中国股市周期与经济周期的动态关联研究

博士后工作站专题报告

RIND60P@0 %0%-10%-20%-30%-40%RGDP195319571961196519691973197719811985198919931997200120052009

注：RIND表示年度工业增加值的同比增长速度；RGDP则表示年度国内生产总值的同比增长速度。

而且通过ADF检验也可以证实（见表1），年度RGDP与年度RIND都服从零阶单整，即年度RGDP与年度RIND时间序列均为平稳时间序列，其分布形态大致相似并且具有协整关系，这证明RIND可以有效反映真实经济周期。

表1 年度RGDP、年度RIND的单位根检验（ADF）

时间序列 年度RGDP 年度RIND SC信息值 6.944214 8.019331 t统计量 -6.828969 -6.150061 临界值 -4.148465 -4.133838 显著水平 99% 99% 似然值 -163.3161 -212.5169 检验结果 平稳 平稳 注：零假设为时间序列具有一个单位根；年度数据的最大滞后阶数为10；上述单位根检验带有截距和趋势项。

为了进一步证明RM1可以表示中国金融经济周期，本文采用如下信号分解：

, ?0.8RMSIGNALRM1t? ?0.8RM,t?1 0t?1 0重复上述步骤，可知RM0和RM2在各方面表现都不如RM1。因此，RM1也可以作为衡量中国金融经济周期的序列。

由于DCC要求时间序列都服从零均值的正态分布，对Rt、RM1以及RIND作正态检验，发现三者都不服从均值为零的正态分布（见表2）。这样就必须对三组时间系列数据进行转换。

为了满足动态相关的条件，本文使用的无偏转换为下式：

博士后工作站专题报告

MRt?Rt??Rt/T MRM1?RM1??RM1/T MRIND?RIND??RIND/T。

利用t检验证实，转换后的时间序列MRt、MRIND以及MRM1均值显著为零（见表2）。

表2 时间序列的描述性统计量

时间系列 均值 0.009004 0.131572 0.169507 0 0 0 中位数 0.014790 0.133000 0.162500 0.005786 0.001428 统计误差 偏度 峰度 Jarque-Bera 13.53068 3.598062 78.7196 13.53068 3.598062 78.7196 Rt 0.086129 -0.204000 4.279697 0.039759 -0.339115 0.054015 1.168837 2.859478 5.243040 4.279697 RIND RM1 MRt 0.086129 -0.204002 MRIND 0.039759 -0.339115 2.859478 1.168837 5.243040 MRM1 -0.007007 0.054015 为了避免虚假回归，需要对转换后的时间序列MRt、MRIND以及MRM1进行单位根检验。检验表明（表1），三者已经为平稳序列，但时间序列的性质并未发生改变，因此将MRt作为刻画中国股市周期的基准序列，MRIND作为刻画真实经济周期的基准序列，MRM1作为刻画中国金融经济周期的基准序列，并进行下一步的GARCH过程。

表3 MRt、MRIND以及MRM1的单位根检验（ADF）

时间序列 SC信息值 -1.991814 -4.110047 -4.944780 t统计量 -7.454978 -3.557068 -4.093721 临界值 -4.010440 -3.435413 -4.011352 显著水平 99% 95% 99% 似然值 187.6350 376.6796 450.7450 检验结果 平稳 平稳 平稳 MRt MRIND MRM1 注：零假设为时间序列具有一个单位根；月度数据的最大阶数为10；上述单位根检验带有截距和趋势项。

根据Engle and Sheppard（2001）的动态相关估计方法，以及Engle（2002）

博士后工作站专题报告

的研究成果，本文利用平均可逆公式动态相关（DCC）估计来分别考察股市周期与真实经济周期以及金融经济周期的动态关联程度。表4和表5分别给出了DCC的估计结果。

表4 股市周期与真实经济周期动态关联的两步法DCC估计结果

DCC 1 step- GARCH(1,1) 时间系列 MRt MRIND 常数项 ARCH GARCH 对数似然值 193.0417 341.4167 536.3691 0.0004* 0.0957* 0.8456** （1.231901） （1.795469） （9.394253） 0.0005 0.7918** 0.0056 （4.941813） （4.143579） （1.156869） 0.0389 （3.34153） 0.5653 0.3958 （3.123356） （4.343498） 2 step-GARCH(1,1) 注：表中括号内的数值表示对应的t统计量或者Z统计量，**表示显著水平1 %通过检验，*表示显著水平5 %通过检验。1step-ARCH 和2step-ARCH采用Bolleralev-Woodgrige稳健标准误-协方差校正、向后更新方差迭代12次后收敛。

股市周期与真实经济周期动态关联的两步法DCC检验表明，时间系列的GARCH项与ARCH项的和都非常接近于1，而且其参数都是非常显著的，说明波动过程是稳定的；DCC-P及t值为0.5653（3.123356），DCC-Q及t值为0.3958（4.343498），也都非常显著，拒绝了两者之间相关系数为常数的原假设，认为两者之间存在动态相关关系，而且具有很强的持续性，即真实经济周期波动都对股市周期的运行具有长期的影响。

表5 股市周期与金融经济周期动态关联的两步法DCC估计结果

DCC 1 step- GARCH(1,1) 时间系列 MRt MRM1 常数项 ARCH GARCH 对数似然值 193.0417 334.6146 528.5925 0.0004* 0.0957 0.8456** （1.231901） （1.795469） （9.394253） 0.0003** 0.8490** 0.0186 （2.375953） （2.566883） （0.150059） 0.0235* （1.22793） 0.0996** 0.8769** （3.674322） （4.776592） 2 step-GARCH(1,1) 注：表中括号内的数值表示对应的t统计量或者Z统计量，**表示显著水平1 %通过检验，*表示显著水平5 %通过检验。1step-ARCH 和2step-ARCH采用Bolleralev-Woodgrige稳健标准误-协方差校正、向后更新方差迭代16次后收敛。

同样，股市周期与金融经济周期动态关联的两步法DCC检验表明，时间系列的GARCH项与ARCH项的和都非常接近于1，而且其参数都是非常显著的，

博士后工作站专题报告

说明波动过程是稳定的；DCC-P及t值为0.5653（3.123356），DCC-Q及t值为0.3958（4.343498），也都非常显著，拒绝了两者之间相关系数为常数的原假设，认为两者之间存在动态相关关系，而且具有很强的持续性，即真实经济周期波动都对股市周期的运行具有长期的影响。

最后，画出股市周期与真实经济周期以及金融经济周期之间随时间变化的动态相关关系图（见图2）。

图2 股市周期与真实经济周期以及金融经济周期的动态关联程度

股市周期与金融经济周期动态相关系数0.60.40.20-0.2-0.41996M01股市周期与真实经济周期动态相关系数1998M012000M012002M012004M012006M012008M012010M01 使用DCC方法，我们可以估计出中国股市周期与真实经济周期以及金融经济周期之间每个月的动态关联程度，从而可以看出相关程度的变化趋势。而一般的条件相关系数只能反映一段时间内时间序列间的相关关系，无法看出两种不同周期之间的动态长期趋势，而且估计出的金融变量之间的相关性会发生较为严重的偏重；而本文所采用的DCC方法，不仅克服了模型与实际金融市场的偏离，而且充分利用了各期的信息，赋予近期信息更高的权重，从而使得分析结果与现实更为贴合。

从图2可以看出，股市周期与金融经济周期以及真实经济周期的动态相关关系在样本期内基本上为正相关关系，仅在少数的时间里，两者之间呈负相关关系，可见在样本期内，真实经济指标与金融经济指标对股市的周期波动具有重要的影响，我国股票市场的周期波动很大程度上受到真实经济周期波动与金融经济周期波动的共同影响，因此，股票市场的周期波动表现为投资驱动与资金推动共同作用的双重特征。在样本期内，股市周期与金融经济周期的动态相关系数在不同的时间点上都有所差异，其相关系数较大部分都保持在0~0.6之间波动；股市周期