预期与未预期的货币政策对股票市场的影1预期与未预期的货币政策对股票市场的影1.docVIP

预期与未预期的货币政策对股票市场的影响（下） 邹文理 王曦 发布时间:2011-12-23 　　（二）模型估计与预测 　　1.货币增长率的单位根检验 　　中国人民银行于1994年第三季度正式建立货币供应量公告制度，并于1996年起，采用货币供应量作为货币政策的调控目标。鉴于M2的可得性，我们选取的数据样本为1996年1月至2009年12月的月度数据。通过X12方法进行季节调整之后，我们计算出M2的对数增长率mg，即lnM-lnMt-1。 　　对于货币增长率，我们采用ADF（Aus mented Dickey—FullerTest）单位根检验。通过描绘货币增长率图像，我们选择有截距项，没有趋势项的ADF检验（Enders，2004），结果如表1所示。 　　ADF单位根检验表明，货币增长率在1%的显著性水平拒绝存在单位根的原假设，表明mgt序列为平稳过程。由于序列平稳，因此，我们跳过第二步，直接考虑模型设定。 　　2.ARMA模型设定 　　通过描绘序列自相关和偏相关函数图及相应的统计量。1996年1月至2009年12月的自相关和偏相关函数图如图2所示。 　　由图2知，货币增长率序列的自相关和偏相关函数图均为1阶截尾，但二者在滞后3期时均有突然增加，这种变化可能与季节调整有关。因此，我们认为货币增长率一定与滞后1阶的增长率相关。尽管如此，为了更加准确构造货币增长预测模型，根据简约原则，我们设定p、q最大项均为3，建立多个模型，然后通过比较不同模型的估计结果，选择其中表现最佳的模型作为货币供应增长预测模型。根据各备选模型的估计结果，在5%的显著性水平上，所估计参数能够通过T统计量检验的模型有：AR（1），AR（1，3），ARMA（2，1）和ARMA（2，3）；而能够通过滞后残差不存在序列相关0统计量检验的模型有：AR（1，3），AR（3），ARMA（（1，3），1），ARMA（3，1），ARMA（（1，3），2）和ARMA（3，2）。能同时通过上述两种检验的模型只有AR（1，3）。同时，就AIC和SBC准则来看，AR（1，3）表现也相当不错，仅次于ARMA（2，3）和ARMA（3，3）模型。但是ARMA（2，3）模型难以拒绝残差不存在序列相关，ARMA（3，3）模型不能通过系数的显著性检验。综上并再考虑到Box-Jenkins倡导的简约原则，我们选择AR（1，3）模型作为对货币供应增长率的预测方程： ??? ??? 式（6）的经济含义是，货币增长预期取决于上月?（滞后1阶）货币增长以及上季度中的同一月份（滞后3阶）的货币增长。1阶滞后反映货币增长趋势，3阶滞后反映季节调整。 　　3.预测和分解 　　我们使用式（6）对货币供应增长率做预测。随时间推移，信息逐渐被披露，最优预测自然会利用到这些新的信息。因此，使用固定系数回归不准确，我们采用递归回归（Recursive Regression）方法，得到货币供应增长率的预测值（见图3）。 　　这样，我们就将货币增长率分解为预期和未预期的两部分：预期的货币增长率（mg），可由式（6）的估计得到；未预期的货币增长率（mg），为事后的货币增长率减去预测值（m＝mg-mget）。 　　三、货币政策对股票市场的影响 　　（一）预期和未预期的货币政策对股市的影响 　　中国人民银行自2001年7月将证券公司客户保证金计入M2。由于M2统计口径的变化，公众在2001年7月附近对货币增长率的预期与实际值有较大偏差，我们怀疑在2001年7月附近存在异常值（outliers）。通过箱线图判别法，我们发现2001年7月和9月预测值为异常值。因此，实证分析将剔除2001年7月和9月的数据。 　　我们采用2001年7月至2009年12月上海证券交易所和深圳证券交易所的各类股票价格指数的收盘价作为我国股票市场价格的代理变量。股票指数包括：上交所的综合指数和行业指数，以及深交所的综合指数和行业指数。数据来源于万德（Wind）数据库。 　　利用前文分解的预期和未预期的货币政策数据，采用怀特异方差一致标准差方法（heteroskedasticity-consistent estimates of the standard errors）估计式（5）。表2报告了月度货币政策对沪深两市综合股票价格指数的影响。 　　为了进一步地验证本文的结论，我们还检验了预期和未预期的货币政策对沪深两市不同行业股票价格指数的影响。其结果如表3和表4所示。 　　对表2～表4的总结如下： 　　（1）预期的货币政策对股票收益率基本没有影响，未预期的货币政策对股票收益率有显著的正向影响。 　　表2—表4显示，除深证B股指数外，仅有未预期的货币政策对股票收益率有显著的正向影响，而预期的货币政策对股票收益率的影响极不显著。未