宏观经济动态大全11篇

绪论：写作既是个人情感的抒发，也是对学术真理的探索，欢迎阅读由发表云整理的11篇宏观经济动态范文，希望它们能为您的写作提供参考和启发。

篇（1）

引言

2011年诺贝经济学奖授予了，萨金特（thomas sargen）、西姆斯（christopher-sime）表彰了两位为新古典宏观经济学体系的建立和发展作出了杰出贡献。两位学者对宏观经济模型中预期的作用、动态经济理论与时间序列分析的关系等方面做出了开创性的工作。使得宏观经济学研究更强调实证分析与理论的结合，为宏观经济学的研究提供了新的方向。凯恩斯（1936）发表《就业、利息和货币通论》，标志着现代宏观经济学的诞生。

凯恩斯的思想和方法之后为萨缪尔森与托宾等继承，从而形成了新古典综合学派。但是70年代的滞涨现象，以凯恩斯主义为基础的宏观计量经济模型的预测和解释能力得到了巨大的挑战。Lucas（1976）指出，政策制度的改变会改变个人对政策的反应方式，而个人行为的改变会使经济模型的参数发生变化，而参数的变化又是难以衡量的，使得很多早期计量经济模型很难评价经济政策的效果。

一、动态计量经济学在理性预期中运用

根据“卢卡斯批判”，经济人会根据变化的经济环境随时调整自身的参数。传统宏观经济学模型不能持续描述经济主体的变化，在拟合一段时间后，误差将逐渐加大。经济学研究者，需要迫切解决的是如何利用随机数据来反映理性预期的思想。在动态时间序列分析中，对一个AR（自回归）过程的估计，可以转化为一个无限期随机项的MA（移动平均）过程，这样就可以利用随机误差项对参数的真实值进行估计了。萨金特（1980）使用了厂商优化模型来体现理性预期的思想。设厂商目标函数为：

■E■■β■（γ■+α■-w■）n■-（r■/2）n■■-（δ/2）（n■-n■）■

（1）

其中，β为贴现率，n■为第t期劳动力投入，α■为第t期技术水平，w■为第t期工资水平。γ■，γ■，β为待估参数。根据利润最大化得：

nt=ρnt-1-（ρ/δ）■（βρ）jEt[wt+j-at+j-γ■] （2）

利用wiener-kolmogorov算子把t+j期工资率和技术水平内生化得：

n■=ρn■-（ρ/δ）Uξ（λ）-1[1+■（■（λ）■ξ■）L■]x■+（ρ/δ）（λ）■[1+■（■（λ）■a■）L■]a■+ργ■/[δ/（1-λ）]其中，λ=βρ，U是一个1×p的向量。定义π（L）=（ρ/δ）（λ）■[1+■（■（λ）■a■）L■]，则误差项为α（L）et=π（L）v■■，定义μ（L）=n（ρ/δ）ξ（λ）■[1+■（■（λ）■ξ■）L■]，c■=v■■-vv■■。对v■■的OLS估计可得第t期的最优劳动力投入为：

nt=（1-ρL]-1[μ（L）+π（L）α（L）-1vξ（L）]xt+（1-ρL）-1π（L）α（L）-1ct （3）

通过ML估计出参数r0，γ1，δ，v，α（L），ξ（L）这些估计出的参数是具有理性预期的经济人最优目标中含有的参数以及技术水平参数，这样就可以通过所估计的参数来体现理性预期思想了。

二、动态计量经济学在一般均衡中的运用

（一）有关经济周期的计量

与萨金特相比，西姆斯更集中于计量经济学方面的研究。西姆斯（1972）研究了时间序列数据的区间问题，他认为，二次可积函数中具有滞后分布的时间序列分布模型的时间距离和频率空间是等距同构的。在这个度量空间下，二者可以相互转化，可进行普通最小二乘估计，1974年西姆斯提出了消除时间序列季节影响因素的计量方法。

（二）有关格兰杰因果检验

在格兰杰因果检验中变量之间因果关系的确定是假设一个变量为被解释变量而另外一个变量的滞后项为解释变量时，回归结果的整体显著性检验是否成立。该检验只是体现变量与滞后变量的整体性关系，也就是说研究一个变量的历史数据对另外一个变量所产生的影响。西姆斯（1972）在格兰杰的基础上提出了新的检验方法，他认为在时间序列中，如果解释变量是外生的，对滞后项的整体性检验存在错误。他提出的因果性检验是通过比较一个变量为被解释变量与另外一个变量的未来值为解释变量时，回归后的整体显著性检验是否成立。西姆斯（1983）对货币供应是否是引起经济周期波动的原因的实证研究提出了怀疑，并对这些实证研究提出了反驳。

（三）有关离散时间模型

西姆斯（1971）认为当把具有连续时间分布滞后的计量转化为离散时间的计量时往往需要对分布滞后项增加平滑约束条件使得估计更准确，西姆斯（1980）把这种思想发展成为后来广泛使用的向量自回归方法（VAR）。西姆斯（1988）认为在贝叶斯分析中由于某些参数是无法量化或量化不够准确因此无法使用事前prior概率分布给参数赋值。研究者从简化模型的角度出发，经常只需估计有限的参数，这样会导致事前事件的似然性降低。研究发现，时间序列模型分析中通过模型检验选择模型形式的方法并不可靠。检验的显著性会受到样本数量的影响，而非样本本身。另外，许多研究者经常利用估计好的模型进行事后检验，通过对未来值进行预测，比较预测值与真实值的差距，从而检验模型设计是否合理。这种方法在短期时间序列模型中比较有效，在长期却很难成立。在预测方面，往往需要在正则性和协方差平稳的前提下进行，然而在实际预测中，非正则性和非平稳性会经常出现，这使得预测误差变得很大。

三、结论

在新古典宏观经济学统治了近半个世纪后卢卡斯、普雷斯科特等人建立了宏观经济学的微观基础，而2011诺贝尔经济学奖授予萨金特与西姆斯，使得动态宏观计量思想为大多数研究者所认可。且对传统经典计量经济学提出了挑战，他们的研究工作使得小样本最小二乘估计法被放弃，而使得大样本的ML、GMM、贝叶斯估计等方法广泛使用。而且VAR模型在经济变量的因果关系分析、脉冲响应分析、波动分析等方面具有无可比拟的优势，使得动态计量方法在现代宏观经济研究中既能帮助政策制定者制定合理的经济政策，也可以对政策执行效果进行一定的评估。因此，萨金特与西姆斯的研究成果不但能应用在宏观经济研究领域，在经济决策分析中也能得到极大的运用。

参考文献

[1]Hansen，L.&T.J.Sargent.Formulating and estimating dynamic linear rational expectations models[J].Journal of Economic Dynamics and Control，1980（02）：7-46.

[2]Sims，C.A.Discrete approximations to continuous time distributed lags in econometrics[J].Econometrica，1971，39（03）：545-563.

篇（2）

一、国债、企业与股票市场间的动态相关性

（一）动态相关性的度量方法

动态相关系数是针对一系列的白噪声随机变量而言的，rt～N（0，Ht）可用Den Haa提出的VAR估计方法，Ht是方差－协方差矩阵，Ht=DtRtDt，由此可以导出Rt=Dt-1HtDt-1，其中的Rt就是动态相关系数。

K.H.Liow et al.为了研究公开交易的房地产证券市场，就曾使用GARCH模型来估计房地产证券市场收益率的条件波动性，用MV-DCC模型估计动态条件相关性。并且估计条件相关性的数据即是条件波动性的数据。并考察了条件波动性是否具有时变特性。

在使用DCC系列模型估计动态相关系数之前，有专家提出判断恒定相关系数是否合意的方法，因为如果恒定的相关系数能良好的描述经济序列的情况，那可以不用动态相关系数。TSE于2000年在GARCH模型中引入了LM检验来验证，Jim Lee（2006）的文章就是采用的这种检验方法。首先对收益率数据进行常数相关性检验。

本文利用交叉相关系数公式计算动态相关系数，交叉相关系数（Cross Correlation）计算的是两个变量之间、其中一个变量与另一个变量的超前或滞后期之间的相关性，计算公式为：

ρi=■，i=0,±1,±2,…,±k（1）

其中，cov（Xt+i，Yt）是变量的协方差，σXt+i*σt是变量的标准差相乘，i≤0时表示当期的Y与超前i期的X的相关性，i≥ 0时表示当期的Y与滞后i期的X的相关性，从而得到有关的动态相关系数轨迹，他们的相关性在较长时间范围内比较稳定，当Y出现扩张性冲击后，x在当年就会出现较为明显的扩张性反应，这种反应较为灵敏。

交互相关系数（Cross Correlation）是研究两个变量之间、其中一个变量与另一个变量的超前或滞后期之间的相关性，计算公式为：

ρi=■，i=0,±1,±2,…,±k (2)

其中，cov（Xt+i，Yt）是变量的协方差，σXt+i*σt是变量的标准差相乘，i≤0时表示当期的Y与超前i期的X的相关性，i≥ 0时表示当期的Y与滞后i期的X的相关性，从而得到有关的动态相关系数轨迹，他们的相关性在较长时间范围内比较稳定，当Y出现扩张性冲击后，X在当年就会出现较为明显的扩张性反应，这种反应较为灵敏。

（二）数据来源说明

本文选取2003年第三季度至2011年第一季度的相关指标数据进行分析，数据来自国泰君安数据库，其中股票指数选取上海证券交易所综合指数（简称为SZ）作为代表，它利用在沪市上市的全部股票包括A股和B股计算，具有较强的代表性。国债指数也选取在上交所上市的所有国债计算的上证国债指数（简称GZ）做代表，它于2003年1月2日起对外，可以反映国债市场价格综合变动情况。企债指数同样选取在上交所上市的所有企债计算的上证企债指数做代表，如此可以保持信息的完整性和一致性。因为国债指数和股指的编制起始日期较早，而企业债券的编制日期较晚从2003年6月9日开始，因此本文的数据从2003年7月始。

因为宏观经济变量数据日度的不可获得性，因此采用月度数据作分析，同时也可以跟资本市场数据的频度保持一致性。本文所使用的宏观经济数据和资本市场收益率都是来自国泰安经济研究数据库。

（三）动态相关性实证结果

检验发现，在四个时间段，波动出现了异常，推测市场相关性出现了重大的结构性变化，引入结构断点检验。

资本市场间的相关性更低，因此分散风险的能力也就更强。通过看回归系数，可以判断出经济周期对相关性的影响。

由图1可以看出，相关系数可以表示两列经济序列的周期性，从国债和企业债券的相关系数曲线图可以看出，系数大于零的顺周期和系数小于零的逆周期交替进行，大概一年半为一个周期。国债市场和股票市场的动态相关系数与企债市场和股票市场的动态相关系数曲线波动性十分相似，只是后者的幅度稍大。三条曲线的波动性在2006年一季度后都变大了，国债市场和企债市场的动态相关系数曲线与其他两条曲线的波动性在2006年后的趋势是相反的，波动幅度也较大。

二、影响资本市场间动态关系的宏观经济因素

（ 一）宏观经济变量选取及数据来源

影响股票市场和债券市场的因素很复杂，本文尝试从国家调控的角度和以往研究的基础出发，选择相关的经济因素做分析。我们分析后认为，影响股票市场和债券市场的共同因素可能为利率（LL）、货币供应量(HB)、汇率(HL)、宏观景气预警指数(JQ)、居民消费价格指数(JM)、房地产开发综合经济指数(FDC)等，故本文将其作为宏观经济变量引入模型。

因为宏观经济变量数据日度的不可获得性，及与资本市场数据的频度保持一致性的目的，采用月度数据作分析。本文所使用的宏观经济数据和资本市场收益率都是来自国泰安经济研究数据库。利率采用的是金融机构1年期的贷款利率，货币供应量使用的是M2准货币，汇率是对美元的加权平均汇率，宏观景气预警指数、居民消费价格指数和房地产开发综合经济指数采用的都是环比指数。

从表中可以看出，房地产开发综合价格指数和汇率相关性为0.5，和宏观景气预警指数的相关性为0.644，货币供应量和汇率高度负相关，相关系数为-0.93，居民消费价格指数和利率的关系为0.74，居民消费价格指数和宏观景气预警指数为0.46，宏观景气预警指数和房地产开发综合价格指数为0.644，相关性较高。

（二） 理论模型的设定

(3)

是三个资本市场两两动态条件相关系数的估计值，fk，t-1是宏观经济变量的一阶滞后值，ρgq，ρgs，ρqs分别代表国债和企债收益率的动态相关系数、国债和上证股指收益率的动态相关系数、企债和上证股指收益率的动态相关系数。利率、货币供应量、汇率、宏观景气预警指数、居民消费价格指数、房地产开发综合经济指数.

（三）实证结果

本文用动态相关系数对各个宏观经济因素做回归，下面是相关的系数表和拟合程度。

通过实证发现房地产开发综合经济指数对三个资本市场两两间的收益率相关系数都有较强的影响力。宏观景气预警指数、房地产开发综合经济指数及利率三个宏观因素对国债和企业债券之间动态相关系数有一定的影响作用；汇率、货币供应量和房地产开发综合经济指数三个宏观因素对国债和上证股指收益率之间的动态相关系数有影响作用；汇率、居民消费价格指数、货币供应量、房地产开发综合经济指数及利率五个因素均对企业债券和上证股指收益率之间有影响，实证证明了影响企业债券和上证股指收益率的因素更多，这二者的信息流通渠道宽于其他两个市场之间的。

三、 三个市场动态相关系数的结构断点检验

（一） 结构断点检验

由美国次贷危机引发的金融风暴迅速对各国金融市场产生了剧烈的影响，在这种背景下本文拟对股指、债指、企指收益率三者的动态相关关系分别做结构断点检验，来具体量化宏观经济变动可能对中国的资本市场产生的影响。同时在对资本市场收益率动态相关关系进行检验时，分析国内因素对股票市场和债券市场的相关结构变动的影响。

闫鹏、杜子平、张勇曾通过自组织特征映射（SOM）神经网络的聚类功能对上证综指和深证综指的相关性进行了变结构点的测定，同时利用了时变copula模型对变结构点前后相关性过程分别进行了建模。

结构断点的单位根检验也可以检测序列中是否存在结构断点。单位根检验根据序列类型划分的话可以分为四种类型：随机游走、随机趋势、退势平稳、趋势非平稳。ADF检验和PP检验是非常常用的检验单位的方法，但是实验证实这两种检验在样本有限的条件下检验效果不理想，同时Perron（1989）对结构突变的考虑使单位根检验就入了一个新的层次。现在，将存在结构突变的趋势平稳过程误判为单位根过程的错误就称为“Perron现象”，但Perron仅考虑了结构突变点已知的情况，Banerjee,Lumsdaine and Stock,(1992)开发了在结构断点未知的情况下的单位根检验。

本文下面将按照结构突变点未知情况，采用递归检验编程来考察序列中是否存在结构突变点。

（二） 结构突变序列的单位根检验

对于水平值或者趋势存在结构突变的过程来说，如果不考虑这种突变，直接使用ADF统计量检验单位根时，将会把一个水平值突变的退势平稳或者趋势突变过程错误的判断为随机趋势非平稳过程。这样无疑会导致检验功效降低、发生判断错误（把退势平稳过程误判为单位根过程）。

1、结构突变点已知的单位根检验。如果时间序列的结构突变点已知，用虚拟变量ADF检验式来代表结构突变，检验的零假设是时间序列是存在结构突变点的单位根过程，备择假设是存在结构突变的趋势平稳，检验用临界值从Perron(1990)中查找。

2、结构突变点未知的单位根检验。Banerjee,Lumsdaine and Stock,(1992)通过抽取子样本的方法不同提出三种检验结构突变点的方法：递归检验、滚动检验和循序检验。递归检验通过相应的ADF值与临界值的比较，判断原序列是否为带结构突变的趋势平稳过程，循序检验判断序列是否发生均值突变和趋势突变。三种检验方法得到的都是一个单位根检验统计量值的序列。临界值可以在Banerjee,Lumsdaine and Stock,(1992)的表1、2中查到。

差分平稳过程代表的是频繁的随机的微小变化的积累，而带有结构突变的趋势平稳过程代表的是一种间歇发生的持久的猛烈变化。Li Xiao Ming（2000）从结构变化的角度对中国宏观经济总量的动态特征进行研究，认为如果宏观经济变量序列实际经济序列是差分平稳过程，则政府主导的结构改革意义不大，因为改革对经济长期增长路径的影响会轻易被其他的随机冲击淹没；如果宏观经济变量序列是趋势平稳过程，则只有比较巨大的冲击，如改变经济基础结构的政策，对宏观经济变量的长期变化趋势的影响才是有效的。如果序列是带有结构突变的趋势平稳过程，却被误判为单位根过程，就会得出错误的结论。

（三）递归检验

递归检验样本分段，2003.07~2005.04,2003.07~2005.05,…,2003.07~2011.02.第一个子样本容量是22，从2003年7月起逐月扩大子样本范围。对每一个子样本进行含有截距项和趋势项的ADF检验，检验式为：

Lngqt=ρLngqt-1+μ+αt+βLngqt-1+μt(4)

ADF（k）表示ADF检验值，其中k,(k=1,…39),分别对应于每一个递归子样本。把ADF（1），…,ADF(39)分别对应于2005年4月，…,2011年7月份，如果有某个ADF值小于临界值，说明原序列是带有结构突变的趋势平稳过程。在递归检验中，如果某个ADF值小于临界值，说明原序列为带有结构突变的趋势平稳过程。

从图2可以看出，由图可以看出，曲线有处于临界值以下的点，说明国债和企债收益率动态相关系数存在结构断点。

从图3可以看出，国债和上证股指收益率动态条件相关系数不存在结构断点。

从图4可以看出，国债和企债收益率动态条件相关系数不存在结构断点。

四、 结论

从文章的分析可以看出宏观景气预警指数、房地产开发综合经济指数及利率三个宏观因素对国债和企业债券之间动态相关系数有一定的影响作用；汇率、货币供应量和房地产开发综合经济指数三个宏观因素对国债和上证股指收益率之间的动态相关系数有影响作用；汇率、居民消费价格指数、货币供应量、房地产开发综合经济指数及利率五个因素均对企业债券和上证股指收益率之间有影响，实证证明了影响企业债券和上证股指收益率的因素的因素更多，这二者的信息流通渠道宽于其他两个市场之间的。国债和企债收益率动态相关系数存在结构断点。

参考文献：

[1]潘婉彬,陶利斌,缪柏其.TGARCH模型在利率波动建模中的应用.统计与决策, 2007,(20):15-17

[2]Yang,Zhou and Leung.Asymmetric Correlation and Volatility Dynamics among Stock,Bond,and Securitized Real Estate Markets, forthcoming (2010)

篇（3）

二、先行指标筛选及检验

（一）样本的选择

一般而言，对于经济周期研究，指标的时间跨度越大越能发现经济运行的规律性。由于PMI只能找到2005年以后的数据，而且历史研究表明该指标是先行指标中的典型性代表，因此，本文选取2005年1月至2010年12月共72组月度数据，虽然在时间跨度上存在一定局限性，但还是能发现经济走势的基本情况，对后期经济走势的判断、检验具有参考意义。本课题数据主要来源于《中国经济统计数据库》。由于部分数据缺失，在进行数据处理之前，本文采用线性插补的方法对原始时间序列的缺失数据进行了补全。对一些具有显著异常值的时间序列（特殊原因形成的特异项或者数据的误差等），结合实际情况，进行了特异项的平滑修正。由于工业企业增加值、社会零售总额、工业出货值、新增固定资产投资等指标的绝对数都是采用现价计算的，需要消除价格因素的影响才能达到各年份之间指标数据的可比。因此先对数据进行物价变动因素剔除，本文用消费价格指数？穴CPI？雪变化率来度量通货膨胀率，将各年度数据分月还原到2005年的物价水平，然后利用2005年各月环比CPI指数将数据还原至2004年12月的物价水平。在剔除物价影响后，利用PBC—X12—ARIMA中的X—12方法进行了季节调整。

（二）先行指标筛选结果及验证

1.先行指标筛选结果

运用马克威分析系统4.0，对各指标月度环比增长率数据，采取时差相关法和K—L信息量法进行筛选，结果分别如表1、表2所示：

2.先行指标的确定

用时差相关分析和K—L信息量法共筛选出14个先行指标，我们优先选择了两种方法同时筛选出的股票成交量、港口吞吐量和制造业采购经理指数3个指标。在剩下的11个初步筛选出的先行指标中，我们运用峰谷图形对应分析进行再次判断。该方法判断指标先行的好坏主要是通过将所选序列与基准序列的转折点日期进行比较，若所选序列的峰谷稳定地超前于基准指标的峰谷，则认为该指标序列好，若不然，则认为该指标序列一般或不好。

根据峰谷图形对应分析，并兼顾不同经济指标的含义和代表性，本文筛选出原材料、燃料、动力购进价格指数、新增固定资产投资、房地产开发投资、M2、外汇占款、消费者信心指数等作为先行指标（筛选过程见附录1.1—1.6）。结合最先筛选出的股票成交量、港口吞吐量和制造业采购经理指数等，本文共筛选出9个先行指标，涵盖了投资、采购、消费、出口、金融等经济领域，覆盖面较广，较具代表性。

原材料、燃料、动力购进价格指数：该指标通过主要原材料、燃料、动力购进价格变动对工业企业各项经济效益指标的产生影响，进而传导到整个宏观经济。

新增固定资产投资、房地产开发投资：峰谷图形对应分析筛选效果也较好，而且符合我国属于典型的投资拉动型经济的现实，因此2个指标均入选。

M2：作为观察和调控中长期金融市场均衡的目标，被广泛应用于各国的先行指标检测体系中，如美国国家经济研究局等机构都先后将其列入先行指标。

外汇占款：1994年以来，随着开放型经济的飞速发展，带动我国外汇占款迅速增加，对货币供应量的影响也越来越大。考虑到目前开放型经济在我国经济中的重要性，入选该指标。

消费者信心指数：是综合反映并量化消费者对当前经济形势评价和对经济前景、收入水平、收入预期以及消费者心理状态的指标。一般而言，该指标是预则经济走势和消费的先行指标，评价经济周期不可缺少的依据，因此入选。

三、先行指标与基准循环指标的拟合与预测模型

（一）分析方法介绍

鉴于在不同的经济周期，如经济扩张期或衰退期，我国的宏观经济政策和经济结构都会有一个比较大的调整，导致先行指标与基准循环指标之间的弹性系数会发生变化，因此本文采用马尔可夫转移（Markov Switching，简称MS）模型来分别估计经济扩张期和衰退期的弹性系数，并依据系数的不同来判断和预测我国宏观经济周期的变化。

1.主成分分析

由于本课题所选指标较多，指标之间又存在一定的相关关系，或者说各个指标反映的信息有一定的重叠，即变量之间存在一定的共线性，同时指标个数太多会增加问题复杂性，不便于计量模型的建立和分析。而主成分分析可以很好地解决这方面的问题，主成分分析就是设法将原来众多具有一定相关性的指标重新组合成一组相互无关的综合指标（通常数学上的处理就是将原指标做线性组合）来代替原指标，从而可以在不损失或者损失极少信息的情况下用少量指标反映原数据全部或大部分信息，达到降维和消除共线性的目的。主成分分析的一般步骤为：

第一步，指标数据标准化处理，即将原数据转化为均值为0，方差为1的数据。

篇（4）

一、引言

利率期限结构是指在某一时点上，不同期限资金的收益率与到期期限之间的关系，它反映了不同期限的资金供求关系，揭示了市场利率的总体水平和变化方向。随着我国金融市场化改革的推进，金融市场对外开放程度的不断加深等原因，利率作为金融市场上最重要的价格变量及货币当局制定和执行货币政策的主要观测变量，其在金融市场上所起的杠杆功能显得日趋重要。

对于利率期限结构的理解长久以来都是金融家和宏观经济学家研究的主题，但是，二者的研究存在一定的区别。一方面，金融家主要集中在有价证券利率的预测和定价上，并没有指明利率期限结构与其他经济变量之间的关系。另一方面，宏观经济学家专注于理解利率、货币政策和宏观经济基本面的关系，为了了解它们之间的关系，他们往往信赖“预期假说”，而不管其贫乏的实证记录。结合这两条线的研究似乎是富有成效的，因为两种方式都有潜在收益（Hordahl等，2006）。

因此，本文的目的是通过借鉴国内外学者将利率期限结构与宏观经济进行联合研究的成果，从金融学和宏观经济学的角度审视利率期限结构，以此加强对利率期限结构的理解。本文主要包括加入宏观因素的利率期限结构模型，利率期限结构与单一宏观经济变量的关系，以及利率期限结构与宏观经济关联性的研究。

二、加入宏观经济因素的利率期限结构模型

传统的利率期限结构模型主要是针对期限结构本身的研究，没有考虑宏观经济因素对利率期限结构的影响。随着利率在宏观经济中的重要性日益突显，人们开始重视利率期限结构中包含的宏观经济信息，并尝试将宏观经济变量引入利率期限结构模型，发现在模型中加入宏观经济变量后，对利率变动的解释度显著增强（Kozicki和Tinsley，2001；陈哲，2008）。

1.国外研究现状

泰勒规则和新凯恩斯理论的提出，引发并促进了加入宏观因素的利率期限结构模型，即宏观-金融模型（Macro-finance Model）的研究。Kozicki和Tinsley（2001），Ang和Piazzesi（2003）首次在期限结构模型中加入宏观经济变量并证明这样做是合适的。Ang和Piazzesi认为宏观经济变量对收益率起到重要的解释作用，这些变量在期限结构模型中能改善其预测效果，在这一开创之作后，宏观-金融模型得到了更多学者的关注并不断被修正和发展。

Hordahl等（2006），Rudebusch和Wu（2008）将期限结构模型追加到新凯恩斯宏观模型中。Hordahl等构造了一项完全基于宏观经济因素的动态期限结构模型，模型包括通货膨胀率、产出缺口和短期利率三个关键的宏观经济变量，考虑了短期利率到宏观经济产出的明确反馈。Rudebusch和Wu的建模与前者类似，他们均在建模过程中将定价核心看做是外生决定的，但二者都在供给和需求方程中添加了带有几分任意性的滞后结构。

由于大多数的宏观模型中的关键变量是通货膨胀、产出缺口和短期利率，但是由于这类模型的过度简化揭示了非常有限的有关货币权威性和私下部分（private sector）的信息量。众所周知，货币政策的运行环境是需要大量的数据的，所以，通货膨胀、产出缺口和短期利率难以充分地预测货币政策未来的表现。因此，Bekaert等（2010）完善了带有无套利仿射期限结构模型的结构化新凯恩斯宏观经济框架，与前面所提研究不同，除了通货膨胀、去趋势化的产出和短期利率以外，他们在潜在的宏观模型中引进了两个不可观测的变量——随时间变化的通胀目标和输出的自然增长率，构建了一个五因素的清晰的结构化模型，促成了期限结构动力的一个有意义的经济解释。

此外，学者通过不断修正和完善，将宏观—金融模型进行拓展。例如，achter和Iania（2011）通过引入额外的流动性相关和回归预测因素，扩展了仅包含标准宏观经济因素的基准宏观-金融模型，模型在使用横截面数据修正收益率曲线上，显著优于Dew大多数的结构性和非结构性宏观-金融收益率曲线模型。Benchimol和Fourcans（2012）遵循新凯恩斯主义动态随机一般均衡框架，提出并测试欧元区的模型，特别强调了风险规避和货币的作用。Dewachter等（2012）开发了空间向量自回归模型，在模型中同时考虑了经济冲击的时间和空间维度，通过这一框架来分析欧洲地区通过宏观经济冲击（通货膨胀，产出缺口和利率）的空间和时间进行的传播。

2.国内研究现状

与国外相比，国内对于利率期限结构的研究起步较晚，因而有关宏观-金融模型这一领域的理论及建模方面的研究还较缺乏，新起的研究都是基于国外学者的理论及模型框架上进行的。

朱波，文兴易（2010）根据宏观经济结构和微观金融模型的结合方式，对国外新近的宏观-金融模型进行区分，主要分为仅在仿射期限结构模型的基础上增加宏观经济变量的简约型宏观金融模型，以及对利率期限结构和宏观经济变量之间的相互影响进行了考虑的结构化宏观金融模型两种类型。沈根祥，闫海峰（2011）也是在国外文献的基础上，按照利率期限结构模型的因子来源将其分为内基模型和外基模型。其中内基模型的因子不可观测，其经济含义往往难以解释，而外基模型中的因子为宏观经济变量，模型具有明确的经济含义。

孙皓，石柱鲜（2011a，2011b）首次使用宏观-金融模型进行实证研究，但他们并没有构建新的模型，而是基于Oda和Suzuki（2007）的模型框架，先是对我国利率期限结构动态过程中的时变宏观经济风险价格进行定量估计，随后探讨了我国货币政策对利率期限结构的影响。

三、利率期限结构与宏观经济因素的关系

利率期限结构中包含了宏观经济的信息，同时，宏观经济因素会对利率期限结构产生一定的影响。学者们主要从以下两个方面来探讨利率期限结构与宏观经济因素的关系。

1.利率期限结构与单一宏观经济变量的关系

目前，研究宏观经济所涉及的范围已经相当广泛，主要包括生产、消费、投资、经济增长、通货膨胀、货币供给等。本文通过对相关文献进行梳理，选取了最具有代表性的三个宏观经济因素，分析了近年来国内外学者对利率期限结构与它们之间关系的研究情况。

（1）利率期限结构与通货膨胀的关系。利率期限结构包含通货膨胀的信息（Mishkin，1990a，1990b；Fama，1990），对通货膨胀具有一定的预测功能（Ang等，2006），李宏瑾，钟正生，李晓嘉（2010）通过对中国银行间市场国债利率期限结构进行研究，发现中国短期利率期限结构（特别是中短端）包含了未来通货膨胀变动的信息，可以作为预测变量用来判断未来通货膨胀走势。

但是，不同学者关于利率对通货膨胀的预测功能的研究结果并不一致。Ribba（2011）通过将预期通胀对利率冲击的瞬间响应限制到零，发现短期名义利率不能作为通货膨胀的预测器来解释，至少不是长期预测器。陈鹏，徐炜（2009）则认为10年期与7年期利率差对未来3个月的通货膨胀预测能力最强，利差增大预示着未来的通货膨胀率增大，而陈红霞等（2011）表明市场利差与未来通胀存在长期协整关系，对未来通胀具有持续显著的负效应。

除了能够对通货膨胀进行预测功能外，利率与通货膨胀之间还存在相互作用和影响。Yuksel和Akdi（2009）就探讨了不同通货膨胀对美国利率不确定性测度的影响，脉冲的不确定性对短期和长期利率有负面影响，而结构的不确定性对短期和长期利率有正面影响。Tillmann（2011）在新凯恩斯主义菲利普斯曲线框架内，根据货币传导成本渠道，评估了利率对通货膨胀动态的影响，研究表明，更高的利率转换成更高的边际生产成本，并最终成为更高的通货膨胀。Hagedorn（2011）根据理性预期和全可信度下的标准新凯恩斯主义货币模型预测，名义利率应该下降以实现低通货膨胀目标，而实际利率大致维持不变。Ehrmann等（2011）使用高频率债券收益率数据来研究欧元区的通胀预期，发现更低的长期利率，更高的稳定性，以及更好的锚定反应，能够大幅增加长期通胀预期的锚定。Wright（2011）提供了期限溢价，通胀不确定性和二者关系的跨国实证证据，这些证据表明长期通胀率在很大程度上可以对收益率曲线斜率向上进行解释。

（2）利率期限结构与实际经济增长的关系。关于利率期限结构与宏观经济的联系，早在Estrella和Hardouvelis（1991）就通过美国季度数据，证明10年期和3个月期的国债收益率之差能够很好地预测未来的消费、投资和产出情况。Haubrieh和Dombrosk（1996）通过研究说明利差对GDP增长也有很好的预测作用。国内对这方面的研究起步较晚，学者通过实证研究结果表明，我国利率期限结构对宏观经济走势具有一定的预测能力（孙皓，石柱鲜，2011），利率期限结构是宏观经济波动态势的“指示器”（孙皓等，2012）。

于鑫（2008）认为长短期利差对我国未来经济变化具有一定的可预测性，但利差的边际预测效果较差。况山（2009）研究发现银行间市场不同长短期利差结构对宏观经济景气一致指数的预测能力不同。其中，2年期国债利率与同业拆借1天的利差对一致指数解释力度较强，且一致指数与利差呈负相关关系系，利差越大，未来10个月的一致指数越小。陈鹏，徐炜（2009）则认为10年期与3年期利差对经济增长的预测能力最强，利差增大预示着未来经济的增长。此外，利率期限结构对还能对经济周期波动进行预测，孙皓，石柱鲜（2011）研究表明，我国利率期限结构变动能够较为稳定地指示未来3个月的经济周期波动状态。

最新的研究由Favero等（2012）等做出，他们提供了一个统一的状态空间模型框架，用来分析无套利和大型信息集的预测功能，发现非套利模型在较短的期限较短的范围内更有用，大型信息集则在较长的范围和较长的期限内更有用；收益率曲线模型可以利用宏观经济变量来预测宏观经济。

（3）利率期限结构与货币政策的关系。大量文献都表明利率期限结构与货币政策之间存在密不可分的联系。利率期限结构中蕴含着货币政策信息（徐小华，何佳，2007；郭涛，宋德勇，2008），通过利率期限结构的变化，中央银行可以获得金融市场对未来通货膨胀以及利率变化的预期信息，从而制定合理的货币政策。同时，货币政策可以通过它的具体操作和传导机制对利率期限结构产生一定的影响（Dai和Philippon，2006）。另外，贾德奎（2010）还从货币政策透明度角度上进行研究，发现提高货币政策透明度更有利于引导市场预期和形成稳定合理的利率期限结构。

不同期限利率受货币政策的影响不同，货币政策对我国短期利率的影响要远大于对中长期利率的影响（刘海东，2006）。货币政策对期限结构不同因子的影响效果也具有显著差异，孙皓，石柱鲜（2011）表明货币政策作用下，利率期限结构水平和曲率因子减小，而斜率因子增大。在货币政策的宽松期和紧缩期，面临货币政策从紧的冲击，水平因子的响应分别为正向和负向，而斜率的响应均为负向；当货币政策由宽松期转向紧缩期时，水平因子变大，斜度变小（潘敏等，2012）。但是沈根祥（2011）的研究指出，货币政策和利率期限结构之间的短期动态影响表现出非对称性，即债券市场对货币政策变化的反应较为迟缓，但货币政策对市场利率的变化反应敏锐。而长期均衡关系则表明，货币政策对银行间债券市场利率期限结构有显著影响，但银行间债券市场对央行的利率调控目标不敏感，不能形成明确预期。

2.利率期限结构与宏观经济关联性的研究

除了分别研究利率期限结构与通货膨胀、宏观经济或货币政策等宏观经济因素的关系外，国内外学者也尝试着探索利率期限结构与多种宏观经济因素间的动态关系，从整体上分析它们之间的关联性。胡雪琴，陈勇（2010）采用主成分分析法构建我国国债市场的三因子动态模型，分析利率期限结构、货币政策和宏观经济三者的关系。Reschreiter（2011）研究货币政策制度的转变对英国实际利率、通货膨胀目标的影响，结果表明随着货币政策改变为通货膨胀目标制，实际利率的均值回归水平下降，实际利率的波动性也降低了，实际利率偏离均值的持久性则增加了。Orphanides和Wei（2012）则探索了宏观经济结构对利率期限结构的影响，表明实际GDP增长、通货膨胀和名义短期利率的递归估计的VAR产生与调查预测更为一致的预测。

宏观冲击对利率期限结构的影响也引起学者的关注，但宏观冲击对不同期限利率产生的影响存在差异，货币冲击、供给冲击和价格冲击对短期利率具有持续显著的影响，而对长期利率则没有显著作用（刘金全等，2007）。同时，不同类型宏观冲击对利率期限结构的影响也不一致，于鑫（2009）认为利率的水平因子受价格水平的影响最大，货币政策变化主要引起倾斜和曲度因子的变化，但季绍波等（2010）则认为货币政策主导水平因子变化，实际经济变化才是倾斜和曲度因子变化的主要原因。孙皓，石柱鲜（2011）模拟了宏观经济对利率期限结构的冲击效应，认为宏观冲击长期对利率期限结构的整体水平具有明显影响，而对坡度的影响仅在短期内有效。

篇（5）

[DOI]10.13939/ki.zgsc.2016.16.068

1 引 言

2015年是中国股票市场引人注目的一年，A股市场开户数量在这一年达到了历史峰值，2015年也是中国股市不平凡的一年，投资者既经历了千股涨停，也见证了千股跌停。那么，在我国当前新的经济环境下，宏观经济因素对上涨指数的影响发生了怎样的变化无疑是一个值得探究的问题。现有的研究主要是利用多元回归的方法来对影响上证指数的宏观经济因素进行分析，这种从静态角度进行研究的方法，一方面只能体现某一特定时间段内宏观经济因素对于上证指数的平均影响程度，不能够体现出这些影响因素在不同时期内对上证指数影响程度的变化；另一方面随着国内外经济环境的变化，原有的固定参数模型可能已经不能充分解释新的市场环境下宏观经济因素对上证指数的影响。因此，本文建立时变系数状态空间模型，研究主要宏观经济因素对上证指数的动态影响过程。

2 文献综述

国内外学者近年来对股票市场与宏观经济因素之间的关系做过大量的研究。从变量选取方面，主要以CPI、失业率、利率、汇率、工业生产指数、石油价格等作为宏观变量，研究这些变量对上证指数的影响。其中，Girardin和Joyeux（2013）关注CPI，Bhargava（2014）关注失业率和利率，Altinbas和Biskin（2015）则关注利率、汇率、工业生产指数、石油价格、黄金价格等较为广泛的领域。国内文献相继则关注GDP、各类价格指数（CPI、PPI）、宏观经济景气指数、消费者信心指数、工业增加值、社会消费品零售总额、进出口总额、固定资产投资完成额、汇率、人民币存款基准利率、存款准备金率、银行间7天内同业拆借加权平均利率、货币供应量M0、M1、M2、城乡居民储蓄存款余额、和社会消费品零售总额、上海证券交易所市价总值等19个指标。这些宏观经济变量与股价指数的关系，曾志坚和江洲（2007）的结论是股票价格指数的短期波动受到利率和储蓄的短期变化影响；但是工业增加值和货币供应量对上证指数的影响较小。孙洪庆和邓瑛（2009）认为股票价格指数与货币供应量之间有强协整关系和格兰杰因果关系；而和GDP、投资之间完全没有协整关系。朱英姿和吴美等（2012）得到的结论是一些宏观经济因素对上证指数有较强的预测力，例如经济先行指数和商品房销售面积。从计量方法来说，Garch-Midas、不对称PARCH模型、协整检验、多元回归模型来检验上证A股指数受到多种宏观经济变量的影响。

3 宏观因素选择

可能影响上证指数的宏观因素有许多，本文按照数据的可得性和国内外因素统筹兼顾的原则结合现有的研究成果对宏观因素进行选取。选取的国内影响因素有反映整个宏观经济流动性的货币供给量M2、宏观经济景气指数、消费者物价指数CPI以及人民币汇率、反映美国经济状况的道琼斯指数5个指标。

4 变系数状态空间模型

影响上证指数的宏观因素有多个，这些因素对上证指数的影响是不可测的，并且是随时间变化的状态变量。现有文献中的固定参数模型是假设在选取的样本期间内各变量之间的关系不变的条件下得到的，描述的是宏观因素对上证指数的平均影响关系。本文利用Harvey（1999）和Hamil-ton（1994）提出的状态空间模型构造出变参数模型来分析不同宏观因素对上证指数的动态影响。

变系数状态空间模型可以表示为：

5 实证研究

5.1 样本选取及数据选择

如上文所述，本文选取的上证指数影响因素有货币供应量M2、宏观经济景气指数、消费者物价指数以及人民币兑美元即期汇率、美国道琼斯工业指数。样本选取的数据为2008―2015年的月度数据，研究各因素对上证指数的动态影响。其中，对于上证指数和道琼斯工业指数，选取的是每月最后一个交易日的收盘价数据，

为了方便研究，本文对上述变量重新定义，各变量的定义如表1所示。

5.2 平稳性与协整关系检验

为了保证时间序列的平稳性，首先需要对各变量进行单位根检验，在进行单位根检验之前，先对数据进行初步的处理。对上证指数、货币供应量和道琼斯工业指数先进行对数运算（下文中的上证指数和道琼斯工业指数均指的是对实际值求对数后的结果），然后对经过对数处理后的数据进行一阶差分，得到的数据分别用dLsz、dLX1、dLX5表示。对于宏观经济指数，消费者物价指数和汇率进行一阶差分处理，得到的数据分别用dX2、dX3、dX4表示。

对处理后的数据运用Eviews进行ADF检验，检验结果如表2所示。

由表3可以看出，在5%的显著性水平下，迹检验和最大特征根检验都表明拒绝接受“至多存在5个协整关系”的原假设，两种统计量检验结果都表明在5%的显著性水平下这六个变量之间存在6个协整关系。通过协整分析可以知道，货币供应量M2、宏观经济景气指数、消费者物价指数、汇率、道琼斯工业指数和上证指数之间存在长期的均衡关系。

5.3 模型的建立与估计

运用本文上述内容中介绍的时变参数状态空间模型来具体研究货币供应量M2、宏观经济景气指数、消费者物价指数、汇率、道琼斯工业指数对上证指数的影响，模型建立如下：

量测方程：

5.4 结果分析

为了直观的表现各因素对上证指数的时变影响，本文利用Eviews产生状态序列，并选择滤波状态变量均值，得到变参数的上证指数影响因素的动态变化过程。由于在用卡尔曼滤波法求解状态向量的过程中，状态空间初始值的选取问题会对求解的早期时变系数造成影响，所以我们从2011年开始讨论。如下面各图所示。

由图1可知，2011年年初到2011年6月，货币供应量对上证指数的影响为负，并逐渐增加至-0.4。自2011年第三季度开始一直到2013年年末，M2对上证指数一直保持负向影响并趋于减弱。2014年前半年M2对上证指数影响稍微增强并产生正向影响，但是从2014年下半年开始到2015年年末M2对上证指数开始由正向影响减弱并转为负向影响，并持续增大，在样本区间内的2015年第三季度M2对上证指数的负向影响达到最大。

图1 货币供应量M2对上证指数的动态影响

图2显示，宏观经济景气指数在2011―2014年第三季度对上证指数的正向影响基本平稳，保持在0.03左右。自2014年第三季度开始一直到2015年6月，宏观经济景气指数对上证的正向影响逐渐减小，在2015年3月变为负向影响，并且负向影响逐渐增大，并且在6月达到负向最大值，随后负向影响稍微减少。

图2 宏观经济景气指数对上证指数的动态影响

从图3可以看出，从2011年开始消费者物价指数一直保持着对上证指数的正向影响，并且影响逐渐增大，特别是进入2015年之后，消费者物价指数对上证指数的影响快速增大，并且在2015年6月左右达到最大的正向影响。

图3 消费者物价指数对上证指数的动态影响

图4显示，在2011―2014年第三季度，人民币兑美元汇率对上证指数的正向影响趋于平稳，维持在稍大于0.4的水平，说明其他条件不变的情况下，汇率增长1个单位，则上证指数对数值增长0.4个单位。从2014年第四季度开始汇率对上证指数的正向影响逐渐增大，到2015年6月达到最大正向影响，约为1.2，随后正向影响稍微减少。

图4 人民币兑美元汇率对上证指数的动态影响

从图5中可以看出，在2011―2014年第二季度，道琼斯指数对上证指数的影响虽然保持正值，但是逐渐减小。从2014年后半年开始到2015年，道琼斯指数对上证指数的正向影响又快速增大，在2015年10月左右达到最大值，约为1.7。

图5 道琼斯工业指数对上证指数的动态影响

6 结 论

观察这五项影响因素在样本区间内对上证指数的动态影响，可以看出各因素对上证指数的影响程度都是变化的，但是变化的程度不同。运用传统的固定参数模型来分析各影响因素对上证指数的平均影响，显然无法真实反映各因素对上证指数的影响程度，特别是无法反映2014年第四季度到2015年各变量对上证指数的影响程度发生的变化。此外，对比现有文献中的研究结果，可以发现采用最新的数据来研究各因素对上证指数的影响得到的结论与以往采用较早数据进行研究得到的结果存在较大差异。

研究结果表明，整体上看，2011―2014年第三季度这段时间内，本文选择的宏观经济变量除货币供应量外，其他四项影响因素对上证指数影响的极性保持不变。其中，宏观经济景气指数对上证指数保持稳定的正相关关系，即宏观经济景气指数越高，上证指数也越高；反之，宏观经济景气指数越低，上证指数也越低。说明这段时间内，上证指数在一定程度上能够反映宏观经济状况。消费者物价指数对上证指数保持正向影响，消费者物价水映的是通货膨胀水平，说明通货膨胀水平增加，上证指数也上涨。人民币兑美元汇率对上证指数保持稳定的正相关关系，并且影响程度大于消费者物价水平和宏观经济景气指数对上证指数的正向影响，即人民币升值阶段（直接标价法下汇率下跌），上证指数也在下跌。道琼斯指数对上证指数一直保持正向影响，但是在2011―2014年第二季度末，正向影响逐渐减弱，但是影响程度是这些影响因素里面对上证指数影响程度最大的因素。货币供应量M2在此期间对上证指数的负向影响逐渐减小，最终在2014年第二季度达到最大的正向影响，说明我国的股票市场上货币供应量M2对上证指数的影响有一定的不确定性，与现有的研究结果相符。

2014年第三季度到2015年第二季度末，观察各影响因素在此期间对上证的影响可以发现，各影响因素对上证指数的影响都发生了较大变化，可能是在此期间，上证指数出现了暴涨和暴跌的原因。其中，宏观经济景气指数对上证指数的影响在此时期为负值，并且负向影响逐渐增大，即宏观经济景气指数越差，上证指数反而越上涨，这与经济学原理不相符，一定程度上说明此阶段的上证指数与实际宏观经济情况相背离，并且背离程度随着上证指数的上涨而逐渐增大，换句话说此阶段内的股指上涨并不是宏观经济改善的结果。消费者物价指数对上证指数的正向影响在此阶段也增强，说明物价水平的上涨对上证指数影响程度增大，可能是随着物价水平和上证指数的上涨，投资者借助股市上涨来抵御物价水平上涨的意愿增强造成的。汇率在此期间对上证指数影响程度增加较大，达到前几年的3倍左右，远大于货币供应量、宏观经济景气指数、消费者物价指数对上证指数的影响，说明现阶段人民币兑美元汇率是影响上证指数的重要因素之一。道琼斯工业指数对上证指数的正向影响也在此期间大幅增加，说明我国股市与美国股市的联动性越来越大，可以猜测，A股市场在此阶段的涨跌一定程度上可能受国际股票市场整体环境联动影响的结果。

从以上结论可以看出，新形势下宏观经济因素对上证指数的影响程度正在逐渐增强，尤其是对上证指数影响最大的汇率和道琼斯工业指数。投资者应更加关注宏观经济因素，特别是人民币汇率的变动和美国股市的变动情况。此外，这些宏观经济因素对上证指数影响程度增强的趋势能否保持，是值得我们继续关注的问题。

参考文献：

[1]卜巧花.宏观经济环境因素对中国股票市场的影响――基于次贷危机背景下的实证研究[J].当代论坛，2009（8）：8-9.

[2]王元月，梁翠翠.基于变参数模型的流动性与上证综指收益率关系研究[J].中国管理科学，2010（2）：25-30.

[3]孙洪庆，邓瑛.股票价格宏观经济变量与货币政策――对中国金融市场的协整分析[J].经济评论，2009（4）：50-57.

[4]朱英姿，吴美，陈超.我国宏观经济因素对股市预测力研究[J].投资研究，2012（11）：76-87.

[5]李艳，吴国蔚.探索影响上证指数的因素[J].中国市场，2010（14）：82-84.

[6]刘勇.我国股票市场和宏观经济变量的经验关系研究[J].财贸经济，2004（4）：21-27.

[7]吴攸.中国股票价格指数的影响分析[J].产业与科技论坛，2014（5）：103-105.

[8]沈昊驹，聂明.我国货币供应量与股市走向的实证研究[J].金融教学与研究，2010（4）：60-63

[9]赵会宁.股票价格宏观影响因素实证分析[J].财政金融，2011（2）：117-119.

[10]屈晶.利率变动与上证综合指数关系的实证研究[J].财税金融，2015（25）：62-63.

[11]屈晶.上证综合指数与我国宏观经济变量关系研究[J].农村经济与科技，2014（11）：126-128.

篇（6）

宏观经济学巨擘卢卡斯曾指出：“理论经济学的一个功能是提供表述清楚的人工经济系统作为实验室，让那些在现实经济中代价高昂到无法想象的政策实验可以在其中以低得多的成本得到透彻检验。”《短期通货膨胀动态：理论和中国实证》一书贯彻了卢卡斯对宏观经济研究的建议，为构造具有中国特色的宏观经济政策“实验室”进行了有益探索。纵观全书，作者立足于短期通货膨胀动态理论的前沿发展，着眼于中国现实的通货膨胀问题，在深入考察、描述中国通货膨胀经验特征的基础上，从通货膨胀预期、通货膨胀持久性以及成本渠道三个方面逐步深入地考察了中国短期通货膨胀的动态特征。特别是，作者娴熟地运用了动态随机一般均衡建模、仿真方法以及宏观时间序列分析的前沿方法，对中国短期通货膨胀动态进行了富有启发性的刻画，具有重要的学术价值和政策参考意义。

第一，辨析了通货膨胀预期的时间坐标。通货膨胀的动态演变依赖于通货膨胀预期，预期在短期通货膨胀动态演变中发挥决定性作用。该书首次构造出最小距离估计量，对新凯恩斯主义菲利普斯曲线和粘性信息菲利普斯曲线进行了实证比较，并发现前瞻性因素在中国短期通货膨胀动态中发挥重要作用。

篇（7）

中图分类号：F222.39 文献识别码：A 文章编号：1001-828X（2017）007-00-01

很多人都不太了解什么是宏观经济统计分析，在这里我们给出一个相对全面的解释，宏观经济统计分析主要是以宏观经济理论为基础，以指导国民经济运行为目的，对宏观经济的整体运行过程进行分析的一种实证经济。在国际上，宏观经济这个词语第一次出现在20世纪30年代，由恩格斯提出理论知识，我们国家宏观经济统计分析产生于改革开放以后，随着我们国家经济的发展，我国的固定资产投资额不断增加，对国民生产总值的影响作用也越来越大。通过对宏观经济统计方法的分析，可以有效地制定经济政策进而实施宏观调控，刺激经济持续、健康发展。

一、宏观经济统计分析的内容

（一）宏观经济统计分析的类别及特点

宏观经济统计分析主要包括四个方面：（1）事前分析、事中分析和事后分析；（2）状态性分析、规律性分析和预测性分析；（3）专题分析和综合分析；（4）定期分析和不定期分析。宏观经济统计分析的特点主要包括应用性、数量性、对比性、综合性、实证性五个特点，从真务实，用数据和事实说话，通过实证分析研究宏观经济问题。

（二）宏观经济统计分析的课题和内容

宏观经济统计分析按照经济活动来进行课题划分，可以划分为国民收入分配、消费需求、投资需求、进出口需求、国民经济综合平衡分析、宏观市场运行等多个课题，在不同的历史阶段，由于其现实背景的差异，宏观经济分析角度都会有不同的研究课题，描述我们宏观经济的变化过程、特征、以及变化规律等问题，揭示影响事物变化的关键因素，探索其因果关系，并积极的找出解决问题的方法，以供决策者选择。

二、宏观经济统计分析的方法

（一）均衡分析和非均衡分析

均衡分析是宏观经济统计分析中的重要手段之一，这一分析方法认为各种变量在综合分析的情况下最终会达到一种均衡状态，就供给需求理论而言，均衡分析理论认为供给曲线和需求曲线在一定的价格和数量条件下，这两种曲线就会达到均衡，这种理论在马歇尔将图形引入宏观经济学以后一直在西方经济学中占据主导地位；非均衡分析方法是相对于均衡分析方法而言的，认为市场上的供求不可能相等。非均衡分析方法更加贴近生活，它认为在现实的经济生活中，由于信息的短缺和不对称以及信息成本的提高，所以市场的供需总是会存在差异，是不可避免的，其中不完全竞争将是非均衡分析方法的研究重点。

（二）定性分析方法与定量分析方法

定性分析方法作为宏观经济统计分析中的一个分支，由于其缺乏理论知识的基础，所以人们更多的还是倾向于定量分析方法，定量分析方法主要运用在金融领域，其中数学依据主要是计量和统计，在经济学中，常用的定量分析方法又分为5小种，分别为比率分析法、趋势分析法、结构分析法、相互对比法以及数学模型法，在这5种分析方法中，比率分析法是所有分析方法的基础，趋势分析方法、结构分析法、相互对比法是分析方法的延伸，数学模型法则代表了定量分析方法将来的发展方向。

（三）静态分析和动态分析

静态的分析方法主要是横截面分析，是相对侧重于分析经济变量的均衡条件，而动态分析则引进了时间维度，比如较为流行的时间序列分析，相对侧重于随着时间发展经济状况的发展，这两种分析方法都是不全面的，需要两者相结合来看待，以长泰县为例，不仅仅要对长泰县现有的经济状况、发展水平、发展特点以及问题作出分析，还要在时间维度上来作出整体把握，充分考虑内在条件和外在因素的双重作用，从而制定出相对的经济改革策略。

三、宏观经济统计分析的意义

我们为什么要研究宏观经济统计分析，宏观经济统计分析有什么的意义？我们从以下几个方面来分析：1.研究宏观经济统计分析有利于把握证券市场的总体变化趋势，在证券投资领域是离不开宏观经济分析的只有把握住了整体的经济发展方向，才能把握证券的整体变动趋势；2.利用宏观经济统计分析来判断整个证券市场的投资价值，这里的证券市场泛指整个证券交易市场，从狭义角度来说整个证券市场的投资价值就是整个国民经济增长质量与速度的体现，当然对于长泰县这个小整体而言也是这样的；3.通过宏观经济统计分析，掌握宏观经济政策对证券市场的影响，证券市场与国家宏观经济政策息息相关，认真分析宏观经济政策，这样才能准确把握证券市场的运行趋势和价值变动方向，对投资者、证券业本身，乃至整个行业的发展都有重要的意义。

四、结语

在宏观经济学中，一方面在实证分析中，各类分析方法通常综合起来，多种分析方法共同作用，解决相关经济问题；另一方面实证分析方法也和规范分析方法相结合，实证分析方法为规范分析方法提供了理论依据。在《资本论》中，马克思曾提到“分析经济形式，既不能用显微镜，也不能用化学试剂，二者都必须用抽象力来代替”，因此在我们研究宏观经济学问题的时候，要用多种分析方法来综合考虑，研究宏观经济分析方法的内容、方法以及意义。长泰县作为一个城市近郊县，在经济发展的今天，也要秉持宏观经济统计分析方法，制定严谨的经济发展路线，带动经济的腾飞，希望本文能对此有一定的借鉴意义。

参考文献：

[1]董涛.宏观经济统计分析发展的基本问题[J].中国科技博览，2014.

篇（8）

在调整速度的众多影响因素中，宏观经济因素对调整速度的影响近年开始引起学术界的关注。Douglas0．Cook(2009)分别采用两阶段和综合两种动态部分调整模型，考察宏观经济环境对调整速度的影响，发现在宏观经济繁荣时调整速度较快。原毅军，孙晓华(2006)的研究得到调整速度与上一年GDP增长率正相关，与通货膨胀率，实际贷款利率和财政支出增值率负相关的结论。黄辉(2009)对宏观经济环境和制度因素影响调整速度进行了研究，结果显示调整速度表现出顺经济周期现象。本文对前人研究方法进行改进，基于部分调整模型，用宏观经济变量划分样本进行调整速度对比研究。在目标资本结构的回归中不考虑宏观因素。这样改进可以避免双重考虑宏观经济因素造成研究结果不稳定性和不显著性。

一、研究模型与变量设计

1．研究模型

(2)目标资本结构拟合变量。根据已有文献对目标资本结构影响因素的研究，本文选用的公司特征变量包括：公司规模(SIZE)，用主营业务的自然对数表示，目前公司规模与资本结构的经验研究没有得到一致结论；资产有形性(TANG)，用固定资产除以总资产表示，经验研究表明有形资产的比率与资产负债率正相关；非债务税盾(NDTS)，用固定资产折旧除以总资产表示，经验研究研究发现非债务税盾与资本结构负相关；公司成长性(GROW)，用托宾Q值表示，公司成长性对资本结构的影响目前还没有定论；公司盈利能力(PROF)，用息税前利润除以总资产表示，公司盈利能力对资本结构的经验研究也没有得到一致的结论；税收因素(TAX)，用所得税除以利润总额表示。考虑行业特征因素，用行业资产负债率平均值(HAB，HAM)表示。

(3)宏观经济变量。仿照Douglas0．Cook(2009)，本文选用GDP增长率来定义宏观经济环境。GDP增长率定义为本年GDP减去上年GDP再除以上年GDP。宏观经济变量划分样本的具体情况是，l3年的GDP增长率数据以2002年的GDP增长率为中位数分为两个部分，每个部分分别按照GDP增长率的二分位数再进行划分，将样本分成四个部分。取GDP增长率最小的三年1998~2000定义为为宏观经济环境衰退；取GDP增长率最大的三年2005~2007定义为宏观经济环境繁荣。

二、样本选取与估计方法

选择沪深两市1996~2008一般上市公司的数据，不包括金融上市公司，剔除PT，ST公司。经过数据整理，获得分布于十二个行业的715家公司的9295个样本观测点。样本数据来源于CCER数据库。由于模型(3)把目标资本结构的决定因素内化其中，模型右边包含因变量一阶滞后变量，采用动态面板数据的G删估计方法，把模型(3)右边所有变量的二阶滞后变量作为工具变量。

三、实证结果分析

模型(3)的回归结果如表1

篇（9）

在调整速度的众多影响因素中，宏观经济因素对调整速度的影响近年开始引起学术界的关注。Douglas0．Cook(2009)分别采用两阶段和综合两种动态部分调整模型，考察宏观经济环境对调整速度的影响，发现在宏观经济繁荣时调整速度较快。原毅军，孙晓华(2006)的研究得到调整速度与上一年GDP增长率正相关，与通货膨胀率，实际贷款利率和财政支出增值率负相关的结论。黄辉(2009)对宏观经济环境和制度因素影响调整速度进行了研究，结果显示调整速度表现出顺经济周期现象。本文对前人研究方法进行改进，基于部分调整模型，用宏观经济变量划分样本进行调整速度对比研究。在目标资本结构的回归中不考虑宏观因素。这样改进可以避免双重考虑宏观经济因素造成研究结果不稳定性和不显著性。

一、研究模型与变量设计

1．研究模型

接受Nerlove的部分调整模型(partialadjustmentmode1)的构建思路，构建下面的资本结构部分调整模型(1)

其中，和分别表示公司i在第t年末的最优资本结构和实际资本结构。为调整系数，表示在一个年度内公司的资本结构向目标水平调整的快慢，并间接反映调整成本的大小。

根据屈耀辉(2006)等人的研究，目标资本结构可表示为公司特征向量与行业特征向量的线性函数

其中是影响公司目标资本结构的一组相关变量，和分别为行业和时间虚拟变量。

将(2)式带入到(1)式整理得到本文的回归模型(3)式

2．变量设计

(1)资本结构变量。本文分别使用账面资产负债率和市场资产负债率两种资本结构进行研究。

表示账面资本结构，市场资本结构。表示长期负债，表示短期负债，表示账面总资产，表示流通股账面价值，表示流通股市场价值。

(2)目标资本结构拟合变量。根据已有文献对目标资本结构影响因素的研究，本文选用的公司特征变量包括：公司规模(SIZE)，用主营业务的自然对数表示，目前公司规模与资本结构的经验研究没有得到一致结论；资产有形性(TANG)，用固定资产除以总资产表示，经验研究表明有形资产的比率与资产负债率正相关；非债务税盾(NDTS)，用固定资产折旧除以总资产表示，经验研究研究发现非债务税盾与资本结构负相关；公司成长性(GROW)，用托宾Q值表示，公司成长性对资本结构的影响目前还没有定论；公司盈利能力(PROF)，用息税前利润除以总资产表示，公司盈利能力对资本结构的经验研究也没有得到一致的结论；税收因素(TAX)，用所得税除以利润总额表示。考虑行业特征因素，用行业资产负债率平均值(HAB，HAM)表示。

(3)宏观经济变量。仿照Douglas0．Cook(2009)，本文选用GDP增长率来定义宏观经济环境。GDP增长率定义为本年GDP减去上年GDP再除以上年GDP。宏观经济变量划分样本的具体情况是，l3年的GDP增长率数据以2002年的GDP增长率为中位数分为两个部分，每个部分分别按照GDP增长率的二分位数再进行划分，将样本分成四个部分。取GDP增长率最小的三年1998~2000定义为为宏观经济环境衰退；取GDP增长率最大的三年2005~2007定义为宏观经济环境繁荣。

二、样本选取与估计方法

选择沪深两市1996~2008一般上市公司的数据，不包括金融上市公司，剔除PT，ST公司。经过数据整理，获得分布于十二个行业的715家公司的9295个样本观测点。样本数据来源于CCER数据库。由于模型(3)把目标资本结构的决定因素内化其中，模型右边包含因变量一阶滞后变量，采用动态面板数据的G删估计方法，把模型(3)右边所有变量的二阶滞后变量作为工具变量。

三、实证结果分析

模型(3)的回归结果如表1

篇（10）

初级：曼昆《经济学原理》、萨缪尔森《经济学》、斯蒂格利姿《经济学》

中级：平狄克《微观经济学》、〈微观经济学: 现代观点〉范里安、《宏观经济学》曼昆、《宏观经济学》多恩布什、《国际经济学》保罗克鲁格曼

高级：平新乔的《微观经济学18讲》、张定胜《高级微观经济学》、范里安《高级微观经济学》、《高级宏观经济学》戴维罗默、萨金特《动态宏观经济理论》、龚六堂《高级宏观经济学》、《经济增长理论》

（来源：文章屋网 ）

篇（11）

从上世纪七十年代开始,金融的自由发展和信息网络技术的广泛应用促使金融创新走进了一个全方位、大规模、高速发展的时期,对每一个金融角落造成冲击,成为全球经济增长全新的推动力,大大促进了全球经济一体化发展。但是,金融创新不仅使得配置金融资源的效率得到提高,也迫使金融系统的宏观生存环境发生了改变,改变后的宏观经济环境不断冲击着金融稳定。经济一体化在放大国际间金融风险传导性的同时加快了经济结构失衡,导致金融脆弱性越来越大,加大了国家政府为促进本国经济增长、维护本国价格稳定而实施宏观货币政策的难度,间接影响着金融稳定。影响金融稳定的宏观经济因素具体包括三方面:一是全球经济一体化把金融危机的传染效应放大了;二是经济结构失衡,加快了调整产业结构的频率,放慢了经济全球化进程;三是虚拟经济跟实体经济的规模不协调,导致货币政策的调节效果不理想。这些宏观经济因素都对金融稳定造成一定的消极影响。

二、基于宏观经济维护金融稳定的策略

1.不断丰富和创新金融产品,进一步完善金融市场结构首先,在美国爆发次贷危机时,我国的金融还处在初级发展阶段,可交易的金融产品很少,出现产品结构单一和同质化问题。所以,我们应加大研发新的金融产品的力度,尤其是资产类金融产品、风险防范类金融产品等,从而改变传统以银行信贷产品为主的中国金融产品结构。与此同时,虽然美国在过度创新金融衍生产品的影响下爆发了次贷危机,但其本质原因是缺乏金融监管,所以我们不能因噎废食,而应结合市场实际合理制定发展计划,不断增加交易金融产品的品种,特别要针对中小企业开发更多融资产品,在自主创新中进一步创新和发展具备强大生命力的、成长性良好的金融衍生产品,从而分散金融风险。其次,丰富的、多样化的金融产品离不开多元金融市场的支持。自改革开放以来,我国经济结构所发生的改变是根本性的,传统产业不断转型和升级,并进一步深化国有企业改革,民营经济慢慢成长为发展经济的原动力。国家经济结构、企业组织结构的多样化、国际化发展要求投资融资机制也必须是市场化的、多样化的。换言之,我国金融市场必须具备多元化的层次结构,才能满足不同类型、不同规模的企业在不同时期的投资融资需求,才能促进中国金融市场不断增强风险抵御能力。一是建立健全资本市场运行机制,不断拓展证券市场,鼓励跟既定条件相符的企业采取发行债券的手段来筹集资金,并加快建设中小企业融资凭条,从根本上解决中小企业面临的融资难问题;二是重视基础环境,进行合理布局,加快对区域性金融市场、机构的培育步伐,推动中西部地区,尤其是民营中小型企业快速实现跨越式发展,从而推动我国经济结构均衡发展。

2.基于宏观经济周期建立提前反应机制,强化风险预警商业银行跟宏观经济之间的联系非常密切,所以提高金融稳定水平的一个重要前提就是准确把握好宏观经济的走势。为此,银行应加强分析宏观经济,充分把握国家宏观经济政策的变化与取向,把握好信贷投向行业的市场空间、发展前景等,并基于宏观经济周期建立提前反应机制,从而确定出能抵御通货膨胀的、获得国家产业政策支持的重点发展行业、区域,对信贷资金进行优化配置,有效防范并化解金融系统可能面临的风险。在经济周期调整中,我们应不断强化风险预警,尤其是行业风险预警,需密切关注行业政策、行业资产价格波动等的变动风险,及时进行风险预警,制定风险防范措施,从而确保行业企业能顺利度过经济期的调整。风险预警是一项系统的、长期的任务,为确保风险预警能够稳定而完整地执行下去,应考虑建立连续的风险管理数据库。该风险管理数据库应包含三方面内容:第一,宏观经济数据,它包括经济发展、经济投资、经济消费、进出口贸易等数据,以及国家对金融、财政、贸易等的规定;第二,中观经济数据,它涵盖区域经济环境、区域经济发展等数据,以及行业发展情况、行业技术动态、行业产品结构等数据;第三,微观经济数据,它包含企业的财务指标、组织管理、产品价格信息、产品供求信息等数据。与此同时,要确保能及时更新风险管理数据库,动态跟踪、监测金融风险,确保能及时反馈风险预警信号。

3.完善宏观经济审慎监管手段,有效防范潜在金融风险虽然银行通过实施逆周期资本缓冲政策有效阻止了中国银行业受到全球经济衰退的冲击,但较资本安全性、有效性的宏观审慎监管目标的实现而言还存在不足,可采取以下策略来完善宏观经济审慎监管手段,有效防范潜在金融风险,维护金融稳定。一是坚持完善调整银行稳健性的参数。差别准备金动态调整政策的实施的关键是正确判断一个国家的市场流动性和信贷规模。当下,我国商业银行信贷规模的重要衡量指标之一就是它在GDP中占据的比重,并没有把那些具备信贷功能的非银行金融机构囊括进去,导致指标参数过于单一,覆盖面受到限制,很可能会造成金融监管主体误判宏观经济。为此,需不断拓宽统计范围,把具备信贷功能的民间的信托公司、融资机构、典当行等金融机构纳入统计信贷规模的范畴,并把金融系统在经济周期调整中的景气程度、不同机构的金融系统重要性等因素都纳入对市场流动性的判断中,不断提高调整银行稳健性的参数的可信度。二是进一步完善金融调节手段。针对金融系统具备的顺周期性特征,应建立健全动态杠杆率指标体系和调整差别准备金动态的措施,建立逆周期资本缓冲、动态流动性缓冲以及存款保险制度、动态拨备制度等审慎监管措施,把中央银行在市场公开业务中具备的作用充分发挥出来,并结合运用传统的货币政策工具,以实现分散、防范金融系统潜在风险的目的。三是在实施政策时要做到差异性与公平性并重。各国政府承受金融风险的能力并不相同,造成各个国家制定的调整金融稳定性的参量、逆周期资本缓冲标准等都存在一定的区别。对我国国内市场来说,为保证银行系统的稳定,银监会最近几年持续提高拨备的覆盖率,虽然使维护金融稳定而受到的信贷过度扩张的压力得到一定的缓解,但迫于宏观经济压力,银行业,尤其是中小型银行,它们承受着越来越大的盈利压力,很可能造成它们的逆向选择,去开展那些高风险高收益的信贷业务、其他外表业务等。所以,在实施差别化逆周期资本缓冲政策时要同时关注稳定性,避免金融系统受过度扩张的影响而产生潜在风险,防范在较大的盈利压力下可能产生的潜在风险等,从而控制金融系统整体潜在风险的产生、积累,维护金融稳定。