一、引言
一个国家的经济情况从这个国家的证券市场基本可以得到反映，宏观经济因素是影响证券市场长期走势的决定因素，其他因素的冲击可能暂时改变证券市场的短期或者中期走势，但不会改变证券市场的长期走势。随着我国证券市场的不断发展，我国经济和证券市场之间的联系也更加紧密。对于宏观经济和证券市场之间的研究有很多，从现有文献可以看出主要有以下两种观点:(1)宏观经济和证券市场关系密切。股票市场的回报受系统宏观经济的影响［1］。资本市场的频繁波动对经济增长可能产生负作用［2］，宏观经济和证券市场的关系紧密表明该国家的证券市场是成熟的［3］，我国宏观经济和证券市场已经存在一定程度的相关性［4］。我国股市与宏观经济之间存在长期均衡关系，经济增长能够促进股票市场发展，而且股票市场的发展反过来又会进一步促进经济增长，两者之间存在一定的双向因果关系;股票市场对经济增长的长期影响要远大于短期影响［5］。基本面和投资者行为的冲击共同影响我国股票市场波动［6］。(2)宏观经济与证券市场之间没有必然的联系。宏观经济不能预测证券市场的走向［7］，每一次证券市场趋势的反转都与政府干预和市场制度的变迁有关，而与宏观经济景气变化不存在长期均衡关系［8］。股票市场收益率与宏观经济之间不存在显著的关系［9］。我国股票市场与GDP增长的关系不明显，股票市场规模的大小与GDP增长的相关性不强，上证股指和GDP之间只存在上证指数到GDP的单向格兰杰因果关系，我国股市和国民经济不存在线性关系［10］。从研究方法上看，大多学者采用因果分析、回归分析以及VAＲ分析。由于方法的局限性导致研究的缺陷，例如VAＲ分析忽略了两者之间滞后期与当期的相互影响;简单的因果分析不能够反映宏观经济与证券市场之间的相关程度等。从数据选取上看，多数学者采用的是绝对数据、月度数据以及季度数据的居多［11］。这一方面容易造成短期伪回归，得到的结论不可靠，另一方面弱视了不同经济变量之间的可比性。上述诸方面原因导致了研究宏观经济和证券市场关系的结论存在不同程度的差异。使用名义GDP的年发展速度与上证指数的年发展速度，消除由于实体经济和虚拟经济在绝对数上的偶然性差异［12］。中国证券市场和宏观经济波动均存在非周期循环，这种非周期循环的平均长度不同［13］。考虑到实体经济和虚拟经济周期性的影响，因此本文用HP滤波方法，把周期性和趋势性分开，从实证方面进一步探讨了我国GDP的名义发展速度与上证指数发展速度之间的关系。此外因数据的选取和处理方法的不同，再次采用Granger检验对两者之间是否存在因果关系进行验证。其次通过SVAＲ分析，考虑到变量之间的滞后影响和同期影响，以及利用脉冲响应函数和方差分解更深层次地剖析了宏观经济与证券市场之间的关系。
二、样本选择及处理
对于宏观经济和证券市场的研究，多数学者采用GDP代表宏观经济，上证指数代表证券市场。实体经济和虚拟经济在绝对数上存在偶然性差异，并且两者间结构的非对称性导致的收益率也是不同的［14］。因此以名义GDP年发展速度和上证指数年发展速度为研究对象，不仅消除了实体经济和虚拟经济绝对数上存在的偶然性差异，还顾及到虚拟经济未去除通胀因素的影响，增强了两者的可比性。对于名义GDP和上证指数进行了年发展速度处理，四舍五入保留小数点后两位，以1992—2012年的数据为样本，用GZ和ZZ分别代表名义GDP年发展速度和上证指数年发展速度，利用eviews进行描述性统计见表1。
三、实证分析
(一)协整分析
基于第二部分的数据，把名义GDP年发展速度和上证指数年发展速度在一个坐标轴里以折线散点图的形式呈现，发现两者的波动幅度和走势基本一致，因此推测两者之间存在着某种紧密的联系。为进一步考察两者之间的具体关系，利用eviews5．0做出两者的散点图。从散点图观察来看并不存在明显的规律，其原因可能是宏观经济固有的经济周期性和趋势性与证券市场的趋势性和周期性并不总是吻合的，利用HP滤波对两者进行周期性和趋势性的分离。然后使用经HP滤波以后的趋势性成分再次做两者的散点图，ZZHPTＲEND和GZHPTＲEND分别表示上证指数发展速度趋势性成分与名义GDP发展速度趋势性成分，为了更加直观地观察两者之间的关系，用eviews5．0按照一定比例将数据缩放得如下散点图(见图1)。由图1可以推测两者趋势性成分之间存在着某种线性关系，利用ADF检验，对于去除周期性成分的名义GDP发展速度和上证指数发展速度的检验结果是两者同为二阶单整，不存在单位根，并且都通过1%的显著性水平检验，是平稳序列。直观上观察趋势性成分的散点图，明显地呈现两种趋势，为了更好地拟合两者的关系，在趋势分界点附近通过尝试发现以2002年为分界点进行拟合效果较优，于是将包括2002年及以前年份设为1，以后年份为0，虚拟变量设为D1，建立如下长期协整模型:ZZHPTＲEND=C+α*GZHPTＲEND+β*D1*GZHPTＲEND+γ*ZZHPTＲEND(－1)其中:ZZHPTＲEND为上证指数发展速度的趋势性成分，GZHPTＲEND为名义GDP发展速度的趋势性成分，ZZHPTＲEND(－1)为名义GDP发展速度的趋势性成分滞后一期，C为常数项，α、β和γ是弹性系数。通过eviews5．0进行回归结果(见表2)。Ｒ-squared=0．996802和AdjustedＲ-squared=0．996202，以及F-statistic=1662．241，Prob(F-statistic)=0．000000，系数均通过了1%的显著性水平检验，White检验不存在异方差，另外考虑到模型中含有内生解释变量的滞后项，DW检验失效的可能性，我们使用Q检验和LM检验对其是否存在自相关进行检验，Q检验结果不存在自相关，其中LM检验显示滞后1、2期的残差均未通过假设检验。模型不存在自相关，此外模型残差的ADF检验通过置信度为1%的显著性水平检验，不存在单位根，是平稳序列，两者存在长期均衡关系，协整方程:ZZHPTＲEND=2．03－1．82*GZHPTＲEND－0．06*D1*GZHPTＲEND+1．04*ZZHPTＲEND(－1)剔除周期性成分的影响，由长期回归模型可以看出，1991—2002年名义GDP发展速度变动会引起上证指数发展速度相反的变动，这也印证了当GDP实际公布时，证券市场只反映实际变动与预期变动的差别。从模型还可以看出滞后一期的上证指数发展速度变动与上证指数发展速度同方向变动，符合我国股民“追涨杀跌”的行为。模型2002年以后上证指数发展速度只受到滞后一期的影响，中国股票市场政策面的特殊效应可能会掩盖宏观经济政策的作用［15］。由于中国股市的经常性失衡，完善市场经济条件下股票市场与宏观经济运行的正常互动关系会被打乱［16］。其他可能原因是:(1)我国证券市场还不是很完善，不能及时高效地反映宏观经济运行的所有情况。(2)本模型剔除了宏观经济周期与证券市场周期的成分，而毋庸置疑的是两种周期性之间也必定会产生某种影响。(3)证券市场只是构成宏观经济的一部分，影响宏观经济发展的因素很多，证券市场只是其中的因素之一。
(二)Granger检验
为证明名义GDP发展速度与上证指数发展速度之间的因果关系，使用Granger检验，对两者在使用HP滤波前后分别进行检验，结果见表3。从表3滤波之前看不出两者之间是否存在因果关系，而滤波之后可以明显地看出趋势性成分的名义GDP的年发展速度与上证指数的年发展速度之间互为因果关系，这和部分学者的实证结果是一致的。
(三)SVAＲ分析
通过第三部分的回归分析，我们把HP滤波以后的趋势性成分和周期性成分分开，可以得到名义GDP的年发展速度与上证指数的年发展速度的趋势性成分，描述性统计见表4。由第四部分的Granger检验两者互为因果关系，同样利用ADF检验发现ZZHPTＲEND和GZHPTＲEND同为I(2)，无单位根，是平稳序列。这些条件的成立为进一步探讨ZZHPTＲEND和GZHPTＲEND的内在联系机制，建立SVAＲ模型奠定了基础。SVAＲ模型不仅考虑到变量之间的滞后影响，也兼顾同期影响，相较VAＲ模型把当期关系隐含到随机扰动项之中的缺陷而言更符合实际情况。一般的k元p阶VAＲ模型如下式:yt=A1yt－1+…+Apyt－p+Yt(1)还可以写成:A(L)Yt=εt(2)式中:A(L)=I－A1L－A2L2－ApLp是滞后算子L的参数矩阵多项式;εt为k维信息向量，若模型满足平稳性条件，由Wold定理可以将(3)表示为移动平均形式:yt=C(L)εt(3)其中C(L)=A(L)－1=C0+C1L+C2L2+…;C0=Ik式(1)并没有给出变量之间当期相关关系的具体形式，而这些关系隐藏在ε矩阵之中，为了明确当期关系，把式(1)转变成结构形式:A0yt=A1yt－1+…+Apyt－p+ut其中A0为对角线元素全为1的k阶方阵，反映了同期间的结构关系;ut为k维不可观测的结构信息，并且假定E(utu't)=Ik。将式(3)写成滞后算子的形式:A*(L)yt=ut(4)其中A*(L)=A0－A1L－A2L2－ApLp。如果矩阵多项式A*(L)可逆，则式(3)可以写成:yt=D(L)ut(5)其中D(L)=A*(L)－1=D0+D1L+D2L2+…;D0=A－10。因此由式(3)和式(5)可以得到:D(L)ut=C(L)εt(6)其对于任意的t都是成立的，该式就是SVAＲ模型的经典模式。文章通过eviews5．0得到相应滞后阶数判断见表5。依据LＲ，FPE，AIC，SC，HQ准则滞后阶数均为4阶(*为选择标准)，将SAVＲ滞后阶数定义为4阶。SAVＲ模型估计结果显示系数均通过1%水平显著性检验，并且通过AＲ特征根检验，模型稳定且高度有效，说明ZZHPTＲEND和GZHPTＲEND彼此互相影响，相应的滞后效应和当期效应不可忽视，SVAＲ模型的有效为后续的分析提供了契机。
(四)脉冲响应
函数脉冲响应函数能够刻画每个内生变量的变动或者是冲击对它自己及所有其它内生变量产生的影响作用，并且显示任意一个变量的扰动项是如何通过模型影响所有其它变量，最终又反馈到本身的过程，通过eviews5．0得到脉冲相应函数结果(见图2)。从脉冲相应函数来看ZZHPTＲEND和GZHPTＲEND的发展速度对于互相给予本期一个冲击表现出明显的回应，左上第一个脉冲响应函数显示ZZHPTＲEND对于自身的一个冲击具有显著的促进作用和持续效应;右上第一个脉冲相应函数显示ZZHPTＲEND对于GZHPTＲEND的一个冲击具有抑制作用，并且效应也是持续的;左下第二个脉冲相应函数显示GZHPTＲEND对于ZZHPTＲEND的一个冲击显示明显的促进作用，并且1－3期增强，4～6期下降，7～10期又增强，显示出以3期为一个周期的波动持续效应;右下第二个脉冲响应函数显示GZHPTＲEND对于自身的一个冲击是1－3期促进，并且逐渐增强，第4期以后促进作用下降直到第7期期末为0，由第8期以后为抑制作用，并且负效应持续。证券市场残差的一个标准差的正冲击对于证券市场是促进的，这与股市买涨不买跌的情况吻合;而对于宏观经济是抑制的，说明在资金总量一定的前提下，证券市场的繁荣会减少资金流向实体经济。宏观经济残差的一个标准差的正冲击对自身是先促进后抑制，原因可能是长期随着经济环境的变迁和技术的改善，使初期的经济政策不再符合经济发展的要求;而对于证券市场是波动式的促进，说明宏观经济政策的效应是渐进式地作用于证券市场。
(五)方差分解
为了更直观具体地研究SVAＲ模型的动态特征，再利用方差分解把系统中每个内生变量的波动按其成因分解为与各方程信息相关的组成部分(几个变量就分解为几个相关联的组成部分)，从而了解各信息对模型内生变量的重要性。通过eviews5．0得到的方差结果显示GZHPTＲEND的一个结构冲击对于ZZHPTＲEND的贡献度达到88%左右，并且于第2期以后基本稳定;GZHPTＲEND对于自身的贡献度由40%逐渐下降，也于第2期以后基本稳定，与脉冲响应函数得到的结果保持一致。
四、结论
通过对名义GDP发展速度和上证指数发展速度的实证分析，考虑到宏观经济和证券市场两者的周期性和趋势性，使用HP滤波剔除两者周期性的影响，因果关系和长期均衡关系都得到证实，其次在前人研究的基础上，把滞后影响以及当期影响也予以顾及，使用更加贴近实际情况的SAVＲ模型在更严格的条件下证实了两者之间的双向关系，并且通过脉冲响应函数实证说明了宏观经济和证券市场对于当期冲击的反应。文章的结论提供了以下几点启示:
(1)现阶段我国宏观经济和我国证券市场之间的长期趋势存在着一定程度的联系，虽然本文显示的宏观经济对证券市场解释百分比不是很高，原因之一是由于我国的宏观经济构成不仅仅是上市公司经济，影响宏观经济发展的因素较多，而证券市场只是影响因素之一，其次是因为我国证券市场机制处在初级阶段，相应的机制还不完善，传导效应不能完全体现。
(2)宏观经济发展速度与证券市场发展速度互为因果关系，表明良好的经济发展态势能够保证证券市场持续、健康的发展，反过来繁荣有秩序的证券市场能为宏观经济增长注入动力。
(3)宏观经济的周期性和证券市场的周期性并不是一致的，这从HP滤波结果就可以看出，因此在实施宏观经济政策时应对两者周期性差异引起的政策错位效应予以关注。
(4)短期证券市场的波动是经济偶然性波动的预期，两者之间的滞后期效应与当期效应相互影响，这也为我国宏观调控经济和证券市场提供了理论支撑。
作者：卜乐乐 姚佐文 单位：安徽农业大学
