安徽新型工业化与资本市场的脉冲响应分析.doc

案例4 安徽新型工业化与资本市场的脉冲响应分析 马成文 郑丽琳 编写 我们假定安徽新型工业化进程与资本市场的发展是相互配合、和谐一致的，且两者的发展水平由低级向高级逐步提升。当新型工业化水平较低、综合指数较小时，资本市场筹资规模也不大、发展水平也不高；而当资本市场筹资额加大时，新型工业化水平也有所提高，新型工业化与资本市场之间则保持较优的协调状态。然而，这样的分析并不能清楚地得出，安徽新型工业化进程的加快是否是资本市场不断发展完善而推进的，同样，安徽资本市场的成熟是否有新型工业化水平提高而促进的因素；此外，如果两者是相互促进、相互驱动的，那么一方在另一方的发展过程中的贡献到底有多大，均需要进一步深入准确地分析。 为了具体分析安徽新型工业化与资本市场之间相互影响的程度，本文将在向量自回归模型（Vector Autoregressive Model，VAR模型）基础上研究两者的动态特性，主要技术手段是VAR中的脉冲响应函数和方差分解。 一、模型的建立 1980年Sims提出了向量自回归模型，该模型采用多方程自回归模型的联立形式，实质上是一种非结构化的多方程模型，即它不以经济理论为基础，而是用数据本身来确定模型的动态结构。VAR模型通常用于相关时间序列系统的预测和随机扰动对变量系统的动态影响分析，模型避开了结构建模方法中需要对系统中每个内生变量关于所有内生变量滞后值函数的建模问题，不需要对变量的内生性和外生性进行假定，即可以将VAR模型中所有的变量都看作是内生的。这些内生变量共同组成一个封闭系统，然后运用最小二乘（OLS）或最大似然（Maximum Likelihood）等多种方法进行参数估计。但由于VAR模型的参数估计量只具有一致性，单个参数估计值的经济意义并不明确，因此要对VAR模型做出具体的结论，必须借助脉冲响应函数和方差分解。 脉冲响应函数（Impulse Response Functions，IRF）用于衡量来自随机扰动项的一个标准差冲击对内生变量当前值和未来值的影响，并且扰动项对某一变量的冲击影响通过VAR模型的动态结构传递给其他所有的变量。而方差分解（Variance Decomposition）则是把VAR系统中每个内生变量的波动按其成因分解为与各方程新息相关联的组成部分，从而了解各新息在模型变量动态变化中的相对重要性。 本文通过建立关于安徽新型工业化综合指数（GYH）与中长期贷款余额（XD）、股票市场筹资额（GP）之间的三变量VAR模型，让数据本身来确定模型的动态结构，这是在目前没有成熟的相关经济理论指导的情况下，研究新型工业化与资本市场动态关系的一种可靠的技术手段。在建立VAR模型后，绘制其脉冲响应曲线图，可以清晰地勾画出安徽新型工业化水平和直接、间接筹资方式的扰动传递情况，从而观察安徽新型工业化水平对两种筹资方式冲击的反应。而方差分解技术将从另一个角度描述两种筹资方式的冲击在新型工业化水平动态变化中的相对重要性。 ㈠VAR模型 最一般的VAR模型的数学表达式为： （1） 其中，是维内生变量向量，为常数向量，（1，2，…，）为系数矩阵，为维误差向量，其协方差矩阵为，且，。在实际应用中，通常希望滞后期足够大，从而能够完整地反映所构造模型的动态特征；但另一方面，滞后期越长，模型中待估计的参数就越多，自由度就越少。因此，为了在滞后期与自由度之间寻求一种均衡状态，一般根据和信息量取值最小的原则或LR法确定模型的滞后阶数。 ㈡脉冲响应函数与脉冲响应曲线图 在随机扰动项上加一个标准差大小的冲击会对内生变量的当前值和未来值产生一定的影响，脉冲响应函数就是用来跟踪这种影响的。考察一个简单的双变量一阶向量自回归模型VAR： 其中，和是VAR中的内生变量，是随机扰动项或新息（Innovation）。在VAR中，发生变化，不仅会立刻改变的当前值，同时也会通过当前的值影响到变量和今后的取值，因为的滞后项在两个方程中都是解释变量。脉冲响应函数就是试图描述这些影响的轨迹，显示任意一个变量的扰动如何通过模型影响所有其他变量，最终又反馈到自身的过程。 如果新息和之间是不相关的，则脉冲响应可以直接进行解释，即是的新息，是的新息。但新息之间一般都是相关的，它们将包含一个不与某特定变量相联系的共同成分，故无法将新息单独指派给某一变量。通常，将共同成分的效应归属于VAR系统中第一个出现（依照方程顺序）的变量。为了处理这一问题，常引入一个变换矩阵与新息相乘，使得： 从而把的协方差矩阵变换为一个对角矩阵。目前，用于此变换的方法有很多，常用的一种是乔利斯基（Cholesky）分解法，其通过将新息正交化而使得每个变量的相对影响可以分离开来。 将脉冲响应函数