《证券论文股票筹资额与经济增长关系研究.doc》由会员分享，可在线阅读，更多相关《证券论文股票筹资额与经济增长关系研究.doc（3页珍藏版）》请在三一文库上搜索。
1、股票筹资额与经济增长关系研究 股票筹资额与经济增长关系研究刘得胜黄泽先(长沙理工大学经济管理（经济管理论文）学院金融（金融论文）系，湖南长沙410004)摘要股市发展与宏观经济关系一直是国内外学者研究的热点，现以19912009年股票筹资额数据为样本，通过协整检验，建立向量自回归模型，对中国股票市场的聚资功能与宏观经济关系进行实证分析。指出股票筹资额与经济增长存在稳定协整关系，股票市场筹集的资金对经济增长的贡献是一个长期过程;经济增长能够立马带动股票筹资额的增加，但也需要经济的持续性增长，否则这种带动作用将随着时间的推移逐渐减弱。关键词股市发展;宏观经济;协整;向量自回归模型(VAR)中图分类
2、号文章标识码A文章编号16715136(2010)04005903一、研究背景近年来，国内外学者就股市与经济发展之间的关系进行了大量研究，重点放在股市对经济发展的作用上。从理论上，股票市场的功能有:聚敛功能:指股票市场引导众多分散的小额资金汇聚成为可以投入社会再生产的资金集合功能。在这里，股票市场起着资金“蓄水池”的作用。配置功能:股票市场通过将资源从低效率利用的部门转移到高效率的部门，从而使一个社会的经济资源能最有效地配置在效率最高或效用最大的用途上，实现稀缺资源的合理配置和有效利用。调节功能:指股票市场对宏观经济的调节作用。股票市场一边连着储蓄者，另一边连着投资者，股票市场的运行机制通过对
3、储蓄者和投资者的影响而发挥作用。反映功能:股票市场是国民经济的“晴雨表”和“气象台”，是公认的国民经济信号系统。本文主要研究股票市场的聚敛功能，并重点研究股票市场的聚敛功能与宏观经济发展之间的互动关系研究。二、指标与数据选择为了反映股票市场引导众多分散的小额资金汇聚成为可以投入社会再生产的资金集合功能，本文选择股票筹资额作为指标。宏观经济指标用国内生产总值衡量。其中股票筹资额实证中用字母f表示，国内生产总值GDP用字母g表示，其中对数据进行对数化处理，分别用lf和lg表示。本文研究变量包括股票筹资额和实际GDP。我们利用1991年2009年中国股票筹资额数据作为股票市场聚敛功能度量指标，利用1
4、991年2009年中国实际GDP的数据来衡量经济发展程度。数据均来源于中国统计年鉴(1991年2009历年)。三、模型实证(一)VAR模型简介1980年Sims提出向量自回归模型(vectorautore-gressivemodel)。这种模型采用多方程联立的形式，它不以经济理论为基础，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值进行回归，从而估计全部内生变量的动态关系。VAR模型是自回归模型的联立形式，所以称向量自回归模型。假设y1t、y2t之间存在关系，如果分别建立两个自回归模型y1，t=f(y1，t1，y1，t2，)y2，t=f(y2，t1，y2，t2，)则无法捕捉两个变量
5、之间的关系。如果采用联立的形式，就可以建立起两个变量之间的关系。VAR模型的结构与两个参数有关。一个是所含变量个数N，一个是最大滞后阶数k。以两个变量y1t，y2t滞后1期的VAR模型为例，y1，t=c1+!111y1，t1+!121y2，t1+u1ty2，t=c2+!211y1，t1+!221y2，t1+u2t其中u1t，u2t”IID(0，#2)，Cov(u1t，u2t)=0。写成矩阵形式是，y1ty2t=c1c2+111121211221y1，t1y2，t1+u1tu2t设，Yt=y1ty2t，c=c1c2，$1=111121211221，ut=u1tu2t，则，Yt=c+$1Yt1+u
6、t那么，含有N个变量滞后k期的VAR模型表示如下:Yt=c+$1Yt1+$2Yt2+$kYtk+ut，ut”IID(0，%)其中，Yt=(y1，ty2，tyN，t)c=(c1c2cN)$j=11j12j1Nj21j22j2NjN1jN2j?NNj?，j=1，2，kut=(u1tu2，tuNt)，Yt为N&1阶时间序列列向量。为N&1阶常数项列向量。$1，$k均为N&N阶参数矩阵，ut”IID(0，%)是N&1阶随机误差列向量，其中每一个元素都是非自相关的，但这些元素，即不同方程对应的随机误差项之间可能存在相关。(二)实证分析我们利用Eviews50软件，对1991年2009年中国证券（证券论文
7、）业的筹资额和实际GDP进行单位根检验，用以确定它们的平稳性。对股票筹资额和实际GDP取对数，分别用lf与lg表示。通过检验发现lf和lg均为非平稳性时间序列。我们对于非平稳变量的处理采用差分法，结果见表1。其中D(lf)和D(lg)分别表示对相关变量取一阶差分值。表1序列和差分序列的ADF单位根检验结果序列检验统计量值1%临界值5%临界值10%临界值概率值lf175775739591483081002268133003849lg063355739203503065585267345908366D(lf)429666440044253098896269043900059D(lg)4105752
8、40579103119910270110300092从检验结果可以看到，这2个序列的一阶差分的检验统计量值都小于5%检验水平下的临界值，因此差分序列不包含单位根，从而表明差分序列是平稳的。根据分析，序列lf和lg都是I(1)序列，满足协整检验的条件。接下来我们对序列进行协整检验。结果如表2。表2Johansen协整检验UnrestrictedCointegrationRankTest(Trace)HypothesizedTrace005NoofCE(s)EigenvalueStatisticCriticalValueNone*078233824417391549471Atmost1*00012
9、7500204213841466Normalizedcointegratingcoefficients(standarderrorinparentheses)lglf10000000622763(004200)根据检验结果，第一列的“None”表示检验原假设是:“存在零个协整关系”，该假设下的迹统计量等于2441739，5%的临界值等于1549471，迹统计量大于临界值，因此拒绝原假设，从而表明至少存在一个协整关系。从表2的检验结果，我们知道在5%的水平上至少存在一个协整关系。我们可以写出一个协整方程:lg=0622763lf+t实际上，这个为长期均衡方程，t是误差修正项。从估计的方程可以看到
10、，lf和lg之间存在协整关系，即非平稳变量之间存在着长期稳定的均衡关系，满足建立VAR模型的前提。所以接下来我们进行VAR模型估计，结果如表3。表3VAR模型估计VectorAutoregressionEstimateslglflg(1)17275641055383标准差017183163834t统计量100537064418lg(2)07220693090059标准差016050153033t统计量449874201922lf(1)00257900202906标准差002081019839t统计量123948102279f(2)00277080465875标准差001353012896t统计量204865361269C00232921415127标准差040036381720t统计量005818370724从表3可知，所估计的VAR模型大部分参数估计值的t统计量不显著，从而说明所估计方程的拟合效果相当好，同时说明股票筹资额与经济增长之间存在比较稳定的协整关系。接下来我们对序列进行脉冲响应函数分析。结果如图1。图1脉冲响应函数更多内容： 1 2