宏观经济因素对股票市场收益的协整计量分析

宏观经济因素对股票市场收益的

协整计量分析

内容提要

以经典宏观经济和金融理论为框架，应用协整计量分析，本文分析了代表性宏观变量与股市收益率之间的关联性，试图为宏观对股市的影响提供一个有意义的探索。

宏观经济和股市的关联一直是个困扰经济学界未解之谜；从 “代表性消费模型”的构建直到今天“股权溢价之谜”也都一直没能在理论上得到真正的解决。大量的金融研究者从资产定价模型入手加入宏观变量因素，计量了宏观变量对股票资产的影响，取得了丰富的成果；但在实证中基于资产定价模型的“市场有效性”假说过于严格，从而使宏观与股市的关联在实证过程中的适用性也成了一个“谜”。中国资本市场是一个新兴的市场，也是一个有着明显制度转型特征的市场，市场的有效性更弱，宏观变量对股市的影响也是有限的。然而，随着近年来机构投资人的增加，资本市场化进程的加快，以及资本市场 “有效性” 的加强，对宏观变量与股市关联的研究开始显现其实际意义了。本文以资产定价模型为基础，构造了一个实证体系，从总体上利用协整模型对宏观变量和股票市场资产的收益性进行了关联研究，并得出“不稳定”和有限影响的基本结论；进一步，本文深入到宏观变量对行业与上市公司绩效影响的微观层面，分析得出了很多符合经济学假说的结论，为中国宏观变量与股票收益是否关联这一“谜题”提供了实证的探索和理论的解释。

基于中国股票市场弱有效性的特征，本文除了在传统意义上研究了宏观经济与股市收益率之间的直接关系外，更进一步将宏观经济与股市收益率之间的两个传导环节——宏观经济对行业和上市公司微观绩效的影响以及上市公司微观绩效对股市收益率的影响——隔离开来，并集中分析了前一个环节的作用机制和传导效率，从而使本文的研究有别于前人的成果。

本文利用协整方法对中国宏观变量与股市收益之间的关联性进行了实证研究，得出了很多有意义的结论：1、宏观对股市收益影响的有限性和不稳定性。除GDP外，其他各项宏观经济指标（M2、利率和通货膨胀率）与股市收益率之间的相关性均通不过协整检验；只有

GDP与股市收益率在95%置信区间下显著正相关——对应GDP增长率1个百分点的上升，股市收益率上升0.1个百分点；但该协整关系在滞后2期以后就消失了，显示在整个样本期内（1996年初到2004年第三季度）GDP对股市的长期影响并不稳定，模型可能发生了结构性变化，从一个角度探索了市场的有效性不足。2、宏观变量与上市公司基本面的数量扩张正相关。本文的实证结果显示上市公司总体的收益规模（主营业务收入增长率）与GDP增长率之间存在着显著的正相关关系（99%置信区间）。进一步，通过细化研究GDP增长率对各产业群收入增长的影响，文章发现，GDP总量增长的好处在各产业群之间的分享程度是不同的：上游基础工业，如石油、石化、有色金属和钢铁等行业对GDP增长的敏感度均大于1；而出口型产业和房地产业的敏感度在0.7～0.8之间；基础设施类产业和农业的敏感度为0.4；相反，消费类产业对GDP总量增长不敏感（对人均收入的增长敏感）。但由于消费类产业在上市公司中所占的比例很大，接近60%，大于其在国民经济中所占的比重，因此，对应GDP增长率1个百分点的上升，上市公司主营业务收入增长率上升幅度小于1（0.76个百分点）。3、宏观变量与上市公司基本面的质量改善在产业群层面显著正相关。尽管在上市公司整体层面上，本文的实证研究显示找不到一个宏观变量能够对微观个体的收益质量产生显著影响；但在具体产业群上，本文却发现了不同宏观变量与不同产业群在收益质量上的显著相关性。不过这种相关性主要体现为宏观变量对毛利润率的影响，而与ROE之间的相关性不显著——这再次证明了我国投资推动型的经济增长模式。

综上，本文利用协整模型对中国股市和宏观经济变量进行了实证分析，结果表明中国股市的成熟度依然较低，市场有效性较弱，但微观层面的传递有效性较强。总之，整体市场与宏观变量的关联性仍不尽人意，但相信随着市场化改革深入，中国股票市场将逐步走向有效，宏观对股票的影响也将成为影响股市收益和风险的重要因素，从而在宏观与微观、符号与实体之间建立一种有效的逻辑对应。只有这样，中国的资本市场才能服务好经济建设，同时分享中国经济的高速增长！

ABSTRACT

In this paper we analyze relationships among selected macroeconomic variables and

Chinese stock market basing on the classical financial researching frame, by employing

a cointegration Analysis model, try to offer a meaningful grope for the macroscopic affection on the stock market.

The correlation between macro-economy and the stock market has been a mystery for years. Since the construction of the Representative Agent Model, the Equity Premium Puzzle has not been solved theoretically. To explain this puzzle many financial researchers add the macroeconomic factors to the capital asset pricing models to calculate the influence of macro variables on the stock assets. The results are affluent. However, the Efficient Market Hypothesis of the capital asset pricing models are too strong in practice, which creates a new puzzle on the application of the correlation between macro-economy and the stock market to the empirical work. As an emerging market with the evident characters of a transition period, the China capital market is weakly efficient and the influence of the macro variables is also limited. Along with the incremental proportion of the institutional investors, the accelerated progress of the marketing reform and the strengthening efficiency of the capital market, the researching work on the puzzle of the correlation between the macro variables and the Chinese stock market has become more and more instructive. In fact, according to this paper, the cointegrated analysis of the correlation between the macro variables and the stock market derives the conclusion that the influence of the macro variables to the stock market is limited and unstable. However, the intensive analysis of the correlations between the macro variables and the micro performance of the industries and companies derived many conclusions consistent with the economic theories. With these two analyses together, the paper constructed an empirical frame for the current study as well as for the further grope on this puzzle. Besides the traditional research on the direct correlation between macro variables and stock market, the paper separated the transmission system into two steps, the impact of the macro variables to the micro performance of real industries and the impact of the micro performance to the stock returns. By focusing on the efficiency of the first step, the paper makes itself distinct with the predecessors.

By using the cointegration analysis to study the correlation between macro

variables and stock market, the paper has drawn some significant conclusions. 1. The limited and unstable influence of macro-economy on stock market. Except GDP, the correlation between stock market and other macro variables, including M2, interest rates and inflation rate, cannot pass the cointegration test. Only the GDP growth direct correlates with the stock market return under a 95% confidential interval, a 1% increase in GDP growth leading to a 0.1% increase in stock market return. However, such a relationship will vanish after two terms lag, which shows an unstable relationship between the two variables. In other words, during the sample period (from Q1 1996 to Q3 2004), the model may have changed for some reasons, which implies the weak efficiency of the market. 2. The significant correlations between macro variables and the scale expansion of the listing companies. According to the metric analysis of this paper, taking all the listing companies as a whole, there is a significant positive correlation between the revenue growth and the GDP growth (under a 99% confidential interval). Furthermore, the sub studies show that for different industrial groups, the interest share of GDP growth is different: the upstream heavy industries, such as oil, petrochemicals, steel and non-ferrous metal industries, with a sensitivity larger than 1, benefit most from the GDP growth; the export industries and the real estate builders with a sensitivity of about 0.7 take the second place; the infrastructure industries and the agricultural companies, a sensitivity of 0.4, share less; while consuming industrial groups, not sensitive to the gross growth, are sensitive to the per head growth in income. Since the consuming companies play an important role in the stock market, with a proportion of 60% to the total listing companies, lager than the proportion of the consuming industries to the total domestic economy, the listing companies as a whole is not quite sensitive to the GDP growth, a sensitivity of 0.76. 3. The significant correlations between macro variables and the profitability of the listing companies on the industrial layer. Although taking the listing companies as a whole, the author failed to find any significant impacts of the macro variables on the micro profitability, the impacts on the specific industrial groups are significant. However such impacts are reflected more in the form of the gross profit ratios, but still insignificant in the form of ROE, again, implying the investment activities as the major engine for the economic growth in China. In summary, by using the cointegration analysis, the paper studied the correlation between the macro variables and the stock market. The empirical results show that the Chinese stock market is still an immature market, with a low efficiency. However,

contrary to the unsatisfactory correlation between the macro-economy and the index return in stock market, the performance of micro-economy is strong, In the future, along with the market reformation, the Chinese stock market is sure to be more efficient.

目 录

1导言：宏观经济因素和股市的关联之“谜” ................. 7 2宏观经济对股市收益影响的理论和协整分析 ................. 8 2.1 宏观经济对微观绩效的传递理论 ......................... 8 2.2 协整方法和变量选择 .................................. 10 2.3 宏观对股指收益的影响 ................................ 11

2．3．1变量的单位根检验 ....................... 13 2．3．2协整检验 ............................... 14 2．3．3方差分解 ............................... 16

3上市公司基本面与宏观经济变量 .......................... 17 3．1 变量选取 .......................................... 17 3. 2 数据处理 .......................................... 17 3．3 实证结果 .......................................... 18

3．3．1收益规模指标与GDP增长率 ............... 18 3．3．2收益质量指标与GDP增长率 ............... 20 3．3．3收益质量指标与其他宏观经济变量 ......... 20

4产业群业绩变动与宏观经济变量 .......................... 21 4．1 产业群划分 ........................................ 21 4．2 变量选取 .......................................... 21 4．3 实证结果 .......................................... 22 5总结和探索：实体的有效和股市收益的无效 ................ 27 参考文献： ............................................. 30

1导言：宏观经济因素和股市的关联之“谜”

经济学家一直试图将股票资产的研究纳入到一个统一的经济范式中，其逻辑是所有股票投资都来自于居民收入在消费－储蓄（投资）的分割，股票投资无非是一种风险资产投资，因此很容易纳入到消费－资产的经济学的基本范式中来，并将宏观因素加入到这一模型中。1978年卢卡斯发表了“交换经济下的资产价格”一文，构建了“代表性消费模型”，将宏观经济中的消费与风险资产的价格联系在一起，并给出了均衡状态下的资产定价公式。而后经济学的研究一直沿着这一模型进行改进，但由理论模型得出的股权溢价要远小于实际股权溢价，这就是“股权溢价之谜”。

经济理论模型通过加入更多的变量进行着模型演进，但股权溢价之谜一直也没有解决好，在此框架下很多人讨论了股市收益对宏观的影响，如“财富效应”等。面对活跃的股票市场，大量的金融研究者则从资产定价模型入手加入宏观因素变量，计量了宏观变量对股票资产的影响，取得了丰富的成果。这类研究一是基于资产定价模型的拓展进行的，代表是APT模型，将宏观变量纳入到资产定价模型中，分析“风险敞口”问题；二是从资产定价模型入手分析宏观变量对资产收益的影响，讨论了经济增长下的贴现、收益增长等，通过实证将宏观变量与股市资产相关联起来，但这些实证分析潜在有一个基于资产定价模型的假说那就是“市场有效”，这是宏观与股市关联实证过程中的适用性之谜。市场有效性假说对很多新兴市场国家是有一定的不适用性的。但总体来说这些基于资产定价模型进行的实证研究不仅在学术上有所推进，更在实际操作上得到了检验和改进，如Birr基金管理公司依据APT模型进行投资组合设计，美林公司依据宏观情景分析推出了自己的产业时钟理论，以此分析宏观变量对产业配置的影响。

中国资本市场是一个新兴的市场，而且是一个有着明显制度转型特征的市场。中国的股票市场和市场参与的机构同中国的银行等金融机构一样是“不破产”的，政府有潜在的“担保合约”，同时干预也就是必然的，在这样的市场下难以将宏观与资本市场纳入到统一理论范式中，宏观变量对股市影响在一个基本上“无效”市场上也是有限的。近年来随着机构投资人的增加，资本市场化进程的加快，资本市场的“有效性”加强，我们依据资产定价模型构造一个实证体系基本，首先从总体上利用协整模型对宏观变量和股票市场资产收益进行分析得出了“不稳定”和有限影响的基本结论，再深入到宏观变量对行业与上市公司的绩效影响的分析中得出了很多符合经济学假说的结论，为中国宏观变量与股票收益这一是否相关联的“谜”提供实证的探索和解释。

本文分五个部分，第一部分我们在综述前人的研究基础上提出我们的研究理论框架和协整计量方法；第二部分利用协整模型对宏观变量与股市收益进行有

效性和稳定性分析，奠定关联分析的基础，从另一角度探索了市场的有效性影响；第三部分我们分析经济增长对行业业绩的影响；第四部分深化了行业分析；第五部分是结论。

2宏观经济对股市收益影响的理论和协整分析

2.1宏观经济对微观绩效的传递理论

在有效资本市场上，金融资产的价格等于其未来现金流的折现价值。公式如下：

P =

CFt （1） ?t(1?RRR)t?1n理论上讲，任何未来现金流的改变都会直接影响金融资产的价格。影响未来现金流的资产预期增长率会同方向影响资产价格。必要报酬率（RRR）的变化则会反方向影响资产价格。必要报酬率由两个基本要素构成：名义无风险收益率和与资产风险相对应的风险溢价。而名义无风险收益率则由实际利率和预期通货膨胀率构成。因此，一个国家的股指会受一些能够引起该国经济增长或是使实际利率，预期通货膨胀率和风险溢价发生改变的因素的影响。基于Chen，Roll和Ross（1986）所描述的“简单和直觉的金融理论”，我们假设利率，通货膨胀率，产出和货币供应量作为影响股票指数的变量。

近20年来西方学者不仅从理论上研究这些变量的影响因素，而且进行了实

证分析。Umstead和Fama的研究结果表明股票价格和实际经济增长存在正相关关系，Spiro和Cochran发现经济波动影响股票价格，宏观经济变量可以很好的解释股市运动。Fama对通货膨胀与股市收益之间的关系进行了研究，于1981年提出：股票收益和通货膨胀之间存在的反向关系，其在本质上是通货膨胀与实体经济活动之间负相关关系的一种体现。对此，Geske和Roll（1983）则认为：通胀率和股市收益率的关系反映了政府支出，实体经济环境与预算赤字引致的货币化，这三者的变化。Marc Chopin和Maosen Zhong（2000）利用Johansen和Juselius的协整检验方法和向量误差修正模型来检验股票收益率和通货膨胀率之间的关系。然而，在他们所考察的时期内（第二次世界大战之后的数据），联邦储备银行似乎并没有因为政府赤字而加大货币供给，政府赤字也没有对实体经济产生影响，他们发现当经济向长期均衡运动时，实体经济和货币供应量的短期变化可能会引起“伪相关”。也就是说，二战之后股市收益率和通货膨胀的反向关系来源

于实体经济和证券收益的长期均衡。当均衡被打破的时候，实体经济环境和货币活动都进行调整使得整个经济体系归于均衡状态。当通货膨胀和股市收益对这些调整做出反应时，股票市场的参与者预测实体经济，货币供应量和通货膨胀将发生变化，此时，伪的负相关就出现。

James，Koreisha和Partch（1985）检验了实体经济活动，通货膨胀，货币供应量和股市收益率之间的葛兰杰因果关系，并使用一个向量自回归移动平均模型，最终证明了股市收益率与基础货币增长率有很强的联系。

Naka，Mukherjee 和Tufte研究了印度股票市场和其国内宏观变量之间的关系，发现通货膨胀率是印度股票市场表现最具有决定意义的影响因素，同时，国内产出增长率也是它的主要驱动力。

但由于中国市场的弱有效性，上述研究成果可能并不完全适用与中国股市。中国股市具有典型的非有效特征，大量与公司基本面无关的信息主导着市场。李心丹（2001）通过对数千位个人投资者的问卷调查和对实际交易数据的实证研究发现，我国证券投资人普遍存在着“庄家情结”和“代表性偏差”（相信历史会重演，Debondt和Thaler（1985））；施东晖（2001）、宋军和吴冲锋（2001a）、孙培源（2002）也都通过实证研究证实中国股市上“羊群效应”（跟随其他人的投资策略）显著，其程度高于美国股市，股民普遍存在着跟庄心理；汪炜（2002）发现我国股市规模效应显著，但不同于美国市场的指数股溢价现象，A股股市在2002年以前普遍存在着小盘股的溢价；施东晖、攀登和曹敏（2003）通过对四个营业部20392个交易帐户的统计分析发现，有三分之二的投资人是技术分析的追随者，有超过三分之一的投资者在做出买卖决策时使用动量策略，即通常所说的“追涨杀跌”；而鹿长余、石世磊（2003）发现中国股市上的β值不仅不具有稳定性，而且对收益率的解释力也较弱。此外，我国股市还具有显著的股价平均化和波动趋同化的特征：截至2003年底，A股市场上没有低于均价1/4的股票，而在美国股市上这类公司占到了上市公司总数的50%左右；同时，股票市场“同涨齐跌”现象严重，系统风险占到总风险的2/3（波涛（1998）），远高于美国的1/4。总之，股价与公司真实业绩的关联度低，蓝筹股和亏损股在股价上不能实现有效分层。这种股价与真实业绩之间的弱相关性也在一定程度上损害了宏观经济变量与股市收益率之间的联动性。

基于以上原因，本文除了在传统意义上研究宏观经济与股市收益率之间的直接关系外，更进一步将宏观经济与股市收益率之间的两个传导环节隔离开来，并重点研究第一个环节的有效性及其作用机制——即，宏观经济对上市公司微观基础的影响力。

宏观经济 股市收益率 上市公司微观基础 上市公司收益规模 上市公司收益质量 图1 宏观经济对股市收益率影响的传导机制图

GDP 其他经济变量

在总体上我们利用协整模型对宏观变量与股市收益进行分析，研究关联中的稳定性和有效性，从另一角度实证了市场的有效性，为我们上述的分析框架打下一个市场有效性的基础。

2.2 协整方法和变量选择

在实证研究方面，近年来基本都是通过协整模型进行长期均衡与短期误差的分析，这对于宏观与股市的相关理解是极其有意的，本文也采用这一实证方法。通常情况下，大部分的时间序列为非平稳时间序列，而传统计量模型都是以“经济时间序列平稳”这一假设前提设计的。Granger首先提出了虚假回归问题，之后于1987年的论文中正式提出了协整（Cointegration）的概念。经过许多经济学家、统计学家的深入研究，协整从理论到实践都有了飞速的发展，现在已经成为经济计量学的主要处理方法。

协整的定义是：

对n+1维向量Z = (X1,?，Xn, Xn+1)T, Xi ~ I(d), i =1,2, ?,n+1,若存在某一常向量，??(?1,?,?n?1)T，使得

?T?~I(d?b),b?0

则称?T???1X1????nXn??n?1Xn?1为系统Z的协整关系，或说变量X1,?，Xn, Xn+1之间存在协整关系，?成为协整向量。若存在r个这样的线性关系，此时?为矩阵，其秩为r，称为协整秩。

对P阶VAR模型

Yt?A1yt?1???Apyt?p?Bxt??t （2）

其中，yt是m维非平稳I(1)序列，xt是d维确定性变量，?t是新息向量。经

过变形，可将其改写为

?yt??i?1?i?yt?i??yt?1?Bxt??t （3）

p?1其中

???i?1Ai?Im ?i???j?i?1Aj

pp由于经过一阶差分的内生变量向量中各序列都是平稳的，所以若构成?yt?1的各变量都是I(0)时，才能保证新息是平稳过程。此时存在三种可能。首先，矩阵∏可能是零矩阵，这就是说∏的秩等于零。其次，矩阵∏可能是满秩阵，秩等于m。第三种情况是矩阵∏是不满秩的，即0 < rank∏=r

对于多变量时间序列的协整检验，常用的除了Johansen极大似然法，还有两步法。两步法虽然简单易懂，但有较多的假定条件，忽略其假定的前提条件可能导致错误的结论。而极大似然法对参数做联合估计，对变量的协整关系作系统性分析，不需要任何假定条件，也不需要了解模型的动态结构——模型的结构、变量的内生性和外生性以及协整向量的个数都是检验的结果。因此，该方法是较为理想的方法。本文中我们使用Johansen极大似然协整检验方法。

Johansen极大似然协整检验方法基于典型相关分析，使用降秩的回归技术其目的是要检验∏矩阵的秩。检验最终的协整关系数目的第一个检验统计量由Johansen（1988）提出，这就是所谓的迹统计量（Trace test statistic）:

m?) （4） Trace = -nlog(1??这一迹检验的零假设就是，存在至多r个协整关系。从检验不存在协整关系（r＝0）和存在一个协整关系这一对假设开始。如果零假设被拒绝，再检验至多存在一个协整关系和存在二个协整关系这一对假设。如果最后当至多存在r = m-1个协整关系的零假设被拒绝时，就发现Yt向量序列是平稳的。通常会得到至多r -1个协整关系的零假设被拒绝，而对于至多r个协整关系的零假设却不能拒绝。

i?r?1?t2.3宏观对股指收益的影响

实证研究表明，在处理股市数据时，使用月度数据比用日度时间序列数据更具有鲁棒性（Aggarwa-Rivoli1989、Chen-Mak1992），这一结论也得到Maldanado和Saunder(1981)、Errunza和Rosenberg(1982)、Philppatos(1983)等其他人的认可。史代敏（1996）用ARCH模型检验了中国市场的有效性，认为1995年以前中国

股市不存在弱有效性。我国学者多数认为1996年后中国股市具有弱有效性，根据市场有效性定义，如果股票市场是有效的，则股价能充分反映出宏观经济、上市公司、市场需求等相关信息。反过来宏观经济变量对股价的影响就应该与理论的假定相符，如果不符，则间接表明市场并不存在有效性。根据以上结论，本文选用1996～2004年的季度数据对中国股市进行实证分析。数据来自聚源数据投资分析系统。

我们在这里分别用GDP，GDP增长率作为国民经济对股市影响的两个考察指标。GDP序列存在季节性，经过季节调整，记为GDPSA。

我国现货币统计制度将货币供应量划分为流通中的现金M0、狭义货币供应量M1、广义货币供应量M2三个层次。一般以M2作为调控的重点，原因是它的流通速度较为稳定，能更正确的反映购买力的变化，而且它的数量受公众对货币流动性偏好的影响更小。我国部分学者的实证结果也表明M2对经济的影响较其他指标更具有鲁棒性（邓述惠1999）。因此，我们在本文中选用M2作为货币供应量的指标。

通货膨胀一般用居民消费价格指数来计算，记为INF，公式如下： 通货膨胀率＝本月居民消费价格指数/上月居民消费价格指数－1 本文选用一年期实际存款利率作为名义利率。实际利率记为LILV，计算公式为：

实际利率＝名义利率－通货膨胀率 各变量时间序列的走势见表1。

表1 各变量时间序列走势图

1180000070000010600000950000040000030000087200000100000966969798990001020304GDPTH9798990001M2020304

325002200010-115001000-2-3979899000102030450096969798990001INF020304INDEX

70000

121086424000050000600000-2969798990001LILV02030430000969798990001020304

变量取对数可以消除数据的异方差性，同时将指数趋势转换为线性趋势。本文对INDEX,M2,GDPSA取对数后记为LINDEX,LM2,LGDPSA。GDPTH，INF和LILV由于已经是变化率，因此不再取对数.

2．3．1变量的单位根检验

在检验各变量之间的协整性之前，首先用ADF单位根检验方法来检验时间序列的单整阶数，再进行协整关系的存在性检验。检验结果如下。

表2 时间序列LINDEX，LM2，LGDPSA，GDPTH，LILV，INF的ADF单位根检验 变量

ADF 统计量

5％临界值

1％临界值

检验形式 （c，t，k）

LINDEX ▽(LINDEX) LM2 ▽(LM2) LGDPSA ▽(LGDPSA) ▽(LGDPSA)

2

GDPSA结论

-2.678 -5.750 -2.844 -3.364 0.032 -2.649 -5.952

-2.953 -2.956 -3.208 -2.956 -3.551 -2.956 -2.960

-3.642 -3.650 -4.261 -3.650 -4.271 -3.650 -3.658

（c，0，1） （c，0，1） （c，t，1） （c，0，1） （c，t，1） （c，0，1） （c，0，1）

非平稳 平稳 非平稳 平稳 非平稳 非平稳 平稳

GDPTH ▽(GDPTH) LILV ▽(LILV) INF

-2.057 -4.486 -1.839 -6.744 -2.187

-2.953 -2.956 -3.551 -2.956 -1.951

-3.642 -3.650 -4.261 -3.650 -2.634

（c，0，1） （c，0，1） （c，t，1） （c，0，1） （0，0，1）

非平稳 平稳 非平稳 平稳 平稳

注：（1）ADF检验的原假设H0: 含有单位根，即序列是非平稳时间序列；检验方程：▽Yt = γYt-1 +δ1 ▽Yt-1 +δ2▽Yt-2 +?.+δk Yt-k +εt；（2）检验形式中的c和t表示带有常数项和趋势项，k表示滞后阶数；（3）ADF的临界值来自软件EVIEWS3.1；（4）▽表示变量序列的一阶差分，▽表示二阶差分。

2

通过ADF检验结果可以得知，时间序列INF是平稳时间序列，即I(0)序列；LINDEX、LM2、GDPTH、LILV均为非平稳的一阶单整序列，即I(1)序列；LGDPSA是二阶单整序列，即I(2)序列。根据协整理论，不同单整阶数的时间序列之间不存在协整关系。因此，INF与LINDEX之间不存在长期协整关系，也就是说，在我们所考察的时间段1996～2004年之间通货膨胀率与股指没有关系。同样，LGDPSA与LINDEX之间也不存在长期协整关系，也就是说，在同样的时间段内GDP值与股指没有关系。下面我们接着考察GDP增长率GDPTH、广义货币供应量LM2、利率LILV与股指之间的协整关系。

2．3．2协整检验

虽然时间序列LINDEX，LM2 ，GDPTH是非平稳的一阶单整序列，但其可能存在某种平稳的线性组合。这个线性组合反映了变量之间长期稳定的比例关系，即协整关系。本文使用Johansen(1995)多变量系统极大似然估计法对多变量时间序列进行协整检验。Johansen协整检验是一种基于向量自回归模型的检验方法。

最一般的VAR模型数学表达式为：

Yt?A1Yt?1???ApYt?p?B1Xt???BrXt?r??t （5） 通常希望滞后期p和r足够大，从而完整反映所构造模型的动态特征。但另一方面，滞后期越长，自由度就越少。一般根据AIC、SC信息准则和LR统计量做为选择最优滞后阶数的标准。

通过变量之间的多次Johansen协整检验，我们发现，广义货币供应量LM2、利率LILV与股指之间不存在协整关系。而只有GDP增长率GDPTH与股指之间存在协整关系。检验模型的滞后阶数取二阶，并且选择常数项约束在协整空间内

并且协整方程有截距。

协整检验从检验不存在协整关系这一零假设开始逐步检验（见下表）。从零假设H0: r=0开始，迹统计量的值为16.07883，大于5%显著性水平的临界值15.41，表示应拒绝零假设H0: r=0，接受备择假设H1: r≥1。在接下来的检验中，零假设H0: r≤1在1％的水平上被接受。在1％的显著水平上，变量之间有且仅有一个协整关系。

表3 Johansen协整检验结果

单位根 0.221879 0.108769

迹检验统计量 5％显著性水平临界值 1％显著性水平临界值 16.07883 3.600004

15.41 3.76

20.04 6.65

原假设 None* At most 1

注：*表示在5％的显著性水平上拒绝原假设；临界值来自软件EVIEWS3.1。

长期均衡方程如下：

LINDEX = 0.099GDPTH – 8.101 (0.045) (1.163) ecm = LINDEX-0.099GDPTH +8.101

协整系数下面括号中的数字为渐进标准误。GDP与股市收益率有5%置信区间下的显著协整关系——对应GDP增长率1个百分点的上升，股市收益率上升约0.1个百分点。ecm是误差校正项，它反映了变量在短期波动中偏离它们长期均衡关系的程度。

对协整方程的残差进行平稳性检验。通过ADF单位根检验，其统计量在5%的显著水平上小于临界值，残差是平稳序列。说明了GDP增长率与股指之间存在长期协整关系。

LINDEX与GDPTH的向量误差校正模型(VECM)如下： ▽Yt =

?0.045?1.032+ *▽Yt-1

?0.289?0.289*ecmt?1+

0.0190.020 （6）

Y = (LINDEX GDPTH)T, vecmt = (1 -0.099) Yt + 8.101

ecm为负体现了均衡误差对Yt的控制，其大小表示了控制的力度。VECM中的第一个方程中误差校正项的系数是-0.289，表示当股指的短期波动偏离了长期均衡状态的1％时，误差校正项就会减少0.289%，使股指的波动减小，股指走势向均衡状态调整。

表4 VECM模型整体检验结果

Determinant Residual Covariance Log Likelihood

Akaike Information Criteria Schwarz Criteria

0.004382 14.051319 -0.851595 -1.305082

VECM模型整体检验结果表明，模型整体的对数似然函数值较大。同时，AIC和SC值较小。这说明模型的整体解释能力较好。下面，我们再做模型的鲁棒性检验。

由上述计量检验可知，除GDP外，其他各项宏观经济指标（M2、利率和通货膨胀率）与股市收益率之间的相关性均通不过协整检验，只有GDP与股市收益率有95%置信区间下的协整关系——对应GDP增长率1个百分点的上升，股市收益率上升0.1个百分点。

根据Johansen.S. & Juselius.K(1990)的观点，模型具有鲁棒性是指取不同滞后期时，各估计参数符号不变。可是当我们把模型的滞后期选择为三期，四期，甚至再大几期时，两变量GDPTH与LINDEX之间就已经不存在协整关系了。协整关系在滞后2期以后就消失了，显示在整个样本期内GDP对股市的长期影响并不稳定，模型可能发生了结构性变化，但由于时间序列较短，我们无法再对样本数据进行分段检验了。

总体来说，在我们所考察的时间段内，GDP增长率与股指之间存在不稳定的正向关系。

2．3．3方差分解

在考察VAR模型时，还可以采用方差分解方法研究模型的动态特征。方差分解的主要思想是把系统中每个内生变量（共m个）的波动（k步预测均方误差）按其成因分解为与各方程信息（随机误差项）相关联的m个组成部分，从而了解各信息对模型内生变量的相对重要性。方差分解不仅是样本期间以外的因果关系检验，而且将每个变量的单位增量分解为一定比例自身原因和其他变量的贡献。由分析结果（表5）可见，从第六步预测起，GDP的增长率的信息对股指的影响逐渐增大，但其信息的影响没有超过股指预测误差的30％。

这说明了以下两点：

首先，GDP的增长率在未来对股指的影响虽然逐渐加大，但依然很有限。 其次，虽然到了第10 步预测，股指的预测误差其自身解释部分所占比例仍然高达约70％，但是宏观变量在未来两年至三年内（每一步预测的时间段是一

个季度）会以越来越重要的作用影响股指走向（到了第10步预测接近30％）。

表5 LINDEX的方差分解

时期 1 2 3 4 5 6 7 8 9 10

S.E. 0.117095 0.141170 0.151754 0.159491 0.165973 0.172119 0.178316 0.184653 0.191114 0.197649

LINDEX 100.0000 99.79404 99.18742 97.04018 93.69600 89.46757 84.75553 79.90539 75.15455 70.64602

GDPTH 0.000000 0.205956 0.812585 2.959824 6.303997 10.53243 15.24447 20.09461 24.84545 29.35398

3上市公司基本面与宏观经济变量

3．1 变量选取

宏观的增长落实到微观个体上既可以表现为收益规模的扩张（收入增长），也可以表现为收益质量的改善（利润率）的上升，两者复合的结果构成净利润的变化。其中利润率又可以细分为经营利润率和投资回报率，前者主要反映了竞争环境的激烈程度，而后者则主要反映了经济的增长模式。鉴于此，我们分别考察了宏观经济变量对上市公司主营业务收入增长率、主营业务利润率、净资产回报率（ROE）和净利润增长率的影响，以全面分析宏观经济对微观个体的影响方式。

3.2 数据处理

数据的时间段为1996～2004的半年度数据，共18个数据。在样本量过少的情况下，协整方法的检验不具有有效性，因此，我们使用普通最小二乘回归法作为建立模型的工具。

变量及单位说明： ZYLR－主营业务利润率

ZYSR－主营业务收入增长率 ROE－净资产回报率 JLR－净利润增长率

以上数据均以期间全部上市公司报表披露值的算术平均值计算，但将两极数据进行归类处理，即增长率大于100%的数据按100%处理，增长率小于-100%的数据按-100%处理。

GDPTH1 －中国GDP增长率，单位：％ CPI－消费价格指数，单位：％ RJSR－人均收入，单位：人/元 M1－狭义货币供应量，单位：亿元 CZZC－财政支出，单位：亿元

SJGDPTH－世界GDP增长率，美日两国实际GDP增长率的算数平均，单位：％

HL－实际汇率 ，单位：人民币/100外币

以本币标价的外币汇率外国物价水平本国物价水平 实际汇率??以本币标价的外币汇率?1本国物价水平外国物价水平NYJG－能源价格，单位：桶

ZYJG－资源价格，取铜、铝期货价格算术平均 DKYE－金融机构贷款余额，单位：亿元 DKLV－实际贷款利率，单位：％，

在模型的筛选中，我们选择了拟合优度较高，总体显著性较好的方程列出。对于列出的全部方程中的自变量，除了个别方程是在0.10的显著性水平下通过T检验，对于大多数方程均通过0.05的显著性水平下的T检验。

3．3 实证结果

3．3．1收益规模指标与GDP增长率 ZYSR1 = 9.19 + 0.76 GDPTH1

(3.73)（2.94）

调整后的R2＝0.36 F－统计量＝8.65 DW统计量＝0.95 回归方程标准差＝4.14

括号内数字为T检验值，以下相同。

上市公司主营业务收入增长率与GDP增长率显著正相关，GDP增长率每提高一个百分点，上市公司的主营业务收入增长率相应提高0.76个百分点。这一结果一方面反映了上市公司的基本面确实是宏观经济的一个缩影，其规模扩张与宏观经济高度相关；但另一方面，上市公司业绩对GDP增长的弱弹性（敏感度小于1）也反映了中国的上市公司作为一个整体，还不能完全复制GDP的增长。实际上，通过对GDP增长率影响的产业群细化我们发现GDP增长在不同产业群之间的分享程度是不同的：

表6 GDP增长在各产业群之间的分享

产业群 资源型产业 基础型重工业 出口产业 房地产 基础设施产业 农业 消费制造业 消费服务业 敏感度系数 1.35 1.08 0.78 0.72 0.40 0.39 -0.13 -0.15 置信概率 85% 98% 99.5% 86% 79% 46% 21% 28%

由上表可见，GDP总量增长的好处更多地被基础型工业所分享，其中敏感度最大的是石油、石化、有色金属和钢铁行业（敏感度均大于1）；其次是出口产业（纺织、其他制造业）和房地产，敏感度在0.7~0.8之间；再次是基础设施类产业（电力、煤炭、高速路、水运）和农业，敏感度在0.4左右；而消费类产业（包括消费服务型的旅游、餐饮、零售、航空、机场和消费制造型的汽车、电子产品、食品饮料、医药、造纸、电脑及通讯设备等IT制造业）对GDP总量增长不敏感，但对人均收入的增长敏感——人均收入每增加100美元，消费服务业毛利润率增加1个百分点，消费制造业毛利润率增加1.5个百分点。

由于消费类产业在上市公司中所占的比重较大（60%左右），远高于其在国民经济中所占的比重，从而出现了我们前面看到的上市公司整体的收入增长率对GDP增长率的敏感度小于1的现象。

3．3．2收益质量指标与GDP增长率

统计结果还显示，主营业务利润率与GDP增长率之间不存在显著的正相关关系，这一结果实际上反映了总量的增长被行业竞争加剧所抵消的事实——宏观经济的向好未必能为微观企业所充分享受，近年来家电等竞争性行业不断下降的利润率就是一个很好的证明。

ROE与GDP增长率之间也不存在显著正相关关系，这一结果并不出人意料，它与我国投资推动型的增长模式和上市公司的圈钱倾向有关。实际上，统计数据显示，尽管从1994年以来的十年间，A股市场上市公司的平均净利润以年均13%的速度递增，但由于股本的过度扩张，上市公司的每股收益均值却呈下降趋势，目前水平只有1994年平均水平的三分之二（尽管最近两年A股上市公司的收益状况有所改善，但仍只恢复到2001年水平）。

综上，由于利润率与宏观经济变量之间的不确定关系，尽管主营业务收入增长率与GDP显著正相关，但扣除成本因素后，净利润增长率与GDP增长率之间的关系就被弱化了，呈现出不显著的正相关关系。

3．3．3收益质量指标与其他宏观经济变量

对收益质量与M2、利率、CPI等其他宏观经济变量的回归结果显示，上市公司整体的收益质量与上述变量之间的相关性也不显著。但从第五部分的细化分析中我们发现，上述宏观变量对不同产业群的毛利润率是有显著影响的，只是，由于不同产业群有不同的敏感变量，而同一敏感变量对不同产业群之间的影响作用有时甚至是相反的，结果导致其加总结果并不显著。

不过ROE指标作为投资回报率的度量，无论是在整体层面还是在中观产业层面与宏观变量之间都没有显著相关性，反映了中国经济粗放增长和中国股市过度投资的特点（虽然过度投资也会影响毛利润率，但它是以折旧的方式分期计入的，而对ROE的影响则是一次性增大了分母）。

4产业群业绩变动与宏观经济变量

4．1 产业群划分

由于增长模式的差异，不同产业群敏感的宏观变量是不同的，简单的加总处理可能会掩盖这些具体产业与宏观经济之间的联动性。在美国，一般将产业划分为增长敏感型、利率（资本成本）敏感型和价格敏感型三大类，但在中国，由于我们的增长动力不同——政府投资、出口和消费升级是经济增长的三大主要动力，价格机制也不同——利率、汇率和部分商品的价格是受管制的，因此，产业群的划分也应有所差异。本文中我们主要按行业敏感性因素，将上市公司所属行业分为收入敏感型、支出（投资）敏感型和对世界经济冲击敏感型三大类，并细分为消费服务业、消费制造业、基础产业、出口型产业、全球一致定价的资源型产业、原料进口但产品主要满足内需的产业和房地产行业七小类。

表7 产业群划分 产业群大类 收入敏感型 产业群细类 消费服务业 具体行业 旅游、餐饮、旅馆、传媒、零售、航空、机场 消费制造业 汽车、电子产品、食品饮料、医药、造纸、信息技术以及生产上述行业所需设备的机械制造业 房地产 支出敏感型 对世界经济冲击敏感型 基础产业 出口型产业 全球一致定价的资源型产业 原料进口但需求主要面向国内的产业 备注：由于上市公司中农业公司多为种子、渔业等公司，对农业产业不具有代表性，因此，本文没有讨论宏观变量对农业的影响。

房地产 电力、煤炭、高速路、水运 纺织服装、其他制造业、港口 石油开采、有色金属 石化、钢铁 4．2 变量选取

根据产业群的分类特性，我们分别选取消费型指标（人均可支配收入、M1、

CPI、利率和金融机构贷款余额，后两个指标同时也是支出型指标）、支出型指标（GDP增长率、财政支出、利率和金融机构贷款余额）和世界经济因素（世界经济增长率、对主要贸易国的一揽子货币实际汇率、世界能源价格、世界资源价格）作为自变量，以考察不同宏观经济情景下的产业群业绩变动。

因变量方面，我们依然采用主营业务收入增长率（ZYSR）、主营业务利润率（ZYLR）、净资产回报率（ROE）和净利润增长率（JLR）四个指标。

4．3 实证结果

回归结果显示，各产业的ROE指标都对宏观变量不敏感，这与前面的全市场分析结果一致。但不同于市场整体的回归结果，在产业层面，主营业务利润率比主营业务收入增长率对各宏观变量更加敏感，这主要是由于在产业层面我们选取了更细化的宏观变量，其中许多变量是成本影响因素，如利率、能源价格等，因此，表现为毛利润率上的显著关系。 消费服务类产业：

ZYLR3 = 1.80 + 6.41E-05 M1

（0.37） (4.10)

调整后的R2＝0.53 F－统计量＝16.82 DW统计量＝0.56 回归方程标准差＝7.04 ZYLR3 = -9.49 + 0.015 RJSR

（-1.17） (3.80)

调整后的R2＝0.50 F－统计量＝14.44 DW统计量＝0.59 回归方程标准差＝7.31

消费制造类产业：

ZYLR4 = -7.33 + 0.01 RJSR

（-1.02） (3.87)

调整后的R2＝0.50 F－统计量＝14.98 DW统计量＝1.07 回归方程标准差＝6.45 ZYLR4 = 2.67 + 5.80E-05 M1

（-1.02） (3.87)

调整后的R2＝0.55 F－统计量＝18.13 DW统计量＝1.01 回归方程标准差＝6.13

由以上统计数据可见，消费型产业作为一个整体确实对收入型变量，如人均可支配收入和货币交易需求M1敏感，但对价格指数CPI呈显著负相关关系。这主要是由于CPI中粮食等基础消费所占的比重较大，而上市公司中的消费企业多为消费服务企业或汽车、高科技等消费升级产品的制造企业，其价格因素在CPI中体现的较少，实际上，CPI更多地反映了消费制造型企业的劳动力成本因素，因此，负相关关系也就不难理解了。另外，统计结果还显示，相比于消费制造业，消费服务业对宏观变量更加敏感，人均收入每增加100美元，消费制造业毛利润率上升1个百分点，而消费服务业上升1.5个百分点。

上述统计结果也启示我们，随着2003年我国人均收入突破1000美元大关（考虑汇率因素后实际购买力达到3000~4000美元水平），未来，中国的消费产业，尤其是消费服务业将呈现出更加繁荣的景象。

基础设施类产业：

ZYLR5 = 24.16 + 0.001 CZZC

（5.37） (1.98)

调整后的R2＝0.21 F－统计量＝3.90 DW统计量＝0.28 回归方程标准差＝6.82

作为国民经济的发展基础，煤、电、运等行业显然对投资型支出更加敏感，而在中国，现阶段这种投资型支出主要还是政府主导的，因此，基础设施产业对财政支出的敏感性也就是很自然的了。但统计结果显示基础设施产业的发展与GDP的增长率之间并没有显著的正相关关系，这一方面是由于基础设施产业的投资具有典型的周期性特征，其建设周期可能与GDP增长周期不同步；另一方面，从后文的研究中我们也发现，基础设施产业并不是国民经济增长的最大受益者，实际上，工业企业（尤其是重工业企业）对国民经济的增长更加敏感。

出口型产业：

ZYLR6 = -13.34 + 0.02HL

（-0.85） (2.28)

调整后的R2＝0.26 F－统计量＝5.18 DW统计量＝0.68 回归方程标准差＝4.36

ZYSR6 = -31.89 + 0.02 HL＋2.05 SJGDPTH

（-1.69） (2.49) (2.56)

调整后的R2＝0.37 F－统计量＝4.15 DW统计量＝1.76

回归方程标准差＝4.14

实际汇率反映了一国产品的国际竞争力，实际汇率越高，一国的国际竞争力越大，出口企业的利润状况就越好。在我国，尽管人民币对美元的汇率是固定的，但由于美元对其他国家货币是自由浮动的，相应地人民币对这些国家的汇率也就是自由浮动的，从而间接影响了中国对这些国家的出口额，以中日贸易为例（日本是中国对外贸易的第一大国，甚至超过了美国），美元对日元的贬值连带人民币对日元的贬值，从而增加了中国产品竞争力。不仅如此，由于在世界贸易中，中国与东南亚国家、印度、以及拉美等国处于出口竞争地位，因此，这些国家货币对美元的实际贬值也就相应增强了他们国家的出口竞争力，从而使中国的产品受到打击，这实际上就是97年东南亚金融危机后所发生的事实。

鉴于此，考察我国对一揽子主要贸易国货币的实际汇率变动是十分必要的，实证结果也证实了上述猜想：实际汇率每下降1个百分点（人民币升值），出口企业的毛利润率下降0.4个百分点，主营业务收入增长率也下降0.4个百分点。综上，在当前日益加剧的升值压力下，上述统计结果启示我们，人民币的升值可能确实会给出口企业带来较大的压力。

此外，统计结果显示世界经济的快速增长拉动了出口企业的市场需求，从而使出口企业的收入增长与世界经济增长率正相关。

全球一致定价的资源类产业： ZYLR7 = -33.27 + 0.03 HL

（-3.43） (5.50)

调整后的R＝0.67 F－统计量＝30.30 DW统计量＝0.89

2

回归方程标准差＝8.67

ZYLR7 = 12.41 + 0.31 NYJG

（2.78） (1.74)

调整后的R＝0.17 F－统计量＝3.04 DW统计量＝0.47

2

回归方程标准差＝4.27

JLR7 = -14.55 + 0.76 NYJG +5.53 SJGDPTH

（-1.15） (1.60) (2.96)

调整后的R＝0.47 F－统计量＝6.16 DW统计量＝1.40

2

回归方程标准差＝11.35

石油、铜、铝等资源产品都面对一个全球统一定价的期货市场，中国只是这一定价体系中的一部分，因此，这类行业企业自我管理业绩波动的能力较弱，更多地受世界经济因素的影响（当然，随着中国成为世界经济增长的主要动力源，中国对上述价格的影响力也在增强）。

实证结果与我们的假设一致，全球一致定价的产业其毛利润率与实际汇率正相关——由于上述产品均以美元标价，因此，实际汇率的上升意味着产品销售的人民币价格上升；此外，能源价格显然也是影响企业利润状况的一个重要因素；而世界经济的增长会带动全球对上述资源产品的需求增长，从而推动产品价格的上升，并影响企业收益。需要说明的是，这里所说的资源型企业主要是开采企业，而非下游制造业。

原料进口但产品主要面向国内需求类产业： ZYLR8 = 21.81 – 1.72 SJGDPTH

（-11.66） (-2.97)

调整后的R2＝0.37 F－统计量＝8.84 DW统计量＝0.68 回归方程标准差＝3.53 ZYLR8 = 40.09 – 0.02 ZYJG

（3.30） (-1.92)

调整后的R＝0.20 F－统计量＝3.67 DW统计量＝0.53 回归方程标准差＝3.99 ZYSR8 =7.17 + 1.09 GDPTH1

（1.87） (2.72)

调整后的R2＝0.33 F－统计量＝7.39 DW统计量＝0.76 回归方程标准差＝6.44

原料进口但产品需求主要面向国内的产业，区别于全球一致定价的资源型产业，虽然它们也与世界经济因素高度相关，但这种相关性主要体现为供给冲击，如世界原油价格和铁矿石价格对石化产业和钢铁产业的冲击；而在需求方面，由于上述产业的产品主要面向国内市场，因此价格由国内经济增长状况决定。统计结果显示，与5.4.5中的结论相反，原料进口但市场面向国内需求的产业与世界资源价格负相关，与世界经济增长率也负相关（世界经济的高速增长会拉动原料价格的上升，给国内企业造成成本冲击，这实际上是2004年中国企业所面临的现实处境）。另一方面，上述产业的需求市场与国内经济增长高度相关，随GDP增长而增长。

2

上述统计结果也提示我们，人民币的升值虽然会给出口型产业和全球统一市场的资源型产业带来负面影响，但会给原料进口型产业带来成本上的优惠，因此，对升值的影响应更加全面的考虑。

房地产：

ZYLR9 = -5.38 + 0.01 RJSR

（-0.72） (3.62)

调整后的R2＝0.47 F－统计量＝13.13 DW统计量＝0.96 回归方程标准差＝6.73 ZYLR9 = 1.35 + 0.0002DKYE

（-0.72） (3.62)

调整后的R2＝0.27 F－统计量＝16.75 DW统计量＝0.91 回归方程标准差＝6.33 ZYLR9 = 36.79 – 2.09 DKLV

（14.43） (-6.82)

调整后的R2＝0.77 F－统计量＝46.54 DW统计量＝2.43 回归方程标准差＝4.55

由于房地产行业的特殊性，既有消费产业的特性，又与投资相关，因此，将其单独提出进行因素分析，结果出乎我们的意料——房地产行业可以说是各产业群中最符合一般宏观经济规律的行业：企业利润状况与人均可支配收入正相关，与金融机构贷款余额正相关，与银行贷款利率负相关，而且上述相关性均在1%置信区间下显著。

上述统计结果显示，一方面，随着居民收入的增加，房地产行业存在着真实的需求；但另一方面，国家对金融体系的宏观调控政策对房地产行业的影响是显著的，贷款利率每上升1个百分点，房地产行业的毛利润率下降约2个百分点。

表8 宏观变量与产业群毛利润率相关性汇总表 M1 毛利 消费服务 消费制造 基础设施 出口 贸易 全球资源 原料进口 房地产 人均 收入 财政 支出 实际 汇率 世界能世界经源、资济增长 源价格 利率 金融机构贷款余额 + + + + + + + _ + _ + _ _ + 0 + 0 总体

0 0 0 0 0 0 备注：“+”显示显著正相关，“-”显示显著负相关，“0”显示相关性不显著。

由以上统计分析可见，在宏观经济与上市公司产业群的收益质量之间确实存在着显著的联动性，但这种联动性在产业加总后就被弱化了，甚至相互抵消了，因此，在整体上表现为宏观经济变量与微观个体收益质量之间的弱相关性。而这种弱相关性被中国经济粗放型的经济增长和上市公司的“圈钱偏好”进一步弱化后，就体现为第一环节整体的弱相关。

第一环节宏观经济对微观个体整体的弱相关与第二环节资本市场整体的低效性一起，更加全面的解释了宏观变量与股市收益率之间的联动关系。

5总结和探索:实体的有效和股市收益的无效

综上，我们的实证分析表明：

1．除GDP外，其他各项宏观经济指标（M2、利率和通货膨胀率）与股市收益率之间的相关性均通不过协整检验，只有GDP与股市收益率在95%置信区间下显著正相关——对应GDP增长率1个百分点的上升，股市收益率上升0.1

个百分点；但该协整关系在滞后2期以后就消失了，显示在整个样本期内（1996年初到2004年第三季度）GDP对股市的长期影响并不稳定，模型可能发生了结构性变化；

2．进一步，在研究上市公司基本面与宏观经济指标之间相关性时，即传导机制的第一个环节时，我们发现上市公司收益规模——主营业务收入增长率与GDP增长率之间存在着显著的正相关关系（99%置信区间）。进一步，通过细化研究GDP增长率对各产业群收入增长的影响时，我们发现，GDP总量增长的好处在各产业群之间的分享程度是不同的：基础型工业，如石油、石化、有色金属和钢铁行业等对GDP增长的敏感度均大于1；而出口产业和房地产业的敏感度在0.7~0.8之间；基础设施类产业和农业的敏感度为0.4；相反，消费类产业对GDP总量增长不敏感（对人均收入的增长敏感）。但由于消费类产业在上市公司中所占的比例很大，接近60%，远大于其在国民经济中所占的比重，因此，对应GDP增长率1个百分点的上升，上市公司主营业务收入增长率上升幅度小于1（0.76个百分点）；

3．我们找不到一个宏观经济指标能够对上市公司整体的收益质量（毛利润率、ROE）有显著影响；

4．尽管在上市公司整体层面上我们找不到一个宏观变量能够对微观个体的收益质量产生显著影响，但在具体产业群上，我们却发现了不同宏观变量与不同产业群收益质量上的显著相关性。不过这种相关性仍旧主要体现为宏观经济对毛利率的影响，而与ROE之间的相关性依旧较弱——这再次证明了我国投资推动型的经济增长模式，具体来说：

1）消费类产业的毛利润率与M1和人均收入显著正相关（99%置信区间下），其中消费服务业相对于消费制造业对宏观经济变量更加敏感； 2）基础产业的毛利润率与财政支出显著正相关（90%置信区间下）； 3）出口型产业的毛利润率与实际汇率（一揽子外币对人民币）显著正相关（95%置信区间下），主营业务收入增长率与实际汇率和世界经济增长率显著正相关（95%置信区间下）；

4）全球一致定价的资源型产业毛利润率与实际汇率显著正相关（99%置信区间下），与世界能源价格显著正相关（90%置信区间下）； 5）原料进口型产业的毛利润率与世界经济增长率显著负相关（99%置信区间下），与世界资源价格显著负相关（90%置信区间下）； 6）房地产行业的毛利润率与人均收入、金融机构贷款余额显著正相关，与银行贷款利率显著负相关关系（均在99%置信区间下显著）。

利用协整模型，我们对中国股市和宏观经济变量的相关性进行了实证分析，结果显示中国股市依然是不成熟的市场，市场的有效性较低，但正逐步有效，未来宏观经济的影响将愈来愈大。从现在实证的结论可以看出，实体的有效和股市收益的无效性，这对于研究与投资都是很有意义的。

中国股票市场处在一个十字路口，只要坚持深化改革并逐步推进金融工具的创新，市场的有效性就会日益加大，宏观对股票的影响也将成为影响股市收益和风险的重要因素，从而在宏观与微观、符号与实体之间建立一种有效的逻辑对应。只有这样，中国的资本市场才能服务好经济建设，同时分享中国经济的高速增长！

参考文献：

1． Chris Bilson, Tim Brailsford, Vince Hooper. “Selecting Macroeconomic Variables

as Explanatory Factors of Emerging Stock Market Returns”. working paper, Department of Commerce,Australian National University

2． Johann Burgstaller.“Are Stock Returns a Leading Indicator for Real Macroeconomic

Development? “working paper, July 2002, Department of Economics, Johannes Kepler University of Linz

3． Marc Chopin,Maosen Zhong,working paper.”Stock Returns,Inflation and the

Macroeconomy:The Long-and Short-Run Dynamics”.May 2000,Department of Economics&Finance,College of Administration&Business,Louisiana 4． Engle,R.F.and

C.W.J,Granger.

”

Cointegration and

Testing,

”

and

Error

Correction:Representation,Estimation 55(1987):251-276

Econometrica

5． Fama,Eugene F.”Stock return,Real Activity,Inflation and Money,”American

Economic Review 71(1981):545-565.

6． Fama,Eugene F, Michael R.Gibbons.”Inflation,Real Returns and Capital

Investment,”Journal of Monetray Economics 9(1982):297-323

7． Atsuyuki Naka, Tarun Mukherjee, David Tufte, working paper,2002,”Macroeconomic

variables and the performance of the Indian stock market”

8． Geske, Robert and Richard Roll ,”The Monetray and Fiscal Linkage Between Stock

Returns and Inflation,” Journal of Finance 38(1983):1-33

9． 顾岚.”中国股市与宏观经济基本面的关系”.《数理统计与管理》,2001,第三期 10.张卫国、马文霞、任九泉.“中国股价指数与宏观影响因素的协整关系研究“.《当代经

济科学》,2002,第六期

11.汪红驹.“宏观经济因素影响股票市场收益的实证分析“,2004,工作论文 12.王少平.《宏观计量的若干前沿理论与应用》[M].天津:南开大学出版社，2003 13.王德劲、王宏炜，陈训波.“向量误差校正模型在中国股票市场的应用－宏观经济变量与

股票指数关系的实证分析“.《统计与信息论坛》,2001,第7期

本文来源：https://www.bwwdw.com/article/t6tp.html