货币供应量对我国股市的影响分析

摘要：运用协整分析和VAR模型检验，实证分析货币供应量与我国股市之间的相关性。结果表明：上证综合指数与货币供应量各自存在协整关系；上证综合指数与货币供应量存在因果关系，且上证综合指数对货币供应量有一定的影响。通过实证结果分析，旨在为制定和执行货币政策提出相关政策建议。

关键词：货币供应量；上证综合指数；货币政策；协整分析；VAR模型

1.引言

我国的股票市场经历了20多年的发展，其融资规模在不断地提高与扩大。截至2016年底，沪深两市市价总值已达507685.88亿元，其中上海证券交易所市值达284607.63亿元，深交所223078.25亿元。两市成交总额达98288亿元，其中上海证券交易所交易金额达44417.99亿元，深交所53870.01亿元。股票市场的融资金额已达到相当高的规模，在很大程度上反映了当前的宏观经济状况。我国货币供应量则被作为实施货币政策的中介目标。截至2016年底，M0为68303.9亿元，M1为486557.2亿元，M2为1550066.7亿元，M0同比增长8.1%，M1同比增长21.4%，M2同比增长11.3%。目前，股票市场作为货币市场与资本市场之间的融资渠道，其对货币政策和宏观经济的影响不断增强。然而，货币供应量对股市影响到底有多大？什么因素对股市的影响最大？这有助于提高融资效率，充分发挥资本市场优化资源配置的作用。因此，本文运用协整分析和误差修正模型、Grange因果检验，以及VAR模型、脉冲响应与方差分解方法，研究货币供应量对股市的影响程度，进而通过实证的结果分析，旨在为制定和执行货币政策提出切实有效的政策建议。

2.文献综述

国外学者研究货币供应量对股票价格的影响，主要分为直接影响和间接影响两类。早在20世纪60年代，Sprinkler（1964）使用作图的方法研究货币供给量变化与股票价格变化的关系，得出股市峰值比货币供给量的峰值滞后15个月，谷底滞后2个月。在研究间接影响方面，Humpe&.Macmillan（2009）将美国与日本现状比较分析，得出两个市场的结果是不一样的，在美国货币供应量对股市没有明显影响，但是在日本却有着负向的影响。

国内学者研究状况为，赵明勋（2005）实证分析表明，股票市场的流通市值的扩大对狭义货币需求和广义货币需求都有副作用。

3.实证分析

3.1变量选取与数据来源

本文选取M0、M1、M2作为衡量货币供应量的指标，选取市场成立量和活跃程度较高的上证综合指数SZ代表股票市场的发展情况。对各变量时间序列取自然对数，以减少模型的异方差。模型样本区间确定为2005年1月至2016年12月。数据来源于国家统计局网站和wind数据库。

3.2单位根检验

为了避免伪回归现象，运用ADF检验法对LNMO、LNM1、LNM2、LNSZ进行平稳性检验。利用Eview8.0进行分析，结果表明在5%的显著水平下，ADF统计值都大于临界值，接受原假设，存在单位根，这些指标是非平稳的。经一阶差分后，ADF统计量小于临界值，拒绝原假设，指标平稳，即各指标为一阶单整变量。

3.3 协整检验与误差修正模型

由于四个变量指标为同阶单整过程，满足协整检验，因此基于EG两步法，利用Eviews8.0进行检验，结果表明，以上证股指LNSZ为被解释变量，LNMO、LNM1、LNM2为被解释变量时，残差的单位根系数检验量与伪t检验量对应的检验概率都小于5%显著性水平的临界值，因此LNSZ与LNMO、LNM1、LNM2各自存在协整关系。由此，分别建立协整模型，即：

LNSZt=3.8765+0.3587LNMOt

LNSZt=3.8573+0.3206LNM1t

LNSZt=4.4686+0.2486LNM2t

进一步建立误差修正模型：

[Δ]LNSZt=0.0059+0.1629[Δ]LNSZt-2-0.0492ecm0t-1

（0.8239） （1.9657） （-2.2485）

R2=0.0534 F=3.9180 Prob（F）=0.0219 DW=1.7559

[Δ]LNSZt=0.0055+0.1622[Δ]LNSZt-2-0.0461ecm0t-1

（0.8177） （1.9479） （-2.0825）

R2=0.0486 F=3.5511 Prob（F）=0.0307 DW=1.7590

[Δ]LNSZt=0.0055+0.1618[Δ]LNSZt-2-0.0476ecm0t-1

（0.8212） （1.9488） （-2.1855）

R2=0.0517 F=3.7752 Prob（F）=0.0251 DW=1.7580

可見，上证股指LNSZ的短期变动主要受到其差分滞后2期的影响，当上证股指与三个货币指标偏离各自的长期均衡时，三个误差修正项发挥反向调节作用，对应LNM0、LNM1、LNM2的调整大小分别为-O.O492、-0.0461和-0.0476，符合反向修正机制。

3.4 Grange因果检验

Grange因果检验结果显示，从滞后2期到滞后5期，检验结论具有稳定性，在5%的显著性水平下，仅有股指LNSZ是LNM1的格兰杰原因，而LNM1不是LNSZ的格兰杰原因，即LNSZ与LNM1存在单项因果关系。在10%的显著性水平下，滞后5期检验发现，LSZ与LM1之间存在双向因果关系。所有的滞后期均没有发现LNSZ与LNM1和LNM2的货币指标存在因果关系。

3.5 VAR模型、脉冲响应与方差分解endprint

建立VAR模型，通过信息指标来确定各自的模型阶数。比较不同滞后期的有关信息指标的计算结果，可见选用VAR（1）模型来描述LNSZ与LNM0、LNM1及LNM2之间的动态关系，每个VAR（1）模型对应的两个特征根均小于1，即每个VAR（1）模型都是平稳的。

从估计结果显示，LNSZ分别与LNM0、LNM1、LNM2的相关性不显著，它们受自身滞后期的影响显著，这与Grange因果检验结果一致。

脉冲响应和方差分解显示，每个图示的左侧图显示，LNM0、LNM1、LNM2对LNSZ拉动作用较小，但对LNSZ本身的冲击有一定的影响，并呈衰减趋势。右侧图形显示，LNSZ对LNM0、LNM1、LNM2有较小的拉动作用，但对LNM0、LNM1、LNM2的冲击影响较大，并呈下降趋势，这与平稳的VAR（1）模型估计结果一致。

方差分解结果显示，每个指标预测产生的方差，主要来自其自身扰动项部分，而来自其他指标扰动项方差所占比例非常小。在LNM0、LNM1和LNM2的方差分解中，来自LNSZ扰动项方差所占份额在LNM1中最大，而在LMO、LM2的方差份额非常小，这说明LNSZ对LNM1的影响远远大于LNSZ对LNM0、LNM1的影响。

结论及建议

首先，通过协整检验与误差修正模型检验，LNSZ与LNMO、LNM1、LNM2存在着长期的均衡现象，并且LNMO、LNM1、LNM2误差修正项发挥反向调节作用，但是调整力度相当，不能进行较好的自行调控。

其次，通过Grange因果检验，从滞后2期到滞后5期，检验结论具有稳定性，在5%的显著性水平下，LNSZ与LNM1存在单项因果关系。在10%的显著性水平下，LSZ与LM1之间存在双向因果关系。所有的滞后期均没有发现LNSZ与LNM1和LNM2的货币指标存在因果关系。

最后，通过VAR模型、脉冲响应与方差分解得出，建立VAR模型估计结果显示LNSZ分别与LNM0、LNM1、LNM2的相关性不显著，它们受自身滞后期的影响显著；通过脉冲响应分析图及方差分解表，表明LNM0、LNM1、LNM2对LNSZ的冲击影响比较弱，反之LNSZ对LNM0、LNM1、LNM2也具有微弱的影响，但两种情况都受自身冲击的影响较大。另外，在LNM0、LNM1和LNM2的方差分解中，LNSZ对LNM1的影响远远大于LNSZ对LNM0、LNM1的影响。

由此可见，在制定和执行货币政策时，央行应充分考虑货币政策对股票市场的影响。保持适当的货币供给，进而保证股票市场的健康发展；加快市场公平公正建设，公开信息透明披露；融通货币市场和资本市场渠道，大力推进利率市场化改革，以增强利率对金融资产价格传导的有效性。

参考文献：

[1]Sprinkel， B.1964，“Money and stock Prices”.Homemood， IIIinois：Richard Irwin.

[2]Humpe&.Macmillan.2009，“Stocket Market Retums and Real Activity：a note”.Joural of Finance[J].（5）：256-258.

[3]趙明勋.中国股票市场发展与货币需求实证研究[J].财贸研究，2005（02）：60-67.

作者简介：

施若 （1968.5- ），男，博士，教授，研究方向：金融工程、互联网金融、大数据金融。endprint