貨幣政策對證券市場通信行業(yè)的影響研究
——基于VAR 和脈沖響應(yīng)模型的實證分析

孫茂源，劉 潔，席媛媛，謝 宇，杜秀軻，單碧堯

（河南科技大學(xué)，河南 洛陽 471000）

0 引言

貨幣政策與證券市場股票價格關(guān)系密切，通過實施科學(xué)合理的貨幣政策，強(qiáng)化金融市場的風(fēng)險管控，可以達(dá)到對證券市場的科學(xué)合理影響和預(yù)期。反過來，股市過度的波動將會影響貨幣政策的中介目標(biāo)、傳導(dǎo)機(jī)制和最終目標(biāo)，對政策制定和調(diào)整的金融市場效果產(chǎn)生影響。通信行業(yè)是構(gòu)建國家信息基礎(chǔ)設(shè)施，提供優(yōu)質(zhì)的網(wǎng)絡(luò)和信息服務(wù)，全面支撐經(jīng)濟(jì)社會發(fā)展的基礎(chǔ)性、戰(zhàn)略性和先導(dǎo)性行業(yè)，通信行業(yè)的發(fā)展水平已逐漸成為衡量一個國家經(jīng)濟(jì)發(fā)展水平的重要標(biāo)志之一。

目前，在我國證券市場上，通信行業(yè)板塊的上市公司總計為125 家，流通股為634.35 億股，流通市值達(dá)到9 189.09 億元，AB 股總市值達(dá)到15 790.07 億元，其總股本位列證監(jiān)會細(xì)分56 個板塊中的第19 名，是上證綜指的權(quán)重板塊之一。那么實施的貨幣政策將對證券市場通信板塊股價產(chǎn)生什么影響和什么程度的影響，股票市場價格波動又在多大程度上體現(xiàn)貨幣政策，是一個值得我們研究的課題。因此，本文選用VAR 模型作為實證計量的工具，考察貨幣政策對我國股票市場的影響，選取廣義貨幣供應(yīng)量（M2）作為衡量貨幣政策的定量指標(biāo)，分析我國貨幣政策對通信行業(yè)的影響，希望通過此研究對我國貨幣政策的制定提出可行性建議，以期股票市場健康發(fā)展。

1 文獻(xiàn)綜述

我國股市創(chuàng)設(shè)時間較晚，但仍有大量國內(nèi)學(xué)者對影響我國股價因素進(jìn)行研究分析。周暉運用GARCH均值方程模型和BEKK 波動相關(guān)模型實證，發(fā)現(xiàn)貨幣政策可以調(diào)控經(jīng)濟(jì)增長從而間接調(diào)控股票市場資產(chǎn)價格。許一力運用單位根檢驗、GRANGER因果檢驗JONANSEN 協(xié)整檢驗及VAR 模型研究，發(fā)現(xiàn)貨幣政策各大指標(biāo)的變動會對股市波動產(chǎn)生顯著影響，而股市的變動也會對貨幣政策產(chǎn)生影響。李文軍運用格蘭杰因果檢驗，發(fā)現(xiàn)貨幣政策和股市之間存在一定的互動關(guān)系，貨幣供應(yīng)量同股指波動相互影響。王曉暉和許林運用VAR 模型考察貨幣政策對股票價格變動的影響，發(fā)現(xiàn)貨幣供應(yīng)量對股價的正向作用在2 個月左右達(dá)到峰值，而利率在2 個月后對股價的負(fù)向作用較明顯。向俞澄通過建立VAR 模型以及脈沖效應(yīng)響應(yīng)分析，發(fā)現(xiàn)中國股票市場可以對貨幣政策的變動做出反應(yīng)，廣義貨幣供給量對股價有著長期的影響，但時間越久影響越弱。

總的來說，現(xiàn)有文獻(xiàn)研究表明，學(xué)界關(guān)于貨幣政策對股票的影響一般采用VAR、DSGE、平滑轉(zhuǎn)移向量誤差修正模型（LST－VEVM）、一般化脈沖響應(yīng)函數(shù)方法等進(jìn)行實證研究，并選取貨幣供應(yīng)量、市場利率、上證指數(shù)等指標(biāo)衡量貨幣政策，以此來研究貨幣政策對于股票市場的影響，但在貨幣政策對于具體行業(yè)板塊的影響方面研究較少。本文綜合前人的研究成果，通過構(gòu)建VAR 和脈沖效應(yīng)響應(yīng)模型，深入研究我國貨幣政策對證券市場通信行業(yè)的影響。

2 研究設(shè)計

2.1 指標(biāo)選取

本文采用2018 年1 月至2020 年12 月的廣義貨幣供應(yīng)量來表示貨幣政策，用M2 表示，記為被解釋變量；又選取證監(jiān)會記錄的通信板塊中141 只股票，剔除2018 年1 月后新上市的股票與ST、*ST 的股票,共計107 只，組建股票池并編制指數(shù)，記錄2018 年1 月至2020 年12 月期間每個月的收盤價，用TXstock 表示，記為解釋變量。

2.2 數(shù)據(jù)來源與處理

本文所用數(shù)據(jù)來源于東方財富choice 金融終端、Wind 數(shù)據(jù)庫以及上海、深圳證券交易所，選取樣本為2018 年1 月至2020 年12 月的月度數(shù)據(jù)。因為廣義貨幣供應(yīng)量與通信行業(yè)指數(shù)的單位不相同，為了消除原始變量的異方差影響，本文將被解釋變量和解釋變量取對數(shù)處理，并且不會改變變量間的關(guān)系。M2 取對數(shù)處理后的數(shù)據(jù)記為lgM2，TXstock 取對數(shù)處理后的數(shù)據(jù)記為lgstock。

2.3 VAR 理論模型設(shè)計

式中，Y是k 個維度的內(nèi)生向量，Y是具有滯后期的內(nèi)生變量向量，X是d 個維度的外生變量向量或滯后外生變量向量，ε為擾動項，A、B 分別為具有k 個維度和d 個維度的待估計系數(shù)矩陣，p 為滯后階數(shù)。

3 實證分析

3.1 單位根檢驗

為避免出現(xiàn)偽回歸現(xiàn)象，先將變量進(jìn)行單位根檢驗，采用ADF 檢驗法對lgM2、lgstock 進(jìn)行平穩(wěn)性檢驗，發(fā)現(xiàn)lgM2 和lgstock 的ADF 值均大于t 統(tǒng)計量的臨界值，所以無法拒絕“存在單位根”的原假設(shè)，即非平穩(wěn)序列。而后將序列l(wèi)gM2 和lgstock 作一階差分，其ADF 值均小于t 統(tǒng)計量的值，并且p 值均小于0.05，故可以拒絕原假設(shè)，不存在單位根，為平穩(wěn)序列，并且為同階單整序列。

3.2 EG 協(xié)整檢驗

將lgM2 與lgstock 作最小二乘回歸，得出殘差序列e后采用殘差序列平方和最小原理，檢驗序列是否存在協(xié)整關(guān)系。檢驗結(jié)果得殘差序列的ADF 值為-2.183 187，小于5%水平下t 統(tǒng)計量的臨界值，因此可以在5%的顯著性水平下拒絕存在單位根的假設(shè)，即為平穩(wěn)序列，并且序列l(wèi)gM2 與lgstock 是一階單整，存在長期穩(wěn)定的均衡關(guān)系。

3.3 最優(yōu)滯后階數(shù)的確定

為了后期VAR 模型的建立更為有效，這里將先進(jìn)性最優(yōu)滯后階數(shù)確定。選取lgM2 與lgstock 建立VAR模型，在Lag Length Criteria 檢驗?zāi)Ｐ偷臏箅A數(shù)，初次選擇定為10 階，而后觀察LR、AIC、SC、HQ 值發(fā)現(xiàn)滯后1 期為最優(yōu)滯后階數(shù)。

3.4 VAR 模型的建立

隨著滯后階數(shù)確定后，重新對lgstock 與lgM2 進(jìn)行VAR 模型構(gòu)建，選取滯后階數(shù)為1 階，建立模型如下所示：

3.5 平穩(wěn)性檢驗

此模型滯后期長度為1，并且含有2 個內(nèi)生變量，包含2 個特征根，因此采用AR 根檢驗。檢驗結(jié)果如圖1 所示。由圖1 可得，2 個特征根均落在單位圓內(nèi)，故模型小于1，并且均為實數(shù)，因此該VAR 模型通過了平穩(wěn)性檢驗，認(rèn)定該模型是穩(wěn)定的。

圖1 AR 根檢驗

3.6 格蘭杰因果檢驗

序列l(wèi)gstock 與lgM2 之間存在長期穩(wěn)定的均衡關(guān)系，但并未進(jìn)行因果檢驗。因此在基于上述步驟的情況下，對兩個序列分別做格蘭杰因果檢驗，在lgstock 方程中，lgstock 作為被解釋變量對解釋變量lgM2 進(jìn)行格蘭杰因果檢驗，其聯(lián)合統(tǒng)計值為11.62 412，并且在1%的顯著性水平上構(gòu)成對lgstock 的格蘭杰因果關(guān)系；但在lgM2 的方程中，p 值為0.331 5，遠(yuǎn)大于0.05，所以不構(gòu)成對lgstock 的格蘭杰因果關(guān)系。這說明貨幣供應(yīng)量的滯后期能夠顯著的解釋或者預(yù)測通信行業(yè)股價的變動，即lgM2 每變動1%，lgstock 就會同方向變動1.16%。

3.7 脈沖響應(yīng)分析

脈沖響應(yīng)函數(shù)在經(jīng)濟(jì)范圍函數(shù)描述的是VAR 模型中的一個內(nèi)生變量的沖擊給其他內(nèi)生變量所帶來的影響，其觀察模型中的各變量對于沖擊是如何反應(yīng)的，并且進(jìn)一步評價不同結(jié)構(gòu)沖擊的重要性。圖2 為lgstock 與lgM2 之間的脈沖響應(yīng)圖。

圖2 脈沖響應(yīng)

由圖2 的左側(cè)圖可知，lgM2 的第1 期響應(yīng)為0，從第2 期給一個沖擊，響應(yīng)函數(shù)呈緩慢下降狀態(tài)，lgstock會受到更強(qiáng)烈的沖擊，并且短期內(nèi)沒有趨于平穩(wěn)的態(tài)勢。這說明貨幣供應(yīng)量的變化會引起通信行業(yè)股價的大幅同向變動，并且其對股價的影響十分深遠(yuǎn)，短期內(nèi)很難回歸到原來的水平。

由圖2 的右側(cè)圖可知，在本期給lgstock 一個沖擊，lgM2 會受到長期的負(fù)向沖擊，并且長期穩(wěn)定在0.007的水平上，這說明通信板塊的股價波動雖會對貨幣供應(yīng)量產(chǎn)生一定的阻撓作用，但兩者之間的關(guān)聯(lián)效應(yīng)微乎其微，通信板塊股價的變動對于貨幣供應(yīng)量的增減沖擊不大。

3.8 方差分解

方差分解是通過分析每一個結(jié)構(gòu)沖擊對內(nèi)生變量變化（通常用方差來度量）的貢獻(xiàn)度，從中分析不同的內(nèi)生變量對整體結(jié)構(gòu)造成沖擊的程度。本文基于VAR模型進(jìn)行分解，結(jié)果得出，在lgstock 的波動中，不考慮lgstock 自身的貢獻(xiàn)度，lgM2 對lgstock 的貢獻(xiàn)度在第1期為0，隨后逐漸上升，最高達(dá)15%；而lgstock 對lgM2在第1 期就有影響，為0.432 227，隨后逐漸上升，最高達(dá)到9.57%。這說明貨幣供應(yīng)量對通信行業(yè)股價波動的影響要稍大于通信行業(yè)股價變動對貨幣供應(yīng)量的影響，但兩者互相對另一變量的影響都不是特別顯著，因此表明通信行業(yè)股價變動除了受貨幣供應(yīng)量的影響之外，還存在著其他影響因素。

4 結(jié)論與建議

4.1 結(jié)論

本文通過采用2018 年1 月至2020 年12 月貨幣供應(yīng)量lgM2（取對數(shù)后）和通信板塊的股價lgstock（取對數(shù)后）的數(shù)據(jù)，進(jìn)行單位根檢驗、EG 檢驗、LLC 檢驗、平穩(wěn)性檢驗、格蘭杰因果檢驗得到lgM2 與lgstock 的誤差修正模型，發(fā)現(xiàn)二者存在長期穩(wěn)定均衡關(guān)系與因果關(guān)系。通過研究脈沖響應(yīng)分析和方差分解的結(jié)果，發(fā)現(xiàn)通信行業(yè)股價變動除了受貨幣供應(yīng)量的影響之外，還存在著其他影響因素。貨幣供應(yīng)量的變化會引起通信行業(yè)股價的大幅同向變動，并且其對股價的影響十分深遠(yuǎn)，短期內(nèi)很難回歸到原來的水平。通信板塊的股價波動雖會對貨幣供應(yīng)量產(chǎn)生一定的阻撓，但兩者之間的關(guān)聯(lián)效應(yīng)微乎其微，通信板塊股價的變動對于貨幣供應(yīng)量的增減沖擊不大。這也就說明中國通信板塊的股票市場是具有一定有效性的，可以對貨幣政策的影響變動做出反應(yīng)。

貨幣供應(yīng)量對通信板塊的股價有著長期的影響，一直以來，我國在貨幣政策中對于貨幣供應(yīng)量M2 格外關(guān)注。在短期內(nèi)，貨幣政策中關(guān)于貨幣供應(yīng)量M2 上做出的決策能夠影響股票市場，通信板塊的股價也隨之波動。但是從長期來看，時間越久，通信板塊的股價受到貨幣供應(yīng)量M2 的影響就越小。

4.2 建 議

貨幣政策的制定對通信板塊的股價波動是以乘數(shù)效應(yīng)的方式產(chǎn)生影響。通過實證分析，央行可以通過貨幣政策來干預(yù)股票市場。反之，投資者也可以通過觀察央行的政策變動，包括利率的變化以貨幣供應(yīng)量的變化，來規(guī)避政策風(fēng)險。我國在制定貨幣政策時缺乏對股票市場自身波動性的考慮。股票市場的變動存在周期性，央行貨幣政策的制定受股票市場波動的潛在影響。

為確保我國經(jīng)濟(jì)平穩(wěn)有效的運行，制定貨幣政策時應(yīng)當(dāng)考慮不同貨幣政策工具所帶來的影響效果和時間存在的差異性，應(yīng)當(dāng)有針對性地選擇不同的貨幣政策工具實施。同時進(jìn)一步完善我國股票市場運行機(jī)制，強(qiáng)化股票市場對于上市企業(yè)的融資功能，推動我國通信產(chǎn)業(yè)的發(fā)展，以及通信技術(shù)的進(jìn)步。