中國股價包含宏觀經(jīng)濟信息嗎？

羅芳　楊柳堅

摘要：利用Beaudry and Portier的方法和模型，本文考察了中國股票價格中所包含的關于未來宏觀經(jīng)濟狀況的信息，同時也考察了該信息對中國宏觀經(jīng)濟波動所產(chǎn)生的影響。模型的估計結果表明，能夠利用結構向量誤差修正模型中的短期條件識別出股票價格中所包含的關于宏觀經(jīng)濟狀況的信息，該信息是股票價格中所包含的與全要素生產(chǎn)率短期結構新息垂直的結構新息，該新息對全要素生產(chǎn)率和股票價格的影響與長期限制條件下的新息的影響是相似的，并且對全要素生產(chǎn)率具有持久性的影響。因此，在研究中國經(jīng)濟波動的過程中，信息沖擊所帶來的波動需要逐漸納入考慮范圍之內(nèi)。

關鍵詞：信息；股票價格；經(jīng)濟波動；結構向量誤差修正模型

一、引言

Pigou（1927）[1]的理論將居民對宏觀經(jīng)濟的預期作為經(jīng)濟波動的主要因素，隨后發(fā)展起來的主流宏觀經(jīng)濟學文獻背棄了這一傳統(tǒng)，并且將技術沖擊作為引起經(jīng)濟波動的主要因素；盡管如此，居民對宏觀經(jīng)濟的預期一直在經(jīng)濟周期文獻中發(fā)揮重要作用。尤其是近些年來，居民對宏觀經(jīng)濟的預期以及關于未來宏觀經(jīng)濟狀況的信息的沖擊（news shock about future macro economy）在解釋一些問題上發(fā)揮了重要作用。（Beaudry and Portier， 2004； Jaimovich and Rebelo， 2006； Christiano et al.， 2008）[2][3][4]。但是，鮮有學者談及關于未來宏觀經(jīng)濟狀況信息在中國經(jīng)濟波動中所扮演的角色。建立在已有研究的基礎上，本文期望通過將相關方法和模型應用在中國經(jīng)濟中來填補這個空缺。

在Beaudry and Portier（2006）[5]中，信息以及信息在經(jīng)濟周期中的作用是在一個雙變量結構向量誤差修正模型（Structural Vector Error Correction Model， SVECM）中識別的。在這個識別策略中，結構模型被相繼賦予短期限制條件（short-run restriction）和長期限制條件（long-run restriction）。在短期限制條件中，信息被識別為股價中與技術新息（innovation）不相關的新息；而在長期限制條件中，信息被識別為對技術進步具有長期影響的新息。按照Beaudry and Portier（2006）的推論，如果關于未來宏觀經(jīng)濟波動的信息在經(jīng)濟周期中發(fā)揮了重要作用，那么模型中的變量—尤其是技術進步變量—對這兩種信息的脈沖響應函數(shù)應當是相似的，而兩種信息之間應當呈線性關系。這種方法在美國數(shù)據(jù)中的應用支撐了信息驅(qū)動型經(jīng)濟周期模型（news-driven business cycle）。Barsky and Sims（2010）[6]則將信息識別為一些向前看（forward-looking）變量（包括股價，消費者信心指數(shù)和通貨膨脹）中新息的線性加權。

中國證券市場雖然起步較晚，但已經(jīng)在國民經(jīng)濟發(fā)展中發(fā)揮了重要的作用。隨著證券市場在經(jīng)濟發(fā)展中作用的逐漸凸顯，證券市場與宏觀經(jīng)濟方面的聯(lián)系也在逐漸加強。譬如說，利用1995-2004年的中國數(shù)據(jù)，方文全（2009）[7]驗證了中國股市與通貨膨脹之間的關系；王曉芳、高繼祖（2007）[8]則利用ARDL邊界檢驗的方法進一步驗證了上述結論；靳云匯、于存高（1998）[9]則從更加廣義的角度論證了中國股市與國民經(jīng)濟的關系。所有的研究都證實了中國股票市場與國民經(jīng)濟的關系與國外股票市場沒有顯著的差異。這意味著股票市場價格中包含了宏觀經(jīng)濟的有關信息，我們完全能夠利用Beaudry and Portier（2006）的方法驗證關于未來宏觀經(jīng)濟狀況的信息在經(jīng)濟波動中的作用，同時利用其策略識別出該信息；這就是本文將要做的工作。

二、模型介紹

1. 信息的定義及其識別中的問題

按照Barsky and Sims（2010）中的定義，以全要素生產(chǎn)率代替的技術進步一般可以表達為兩類沖擊的隨機過程：未預期到的技術沖擊和以前預期到的對當前技術進步的沖擊，其中，以前預期到的對當前技術進步的沖擊就是本文中所要尋找的信息沖擊（news shock）。進一步來說，技術進步一般可以表達為：

這個表達式符合由信息沖擊定義所導出的限制性條件，但是簡單的模型估計只會將兩類沖擊混淆，研究者只能得到兩類沖擊的和而無法分別產(chǎn)生出兩類沖擊序列，因此簡單的估計會產(chǎn)生出誤差，從而影響研究結論。

從上面的分析中可以看出，信息沖擊是無法在單方程的估計結果中獲得的，我們只能利用向量自回歸或者向量誤差修正模型來估計信息沖擊序列。

2. 信息識別策略

本文的識別策略是遵照Beaudry and Portier（2006）中的模型和步驟。具體來說，假設一個由技術進步和股票價格構成的雙變量向量誤差修正模型（Bivariate Vector Correction Model）的表達式為：

分別為短期和長期結構沖擊，其方差-協(xié)方差矩陣均為單位矩陣。為了保持結構模型和原始模型的一致性，結構模型必須能夠產(chǎn)生原始模型中的方差-協(xié)方差矩陣，這就意味著以下的關系式：

和

從上述關系式可以發(fā)現(xiàn)，由于包含長期限制條件的模型和包含短期限制條件的模型式從同一個原始模型中估計出來的，所以對于方差-協(xié)方差的限制條件是一樣的。由于是對稱矩陣，上述方程中是一個包含四個變量和三個方程的方程組，所以需要提供結構性限制條件來估計參數(shù)，這就是下面的短期限制條件和長期限制條件所要做的工作。

本文假設在短期中，股票價格新息對當前的技術進步?jīng)]有影響，按照這一假設，短期結構模型中的系數(shù)存在條件；同時，對未來宏觀經(jīng)濟和生產(chǎn)率的信息沖擊可以識別為新息序列。在長期中，依照Beaudry and Portier（2006）中的方法，僅有技術進步方面的新息對技術進步具有長期作用，而股票價格中的新息對技術進步不存在長期作用。該假設條件中，長期結構模型中的系數(shù)存在條件。在該識別條件中，股票價格中能夠長期影響技術進步的新息與本文的信息定義較為接近，所以如果宏觀經(jīng)濟周期波動是信息驅(qū)動型的，那么兩類模型中變量對來自新息序列的沖擊反應應當是類似的。本文的模型估計及其分析就是建立在這一分析基礎之上的。

三、數(shù)據(jù)描述

本文的模型估計建立在我國1995年一季度到2011年四季度的數(shù)據(jù)。所有數(shù)據(jù)均來源于中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫。

中國技術進步數(shù)據(jù)來源于對中國生產(chǎn)函數(shù)的估計，用中國的全要素生產(chǎn)率來代表中國的技術進步。假設中國的生產(chǎn)函數(shù)為步序列可以估計為：

但是，利用該模型估計中國的技術進步需要解決諸多問題。針對相關問題，本文在相關研究的基礎上都做出了相應的處理。

首先，由于本文模型需要估計中國的股票價格中所反映的宏觀經(jīng)濟信息，而中國的農(nóng)業(yè)由于長期以來發(fā)展程度較低，與股票市場的直接聯(lián)系也較弱；因此，本文按照Beaudry and Portier（2006）的方法，模型中的總產(chǎn)出由第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的總產(chǎn)出來代表。然后，從中國的統(tǒng)計數(shù)據(jù)中可以尋找到中國的月度環(huán)比通貨膨脹率，該通貨膨脹率由居民消費價格指數(shù)表示。利用中國的月度環(huán)比數(shù)據(jù)，通過簡單的相乘，能夠計算出中國的季度環(huán)比通貨膨脹率，然后能夠進一步計算出1995年一季度至2011年四季度之間各季度建立在1995年一季度基礎上的價格，其中1995年一季度的起始價格假設為1。然后利用統(tǒng)計數(shù)據(jù)中的名義總產(chǎn)出和各季度的價格指數(shù)，本文得到了各季度的實際總產(chǎn)出。

其次，對中國的季度資本存量采用永續(xù)盤存法進行估計。永續(xù)盤存法的估計表達式為，其中為固定資產(chǎn)投資價格指數(shù)。因此，該估計方法要求確定起始的資本存量，各季度的投資價格指數(shù)，各季度的名義投資以及季度折舊率。本文中的各季度的名義投資能夠直接由統(tǒng)計數(shù)據(jù)獲得；而季度折舊率則為1.27%，這與年度折舊率為5%是相一致的（王小魯?shù)龋?000；郭慶旺、賈俊雪，2004；陳彥斌等，2009）[10][11][12]。按照喬根森（2001）[13]的思想，本文采用耐用消費品的價格指數(shù)來對固定資產(chǎn)投資進行代替，但是該價格指數(shù)僅從2003年一季度開始，對于1995年一季度至2002年四季度之間，本文只能采用總體通貨膨脹率來代替固定資產(chǎn)投資的價格指數(shù)。對于各季度的投資，本文采用各季度第二產(chǎn)業(yè)和第三產(chǎn)業(yè)固定資產(chǎn)投資完成額的總和進行計算。按照所選取的時間寬度，本文將郭慶旺、賈俊雪所估計的1994年底的資本存量作為起始的資本存量，但是這一資本存量是以1978年的價格進行計算的，這與本文所選取的價格基點完全不同。為此，本文首先利用中國年度通貨膨脹率，計算出按照1995年價格計算出的1994年資本存量，然后利用1995年的環(huán)比通貨膨脹率，計算出1995年一季度的通貨膨脹率與全年通貨膨脹率之間的關系，從而將該初始資本存量轉(zhuǎn)化為按照1995年一季度的價格進行計算的數(shù)值從而滿足永續(xù)盤存法的公式。利用所有處理的相關數(shù)據(jù)，可以估算出1995年一季度至2011年四季度之間的所有資本存量。

再次，對于本文勞動收入份額的處理。由于本文的總產(chǎn)出和資本數(shù)據(jù)都是來自于第二產(chǎn)業(yè)和第三產(chǎn)業(yè)，因此勞動收入份額數(shù)據(jù)也最要來自于這兩個產(chǎn)業(yè)的估計。因此，本文第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的勞動收入份額數(shù)據(jù)直接取自1995年至2004年的平均值。為了構造一個統(tǒng)一的勞動收入份額數(shù)據(jù)，筆者首先利用第二產(chǎn)業(yè)和第三產(chǎn)業(yè)增加值占其總和的比重作為加權值，從而得到歷年的勞動收入份額數(shù)據(jù)，最后取歷年的數(shù)值進行平均從而得到本文所需要的勞動收入份額數(shù)據(jù)。最終的勞動收入份額約為0.40。

最后，對于（1）式中勞動力的選取，本文將各季度末全部城鎮(zhèn)單位的從業(yè)人員數(shù)作為本文勞動力的替代，這也與本文的模型中不包含農(nóng)村部門的生產(chǎn)相符合的。

利用相關的統(tǒng)計數(shù)據(jù)和經(jīng)過處理的數(shù)據(jù)，本文估算出了中國各季度的技術進步。但是估計出來的數(shù)據(jù)具有嚴重的季節(jié)性，所以筆者進一步利用X12方法進行了季節(jié)調(diào)整。調(diào)整出來的技術進步數(shù)據(jù)可見于圖1中的虛線。從圖1中可以看出，中國的技術進步總體來說是增長的，這與我國的經(jīng)濟發(fā)展事實相符合。

對于股票市場的價格，本文采用上證季度最高綜合指數(shù)進行替代。按照Beaudry and Portier（2006）的數(shù)據(jù)處理方法，本文首先將股票價格除以本文中得到的各季度價格指數(shù)以及中國各季度15—64歲的人口總數(shù)，然后再取對數(shù)從而得到本文的股票市場價格指數(shù)。本文按照歷年抽樣調(diào)查中該年齡段人口所占的比例以及歷年人口總數(shù)估算出歷年15—64歲的人口總數(shù)，然后假設同一年不同季度之間的人口增長數(shù)是相同的，從而估算出各季度內(nèi)15—64歲的人口增長率，并進而計算出各季度內(nèi)的人口數(shù)量。依據(jù)相關處理方法，最終各季度的股票市場價格指數(shù)可見于圖1中的實線。從圖中可以看出，中國的股票價格呈緩慢上升趨勢，但是沒有中國的技術進步那么平緩，它是在波動中緩慢上升的，甚至在特定的時間段有一定的下降。

為了檢驗模型設定是否正確，需要對數(shù)據(jù)進行簡單的分析。擴展的Dickey-Fuller檢驗表明技術進步和股票價格均是滿足一階單整（I（1））的，而Johansen協(xié)整分析則表明兩個時間序列數(shù)據(jù)滿足95%的顯著性水平下是存在協(xié)整關系的，這意味著本文所采用的誤差修正模型是正確的，模型的構造符合中國數(shù)據(jù)的特點。

四、模型估計

利用時間序列分析工具JMulTi對上述模型進行估計。滯后階數(shù)利用AIC信息準則可確定為5，第一階段的誤差修正模型采用Johansen的計算方法，第二階段的結構模型利用最大似然法進行估計，在估計中采用自助抽樣法（bootstrap estimation），抽樣期數(shù)為2500期。按照本文第二部分中對模型意義的闡述，信息由兩個結構新息和進行刻畫；在估計結果中，模型中的兩個總體變量對新息的脈沖響應圖可見于圖2。在圖2中，兩條實線是脈沖響應的點估計，其中，帶三角形標注的實線表示的是總體變量對新息沖擊的脈沖響應。

圖2（a）繪出了技術進步（全要素生產(chǎn)率）對兩類新息沖擊的脈沖響應。從該圖中可以看出，全要素生產(chǎn)率對新息沖擊的反應為零；這是與估計過程中所施加的短期限制條件是一致的，即來自股票價格的新息對當前的全要素生產(chǎn)率沒有影響。但是，該新息沖擊對全要素生產(chǎn)率存在持久的影響，來自當前的一個正的對股票價格的結構性沖擊，能夠?qū)ξ磥淼娜厣a(chǎn)率帶來一個持續(xù)性的增加。而另一方面，通過利用長期限制條件得到的新息序列按照限制條件的定義應該是能夠?qū)θ厣a(chǎn)率產(chǎn)生持久性的影響，這一點也能夠從圖2（a）中的脈沖響應圖中看出；重要的一點是，股價對兩類新息沖擊的脈沖響應基本是相似的。其中是符合第二部分中提及到的Barsky and Sims（2010）中對信息（news）的定義，即。圖2（a）中的脈沖響應圖表明，從全要素生產(chǎn)率的角度來看，關于未來宏觀經(jīng)濟的信息完全反應在了股票價格中，同時宏觀經(jīng)濟的波動在很大的程度上會受到關于未來宏觀經(jīng)濟信息的影響。

圖2（b）中的關于股票價格的脈沖響應圖進一步證實了上述推論。從該圖中可以看出，股票價格對兩類新息沖擊的脈沖響應圖是完全相似的。短期中不會對全要素生產(chǎn)率產(chǎn)生影響的正的新息沖擊能夠使股票價格在當期中有所上升，兩類新息沖擊都刻畫了這樣一種狀況。

（a）技術進步

（b）股票價格

（a）短期信息沖擊的解釋力

（b）長期信息沖擊的解釋力

圖3 方差分解

注：該圖表示的是預期誤差的方差在各類模型中被信息沖擊解釋的比例。其中（a）表示全要素生產(chǎn)率和股票價格的預期誤差被新息沖擊η2的解釋比例，（b）表示預期誤差被新息沖擊的解釋比例，因此，圖形表示了兩類新息沖擊在各自模型中的解釋力。

上述的脈沖響應圖證實了一點，即總體經(jīng)濟（即全要素生產(chǎn)率）會受到關于未來宏觀經(jīng)濟信息的長期的影響，而相關信息能夠通過對股票市場價格的分析得到。關于這一點能夠進一步通過對估計結果的方差分解得到。圖3中的方差分解表示了各變量中的預期誤差的方差能夠得到相應新息的解釋比例。其中圖3（a）表示股票價格的預期誤差的方差能夠得到新息的大部分解釋，而短期內(nèi)的全要素生產(chǎn)率預期誤差無法得到該新息沖擊的解釋，但是該新息沖擊能夠解釋長期內(nèi)全要素生產(chǎn)率的預期誤差。圖3（b）則表示了兩個變量的預期誤差的方差受到新息沖擊的解釋力。從改圖中可以看出，該新息序列同樣能夠解釋大部分的股票價格額預期誤差的方差，同時雖然沒有施加短期約束條件，新息沖擊同樣難以解釋短期內(nèi)的全要素生產(chǎn)率的預期誤差，同樣它能解釋長期內(nèi)的全要素生產(chǎn)率的預期誤差，這是與長期約束條件相一致的。

脈沖響應圖和預期誤差的方差分解反應了一點，即中國總體經(jīng)濟的波動并不是僅僅由未預期的全要素生產(chǎn)率的沖擊或者投資技術沖擊造成的，關于未來宏觀經(jīng)濟的信息的沖擊也可能在中國的宏觀經(jīng)濟波動中發(fā)揮了重要作用。從上述模型的計量分析結果來看，研究中國宏觀經(jīng)濟波動的宏觀模型應當要合理考慮關于未來宏觀經(jīng)濟信息的沖擊對于當前波動所造成的影響。同時，上述的分析結果也表明，股票市場的價格能夠在很大程度上反映關于宏觀經(jīng)濟的信息，能夠在一定程度上發(fā)揮市場的“晴雨表”的作用，關注股票市場的價格能夠為宏觀經(jīng)濟政策的制定提供有意義的幫助。

五、結論

Beautry and Portier（2006）通過將信息識別為與股票價格中與短期全要素生產(chǎn)率新息相垂直的結構新息，并與長期限制性條件中所估計出的信息進行比較。本文將這種思想應用到了中國的股票市場價格中，結果發(fā)現(xiàn)中國的股價中包含了未來宏觀經(jīng)濟的信息；因此，通過結構向量誤差修正模型，本文對該信息進行了一定的識別。從脈沖響應圖和方差分解圖來看，信息的識別較為成功，其所產(chǎn)生出的結果與長期限制條件下的新息之間是存在較為穩(wěn)定的關系的，從而造成兩類新息對總體經(jīng)濟變量的影響是非常相似的。文章結論對于進一步的中國宏觀經(jīng)濟研究和宏觀經(jīng)濟管理具有一定的 意義，為中國宏觀經(jīng)濟理論模型的選取提供了一定的實證基礎。

當然，本文的研究依然是較為初步的，譬如說，本文模型是由雙變量構成的；但是在現(xiàn)實生活中，可能多個變量之間會存在協(xié)整關系。這就需要對本文中的雙變量結構誤差修正模型進行拓展，這其中包括模型意義上的拓展以及限制條件上的拓展。這需要更多的工作。因此，為了能夠充分理解信息在中國經(jīng)濟波動中的作用，中國學術界依然有許多的工作需要去做。

參考文獻：

[1]Pigou， A. C.， 1927. Industrial Fluctuations[M]， London， Macmillan and Co.， Ltd.

[2]Beaudry， P. and F. Portier， 2004. An Exploration of Pigous Theory of Cycles[J]， Journal of Monetary Economics， 51（6）， 1183-1216.

[3]Jaimovich， N. and S. Rebelo， 2006. Can News About the Future Drive the Business Cycle？[J]， American Economic Review， 99（4）， 1097-1118.

[4]Christiano， L.， C. Ilut， R. Motto and M. Rostagno， 2008. ”Monetary Policy and Stock Market Boom-Bust Cycles[J]， ECB Working Paper， No.955.

[5]Beaudry， P. and F. Portier， 2006. Stock Prices， News， and Economic Fluctuations[J]， American Economic Review， 96（4）， 1293-1307.

[6]Barsky， R. B.， and E. Sims， 2010. ”News Shocks and Business Cycles，” mimeo.

[7]方文全，2009：《股票收益與通貨膨脹：代理效應還是通貨膨脹幻覺》[J]，《金融評論》第1期。

[8]王曉芳、高繼祖，2007：《 股市收益與通貨膨脹率：中國數(shù)據(jù)的ARDL邊界檢驗分析》[J]，《統(tǒng)計與決策》第2期。

[9]靳云匯、于存高，2007：《中國股票市場與國民經(jīng)濟關系的實證研究》[J]，《金融研究》第3期。

[10]王小魯、樊綱，2000：《中國經(jīng)濟增長的可持續(xù)性：跨世紀的回顧與展望》[M]，經(jīng)濟科學出版社。

[11]郭慶旺、賈俊雪，2004：《中國潛在產(chǎn)出與產(chǎn)出缺口的估算》[J]，《經(jīng)濟研究》第5期。

[12]陳彥斌、霍震、陳軍，2009：《災難風險與中國城鎮(zhèn)居民財產(chǎn)分布》[J]，《經(jīng)濟研究》第11期。

[13]喬根森，2001：《生產(chǎn)率—第一卷：戰(zhàn)后美國經(jīng)濟增長》[M]，中譯本，中國發(fā)展出版社。