨胀论调[EB/OL].新浪网,2009-8-31/2010-08-25.
[7]程国强.本轮农产品价格上涨的影响与调控建议[EB/OL].新华网,2008-02-21/2010-08-10.