導語：如何才能寫好一篇宏觀經濟影響，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

通常可以用“動態復雜性”和“結構復雜性”兩個概念描述經濟系統的復雜性。動態復雜性是指隨著時間延續，經濟系統的行為也隨之發生變化，經濟系統的變動趨勢越難以預測，運行越來越不規則，那么整個經濟系統的復雜性也就越高；而結構復雜性是指某一時間點，經濟系統的構成狀態，結構復雜性假設經濟系統由若干小部分組成，這些小部分既相互獨立，又相互依存。數量越多，說明經濟系統的結構復雜性越高。然而，無論是基于動態復雜性角度分析，還是基于結構復雜性角度分析，我國的經濟系統都朝著日益復雜化的方向發展。

二、我國經濟系統復雜性的特點

（一）我國經濟系統的構成變化速度加快

目前，我國經濟系統的構成變化速度日益加快，結構復雜性日益增加，變動規律難以預測。市場經濟的本質是優勝劣汰，每年都會有數以萬計的經濟單位在重組、破產、兼并過程中消失，但每年也會有數以萬計的經濟單位注冊成立。與此同時，經濟單位的所有制形式隨著經濟體制改革的日益深入也變得較為復雜。無論是在經濟總量中所占的比例還是數量，我國國有企業都呈現較為明顯的下降趨勢。而個體企業、民營企業、合資企業、外資企業卻得到了較快發展。此外，從表1可以看出，我國第三產業對國內生產總值的貢獻率日益提高，從1990年僅占國內生產總值的17.3%提高到2013年的46.8%，主要原因在于第三產業是溝通物質產品最終消費者和生產者的中介產業。第三產業所占比重越高，說明各產業之間的經濟聯系越密切，各個產業之間的結構也越復雜。

（二）經濟系統構成部分的異質性明顯提高

我國經濟系統中存在較多的異質性表現，如消費者需求日益多樣化、企業規模分布不均勻、行業規模分布不均勻、地區經濟差異較大、居民收入不均勻等。從地區經濟發展情況看，東部地區與西部地區、中部地區的差異日益增大，由表2可以看出，東部地區的江蘇省2011年生產總值為49110.27億元人民幣，2012年生產總值為54058.22億元人民幣，2013年生產總值為59161.75億元人民幣；而西部地區的貴州省2011年生產總值為5701.84億元人民幣，2012年生產總值為6852.20億元人民幣，2013年生產總值為8006.79億元人民幣，僅占同期江蘇省生產總值的12%左右。基于企業規模來看，企業與企業之間的規模差距日益加大，尤其是在電力、石油等壟斷性行業，少數占支配地位的大型企業幾乎完全壟斷了整個行業的市場銷售活動和生產活動，使企業與企業之間的內部效率差異與經濟行為差異日益增大。

三、經濟系統復雜性對宏觀經濟管理的影響

（一）促進政府制定細致的、針對性強的宏觀經濟政策

經濟系統的各個構成部分之間差異越大，就需要越多信息協調經濟運行，這會增加整個經濟系統的結構復雜性。而經濟系統的結構越復雜，越會使經濟系統構成部分呈現出高度多元化或高度異質性特點。在這種情況下，政府若要開展有效的宏觀經濟管理，就必須在采集大量數據的基礎上，制定細致的、針對性強的宏觀經濟政策，而不能再采用過去統一的、簡單的經濟政策。

（二）對政府的宏觀調控能力提出了更高要求

篇2

關鍵詞：互聯網金融；宏觀經濟；經濟發展

在宏觀經濟發展期間，互聯網金融能夠對宏觀經濟造成非常大的影響，所以必須充分意識到互聯網金融與宏觀經濟的關系，以此來促進互聯網金融的進一步發展。

一、互聯網金融的發展分析

（一）以互聯網為核心的傳統金融互聯網金融其本質，就是傳統金融與互聯網技術相互之間的融合。人們通過互聯網，便可以完成金融產品的購買。我國以互聯網為核心的傳統金融業務，多數都是由各大金融機構引導的金融互聯網，在發展初期，很多金融機構都在互聯網中找到了今后的發展方向。在1996年，招商銀行優先在國內開通了網上銀行，而在后續幾年，其他銀行也陸續完善了網上銀行業務。現如今，我國電子銀行體系已經逐漸接近于完善，據不完全統計，以個人、企業、手機網上銀行為核心的電子銀行體系，已經覆蓋了我國約75%的人口。除此之外，諸如騰訊、阿里巴巴等企業也成功獲批了民營銀行的資格，第三方電子商務以及網絡金融平臺也成為了互聯網金融中不可或缺的一部分。

（二）第三方支付我國的第三方支付運營模式通常可以分為兩種，第一種屬于獨立在電商之外的第三方支付，這種支付模式本身并不具備擔保功能，屬于為用戶提供支付功能的一種方式，如快錢、易寶等。而另一種則是以支付寶為首的第三方支付模式，因為其自身依托于電商平臺，所以具有一定程度的擔保功能。這也是我國當前使用最為廣泛的一種第三方支付模式，其中支付寶、微信支付占據了第三方交易金額的85%以上。

（三）互聯網信用業務互聯網金融中的信用業務，包括眾籌、P2P網貸等功能，其中網絡屬于通過網絡平臺實現借貸雙方資金融通，可以滿足人們對于資金的使用需求，提高社會中各類閑散資金的利用率。而眾籌則能夠通過大規模集中閑散資金，來完成項目資金的聚集。

（四）虛擬貨幣虛擬貨幣的本質就是由計算機生成的各種復雜代碼，其中新幣能夠在P2P網絡節點中按照既定程序運算而成。虛擬貨幣設定有總量上限，在虛擬貨幣不斷增加的過程中，新幣的制造速度將會大幅降低，比特幣便是當前最為火爆的一種虛擬貨幣。

（五）互聯網金融的優勢互聯網金融就是通過互聯網、信息技術開展融資、投資的一種現代化金融模式。當前的互聯網金融與傳統金融存在著一致性，兩者都可以歸納在金融產品的范疇中，但是因為互聯網金融的覆蓋范圍遠遠大于傳統金融，所以互聯網金融的受眾群體往往會更大。人們在使用互聯網金融時，其便捷的金融服務模式將會使服務效果得到優化。互聯網金融與傳統金融兩者之間的關系非常特殊，既屬于競爭關系，又可以實現優勢互補。不同于傳統金融，互聯網金融在運營期間，其所需要的成本更低，這也是互聯網金融的一項核心優勢，因此可以通過線上采集、整理客戶信息，線下開展客戶跟蹤與服務。

二、互聯網金融對于宏觀經濟的積極影響

（一）經濟結構改革在互聯網金融出現之后，我國的傳統金融經濟結構便出現了轉變，由于我國相關法律有所約束以及金融產業的持續發展，所以經濟結構的轉變將會變得非常明顯。在互聯網金融的影響下，我國整體經濟結構會逐漸變得愈發穩定，而且傳統金融經濟結構也會與互聯網金融經濟結構實現融合，兩者相互之間形成優勢互補，從而實現宏觀經濟的可持續發展。在優勢融合之后，互聯網金融能夠為人們提供更加便捷的金融業務，而線下傳統金融則能夠在業務售后層面，提供足夠優質的業務跟進，從而提高用戶對于金融業務的滿意度。

（二）金融產品的豐富與創新互聯網金融作為金融產業的新模式，在發展過程中已經逐漸得到了人們的認同，這也代表著互聯網金融從宏觀經濟角度存在積極正面的影響。相較于原本的金融投資模式而言，從線下金融轉移到了線上金融。此時的用戶利用手機便可以完成對金融產品的投資，并實現個人的經濟管理，多樣化的金融產品將會為客戶提供更多的選擇。即便每一位用戶其自身的需求各不相同，依然可以通過對比選出更加適合自己的金融產品。例如阿里巴巴旗下的余額寶，便是很多人最常使用的一種活期金融產品，通過簡單的儲存便可以看到每天的收益不斷增加，在提高金融產品服務品質的同時，降低了金融產品的投資難度。

（三）優化傳統金融的缺陷在傳統金融行業的發展過程中，因為外界影響因素較多，所以傳統金融服務在一段時間內其主要面對的用戶群體屬于大型企業，而中小型企業與個人則無法購買金融產品，而且因為金融業務辦理難度較高且繁瑣，所以開展的金融業務往往無法滿足用戶的實際需求。然而在互聯網金融的影響下，傳統金融自身的缺陷將會得到彌補，利用互聯網平臺便可以完成中小企業以及個人的金融交易，提高整體交易量。使金融業務的覆蓋面變得更加廣泛。除此之外，在金融業務辦理中，互聯網金融的流程將會變得更加簡單，而且在大數據技術的協同下，還能夠根據用戶數據信息來了解用戶需求，以此將更加個性化的服務內容傳遞給用戶，進而促使宏觀經濟的發展。

（四）強化國民的消費能力互聯網金融的高速發展，能夠有效集中各個地區的消費資本，人們在日常生活中進行購物消費時，傳統現金的使用量將會出現大幅度降低，而互聯網金融則以其便捷性得到了人們的青睞。各個年齡層的人們會更加傾向于手機快捷支付。而且互聯網金融還能夠有效超越時間與空間，任何時間都可以在24小時營業的商家中進行消費。在互聯網金融的作用下，廣大民眾的消費能力將會有所上升，因為互聯網金融在消費期間無需排隊，消費效率也會因此而上升。除此之外，利用互聯網金融還可以隨時關注到自己當前的金融信息，減少現金的攜帶，在提升支付效率的同時提高資金安全性。

三、互聯網金融對宏觀經濟造成的負面影響

（一）信用風險上升在互聯網金融的發展過程中，借貸逐漸成為一種普遍的消費情況，依托于虛擬交易平臺，網絡交易將會變得非常簡單，但是網絡交易卻很難同時考慮到各個方面，因此在交易期間存在一定程度的信貸風險。在網絡階段過程中，貸款人很難及時掌握借貸人的資金使用情況，如果借貸人將貸款資金使用在了風險投資中，就會促使貸款違約風險進一步上升。在互聯網金融的不斷發展中，各類網絡借貸平臺的數量正在逐漸增多，其中大部分借貸平臺在開展借貸業務時，往往只會針對資金供需方面提供一定的業務引導，而在借貸雙方交易中并不能直接核查具體信息，當借貸平臺無法順利掌握資金情況時，就會導致信用違約的風險發生概率得到大幅度提升。

（二）征信體系風險在互聯網金融中，只有妥善控制金融風險，才能夠促使金融產業長久發展下去。在整個互聯網金融產業中，征信系統的重要性毋庸置疑，政府是否完善將會直接影響到金融風險的控制質量。就實際情況而言，我國當前主要流行的征信體系依然存在風險問題。處于金融市場中的部分小微型企業，并沒有完全融入到征信體系的管控中，所以需要通過強化現存的征信體系，來保證互聯網金融在發展過程中的安全性。

（三）高風險經營項目增多現如今，互聯網金融已經成為信貸金融行業中不可或缺的重要環節，通過互聯網金融不僅能夠有效降低業務成本，還能夠對理財業務做出優化。這也導致眾多想要投資的用戶將原本存儲于銀行中的存款，投入到了互聯網理財產品中，而銀行為了保證運營效果，就必須調整自身原有的資金獲取方式，通過結合當前貨幣市場的特點來優化資金的獲取方式。所以商業銀行會選擇開發部分風險相對較高的理財項目，以此來集中資金，這部分風險相對較高的互聯網金融產品，將會對宏觀經濟發展帶來一定程度的消極影響。

四、互聯網金融經濟與實體經濟的互動發展策略

（一）合理調整金融融資標準金融機構在貫徹相關金融政策時，因為行業自身具有一定的特殊性，所以在融資標準存在問題時，就會對實體經濟造成影響。所以需要定期針對當前的宏觀金融政策來開展經濟調整，并設置金融融資標準，只有金融標準足夠合理，才能夠帶動實體經濟的穩定發展。在實體經濟市場中，材料價格、投資決策變動都有可能對企業的資金管理帶來影響。而此時由金融機構提供的借貸業務，將成為解決資金問題的重要方式。所以在完善互聯網金融融資標準時，需要考慮得更加全面，在滿足國家當前的宏觀經濟政策的同時實現融資標準合理化。進而滿足實體企業的實際需求。

（二）完善互聯網金融風險控制手段我國互聯網金融目前所面對的主要風險，來自于金融市場，而產業自身的高速發展也會促使金融風險的形成。所以在遇到不同種類的互聯網金融風險時，需要結合實際情況選擇更加適合的金融風險控制手段。金融機構可以通過大數據、云計算等新興技術，來實現風險的預測與實時監管。對于金融行業而言，因為金融產業本身便具備一定程度的波動性，所以金融機構需要提前落實金融風險的評價指標，以此來完成客戶信用等級的客觀評價，進而發掘出優質的金融客戶群體。

（三）互聯網借貸模式的管控在互聯網金融的影響下，我國的金融支付方式正在逐漸增多，卻導致傳統銀行的柜面業務受到了一定程度的影響。而且互聯網金融的出現還降低了借貸業務門檻，借貸業務的風險程度也因此不斷上升。對于網絡借貸業務而言，雖然表面上有著相對較低的借貸利率，但是借貸平臺卻會通過手續費等方式來提高收款金額，此類借貸機構嚴重影響到了我國宏觀經濟的穩定發展。為了解決非法借貸等問題，需要合理加強網絡約束，強化對于互聯網借貸公司的資格審批與監管，維護人們應有的合法權益。除此之外，從客觀角度出發，互聯網金融與實體金融會隨時出現波動，因為金融經濟在發展時往往需要面對各種不確定因素，所以需要強化風險監管體系，以此來維護宏觀經濟的可持續發展。

篇3

此次印度洋海嘯奪去成千上萬人的生命，再一次把亞洲卷入極度悲痛之中。幸運的是，盡管海嘯破壞了數百萬家庭的正常生活，但它對宏觀經濟的影響可能非常有限，而且這遠遠小于2003年SARS造成的破壞。這里有四點理由支持該論斷。

四大理由

首先，海嘯的影響主要是海濱城鎮和村莊。到目前為止，還沒有關于大城市或工業/港口設施受到嚴重損害的相關報道。海濱地區有巨大的人員傷亡，而內陸地區基本安然無恙。海嘯已經對這些地區的觀光旅游業造成極大的經濟損失，但這在受災國家和地區GDP的總額中只占很少份額。在遭遇海嘯的東南亞各國中，（編者注：除馬爾代夫外，）泰國可能是經濟上遭受打擊最大的國家，因為泰國的GDP中有6%由旅游業創造，而在其中占有重要地位的普吉島地區旅游業受到了最為嚴重的影響。在印尼，受海嘯影響最大的是亞齊省，那里的旅游業并不發達，而是擁有豐富的石油資源。該地區的石油業設施在海嘯中得以保存，并且在第二天就重新開始運作了。與泰國和印尼相比，海嘯對馬來西亞的影響就更小了，檳榔嶼等旅游景點都沒有太大的破壞。

其次，與SARS的破壞力曾持續數月不同的是，這次海嘯所造成的破壞可能是短期的，而隨后的工作也會減少災害對旅游業造成的消極影響。的確，國外許多旅游者取消了旅游計劃和預定的酒店客房，但隨著廢墟的清理和旅游設施的重建，到那些受災地區觀光的游客很可能會更多。而且，在國內和國外會產生一些短期的(甚至有些是持久的)替代效應。例如，泰國、斯里蘭卡以及馬來西亞的那些未受影響的旅游景區可能將面對日益增加的需求，就像印尼的巴厘島和菲律賓的宿務島這些并未受到影響的亞洲重要旅游景點一樣。

第三，觀光旅游業以及漁業出口的損失也許能部分地(或者甚至能超過補償值)通過重建加以補償，而且，由此對GDP帶來的整體影響也不一定很大，消極作用不會很明顯。歷史證明，自然災難后的重建工作往往成為強大的發展動力。1995年1月在日本海濱城市神戶的大地震就是很好的例子。那次地震奪去了6400人的生命，造成的資產損失更大，達950億美元。但這對1995年日本的GDP影響卻并不明顯，這主要得益于緊隨其后的大規模重建。

第四，大規模國外財政債務減免行動正在進行中，這將為受災地區提供重建資金，并緩解食物和藥品的缺乏狀況。1月6日，世界各國首腦在印度尼西亞召開會議，商討災后重建、地區海嘯預警系統創建以及國際化合作等事項。到目前為止，已有40多個國家承諾對受災國家給予援助，援助金額達36億美元。

篇4

關鍵詞：并購；宏觀經濟環境；VAR模型

中圖分類號：F830.91 文獻標識碼：A 文章編號：1003-3890（2014）06-0087-08

一、引言

關于并購活動的動因，西方學者通常是根據新古典經濟理論和行為理論進行解釋的。新古典經濟理論認為并購浪潮一般由經濟、管制和科技等因素的沖擊所導致（Mitchell and Mulherin，1996；Brealey and Myers，2003；Harford，2005；Martynova and Renneboog，2008）[1-4]；而行為理論則認為并購浪潮是由管理者的問題、自負及羊群行為所引起（Shleifer and Vishny， 1991； Bikhchandani， Hirshleifer and Welch，1992；Milbourn，Boot and Thakor，1999）[5-7]。此外，還有一些學者認為并購浪潮是資本市場的發展、公司管理者利用資本市場的過高估價而擇時并購的結果（Shleifer and Vishny，2003；Rhodes-Kropf and Vishwanatan，2004；Rhodes-Kropf，Robinson and Vishwanathan，2005）[8-10]。盡管我國與西方發達國家的經濟環境不同，但并購活動總體上也呈浪潮式發展，并且具有周期性（唐紹祥，2006；劉淑蓮，2010；張秋生，2010）[11-13]。對這一現象的研究，國內學術界主要運用歸納性假設分析方法來研究并購浪潮的驅動因素（劉淑蓮，2010；張秋生，2010）[12-13]，在采用實證方法研究中，唐紹祥（2007）運用協整檢驗和誤差修正模型檢驗了1998―2006年我國總體性并購活動與宏觀經濟變量之間的關聯性，發現經濟周期、利率及股價與總體性并購活動存在長期均衡關系[14]。

總體而言，采用實證方法檢驗并購與宏觀經濟的關系，特別是運用中國公司并購的時間序列數據檢驗宏觀經濟沖擊的影響還存在很大的研究空間。本文以我國上市公司于1998年1月至2012年12月發起的并購事件為研究樣本，運用協整檢驗、VAR模型、脈沖響應函數、方差分解及Granger因果關系檢驗方法，研究發現：經濟發展水平及股價與總體性并購活動存在長期均衡關系，而利率與總體性并購活動并不存在長期的均衡關系；經濟發展水平與股價是總體性并購活動的Granger原因，而利率并不是總體性并購活動的Granger原因；短期內，經濟發展水平波動與股票價格波動對總體性并購活動波動存在正向影響，利率波動對總體性并購活動波動存在負向影響。與其他研究中國并購活動的實證論文不同，本文的研究樣本時間跨度長，采用協整檢驗、平穩時間序列數據的向量自回歸模型以及Granger因果關系檢驗方法檢驗并購動因，一方面可以克服多元線性回歸在刻畫經濟變量之間的長期關系時可能存在的偽回歸問題，另一方面也可以與非平穩時間序列數據的向量誤差修正模型相比較。本文研究結果與唐紹祥（2007）的結論有所不同，得出了一些新的研究結論。本文的研究不僅有助于檢驗我國已取得的各種歸納性假設，而且還有助于理解我國上市公司總體性并購活動的發展趨勢，明確影響并購活動的宏觀驅動因素，為公司預測與選擇并購時機、提高并購協同效應提供有價值的參考依據。

二、文獻回顧

關于并購活動的驅動因素，西方學者大多是側重于微觀經濟個體研究并購的形成動因，至今尚未得出一致的結論。盡管對并購動因的理論研究尚存較大分歧，但一些學者研究發現大部分并購活動幾乎在不同的行業、不同的公司同時發生，這表明并購活動可能存在共同的驅動因素（Harford，2005）[3]，即不同于微觀經濟個體的宏觀經濟動因，這些因素可能是經濟發展水平、資本市場、產業沖擊、科技進步等，本文主要從前兩個方面作一個簡要的回顧。

Reid（1968）提出了并購活動-經濟繁榮理論[15]，為更好地理解并購活動與宏觀經濟的關系作出了開創性的工作。在此基礎上，一些學者研究發現并購活動與經濟周期存在著相關性，即并購活動存在順周期特征（Melicher，Ledolter and D’Antonio，1983；Becketti，1986；Makaew，2011）[16-18]；并購活動的強度與經濟增長及資本市場狀況的變化正相關（Nelson，1966；Liu and Wen，2010；Palmquist and Sandberg，2012）[19-21]。Maksimovic and Philips（2001）研究發現并購活動通常在經濟繁榮時期升溫，而在經濟衰退時期放緩[22]。Lambrecht（2004）采用實物期權方法研究表明并購活動與產品市場需求正相關，當產出價格處于高位時觸發并購[23]。因此，并購活動與產品市場周期相關。從宏觀經濟指標與并購活動的關系分析，Steiner（1975）研究發現并購交易數量與GNP正相關，且并購活動的增加與經濟環境的改善相關[24]。Golbe and White（1988）也證實并購交易數量與GNP正相關，但與實際利率負相關[25]。

Harford（2005）不僅認為并購活動是應對經濟環境變化的結果，而且還認為資本市場的繁榮所帶來的足夠的資本流動性是驅動并購的必要因素[3]。Shleifer and Vishny（1992）認為并購活動與經濟發展水平的關聯性由資產流動性價值與債務融資能力的關聯性所驅動[26]。Eisfeldt and Rampini（2006）也認為公司之間資產重新配置的順周期緣于資本重新配置成本的反周期[27]。Melicher、Ledolter and D'Antonio（1983）將并購作為股票價格和債券利率的函數來解釋并購活動，他們的研究發現：（1）股票價格上漲（下跌）后一個季度內出現并購活動的增加（減少），由于并購談判往往在并購完成兩個季度前才開始，所以并購談判可能比股票價格的變化領先一個季度；（2）并購活動與先前的債券利率負相關，但其相關程度弱于并購活動與股票價格的相關程度[16]。這些結論表明融資可獲得性是主并公司進行并購活動的重要驅動因素，當資金較容易獲得時（股票價格上升、利率下跌），并購活動增加。這與資本市場狀況或其背后的原因可以解釋并購活動的觀點是一致的。李瑞海、陳宏民和鄒禮瑞（2006）認為中國的兼并活動與GDP增長率和市場化程度正相關，而與股票指數存在較弱的相關性[28]。唐紹祥（2006）研究發現中國總體并購活動呈浪潮式發展，并購活動具有周期性，而非遵循隨機游走過程[11]。唐紹祥（2007）認為經濟周期和利率是中國并購浪潮形成的主要原因[14]。潘勇輝（2007）通過對中美兩國1991―2005年跨國并購與經濟增長的關系進行協整檢驗，驗證兩者之間存在著長期協整關系和短期修正關系[29]。

行為金融學的發展使股票市場與并購活動的關系得到了新的注釋。Brealey and Myers（2003）認為引發并購的原因是部分股票的價值被錯估，特別是當股票市場處于繁榮期時，股票價值被高估公司的管理層更傾向進行并購交易活動[2]。從行為學的角度分析，股票市場錯誤定價與管理者的過度樂觀與自信的交互作用共同推動了并購活動。Shleifer and Vishny（2003）明確將這種觀點概括為“股票市場驅動并購”[8]。Rhodes-Kropf and Viswanathan（2004）（R-KV）認為繁榮的股票市場使得主并公司可以通過被市場高估的股票去收購被市場低估的目標公司[9]。雖然R-KV給出了收購者行為的解釋，但仍然存在一個問題，即既然主并公司的股票被高估，為何目標公司會接受股票對價并購交易呢？R-KV認為主并公司與目標公司之間存在信息不對稱問題，目標公司不足以正確估計并購行為本身的價值。他們對股票價格的總估價錯誤導致了對并購協同效應的估價錯誤。因而接受了主并公司被市場過高估價的股票。Rhodes-Kropf、Robinson and Viswanathan（2005）將公司的市場賬面價值比率拆分成公司成分與市場成分，認為市場層面的錯誤定價是并購浪潮發生的顯著影響因素[10]。Rosen（2006）檢驗了并購對主并公司股票價格的影響，研究發現相比于其他時期的并購活動，并購市場繁榮時期的并購活動給主并公司帶來的收益較高，但是從長期來看，并購收益較低[30]。這表明過度樂觀的投資者誤判了并購所能帶來的協同效應。股票市場雖然是并購活動的一個顯著驅動力，但不能完全解釋并購活動的出現。由于受到其他經濟因素的影響，股票市場的繁榮可以刺激更多并購活動的發生，但并不是并購浪潮唯一顯著的驅動力。

除上述經濟發展水平、資本市場等宏觀經濟因素外，Mitchell and Mulherin（1996）、Harford（2003）的研究不僅證明并購活動和經濟環境中的股票市場有關，同時他們發現經濟、制度、產業沖擊等因素都會引發集聚的并購活動[1，31]。也有的學者分析技術進步對并購的影響，他們認為技術沖擊對產業環境、經濟環境的影響，改變了市場上要素的平衡關系，通過并購手段可以實現資源的優化配置和新的平衡（Jovanovic and Rousseau，2002）[32]。

綜上所述，我們發現并不存在唯一的并購活動驅動因素，并購浪潮的出現是各個因素綜合作用的結果。正如Ali-Yrkk？（2002）所認為的那樣，宏觀層面的因素諸如經濟繁榮、技術發展、全球化與規制等引起行業沖擊，為了有效應對這種沖擊，微觀層面的管理者出于經濟動機、管理動機與自負動機而作出并購決策[33]。因此，我們認為雖然并購更像是公司層面的事件，然而這種微觀層面的并購交易活動的發生往往具有聚類的趨勢，形成一種浪潮，這種現象表明從宏觀上來看，可能存在著一種普遍的長期均衡環境驅動著并購活動。本文主要從宏觀經濟環境層面來研究我國總體性并購活動的驅動因素，檢驗宏觀經濟環境與總體性并購活動是否存在著長短期關系。

三、理論分析與研究假設

（一）經濟發展水平與并購活動

根據“并購―經濟繁榮理論”，經濟增長和資本市場繁榮與并購活動呈同方向變化，如果以國內生產總值（GDP）代表總體經濟增長水平，那么，GDP越大，并購活動的交易量與交易額就越大。這是因為GDP絕對規模越大或者GDP增長率水平越高，意味著總體經濟需求越大，因而可能導致經濟資源的重新配置以達到最佳使用。而這種經濟資源重新配置的需要又觸發了并購活動。在美國、英國和歐盟其他地區，并購浪潮總是發生在經濟強勁增長、股票市場高漲時期，并購浪潮與經濟發展水平關系緊密，全球并購的興起與衰退伴隨著世界經濟發展水平高峰與低谷的輪回而交替。同時，隨著經濟發展水平的變動，宏觀經濟因素的變化對公司并購活動也產生周期性變動。GDP對并購活動的正向影響也得到了Resende（2008）的支持，他們認為國內總體并購活動與GDP之間存在正相關關系[34]。另一方面，Healy and Palepu（1993）認為GDP規模越大，公司現金持有水平越高，而公司則會利用這些超額現金去并購當地的其他公司以增加公司規模及獲得市場支配力[35]。基于上述分析，我們提出如下待檢驗的假設。

假設1：經濟發展水平（GDP）對并購活動存在正向影響。

（二）市場利率水平與并購活動

并購作為一種投資行為，需要大量的資金作保證。由于并購公司的內部資金有限，完成并購交易所需要的資金一般是通過債務融資支付對價，因此，并購活動可能會受到現行實際利率水平的影響。較高的利率水平將意味著較高的資本成本以及緊縮的貨幣政策，將不利于并購活動的發生。結果，并購活動與現行實際利率水平之間存在負相關關系（Golbe and White，1988；Weston，Mitchell and Mulherin，2004）[25，36]。融資約束可能會阻礙公司的并購交易活動，而較低的利率放松了公司的融資約束，當公司持有更多的現金或更容易進入外部資本市場融資時，就會更容易發起并購活動（Harford，2005）[3]。已有的研究表明并購水平與經濟環境及資本市場狀況的變化相關，并購活動為主并公司的融資可獲得性所驅動，較低的利率降低了融資成本，當資金較容易獲得時，并購活動增加（Melicher，Ledolter and D'Antonio，1983）[16]。Yagil（1996）研究發現利率與并購活動之間存在負相關關系[37]。基于上述分析，我們提出如下待檢驗的假設。

假設2：市場利率水平對并購活動存在負向影響。

（三）股票市場狀況與并購活動

根據預期理論，股票市場狀況直接影響人們對未來經濟增長前景的預期。股票市場越繁榮，股票價格越高，越容易引發公司的并購活動。Geroski （1984）、Guerard（1989）考察了股票價格與并購活動之間的關系，認為股票價格對并購活動具有兩方面的影響：一是高股票價格降低了公司的資本成本，提高了并購活動所能帶來的未來回報的凈現值；二是現行的股票價格在預測未來經濟發展水平的變化方面在統計上顯著[38-39]。Gort（1969）提出了用以解釋并購活動與股票價格之間關系的“經濟突變理論”（Economic Disturbance Theory）[40]。他認為外部經濟因素的變化（如股價的上升）會引起持股股東和非持股股東對公司價值的不同預期，從而引起并購活動水平的增加，變動的股市比靜止的股市能產生更多價值被低估的公司，促使公司去收購價值被低估公司的股票，從而解釋在股市上升或下降過程中產生并購活動的出現。當一國股票市場進入蕭條期時，股票價格往往被嚴重低估，就會出現較多的跨國并購現象。Shlerfer and Vishny（2003）、Rhodes-Kropf and Viswanathan（2004）認為股票市場估值驅動并購浪潮。他們認為繁榮的股票市場導致主并公司用過高估價的股票去并購被市場低估的目標公司的資產[8-9]。基于上述分析，我們提出如下待檢驗的假設。

假設3：股票價格指數對并購活動存在正向影響。

四、研究設計

（一）樣本選取與數據來源

由于中國較為頻繁的上市公司并購起始于1997年，所以，本文采用的數據起止日期為1998年1月至2012年12月。為了保持數據統計口徑的一致性，將各變量數據調整為季度數據，并對明顯具有季節性的變量數據利用X12方法進行了季節調整。并購數據來源于CSMAR中國上市公司并購重組研究數據庫，GDP、利率與股票價格指數數據來源于中經網統計數據庫及Wind資訊。

（二）變量定義與模型設定

1. 變量定義。（1）并購交易數量。衡量并購交易活動的方法有兩種：一是根據并購交易的數量，二是根據并購交易的總金額。單獨考慮并購交易的數量，可以做到對所有并購交易活動一視同仁，是對發生在中國的并購活動廣度的一個明顯度量。相對地，單獨關注并購交易的總金額，是對大規模交易的深度或重要性的度量。但由于不少中國上市公司的并購交易金額并未披露，考慮到數據的可獲得性問題，本文決定采用并購交易數量的季度數據來衡量中國上市公司的總體性并購活動。根據CSMAR中國上市公司并購重組研究數據庫的重組類型標準，將并購限定為資產收購、股權轉讓、吸收合并以及資產置換，而不包括資產剝離、債務重組與股份回購等形式的廣義并購活動。在實證研究之前，利用X12方法進行了季節調整。變量用M&A表示。

（2）GDP。為了研究經濟發展水平對中國上市公司總體并購活動的影響，本文采用實際GDP的季度數據進行度量。變量用GDP表示。

（3）利率。本文利率指標采用六個月期貸款實際利率的季度數據。變量用R表示。

（4）股票價格指數。由于綜合反映股票市場狀況的滬深300指數只能獲得2005年及以后的數據，且國內沒有其他反映滬深股價綜合水平的指數，同時考慮到深圳綜合指數與上證綜合指數的波動幾乎保持同步，因此，采用深圳綜合指數的季度數據來反映股票市場狀況。數據在使用之前采用X12進行了季節調整。變量用StockPrice表示。

2. 模型設定。為了研究宏觀經濟環境對中國上市公司總體性并購活動的影響，本文建立（1）式的基本模型，以分別考察經濟發展水平、股票市場狀況以及市場利率水平與并購活動之間的關聯性。考慮到各宏觀經濟變量之間可能存在相關性，我們將對1998年1月至2012年12月的變量數據進行時間序列分析。采用的研究方法具體包括協整分析以及建立VAR模型，通過運用脈沖響應函數與方差分解，檢驗各宏觀經濟變量對總體性并購活動的動態影響關系及其影響程度，最后對各宏觀經濟變量與總體性并購活動進行Granger因果關系檢驗。

M&At=？琢+？茁1GDPt+？茁2Rt+？茁3StockPricet+？著t（1）

（1）式中，M&At為并購交易數量，GDPt為國內生產總值，Rt為利率，StockPricet為上證綜合指數，εt為隨機擾動項。

五、假設檢驗與結果

（一）宏觀經濟變量與并購活動的長期關系檢驗

1. 單位根檢驗。Chowdhury（1993）認為大多數宏觀經濟變量與并購活動的替代變量為非平穩變量[41]。因此，在模型的構建過程中，為避免時間序列出現偽回歸的現象，本文利用Augment Dickey Fuller（ADF）檢驗以及Phillps-Perron檢驗，以檢驗時間序列的平穩性。

從表1可以看出，這些序列都是一階單整序列I（1），即它們本身都是非平穩時間序列，而其一階差分序列都為平穩時間序列，滿足協整檢驗的前提。

2. 協整檢驗。Johansen檢驗和用于單方程的基于回歸殘差檢驗的ADF檢驗不同，它是基于回歸系數的協整檢驗，用于檢驗變量之間的長期穩定關系。單位根檢驗結果表明，M&A、GDP、R與StockPrice這四個變量在5%的顯著性水平上均為I（1）過程，從而采用Johansen檢驗法分別檢驗M&A與GDP、R及StockPrice之間的協整關系。表2至表4的跡統計量和最大特征值統計量檢驗方法的結果同時表明，M&A與GDP及StockPrice之間在5%的顯著性水平上至少存在一個協整關系，而M&A與R之間在5%的顯著性水平上不存在協整關系。表明并購活動與經濟發展水平及股票價格之間存在長期的均衡關系，而并購活動與利率之間不存在長期的均衡關系。

（二）宏觀經濟變量隨機波動影響并購活動的動態過程分析

由協整檢驗確定了M&A、GDP、R與StockPrice四個變量之間是否存在長期均衡關系之后，我們利用VAR模型考察變量間的短期動態關系。在VAR模型中，它直接把系統中的每一個內生變量作為系統中所有內生變量的滯后值的函數來構造模型，分析隨機擾動對變量系統的動態沖擊，從而解釋各種經濟沖擊對經濟變量造成的影響。為了考察并購活動、經濟發展水平、利率及股票市場狀況之間的短期動態關系，我們建立了包括并購交易數量、實際GDP、六個月期貸款利率以及深圳綜合指數的VAR模型，見方程（2）。由于平穩時間序列在建立VAR模型時效果較好及各變量均為一階單整序列，因此在下文中將使用各變量的一階差分序列進行分析。

AiM&AtGDPtRtStockPricet=？椎i+？著it（2）

其中，Ai為i維矩陣，i為滯后階數，？椎i為常數項向量，εit為白噪聲擾動向量。

1. VAR模型滯后階數的確定。建立VAR模型的一個重要問題是最佳滯后階數的確定，滯后期的選擇可能會影響VAR模型估計的結果。因為模型的解釋變量多了，解釋力就要大一些，而解釋變量的增多會帶來自由度的損失。因此，在選擇滯后階數時，既要有足夠數目的滯后項，又要保證足夠數目的自由度。而各種信息準則考慮了自由度的損失，可以作為判斷模型階數的依據。本文采用常用的LR檢驗、AIC信息準則以及SC信息準則等來判斷恰當滯后期（見表5），由結果我們可以看到，滯后1期的VAR模型最為合適，因此，建立VAR（1）模型。

2. VAR模型的平穩性檢驗。VAR模型具有穩定性是模型適用的前提，模型穩定的充分必要條件是所有特征值的模都在單位圓以內（小于1），本文通過VAR單位根表對模型進行平穩性檢驗，得出模型中不存在大于1的單位根（見表6），所以建立的VAR（1）模型是非常平穩的。在此基礎上，我們可以進行脈沖響應和方差分解，檢驗宏觀經濟變量波動對并購活動的影響。

3. 脈沖響應函數。VAR模型的系數通常難以解釋，而脈沖響應函數描述了在隨機誤差項上施加一個標準差大小的沖擊或新息（Innovation）對內生變量的當期和未來值所帶來的影響。因此，研究者通常運用脈沖響應來推斷VAR的內涵。在VAR模型基礎上，本文采用Cholesky分解技術，通過脈沖響應函數來進一步分析并購活動對GDP、R與StockPrice的一個標準差新息的脈沖響應。

從圖1來看，對GDP的一個沖擊，M&A在初始階段呈正向影響，之后這種擾動沖擊對并購的影響緩慢減小，在第三期后，并購的波動趨于零。說明中國并購活動的波動與反映經濟發展水平的GDP的波動正相關，處于擴張或繁榮階段的宏觀經濟環境有利于并購活動的開展。然而GDP沖擊對M&A的影響較為微弱。原因在于，中國市場經濟的發展不如西方國家那么成熟，并購重組活動大多在行政主導下完成，帶有政策性色彩，真正通過市場化運作完成并購交易的較少。

從圖2來看，對R的一個沖擊，M&A在短期內有較小幅度的下降，在三期之后趨于穩定。可見，并購活動的波動與利率的波動之間存在著負相關關系，說明在短期內融資成本的高低直接影響并購交易活動的發生。

從圖3來看，對StockPrice的一個沖擊，M&A在短期內有較小幅度的上升，在三期之后趨于穩定。說明并購活動的波動與反映股票市場狀況的股票價格指數的波動正相關。但StockPrice沖擊對M&A的影響較為微弱。原因在于中國政策性的股票市場不能完全有效地反映宏觀經濟的發展狀況，股市不能真正成為經濟發展的晴雨表；另一方面由于中國上市公司長期以來股權分置，存在股權高度集中，“一股獨大”現象，不利于股票在并購交易中充當支付工具的角色，同時，由于政策制度等方面的限制，也不利于主并公司利用股票市場的錯誤定價而擇時并購。最后，從并購交易支付方式的角度，我們也可以看出股票市場狀況對并購交易的影響較為微弱。劉淑蓮（2010）根據CSMAR數據庫對并購支付方式的分類標準，統計了1998―2008年共20 647起并購案，發現采用內部資金支付方式的并購案為90%以上，股票支付等方式占的比例非常小。這說明中國主并公司較少利用股權融資來完成并購交易活動。

4. 方差分解。分析了并購活動波動對經濟發展水平、利率及股票市場狀況擾動沖擊變化的響應之后，我們將利用方差分解方法分析經濟發展水平、利率及股票市場狀況的波動對并購活動波動的貢獻度，從而了解各新息對并購活動變化的相對重要性。

從表7可以看出，在對并購活動波動的影響中，如果不考慮并購活動自身的貢獻率，利率波動對并購活動波動的貢獻率雖然最大并且長期保持穩定，但也只達到0.8%左右；而反映經濟發展水平的GDP的波動對并購活動波動的貢獻率較小，一直在3%左右；股票價格指數的波動對并購活動波動的貢獻率也同樣較小，一直在0.2%左右。總之，在短期內，GDP、利率及股票價格的波動對并購活動波動的影響均較為微弱。

5. 基于VAR（1）的Granger因果關系檢驗。由單位根檢驗的結果可知所有變量均為I（1）序列，即原序列是非平穩時間序列。Granger因果關系檢驗要求變量序列是平穩的，且滯后期的選擇很重要。而基于VAR模型的Granger因果關系檢驗卻可以運用于具有協整關系的非平穩時間序列，滯后期的選擇也是確定的。基于VAR（1）的Granger因果關系檢驗的檢驗結果如表8所示。

檢驗結果表明，反映經濟發展水平的GDP與反映股票市場狀況的股票價格指數是并購活動的Granger原因，而貸款利率并不是并購活動的Granger原因。說明繁榮的經濟發展與股票市場狀況確實有助于并購活動的發起，而貸款利率對并購活動發起的影響不甚明顯。

六、研究結論與展望

本文運用時間序列數據深入地研究了經濟發展水平、利率與股價指數對我國總體性并購活動的影響。研究結果表明：（1）總體性并購活動與經濟發展水平及股票市場狀況存在長期的均衡關系，而總體性并購活動與貸款利率并不存在長期的均衡關系。從因果關系看，存在著經濟發展水平與股票價格指數到總體性并購活動的單向因果關系，而利率與總體性并購活動不存在因果關系。說明經濟發展水平與股票價格指數是我國并購浪潮形成的重要原因。（2）在短期動態調整過程中，各宏觀經濟變量波動的沖擊對并購活動波動的影響程度存在差異。GDP波動在短期內對并購活動波動有著正向影響，但這種影響幅度較小。影響程度雖然沒有達到西方發達國家的水平，但隨著我國市場經濟的不斷發展，宏觀經濟的繁榮與否確實影響著公司的投資行為。雖然利率與總體性并購活動并不存在長期的均衡關系，但利率波動在短期內對并購活動波動有著一定幅度的負向影響。說明融資成本在一定程度上阻礙了并購活動的發生。股票價格指數波動在短期內對并購活動波動也存在正向影響，影響幅度同樣較小。其原因可能在于：一方面，我國證券市場還不是很成熟，為典型的政策市場，而且股改前后，我國股票市場均存在大量的國有股與法人股，這使得股票價格指數的波動很難對總體性并購活動波動產生顯著的短期動態影響。通過以上分析發現，經濟發展水平與股票價格指數的波動是形成并購浪潮的重要原因，而利率波動雖然短期內對總體性并購活動有影響，但并不存在長期穩定的影響。

本文僅研究了反映宏觀經濟環境的幾個主要因素對總體性并購活動的影響，而進一步地研究需要在此基礎上，結合微觀層面與行業層面的因素來分析總體性并購活動的影響因素，及其分析驅動總體性并購活動的各層面影響因素的相對重要性。隨著全球經濟一體化的逐漸深入，對不同國家的總體性并購活動的主要驅動因素進行比較分析，將進一步加深對全球性并購活動驅動因素的理解。

參考文獻：

[1]Mitchell M L， Mulherin J H. The Impact of Industry Shocks on Takeover and Restructuring Activity[J].Journal of Financial Economics，1996，（41）：193-229.

[2]Brealey R A， Myers S C. Principles of Corporate Finance[M]. seventh ed. McGraw-Hill，New York，2003.

[3]Harford J. What Drives Merger Waves？[J].Journal of Financial Economics，2005，（77）：529-60.

[4]Martynova M， Renneboog L. A Century of Corporate Takeovers： What Have We Learned and Where Do We Stand？[J].Journal of Banking and Finance，2008，32（10）：2148-2177.

[5]Shleifer A， Vishny R W. Takeovers in the '60s and the '80s： Evidence and Implications[J].Strategic Management Journal，1991，（12）：51-59.

[6]Bikhchandani，Hirshleifer， Welch. A Theory of Fads，Fashion，Custom，and Cultural Change as Informational Cascades[J].Journal of Political Economy，1992，100（5）： 992-1026.

[7]Milbourn，Boot， Thakor. Megamergers and Expanded Scope： Theories of Bank Size and Activity Diversity[J].Journal of Banking and Finance，1999，23（2-4）：195-214.

[8]Shleifer A， Vishny R. Stock Market Driven Acquisitions[J].Journal of Financial Economics，2003，70：295-311.

[9]Rhodes-Kropf M， Viswanathan S. Market Valuation and Merger Waves[J].Journal of Finance，2004，59（6）：2685-2718.

[10]Rhodes-Kropf M， Robinson D， Viswanathan S. Valuation Waves and Merger Activity： The Empirical Evidence[J].Journal of Financial Economics，2005，77（3）： 561-603.

[11]唐紹祥.我國并購浪潮假說的實證檢驗[J].財貿經濟，2006，（9）：75-80+97.

[12]劉淑蓮.上市公司并購重組演變與理論研究展望[J].會計師，2010，（4）：4-6.

[13]張秋生.并購學：一個基本理論框架[M].北京：中國經濟出版社，2010.

[14]唐紹祥.我國總體并購活動與宏觀經濟變量的關聯性研究――對我國并購浪潮成因的分析[J].數量經濟技術經濟研究，2007，（1）：83-91.

[15]Reid S. The Conglomerate Merger： A Special Case[J].Antitrust Law and Economic Review，1968，（2）：141-66.

[16]Melicher R， Ledolter J， D'Antonio L. A Time Series Analysis of Aggregate Merger Activity [J].The Review of Economics and Statistics，1983，65：423-430.

[17]Becketti S. Corporate Mergers and the Business Cycle，Economic Review[J].Federal Reserve Bank of Kansas City，1986，71：13-26.

[18]Makaew T. Waves of International Mergers and Acquisitions[R] AFA 2012 Chicago meetings paper，University of South Carolina - Moore School of business，（October）.

[19]Nelson R L. Business Cycle Factors in the Choice Between Internal and External Growth[M]//.Alberts W， Segall J. The Corporate Mergers. Chicago： University of Chicago Press，1966.

[20]Liu J， Wen Z. An Empirical Study on the Correlation between Business Cycles and M&A[R].Management and Service Science （MASS），2010 InternationalConference，Leshan，China，24-26 August.

[21]Palmquist S， Sandberg V. The Art of Surfing the Waves of Mergers and Acquisitions： An Empirical Study on the Macroeconomic Determinants of Mergers and Acquisitions in Sweden[D].（Doctoral dissertation，？rebro University）.2012.

[22]Maksimovic V， Phillips G. The Market for Corporate Assets： Who Engages in Mergers and Asset Sales and Are There Efficiency Gains？[J].Journal of Finance，2001，56（6）：2019-2065.

[23]Lambrecht B. The Timing and Terms of Mergers Motivated by Economies of Scale[J].Journal of Financial Economics ，2004，72：41-62.

[24]Steiner P. Mergers： Motives，Effects，and Policies[M].Michigan： University of Michigan Press，1975.

[25]Golbe D L，White L J. A Time Series Analysis of Mergers and Acquisitions in the US Economy[M]//.Auerbach A J. Corporate Takeovers Causes and Consequences. Chicago： NBER and University of Chicago Press，1988.

[26]Shleifer A， Vishny R W. Liquidation Values and Debt Capacity： A Market Equilibrium Approach[J].Journal of Finance，1992，47：1343-1366.

[27]Eisfeldt A L， Rampini A A. Capital Reallocation and Liquidity[J]. Journal of Monetary Economics，2006，53（3）：369-399.

[28]李瑞海，陳宏民，鄒禮瑞.影響中國企業兼并宏觀因素的實證研究[J].管理評論，2006，（5）：50-53.

[29]潘勇輝.跨國并購與經濟增長的長短期關系研究――基于中美的比較研究[J].管理世界，2007，（7）：152-153.

[30]Rosen R. Merger Momentum and Investor Sentiment： the Stock Market Reaction to Merger Announcements[J].Journal of Business，2006，79：987-1017.

[31]Harford J. Efficient and Distortional Components to Industry Merger Waves[R].SSRN Working Paper，2003，No. 39.

[32]Jovanovic B， Rousseau P L. Mergers as Reallocation[R].NBER Working Paper，2002，No. 9279.

[33]Ali-Yrkk？， Jyrki. Mergers and Acquisitions： Reason and Results[R].ETLA Discussion Papers，The Research Institute of the Finnish Economy （ETLA），2002，No. 792.

[34]Resende M. Mergers and Acquisitions Waves in the UK： a Markov-Switching Approach[J].Applied Financial Economics，2008，18（13）：1067-1074.

[35]Healy P M， Palepu K G. International Corporate Equity Acquisitions： Who，Where and Why？[M]//.Foreign Direct Investment. Kenneth A Froot （ed.）Chicago：The University of Chicago Press，1993.

[36]Weston J F， Mitchell M L， Mulherin J H. Takeovers，Restructuring，and Corporate Governance[M].Pearson Education，Inc. Publishing as Prentice Hall.2004.

[37]Yagil J. Mergers and Macroeconomic Factors[J].Review of Financial Economics，1996，5（2）：181-190.

[38]Geroski P A. On the Relationship between Aggregate Merger Activity and the Stock Market[J]. European Economic Review，1984，25：223-233.

[39]Guerard J. Mergers，Stock Prices，and Industrial Production： Further Evidence[J].Economics Letters，1989，30（2）：161-164.

[40]Gort M. An Economic Disturbance Theory of Mergers[J].Quarterly Journal of Economics ，1969，83：624-642.

[41]Chowdhury A R. Univariate Time-Series Behavior of Merger Activity and Its Various Components in the United States[J].Applied Financial Economics，1993，（3）：61-66.

The Impact of the Macroeconomic Environment on M&A Activity

――Empirical Research Based on Time-series Data

Li Jinglin1，2

（1. School of Accounting， Hubei University of Economics，Wuhan 430205， China；

2. Hubei Accounting Development Research Center， Hubei University of Economics， Wuhan 430205， China）

篇5

【關鍵詞】宏觀經濟發展；影響要素

引言

經濟發展最注重的就是經濟發展的協調性、可靠性以及穩定性，隨著近幾年來經濟的快速發展，經濟發展質量也受到了各國的高度重視。要想從根本上做好緊急發展，最主要的就是轉變經濟發展方式，根據實際需要促進其實現成功轉型。本文從不同的層面以及不同的社會視角對發展經濟學做了研究和探索，提出影響宏觀經濟發展波動的主要因素。

一、人口、資源、環境與經濟發展

一個國家經濟發展要想得到實質性的提升，基礎要素就是人口、資源與環境。尤其是人口發展，對現代經濟發展有著重要的現實意義。

1 .人口與經濟發展

一直以來，人口經濟的核心問題同發展經濟學的核心問題都是相同的，即經濟發展與人口因素之間的關系。最近幾年以來，人口質量、人口結構與經濟發展之間的關系隨著發展經濟學由經濟增長理論向經濟發展理論的轉變而逐漸受到了更高的重視。

（1）人口增長與經濟發展

1978年馬爾薩斯提出了“低水平均衡的人口陷阱”理論，表示人口數量的變化對一個國家的經濟發展有著重要影響，從此這也就成為了一個頗受各國關注的問題。直到目前為止，人類對于經濟發展和人口數量之間的關系主要表分為兩種觀點，一種是人口增長阻礙經濟發展；另一種是人口增長有助于經濟增長。這些結論并不適用于每個國家，但是從普遍上看來，不同國家、不同地區人口數量的波動對于經濟發展的影響也是不同的，由此可見，經濟發展所處的水平環境不同，人口增長對經濟的影響作用也就不同。

（2）人口質量與經濟發展

確定人口質量主要是從兩個方面來決定，一是人口身體健康素質，其中包括嬰兒出生死亡率、人口發病率、青少年營養狀況和發育狀況；二是人口的文化科學素質指，其中包括文盲率、各級院校畢業生數量等。相關數據顯示，人口質量對于經濟發展的影響也是十分重要的，很明顯，人口質量越高經濟發展越快。

（3）人口構成與經濟發展

人口結構包含了很多方面的內容，其中有經濟結構、自然結構、社會結構以及地域結構，每一種結構所涉及到的指征均不相同。隨著近幾年來相關研究的日益增多，可以發現其中人口的城鄉結構、性別結構、年齡結構以及區域問題是影響經濟發展最大的問題。

2 .自然資源與經濟發展

自然資源為人類生存提供了一定的物質條件。隨著人類社會的不斷發展，自然資源也在不斷的被消耗，由于并不是所有的自然資源都是可再生的，使得經濟發展和自然資源之間的矛盾逐漸加劇。主要表現為：

（1）自然資源的無限利用是實現可持續發展的基本條件。

（2）自然資源的利用與經濟發展有著密切關系，必須要合理利用，不能過度開采、盲目限制、或停止利用。

（3）實現可持續發展的關鍵問題就是實現資源的可持續利用。

3 .環境與經濟發展

環境與人類的生活與生產息息相關，不僅是人類賴以生存的空間與基本條件，也是人類生產活動產生的廢棄物和各種作用的結果，不可否認它在很大程度上關系著一個國家的經濟發展。

二、資本形成與經濟發展

發達國家早期經濟發展過程都經歷了持續的資本積累的過程。資本積累是一個國家經濟轉型的基本要素，由此可見，經濟發展的好壞離不開資本積累的影響，也是促進經濟學研究的重要內容。良性的資本積累機制可以有效促進一個國家經濟發展的速度和質量，成功實現經濟轉型。

三、對外貿易與經濟發展

眼下經濟發展呈現全球化趨勢發展，對外貿易在國家經濟發展中也就越來越重要，不同模式的對外貿易對經濟發展的影響也不盡相同。發展經濟學的國際貿易理論從不同的角度研究了發展中國家如何從對外貿易中獲得可持續發展的動力，國際貿易也體現了經濟發展質量的基本思想。發展經濟學理論中涉及到了多方面問題，其中包括貿易條件問題、貿易保護問題、剩余的出路問題等，通常發展中國家主要是從這幾個方面進行對外貿易研究。

四、結束語

對于目前我國的經濟狀況來說，經濟發展的根本目的所在就是經濟發展質量的提升，發展經濟學實際上一直基于發展中國家經濟發展的現實。綜合現有的經濟狀況來看，一個國家人口數量變化、人口結構變化、對外貿易模式、自然資源利用等是影響經濟發展水平的主要因素，因此必須要通過資本積累來實現經濟起飛，加大研究力度，提高科學技術，根據國家的實際情況選擇合理的經濟發展模式，這樣才能保證經濟發展質量，實現經濟可持續發展。除此之外也要適當加強發展經濟學理論研究，進行理論創新，根據一國經濟發展的實際，創建有利于各類要素促進經濟發展質量的機制，最終轉化成動自身經濟發展的動力，建立更為合理和完善的經濟發展模式，從根本上保證國家的經濟實現健康發展。

【參考文獻】

【1】任希麗，張兵，李可愛.中國經濟波動的影響因素分析[J].西安交通大學學報（社會科學版），2013（2）：9-14.

【2】袁吉偉.外部沖擊對中國經濟波動的影響DD基于BSVAR模型的實證研究[J].經濟與管理研究，2013（11）：27-34.

篇6

股票市場對經濟增長的直接促進作用雖較不明顯，但這并不防礙股票市場通過其他機制對經濟增長進行間接影響，因為股票市場資金的流動已經在一定程度上改變了宏觀經濟中的資金分配格局，這是一個不爭的事實。這尤其是2000年股市的再次火爆，使得宏觀經濟中更多的資金量流向股市，加速了資金分配格局的改變。資金分配結構的改變會相應影響到各經濟主體的市場行為，這些主體包括居民住戶、上市企業與非上市企業和中央銀行。下面，依次分析股市資金流動對這些方面的影響。

1．對社會消費總額的影響

對社會消費的影響實際上就是探討中國股票市場的財富效應。中國股市有沒有財富效應，是中國股票市場10年來發展中的一個主要爭論問題。據廣東中誠信公司的一份研究報告，在宏觀經濟政策、形式沒有發生大變化的前提下，1996年8月后，我國東部地區及市場社會消費品零售總額出現大幅上升，與當年3月啟動的大牛市有直接關系；在股票投資者最為集中的上海市，自1996年1月至1999年5月，全社會消費品零售總額與深滬兩市指數的正相關系數分別為0．717和0．638。

筆者以年度數據初步估計了近10年中國股票市場的財富效應。取對數后的計量結果顯示：

Ct=1．17Y+0．0246SW

(0．022)(0．026)

R2=0．99D．W=1．44F=521.19

下步，我們再將樣本區間縮小至1995-1999年。因為這幾年不論從規模、市值還是投資者人數、上市公司數等指標來看，都是股市的快速發展時期。因此選擇這幾年的數據再做深入分析，將對我們認識中國股市存在的財富效應會有較大幫助。樣本區間縮小后的計量結果顯示：

Ct=1．15Y+0，0479SW

(0．0107)(0．011)

R2=0．996 D.W=2．17F=776．1617

以上計量結果初步顯示，在我國影響居民消費最主要的一個因素是收入。股票市場的財富效應整體來看影響效應較弱。但可喜的是通過對近10年樣本數據的再細分，當我們著重于1995年以后時間段的分析，我們發現了明顯的股市財富，即邊際消費傾向提高：從整體的0．026上升了近兩倍，達到0．0479。

中國股票市場自1995年以來迅猛發展，住戶證券資產也自此時快速增長；與此相比，城鎮居民人均收入增長相對較緩。我們作出如下解釋：當證券資產快速增長時，人均持有的證券財富增加，這在一定程度上改變了居民的資產結構比例，也就是說，總財富中收入占比下降，股票財富占比上漲。因此，1995年以后中國股票市場的財富效應雖然相比于收入而言影響仍較弱，但比之于以前，則有了突飛猛進的影響效應。由此我們得出，雖然目前我國股票市場的財富效應整體來說較不明顯，但其影響程度和發展速率卻呈逐年快速上漲的態勢。

對2000年繼續做股票市場發展和社會消費總額的相關分析。股票市價總額和社會消費總額總體上呈現上漲趨勢，其中，股票市價總值為攀升趨勢，社會消費則略顯緩慢。股票市價總值在1～7月份中一直呈現穩步攀升，而此時社會消費總額增長緩慢，但當股票市價總額在隨后下降的兩個月份中，社會消費則加速上升。由此推斷，2000年下半年的社會消費增加與 2000年上半年股市的穩步增長相關。

2.對企業融資的影響

股票市場為企業提供了更廣的融資渠道，這一點在股票市場處于牛市的行情中反映的最為明顯。這里將集中分析2000年股票市場中股價總值不斷升高的情況下，企業和金融機構整體的資金流動情況。

股票市場中籌得的資金主要存放在企業存款中，我們采用企業存款和貨幣資金占用系數兩個指標來說明企業整體的資金寬松程度。2000年上半年企業資金相對較為寬松，企業存款繼續增加，反映企業貨幣資金松緊程度的貨幣資金占用系數則達到近幾年的最高值。在2000年1—10月之間，金融機構中企業存款一項平均同比增長率達19．15％，其中最為集中的月份是5—9月，平均同比增長率達到21.42％。這些均說明2000年整體企業的運營資金較為寬松。

企業貨幣資金較為寬松的主要原因是由于股票市場籌資金額的急劇擴大。因為，就整體金融機構貸款量來看，2000年金融機構各項貸款雖同比增長，但其增速是下降的，且第二個季度中金融機構貸款量呈環比負增長，同比增長下降4．38個百分點。這一點似乎與2000年宏觀經濟出現“拐點”的事實較為矛盾，因為宏觀經濟向好，金融機構貸款量應該是增加。因此，這里再繼續分析金融機構資金運用的去向。

在金融機構各項貸款中，降幅最大的是短期貸款。2000年第一季度金融機構短期貸款余額為65456．1億元，第二季度下降到63711.1億元，同比增長僅1.6％，比1999年降低了7個百分點。金融機構對工業、建筑業、商業貸款的降幅也較大，其中最大的是建筑業，其次為商業，這兩項的貸款同比增幅均已呈負數增長。而2000年上半年在股票市場中建材業板塊成為最為閃耀的明星，因為宏觀經濟趨好，建材業必須先行。在股票市場籌資金額的產業分布中得知，農業在股票市場中融資處于相對薄弱地位，但在金融機構2000年上半年貸款中，農業貸款仍然保持7％-8％的同比增長率。

那么2000年金融機構的資金到底運用到了何方，我們再來看金融機構有價證券及投資一欄。金融機構有價證券及投資在2000年1—10月份保持了平均65．89％的同比增長率，其中金融機構證券業務款項平均同比增長達46．57％。

因此，可以認為，2000年我國股票市場的牛市行情不僅是企業貨幣資金較為寬松的主要原因，同時間接影響了我國金融機構的信貸業務行為和信貸結構。這一年直接融資渠道，即股市資金量的增加，影響了宏觀經濟中的各個主體行為。

3、結論與政策建議

10年來，我國股票市場取得了很大發展，在國有企業融資結構中日益發揮的重要作用。但不可忽視的是，我國股票市場在整體宏觀經濟中的地位和作用目前仍顯有限，其中最主要的是表現在宏觀資金格局上。目前我國經濟仍主要是以貨幣市場為主，貨幣市場中的間接融資是國民經濟賴以融資的主要渠道。要想使股票市場持續、健康地發展下去，在一定意義上就需要逐步改變目前的宏觀資金格局。使各方面可行的資金逐步、有序地進入股市，例如，股票質押貸款、社保資金和開放式基金等。但這些資金要進入股票市場需要相關的法律、制度進行約束，以合理化的步伐與次序進入股市，促使證券市場持續、穩步發展。

流入股票市場中的資金之所以要進行合理化的安排，主要原因在于目前我國股票市場籌資的使用效率太低。僅有30％的企業按照初始的投資方向進行投資，并最終取得經濟效益，也就是股票市場中有70％左右的企業可能會濫用募集得的資金。這不僅會造成了整體國民經濟的損失，更會無形中增大股票市場的風險。因此，對于流入的資金要進行合理的次序安排。

篇7

關鍵詞：IS-LM-BP模型 加息 熱錢

我國IS-LM-BP模型

IS曲線的斜率主要取決于投資對利率的敏感程度d與邊際消費傾向β。對于d，可以從以下三點進行分析：一是我國利率市場化改革尚未完成，占比最大的人民幣存貸款利率依然受到中央銀行比較嚴格的控制。二是現階段我國商業銀行貸款的主要對象是國有大中型企業，這類企業國有化程度高，且受到政策保護，使這類企業的投資對利率基本無彈性，而對利率敏感程度較高的民營企業相對國有企業依然比較薄弱。三是我國金融市場還不夠發達，資本市場規模不大，金融產品單一。因此從這三點可以看出我國d值較低。而對于β，2005年我國政府出臺了提高最低工資標準，提高失業人員補貼，社會保障制度不斷完善，居民收入增幅提高，消費結構進一步升級；而且隨著通貨膨脹逐步上升，人們預期價格會繼續上漲，從而增加當期消費。因此我國β值最近幾年逐步上升。因此認為我國IS曲線從傾斜趨于平坦。

LM曲線的斜率主要取決于貨幣需求對利率的敏感程度h與貨幣需求對收入的敏感程度k。對于h，雖然我國近年來證券市場不斷發展，各種法律法規的出臺使證券市場更加規范，投資渠道拓寬，使得投機性貨幣對利率的敏感程度不斷上升。但由于我國金融市場還不夠發達，資本市場規模太小，金融產品比較單一等緣故，投機性貨幣需求對利率的敏感程度較低。而對于k，各個學者的觀點均比較一致：中國的預防性貨幣需求比例占收入比例比較大。其中原因歸納為我國居民預防性貨幣需求占比過大乃是由居民對未來收入預期的不確定性所決定。由于這種不確定性導致我國預防性貨幣需求對收入的敏感程度大為加深，因此認為我國LM曲線比較陡峭。

BP曲線的斜率主要取決于國際資本流動對利率變動的敏感程度σ以及邊際進口傾向γ。我國沒有開放資本項目，因此多數人認為由于σ值較少導致我國BP曲線較為陡峭。但是隨著我國經濟體系的市場化程度加深和金融體制改革進一步推進，尤其是外匯管制和資本項目的逐步取消和大范圍開放，σ值將傾向于增大。馮彩（2008）通過采用非貿易和非FDI作為我國國際資本流動性統計口徑，采用實證分析得出結論：我國雖然存在資本管制，但是國際資本流動事實上可以繞過資本管制流入或者流出中國，而且規模大于國際收支平衡表中資本和金融項目的國際資本流動情況，這反映出很多國際資本混入了經常項目這一途徑進入中國的事實。因此認為中國的BP曲線較于陡峭的LM曲線更為平坦。

假設我國IS-LM-BP模型在金融危機時處于均衡處E0點，Y0處于較低水平。2008年我國實施適當寬松的貨幣政策和積極的財政政策，目標是通過IS曲線、LM曲線與BP曲線向右分別移動到IS1、LM1與BP1，推動均衡點從E0移動到內部經濟均衡點E1，使得收入水平從Y0增加到Y1。通過考察2008年到2010年第三季度的宏觀數據發現：一是貨幣增長速度過快，廣義貨幣增速超過GDP的增長。2008年我國M2增長率為17.8%，M2對GDP的比值（M2/GDP）為1.58，而2009年M2增長率達到23.5%的高位，M2/GDP更是到達1.85的新高，2010年前3季度M2平均增長率為21.2%，比GDP增速快一倍。二是投資增長率過高。2008年我國固定資產投資額為172291億元，比同期增長25.5%，而2009年固定資產投資額為225701.4億元，增長幅度到達了31%，2010年前3季度有所回落，增幅為24.5%。較之2010年前3季度GDP同比增長10.6%還是多出14.5個百分點。三是繼續保持雙順差格局。我國2008年，2009年均呈現雙順差格局。2010年上半年，我國資本和金融項目順差900億美元，同比增長48%，國際儲備資產增加1780億美元，增長8%。在持續順差和外匯儲備大幅提升的情況下，中央銀行為維持匯率基本穩定增發基礎貨幣以中和外匯，導致貨幣供給進一步增加。四是人民幣有升值空間。2008年人民幣雖然得到一定程度的升值，但由于調整力度不足導致BP曲線不能到達均衡位置。9月初以來人民幣升值速度較快，截至10月18日，人民幣兌美元匯率中間價報6.6541，自6月21日人民幣匯改重啟三個半月時間內，人民幣累計升值幅度達2.76%。

根據上述分析，流動性過剩、產能過剩、巨額順差和外匯儲備導致的外部經濟不平衡致使我國IS曲線、LM曲線與BP曲線分別向右移動至更偏右的位置，分別為IS`、LM`與BP`，IS`曲線與LM`曲線的交點為E`點，對應于較高的產出Y`和較高的實際利率水平i`，表示內部經濟不平衡；E`處于BP`點左上方，表示我國國際收支處于順差水平，即外部經濟不平衡（見圖1）。

對現行加息政策的分析與建議

中央銀行決定自2010年10月19日起上調金融機構人民幣存貸款利率。由于加息幅度不大，因此該政策會帶動LM`曲線移動到LM2，而由于投資過熱情況嚴重，0.25個百分點的基準利率對投資影響有限，因此在短期內IS`曲線不會有較大幅度的移動，因此LM2曲線與IS`曲線相交于新均衡點E2，對應的均衡產出為Y2，產出回到了初始均衡收入Y1，表明經濟增長速度得到抑制，并逐漸實現經濟軟著陸。均衡利率為i2，利率得到了提高，從而有效地抑制了部分對利率敏感的私人投資，源于貨幣供給膨脹的流動性過剩和通貨膨脹也可以得到一定程度的解決（見圖2）。

本文認為這次加息政策可能導致熱錢大量流入，原因為：一是人民幣升值預期是吸引熱錢流入的直接原因，而熱錢大規模流動增加了外匯市場上的外匯供給，加上中國面臨的巨額雙順差和外匯儲備，人民幣升值壓力進一步強化，從而增強了匯率上升的信心與預期，形成了一個“預期―升值壓力―預期”的一個自我實現機制，增大了匯率調控的難度。二是從國際上講，不但美聯儲在推行量化寬松的貨幣政策，近期日本也有意繼續加大量化寬松的力度。在國際上普遍采取零利率政策的情況下，加息將會導致利差加大，對利率異常敏感的熱錢將會大量涌入中國。

熱錢的流入將會使加息政策產生負面影響。一是熱錢流動增加了央行調控貨幣政策的難度。熱錢大規模的流入造成了國內巨大的通脹壓力，一方面，熱錢流入會增加基礎貨幣的投放，央行不得不通過公開市場業務進行沖銷操作。從IS-LM-BP模型上看，表現為LM2反向向右移動到LM3；另一方面，熱錢在資本市場的套利活動會導致投資過熱。熱錢偏向于流入房地產和股票、債券等金融市場，引起這些資產價格的飆升。由于這些資金并不流向生產部門，因此對實際經濟發展的積極作用不大，卻導致資產價格不斷上升形成泡沫經濟，加大了央行調節通貨膨脹的壓力。從IS-LM-BP模型上看，表現為IS`向右移動到IS3，與LM3曲線相交于E3點，對應均衡產出為Y3，均衡利率為i3（見圖3）。從圖3可以看到，LM3曲線由于熱錢的大量流入導致中央增發基礎貨幣的投放，IS3曲線由于對資本市場投資過熱導致過量向右移動，導致經濟再度過快增長（Y3>Y2）。而泡沫經濟的進一步發展導致通貨膨脹進一步加大。在這種情況下，為了抑制通貨膨脹，央行可能再次采取加息策略，這將會導致加息―熱錢流入―再加息的死循環。而且一旦由于某種原因，熱錢從資本市場大量撤出和回流以求獲利了結或回避風險，必然導致資產價格的暴跌，從而導致金融風暴。二是熱錢的大量流入將會進一步增大我國外匯儲備，導致貿易順差進一步加大，人民幣升值壓力進一步強化。從IS-LM-BP模型上看，新均衡點E3更大程度的偏離了BP曲線。而人民幣的升值預期將導致熱錢進一步流入。另外，熱錢大量流動會造成貿易虛假繁榮，掩蓋貿易結構失衡的問題。

從上述分析可知，如今的加息政策必須配合政策防止熱錢的流入才能實現其抑制流動性過剩和通貨膨脹的目標。郭田勇（2010）認為，防治熱錢應該堵疏結合。從防治熱錢流入角度看，有關部門應加強國際收支統計分析和檢測預警，對異常的外匯流入要跟蹤調查。同時，增加熱錢進出風險和成本，從而抑制其進入，如考慮在必要時征收托賓稅。對資本項目下人民幣的自由兌換應持更加謹慎的態度。從疏通熱錢流出的角度看，有以下建議：一是改善巨額貿易順差和外匯儲備狀況，緩解人民幣升值壓力。二是深化人民幣匯率形成的市場化機制改革，增強人民幣匯率彈性。人民幣長期升值趨勢無法避免，而一次性升值過快會招致熱錢流入。深化匯率形成機制改革目的在于避免一次性重估調整，堅持以市場供求為基礎，提高人民幣匯率彈性和浮動空間。從IS-LM-BP模型上看，若可以有效防止熱錢在我國實行適當從緊貨幣政策時大量流入我國，IS`曲線與LM2曲線在短期內將不會發生很大程度的變化，有效地疏通熱錢流出渠道將推動BP`曲線逐步左移至BP2，并且通過均衡點E2，實現內部經濟和外部經濟的均衡。這時，加息政策才會真正達到抑制流動性過剩與通貨膨脹的目的，以實現我國經濟平穩發展（見圖4）。

參考文獻：

1.高鴻業.西方經濟學（第二版）[M].中國人民大學出版社，2000

2.國家統計局.中國統計年鑒（2009年）[M].中國統計出版社，2009

3.馮彩.我國短期國際資本流動的影響因素―基于1994-2007年的實證研究[J].財經科學，2008（6）

篇8

關鍵詞：房地產價格；宏觀經濟；脈沖分析

中圖分類號：F293.3

一、研究背景和意義

2012年上半年，我國多個大中城市的房地產價格停止上漲，房價在政策調控下有回落趨勢，房地產成交量下滑。與此同時，我國宏觀經濟也面臨較大上漲壓力。部分學者認為，若房價大幅下跌，將會對宏觀經濟產生負面沖擊。進入2012年以來，受4萬億投資效應減弱、歐債危機等因素影響，拉動我國經濟增長“三駕馬車”中的國內投資和出口都出現不同程度的回落，在此形勢下，我國住房價格可能大幅下跌，這會否對經濟產生巨大的沖擊成為決定我國未來經濟走勢的另一個至關重要的因素。在這種情形下，對我國近年來住房價格波動的特征進行全面分析，并對房地產價格波動對宏觀經濟及部門經濟的影響進行全面系統的研究，不但具有重要的理論價值，而且可以為國家對國民經濟及房地產業的調控提供決策參考。

二、實證研究

本部分主要從以下幾個方面研究。

（一）數據來源與變量說明

我們選取2005年7月至2011年12月這段時間的全國70個大中城市房屋銷售價格指數（HP）月度數據作為房價的變量，數據來源于國家統計局數據庫。同時，選取經濟增速（Y）、住房投資（HI）、固定資產投資（TI）、消費（SC）、通貨膨脹（CPI）作為房價（HP）為宏觀經濟運行的主要變量。盡管GDP增速是衡量經濟增速的最好指標，但由于無法取到GDP月度數據，因此本文選取工業增加值增速替代（兩者的相關系數達到0.9以上）。

（二）模型建立

本文選擇向量自回歸模型（VAR）對各指標間的關系進行分析。向量自回歸模型是基于數據的統計性質建立模型，把系統中每一個內生變量作為系統中所有內生變量的滯后值的函數來構造模型，從而將單變量自回歸模型推廣到由多元時間序列變量組成的“向量”自回歸模型。

（三）模型擬合

在實證分析之前，我們首先檢驗了各時間序列的平穩性。對各變量及其一階差分后的變量進行單位根檢驗的結果表明，住房投資HI、通貨膨脹率CPI是平穩序列，而房價HP、固定資產投資TI、經濟增長Y、消費SC是非平穩序列，一階差分后的DHP、DTI、DY、DSC都是平穩序列。因此，我們將HP、TI、Y、SC進行一階差分得到平穩序列。本文將分為房價對經濟增長的影響、房價對住房投資的影響、房價對通貨膨脹的影響、房價對固定資產投資的影響、房價對消費的影響等五個部分進行分析。

1.房價對經濟增長的影響

房價對經濟增長的影響可從以下四方面研究。

（1）兩變量的協整關系檢驗

要研究兩變量之間是否具有長期均衡關系，就要進行協整檢驗。首先，以經濟增長變量Y為因變量，以房價HP為自變量，進行回歸分析，將分析結果的殘差進行單位根平穩性檢驗，殘差序列的ADF值為-3.0107，在5%的顯著水平下通過檢驗，說明殘差是平穩的時間序列，說明房價HP和經濟增長Y之間存在長期均衡關系。

兩者的回歸公式為：

Y=-18.0517+4.4487HP

（-5.9158）（6.7863）

回歸系數為正，說明房價上漲可以促進經濟增長。但模型的整體擬合優度僅為0.3773，說明影響經濟增長的因素有很多，房價因素僅解釋了37.73%，這與實際情況是相符合的。

（2）格蘭杰因果關系檢驗

格蘭杰因果關系檢驗表明，在5%的顯著水平下，只有在滯后1期的情況下，經濟增長變量是導致房價上漲的格蘭杰原因。但不管在滯后幾期的情況下，房價都不是導致經濟增長變量的格蘭杰原因。

（3）房價影響經濟增長的脈沖分析

在建立VAR模型的基礎上，求出模型特征方程根的倒數值，如圖1所示。由于全部根的倒數值都在單位圓內，說明VAR模型是穩定的，可以做脈沖影響函數分析。要進行脈沖分析，首先應建立關于房價與經濟增長變量的VAR模型，進而進行脈沖分析。

圖2是經濟增長Y對于房價沖擊的響應函數。來自房價增速的正向沖擊，即房價增速的提高會使經濟增速在第1期開始上升，并在第3期達到最大影響。此后，影響效應逐步減弱，在第8期時，正向影響趨于消失，可見，房價上漲對于經濟增長具有短期的正向影響效應。另外，脈沖分析還發現（篇幅有限，圖略），住房投資對于經濟增長有1～2期的極短期負面影響，在5～20期進入正面影響，之后影響逐漸消失。但正面影響很小，最高值僅為0.20%左右。在各項指標中，對經濟增長影響最為持久的是固定資產投資和消費。固定資產投資對于房價的影響在1～25期一直為正向，在25期后逐漸消失。消費在第20～45期對經濟增長的影響最為明顯，在45期后逐漸消失。

（4）方差分解

通過方差分解可以對各種沖擊的影響大小進行分析比較。如表1，從對經濟增長的影響大小來看，在第1期時，經濟增長Y自身的影響是主要因素，占比57%，其次是住房投資HI，最后才是房價HP和CPI；從第二期起，房價對經濟增長的影響份額逐漸上升，直到第5期達到最高值9.42%，之后逐月遞減。但住房投資在第1期對經濟增長的影響為19%，之后迅速下降。在第1期，房價與住房投資對經濟增長的影響僅為22%，之后逐期遞減。

2.房價對住房投資的影響

房價對住房投資的影響可從以下兩方面研究。

（1）兩變量的協整關系檢驗

首先對兩變量做回歸分析，以房價HP為因變量，以住房投資HI為自變量，將分析結果的殘差進行單位根平穩性檢驗，ADF值為-1.3485，在10%的顯著顯著水平下未通過檢驗，說明兩變量之間不存在協整關系。由于不存在協整關系，因此無法進行格蘭杰因果關系檢驗。

（2）房價影響住房投資增長的脈沖分析

由于圖1中的單位根都在圓內，因此兩者可以建立VAR模型分析，現在將兩個變量建立VAR模型，并進行脈沖分析。

從脈沖圖3可以看出，房價對于房地產投資的影響不穩定，先是有較短的負面沖擊，接著有10期的正面沖擊，然后進入10期的負面沖擊，在35期后影響趨于消失，說明房價對于房地產投資的影響沒有規律。此外，通過脈沖圖還發現，消費、通貨膨脹率對于房地產投資的影響也沒有規律。固定資產投資增速對于房地產投資有正面影響，但影響極小，低于0.020%。經濟增長對于房地產投資有正面影響，且在1～20期影響較大，之后逐漸消失。

3.房價對通貨膨脹的影響

房價對通貨膨脹的影響可從以下四方面進行分析。

（1）兩變量的協整關系檢驗

首先，以通貨膨脹變量CPI為因變量，以房價HP為自變量，進行回歸分析，將分析結果的殘差進行單位根平穩性檢驗，殘差序列的ADF值為-3.3847，在5%的顯著水平下通過檢驗，說明殘差是平穩的時間序列，進一步說明房價HP和物價水平CPI之間存在長期均衡關系。

兩者的回歸公式為：

CPI=3.6018+0.2222HP

（10.4806）（3.0109）

但模型的整體擬合優度僅為0.1065，說明影響通貨膨脹的因素有很多，房價因素僅解釋了10.65%，這與實際情況是相符合的。

（2）格蘭杰因果關系檢驗

格蘭杰因果關系檢驗表明，在滯后1期和2期的情況下，房價和通貨膨脹率互為格蘭杰因果關系。但在2期以上的情況下，房價都不是導致通貨膨脹的格蘭杰原因。

（3）房價影響通貨膨脹的脈沖分析

通過脈沖圖4可以看出，來自房價增速的正向沖擊，即房價增速的提高會使物價水平在第1期開始上升，并在第6期達到最大影響。此后，影響效應逐步減弱，在第15期時，正向影響趨于消失，可見，房價上漲對于物價增長具有約15個月的正向影響效應。但與其他因素的脈沖圖相比（篇幅有限，圖略），房價對于物價水平的影響小于經濟增速Y和CPI自身的影響。經濟增速對于物價上漲影響較大，且時間較長，正面影響期達25個月，影響最大值為0.005，而房價對其影響的最大值僅為0.0025。

（4）方差分解

通過方差分解可以對各種沖擊的影響大小進行分析比較。方差分解結果顯示，從對通貨膨脹的影響大小來看，在第1期時，通貨膨脹自身的影響是主要因素，占比100%；從第2期起，房價對經濟增長的影響份額逐漸上升，直到第9期達到最高值9.82%。但經濟增速在第2期對通貨膨脹的影響為2.14%，之后迅速上升，一直遞增至10期的23%。

4.房價對固定資產投資的影響

本部分可從三方面分析。

（1）兩變量的協整關系檢驗

首先，以固定資產投資TI為因變量，以房價HP為自變量，進行回歸分析，將分析結果的殘差進行單位根平穩性檢驗，殘差序列的ADF值為-2.8678，在5%的顯著水平下通過檢驗，說明殘差是非平穩的時間序列，進一步說明房價HP和固定資產之間不存在長期均衡關系，因此無法進行格蘭杰因果關系檢驗。

（2）房價影響固定資產投資的脈沖分析

通過脈沖圖5可以看出，房價對于固定資產投資的影響不穩定，無規律可循。在1～15期內產生負面沖擊，在15～40期內產生正面影響，之后逐步消失。

（3）方差分解

通過方差分解可以對各種沖擊的影響大小進行分析比較。從對通貨膨脹的影響大小來看，在第1期時，固定資產投資自身的影響是主要因素，占比95%，之后逐漸遞減；從第1期起，房價對固定資產投資增長的影響份額逐漸上升，直到第10期達到最高值，但各期影響均很小，即使到第10期也僅為4.27%。

5.房價對消費的影響

本部分可從三方面進行分析。

（1）兩變量的協整關系檢驗

首先，以社會消費品零售總額增長率SC為因變量，以房價HP為自變量，進行回歸分析，將分析結果的殘差進行單位根平穩性檢驗，殘差序列的ADF值為-2.2936，在5%的顯著水平下通過檢驗，說明殘差是非平穩的時間序列，進一步說明消費SC和房價HP之間不存在長期均衡關系，也無法進行格蘭杰因果關系檢驗。

（2）房價影響消費的脈沖分析

圖6是消費SC對于房價沖擊的響應函數。房價對于消費的影響較為明顯，在1～20期均產生正面影響，且影響的最高值達到0.5%，超過了其他四個指標。在20期后，影響消失。房價對消費的影響并不直接，但存在間接影響。當房價上漲較快時，居民的購房意愿會出現下降，將收入資金用于消費或者其他投資渠道。另外，中國消費額在2008-2010年間得到快速增長，主要是受到家電下鄉等政策刺激影響，而這段時期也正是房價快速上漲的時期。時間上的巧合也使得其相關關系較為明顯。

（3）方差分解

通過方差分解可以對各種沖擊的影響大小進行分析比較。從對消費的影響大小來看，在第1期時，消費自身的影響是主要因素，占比64%，之后逐漸遞減；從第1期起，房價對消費增長的影響份額逐漸上升，直到第10期達到最高值，解釋程度為21%，僅次于CPI。

三、主要結論

本文研究發現，房價與經濟增速、物價指數存在長期均衡關系，而與房地產投資、固定資產投資和消費不存在長期均衡關系。根據各變量間分析結果，得出如下結論：

（一）房價若下跌，會在半年內對宏觀經濟增長產生負面影響，但不存在長期影響

脈沖分析和方差分析均顯示，房價上漲和住房投資增長均能促進經濟增長。但房價上漲對于經濟增長影響的最佳滯后期為2個月，即房價上漲對經濟增長的影響在第2個月發揮最大效果，時間不長。另外，脈沖分析中，房價上漲對于經濟增長的正面沖擊僅持續6個月后便消失，在第3個月達到最大值。在方差分解中，房價對于經濟增長的解釋程度僅為8%，住房投資僅為6%，遠低于消費21%和物價水平12%的水平，說明從長期看，經濟增長仍主要依靠消費拉動。同時，本文分析發現，房價并不是經濟增長的格蘭杰原因，因此以上結論可以相互印證。據此預測，2012年，若房地產價格出現明顯下降，房地產投資明顯放緩，會在1～6個月左右的時間內會對宏觀經濟增長產生負面影響，但從長期看影響不大，經濟增長仍將需要依靠消費拉動。

（二）房價對消費有明顯影響，在房價下跌預期中，刺激消費政策亟待出臺

在脈沖分析中，房價對于消費的影響較為明顯。在方差分解中，房價對于消費的影響居于第三位，解釋程度高達21%，且隨著時間變化呈遞增趨勢。依據經濟學中的資產財富效應，房價上漲可以帶動消費增長，主要有以下幾個途徑：一是直接財富效應，房地產所有者因為房地產價格的上漲而導致實際凈財富增加，所有者可以出售此房地產或者進行再融資，從而增加當期消費。二是間接財富效應，消費者在房地產升值時，即便沒有出售房產或再融資，同樣會因為消費者的預期心理認為未來財富會增加，而擴大消費。三是預算約束效應，房地產價格的上升對于擁有房地產的消費者來說可以促進財富的增加，但是對于租房者來說，房價上漲會推動房租的上升，對他們的個人消費就有負的效應。

（三）房價波動與通貨膨脹互為因果關系，房價對通脹的影響較為平穩、長期

本文研究發現，房價與通貨膨脹互為格蘭杰因果關系。脈沖分析和方差分解發現，房價對于通貨膨脹在1～15個月內具有正向沖擊作用，房價上漲對于通貨膨脹的解釋程度達到9%。通貨膨脹之所以會促進房價上漲，主要是因為成本因素，近幾年來，構成住房成本的土地、鋼鐵、水泥、化工等原材料設備和提高住房水平等因素都在全面上漲，受其影響，房價必然會持續地上漲。當今，宏觀調控要穩定居民消費價格指數，穩定相關行業的物價上漲水平，重點抑制生產資料價格過快上漲，從而抑制房價遠離價值的不合理上漲。另一方面，當物價持續上漲并引發通貨膨脹時，消費者持有貨幣的意愿會下降，購買房產的意愿會上升。在其他條件不變的情況下，會使得住房價格上升。

（四）房價波動并未對房地產投資和固定資產投資產生明顯影響

依據托賓的Q效應理論，在房地產市場上，托賓的Q比率指的是房地產價格和建造成本的比值。在建造成本不變的條件下，若住房價格上升，那么Q值也會隨之上升。而Q值越高說明在房地產市場上進行投資的機會就越好，越有利可圖。因此，房地產投資也會有較大的增幅。由于房地產投資占總投資的比重相對較大，總投資的也會有一定的增幅，并最終帶動產出的增加。但脈沖結果和方差分解顯示，房價與房地產投資、固定資產投資均沒有長期均衡關系，且房價上漲并不會引起房地產投資和固定資產投資的增加。固定資產投資更多依靠經濟增長（解釋程度為17%）、物價水平（13%），而不是房價水平（僅為4%）。這也說明，抑制房價大幅上漲，并不會造成固定資產投資的萎縮，進而造成經濟增速的放緩。

四、政策建議

綜上分析后，本文提出三點政策建議。

（一）應堅持房地產調控不動搖，遏制過快上漲的房價，并處理好與保增長的關系

房價上漲在短期對我國經濟增長的拉動作用十分明顯，現行房地產調控政策面臨著控房價與保增長之間的兩難選擇困局，即在房價過快上漲勢頭得到控制時，經濟增速也會受到抑制。但從長期看，房價下降并不會對宏觀經濟產生明顯影響。因此，中央應繼續加大房地產調控力度，保住現有調控成果，使房價合理回歸。當然，在房地產調控中，應當最大限度的平衡控房價與經濟增長之間的關系，并探索跳出這一兩難困局的解決方案。

（二）房地產價格應成為中央銀行分析通貨膨脹預期變動中不能忽視的因素

房地產價格可以為中央銀行提供有用信息，準確預測未來通貨膨脹趨勢，這將有效降低貨幣政策認識時滯。但是，目前在我國居民消費價格指數 （CPI）的構成中只占14%權重的居住類消費價格指數中，并不包括房地產價格，而只包括建房及裝修材料、房租、物業費及其他與居住有關的服務、水、電、燃氣等。即使房租價格在居住類消費價格指數中也僅占20%的權重。由于不能充分利用房地產市場提供給貨幣政策決策的重要信息，將可能使人民銀行錯失對房地產市場調控的最佳時機，從而直接影響貨幣政策的預期效果。因此在應對當前的通貨膨脹問題上，央行在貨幣政策調控中應當對以房地產價格為代表的資產價格進行關注。同時，應當管理好通脹預期。

（三）要管理好房價上漲預期，正確引導市場

通貨膨脹并未對房價產生明顯的沖擊，房價自身的沖擊則對房價上漲的影響效應十分明顯且對房價預測方差的解釋力在90%以上。這說明通貨膨脹預期并不是推動房價上漲的主要因素，房價上漲預期才是影響房價上漲的關鍵。因此，要取得房地產價格調控的實效，必須管理好房價上漲預期。

參考文獻：

[1]謝經榮，朱勇.地產泡沫與金融危機[J].北京：經濟管理出版社，2002.

[2]王國軍，劉水杏.房地產業對相關產業的帶動效應研究[J].經濟研究，2004（8）.

[3]梁云芳，高鐵梅，賀書平.房地產市場與國民經濟協調發展的實證分析[J].中國社會科學，2006（3）.

[4]趙龍節，閏永濤.中美房地產業投入產出比較分析[J].經濟社會體制比較，2007（2）.

[5]吳海英.房地產投資增速對鋼鐵投資和總投資增速的影響[J].世界經濟，2007（3）.

篇9

關鍵詞：房地產市場；虛擬性；宏觀經濟。

房地產業作為我國發展最快的產業之一，不僅為城鎮居民提供了安居樂業的居所，推進了城市化進程，也有力地促進了國民經濟的發展，對實現土地資源優化配置和產業結構調整發揮著重要作用，作為一種導向性產業，其連帶效應為國民經濟整體發展提供了契機。房地產業與鋼鐵、水泥、木材、玻璃、塑料、家電等上下游60多種產業直接或間接相關，據統計，每100元的房地產銷售能帶動相關產業170元的銷售。另外，房地產業的發展也能促使一些新興行業的產生、發展，譬如物業管理、法律咨詢、房地產評估、房地產中介等等。

與此同時，我國房地產業的發展也暴露出許多問題，尤其房價持續飛漲已經越來越偏離經濟的增長速度和普通百姓的收入水平，使之成為社會輿論關注的焦點。由美國次貸危機引發的全球金融危機，引起全世界對金融監管以及房地產市場虛擬性的高度關注。虛擬經濟是產生經濟泡沫的根源，房地產泡沫也是由房地產市場具有的虛擬特性引發的。如何解釋房地產所具有的虛擬特性，以及它對宏觀經濟的影響，是本文要討論的主要內容。

一、虛擬資本與虛擬經濟。

馬克思在《資本論》第三卷第五篇中對虛擬資本進行分析，提出“人們把虛擬資本的形成叫作資本化。人們把每一個有規則的會反復取得的收入按平均利息率來計算，把它算作是按這個利息率貸出的一個資本會提供的收益，這樣就把這個收入資本化了”[1]493。生息資本的運動和信用制度的發展創造出了虛擬資本，包括股票、債券、匯票、不動產抵押單等，“所有這些證券實際上都只是代表已積累的對于未來生產的索取權或權利證書，它們的貨幣價值或資本價值，或者像國債那樣不代表任何資本，或者完全不決定于它們所代表的現實資本的價值”[1]494。

虛擬資本本身沒有價值，但虛擬資本可以通過循環運動產生利潤，獲取某種形式的“剩余價值”，它不能直接作為現實生產要素或資本在生產活動中發生作用，而只是所有權證書，是“現實資本的紙制復本”，反映著債權債務關系。“但是，作為紙制復本，這些證券只是幻想的，它們的價值額的漲落，和它們有權代表的現實資本的價值變動完全無關，盡管它們可以作為商品來買賣，因而可以作為資本價值來流通。”[1]530當金融發生動蕩時，虛擬資本的價格可以數倍于它們所代表的實際資本價值，也可以大大低于實際資本價值，甚至一文不值。

（一）虛擬資本對社會經濟運行的積極影響。

1.加快財富的集中和資本的積累，促進資本的社會化進程。虛擬資本的出現改變了資本積累的方式，資金集中更加迅速、快捷，促進了資本的社會化，為高效率的社會化大生產奠定基礎。

2.促進了資源的合理配置。虛擬資本在各部門之間的轉移更加自由靈活，從而能表現出明顯的優化資源配置的效應和導向性，帶動了勞動力、技術、自然資源在實體經濟部門之間的優化配置。

3.促進經濟增長。虛擬資本的繁榮，能增加投資者財富，刺激消費增長，改變短期邊際消費傾向，擴大經濟增長的乘數效應，虛擬資本中的股票債券，如果絕大部分是生產性的，也有利于經濟的增長。

4.促進利潤率平均化。“信用制度的必然形成，以便對利潤率的平均化或這個平均化運動起中介作用。”[1]5325.減少流通費用。“一項主要的流通費用，就是貨幣本身，因為貨幣自身具有價值。”通過信用，“A相當大的一部分交易完全用不著貨幣。B流通手段的流通加速了。……一方面，這種加速是技術性的；也就是說，在現實的、對消費起中介作用的商品流轉額保持不變時，較小量的貨幣或貨幣符號，可以完成同樣的服務。這是同銀行業務的技術聯系在一起的。另一方面，信用又會加速商品形態變化的速度，從而加速貨幣流通的速度。”[1]541（二）虛擬資本對社會經濟運行的消極影響。

虛擬資本如果發展過度，就會對宏觀經濟產生嚴重的消極影響：

1.虛擬資本的過度發展會擠占生產部門的資金供給。在高投資回報預期下，大量資金從實體經濟領域流向金融市場和房地產市場，造成經濟虛假繁榮。如果流進虛擬經濟領域的資金過多，就會造成實體經濟部門資金不足，發展乏力，出現生產性投資的擠出效應。

2.虛擬資本是經濟泡沫產生的根源。虛擬資本的過度增長和相關交易持續膨脹，與實際資本脫離越來越遠，形成泡沫經濟。經濟泡沫的成分不斷增加，人們對虛擬利潤的追逐導致大量資金非正常涌入虛擬資本市場，人們熱衷于炒作股票、期貨等“金錢游戲”活動。

3.在虛擬資本的積累快于現實資本積累的情況下，生息的貨幣資本不僅不反映現實貨幣資本的積累，而且自我擴張，這樣就導致了現實資本供求和生息貨幣資本的供求出現明顯差別，生息貨幣的過剩或不足，不反映或不完全反映現實資本的過剩或不足，增大了調控宏觀經濟的難度。

虛擬經濟是與實體經濟相對應的概念。成思危認為，虛擬經濟是指與虛擬資本以金融系統為主要依托的循環運動有關的經濟活動。簡單地說，虛擬經濟就是直接以錢生錢的活動。[2]劉駿民認為，虛擬經濟是以資本化定價行為為基礎的價格系統，其運行的基本特征是具有內在的波動性。[3]

二、房地產市場虛擬性的表現。

房地產市場具有虛擬經濟和實體經濟的二重屬性，虛擬性是指房地產是一種虛擬資產，其特性介于普通商品和金融資產之間。具體表現在：

其一，以房地產的權屬證書開出的匯票或發行的抵押證券實質上是一種虛擬資本。根據馬克思的解釋，房地產權屬證書“實際上都只是代表已積累的對于未來生產的索取權或權利證書”，它本身沒有價值，但可以通過循環運動產生利潤，獲取某種形式的剩余價值。諸如房地產抵押貸款以及抵押貸款的證券化（MBS）、房地產公司的上市融資、發行債券以及股票等有價證券（REITs），依托金融系統的循環運動使得這些房地產金融工具不經過實體經濟的循環就可以取得盈利的經濟活動，就是一種虛擬經濟，這充分體現了房地產市場的虛擬性。

其二，資本化定價。作為不動產的土地，土地價格就是“地租的資本化”，它使土地資產成為一種具有虛擬資本屬性的資產。實際上，在現代房地產投資、融資實務中，根據房地產產生的現金流量進行估價的收益資本化法仍是決定房地產投資的最主要估價方式，只是在估算現金流量時需要考慮更多的因素，以求達到更好的預測效果。

其三，投資者并不直接參與生產和消費等實體經濟活動。在現代經濟生活中，房地產已經成為一種重要的投資品，由于對土地需求不斷增加而土地存量不變，因此，從長期來看，房地產價格必呈上升趨勢。投資者為了資產保值增值而取得房地產所有權，其投資的目的在于盈利，投資者并沒有直接參與生產和消費等實體經濟活動。

三、房地產虛擬性質與宏觀經濟。

房地產的虛擬資產性質使其成為聯系實體經濟與虛擬經濟的紐帶，它像一把雙刃劍，對宏觀經濟發揮著正負兩方面作用。郭金興認為，在現代經濟中，房地產是一種重要的虛擬資產，并且隨著虛擬經濟的發展，其虛擬性也在不斷增強，這在成熟的市場經濟國家體現得尤為明顯。經驗表明，房地產市場波動并不一定會對實體經濟造成破壞性影響。[4]劉駿民、王千也認為，實際上，一個發達而完善的房地產市場有可能在經濟發展和經濟增長中起到穩定作用。[5]

（一）完善的房地產市場的積極作用。

1.促進金融市場擴大。房地產以其不動產的特點成為商業銀行發放貸款的重要抵押品，再加上房地產抵押貸款及其證券化等金融工具的不斷創新，也擴大了銀行和金融市場的范圍和規模。通過向銀行抵押貸款，企業和個人可以獲得資金用于房地產的生產、交易，而房地產市場交易的活躍進一步刺激房價上漲。抵押品價格的上漲改善了銀行的資產負債表，并吸引過剩資金流向房地產金融市場，進而使得信貸規模以及金融市場的規模和范圍進一步擴大。

2.支持實體經濟發展。房地產以及房地產金融市場既可以吸收大量社會過剩閑散的資金，從而化解實體經濟物價不穩定的壓力，在很大程度上消化實體經濟的風險；也可以為房地產市場上企業和個人的投資需求提供資金支持。

3.優化社會資源配置。房地產金融市場將資源從低效率利用部門轉移到高效率部門，使社會的經濟資源能更有效地配置在效率更高或效用更大的部門，實現稀缺資源的合理配置和有效利用。房地產增強資金的配置效應從而引導實體經濟對資源的優化配置。隨著金融改革的深化，虛擬經濟的資源配置功能越來越強，極大地促進了經濟的發展。

所以說房地產這種虛擬經濟成分適當的波動對實體經濟是有益的，一方面它可以緩解對實體經濟的沖擊，另一方面也可以優化資金配置，為實體經濟能更好地配置資源服務，從而促進經濟增長，改善國民福利。

（二）房地產市場虛擬性的負面作用。

1.它是房地產泡沫產生的根源。一方面，在高投資回報預期下，大量資金從實體經濟領域流向金融市場和房地產市場，房地產價格飛漲，造成經濟虛假繁榮，經濟泡沫不斷增加。同時，自上世紀80年代以來，全球范圍內的金融自由化、資本市場管制放松以及先進通訊技術的應用使得資本流動更方便、更快捷，國際資本可以更容易地跨國界流向收益高的房地產市場，大大增加了房地產市場的泡沫。另一方面，房地產和其他虛擬資產之間結構失衡，發展速度參差不齊，同樣可能由于大量貨幣資金積聚于房地產市場而造成房地產泡沫。

2.房地產業與銀行貨幣發行、金融證券市場緊密聯系在一起，使房地產波動通過貨幣供給和信貸總量等傳導機制對金融市場和宏觀經濟產生影響。市場繁榮時，利率水平較低，貸款規模和信貸總量不斷增加，居民收入預期增加，購房者對房地產的需求增加，從而促進經濟加速增長；在加息過程中，人們對于經濟前景持樂觀態度，居民收入預期進一步增長。而一旦由于政策變動或投資者預期變化等原因引發信貸規模驟減時，購房成本增加，居民收入預期下降，便會抑制房地產需求，經濟增速便會下降。同時房價的下跌也促使居民觀望乃至拋售房產，進一步促進房價的下跌。人們對經濟預期普遍持悲觀態度時，如果投資者資金鏈斷裂，就很容易引發金融危機。

因此，防止大量貨幣積聚在房地產市場，打擊房地產投機，是治理房地產過度虛擬產生泡沫的關鍵。我國目前由于金融或資本不發達，投資渠道少，房地產往往被作為一種優質的投資品，在流動性過剩、資本逐利的本性推動下，就會引發房地產投機、房價迅速上漲的不良局面。而房地產又是對政策，尤其是對土地、金融、稅收等政策依賴性很強的行業，資金松緊對房地產運行有決定性的影響。引起2007年美國次貸危機的直接原因就是貸款利率的上升和房地產市場的降溫。從2004年6月到2006年8月美國基準利率先后上調17次，從1%上升到5·25%。利率上升使信用不好的借款人還款壓力增大，違約現象大量出現；房地產市場降溫則使借款人難以將房屋出租、出售，即使出售了房屋也不足以償還購房貸款本金和利息，從而產生了商業銀行貸款虧損等連鎖反應，最終導致了次貸危機的發生。

四、我國房地產市場現狀及建議。

國人對住房有特殊情結。由于人多地少、經濟高速增長、城市化進程加速、信用工具不斷出新、超前消費意識形成等因素的相互作用，導致我國需求膨脹，且具有相當的剛性，再加上境內外投資、投機的炒作，尤其是當前我國人民幣升值預期的高漲，熱錢正在快速進入我國，使我國房地產市場呈現極不正常的狀態。一方面，形成了虛假的房市需求，推動房價不斷上漲，投資者購房時不考慮自己的真實消費能力，包括按揭貸款后的還貸能力，而是考慮投資收益和成本，只要房價漲幅超過銀行還貸利息成本，投資性購房的需求便會不斷增加；另一方面，造成社會資源的極大浪費，許多城市房子空置率很高，而中低收入人群越來越買不起房子，極易引發社會矛盾，影響和諧社會的建設。

從房地產市場的供求關系看，目前我國存在著結構性失衡。房地產結構性的供不應求與供過于求同時并存：一方面，大量的商品房積壓，這主要是因為開發商沒有充分分析市場，對市場有效需求估計不足，過多投資高檔住宅，導致了空置；另一方面，大多數居民的住房還十分緊張，普通住宅尤其是經濟適用房供給短缺、增長緩慢。要解決結構性失衡，就需要增加開發經濟適用房的比例，而且嚴格限制以經濟適用房名義開發超大面積住宅或將經濟適用房轉變為普通商品房。由于我國的房地產市場還處于發育的初期階段，政府的主要職責就是通過制定科學、有效、競爭的規則，促進房地產市場的正常發育，充分運用經濟手段調節房地產市場的供給和需求，抑制房地產投機或炒作。為此，筆者提出以下具體建議：

第一，進一步完善我國的住房保障制度。政府應進一步加大對保障性住房建設的投入力度，優先保證供應廉租房和經濟適用房建設用地；同時，要建立科學規范的準入機制，使住房保障制度真正保障買不起商品房和無力自行解決住房問題（包括無能力租市場價住房）的貧困家庭或中低收入家庭。

第二，加強對熱錢的跟蹤和管制，控制熱錢大量流入房地產市場。當前人民幣在境外壓力下升值預期不斷高漲，吸引大量熱錢涌入境內，房地產尤其是豪宅是熱錢投資的主要對象。所以，一方面要穩定幣值尤其是預期；另一方面，要從根本上完善我國的市場體制、金融制度以及貨幣政策等。

第三，增加投資渠道，使資金分流。采取住房抵押貸款證券化、建立房地產信托基金等措施，當股票、基金、債券以及抵押貸款證券化這些投資渠道發展后，融資方式的多樣化可以讓投資行為轉向購買虛擬房產，減少樓市的投資行為，也可以減少銀行承受的金融風險。

第四，加強政策的針對性和有效性。房地產由于受多種因素影響，是個復雜的市場體系，政府應該有的放矢地制定地方房地產政策，而不能搞“一刀切”。同時，加強房地產市場分析研究，建立健全房地產市場信息系統，完善市場監測分析和預警機制，準確把握房地產市場走勢，及時發現市場運行中的新情況、新問題，提高調控措施的預見性、針對性和有效性，正確引導房地產的投資和消費。

第五，加強稅收、信貸等政策對房地產市場的監管和調控作用。加強、調整房地產市場交易稅收，加強物業立法。同時，貨幣政策制定者應該增加對發展中的按揭市場基本結構的關注，并提高信貸條件，加強對經營家庭債務相關的金融實體的監管，以保證其健康運行。

第六，充分認識房地產業的虛擬特性，綜合考慮房地產金融問題，而不是單獨從銀行信貸管理、信托政策、企業債券或股票等金融工具的角度來考慮房地產金融。同時，進一步完善立法，使房地產企業股票發行和交易規范化，把企業通過股份制而籌集的資金納入健康發展的軌道。

總之，解決住房問題需要政府這只看得見的手與市場這只看不見的手兩者的密切配合。一方面，要發揮市場在資源配置方面的基礎性作用，利用市場的力量來使住宅商品適應各種不同的需求，以實現供需之間的動態平衡；另一方面，市場和政府兩只手是互相配合的，政府應該更多地考慮保障社會公平。

參考文獻：

[1]資本論：第三卷[M].北京：人民出版社，2004.

[2]成思危。虛擬經濟論叢[C],北京：民主與建設出版社，2002:14-20.

[3]劉駿民。從虛擬資本到虛擬經濟[M].濟南：山東人民出版社，1998:38、51.

[4]郭金興。房地產的虛擬資產性質及其中外比較[J].

篇10

摘 要： 根據中國A股市場數據，運用“非資產定價模型分解法”將個股風險分解為市場風險、行業層面風險和公司特質風險，在此基礎上，建立結構向量自回歸模型，考察個股不同層面的股價波動和宏觀經濟變量之間的相關性：發現A股市場特質波動水平的上升，使得公司層面的信息不確定性增加，導致信貸規模下降，從而間接降低了宏觀經濟的穩定性。這表明公司特質波動與宏觀經濟之間存在顯著的負相關性。

中圖分類號： F123.16

文獻標志碼： A

文章編號： 10012435（2013）01008607

Macroeconomic Stability Can Be Affected by Idiosyncratic Volatility-Empirical Research Based on SVAR in Chinese A Stock Market

HUA Fengtao （1.College of Economics and Management， Anhui Normal University， Wuhu Anhui 241003， China；2. School of Public Economics & Administration， Shanghai University of Finance & Economics， Shanghai 200433， China）

Key words： idiosyncratic volatility； model-independent decomposition； macroeconomic stability； SVAR

Abstract： Based on data from China's A stock market， with the method of model-independent decomposition， break individual risk down into market risk， industry level risk and idiosyncratic risk. And on this basis， the SVAR model is established to study the causal link between the idiosyncratic volatility and macroeconomic stability， and bring out the following conclusion： The rise of idiosyncratic volatility in A stock market increases information uncertainty of corporations， cutting down the credit scale and indirectly reducing the macroeconomic stability. That shows notable negative correlation between idiosyncratic volatility and macroeconomic stability.

公司特質波動作為股價波動的重要組成部分[1]，對股價甄別、篩選和反饋公司價值，傳遞公司層面特質信息，以及資源配置都具有重要的影響[2]。Wurgler[3]發現公司特質波動程度對于資源配置效率的高低具有顯著性的解釋作用。既然公司特質波動與股價的信息效率密切聯系，那么，公司特質波動是否會影響宏觀經濟波動，以及如何影響宏觀經濟？這將從一個層面解釋股價波動與宏觀經濟穩定之間的傳遞機制。

對于公司特質波動與宏觀經濟穩定之間的相關性，鮮有學者涉及。Panousi和Papanikolaou[4]發現當公司特質波動較高時，公司投資行為趨于保守，即公司特質波動程度和公司投資行為存在明顯的負相關性。Portes和Ozenbas[5]利用“金融加速器”理論[6]研究發現，公司特質波動能夠有效的解釋“現代市場經濟之謎”[7]。他們將個股波動分為即市場波動和公司特質波動。在信貸市場上，銀行只能提供抵押貸款的條件下，信貸規模完全取決于公司資產凈值的影響。而公司特質波動則是公司凈資產價值變化向外界傳達信息的一種方式。當公司特質波動上升時，公司資產凈值的波動性進一步增加，意味著信貸市場的信息不對稱程度提高，企業的外部融資升水增加，信貸市場的“金融摩擦”加劇，造成信貸市場規模下降。國內學者主要集中在趨勢研究[8]和定價研究[9]，多圍繞資產價格與經濟波動之間展開。本文運用結構向量自回歸模型，考察公司特質波動對中國宏觀經濟穩定的影響機制。

一、研究方法

（一）公司特質波動測度

公司特質波動測度方法主要分為間接分離法和因素模型法兩種。間接分離法是Campbell等[10]根據CAPM的思想，將個股收益波動分解為市場收益、行業層面收益以及公司特質收益三個部分，并根據這三個收益成分分別計算各自的方差，以求出市場波動、行業層面波動和公司特質波動。直接分解法則是直接利用Fama-French三因素模型的誤差項計算公司特質波動，而因素模型法是Malkiel和Xu[11]利用因素模型，尤其是三因素模型計算其誤差項用以測度公司特質波動。這兩種方法均是借助于不同的資產定價模型測度公司特質波動。模型的選擇均是在一定的條件下才具有適用性，如CAPM模型的適用條件中有兩個最為基本的規定，一是組合中的風險資產比例相同；二是投資者的風險偏好相同。但現實條件難以達到這種理想狀態。再如，運用模型進行計量分析時，只有當殘差g（i）獨立同分布時，分析結果計量實證意義，不同的模型所計算的結果，其誤差也各不相同。本文借鑒Bali，Cakici和Levy[12]，采用“非模型分解法”對我國證券市場中的公司特質風險進行測度。

“非模型分解法”是指在不依賴于任何資產定價模型的基礎上，基于組合分散收益的思想，借助于均值方差法，構建起測度整個證券市場平均公司特質風險的計算方法。構建過程如下：

假設在證券市場內存在n個行業，Rit為行業i在第t月內的行業平均收益，權重Wit為行業i的市值占證券市場總市值的比重。那么市場收益為：

Rm，t=ni=1Wi，tRi，t

而行業i在第t月內的平均收益為行業內個股收益的加權平均，其中，Rji，t為個股收益，Wji，t是按照個股市值占行業總市值的比重得到。那么行業i的平均收益為：

Ri，t=ni=1Wji，tRji，t

在以上市場收益和行業收益計算的基礎上，我們假定個股收益波動分為三個層面：市場波動、行業層面波動和公司特質波動。這一點與間接分離法較為類似，但在測度三個層面波動時所采用的方法則是基于組合分散收益的原理構建。首先，根據市場收益計算市場層面波動：

MKTNt=Var（Rm，t）=（Rm，t-μm）2

其中，μm為市場收益Rm，t的期望平均水平。我們把行業看作是一支理論上的“行業證券”，那么這個Rm，t就可以看作是一個“市場組合”的收益。在這樣的組合中，行業層面風險被看作非系統風險而被完全分散掉。我們再假定這些理論上的“行業證券”間的收益具有完全正相關性，那么它是一個沒有分散效果的“無分散組合”，在這個組合中，“行業證券”間的非系統風險——行業層面波動則完全保留。該組合方差則為各“行業證券”方差總合：

ni=1Wi，tσi，t2，其中，σi，t為行業i的標準差。組合方差與市場層面波動之差為行業層面波動：

IND=σ2ε，t=ni=1Wi，tσi，t2-Var（Rm，t）

假設行業i中有m家上市公司，針對行業i同樣也構造出兩個截然不同的組合，即行業內的“市場組合”和假定的行業內的“無分散組合”，同時可以求出各自的風險方差，其中行業內的“無分散組合”的方差為：（mj=1Wj，tσj，t）2，σji，t為行業i內的公司j的標準差。行業i內的特質波動平均水平為：

σ2εi，t=nj=1Wji，tσji，t2-Var（Ri，t）

nj=1Wji，tσji，t是指在行業i內所有個股的權重平均方差。再將行業內的平均公司特質風險按照行業權重再次加權平均，即nj=1Wi，tσεi，t乘方后，減去市場超額收益方差Var（Rm，t），便得到股票市場平均公司特質風險：

FIRM=σ2η，t=ni=1Wi，tσεi，t2-Var（Rindexm，t）

（二）結構向量自回歸模型（SVAR）

Sims[13]提出的向量自回歸模型（vector autoregressive model，VAR）采用多方程聯立的形式，在模型的每一個方程中，內生變量對模型的全部內生變量的滯后項進行回歸，從而估計全部內生變量的動態關系，它提供了一個刻畫多元時間序列動態特性以及分析隨機擾動對變量系統動態沖擊的簡單框架。但這種VAR模型不能反映變量之間當期相關性的確切形式，并且由于這些當期相關藏在誤差項的相關結構中，其經濟含義難以解釋。Sims[13]提出了結構向量自回歸模型（SVAR），可以通過建立非遞歸形式的短期約束，在同一模型中識別多個變量的結構沖擊。含有k個變量的p階結構向量自回歸模型SVAR（p）一般矩陣形式可表示為：

B0yt=Γ1yt-1+Γ2yt-2+…+Γpyt-p+ut

其中，

B0=1b12…b1k

b211…b2k

bk1bk2…1，

yt-j=y1t-j

y2t-j…ykt-j，j=0，1，2，…，n

ut=u1t

u2t…ukt，

Γ=

γi11γi12…γi1k

γi21γi22…γi2k

γik1γik2…γikk，

k=0，1，2，…，n

（三）基礎數據

本文中包括3個內生變量：經濟增長指標、信貸規模指標，以及公司特質波動。

1. 公司特質波動（IDIO），本文選擇深滬A股上市公司共1232家上市公司，其選擇標準為：剔除金融類、房地產類和ST類上市公司，另外計算波動率所需時間限制，同樣剔除上市公司不足5個月的上市公司。樣本期從1995.6-2010.6共15年間的樣本交易數據。行業分類是按照中國證券監管委員會于2001年公布的《上市公司分類指引》共分為13大類共56個二級行業，剔除不足3家公司的行業。共選擇51個行業。無風險收益率選取人民幣一年期存款基準利率作為標準。以上數據均來自于Wind數據庫和CSMAR金融數據庫。

2.各項貸款總計，本文引入金融機構貸款余額（CREDI），選擇該指標是為了反映公司特質波動變化而導致的影響宏觀經濟穩定的信貸渠道效應。數據來自于CCER數據庫和國研網，考慮到所取數據均是貨幣名義值度量，為取得其實際余額，將該數據名義值除以CPI計算得出。其中，通貨膨脹率指標采用消費者定基價格指數（CPI），數據來自RESSET金融數據庫。

3.經濟增長指標采用一致合成指數CSI。由于目前我國缺乏GDP的月度數據，再加上在考察宏觀增長涉及到多方面指標，如工業生產、就業、投資、消費、外貿、稅收、企業利潤、以及居民收入等方面因素，本文采用一致合成指數CSI，該指數由國家統計局制定并統一公布（.cn）。

本文SVAR模型中，定義如下假設：第一，假定一致合成指數CSI為前定變量，同期受到金融機構貸款（CREDI）“新息”（Innovation）的影響，這種“新息”即來自于公司特質波動的影響。假定公司特質波動對模型中其他變量反映存在黏性，因此公司特質波動受到自身沖擊的同期影響。第二，假定公司特質波動和金融機構貸款之間存在相互作用：一方面，公司特質波動的變化使得公司的凈資產值發生變化，使得公司擔保品發生變動從而影響銀行的信貸行為。另一方面，金融機構信貸的可獲得性通過公司凈資產值的變化影響公司特質波動的變化。

在選擇上述變量（IDIO、CSI、CREDI）的基礎上建立SVAR來考察這些變量之間的統計關系，相比于無約束VAR模型而言，SVAR模型不僅考慮了變量間的內生性問題，而且也包含了內生變量之間的當期關系。

個股波動經過“非模型測度法”分解為三個層面波動，即市場波動、行業層面波動和公司特質波動，各自所內涵的信息本質不同，為了綜合考察個股波動對宏觀經濟穩定，以及信貸市場變化的影響，將這三個層面波動變量納入工具體系。在目標體系中，認為公司特質波動對于宏觀經濟穩定的影響主要是通過信貸渠道發生的，因此在目標體系中主要設置了、一致合成指數CSI和信貸規模指數CREDI，并著重分析公司特質波動對于一致合成指數CSI和信貸規模的影響，以印證上文的理論分析。

（四）模型的設定

考慮到公司特質波動與宏觀經濟變量之間的關系主要表現在長期關系。為了保存數據中的互動信息，即便其時間序列非平穩，也不采用差分法進行平穩處理[15]，因此，本文選擇上述指標的水平變量構建SVAR模型。而SVAR利用殘差協方差進行Choleski分解來規避模型中的“新息”，這樣存在一個問題，即變量的排序有可能影響到因素的沖擊影響。按照Bjomland和Jacobsen[13]的方法，本文將一致合成指數CSI、通貨膨脹指數CPI和信貸變量CREDI排在序列的最前面，市場波動、行業層面波動和公司特質波動排在后面，具體排序為：

yt=（CSIt，CREDIt，IDIOt）

因此本文的SVAR模型可以表述為：

B0yt=b*+B1yt-1+ut（1）

其中，yt為（3×1）維內生變量向量；B0為可逆（3×3）維結構系數矩陣，表示變量間的當期關系；B1表示為（3×3）維反饋系數矩陣，代表變量滯后期與當期間的關系；ut為（3×1）維隨機擾動項向量，為白噪聲向量；b*為常數項。

（五）模型的識別

SVAR模型和VAR模型之所以不同，在于SVAR模型中包含了變量間的當期結構性關系，這種關系是通過殘差項相互傳遞，為了能夠對（1）式進行估計，需要將其轉化為VAR的簡約形式：

yt=a*+A1yt-1+εt（2）

其中，A1為（3×3）維系數矩陣，εt為（3×1）隨機擾動項向量，且Eεtε′t=∑ε為（3×3）維對稱正半定矩陣。根據（1）式和（2）式之間的隨機誤差項之間的關系，即ut=B0εt，由于Eεtε′t為對稱半正定矩陣，因此ut也為對稱半正定矩陣。至此，為了完全識別SVAR（1），需要對B0施加約束條件。這種約束條件是以公司特質波動、市場波動針對宏觀經濟變量的影響和傳導過程為基礎的。一般而言，對于具有k個內生解釋變量的SVAR模型，需要對B0施加k（k-1）/2個約束條件才能恰好識別出所有參數。

二、數據分析和實證檢驗

（一）時間序列平穩性檢驗

本文首先用Eviews6.0對以上三個變量進行單位根檢驗，檢驗方法采用ADF方法進行處理，單位根檢驗的結果如表1所示：

（二）變量協整關系檢驗

本文采用Johansen協整檢驗對3個變量系統進行分析。假定數據中存在線性趨勢，協整向量含有截距但是沒有線性趨勢，選取2作為滯后階數，得到檢驗結果如表：

表2表明無論跡統計量還是最大特征值法，系統有3個協整向量，而根據Sims[13]的結論，當存在協整關系是，即便使用變量的水平值建立VAR模型是不會出現識別錯誤，且最小二乘法的結果都是一致估計，因此，本文采用水平值進行模型的估計和分析。

（三）模型參數估計

對于這3個變量形成的系統直接應用SVAR模型分析公司特質波動以及市場波動對宏觀經濟穩定的影響時，關鍵是如何設定內生變量的同期相關矩陣，結合上面分析，并參考Kim和Roubini[7]的方法，本文的B0為：

uidioucrediucsi=

1b12b13b211b23b31b321

εidioεcrediεcsi

（3）

一般情況下，對B0參數的約束分為短期約束和長期約束之分，長期約束一般是指零約束，是指一個變量對另一變量的結構沖擊的長期相應為0，但三者間均存在長期關系，因此對于該矩陣應施加短期約束。在（3）式中的第1行，銀行信貸行為的變化是取決于公司凈資產值的變化，當公司資產凈值由于信貸市場的不確定性增加時，引起了公司現金流的變化而發生改變，因此信貸行為的變化在當期對于公司特質波動沒有影響，兩者的當期關系應該為零，則本文中可以設定b12=0。而公司特質波動對宏觀經濟穩定變量CSI也是通過公司資產凈值的改變，引起公司投融資行為發生變化導致的，因此，公司特質波動的變化是取決于公司層面特質信息的改變，盡管從長期將公司層面經營狀況與宏觀因素密切相關，但宏觀經濟對于公司特質波動沒有當期影響。本文設定b13=0。而在（3）式的第2行，根據不完全信息理論以及效率工資理論，價格存在粘性，因此，信貸規模指數CREDI對一致合成指數CSI只存在滯后效應，因此b23=0。

在模型（3）中滿足可識別條件的情況下，我們可以使用回歸模型，并估計得到SVAR模型的所有未知參數，從而可得到矩陣B0，以及ut和εt的線性組合估計結果。首先，通過建立最小二乘回歸模型，得到公司特質波動對于我國信貸市場的當期關系為B21=-0.1194，說明兩者間呈現出負相關關系，也印證了公司特質波動其實是作為公司在信貸市場的金融摩擦存在的，其程度越高，那么公司的融資摩擦愈大，尤其在我國信貸市場信息不對稱狀況明顯，信貸配給嚴重的情況下，更是如此。其次，而公司特質波動IDIO對于一致合成指數CSI的影響，估計IDIO對CSI的系數為

B31=-0.2763，這意味著當證券市場平均公司特質波動上升一個百分點時，CSI指數則下降0.2763個百分點，盡管與Portes和Ozenbas[5]的研究結果認為，在美國證券市場上公司特質波動的上升能夠解釋40%的宏觀經濟波動下降原因相比，也說明在我國證券市場上，平均公司特質波動在長期內是影響宏觀經濟波動的一個重要因素。同時說明公司特質波動與宏觀經濟波動之間的關系呈現出明顯的負相關性。

三、實證結果分析

本文利用SVAR的目的是從公司特質波動、信貸規模、宏觀經濟變量三個內生變量間內在的動態關系，并發現三者信息傳遞的方式和特征，尤其是公司特質波動通過信貸市場對宏觀經濟變量的影響。在SVAR模型中，變量間的關系式相互的交錯發生，我們是通過脈沖響應函數來反映這一關系。而脈沖響應函數是分析當一個誤差項發生改變，或者說模型受到某種沖擊時對系統的動態影響，用以描繪在擾動項上施加沖擊，對內生變量當前值和未來值所帶來的影響，因此帶有一定的滯后性，本文在這里選取的滯后長度為10個月。在SVAR中，通過結構脈沖響應函數的分解可以得到系統中各個內生變量對自身以及其他內生變量單位變動的反應。根據本文的研究目的，主要考察公司特質波動對信貸規模以及宏觀經濟穩定變量的動態影響。

（一）公司特質波動對信貸規模的脈沖反應函數

圖1中分別顯示了公司特質波動對信貸規模

的脈沖響應函數圖和積累響應函數圖。當公司特質波動自身結構新息的一個單位標準差擾動時（1%，為正向總沖擊，下同），信貸市場規模（圖中的D（CREDI），對數形式）在當期產生一個負向的響應，為-0.15個百分點，第二期產生-1.012個百分點的負向響應，在第三期這種負

向響應達到最大值，為-1.174個百分點，此后逐步下降，到第十期以后接近于零。通過積累脈沖響應圖中可以看到，從第十期以后逐步穩定在4.5個百分點左右。說明公司特質波動對于信貸規模的沖擊均是具有長期性。通過兩者的脈沖反映函數，我們可以發現，在我國證券市場上公司特質波動的上升，意味著公司層面特質信息不確定性的上升，而這種信息不確定性加劇了信貸市

場上，銀行等金融機構觀察公司內部經營狀況的信息不確定性增加。這種狀況影響著企業的資產凈值的改變，企業若憑借流動資產或者抵押品獲得銀行信用，從公司的資產負債表來看就會負擔加重，償還能力變差，要想獲得銀行貸款就越困難。伴隨著這種金融摩擦的上升，企業外部融資升水增加，迫使企業的融資順序發生改變，逐步轉向內部融資，因此信貸規模開始下降，而且這種狀況是具有持久性。

（二）信貸規模對宏觀經濟穩定的脈沖響應函數

圖2中，當信貸規模自身結構新息的一個單位標準差擾動時（1%，為正向總沖擊，下同），

宏觀經濟穩定變量（圖中的D（GYZ），對數形式）在當期產生一個負的響應，為2.4個百分點，從第二期開始響應由負轉正，為1.7個百分點，在第八期響應值達到最大值為9.97個百分點，此

后開始逐步下降并趨近于零。而通過積累脈沖響應圖中可以看到，從第十五期以后逐步穩定在15.2個百分點左右。說明信貸規模的增加對于宏觀經濟在短期具有較強的提升作用。

（三）公司特質波動對宏觀經濟穩定的脈沖響應函數

圖3中，當公司特質波動自身結構新息的一個單位標準差擾動時（1%，為正向總沖擊，下同），宏觀經濟穩定變量（圖中的D（GYZ），對數形式）在當期產生0.527個百分點的正響應，第二期響應由正變負，響應值為-1.77個百分點，在第七期該負響應值達到最大值，為-16.41個百分點，此后開始逐步下降，從第十五期開始逐步趨近于零。通過積累脈沖響應圖中可以看到，從第十五期以后逐步穩定在24.89個百分點左右。由此看出，公司特質波動對于宏觀經濟變量CSI具有明顯的負相關性，而且這種沖擊響應具有持久性。另外結合圖1和圖2，也可以得知，這種負向沖擊效應是通過信貸市場行為的收縮而產生的。

四、研究結論與展望

Portes和Ozenbas（2009）在理論上驗證了公司特質波動對宏觀經濟穩定的影響，本文采用結構向量自回歸計量方法，以我國證券市場A股收益數據和相關的宏觀經濟變量，研究了公司特質波動、信貸市場規模和宏觀經濟穩定變量三者之間的因果關系。結果發現：第一，公司特質波動水平的變動是引起信貸規模發生變化的一個重要的因素，無論從影響程度和持續時間來講，都是非常重要，公司特質波動與信貸規模之間是顯著的負向關系，當公司特質波動越大時，信貸規模就會下降。公司特質波動在其信息內涵上，并非代表公司特質信息納入股價的程度，而是衡量信息不確定性程度的指代變量。

第二，公司特質波動與宏觀經濟波動之間呈現明顯的負相關性。這種相關性是通過信貸渠道產生的，即當公司特質波動的增加迫使公司外部融資升水增加，制約了外部融資規模，從而導致信貸市場萎縮，從而降低了宏觀經濟波動程度。

但據已有的文獻資料表明，資產價格尤其股票價格波動，除了公司融資渠道，更多是通過公司投資行為對宏觀經濟穩定產生作用，而資產價格波動是通過信息機制來影響上市公司投資規模。那么公司特質波動的變化是否能夠影響公司投資行為，其影響機制和渠道是什么？這都是未來值得研究方向。

參考文獻：

[1] 陳健.中國股市非系統風險被定價的實證研究[J].南方經濟，2010，（7）：41-49.

[2] Roll. R2[J]. Journal of Finance， 1988，（43）： 541-566.

[3] Wurgler J. Financial Markets and the Allocation of Capital[J]. Journal of Financial Economics， 2000，（58）：187-214.

[4] Morck R.， Bemard Yeung， Wayne Yu. The Information Content of Stock Markets： Why do Emerging Markets Have Synchronous Stock Price Movements？[J]. Journal of Financial Economics，2011，（58）： 215-260.

[5] Hoberg G.， Nagpurnan and R. and Prahala. Disappearing dividends： the importance of idiosyncratic risk and the irrelevance of catering[Z].SSRN Working paper， 2010.

[6] Bernanke， B.， S.， Gertler， M.， Gilchrist， S. The Financial Accelerator[M]∥J. B. Taylor. Handbook of Macroeconomics. Amsterdam：NorthHolland，1999.

[7] Kim C.， J. and C.R. Nelson. Has the US economy become more stable？ —A Bayesian approach based on a Markovswitching model of the business cycle[J]. Review of Economics and Statistics，1999，（81）：608-616.

[8] 黃波，李湛，顧孟迪.基于風險偏好資產定價模型的公司特質風險研究[J].管理世界，2006，（11）：26-30.

[9] 楊華蔚，韓立巖.中國股票市場特質波動率與橫截面收益研究[J].北京航天航空大學學報，2009，（3）：6-10.

[10] Campbell J.Y，Lettau M.，Malkiel，G.B and Xu，Y.Have individual stocks become more volatile？—An empirical exploration of idiosyncratic risk[J].Journal of Finance，2001，（56）：1-43.

[11] Malkiel B. and Xu Y. Investigating the behaviour of idiosyncratic volatility[J]. Journal of Business， 2003，（76）：613-644.

[12] Bali T.， Cakici N.and Levy， H. A model-independent measure of aggregate idiosyncratic risk[J]. Journal of Empirical Finance， 2008，（15）：878-896.

[13] Blanchard， O. ，J. Simon. The Long and Large Decline in US[C]. Output Volatility Brookings Papers on Economic Activity， 2001， （32）：135-174.