引入外生變量在研究政策對股票市場波動影響的重要意義

陳 玉

(山東科技大學數學與系統科學學院 山東 青島 266000)

引入外生變量在研究政策對股票市場波動影響的重要意義

陳 玉

(山東科技大學數學與系統科學學院 山東 青島 266000)

外生變量是相對于內生變量而言的，外生變量并不因為他是外生的就和模型沒有什么關系，相反它對內生變量具有重要影響，只是我們常常假設它在一定的時期或者某些情況下是不變的，在這樣的前提下再考慮模型中其他的變量問題。

外生變量；股票市場

一、研究背景與問題

關于政策調整對股票市場的影響，國內外學者已經進行了長期和深入的研究，因此，對我們以后的學習和研究提供了可靠的基礎。2007年的美國次貸危機演變為國際金融危機，它除了通過資本流動還通過國際貿易等途徑傳播，導致美國部分大型金融機構迅速倒閉。次年，全世界實體經濟也開始受到影響。

2009年，在政府的政策引導下，我國經濟不但實現了GDP8.7%的增速而且實現了“保增長”的目標，但其增速仍比上年回落0.9個百分點，進出口貿易增速放緩直接影響到我國宏觀經濟發展，可見金融危機對我國進出口貿易造成很大影響。此外，還有宏觀政策調整對股票市場波動的影響。

作為發展的一種必然趨勢，貨幣政策必將更多地通過金融市場尤其是資本市場發揮調控作用，具體表現為以下幾點：

首先是資本積累功能，有效地動員籌集資金。金融市場最基本的功能是轉社會閑散資金為企業投資，又可稱為資金聚斂功能，金融市場引導眾多分散的小額資金匯聚成為可以投入社會生產的資金集合的功能。其次是資源配置功能，合理地分配和引導資金。金融市場的配置功能表現在三個方面：一是資源的配置，二是財富的再分配，三是風險的再分配。然后是資金定價功能，靈活地調度和轉化資金。金融市場的存在及發展，由于資金供求關系，實際上存在對各類資金進行定價，根據價格接受能力，獲取資金。最后是經濟指標功能，有效地實施宏觀調控。金融交易活動為政府實施對宏觀經濟活動的間接調控創造了條件。

Claudia和Pierdzioch[1]指出，金融市場越發達，經濟波動程度越小，造成經濟波動加大的主因是金融摩擦。Gilchrist[2]建立兩國一般均衡模型分析金融摩擦的國際傳導機制，發現發展中國家金融市場信息不對稱程度相對嚴重，金融摩擦導致經濟波動的程度較發達國家也相對嚴重。

國內謝赤等(2007)[5]、尹海員和李忠民(2011)[6]等的研究都發現，即使市場沒有發生極端性的流動性危機，資產(尤其是股票)流動性的時變性也是影響價格的一個重要因素。他們構建了多種流動性衡量指標，并建立了流動性與收益率之間的聯系。但相對來說，研究投資者情緒與流動性關系的文獻較少，當然仍有一些文獻對二者的關系作了一些討論。孔東民等(2015)[10]考察了機構持股、流動性以及二者的交互項對信息效率的影響。

二、外生變量概述

在經濟模型中經常會遇到外生變量的問題，外生變量是相對于內生變量而言的，是模型以外的變量，它會影響內生變量，但不是模型需要解釋的變量，外生變量并不因為他是外生的就和模型沒有什么關系，相反它對內生變量具有重要影響，只是我們常常假設它在一定的時期或者某些情況下是不變的，在這樣的前提下再考慮模型中其他的變量問題。

一個很好的判斷辦法就是，模型一般都會涉及到方程式，只要是方程里有的變量，這就是內生變量，方程沒有涉及的變量就是外生變量。我們在分析經濟問題的時候除了要分析清楚內生變量之間的關系，還要分析外生變量，很多時候是外生變量在決定內生變量。所以解決問題需要從外生變量著手，而不是內生變量。比如現在我們想方設法的增加居民的個人消費，如果僅僅從降低商品的價格這個內生變量是不行的，而應該想辦法增加消費者的收入，從這個外生變量著手。

三、模型框架描述

經典的時間序列模型自回歸移動平均模型，既ARMA(p,q)通常用來對平穩序列進行預測，如式(1)所示：

(1)

若φ0=0，該模型稱為中心化ARMA(p,q)模型。缺省默認條件，中心化ARMA(p,q)模型可以簡寫為：

xt=φ1xt-1+…+φpxt-p+εt-θ1εt-1-…-θqεt-q

(2)

默認條件與AR模型、MA模型相同。但是，由于時間序列建模往往假設數據變化近似于平穩序列，一旦環境變化則時間序列模型的預測效果就會變差。

對于方差隨時間變化的時間序列可用GARCH方法進行處理，標準的GARCH(p,q)

為：

(3)

該可彌補單一時間序列模型忽略短期類型影響的缺陷，對于短期預測精度有了較明顯的提高。例如，可以利用GARCH模型處理序列中的條件異方差，在均值方程ARMA中引入部分外生變量作為模型的回歸變量，再將兩者相結合進行預測，以彌補一般時間序列預測模型的不足。

聯合式(1)(3)可構成考慮異方差和外生變量影響的GARCH-ARMA模型，在很多不同情況下都可采用該模型進行預測。在選擇模型階時，可以參照赤池信息準則(Akaike information criterion，AIC)，通過選擇較小的AIC值來控制模型的復雜程度。一般來說，AIC值越小，模型的預測效果越好。然而，如何考慮市場因素，選擇對于所有時點都合適的外生變量是具體問題的研究重點。

[1]BUCH C M，PIERDZIOCH C.The integration of imperfect financial markets:Implications for business cycle volatility[J].Journalof Policy Modeling，2005，27(7):789-804.

[2]GILCHRIST S.Financial markets and financial leverage in a two-country world economy[C]/ /AHUMADA LA，FUENTES J R.Series on Central Banking，Analysis and Economic Policies，Vol VII:Banking Market Structure and Monetary Policy.Central Bankof Chile，2004.

[3]謝赤，張太原，曾志堅.中國股票市場存在流動性溢價嗎？——股票市場流動性對預期收益率影響的實證研究[J].管理世界，2007(11):36-47.

[4]尹海員，李忠民.流動性衡量及對資產定價的影響研究述評[J].經濟與管理研究，2011(8):35-72.

[5]孔東民，孔高文，劉莎莎.機構投資者、流動性與信息效率[J].管理科學學報，2015，18(3):1-15.

陳玉(1992-)，女，山東省臨沂市，碩士研究生，山東科技大學，統計學專業。