波动关联性（精选7篇）
波动关联性 篇1
当今宏观经济的不稳定, 突出表现为资产价格大幅度波动与银行信贷大规模扩张, 资产价格、银行贷款和金融系统稳定之间的关系, 一直都是备受关注的问题。美国次贷危机爆发以来, 央行为应对严峻的国际金融形势, 采取了适度宽松的货币政策, 4万亿的投资不仅增加了货币供给, 扩大了银行贷款规模, 也在一定程度上刺激了股市市价的上涨。要搞清资产价格的波动有多大程度是由于银行信贷造成的, 必须厘清资产价格波动与银行信贷规模之间的关系。
一、文献综述
一些学者通过对不同历史时期金融危机的分析发现, 不论是在发达国家还是在发展中国家, 银行危机紧随信贷扩张和资产价格暴跌之后。Karsten[1]对19世纪90年代以来挪威130年间发生的三次金融危机的比较分析得知, 虽然每次金融危机产生的制度背景和货币体制存在显著差异, 但仍表现出共同的特征:即在危机之前银行资产价格大幅上涨、信贷扩张显著以及非金融部门负债不断增加。Kaminsky[2]研究了发生在15个新兴国家和5个发达国家的金融危机, 发现绝大多数危机的共同先导性因素是金融自由化和信贷规模的大幅扩张, 直到达到某个制高点后资产价格开始崩溃。包括银行在内的金融机构由于过度卷入资产市场, 随后也都出现了危机, 同时伴随着宏观经济产出的下跌。
随着中国股票市场的不断发展, 国内学者也对股票价格与银行信贷的关系进行了理论与实证分析。吴晓求等[3]对银行信贷进入股票市场的规模和路径进行分析和测算, 提出必须切实加强对银行信贷资金进入股市的管理。肖本华[4]利用Allen和Gale模型的扩展, 分析了信贷扩张和投资成本对资产价格的影响, 研究发现, 近年来中国信贷扩张为资产价格的膨胀提供了支撑, 低投资成本和不合理的投资结构也导致了资产价格膨胀。
二、股票价格与银行信贷相互影响的理论分析
(一) 股票价格波动对银行信贷的影响机制
信贷资金通过金融机构、企业和居民三类主体, 通过不同途径进入股票市场影响股票价格。
对于银行, 其筹资成本因为股票价格的上升得到抵减, 存贷利差的扩大和资本约束的弱化增大了银行的放贷意愿。股票价格下跌会增大借款人违约概率和银行不良贷款面积, 银行权益资本将遭受威胁, 为了达到监管当局对资本充足率的要求标准, 银行不得不缩减贷款供给。
对于企业, 当股票价格上升, 意味着资产负债表项目发生改善, 抵押品价值和流动资产价值的上升相应地增加了企业资产净值和债务缓冲能力, 因此更容易从银行获取贷款。同理, 当股票价格下降, 资产负债表状况恶化, 抵押品价值受到冲击, 企业还贷不确定性增加, 因此银行会紧缩银根。另外, 股票价格的下降造成了市场上流动性不足, 企业投资紧缺和融资困难又增加了违约行为产生的可能性, 削弱了企业的还贷能力, 进一步影响了银行的贷款质量。
对于居民, 信贷资金是否进入股票市场, 居民投资者对于股市的预期发挥着至关重要的作用。当股票价格上升时, 市场预期价格仍将持续上涨。当在自有资金紧缺、逐利本能和股市赚钱效应驱使的情况下, 居民会增加对银行贷款的需求动机, 相应减少存款而增加贷款。
(二) 银行信贷对股票价格波动的影响机制
由于商业银行实行分业经营, 商业银行不能直接投资于股票市场。银行信贷通过同业拆借市场、股票质押贷款和企业挪用贷款这三种渠道进入股市影响股票价格。
信贷资金入市的监管规则经历了以下几个过程。1999年开始实施的《中华人民共和国证券法》规定:“禁止银行资金违规流入股市”。同年8月和10月, 中国人民银行先后下发了《证券公司进入银行间同业市场管理规定》和《基金管理公司进入银行间同业市场管理规定》, 首次为信贷资金通过证券公司和基金管理公司间接入市指出了一条合法渠道, 同时使得证券和基金管理公司能够通过同业拆借市场融资。2000年2月发布的《证券公司股票质押贷款管理办法》, 允许符合条件的证券公司以自营股票和证券投资基金券为抵押向商业银行借贷, 从而为证券公司自营业务提供了新的融资来源。
《证券法》明确规定:“禁止银行资金违规流入股市。”但现实经济活动中, 难免有企业利用法律的漏洞“腾挪”贷款资金入市。企业规避监管的手段繁多且更具隐蔽性:譬如, 信贷资金转移关联企业、银行贷款置换自有资金、委托理财以及无真实贸易银行承兑贴现等。以股票指数最高的2007年为例, 非金融性公司及其他部门贷款比上年增加2.5万亿元, 余额同比增长13.1%。其中就有一部分企业信贷资金违规入市的原因, 因此增加了股市资金的流动性, 推动了股价的上涨。
三、股票价格波动与银行信贷关联性的实证检验
(一) 变量选择与处理
本文选取2005年1月到2013年12月的月度数据, 采用VAR模型进行实证分析。数据来源于国家统计局网站以及中国人民银行网站。
考虑到变量的代表性, 本文选取金融机构各项贷款作为银行信贷的变量。选取每月上证综指收盘价的加权平均值作为股票价格变量。对于利率, 自1984年我国银行间同业拆借市场建立以来, 同业拆借利率已具备市场化利率的特征, 能够较好反映市场供求状况, 因此本文选取银行间7天同业拆借加权平均利率作为利率变量, 用i表示。本文选取GDP和居民消费价格指数CPI作为影响股票价格指数和银行信贷的宏观经济变量。
数据处理过程如下:由于GDP为季度数据, 因此本文利用频率转换将其转化为高频月度GDP, 同时对月度GDP进行Census X12季节调整以剔除季节规律的影响。由于大多数时间序列数据都是非平稳的, 加之统计方法和标准的偏差, 本文对除利率以外的变量进行取对数的方法以消除异方差和降低误差。将进行分析的银行信贷、股价指数、GDP、CPI、同业拆借利率分别表示为Lloan、Lindex、LGDP、LCPI、i。数据的处理和分析均通过Eviews 7.0软件实现。
(二) 实证检验
1. VAR模型的建立
VAR模型常用于预测相互关联的时间序列数据以及分析随机扰动项对变量系统的动态影响。根据VAR一般式, 建立五变量VAR模型, 按照AIC和SC最小准则经过反复试验, 得到内生变量滞后2阶的模型估计结果如式 (1) 所示。
由 (1) 式可知, 银行信贷对股票价格的系数在滞后一期和滞后二期都为负, 这可能说明银行信贷的变化与股票价格的变化成反方向。股票价格在滞后一期对银行信贷影响为正, 但到了滞后二期影响变为负, 这可能说明股票融资和信贷融资之间是有竞争的。股票价格的升高会提高银行信贷资金间接入市的可能, 进而促使股市融资能力的提高, 长期以后, 两种融资方式之间的竞争占据主导地位, 信贷资金将会阻止融资的股市实现。
2. 格兰杰因果检验
本文采用格兰杰因果检验验证变量间因果关系, 表1仅列出贷款与股价之间的关系。
由检验结果可知, 银行信贷规模不是引起股票价格波动的格兰杰原因, 而股票价格波动却是银行信贷的格兰杰原因。
3. 脉冲响应函数分析
脉冲响应函数是用来描述内生冲击变量的一个标准差的随机波动如何影响自身以及其他变量当期及远期状态的一种分析工具。脉冲响应结果如图1、2所示, 虚线表示正负两倍标准差偏离带, 具体分析如下。
图1描述了股票价格 (上证综指) 对其他变量的脉冲响应。在其他影响因素不变的情况下, 如果给银行信贷一个标准差的冲击, 股票价格会出现负响应, 从第1期开始, 负响应反应程度逐渐增强, 从第2期以后反应程度降低并保持平缓。股票价格对银行信贷的响应说明银行信贷的增加在短期以及长期内都不利于股票价格的上涨。
图2描述了银行信贷对其他变量的脉冲响应。当股价被赋予一个标准差冲击, 其他影响因素不变时, 银行信贷前两期变化不大, 但基本上是正反应, 从第2期以后, 正向响应程度愈加强烈。银行信贷对股票价格的脉冲响应说明股价上涨时, 银行信贷会出现增长的状况。
四、结论与建议
股价的波动会引起银行信贷的波动, 但银行贷款的增长并不必然引起股票价格的明显增长。在理清了二者关联性的基础上, 可以推断出在市场化进程中, 资产价格波动的影响范围已经超越了资本市场的范畴, 可以借助信贷渠道蔓延至整个金融系统, 在预防股市泡沫化的同时, 要将股票价格因素纳入银行信贷调控的考虑范畴。对此, 本文提出以下建议:
第一, 股权分置改革激发了投资者信心, 市场预期乐观, 股票价格出现上涨态势。但股票市场同时存在非法资金的涌入。这种情况下, 股票市场存在机遇与挑战并存的局面。挑战在于股市泡沫化会诱导信贷资金脱离实体经济轨迹, 虚拟经济泡沫化会引发新的金融危机;机遇在于可以利用此机会完善股票市场, 同时关注债券和创业版市场, 构建多层次、多格局的资本市场体系。证监会应通过丰富理财产品、拓宽投融资渠道、制裁黑市交易手段来引导信贷资金进入实体经济, 特别是中小企业、三农工程和政策支持的相关产业, 防止股票市场泡沫化。同时引导股民树立科学的投资价值观, 如果投资主体遵循“高估风险低估资产”的审慎理财策略, 即使市场出现虚拟泡沫破裂, 也不会遭受太大的打击。
第二, 理论研究表明银行贷款的增长不会引起股票价格的上涨;实践也表明, 在亚洲金融危机期间, 马来西亚政府的信贷增加政策并未阻止股价的下跌。因此在股市萎靡阶段, 试图通过放松银根刺激股市繁荣的做法欠妥。保护投资者利益是资本市场发展的出发点和核心, 最终要通过制度、基础设施的完善实现。在股市萧条阶段, 一方面要严防信贷资金违规入市, 防止出现资金自由流动引发的失控现象;另一方面证监会要充分保护中小投资者利益和权益, 改善投资者预期, 恢复投资者信心。
第三, 证监会、银监会和央行应加大政策协调力度, 将股价波动引入信贷调控。首先, 密切关注信贷资金流向。建立起一套统一的授信规范, 严格按照贷前审核、贷中监控、贷后检查的工作标准和流程, 控制信贷风险。其次, 进一步加强对贷款的监控。鉴于股票价格和银行信贷的关系, 股价的波动会引起银行资产负债表的变动, 银监会应密切关注银行资本充足率的变化, 控制不良贷款率, 防止银行盲目增加信贷投放。
参考文献
[1]Karsten R Gerdrup.Three Episodes of Financial Fragility in Norway Since the 1890s[R].BIS Working Paper, 2003.
[2]Kaminsky Reinhart.The Twin Crisis:The Cause of Banking and Balance-of-payments Problems[J].American Economic Review, 1999, 89 (3) :473-500.
[3]吴晓求, 宋清华, 应展宇.我国银行信贷资金进入股票市场研究[J].管理世界, 2001 (4) .
[4]肖本华.投资成本、信贷扩张与资产价格[J].世界经济, 2008 (9) .
波动关联性 篇2
【关键词】灰色系统；关联度分析；人民币升值；汇率波动
一、背景
2010年中国三大造船指标全面超过韩国，占世界市场份额均超过40％，跃居世界第一。在新接订单方面，2010年中国承接新船订单7523万载重吨，韩国承接4614万载重吨，分别占世界市场份额的54.4％和34.3％，两者共计占比达88.7％。2010年中国完工交付船舶6560万载重吨，韩国完工交付船舶4656万载重吨，分别占世界份额为42.9％和31％，两者共计占比达73.9％。2010年年末，中国手持订单量为19590万载重吨，韩国手持订单量为15240万载重吨，分别占世界份额为40.9％和31.8％，两者共计占比达72.7％。从市场占有率和规模来说，中韩两强争霸的格局已经显现。据英国克拉克松公司统计，2010年，韩国接单金额为287亿美元，中国为251亿美元。总体看，日本和欧洲造船业处于造船产业发展的衰退阶段，在规模和总量上已经无法与中国和韩国相抗衡。新兴造船国中，越南、印度等国仍举步维艰。而俄罗斯、巴西等国造船业通过推行“国轮国造”政策，呈现出逆市而上的发展态势。俄罗斯船舶工业2010年造船产量增速达103.2％。但是在较长时间内难以对世界造船竞争格局产生根本性影响。金融危机之后日本从第一大造船国家逐步落后于我国和韩国，这与日元的大幅升值之间到底有多大关系，而当前人民币升值的态势仍在持续，这样的人民币汇率波动会给我国未来造船业的竞争力造成怎样的冲击，非常值得研究。
二、数据来源、变量和原始数据
本文数据的三大造船指标数据来源于《中国船舶统计年鉴》以及相关国际研究公司。
中、日、韩三国的汇率波动幅度来源于汇率网，截止2012年4月30日，1美元可兑换人民币6.2783人民币，相比于2008年初的1：7.2152左右，人民币升值速度较快，幅度大概为13.0％。而1美元可兑换日元80.29人民币，相比于2008年初的1：106.06左右，计算日升值幅度大概为24.3％。同时间截点，1美元可兑换韩元1131.65，相比于2008年初的1：1117.32左右，韩元升值幅度大概为-1.3％，比较稳定。从中长期来看，人民币持续升值的趋势不会改变。
三、数学原理
灰色系统是20世纪后半期诞生的一门横断学科，是用于控制和预测的新理论、新技术，目前已广泛地应用于农业、社会经济等领域。灰色系统理论的关联度分析是通过一定的方法理清系统中各个因素的主要关系，找出影响最大的因素，抓住主要特征和主要关系，把握矛盾的主要方面。灰色系统理论的关联度分析与数理统计学的相关分析是不同的，它主要研究静态过程，对数据不要求太多。灰色系统的关联度分析一般有：原始数据变换、计算关联系数、求关联度、排关联序、列关联矩阵等五个步骤。
四、原始数据的变换
为了消除指标量纲的影响，解决各指标不同量纲无法进行综合汇总的问题，需要对数据进行无量纲化处理，在这里，运用区间值化方法，将xij转化为取值在[0，1]区间的相对化数据，设转化后的指标值为yij具体做法如下：
若评价指标Xij为正指标，则：Yij=（xij-Minxij）/（Maxxij-Minxij） i=1，2…，n； j=1，2…，m；
若评价指标Xij为逆指标，则：Yij=（Maxxij-xij）/（Maxxij-Minxij） i=1，2…，n； j=1，2…，m；
若评价指标Xij为适度指标（即越接近某一标准值u越好的指标），Yij=1-｜xij-uj｜/Max｜xij-uj｜ i=1，2…，n； j=1，2…，m；
经过处理，既消除了计量单位不同对指标综合的影响，又调整了指标方向，增强了可比性。根据公式上述公式对原始数据进行标准化处理，标准化处理后的数据如表。
五、关联度的计算
运用DSP数据处理系统，进行灰色系统的关联分析。以造船业的三大指标为子序列，以汇率对对造船业的影响（各国货币汇率变动）为母序列，计算汇率变动与其他因子（三大指标）的关联度，数据转换方式选择均值化，得到如下表的均值化数据：
可见，金融危机以来汇率的波动与各国额造船完工量市场份额占有量关系最紧密，影响也最为显著。对手持船舶订单市场份额的影响也很大，此外，还会对新船订单的承接量造成一定程度的影响。
六、结语
通过对汇率波动与造成三大指标的关联度分析可知，一国货币的大幅升值会严重削弱该国造船业的国际竞争力，并且这种不良影响具有隐蔽性、不易察觉，2008年金融危机以前日元就有很大幅度的升值，由于造船业是一个周期相对较长的产业，因而汇率波动带来的影响会有一定的时间滞后，然而一国货币长期的升值趋势（即使是缓慢的升值）也会对该国造船业的竞争力带来很大的影响。日本就是一个很好的例证，日本造船业的逐步衰退情景为我国的造船业发展敲响了警钟。
参考文献
[1]金融危机背景下中国造船业国际竞争力研究[R]．王洪增．中国科学技术信息研究所．2010（6）
[2]唐启义．DPS数据处理系统[M]．北京：科学出版社，2007
[3]李琳．我国船舶工业国际竞争力研究[D]．黑龙江哈尔滨工程大学．2007（6）
波动关联性 篇3
对影响股价波动因素的研究, 自从有股市以来, 国内外学者对此的研究从未间断过, 并从不同的角度作了不同层次的研究, 国外研究已经形成了证券投资分析的基本理论。主要从宏观环境、基本面和技术三个层面对股价波动进行分析。股票价格从理论上讲, 是公司内在价值在股票市场上的反应, 即公司内在价值是公司股价波动的决定因素。随着我国资本市场规模不断扩大, 股价波动对国家经济发展和投资者的影响不断增大, 对影响股价波动的研究也就成为政府、学者和投资者探讨的热点问题。那么, 我国上市公司内在价值即公司财务业绩的变动与公司股价波动的关联性到底怎样, 对此, 国内学者进行了大量研究。李岳等 (1998) 通过对沪市A股的研究发现, 红利率与股价波动负相关, 负债率与股票价格的波动正相关, 投资收益率与股价变动程度正相关。穆良平、史代敏 (2002) 在分析上市公司每股收益、净资产收益率与年末上证指数的相关系数的基础上, 认为上市公司整体业绩的变化与市场波动不存在正相关关系。黄应绘 (2003) 研究认为每股收益、净资产收益率与股价之间存在显著的线性关系。
本文在已有研究基础上, 采用灰色关联分析法对公司财务指标与股价波动的关联性进行定量分析, 找出主要财务指标与股价波动的相关关系, 以了解我国上市公司财务指标变动对股价波动的影响作用, 为政府、公司和投资者决策提供科学依据。
二、研究设计
(一) 样本选取
本文按市值比较大、股价波动相对较小、公司业绩相对比较稳定, 股票价格低等要求, 在A股市场上选出了金融、资源、通信、加工工业四个行业的四家龙头公司, 分别是中信证券、长江电力、中国联通和宝钢股份。本文的样本数据来源于和讯股票网上四公司2003.12.31~2010.12.31的财务指标和根据中国银河证券交易软件的股价数据计算的股价指数。
(二) 变量定义
本文主要从三个方面选取了反映公司内在价值的财务指标:反映公司盈利能力的财务指标, 净资产收益率 (记X1) ;反映公司偿债能力的财务指标, 资产负债率 (X2) ;反映公司成长能力的财务指标, 每股收益增长率 (X3) 。另外选取股票价格指数作为股票价格变量。由于当年公司财务要到下一年4月底前公布, 因此选取了次年4月末的价格指数 (X0) 为研究变量。
三、实证研究
(一) 变换原始数据
为了消除原始数据量纲、量级的差别, 变为可比较的数据列, 需要对其进行标准化变换处理。其常用的方法有两种:一种是均值化变换, 先分别求出各个序列的平均值, 再用平均值去除对应序列中的各个原始数据, 便得到新的数据列, 即均值化序列;另一种是初值化变换, 分别用该序列的第一个数据, 去除后面的各个原始数据, 得到其倍数数列, 即为初值化数列。通过这两种变换处理, 原始数据就变为无量纲、同量级的数据了。在本文研究中, 数据处理采用的是均值化变换。
(二) 计算关联系数并绘制灰色关联曲线
记经数据变换的股价指数为母数列{x0 (t) }, 财务指标为子数列{xi (t) }, 则在时刻t=k时, 母序列{x0 (t) }与子序列{xi (t) }的关联系数L0i (k) , 用下列公式计算:
式中:Γ0i (k) 为k时刻两比较序列的绝对差, 即Γ0i (k) =|x0 (k) -xi (k) |, 1≤i≤m;Γmin, Γmax分别为所有比较序列各个时刻绝对差中的最大值与最小值。α称为分辨系数, 可以削弱最大绝对差数值太大而失真的影响, 提高关联系数之间的差异显著性。α∈ (0, 1) , 一般情况下可取0.1~5。
关联系数反映了两个比较序列在某一时刻的紧密程度。如在Γmin的时刻, Loi=1, 而在Γmax的时刻, 则关联系数为最小值。因此, 关联系数的范围是0
在对原始数据进行均值化变换之后, 运用计算公式 (l) 计算出中信证券、长江电力、中国联通、宝钢股份4家代表性公司股价指数时间序列与其本身、净资产收益率、资产负债率、每股收益增长率时间序列的灰色关联系数 (在计算时, 分辨系数取为0.5) 。为了更清楚地反应各变量与股价指数的相关关系, 将灰色关联系数在横坐标为时间t, 纵坐标为关联系数L的坐标图中, 绘出关联系数曲线, 即灰色关联曲线图 (见图1~图4) 。
从图1至图4可以直观地看出:第一, 四家公司的股价指数与其自身的灰色关联曲线为一条直线, 这是因为股价指数与其自身的关联系数均为1, 说明股价指数与自身完全正相关;第二, 股价指数与净资产收益率、资产负债率和每股收益增长率的灰色关联系数除在特殊年份 (在图上表现为2006年, 实际反应的是2007年的股价指数, 这是由于财务报表是次年4月份之前才公布, 每年的股价指数采用的次年4月的股价指数) 外, 均大于0.6, 这说明股价指数在大多数年份与财务指标显著正相关。自2006年初到2007年中国股市市值涨了超过5倍, 部分公司上涨了几十倍, 以中信证券为例, 从2006年初的5.24元到2007年最高涨到117.8元, 涨了20多倍。这除了公司业绩增长外, 更主要的是股权分置改革和流动性充裕等外在原因促成的, 因此在这一年股价波动与财务指标的关联性不显著。
(三) 求关联度
关联度分析实质上就是对时间序列数据进行几何关系的比较, 若两序列在各个时刻点都重合在一起, 即关联系数均等于1, 则两序列的关联度也必须等于1;同时, 两个比较序列在任何时刻都不可能垂直, 所以关联系数均大于0, 故关联度也都大于0。因此, 两序列的关联度便以两比较序列各个时刻的关联系数之平均值计算, 即:
式中:γ0i为子序列i与母序列0的关联度, N为比较序列的长度 (即数据个数) 。
将各公司的关联系数数列运用公式 (2) 计算, 得出了中信证券等4家公司4个变量的灰色关联度, 见表1。这是一个综合性的定量指标, 可以更加方便地反映指标之间关联程度的大小。
由表1可知, 四家公司除长江电力外, 净资产收益率等3因素与股价指数的关联度大小的次序是:资产负债率>净资产收益率>每股收益增长率;长江电力的情况是:资产负债率>每股收益增长率>净资产收益率。这与灰色关联曲线图所反应的情况是一致的。这说明, 在A股市场上, 投资者最先关注的是公司的财务能力, 也即公司风险;其次关注公司的盈利能力;最后关注公司的成长能力。
四、结论
综合上述对4家公司股价指数与净资产收益率、资产负债率和每股收益增长率的灰色关联分析, 可以得出以下结论:
第一, 在A股市场上, 大部分年份股价波动与公司财务业绩成显著正相关关系。但有时, 非公司财务业绩因素, 如宏观政策或市场环境对股价波动起决定性作用。因此投资者在进行投资决策时不仅要关注投资公司的业绩, 同时也要关注宏观政策及市场环境。
第二, 财务指标中与股价波动关联最大的是资产负债率, 而不是净资产收益率和每股收益增长率。这说明股价首先反应的公司的风险程度, 其次才反应公司的盈利能力和成长性。这也符合证券投资分析的基本理论要求, 证券投资首先要考虑的是资金安全, 其次才考虑赚钱。
第三, 公司股价波动与财务指标的显著相关关系, 也说明我国A股市场日渐成熟, 公司股价能正常反映公司的内在价值, 同时也反映国家的宏观政策和市场因素。
参考文献
[1]李岳、王继平、归江:《股价波动及相关因素的实证研究》, 《数理统计与管理》1998年第6期。
[2]穆良平、史代敏:《股票市场波动与上市公司整体业绩的关联性》, 《财经科学》2002年第6期。
[3]黄应绘:《沪市股票价格与上市公司业绩的关联性》, 《统计与决策》2003年第6期。
[4]薛燕:《公司财务信息对我国股市的影响实证》, 《中国农业会计》2009年第10期。
波动关联性 篇4
1 资料与方法
1.1 一般资料
本次研究选取2012年11月~2014年11月我院收治的96例2型糖尿病患者作为临床研究对象, 所有患者均符合世界卫生组织 (WHO) 制定的关于糖尿病的相关诊断和分级标准[2,3], 患者及家属均知情同意, 且签署知情同意书。按照患者的微血管病变情况, 将其中有微血管病变的患者分为A组 (25例) , 伴有单一微血管病变的患者分为B组 (33例) , 同时伴有糖尿病视网膜病变和糖尿病肾病的患者分为C组 (38例) 。
1.2 方法
收集和统计3组患者的年龄、性别、身高、体重、病史、用药史及血压等一般资料, 并计算出体质指数 (BMI) 。3组患者均于入院后隔夜禁食, 于第2d清晨抽取空腹静脉血, 对空腹血糖 (PBG) 、血脂、空腹胰岛素 (FINS) 、丙二醛 (MDA) 及血常规指标进行测量, 然后进行口服葡萄糖耐量试验 (OGTT) , 在患者进食后, 分别对1、2、3h的静脉血浆葡萄糖水平进行检测, 并取2h的血标本, 以对MDA进行检测。3组患者均常规检测肾系列、尿常规及24h尿蛋白定量, 且同时检测心电图、眼底及胸片等。其中血清MDA的测定方法[4]:将血液标本的血清分离后放置于-20℃中待测, 检测试剂采用南京建成生物研究所生产的MDA测定试剂盒, 通过TBA法进行测定, 所有操作均严格按照试剂盒的说明书进行。其中餐后血糖波动幅度 (PPGE) 指标的计算是将患者餐后血糖 (PBG) 的峰值减去空腹血糖所得, 而患者的平均血糖 (MBG) 则是取OGTT实验测得值的平均值[5]。
1.3 统计学方法
将本次研究中的所有数据纳入SPSS 20.0统计软件中进行统计和分析, 采用χ2比较对计数资料进行比较, 以率 (%) 表示, 采用t检验对计量资料进行比较, 并以±s表示, 采用多重线性回归分析对多变量进行分析, 若P<0.05则差异显著, 有统计学意义。
2 结果
2.1 3组患者的一般资料对比
3组患者的性别、BMI、UA、DBP、TC、TG、LDL等指标比较, 差异无统计学意义 (P>0.05) 。A组患者的年龄、病程、Hb Alc、HDL及SBP等指标与B、C组比较, 差异均有统计学意义 (P<0.05) 。而与C组的差异更为显著, 差异均有统计学意义 (P<0.05) 。见表1。
2.2 3组患者的血糖水平对比
B组和C组患者的PPGE、PBG、PBG (1h) 、PBG (2h) 、PBG (3h) 均明显高于A组患者, 而C组的差异更为显著, P<0.05差异均有统计学意义。见表2。
注:与A组比较, *P<0.05;与B组比较, #P<0.05
注:与A组比较, *P<0.05;与B组比较, #P<0.05
2.3 3组患者的氧化应激指标对比
B组和C组患者的△MDA、MDA (0h) 、MDA (2h) 水平均明显高于A组患者, 而C组的差异更为显著, (P<0.05) 差异均有统计学意义。见表3。
2.4血糖波动和氧化应激的相关性比较
以△MDA为因变量, 将PBG、PBG (2h) 、PPGE及Hb Alc等指标当为自变量进行多重线性回归分析可得, △MDA水平和PBG (2h) 、PPGE指标之间呈正相关性, (P<0.05) 差异均有统计学意义。而与其它指标之间没有明显的相关性。见表4。
3 讨论
糖尿病是临床上常见的一种代谢障碍性疾病, 其通常是指患者血清中的胰岛素分泌不足而导致糖代谢出现障碍, 血糖升高。2型糖尿病患者不仅血糖会明显升高, 并且血糖的搏动幅度会明显增大, 而血糖波动幅度变大是患者糖代谢紊乱加重的征象。糖尿病患者的慢性并发症的病理机制都非常复杂, 已有研究表明氧化应激是引发糖尿病慢性并发症的重要原因之一[6]。
大量的临床试验表明, 血管内皮细胞功能的损伤和失调是引发糖尿病血管病变的初始化步骤, 而血糖水平过高则是诱发各种糖尿病慢性并发症的高度危险因素[7]。相关研究表明, 血糖波动会增加蛋白激酶C活性, 刺激氧化应激反应, 加快肾系膜细胞、视网膜血管细胞及内皮细胞的凋亡, 进而加快糖尿病慢性并发症的进展[8]。本次研究结果显示, 2型糖尿病患者的氧化应激反应与其血糖短期波动之间有着非常密切的联系, 特别是在伴有微血管病变疾病患者中体现的更为显著。经多重线性分析可得, △MDA水平和PBG (2h) 、PPGE指标之间呈正相关性, (P<0.05) 差异均有统计学意义。
综上所述, 2型糖尿病患者的血糖波动和氧化应激水平之间有着密切的联系, 而氧化应激水平升高会加快糖尿病微血管病变的进展。
摘要：目的 观察和分析血糖波动和氧化应激对2型糖尿病患者发生微血管病变的影响。方法 选取2012年11月2014年11月我院收治的96例2型糖尿病患者作为临床研究对象, 按照患者的微血管病变情况, 将其中有微血管病变的患者分为A组 (25例) , 伴有单一微血管病变的患者分为B组 (33例) , 同时伴有糖尿病视网膜病变和糖尿病肾病的患者分为C组 (38例) 。3组患者均进行口服葡萄糖耐量试验 (OGTT) , 并对糖化血红蛋白、血脂、丙二醛等指标进行检测。结果 B组和C组患者的PPGE、PBG、PBG (1h) 、PBG (2h) 、PBG (3h) 均明显高于A组患者, 而C组的差异更为显著 (P<0.05) , 差异均有统计学意义。B组和C组患者的△MDA、MDA (0h) 、MDA (2h) 水平均明显高于A组患者, 而C组的差异更为显著 (P<0.05) , 差异均有统计学意义。△MDA水平和PBG (2h) 、PPGE指标之间呈正相关性 (P<0.05) , 差异均有统计学意义。结论 2型糖尿病患者的血糖波动和氧化应激水平之间有着密切的联系, 而氧化应激水平升高会加快糖尿病微血管病变的进展。
关键词：血糖波动,氧化应激,2型糖尿病,微血管病变
参考文献
[1]杨治芳, 汤佳珍, 刘建英, 等.老年2型糖尿病患者肌酸激酶与微血管病变的相关性[J].中国老年学杂志, 2010, 30 (21) :3088-3089.
[2]林垦, 郭羿辰.中西医结合治疗对老年2型糖尿病患者微血管病变的影响[J].中国老年学杂志, 2014, 23 (8) :2028-2030.
[3]张纳, 杨智航, 项明慧, 等.超声评价2型糖尿病患者颈动脉病变与视网膜微血管病变相关性研究[J].中国医科大学学报, 2014, 43 (8) :728-732.
[4]刘靖芳, 汤旭磊, 成建国, 等.2型糖尿病合并微血管病变患者相关危险因素分析[J].广东医学, 2013, 34 (17) :2660-2663.
[5]周雁, 郭立新, 于冬妮, 等.住院老年2型糖尿病患者微血管病变的相关因素分析[J].中国老年学杂志, 2012, 32 (10) :2005-2008.
[6]李青, 张磊, 潘洁敏, 等.2型糖尿病住院患者微血管病变危险因素分析[J].复旦学报 (医学版) , 2010, 37 (2) :211-215.
[7]郑炜, 龙艳, 苏珂, 等.血糖波动与糖尿病微血管病变的关系[J].广东医学, 2011, 32 (23) :3097-3099.
波动关联性 篇5
关键词：利率波动,国际利率,空间关联,经济距离,广义虚拟经济
一、引言
在开放经济下,各国利率市场存在着较强的关联性,即呈现出同涨同跌的运动特征。这一关联效应一般可以从利率平价角度来进行解释。而从另一个角度来说,通过对不同国家间利率联动程度差异性比较,也可以反映出不同国家金融市场开放程度。
Lo等[1]通过对日本市场上的日元利率数据和英国伦敦同业拆借市场上的日元利率数据进行相关性分析后发现,日本市场和英国伦敦市场间日元利率存在着长期稳定的均衡关系。Karfakis和Moschos[2]研究了欧洲货币组织各成员国之间的利率联动效应,发现这些国家之间利率变化的同步性,并将这一同步性的出现归结为欧洲货币组织各成员国之间金融市场的高度开放性。李成等[3]对次贷危机前后中美两国的利率联动关系进行了研究,发现两者间存在着明显的波动溢出效应。刘亚等[4]研究了银行间利率互换、国债与离岸市场人民币利率互换之间的联动效应,发现境内和境外的人民币利率间存在着双向报酬溢出效应。郭树华等[3]借助协整检验、格兰杰因果检验和方差分解检验等方法对中美利率、汇率间的相关性进行了分析,发现两国间短期内联动较弱而长期来看存在着协整关系。郝中中[6]借助SVAR模型分析了人民币汇率、中美利差和资本流动净额三者间关系,发现中美利差变化与资本流动净额变化有关。
现有的对全球利率市场关联效应分析从国与国之间联动角度分析较多,而对于全球利率市场联动整体效应,以及这一联动与国家间地理距离和经济发展水平间的关联性研究较为缺乏。本文将结合复杂网络分析方法和二次指派程序分析方法(QAP方法),对金融市场波动的空间关联整体效应进行深入探讨。文中所涉原始数据来自世界银行数据库、Wind及同花顺iFind。
二、利率波动关联网络构建与分析
(一)利率波动关联网络构建方法
在构建利率波动关联网络中,需要相关国家利率市场时间序列数据。本文搜集了143个国家从2003年到2012年的年度实际利率数据。在网络构建中,143个国家就代表143个网络节点,节点之间是否存在着连边用两个国家利率变化乘积值大小来判断。
设ri(t)为第i个国家t时刻实际利率值,该值在Δt时间内变化量为Ri(t-Δt,t)=ri(t)-ri(t-Δt)。对其进行归一化处理,得到。其中σi表示Ri在整个时间段T内标准偏差,,<…>表示时间段T内平均值。国家i和j之间利率变化关联值为,得到所有143个国家间2003—2012年这一关联值的平均值为。定义两个国家利率波动存在关联的条件为:
即两个国家利率变化乘积大于等于平均值ζ时,两个国家间有连边eij=1;两个国家利率变化乘积小于平均值ζ时,两个国家间没有连边eij=0。这样就建立了整个利率波动关联网络。
(二)利率波动关联网络集聚特征及其时间演化
可通过求网络集聚系数来观察利率波动关联网络集聚性,从而反映全球利率波动集聚效应。
网络集聚系数定义如下。设网络中节点i与网络中其他节点间存在着ki条连边。这ki个与节点i相连的节点相互间也有可能存在连边,其最大值为ki(ki-1)/2。若这ki个节点间实际存在的连边数为Ei,那么节点i的集聚系数C,定义为Ci=2Ei/[ki(ki-1)]。即Ci=与点i相连的三角形实际数量/与点i相连的三角形最大可能数量。通过求网络中所有节点集聚系数Ci的平均值,就可以得到整个网络的集聚系数值C。从集聚系数定义中可以看出,如果整个网络任意两点间都有连接,常称为全连通网络,那么C=1。如果整个网络所有节点间都没有连边,那么C=0。所以,集聚系数应该满足0≤C≤1这一条件。集聚系数值越大,说明国际利率市场联动性越强;集聚系数值越小,说明国际利率市场联动性越弱。
图1为利率波动关联网络的集聚系数随时间变化图。从图1可以看出,2004—2012年,全球利率波动关联网络的集聚系数先是逐渐上升,到2009年达到最大值。随后集聚系数连续两年急剧下挫,后续逐步趋于稳定。而从现实的国际金融市场发展的时间节点上看,2007—2009年期间,正是美国次贷危机从发生到逐步向其它国家扩散的时期。即从集聚系数变化中可以看出,在美国次贷危机发生发展时期,全球利率市场走势趋于高度一致。而随着美国为应对次贷危机所实施的各项经济政策逐步调整到位,国际利率市场联动性也逐步恢复到次贷危机前水平。
三、国际利率市场波动关联与地理空间关联或经济空间关联的相关性检验
国际利率市场波动关联反映的是国家与国家间利率波动联动效应。对于各个国家来说,它们间有地理空间上的关联性。即某些国家之间距离较近,属于同一大洲;某些国家之间距离较远,分属于不同的洲。同时,这些国家之间还存在着经济空间上的关联性。即某些国家之间人均GDP值接近,属于经济发展水平相近国家;某些国家间人均GDP值相差较大,属于经济发展水平差异较大国家。在国际利率市场上所存在的利率波动联动效应,与地理空间或经济空间中所存在的国家与国家间的关系是否存在着联系呢?或者说,是否地理距离越接近的国家,利率波动联动性程度越大?经济发展水平越接近的国家,利率波动联动性程度也越大?下面通过借助二次指派程序,即QAP (Quadratic Assignment Procedure)方法,对这种“关系—关系”之间可能存在的联系进行检验。
(一)二次指派程序分析方法
在传统计量经济学方法中,在进行参数估计或统计检验时,要求各变量间相互独立。对于非独立变量,是无法通过标准的统计程序来进行相关参数估计或者统计检验的。不然,就会出现“多重共线性”问题,从而使得对变量的显著性检验失去意义,借助模型来进行相关预测的功能也就会失效。例如,在近似共线性下,使用普通最小二乘法所得到的各参数估计量是无效的。而在完全共线性下,将无法得到相关参数的估计量。在本文所构建的波动关系、空间距离关系、经济发展水平关系等各类关系矩阵中,体现的都是数据间的关联性。要对这些关系间的关系进行检验,需要用到一些新的方法。研究人员经常采用的是随机化检验(randomization test)方法,QAP分析方法即为此类方法。
二次指派程序分析方法(QAP)主要用于两个矩阵间相关性分析。其相关性分析步骤主要分为四步。首先,将每个矩阵中的所有取值都看成是一个长向量。在这个长向量中,包含着n(n-1)个数(不考虑对角线上的数)。其次,计算这两个长向量之间的相关系数。再次,通过对其中一个矩阵的行和相应的列同时随机置换,计算置换后的矩阵与另一矩阵的相关系数,多次进行这样的置换过程求得相应的多个相关系数值。将这些经矩阵置换后得到的相关系数与原来的两个矩阵的相关系数值进行比较,求得其中大于等于原矩阵相关系数值的那些相关系数数量比例。最后,通过对这些置换所得的相关系数分布特征的观察,判断两个矩阵之间是否存在着统计意义上的强关系。
(二)利率波动关联与地理空间关联的QAP检验
首先,定义两个国家间空间关联如下。如果两个国家属于同一大洲,那么这两个国家地理空间关联;如果两个国家不属于同一大洲,那么这两个国家地理空间不关联。按照利率波动关联矩阵的构造方法,可以构造地理空间关联矩阵。
在利率波动关联与地理空间关联相互关系上,假设两国间地理空间关联性程度越高,两国利率波动联动程度越强。借助QAP分析方法对经过二值化处理的利率波动关联矩阵和地理空间关联矩阵进行相关性检验,可得到检验结果。
在进行利率波动关联和地理空间关联的相关性检验中,选取了利率波动关联程度最强的2009年度数据进行检验。同时还选取了四种不同大小的阈值ζ,2ζ,3ζ,4ζ分别进行检验,考察阈值取值对检验结果影响。表1为利率波动关联和地理空间关联相关性检验结果。
从表1检验结果中可以发现,利率波动关联和地理空间关联间相关性并不显著。即在本文所设定的各个阈值下,并没有反映出两国若属于同一大洲,那么两国间利率联动程度会越强。这可以理解为全球利率波动关联更多地体现为金融市场关联。而金融市场关联与一国经济开放程度等有关。某些国家虽然处于同一大洲,但在经济开放程度上存在很大差异,相互间经济往来也比较少。这种现象表现在利率波动关联与地理空间关联上,就是两个国家利率波动联动性强弱与这两个国家是否处于同一大洲,是否地理邻近没有直接关系。
(三)利率波动关联与经济空间关联的QAP检验
在分析利率波动关联与经济空间关联前,先引入经济空间距离变量λij。定义λij为经济空间中的距离,用两国间人均GDP差的绝对值表示[7],λij=|λi-λj|,其中,λi为i国人均GDP,λj为j国人均GDP。λij数值越大,表示两国间经济发展水平差距越大;λij数值越小,表示两国间经济发展水平差距越小。本文根据人均GDP来计算经济空间距离,而不是根据一国GDP总量来计算经济空间距离,是为了避免因不同国家地域面积、人口数量等因素差异性较大而对统计结果可靠性造成影响。
参照构造利率波动关联网络方法,即阈值法来构造经济空间关联网络,得到经济空间中的关联矩阵。具体构造步骤如下。首先,计算两两国家间GDP差的绝对值的平均值。其次,依据该平均值设置阈值,将所确定的阈值与λij比较,若λij值小于等于阈值,则国家i和国家j间的经济空间关联值设为1,否则设为0。最后,构建经二值化处理的经济空间关联矩阵。借助QAP分析方法检验经济空间关联矩阵和利率波动关联矩阵间相关性。
从表2的检验结果中可以发现,取不同阈值ζ,2ζ,3ζ,4ζ时,利率波动关联和经济空间关联都成显著正相关关系。说明在与利率波动关联相关的因素中,两国间经济发展水平差距起到很大影响。两国经济发展水平越接近,两国利率波动联动性越强。这种关联性可以从两个方面来理解。一方面,对于经济发展水平相当的国家,两国开放程度和发展模式可能十分相近。利率波动关联性高低反映了两国在开放程度和发展模式上的差异性大小。另一方面,对于经济发展水平相当的国家,两国金融市场间联系可能更为紧密。利率波动关联性高低反映了两国间经济联系强度大小。
四、结论
从全球利率市场波动关联时间演化效应来看,在金融危机时期,各国金融市场联动程度明显增强。从影响国家与国家间金融市场波动的联动性程度高低相关因素来看,在经济发展水平相当的国家间,利率市场波动更容易产生相互影响。而在地理空间临近的相关国家间,地理邻近效应并没有在两国间利率波动联动性强度上反映出来。
参考文献
[1]Lo W C,Fung H G,Morse J N.A Note on Euroyen and Domestic Yen Interest Rates[J].Journal of Banking and Finance,1995,19(7):1309-1321.
[2]Karfakis C,Moschos D M.Interest Rate Linkages Within the European Monetary System:A Time Series Analysis[J]Journal of Money,Credit and Banking,1990(22):388-394.
[3]李成,王彬,黎克俊.次贷危机前后中美利率联动机制的实证研究[J].国际金融研究,2010(9).
[4]刘亚,张曙东,许萍.境内外人民币利率联动效应研究——基于离岸无本金交割利率互换[J].金融研究,2009(10).
[5]郭树华,王华,王俐娴.中美利率与汇率联动关系的实证研究:2005-2008[J].国际金融研究,2009(4).
[6]郝中中.人民币汇率与中美利率联动机制分析[J].金融论坛,2015(1).
波动关联性 篇6
1 影响监利县粮食产量波动量化分析
1.1 影响指标选取
根据国内学者的相关研究, 粮食生产的影响因素主要是指自然特征、可变要素投入的大小、固定资产的积累和政策经济支持能力[2,3,4,5]。该文以《监利县统计年鉴》2000—2011年数据以及监利县监测点具有典型性乡镇的调查数据为基础, 选择耕地面积 (x1) 、降水量 (x2) 、粮食作物播种面积 (x3) 、化肥施用量 (x4) 、农林牧渔业劳动力 (x5) 、农村用电量 (x6) 、单产 (x7) 、农业机械总动力 (x8) 、支援农业生产及农业事业费用 (x9) 、农村居民家庭平均每人每年纯收入 (x10) 等10个指标作为粮食产量波动的影响因素。
1.2 因素关联度分析
由关联度排序结果 (表1) 可知, 各影响因素对监利县中稻产量波动的影响顺序为:耕地面积 (x1) >粮食作物播种面积 (x3) >降水量 (x2) >单产 (x7) >农林牧渔业劳动力 (x5) >化肥施用量 (x4) >农业机械总动力 (x8) >农村用电量 (x6) >农村居民家庭平均每人每年纯收入 (x10) >支援农业生产及农业事业费用 (x9) 。
1.3 因素影响度分析
在产量波动的灰色关联度分析结果的基础上, 构建两两比较判断矩阵, 计算波动形成的各影响因素的影响度 (表2) 。一致性检验得到CR=0.05<0.1, 说明判断结果具有满意的一致性。从影响度分析结果来看, 可变要素投入的影响度最大, 达到了50.1%, 其中粮食作物播种面积的贡献率最大, 达到了19.9%。自然资源对粮食波动的影响次之, 影响度为40.9%。固定资产积累对波动的影响达到了3.97%, 政策经济支持能力对粮食波动的影响度总和仅为4.86%。
2 结论
(1) 粮食作物播种面积对粮食产量波动的影响达到了19.9%, 是影响粮食生产的一个重要因素。增加粮食作物播种面积能增加粮食总产量是不争的事实, 但是, 监利县土地总面积是固定的, 不能把粮食增产寄托到增加播种面积上, 而要在稳定播种面积的基础上通过提高单产实现。
(2) 年降水量的波动对粮食总产量波动的影响达到了15%。监利县属亚热带季风气候区, 多数年份降水量为1 100~1 300 mm, 有干旱、洪涝灾害。降水量是无法控制的气候因素, 这部分波动的产生只能通过对灌溉的调整加以缓和。
(3) 单产波动对粮食总产量波动产生了11.3%的影响。提高单产是满足我国不断增长的粮食需求的必由之路。目前良种的普及率已不再是限制单产提高的主要因素, 因此提高单产重点要放在改善作物生产条件、推广配套的栽培技术等方面。
(4) 农林牧渔业劳动力对粮食总产量波动的影响达到了8.12%的影响。监利县粮食生产主体是只有小学和初中文化水平的中老年男性。本次调查总人口数400人, 其中45~59岁的中年人居多数, 达到了56.3%。粮食生产者以小学和初中的文化层次居多, 分别占到了总数的54.9%和29.5%。粮食生产获得的效益低于外出务工收入, 因而大部分农村年轻人会选择外出务工。
(5) 化肥施用量对波动形成的贡献居第6位, 影响度为6.45%, 因此, 化肥施用量的波动变化对粮食产量波动也产生了重要影响。虽然研究表明, 在报酬递减规律的制约下, 按现有农业生产技术条件或农作习惯, 盲目增加化肥投入无法产生明显增产效果, 但从该文研究结果可以看出, 化肥投入对稳定粮食产量仍然具有重要作用。
参考文献
[1]肖厚军.贵州省粮食综合生产能力的影响因素与对策分析[J].贵州农业科学, 2005 (4) :101-103.
[2]蒋乃华, 李岳云.论中国粮食生产的稳定性[J].农村经济问题, 1998, 19 (5) :2-7.
[3]肖海峰, 王姣.我国粮食综合生产能力影响因素分析[J].农业技术经济, 2004, 29 (6) :45-49.
[4]王树涛.区域耕地生产力稳定性评价体系研究——以河北省为例[D].保定:河北农业大学, 2008.
波动关联性 篇7
一、理论基础及其传导机制
股市对消费的影响称为财富效应。财富效应指金融资产价格上涨导致金融资产持有人财富增长, 进而促进消费增长, 影响短期边际消费倾向, 促进经济增长的效应;反之亦然。从消费视角分析, 财富效应主要表现在:
(一) 通过影响居民收入预期, 增强市场信心, 提高短期MPC, 进而扩大消费
Romer提出消费者信心理论认为证券市场的发展支持了消费者信心。在信用发达的市场, 股市繁荣加速储蓄向投资转化, 增强投资者信心, 从而加快消费信贷发展。投资者因股市繁荣对经济充满信心更大胆消费。
(二) 通过影响投资者实际收入影响消费
投资者投资股市, 一方面获得股票分红收益, 另一方面因股价上扬获得的资本利得。当消费者持有股票市值上升, 增大资产水平和信用水平, 于是消费者运用这些股票向银行借贷支持消费;反之, 消费能力下降。
(三) 通过影响企业影响消费支出
根据资产组合理论和托宾Q理论, 股票价格与其资产价值比率称为托宾Q。当其较高时, 企业资产市场价值超过重置价格, 企业扩大投资。但在熊市下, 企业再融资会陷入停滞, 对企业发展不利, 间接影响消费。
财富效应对消费影响不限于此。一方面, 财富效应刺激人们金融投资需求;另一方面, 股市分流居民储蓄, 有助于居民储蓄存款转化为有效消费与投资需求, 扩大内需。
二、理论模型、数据选取与方法选择
(一) 理论模型
本文的实证研究围绕莫迪利亚尼生命周期理论展开。按照生命周期理论, 一生消费受财富和收入制约。消费支出取决于消费者生命周期内的总财富, 由实际资本、金融财富和人力资本构成。金融财富主要由股票构成。由此, 股市收益与居民消费行为关联的模型可以写成:Ct=a+bIt+cPt+Ut。
其中It为第t期可支配收入, SPt为第t期股票指数, Ut为残差项, 在该模型中为其他影响消费的因素。
(二) 变量的定义及样本数据
本文选取中国城镇居民可支配收入 (I) 、城镇居民消费性支出 (C) 及上证季度股价指数 (SP) 作为研究变量, 数据来源于《上海统计年鉴》, 锐思资讯数据库等, 样本空间为1998年第四季度到2009年第一季度。
股价指数可表示股市波动, 本文上证季度股票价格指数以当季上证综合指数最高与最低简单平均表示。居民消费取决于消费者的收入, 本文选取中国城镇居民可支配收入表示。居民消费量选取中国城镇居民消费性支出表示。由于影响居民消费因素众多, 本文解释变量为影响消费及股市指标, 被解释变量为中国城镇居民消费性支出, 来解释上证股市与中国城镇居民消费关系, 进一步分析股市收益对居民消费行为的影响。
为消除变量时序性, 对所有数据进行季度调整和指数化再取自然对数得到量LC、LI和LSP, 变动趋势如下图。可以看出, LC、LI和LSP变动是同步且平稳的。
(三) 计量方法选择
中国城镇居民消费和可支配收入及上证股价指数具有时间趋势, 是非平稳变量。为探讨两者之间的关系, 本文引入协整理论。恩格尔和葛兰杰于1987年提出协整概念认为尽管每个变量自身可能非平稳, 但它们线性组合却可能平稳。如果变量之间协整, 则这些变量可用误差修正模型 (ECM) 表述其短期非均衡关系。该模型结合了变量长期均衡和短期动态关系。向量误差修正模型是有约束的VAR模型, 它使短期波动的变量对均衡的偏离能收敛于长期协整关系。
三、协整分析和向量误差修正模型
(一) 平稳性检验
为建立股市收益与居民消费行为之间的误差修正模型, 先对变量LC、LI和LSP进行单位根检验, 确定它们是否平稳。运用软件分析结果如表1所示。检验结果不能拒绝LC、LI和LSP含有单位根原假设, 但对变量LC、LI和LSP一阶差分, 可以拒绝原假设。因此, 这三组数据都是I (1) 过程。
(二) 滞后阶数的确定
根据以上检验, LC、LI和LSP具有相同单整阶数满足协整分析前提, 本文协整检验采用VAR模型。如果变量之间存在协整关系, 系统长期均衡, 用于协整分析VAR模型也具有动态稳定性。建立VAR模型必须选择正确滞后阶数, 使VAR模型能准确反映变量之间的动态特征。比较滞后阶数为0、1、2的VAR模型, 结果如表2所示:
由表3结果, 根据最大似然值和信息最小准则, 最优滞后阶数为2。
(三) 协整检验
通过以上VAR模型分析, VAR (2) 是最优的。分别设置检验变量LC、LI、LSP, 长期趋势项系数模型强收敛。在经过pcgive10.0软件对模型优化后, 结果为:
DC=-0.13*ECM＿1-0.4571*DC＿1+0.1238*DI＿1+0.05376*DSP＿1+235.7
SE) (0.0511) (0.11) (0.0764) (0.0399) (65.6)
其中ECM=-20.362LC+LI+LSP。
从模型可以看出, LC短期波动受LI和LSP和误差修正项ECM影响。误差修正项系数为负, 符合反向修正原则, 表明短期非均衡状态收敛于长期均衡过程。长期来看, 各变量对居民消费有影响。居民的上期消费, 可支配收入及上证季度指数对消费影响分别为0.4571、0.1238和0.05376。一旦短期波动偏离, 系统将以0.13力度回到均衡。
(四) 格兰杰因果检验
为进一步分析变量与居民消费的关系, 我们进行格兰杰因果检验。由结果分析得出 (见表3) 在10%显著性水平下, 中国城镇居民可支配收入是消费的格兰杰原因。虽然上证季度股票指数与中国城镇居民消费的格兰杰关系在统计上不显著, 但这些都是格兰杰意义上因果关系。在经济分析上, 我们尚不能据此对各变量之间关系做出判断。
四、结论与启示
本文基于协整分析和格兰杰检验, 考察了中国城镇居民可支配收入和上证季度股票指数对中国城镇居民消费影响。结果表明三者之间存在协整关系且为长期均衡。
(一) 城镇居民可支配收入和上证股票指数增加会增加居民消费, 具有正向作用。上期消费增加会减少本期消费, 存在反向关系。在长期发展中, 中国城镇居民可支配收入和上证季度股票指数增长1%, 中国城镇居民消费增长分别为0.123%和0.0538%。而居民上期消费增加1%, 本期消费减少0.4571%。长杰
(二) 无论是长期还是短期, 城镇居民可支配收入和上证股票指数均会影响居民消费。中国城镇居民消费关于可支配收入短期为单一弹性, 长期弹性为0.1238。
(三) 从长期来看, 中国城镇居民可支配收入对其消费有格兰杰因果关系, 但上证季度股票指数不是其消费的格兰杰原因。