基于MS―VAR模型中国金融市场与宏观经济关联性研究.docVIP

基于MS―VAR模型中国金融市场与宏观经济关联性研究 　　摘要：本文在分别选取上证综合收盘指数刻画我国金融市场发展特征、国内生产总值描绘宏观经济运行特征的基础上，运用马尔科夫区制转移模型描述“股票与经济”系统的阶段性变化，对我国金融市场与宏观经济展开关联性研究。实证结果表明，金融市场同比变动对自身的影响具有更高的持续性。金融市场增长率较高时也通常存在较大波动性，而GDP增长率则情况相反。同时，在整体上经济金融系统倾向于在低速增长区制维持。 　　关键词：金融市场；宏观经济；马尔科夫区制转移模型 　　中图分类号：F832.5文献标识码：A文章编号：1671―1580（2015）06―0118―03 　　一、引言与文献综述 　　作为金融市场的代表，中国股票市场自从建立以来，经历多次大起大落。上海证券综合指数曾经在2007年10月16日迎来历史最高点，随后逐渐震荡下滑且震荡频繁。一直以来，中国股票市场波动较大，这意味着风险较高，而高风险需要高收益来补偿。可以说，中国的股票市场具有波动大、风险高等显著特征。与此同时，中国的宏观经济则以平稳的速度逐渐增长，那么中国宏观经济波动能否很好地解释股票市场的风险？中国金融市场与宏观经济是如何相互影响？如果以系统性的角度看待中国金融市场与宏观经济，这个系统将呈现怎样的特点？本文以上述几个问题为线索，对中国股票市场风险和宏观经济变量之间的相互关系展开研究。 　　以往，许多国外学者从理论研究到经验论证，或是从实证计量到规范分析，针对金融市场与宏观经济相关性展开了多方面研究，这些研究通常将股票市场作为金融市场的代表，进而研究金融市场与宏观经济相关性问题。Fama（1990）用美国股票市场股票 1953 年～1987 年间月收益率、季度收益率以及年收益率研究了收益率和未来的实际经济活动之间的关系，研究发现两者高度相关，并且从长期来看股票收益率的波动受未来的经济运行状况影响。Hamilton（1996）则提出了双变量的状态转移模型，从模型角度假设存在一个潜在的单变量（描述经济运行状态的变量），这个单变量可以决定经济增长率与股票波动性，研究结果发现总体的经济变量有助于股票市场波动性的预测。Harris（1997）根据更多数据，对发达国家和发展中国家的上述关系分别进行了研究，其结果表明发达国家的股票市场与宏观经济增长之间存在着相互促进的正向关系，而发展中国家的股票市场与宏观经济增长之间的联系非常弱。 　　国内学者展开相关研究稍晚，其中赵振全、张宇（2003）基于多元回归和 VAR 模型系统研究了中国股票市场和宏观经济发展之间存在的关联性。他们的研究指出，相同时期两者具有较弱的关联，宏观经济波动解释股票市场波动的能力也较弱。与此同时，股票市场波动对宏观经济波动的预测能力弱于宏观经济波动对我国股票市场波动的预测能力。而丁志卿等（2008）从非政策视角从理论上研究宏观经济对股票市场影响的传导机制，进而分析股票市场与宏观经济关联性，并总结宏观经济向股票市场传导失败的原因。学者李政（2009）经研究认为，中国股票收益率与宏观经济走势之间的关联性较弱，不能通过中国股票市场有效预测宏观经济发展势态。 　　本文将根据马尔科夫区制转移模型，选取中国2001年第二季度至2014年第二季度的季度数据，构建中国“股票与经济”系统，参考以往学者研究方式，描绘中国金融市场与宏观经济的周期关联性和变迁轨迹，并提出政策性建议。 　　二、MSIH（M）-VAR（p）的模型构建 　　在此，我们对MSIH（M）-VAR（p）模型进行简要介绍。首先考虑一个最基本的线性k维p阶向量自回归（VAR）模型： 　　yt=v+A1yt-1+…+Apyt-p+ut（1） 　　其中，yt=（y1t，…ykt）′代表k维的内生变量向量，t=1，…，T，v代表截距项，ut～ND（0，）误差项，假设误差项ut服从正态分布，则ut～NID（0，）。然而，当向量yt中具有“结构性突变”的非线性特征时，方程（1）所示的线性VAR（p）模型将无法准确刻画时间序列中存在的非线性特征。鉴于此，我们在上述线性VAR（p）模型中考虑非线性的“区制转移”特征。具体而言，假设向量yt潜在数据生成过程的各类参数依赖于不可观测的离散变量st，其中，st∈{1，…，M}，即st代表M种不同的区制。并且，st服从不可约的、遍历M种区制的马尔科夫过程，其转移概率pij=Pr（st+1=j|st=i），Mj=1Pij=1，i，j∈{1，…，M}。 　　如果在方程（1）所涵括的截距项v以及误差项ut里的异方差中均引入区制变量st，则能够构建MSIH（M）-VAR（p）模型： 　　yt=v（st）+A1yt-1+…+Apyt-p+ut，ut～NID（0，（st））（2）