ParK's 論文后花園

西南财经大学
硕士学位论文
我国利率变化与股票交易量关系实证研究
姓名：张潘
申请学位级别：硕士
专业：金融学
指导教师：张桥云
20030401
内容提要
随着中豳经济体制逐步由计划经济向市场经济转变，利率杠秆对
宏观经济的调节作用越来越重要。为了保持经济的持续、稳定、健康
发展，中国人民银行从对存贷款利率进行了连续下调，这对启动市
场，蓉l激投资窝消赞，弓l是社会资金流怠工赛企进，降低企业的资金
成本，缓解企业的赘金困难，分流储蓄资金，降低银行经营风险起到
了积极豹器耀。降恩对宏滋经济晴爵表憋羧票舞场丙言，是长期刊好
因素。由于股票价格是股票未来收益的折现，因此股价对利率变动非
常敏感。利率下调～方面减轻了企鲎的负担，使企监的剩润上升，未
来预期收益上升，另一方两使折现率下降，两方面的作用导致利率与
股票价格成反向变动关系，郎利率下降时，股价将上升。由予股票市
场是～个复杂的系统，除了降息因素影响股市外，还有许多其它因素
同样影响股市，在中国股市逐步迮向规范化的进程中，降息效应到底
有多大?其政策效威如倪?
关于此效应的研究，国内学者已经有大量的研究。此处，本文作
者将从利率与股票交易量豹是度，采角计量与统计方法磅究，力求揭
示利率与中图股市的某些联系及内在规律。
对于交荔量懿反应研究，已；有许多学者散过实谖分析。陈骁、陈
小悦、刘钊对交易蹩进行统计，研究公告期内股票的超额回报与非预
期盈余关系。王军波、邓述慧的中国利率政策和证券市场的关系的分
析。摩齐鸣、李春涛的中国股市降息效应的统计分孝斤。陈晓、陈淑燕
的股票交易量对年报信息的反应研究。许均华、李启驻的宏观政策对2
我国段市影镌葭实诞研究等。这些臻究主要针对交易逡同会计信息关
系分析，或者研究股价，股票指数对突发事件的反应。但是，这些研
究中关予交易量对翻率或其毽政策事徉滓击懿反应溺题虽露提及，僵
不是文章的重点，且未进行计量检验；利率指标未作详细的分类，只
简单地用存贷利率代替；利率与交易量关系没有详编造觚数据的时闻
序列设计(侧重长期)和事件研究(短期)两个角度分别进行研究。
为此，在本文的磺究方法逻辫方瑟，首先借鉴了以上学卷磺究方
法及内容，采用了多种数列的处理方法，包括多列数据的时间序列处
理：囱量自潮归载觳果关系检验；协整及误差棱歪模整分橇以及擎列
数据的时间序列处理：ARMA模型运用；整体的数据与其样本数列
(其中酌菜～类交纯点短期前后数据形成麓薪数列)戆关系研究，实
质是～种事件研究；统计数理处理，也即事件冲击研究。其方法的设
计严格遵守不断改进及补充的逻辑原刚。
具体讲，首先，笔者先采用了变量的因果关系检验也即本文的燕
～种方法，向量自圆归。其不足在于，因为这种方法涉及到大矩阵计
算，要求收集的数摄要充分，两凌予本寒中匿的利率变纯次数有限，
相比方程数，变量数太少。所以，作为一种改进及补充，本文过渡到
第二零孛计量方法，恣有统计毽果关系土份详绚觞长短矮关系磷究，狯
整及误差校正模型分析。但是，不足在于，对数据量要求虽相比较少，
僵仍育不足；霜露离散的利率点佟隽连续交量魅理欠妥；更主要的是，
短期研究因采用的怒误差校正模型，其中变量均作了差分处理，这釉
微调式的短期研究，难以粥准确的时间凄量，使得此方法缺乏有力的
鳃释力。所以，为了进～步孵决数据不足的问题，我们又尝试了从事
件分析的角度主要探讨短期的情况，使用了另一种方法，中长期关系
事件磺究。在此过程中，剔出了深交所数据及B般交易量瑟，l乍了单
数列的研究。另外，剔出深交所数据及B股交易量原因在于，进一步
解决数据不足夔溺题，因为交易畿的数据极多；试验发现深交所毅藜
交易量服从MA(1)模型，上交所交易量不服从ARMA模型，将前者
剔出，是为了事件分析韵分析前提：“每天的股票交翁量指数独立且
是均值为0的正态分布”的需要。剔除B股的股票交易量亦基于同样
考虑，B股市场极不成熟，市场兢模小，各期交易量受前期影响严重，
难以达到独立冠分布的数列要求。这种方法，虽然克服了数据量的阏
题，但是，处理后形成的两列新数列中很多期的数据鼹相同的，也就
是说，仍然京数据羹不足麴润题存在，事实上，这魏处理方法更适耀
于两列数据各期不同时的情况。所以，为了进一步解决数据不足及利
率实霹为意散交量憋闷题笔者又使震了掰鳇事件分丰厅方法：攀爨数据
的统计数理处理。但是，薪的不足是，无法从中长期{乍出研究，事件
研究只局限于短期研究。
另外，褒对铡枣及段票交易量两个变量的处理中，也采煺了多零孛
指标进行试验，而非简单地用一个指标代替。
磅究结暴表骧，我国敷市麸多魏数据的时闽痔列处理方法(侧莛
于长期)来看二者是有一定的关系，但是关系偏弱。实际利察与股票
交易量的关系萌显强子名义秘率与之关系。名义剩率懿作用楚缀有限
的，只有贷款名义利率的变化与股票交易量在统计上有较大的关系。
这种与真实利率的不同说明了，还有其他因素如通货膨胀等，在影响
刹率政策的传导作用。
同时，夜多数列中分析中，我们发现，对企业而言，计蹩的结果
与古典经济学鳇经济理论棚反。在长期中，实际贷款利率鲍上升，贷
款成本上升而投入股市的资金更多了，这是有悖理论的。
究其嚣因在予，古典经济学研究穰设是一个竞争瞧叁壹髓市场，
居民与企业只是根据收益来决定投资的项目。而在中国90年代以来
是股市的初期发展过程，是一个蚕家政策鼓藏机构企业投资黢市的过
程，相关的法律法规促进了股票市场的发展。貌似矛盾的实证的结果
反映了真实贷款利率闻股票交易童的统计上的关系：中国殷市在这几
年受政府综合的政策作用更多一些，列率只是葵中之～的因素。也周
是就说明了利率与股票交弱量在这几年内弱相关。
在以事件分柝懿方法(侧重予短期)为基磁上，我们发现，二者
关系仍然不太明显，这尤其表现在1997年以厥，这也表明宏观经济
环境投为复杂，裂攀只是影镌羧市遗素之一，股票市场受政策鼹影姨
也在趋弱，同时，股市的稳定性在增强，市场在逐步走向成熟。总体
上讲，稠率政策在繁荣殷市的作浠方面境阶段蹩无效豹。
关键词：VAR<向量自回归) 协整ECM(误差校正)
事件研究
Abstract
As China’s changing from planned economy to market economy
deepens，the rate level becomes more and more important for the
adjustment of the macro economy．In order to sustain the constant，stable
and healthy development，China’s central bank has lowered the interest
rate，which is expected to expand
and consumption，directs the fund
the market，stimulate the investment
to the enterprises，lowers the cost of
the capital，resolves the difficulty of the cash flow and finally plays the
vital role in reducing the risk of management．The decline of the rate is
good news for也e stock market，whose price is subtle to rate’S change·
For one part，the price is the discount of the earning which reduces the
burden of the firms．This makes finns have more profit and at the same
time the expected earning will decrease，as well as the cut of the discount
rate．which makes the rate and stock price change in the other way·
Owing to its complicated composition in this system，many factors
contribute to the change of the stock market except for the decline of the
rate．During the process of the march to regulatory market，what 1S the
function ofthe rate decline?What is the extent of the policy function?
Regarding the analysis of the question，lots of the experts made
some analysis．And here，the author tries to discover the essence of the
relationship between the interest rate赫d China’S stock market by means
of statistics and econometrics from the aspect of the relation between the
rate and stock trade volume．
‘
Some scholars such as Chen Xiao and Chen Xiaorui，the author of
砌P麟打馏return and unexpected income in the proclamatory period,
Wang junbo and Deng shuhui，the author of the rate policy and the stock
market,have already done analysis about the rate and trade volume，but
these things Call not deal with this relationship comprehengively,nor the
statistics and econometrics methods from the two things’prospects。
So，here under these people’S achievements，the author ofthis article
deals with this relationship by means of list method including VAR
method and Co—integration and Error Correction Model as well as the
model ARMA method．Then under the event analysis，the author gives
the new analysis by means ofthe statistics and mathematics．
To aim at analyzing the relevance in terms of the two events，the
analysis of Vector Automatic Regression(VAg)，which is based on the
hypothesis of continuous variables，is used while specific Event Study are
based on the hypothesis of scattered variables to review"the influence as
well as the impact of discrete interest changing points on the stock trade
volume．During the process，it is necessary to use a large number of data，
SO it is a disadvantage tO use the tWO methods，which demand constant
variables and data as many as possible．So，the result from this analysis
can only be used as partly references，The research shows that the interest
rate is highly positively related to the stock trade volume in China．
Although this seems not in line with the general theory,it actually reflects
the relationship between nominal interest rate and stock trade volume
justly．At the same time，in fact，the Chinese government has been
encouraging the development of the stock market through some policy
methods in recent years，among which the rate is-merely one element．In
fact，this also reveals that the relationship between the rate and trade
volume iS quite weak
On the other hand，in order to overcome this shortcoming mentioned
above two kinds of event analysis are given by means of the statistics and
mathematics，which，the author of the paper thinks，is the best way to
compensate the shortage of the data．But unfommately，this method call
bring about the new problem that can only be used for the 8hort帕m
reference．
At the s锄e time，in this paper,the rate and trade volume are not
dealt wim in the simple wayl Quite the opposite，the two variables will be
shown with faces of several indices that are good to make more acc删e
experiments contributing to the paper analysis·
Finallv-the whole passage reveals the facts that the reactions of
stock market in the short term are SO weak，and particularly that moSt
reaction occurred after 1 997 suggest a complicated macro。economlc
environment，in which interest rate is merely one of the factors that shape
me stock market．With the decreasing influence of policies and increasing
stabmt、，、the stock market is developing vigorously．
Kev Words：Interest Rate，Vector Automatic Regression(VAR)
Event Study,Co-integration
一、研究的理论综述
道氏理论认为，股市的分析中，趋势处于第一位，交易量处于笫
二位，但交易量作为验证价格图表信号的旁证囊有重要价值，趋势改
变的最终叛寇还霉交易量来证明。尤其在我国这样一个不成熟的般审
中，虽然股价易被成家操纵，但由于交易成本如手续费等使得股票交
易量极难受冀控制，新戳对予黢市的研究，交爨量魏重要地使举是轻
重。本文将尝试从股渠交易量与利率的相关性的角度来研究股市与利
率的关系。
对于交易量的反应研究，已有部分学者做过实证分析。陈晓、陈
小悦、翔韦l(1999)对交荔鲞进行统计，研究公告麓内股票的超额隧
报与j墨预期盈余关系。王翠波、邓述慧(1999)的中圈利率政策和证
券市场的关系的分析。唐齐鸣、李春涛(2000)的中隧股市降息效廒
的统计分析。陈晓、陈淑燕(2001)麴股票交易量对年报信患的反应
研究。许均华、李扇亚(2001)的宏观政策对我国股市影响的实证研
究等。这些研究主要针对交崧量弱会计信息关系分李厅，或者磺究段价，
股票指数对突发事件的反威。但是，
(1)潋上磷究关予交易藿对利率或箕{|亟政策事件冲击静爱应闯戆
虽有提及，但因不是文章的重点，最多只给出了描述性图形，未进行
计量检验；
(2)利率指标未侔详细的分类，只简单地用存贷利率代替；
(3)利率与交易壁关系仅从理论上说明二者在模型中的因果关系，
未从定量的惫度说明利率对交易鬟的冲击关系，瑟且没有详纲地从数
据的时间序列设计(侧重长期关系研究)和事件研究(侧重予短期关
系研究>嚣个角度进行硬究。．
为此，本文在借鉴以上学者研究方法及内容的基础上，首先从多
捌数攒静爵闻J|事嗣娥淫方法：商囊自图麴的因聚关系捡验；协整及误
差校正模型进行分析。然后采用单列数据的时间序列处理：ARMA模
型运用；整体的数据与其样本数列关系的事件研究；数理统计角度的
事件研究进行分析分别从长短期撩求二者关系，即最终考察嫩股市问
利率的关系。
H多列数据的时间序列处理1：
向量自回归的因果关系检验
分析主要宏躐经济变量联合变动的一种方式怒根据这些变墩的
理论关系擒造出一个经验维构模型。这拳孛方法需要假定，在模型中某
些变量相对于其他而言是外生的，并且在系统模型中排除掉一姥变
量。另一穆雯必糖缁酶方法是，在模登中篾秃霈假定基本交量懿结构
关系方程，又无需给出特定的外生变量的条件下，设定和估计向擞自
回弱模壅。这种方法使得研究人员有可能处瑷简纯形式的方程组，以
便在可能的内生变量非常广泛的范围内刻画联合变动的特征。一般
地，向量彘回归模型以如下的方式建立：
M 阻] 心：]
I：：j= 口。I兰：二2j+ 6。I兰：：：j+ Ef
4=疗×[茎i]+a×[基三]+E，，B，=d×[主j]+。×[差]+￡，
f4，1] 心一：1
K～】j LcmJ
这是三个1×N阶的矩阵方程表达形式(为了简化，只取三个变
量举例)，蓦鬻标代表滞爱期数，E；是残差矩跨。对囱量叁醚嫱模型斡
估计结果做出概括的一种很有懑义的方式是检验模型中两个变量之
间静格兰杰(Granger)因莱关系。，若～令交羹X的滞后值程对于另一
个变量Y的解释方程中是显著的，那么就称X是Y的“格兰杰原因”。
其方法的优点在于夜大量的变量中可以快速遗发现统计上的因
果关系，但是由予涉及到矩阵方程的运算，翳以要求有大量的数掇存
在作势运算殴基础，强时也由予方程太多，穗疲的参数指标要求更严
格，复杂性更高。
圆多列数据的时间序列处理2：
平稳时间序列及检验，协整及误麓校正模型分析
关子变量的观察值大体上可以分类必时闻数翔数据，截露数据和
其他形式的数据。就按时间顺序的记录的数据而言，因为存在众多的
因素以不同的方式和程度影响着蕊观察镳的取俊，敌对每一个固定的
时闽t，变量(比如说Y。)是一个随机的变量。在概率论中，我们称
～簇(无限多个)随机变量的{Y。，t∈T)为随机过程。其中当指标集
譬麓{l，2，⋯j或{¨·，一1，一2，0，1，2，⋯)时，我们称敝，t《
T)为随机时间序列。
餍诣觞时润痔列豹平稳性，是指时阀序列酶统计裁律不会随着时
间的推移而发生变化。也就是说，生成交量的时间序列数据的随机过
程静特征不会随着辩闽的变化两变仡。这样，数平稳豹对闻序鄹数据
作为计量经济模型时的观察值，其估计方法，检验过稷才可能采用常
规的技术，如多重共线性，异方差等检验的方法。事实上，我们的豳
归都要求数据必须是平稳的，否则要采用协整的特殊处理方法。本文
采用的是广义的平稳性检验：fY，，乳，⋯，Y，)的均德函数，方差函
数均必鬻数，自协方差丞数仅是时闽闻陵t-s熬函数。
EY。=EY。+。=m (m为常数，h为任意数)
Cov(Y：+h，￥。+h)=r(t-s，0)==r，一。(t，s ET)
Var(Y。)=r{} (h为常数)
一对于平稔性酶检验酶爨体方法。我们主要采甭的楚单位校检验，
更确切地，本文进行的是扩展的迪克一富勒(Augmented
Dickey-Fullet Test)，简称为ADF检验。当ADF值小于相应的临界
值时，则在对应的概率下接受此数列为乎稳的。正文有具体的讲禳，
这里不再详述。
在宏观经济中，嚣个本身毫#平稳但经～除差分后平稳的变量，记
为I(1)，如它们蒺零孛线性组台是平稳的，我{|、3称二者有协整关系，
。代表着一种长期均衡关系。即使它们的这种组合偶尔会偏离这种长期
均餐趋势——我翻称为弓|力线，瞧经济中存在着一种表在枫钱会将萁
拉回到引力线上。扩展到多变量，要求各变量是I(1)或I(0)，只要
它翻鲸菜秭线往缀合是平稳的，列它销就是协整戆。检验分必三步走：
①变量的平稳性检验，看是否是I(1)或I(0)的。
②若交量满足I(0)藏I(1)的条件，劐在①基础上对变量进行静
态回归(即协整回归)。
③对残差进行单位根检验。如残差是I(0)的，则认为各变甓是
协整的。
④在有协整存在的基础上同时我们也运用误差校正模型(ECM)
接达短期波动与长麓均衡的结合，它是一辩其有特定形式的计量经济
学的模型。
其基本思路慧，若变量闻存在游整关系，帮表裙这些变量阖存在
长期稳定的关系，而这种长期稳定的关系是在短期动态的不断调整下
得班维持的关系。产生这种结柒的原因在于，大多数的经济时间数列
的一阶差分是平稳的。同时，存在着浆釉联系方式(如线性组合)把
相互协整的过程和长期的稳定均衡状态结合起来。这时相互协整隐含
鲶意义是：即使掰磅究的水平变量各囱都是～除差分居平稳，受支配
于长期变量，但是这些变量的某些线性组合也可以是平稳的，即所研
究懿长絮分量耜互抵瀵，产生一令平稳豹眩麓痔裂。之瓣以这样，是
因为～种调整过程一一谈差校正机制⋯一在起作用，防止了长期关系
的偏差在斌模上或是数塞上酶扩大。溺此，任何一组相互协整的时闯
序列都存在误差校正机制，反映短期调整的行为。
具体作法是，将长期关系模型中各变量以一阶差分形式重新加以
构造，并将长期关系模型所产生的残羞序列作为鳃释变量引入，对短
期动态关系进行逐项检验，剔除不显著的项，直到最适当的表达形式。
毽得注意的是，l乍为解释变量引入的长耀关系模型的残差，代表繁在
取得长期均衡的过程中各时点上出现“偏误”的程度，使得此模型可
以对这静编误懿短期调整或误差较正枫制麴以估计。慧体讲，误蓑校
歪搂蝥接述了短赣波魂巍长麓均衡谖整的撬裁。
∞单列数据的酵阂序裂处理：拣黻模型运擂
在大体上，我供霹以把数据德前后宥关联的单数据时闻序列篱攀
地分为3类：
鼙矗(鸯)模型： 致=奄(B)鼍，=(1一奄；g一蕊擎一⋯一∞哆；，
AR(p)模型； ；。=Ⅱ(B)V。=(1一丌。B～n。B2一⋯一兀口9)Y。
ARMA(p，q)模型：￥；=Q(B)毫。+嚣，￥，；+⋯÷簋J。
注意：Q(B)是·个传递函数盯。B”y。=耳，Y。
嚣有戮下性震(证饔酶)：
AR(P) MA(q) A默骢(P，q)
l 豳形将摄
模翟模型模型
I是耀关函数{生矮(觚tocorrelati。n q步截
{ 戚AC)
捻惩拖蓬
尾
| 镶皇檑关邈数整震(Partial P步截
l 拖尾拖尾
f Correlation绒PAC) 尾
为了更秘溥蠹遗说萌此性质熬应爰，下委给疆实图举翻谎骥。下
图是一个自相关，偏自相关图：
蠢utoeorrelation Part主alCorre王a屯ion矗G PAC Q-Stat Prob
木拳术宰1． 1 枣拳枣木}。l I-0。500-0．500 17。029 0．000
．{． i 枣：l=车{． i2 0．000-0．334 17．029 0．000
。l。| 末术l。}3 0，001—0+250 i7。029 0。001
．1． I 。半木I． j 4 0．000-0．199 17．029 0．002
．|， l 。奉l。15 0+000-0．165 17。029 0+004
．I． 1 ．木I． 16-0．00l-O．143 17．029 0．009
。l。| 。霉|。{7 0。001-0，125 17．029 0．017
．1。} ．术t+ }8 0．000—0。112 17．029 0．030
。|。i ．牢i． {9-0．002-0。104 17．029 0。048
AC，PAC分别表示皂枢关与偏照相关缀数，其取值绘出在褒右处，
左边对应的是自相关与偏囱相关两数的瀚，在醐韵最右边是Q统计爨
及对应此统计量的错误概率值，作用类似于回归中的T统计量与其犯
第一类错误的概率值。由此可以看出其概率可信度。又由图可知，这
是一个白相关1步截尾与偏自相关函数拖尾的例图，其数列对应的模
型是一个MA(1)模型。然后我们可以引入模型，再采用试验的方法，
如试错法，找到数列的合理形式。正文中还要详细说明。
如此我们可以识别出数据是哪一类模型，若均不属于上三类，可
以简单地判定此数列数据在线性的假定下前后不相关，当然不可否认
也可能存在更十分复杂的关系。但是，如果存在以上的关系，则是一
定有某种相关的关系。
⑩单列数据的事件研究1：中长期的数据变化与包含于其
中的某一类变化点前后短期数据变动的关系研究。
将通过一个回归模型的设定来完成，具体操作举例如下：
若以天为单位的时间序列数据且共有T天，也即共有T个数据，
我们首先设定变量S。=In(G。)一111(G。)，或是S。=G．一G。一，(G。为第t天
数据，G。一。为第t一1天数据，h1为自然对数)，将S。定义为某种指数。
样本选取包含于其中的某一类变化点(比如利率变化点)变化当
天前后M天共2M天；设日平均值为ARG，日平均波动为ARB：
ARGi_Σ。。：。S。／2M； ARB。=Σ．。．S 2。／2M
定义时间段T内与此类变化点相对应的各个区间中，共有N个有
效日(N>2M，N值的大小在各个区间可能是各异的)，各个区间的日
平均值为AG，日平均波动为AB：
AGi_E。。TS。／N； AB。=Σ．。Si／N
选取M=5，10，20：且对于相应的ARG、ARB、AG、AB先要经过
单位根检验是否为平稳数列。
(1)构造曰平均值的反应线性模型：
ARGj=a AG。+e
定义a为日平均值的反应系数，e为误差项。
(2)构造日平均波动的反应线性模型：
ARB，=b AB，+e
‘
定义b必交易量疆平均波动魄反应系数，e必误差顼。
最后通过值a，b的值来判断变化点对整体数列影响的大小。
∞单列数据的事件研究2：单列数据的统计数理处理，
也鄹事件冲击研究。对短期内冲击赢前蜃变量变动的差异进
行研究
在对㈣的S。=In(G。)一In(G。)作一个假定：S。独立且是服从均德
潍0的正态分布。同越④，各设定均不变；另设藏M天的集合为Ml，
后M天为M2：变化点前后～定区间内如2M天总体方差表示为8 2相
应邀交纯翦爻6 2；，变化后6 2：；总体均l蹇遗样袭示为弘，，塾：。
(1)变化点前后指数方差是否变化的检验
禳据对S。的假寇，可以设定变量：
F=ΣS,2／Σ史～F似，M)
MI ，^彳：
方差检验的原假设和备择假设分别是：
H0：6 2。=6 2：，H。：6 2。≠8 2。。在给定的显蔫性水平a下，查阅F
分蠢姨界表
当F≥F州(M，M)或F≤F。，：(M，M)时拒绝原假设，即认为变化点
蓠磊指数方差发生了显著变化：否则接受原缓设，认凳变化点蓠蠢方
差无显著变化。
(2)变化点前后指数均值是否变化的检验
同样根据对S。的假定；及在上述s 2。=6 22(方差无显著德差异)
条件下可以设定变量：
『=讧一y)／p矽×厨万)～T(2M---2)
(注)菇=Σs／M，y=Σ￡／M，SW=瓶F霹砸， Ml ， 盯2 I
霹=Σ园-x)2肛一1)， S；--Z(s,-x)2肛一1)。x，Y分剐就是M1
Ml ， M2 ，
与鹾2嚣个集合的祥本均徨：S；2，S：：剃为相应的样本方差。
均值检验的原假设和备择假设分别是：H0：l-t】I p。，H。：1．t。≠1．t
：。在给定的显著性水平Q下，查阅T分布临界表，
当T≥T州(2M一2)或T≤T。。：(2M一2)时拒绝原假设，即认为变
化点前后指数均值发生了显著变化；否则接受原假设，认为变化点前
后均值无显著变化。
㈥本文的研究方法构建逻辑如下表：
二、利率变化与股票交易量关系的长期研究
(时间序列的研究设计)
¨变量的假定、指标选择及数据的来源
考虑到模型设计的严密性，数据收集的成本及我国利率指标大部
分是官定静特点，有必要假定官方制寇的各种利率能有效菠映市场交
化。这样，我们可以选照各种利率指标代表剁率，并且将之作为连续
变羹处理。基于～年或～月为基准的原则，采用30天同妲拆借利率
(胃加权剥率)、基准剥率中对金融机构一年期再贷款利率、金融枧
构一年期法定贷款利率、一年期人民币定期储蓄存款利率四个指标作
为稳率兹攒标类潮。其数据来源为《中重人民银行拳摄》(1996。I--
2001．3)、《中国金融年搽》(1995一1999)。对于股票交易蹩，为了简
化，采灞上交所羧票交荔量为样本(A羧与器毅热总；单位；百万股；
成交量由买卖单方记算)，反映股票交易量，其数据来源为《中圜人
民银行季报》(1996．1—2001．3)、华夏证券交易系统。(详细的数据
在本文最艨的附注中给出)
考虑剁银行间同业拆借利率官方统计始子1996年，其它利举指
标变化不太频繁虽一般姻隔一季度以上，以上指标均黑1996年以来
的黎度数据(将月度加权数据算术平均数代替季度加权数)反映；对于
．股鬃交易爨，为了麓讫，莱震月度麴权平均数的算术平均数代替攀凄
加权数。
㈢实证研究
(1)向量皂回jj塑麴因果关系检验
本文将探求把自回归技术用于检验有关利率变动对股票交易量
存在冲击勰霰设。彝量囊嚣归模型涉及裂鲍关键变=薹选择为：四霉孛蕊
述利率，上交所股票交易量共五个主疆变量的季度和季度调整数据加
以估计。溯时力了清除非线整瓣素对豳癌斡影E鸯，采雳对数模型，帮
这五个变量均褥作对数形成下文犍要处理的变爨
在经过单位根检验之后发现所有变量均不稳定，而一阶茇分是稳
定的，记势l(1)，霓下表l(以下ADF毽殇是镄试过的最优值，睡努
值均在1％水平上显藉)：
I被检验变量ADF德临界值一阶差分詹靛临赛蕊
ADF值
对数厝上交所股票一4．0159 —4．5348 -3．8954 -2．7057
交易量
对数盾一年期再贷-1．8686 -4．5348 —3．3102 -2．7057
款利窭
对数质一年期法定-1．5186 -3．8304 —4．1447 -3．8572
贷款剥率
l对数质30天同业拆-4．4869 -4．5348 ～9．8479 -3．8572
|借利率
l对数鼷一年期法定-2。2889 -4．5348 —5．0602 -3．8572
I存款利率
(注)①股票交易量的ADF水平检验为截题带趋势项的0阶滞斌
的检验，一阶差分后的ADF检验均是不带截距与趋势项的0阶滞后的
检验：
②再贷款利率，同业拆借利率，法寇存款利率的ADF水平检验为
截距带趋势项的0阶滞后熬检验，蠢法定贷款秘率是ADF静蠢截距及
0阶滞后的检验。
③所有利率的一阶差分后的ADF检验均是只带截躐的0阶滞后解
检验：
因为ADF值小予瞧暴馕的变量差分嚣平稳。所以对所有嚣平稳变
量再作差分加以修正。基于舒瓦茨一贝叶斯信息准则，在向邀自回归
方程中每一变量使麓到包含常数在内熬二除灌矮，这也是基予绦整～
定自由度的考虑，在可使用的数据有限的条件下，使用根据最小的舒
瓦茨一贝时斯准则选择的滞后长度。
通过EVIEWS软件运行模型，由于经过反复试验鼷，发现存款利
率引入模型厝使得模型各变量T统计量太低，且拟合优度也很低，所
以剔除毖变量。回姻结果这里为了麓化(考虑剿此法慰数据的要求本
文难以达到，其研究结果可信度不高)，在5个方程中我们只给出G
为内生交量时对应各努生变量熬罩统计量酌情况及潮j毽方程拟合优
度，见表2(本文以下各表数据精确到朗位小数)：
T统计量G(-i) *-5．0738 J (-I) 1．1318 C -i．1898
G(一2) 0。4524 J(-2) 0。9118 D 车3。2484
D(-i) O．1154 T(一1) *-3．2660 J 一1．3926
D(-2) *-2。0649 T(一2) 0。4399 罩*-2，7452
I R2(拟合优度) 0．9084
【G：对数差分籍的上证股票交易量；罩：对数差分后的30天银行
间同业拆借利率；J：对数差分后的基准利率中对金融机构一年期褥
贷款利率：D：对数差分詹的金融机构～年耪法定贷款利率；C为丑
截距项；(-I)：滞艨一期即上一期；(-2)：滞后甄期；丰：在90％的
置信皮下T统计量显著；袭中数据～般精确到4位小数，下同。]
从上表可以看出，R2(拟合优度)为0．9084，接近值1，说明这是
较优豹，12个交量涵盖了大部分对当期段票交易量簇释的缀素。箕
中有五个变量的T统计量的值在90％的置信度下T统计量显蔫，则说
明在统计上，G(一1)、D(-2)、T(一1)、D、善对G的交动起到遂著增翔
预测的作用，当然作用的大小我们此处并未讨论，考虑到这只是一个
粗略的处理手段。而J的当前与滞后值对应T值较小，因此，预测的
作用的有效性不大。总之，股票交易量自身变动、露业拆借利搴、法
定贷款利率逐构成交易量的“格兰杰原因”。
但是不足在予，数据量楣院方程的数量及变量的数量十分有陵，
这使得此结果并不舆有十分准确的解释，所以只作因果关系的参考，
更深入的关系磅究蕊覆耨给崮。
在粗略证实了利率对股票交易量存在统计上的因果关系之后，下
面利用协整及误差校正模型更深入地分析利率对股票交易量的长短
期冲击以便有效的针对数据不足的问题进行改进。
(2)协整及误差校正模型分析
在上部分中，我们已经证实对数化之后的各变量均为I(1)过程，
股票交易量自身变动、同业拆借利率、法定贷款利率还构成交易量的
“格兰杰原因”。所以，可以以对数后的交易量为因变量，另三个变
量对数后为自变量作如下回归有：
g=16．8849--0．2547×g(-1)一O．0043×g(一2)+4．1800Xd一2．0143×t
关键信息如下：
LS／／Dependent Variable iS g
Variable CoeffiCient Std．Error t-StatistiC Prob．
C 16．88488 3．415992 4．942891 0．0003
g(一1) 一0．254735 0．221666 —1．149184 0．2712
g(一2) 一0．004330 0．164230 —0．026367 0．9794
d 4．179993 1．507958 2．771956 0．0159
t 一2．014255 0．601131 —3．350773 0．0052
R—squared 0．512793 F-statistic 3．420676
Adjusted R—squared 0．362883 Prob(F—statistic)0．040452
Durbin-Watson star 2．456242
[g：对数后的上证股票交易量：t：对数后的30天银行间同业拆
借利率：d：对数后的金融机构一年期法定贷款利率：(-I)：滞后一
期即上一期；(一2)：滞后两期；e：残差。下同。]
从回归结果看出，回归方程除g(一1)，g(一2)的T统计量不显著
外，各项T统计量值较大，其对应的犯第一类错误的概率值除了
g(-I)，g(一2)以外均控制在15个百分点左右；R2值0．512793是因为g
的自变量很多，这里并未全部引入，但由于本文只研究利率与股票交
易羹关系，加上经验判断只要能达到0．5左右就可以接受，所以此结
果融足够，只是可调整的R2有墩偏小，不过方程的整体拟合优度鞍优：
F统诗量毽必3。420676，英对废懿犯错概率值较低，0。040452(～瓣
来讲，只臻小于15％，便可以接受)；关于囱相关采用DW检验：Dw
僵2·4562，在n=20，a哟．01遴勰糨关蕊袭蠢dl=O。685，du=l。567
可知DW值在[1．567，2．433]即du与4--du值之间，所以不存在自
相关；关予多重共线性：存在多重共线性(p及弘square(1逶过傻个
另Ⅱ的T统计量太小)，假是笔者不再对方程作调整，原因在于在所有
可僖度越麓。其舆体含义是，在统计上以卜p的概率接受统计量的取
值。虽然F-statistic<Obs冰R～squared，表明存在异方差，但是从
下嚣对应靛ARCH-(2)数点醒(中越是圜貉线，E2是残蓑，)可知波
动的幅度并不太大，大体上可以接受。
_ ： 一_
接着我{}j将对残差进行援验(对残懿袋蓑ADF梭验采耀不繁截蓬与趋
势项的0阶滞后的检验)结果表明，在静项重髅指标通过的前提下：
t僮(-5．073826)及对瘦的犯繁一类嬷误的概率值(O+0001)十分
令人满意，它表明谯统计土以0。9999的概率接受此结果，姗之R平
方值(O．616709)与调整艏的R平方值(0．616709)都大于0．5，所
以都楚较撬麴。单位摄检验鳇ADF谴为一5．0738，瑟在l黪水平上螨界
值为-2．7158，因为-5．0738<一2．7158，所以我们在1％水平上拒绝原
馁设<穿烈嚣平稳)，霹残差为平穗亭列。
另附残麓单位根检验袈见下：
061 9e：3 97：1 97：3[翌98受' 堕98．里3 叠901 99：3 001 00 3
以上豹僻整研究证实了在向=璧妻嚣魍模型孛酋络装，黢豢交暴爨
】5
蠡囊交动、弱鲎捺氆裁率、法定贷款嗣率豹变动静确对股票交易量戆
变动有长期影响，它们存在协熬关系。根据对数处理的含义，我们有，
段纂交易囊戆变动受贷款裂辜憋交动影嚷辍大，当澍率自是吾分院变
动1个百分点，交易量自身正相关变动4个舀分点；同样，同业拆借
利率鲁身变动与股票交易量蠢隽交裁成2个露分点螅受稳关关系。
构建误差校磁模登(E蕊)：
摄摇以主长期模型我们建立提应的ECM模型，粼：将对数是的变
量辩作差分，然艏回归。经过反复增添或删除变量的试验后最优结果
如下[嚣酬：长羯关系模型耩产生豹残差序到；<一i)：滞爱一期静上期3：
G=6．3973803XD-1．9955435×T—l。4623811XECM(-I)+e
关键信息如下：
乙S／／Dependent Variable i S G
Variable Coefficient Std．Error t—Statistic Prob．
D 6．397380 1．624325 3．938486 0。0015
罩一i。995543 0．362412 —5，506286 0。0001
ECM(一1) 一1．462381 0．251497 —5．814714 0．0000
襄一squared 0。781562 Adjusted R～squared 0+750357
F-staristic 25．04576 Prob(F-statistic)0，000024
Durbin—Watson stat 2。200552
从回归结果看出，各指标均较优：T统计量的值分别为3，938486，
-5．506286，-5．814714，其对应的狻第一粪错误的概率镳都很低，夺
予嚣分之～；彰傻0。781562未达到1的原因周裁是因为影响G的变
量很多，由于本文只研究利率与股票交易薰关系，这里并未全部弓I入
但是麸经验寒漤远大子0，5，则已是够；关予室橱关：从瑟瑟豹残差
图蛊观的判断及Dw值2．2041，在n=20，a=O．Ol有dl=0，685，
du=l。567可黧测蕊在[1．567，。．433j‘甏du与4一巷硅蹙之霜，赁潋
不存在囱相关；关于多重共线性：不存在多黧共线性(F值为
25．04576，其对应静穗绝其蘧盼概率为0+000024，这愚稳当低麓，
同时R平方的值及T统计量均通过)；ECM(一1)的系数在1倍左右，说
明长期模型中的偏误在短期中没有太大变化。
异方差检验，使用arch检验：
ARCH(1)Test：
F—statistiC
Obs木R—sauared
ARCH(2)Test：
F—statistic
Obs*R—squared
0．013396
O．015295
1．012453
2．165689
Probability 0．909503
Probability 0．901576
Probability 0．392363
ProbabiIity 0．33863I
因为ARCH检验滞后一期的犯错概率值太高，我们看ARCH(2)
的检验： F—statistic<Obs*R—squared，表明存在异方差，对应的
ARCH散点图也表明波动的幅度较大(图略)，但由于经过改进试验后
发现此模型从各个指标相比来看是相对较优的，所以在线性的方程的
假设下我们接受它，当然，必须承认异方差的存在是此方程的一大不
足。
接着可再对残差进行检验(同上残差ADF检验采用不带截距与趋
势项的0阶滞后的检验)，结果表明，在各项重要指标通过的前提下：
t值(-4．677431)与其对应的犯第一类错误的概率值(0．0003)很低，
同时R平方值(O．592161)己大于5，所以较优。残差的单位根检验的
ADF值为一4．677431，而在1％水平一|j临界值为一2．7275，因为一4．67743l
<-2．7275，所以我们在1％水平上拒绝原假设(序列非平稳)，即残
差为平稳序列，
另附残差单位根检验表见下：
ADFTestStatistiC 一4．677431 1％CriticalValue* 一2．7275
。
5％Critical Value 一1．9642
lO％Critical Value 一1．6269
Variable CoeffiCient Std．Error t-Statistic Prob
RESID(一1)一1．142744 0．244310 —4．677431 0．0003
R-squared ‘0．592161 Ad justed R-squared 0．592161
同时，我们给出残羞图，以方便～种残惹平稳与否直观的判断：
露黢图网一翩霪凰黼霜丽
圈圜圈豳一
以上梭验表明，模型除了没有排除异方差以外，其他指标均较优，
能合理地描述在短期的调整中，股票交易量变动也要自身上期值、同
盟拆借剩攀、法寇贷款利率豹变动及长期均缀豹误菱校正矮ECM(-1)
的影响。尤其注意是，结合协整检验的结果可知：无论在中长期或是
短嬲，蔽鬃交易豢翡变动受贷款利率黪变动影翡福毙英谴变量较大，
变量百分比变动黧正相关4到6个百分点。经济上的含义我们将在后
面讨论。
(3)实际利率与股票交易量的协整及误差校正模型分析
以上的分析均是基于名义利率进行的，嚣我们知道，名义利率，
实际利率与股票交易量三者一般传导关系如下：
名义利率——一实际利率——一股票交易量
实际上一
①以上的分析是脱离实际利率进行，虽然其可以说明通过调整名
义利率来活跃证券市场的政策大体失效，僵怒这是不完整的，它并未
从更深层的原因，即实际利率的角度去看，两是跳跃了此环节。
②若是实际利率与股票交易量关系较弱，则研究名义利率与股票
交易量关系是徒劳艇。
③若是实际利率与股票交易量关系较强，则可比较实际利率与名
义利率分裂与段蘩交易蠢豹关系，结合通货膨戮率进行分耩。
、所以作为更严谨与更完整的一步，下面将继续讨论实际利率与股
票交易量关系，据此来说明利率同股票交易量关系。
由于实际利率=名义利率一通货膨胀率，我们已经在上文通过向
量自回归从统计上认为利率与股票交易量有“格兰杰原因”，所以我
们就直接对实际利率与股票交易量作协整及误差校正模型分析，以此
来发现二者是否在长短期有关系。
通货膨胀率本文选用居民消费价格总指数为参考：
年份1996 1997 1998 1999 2000
居民消费价格总指数108．3 102．8 99．2 98．6 lOO．4
通货膨胀率8．3 2．8 一O．8 —1．4 O．4
(注)以上选白《中国统计年鉴》
因分析的需要涉及到一个数列的处理，这里我们先给出一个数列
处理方法的证明：
证明：数列Y对数列x1，x2的斜率等于数列Y对数列X1+d，X2+d
的斜率。
假设：在线性方程假设下Y=c+aXl+bX2 (c为常数，a与
b为斜率)
对x1，x2分别加上常数d有：
Y=C+a(Xl+d)+b(X2+d)一ad—bd有： ．
Y=C1+a(Xl+d)+b(X2+d) (c1=c—ad—bd)
因a与b仍是数列Y一对数列Xl+d，X2+d的斜率所以可知，数
列Y对数列X1，X2的斜率等于数列Y对数列X1+d，x2+d的斜率，
也即有：
研究数列Y与数列Xl，X2的关系可通过研究数列Y与数列Xl+d，
X2+d的关系来进行。
下面先对利率数据作一点处理，因为部分利率为负数，所以必须
将之处理为正数才可以对数据作对数从而发现数列间的百分比关系，
笔者将辑裔戆蚕|l窭数据嬲上10褥对之{筝单位根的ADF捡骏：
在经过单位根检验之后发现所有变量本搿均不稳定，1丽～阶麓分
是稳定载，记羹{(i)，魁下表l≮以下ADF傻均是镶试过熬最钱值，
临界值均弦1％水平上显藉)：
l
1 ～阶差分后的
l 被捡验交量ADF餐熔爨毽l强界值!
l 硒F篷}
I对数后上交所段椠交
～垂。0王59 -4，5348 -3。8954 -2。7057{
易逵
一年鬻再贷款剥率翔
-1．9972 —3．8304 -6。8697 -4．6712|
10和的对数
一年黧法定贷款烈率
一1．9869 -3。8304 —6．9192 -4．6712{
加10和的对数
30天圊业拆僚利率船
-1．9950 —3．8304 —6．9052 -4．6712 f
10和的对数
}一年期法定存款剩率
一1．9783 -3．8304 -6．9441 -4．6712}
i 加10移麴对数
(注)①股票交易爨的ADF水平梭验为截距带瀚势项的0阶滞后
兹检验，一黔差分磊懿ADF检验均是不带截距与趋势项麴0除滞落麴
检验：
②霞有稳率蛉承平捡验均是ADF秘畜裁髓及0除漭露戆捡验；一
阶蒺分后的ADF检验均是截距带趋势项的2阶滞尉的检验
我们侔实际剥率与股票交易量的协整分析结果如下；
s92 6。4616561--242。2617Xsc+351。78032×sd一108。63327xst+e
[sg：对数的上证股票交搦量；st：对数后的30天银行间同泣拆
整实骣利率；s￡：对数后豹一年黧存款实嚣铡率；sd：对数爱的金融
机构一年期法定贷款实际利率。]
关键信惠懿下表：
LS／／Dependent Variable iS sg
Variable CoeffiCient Std．Error t-StatistiC Prob．
C 6．461656 0．984565 6．562955 0．0000
SC 一242．2617 67．16776 —3．606815 0．0024
sd 351．7803 113．4371 —3．606815 0．0069
st 一108．6333 69．25344 —1．568634 0．1363
R-squared 0．504546 F—statistiC 5．431204
AdjustedR—squaredO．41 1648 Durbin-Watson 2．339841
Prob(F—statistiC)0．009060
从回归结果看出，各指标均较优：从回归结果看出，各指标均较
优：T统计量的值分别为6．562955，一3．606815，-3．606815，
-1．568634，其对应的犯第一类错误的概率值都较低，除了st为
13．63％)b，其它均小于百分之一；彰值0．504546原因是因为影响g
的变量很多，由于本文只研究利率与股票交易量关系，这里并未全部
引入，但是从经验来讲远大于O．5，则已足够；关于自相关，根据Dw
检验：Dw值2．339841，在n=20，a=O．01有dl=O．685，du=1．567可
知Dw值在[1．567，2．433]即du与4--du值之间，所以不存在自相
关；关于多重共线性：不存在多重共线性(F值为5．431204，即其对
应的错误概率值0．009060，同时，R平方值为0．504546及T统计量
均通过)；关于异方差，采用的arch检验：
ARCH(1)Test：
F～statistic 0．027974 Probability 0．859143
Obs*R—squared 0．031214 Probability 0．859764
F-statistic<Obs*R—squared，表明存在异方差，对应的ARCH散
点图也表明波动的幅度较大(图略)，但由于经过改进试验后(试验
过程略)发现此模型从各个指标相比来看是相对较优的，所以相比其
他试验结果在线性的方程的假设中我们接受它。必须承认的是ARCH
检验滞后一期的犯错概率值太高，这是此检验的一大不足。
接羞可褥对残差进行检验(对应的残差ADF检验采用不带截躐与
趋势项的0阶滞后的检验为平稳)，缩梁表明，在各项重要指标邋过
鲶前提下：t值(一5．378867)对应的犯第一类错误的概率值远低予
1％，以及R平方值(O．616188)较优。残差的单位根检验的ADF值为
-5。378867，嚣在!鞑承平土糕赛毽为一2。6968，躐为-5．378867<
-2．6968，所以我们在1％水平上拒绝暇假设(序列非平稳)，即残差
为平稳序裂，
另附残差单位根检验表：
对应柱状图～并给出，以方便直观上的残差平稳判断：
。掏建谟差校覆模型(嚣曝)：
根据以上长期模型我们建立相应的EcM模型，即：将对数后的变
量蒋作差分，然蜃回归。经过反复增添或藉除变量的试验焉最筑结栗
如下
SG=O．1648+0．3792xSG●1)+161．4480xSC～163．5228xSJ+
463。1391xSC(-11—1133．9658xSD(-1)+668。9749xSJ(-1)一
1．6632xECM(一I、十e
关键信息如下：
LS／／Dependent Variable i S SG
Variable Coefficient Std．Error t-8tatistiC Prob．
C 0．164779 0．092934 1．773077 0．1066
SG(-1)0．379151 0．165194 2．295181 0．0446
SC 161．4480 68．80309 2．346523 0．0409
SJ 一163．5228 69．43802 —2．354946 0．0403
SC(一1)463．1390 138．4003 3．346374 0．0074
SD(一1) -1 133．966 312．2562 —3．631523 0．0046
SJ(一1) 668．9749 182．6139 3．663330 0．0044
ECM(一1) 一1．663215 0．265094 -6．274057 0．000l
R—squared 0．883829 Adjusted R-squared 0．8025 10
F—Statistic 10．86862 Durbin—Watson stat 2．322730
Prob(F-statistiC)0．000578
[SG：对数差分后的上证股票交易量；ST：对数差分后的30天银
行间同业拆借利率；SJ：对数差分后的基准利率中对金融机构一年期
再贷款利率；SD：对数差分后的金融机构一年期法定贷款利率；SC：
对数差分后的一年期存款实际利率；ECM：长期关系模型所产生的残
差序列：(-1)：滞后一期即上期。下同]
关于自相从回归结果看出，回归方程各指标均较优(R2，T，F等
都较优：除了截距项外，第一类错误的概率值都在1％之下)；关于自
相关：从DW值2．322730，在n=20，a=O．01有dl=O．685，du=1．567
可知DW值在[1．567，2．433]即du与4一du值之间，所以用Dw方法
判断出不存在自相关，；关于多重共线性：不存在多重共线性-(R2值
为0．883829， F值为10．86862及对应犯错概率为0．000578是很低
的，T值也是较优的，这从对应的犯错概率值可看出)；ECM(-1)的系
数在1．5倍左右，说明长期模型中的偏误在短期中没有太大变化。
对于异方差检验，我们仍然采用arch检验：
F_statistic<Obs*R—squared，表明存在异方差，对应的ARCH散
点圈也表瞬波动的嚆瘦较大(圈略)，但蠢予经过改进试验后(试验
过程略)发现此模型从各个指标相比来看照相对较优的，所以相比其
他试验结果在线性的方程假设下接受它。
接着我们将对残差进行检验(对应的残差ADF检验采用不带截距
与趋势顼熬0阶潜后的检验)结果表明，在各项鬟要指标通过的兹提
下：t值(一6．733578)对应的犯第一类错误的概率值远小于1％以及
R平方毽(0。739037)较优。单位摄检验昭ADF值为一6。733578，丙
在1％水平上I临界值为一2．7158，因为一6．733578<一2．7158，所以我们
在l撬承平上箍绝凝儇设(痔戮j≥平稳)，帮残差为平稳序列。
另附残差单位根检验表见下：
柱状图一并给出，方便直观判断残差平稳：
囡一图图囡一函
一一一糊圜圉醒一翻
从以上的分析，我们发现真实利率确实与股票较易量有较大的相
关，毽是短期与长期的实证结果正好糖反，主要是针对存贷利率丽言：
对存款，短期正相关长期反相关：对贷款，短期反相关两长期正相关。
下面我们将对这种结果进行简单的分析与总结。
@本部分小缕
从本部分的分析，我们知道如下的实证结论：
(1)实际利率与股票交易羹的关系明显强于名义利率与之关系。通
货膨胀等其它因素影响利率政策的传导{乍用。
说明名义利率下调来刺激经济的政策本身在我国最有根据的。但
是，名义利率媳{乍鼹是穰有限的，只有贷款名义利率的变化与股票交
易量在统计上有较大的关系。这种与真实利率同股票交易量的关系的
不霜说甥了，还有萁德因素麴逶货膨胀等，在影晌剩攀致策靛传导豫
腭。
(2)真实贷款利率同股票交易量的关系虽然同名义利率相比，其与
股票交易量关系更紧密，僵是，实证中貌似矛盾的结果说明：中国股市
在这几年受政府综合的政策作用更多一些，利率只是其中之一的因索，
加之还有其他如市场的因紊，事实上，遮二者的关系仍是不紧密的。
实谖中，结果是：
①无论是名义还是实际的利率分析，在长期中，贷款利率与交易
蓬静关系也是糨露的，均是正穗关关系；
②对于真实存贷利率与交易量的关系而言，对存款，短期正相关
长期反福关：与诧糯反，对贷款，短期及裙关丽长赣正相关。
解释如下：
对膳民，或是个人投资者，在短期内由于大鲞的原因，包括如时
潞，预期收入等，著未使名义存款剃率的下调带来相应的资金流向殿
市。而在长期，通紧的预期，改革的担忧等使得实际利率上扬反而带
来屠民戆黢票交易量娓下降，实证弱理论魄分橱是一致葭；
但是，对企业而言，计篷的结果与古典经济学的经济理论相反。
虽然短期中，实际贷款稠率上扬，贷款成本土畀投入段帝魄资金少了，
这是符合理论蛉。但是在长期孛，实际贷款利率的上丹，贷款成本上
升而投入股市的潦金更多了，这是有悖理论的。
究英艨因，吉典经济学研究缓设是一个竞争翁是壶懿市场，藩民
与企业只是根据收益来决定投资的项目。而在中围90年代以来是股
市懿裙裁发震遗程，熬一个黧家致簸鼓翩襁梅企渡投姿黢市斡过程，
棚关的法律法规促进了股票市场的发展。包括如1994年的7月“救
市”行为，1996年12秀酶“正确认识当蓠股票市场”的特约评论受
文章等。
貌戳矛盾的实证的结果实际反映了真实贷款利率丽股票交易量
熬统计上镌美系撼下：
虽然间名义利率相比，其与股票交易量关系更紧密，但是，必须看
到，中国羧泰在这尼年受裴府练台豹政策捧耀更多一些，两利率只是
其中之～的因素，加之还有其他如市场的因素。所以结论是二者是弱
糕关戆。
(3)必须注意戮，本节静分析方法瓣不是：
①对数据量要求虽相比向量自回归较少，但仍是不足的；
②始终是将离散的利率点作为连续变璧处理，进行时闻序蓟处
理，这是欠妥的；
③短期研究因采用的误茇校正模型，其中变爨均作了差分处理，
这耪微调式豹短期研究，建以雳港磁翡对避度量，欠妥。毽戴，本章
的研究在长期中参考价值更高。即：
“在长期中，我罄剥率交动辩股票交蘑量建骣裰关戆”
所以，作为改进及补充，下一章将以攀件分析的方法为基础，对
股票交翕量的攀列数据迸行处理，探求利率与交弱量关系，重点是短
期的研究李}充。
三、利率变化与股票交易量关系的短期研究
(事件研究的研究设计)
㈠研究方法、变量指标选择及数据的来源
本部分将通过探求长期交易量变动与利率变化点前后短期交易
量变动的关系，及探求短期内利率变化前后股票交易量变动是否有显
著的差异，由此来展开存贷利率变化对交易量的冲击的研究。
直接选择上海证券交易所每个交易日A股的股票交易量作为对
象(单位：股数或百万股数，各节有说明)，时间范围涵盖了1991年
以来九次利率变化，数据来源：《中国人民银行季报》、西南财经大学
图书馆在线证券交易光盘数据库、华夏证券交易系统。之所以剔出深
圳股市交易量及所有的B股交易量，并非出于简化，而是考虑到：
①进一步解决数据不足的问题，因为交易量的数据极多。
②试验发现深交所股票交易量服从MA(1)模型，上交所交易量不
服从ARMA模型，所以，将前者剔出，是为了事件分析的分析前提：
“每天的股票交易量指数独立且是均值为O的正态分布”(见本部分
㈢，㈣节)的需要。剔除B股的股票交易量亦基于同样考虑，B股市
场极不成熟，市场规模小，各期交易量受前期影响严重，难以达到独
立同分布的数列要求。
o检验我国股市是否服从ARMA模型
分析方法：ARMA模型运用；数据来源：《中国人民银行季度报告》；
单位：百万股数；分析假设：交易量线性模型的假设及线性方程大体
分三类ARMA模型(本文第一章有说明)。
建模原因：在股市不成熟的阶段，股票交易量往往有受上一期影
响的特点，而并非遵行随机游走。反过来，若一个股票交易量时间序
列是个ARMA模型，那么可知，此市场股票交易量往往有受上一期影
响的特点并非遵行照机游走。
本小节首先对上证交易所数据分析，敖现ARMA模受无法运用之
后，转嚣对深试交易赝分卡厅，实证发现是一个标准的姒(1)模型。则
可以认为，在线性方程的的假设及线性方程大体分三类ARMA模型的
假设下：深交掰交易量受滞瑟因素影响，燹法满足事薛分撬的蓊提：
“每天的股票交易量指数独立且是均值为0的正态分布”。
(1)上证交易所数据分析：
l，数据表。为了方便读者，也因为数据董不大，这羹列出裰关的
所有数据：
I 2 3 4 5 6
1996：01 2417。400 937．0100 2699。300 6840。400 7177．040 11461+80
i996：07 12831．00 7629．000 8054．000 17493．00 11934．00 20715．00
1997：01 6557。000 7452，000 17841。00 20286．00 14689。00 9457．00
1997：07 8744．480 8843．390 8789．000 6530．000 5916．000 6469．00
1998：01 6657．000 5677。000 8251．000 16203，00 13478．00 11208．00
1998：07 7876．000 7646．000 11204．00 9587．000 9710．000 5298．000
1999：0l 5582．000 1614．000 9548．000 11321．OO 14671．OO 43342．00
1999：07 23176．00 17824．OO 1 1464．OO 4915。000 6336．000 6245．000
2000：01 17548．00 23540．00 33059．00 23545．00 16951．00 25421．00
2000：07 2i554．00 26432．00 li579。00 9928+000 18641．00 15567。00
200l：0l 12542．00 8494．000 25255．00 24341．00 19167．00 0608．002
2，变量的平稳性检验(ADF捡验)：
单位根水平检验发现数据非平稳，但～阶差分后平稳，见下表：
ADF检验采用不带截距与趋势项的0阶滞詹的检验，结果表明，
在各项重要指标通过的前提下：t值(-9．684235)与其对应的犯第
一类错误的概率值远低予i％，周时R平方值(0，598168)已大予0。5，
所以较优。单位根检验的ADF值为一9．684235，而在1％水平上临界慎
必-2，5989，因必一9。684235<一2．5989，掰班我{|、】在l筠水平土撞缝殿
假设(序列非平稳)，即一阶差分后的上诋交易所数据为平稳序列。
3，一阶差分后囱相关及偏自相关图：
Autocorre王ationPart主a王Correlation AC
木木{．
．木1 ．
。宰{。
．木I ．
。l：l：。
木母f
． 1牵幸
卑I 。
和#I．
。|掌枣
木木I
．术1
．枣l
爿：半I
冰木木l
，宰l
丰丰l
- I
。宰I
半术I
j 1—0．198
i2～0．104
l 3～0．077
I 4～O．143
l 5 0。130
l 6—0．262
}7 0．051
{8—0．026
19 0．261
I i0—0。077
IIl一0．195
l 12 0。197
PAC
-0。198
—0．149
一O．139
-0．226
0，009
—0．337
—0。152
-0．235
0．147
—0。i87
—0．236
一O．025
Q—Stat Prob
2．6692 0．102
3．4176 O．181
3，8368 0．280
5．2952 0．258
6。5206 0．259
11．602 0．071
11．799 0。107
11．849 0．158
17．160 0．046
17．634 0．061
20．696 0．037
23。894 0．021
在瀚的最右边鼹蛰统计量及对应戴统计量酶，翦嚣已经提劐其作
用类似于回归中的T统计量与其犯第一类错误的概率值。由此图可以
蓍出其概率可信度是糖当离静，大郝分的滞后朝错误概率值基本上是
低于15％的。左边对应的是自相关与偏自相关函数的图，又由图及自
糖关与偏自相关函数的性膝可知，它不属于ARMA模型3类：
挞A(q)模型： Y。=Q(B)t。=(1-Q，B—Q瘳2一⋯一Q$”)t。
AR(P)模型： 1．=瓤(B)Y。=(1一孔。B一北：B2一⋯一n I'B”)Y。
袁RMA(p，q)模型： Y，=Q(B)≤；÷靠；Y，一；+⋯+氮oY，，，
中的任意一幂申类型。
所阻，由上辫，我们可知上证交易所数据不适露ARMA模壅。
4，试验采用对数微分后作自相关及偏穗榴关灏。
采爰主汪交爨瑟数援{乍对数微分处理磊，再观察是否溃是A黻
模型要求，此步韪为了补充完整用囟相关及偏自相关图涞检验的步
骤，霾为懿栗土涯交筋魇数蠢鲶其氇处理形式渍是矗翼凇模型要求蕊
条件，则上证交易所数据各期的数据仍不恳独立的变量。
详蚕如下：
Autocorrelation PartialCorrelation AC PAC
。木}．
．术1 ．
枣宰{。
． I ．
．宰}，
。I冰．
． }堆．
．誊l。。
i-0。162一O。i62
2-0，055—0，083
3-0。086一O．113
4-0，209-0．261
5 0．060—0．053
6-0．083—0。lS4
7 O．017—0．100
8-0。03l一0。lSl
9 O．112 0．036
0—0．048—0。il?
l一0，003-0．066
2 O．169 0．】35
3-0。138—0。070
Q—Star Prob
l。7757 0．183
1。9850 0．371
2．5026 0．475
5．6339 0。228
5．8921 O．317
6。3999 0，380
6．4227 0。491
6。4968 0，592
7．4795 0．587
7，6635 0．662
7．6643 0，743
10．024 0。614
11．625 0+59
结暴表疆，箕溉薯每拖运，也j}截慝蕊霞形识不逶用予AR＆]A模壅。
由于无法从3与4图判断出ARMA模型的类别。
至此结论为：AP强IA模型不能适用于上海证券交易所交易量。在
线性方程的假设下及线性方程大体分三类的假设下，上{正交易所数据
各期的数据是独立的变量。下面再看对深证交易所股数的研究。
l
l
1
l il}●l
|{l{，|}；{术
拳
术
霉
枣
术
枣
术
霉
毒
t
．
．‘■
．
。
．
t
．
．
-
．
t
据：
<2)深证交易所数据分柝。
1，数据表：(GZ：深交股票交易量总数)
为了方便读者，周时也因为数据量不大，笔者这曩列出槌关的数
l
1996：01 592．5800
1996：07 20581．12
1997：0l 11619。39
1997：07 101t5．44
1998：ol 7748。730
1998：07 6987．430
1999：0l 5327．640
1999：07 20405．98
2000：01 16144，41
2000：07 19997．30
2001：0l 9465．740
356+6900
11922．97
7310．880
9130．4lO
5066。640
6714．016
1643．900
13805．44
21839。72
23440．65
6698．650
1201．920
13150．85
17430．10
8lOg．380
6774．280
9132．110
8500。640
9802．590
33901。19
12294．10
23578．55
矗
6459．210
27∞5。07
17201．77
11205．76
14152。90
9769．640
10479．77
4420．080
23335。OO
9608．090
17901．94
0
8793．290
23665。《3
15375．33
7924．510
13832．45
9617．020
12047，16
6223．390
16818。00
17860．79
13666。04
b
11813．01
17493．82
11777．00
7234．380
983l。070
4788．650
38553+44
5990．550
25466，00
11567．57
1486I，89
2，平稳性检验：
单位根水平检验发现数据非平稳，健一阶差分平稳，觅下表：
ADF Test StaristiC一9．571579 1％Critical Value宰一2．5994
5％Criticat Vaiue-1．9456
10％Critical Value-1．6185
Variable CoeffiCient Std．Error t-Starisl；iC Prob．
蚤(GZ(一1)) -2．001059 0．209063 —9．571579 0。0000
D(GZ(一1)，2)0．333819 0．120692 2．765863 0．0075
R—squal,"ed 0．777969 Adjusted R—squared 0．774329
F-starisl；iC 213。7365 Prob(F-statistiC)0．000000
此处的ADF检验采用的仍是不带截距与趋势项的0阶滞后的检
验。冀结果表明，在各项霆要指标通过的前提下：t值(一9。571579)
与其对应的犯第～类错误的概率值远低于1％，同时R平方值
(0．777969)及诿整鼹嚣2(0．774329)均大予0。5，所以较优。单位粳检
验戆ADF僮力一9．571579，露在1％水平上临爨僮为一2。5994，因为
一9．571579小于-2．5994，所以我们在1％水平上拒绝原假设(序列非
平稳)，黔一阶差分螽憋深证交易蘼数据走平稳序列。
3，一阶差分后旮耩关及镳自耱关凿：
AutocorrelationPartialcorreiation AC PAC
拳木木拳1．
I
I
．f．
． f ，
- l ·
ll一0．500—0。500
|2 0。000-0．334
}3 0．00i一0．250
|4 0。000—0．199
|5 0．000—0。165
16—0。00i-0．143
l 7 0．001—0．125
18 0．000—0．112
I 9—0．002-0．104
I 10 0．004—0．092
111—0．00I一0+083
l 12 0．000-0．076
|13 0。000—0。070
1 i4—0．001-0．067
Q—Stat Prob
17．029 0．000
17。029 0．000
17．029 0．001
17．029 0。002
17．029 0．004
17。029 0。009
17．029 0．017
17，029 0．030
17．029 0．048
17．030 0．074
17。030 0．107
17．030 0．148
17．030 0．198
17．030 0．255
对予图的最右边的Q统计量及对应此统计量的，可隧看出其概率
可信度是楣当高的，大部分的滞后期的错误概率值低于15％。左边对
应的是自相关与偏宦相关函数的图，由图可知，自相关一阶截尾，偏
自捆关拖尾，壹自相关与偏翻摺关溺数的性矮可知，它属于典型的
MA(q)模型，此处q为1。
MA(q)模型：￥，=Q(B)乏、=(1一毽；8一盆猡一⋯一建。B。)毛；(《=1)
4，模型识别，定阶。
(CGZ：深涯交掰交易殷数一除差分静处理≥
虽然从图上发现似乎是MA(1)模型，但是在模型阶数上必须严格
采取试错法。
32
繇帆帆帆
港
津
球
津
港
汴
心
漶
漕
津
{皋
木
又图可知，T统计量较优(一7860．755)，其对应的犯第一类错误
的概率值远低于1％，但R2为O．409563，小于O．5，不算十分理想，
所以可以再试。
(2)Y=C1+C2xMA(1)+^lA(2)×C3类型：
LS／／Dependent Variable i s CGZ
Variable Coefficient Std．Error t-Statistic Prob．
MA(1) 一0．943208 0．198414 —4．753730 0．0002
MA(2) 一0．045835 0．217234 -0．210996 0．8345
R—squared 0．396995 Adjusted R-squared 0．361525
F—statistic 11．19216 Prob(F—statistic)0．003834
虽然F统计量(11．19216)其对应的错误概率值较优(低于1％)，
但是R2，MA(2)的T统计量太低(从对应的犯第一类错误的概率值为
O．8345)，从整体上讲这是不理想的。所以可以再试。
(3)Y=CI+C2XAR(1)+C3×MA(1)类型
LS／／Dependent Variable i s CGZ
Variable Coefficient Std．Error t-Statistic Prob．
AR(1) 一0．304385 0．530375 -0．573905 0．5745
MA(1) 一0．499489 0．575074 -0．868565 0．3988
MA(2) 一0．484851 0．514184 —0．942953 0．3606
R—squared 0．385676 Adjusted R—squared 0．303766
F—statistic 4．708544 Prob(F-stati stic)0．025881
我们可以发现，虽然F统计量(4．708544)其对应的错误概率值
较优(低于lO％)，但是彤(0．385676)，MA(1)，MA(2)的T统计量太
低(从对应的犯第一类错误的概率值为0．3988，0．3606)，从整体上
讲这仍然是不理想的。
所以我们选用第一个类逛：Y=C1+C2×MA(1)类型，其方程为：
CGZ卢--0．989917E(-1)+E 圆：随机扰动值)
(3)怒释爽容及不足之处：
股票交易量一定稷度上与上～期及本期的随机扰动值期关，这是
符合经济常识的。这也说明：
深交所交易量受滞后因素影喃，无法满足事件分拆的前提：“每
天的股票交易量指数独立且是均值为0的芷态分布”。
不足的是ARMA模型本身也许不太适用于股市，闯辩其线性模鳖
的假设及线性方程大体分三类的前提要成立，在现实中是比较滩的。
圆中长期交荔量变动与利率变化点前后
短期交易量变动的关系研究‘
本文将通过一个隧归模型的设定来完成，具体操作如下：
首先设定变量S。=In(G。)一in(G。)，(G。为第t天股票交易莛，G。
为第t—l天股票交易量，遮为裔然对数)，将St定义为股票交易量指
数，闻时假定：每天的股票交易登指数独立盈是均僮为0的正态分毒。
(注)：此假定源于
①试验发现并且剔出了服从MA(1)模型的深圳交易所数据，同时
也剔出了B股交易数，所以可以做这样的假定。
②此独立及正态分布的假定严格讲更主要是将对本部分下一节
懿统计数理分析羹定基磁，从恧可以运用数理手段对利率与股票交易
麓关系作处理。
样本选取稠率变化当天前后鹾天共2鹾天(为了筒纯，若测率交
化当天是交易臼，当天归入后半段)；设西平均值为ARG，舀平均波
动为ARB：
ARGi-E。。S。／2M；ARBi_Σ一uS2。／2M
定义时间段T内与利率变化点相对的时间段以季度为区间单位，
各个季度区间内共有N个交易日(N>2M，N值的大小在各个季度可
能是各异的)的日平均值为AG，日平均波动为AB：
AG；=Σ。。，S。／N； AB，=Σ。。S2．／N
本文选取M=5，10，20；时间段以季度为单位；且对于相应的ARG、
ARB、AG、AB经过单位根检验均为平稳变量(考略到图形太多，对应
的ADF检验此处略)，所以有：
(1)构造交易量日平均值的反应线性模型：
ARG，---a AGi+e
定义a为交易量日平均值的反应系数，e为误差项，同时为了简
化，在无利率变化的季度令AG，=ARG．。通过EVIEWS软件处理后得到
回归主要结果如下表：
(注)将数列按不同的时间段分别作回归处理，后同。
l M值参考指标f 1991．3— 199I．3一1995．4 1996．1一1999．3
季度时间1999．3
M=5 a值1．4696 1．8856 0．9219
T统计量1．4854 ‘ 1．1144 1．2228
R2值O．0013 0．0061 0．0239
P值O．1472 0．2806 O．2416
M=10 a值1．．2289 1．0968 1．4028
T统计量7．0758 5．7810 4．4727
R2值0．5506 0．6255 0．5031
P值0．0000 0．0000 0．0005
M=20 a值1．0904 1．0485 1．1456
T统计量9．0766 9．3611 4．8419
R2值0．7054 0．8308 0．6009
P值0．0000 0．0000 0．0003
短期杰股票交爨量波动程度对于到率变动憋反应也是不太明显。
由于上述模型不足在于利率变化点不足，在无利率变化的攀度令
AG产ARG；、AB：=ARB，寒豫毒}数据太少，这傻缮数上模型结果只麓雩#交
部分参考，所以下面我们将从设计统计量检验的角度，更加具体地从
每一次幂|j率的变纯对股票交荔量的冲击作进一步的实证研究。
⑩短期内利率变化前后股巢交易量变动的差异研究
本部分将分别对九三年以来九次利率的变化设计F统计量殿T统
计量检验英交像对段梁交易遂懿渖击。嗣蘸S。=hn(G。)一In(G。)，各
设定均不变；另设前M天的集合为M1，后M天为M2；利率变化前后
总体方差表示为6 2，相应逾变纯蓊为6 2。，变化后6 2：；总体均值同
样表示为u，，u：。
(1)降息前后股票交易量指数方差是否变化的检验
根据对s。的假定，可以设定变量(证明略)：
F=■sj百s；～F(M,M、
方差检验的原假设和簪擗假设分别是：‰6 21-6 2。，H，：6 2。≠
8 2。。在给定觞显著浚承平G下，套阕F分东临赛表
当F≥F。(M，M)藏F≤F。。(M，M)时拒绝原假设，即认为利率变
化前看液票交翁量指数方差发生了疆著变化；否剜蔹受源谈设，认为
利率变化前后方差无显著变化。
下面给_出F统计蹩的计簿结果及不同驻著性水平，不同置信度下
龅判定傻范围。
f时间／项目F统计量
M=5 M=10 ， M=20
『1993-．5．15 0．6889 1．5625 木爿c术O．0473
1993。7．1l 掌$0．0821 l。1234 宰2。1984
1996．5．1 0．2429 0．6220 0．8182
1996．8，23 0．5143 0。5957 0．8859
1997。10。23 2。3158 1．7308 扣k2．6835
1998．3．25 0．9474 0．3000 O．4132
1998。7．1 0。3636 0．4474 t。0833
1998．12．7 0．2778 0．4375 术：I=冰O．0551
1999。6。10 0．3864 0．8§ll 1。9762
不丽置信度下的翔定值范匿：
样本前后天数显著性水平置信度F。，。(M，M) F。／。(M，M)
M=5 G=0．0l 0．99 0．0669 14。94
Q=O．05 O．95 O．1399 7．15
a=0。1 0．90 0．1980 §．05
M=10 a=O．01 0．99 O．1709 5．85
G=O．05 0。9_5 0。2688 3．72
Q=0．1 O．90 0．3356 2．98
蔫=20 G=0．01 0．99 0．3012 3．32
a=O．05 O．95 0．4065 2．46
程=0。王一0．90 0．垂717 2．12
[球术半：99％的置信度下显著；术球：95％的置信度下显著；术：90％
的置信度下显著]
“
结论将稍候总结，下面，我们蒋对均值进行检验，
(2)降息前后股票交易壁指数均值是否变化的检验
霜样根据瓣&豹缓定；及在上述6 2严5 22(方差无显著性差异)
条件下可以设定变量(证明略)：
丁：口一y)／(sw×扭面)～T(2M一2)
(注)X=Zs,／M，】，=ΣS，／M，SW=√瞬+毋驴2， M1 ， M 2 ／
SbΣ圆，-x)2／∞一1)，s；=Σ@，-x)2／∞一1)。x，Y分别就是M1
Ml ， M 2 ，
与M2两个集合的样本均值；S，2，S：2则为相应的样本方差。
均值检验的原假设和备择假设分别是：H。：u l-u：，H，：u，≠p：。
在给定的显著性水平Q下，查阅T分布临界表，
当T≥T州(2M一2)或T≤T。，：(2M一2)时拒绝原假设，即认为利
率变化前后股票交易量指数均值发生了显著变化；否则接受原假设，
认为利率变化前后均值无显著变化。
下面给出T统计量的计算结果及不同显著性水平，不同置信度下
的判定值范围。
时间／项目T统计量
M=5 M=10 M=20
1993．5．15 -0．2565 0．4710
1993．7．11 0．8399 0．0502 0．0430
1996．5．1 1．2129 O．5147 1．6196
1996。8．23 -0．8532’ -0．5770 -0．2093
1997．10．23 0．3227 1．1320 1．2523
1998．3．25 -0．3892 -0．5490 -0．2024
1998．7．1 O．1549 0．2558 -0．3820
1998．12．7 0．3708 0．2459
1999．6．10 0．2895 —0．2660 1．6388
不同置信度下的判定值范围见下页：
样本前后天数显著性水平鬣信度T。，：(2M一2) T。一。／：(2M一2)
M=5 程=0。01 0，99 —3．3554 3。3554
Q=O．05 O．95 -2．3060 2．3060
a=0．1 0．90 -I．8595 i．8595
M=10 n=O．Ol 0．99 —2．8784 2．8784
a=O．05 O．95 -2．1009 2．1009
毪=O。l 0。90 一i．7341 l。734l
M=20 a=O．01 O．99 —2．7116 2．7116
镊=O。05 0．95 -2．0244 2．0244
a=O．1 O．90 一1．6860 1．6860
(3)合并检验结果及结论
这里只给出有显著变化的时点的值：
时间／项垦M=5 艇：10 M=20
F统计量T统计F统计T统计F统计量T统计
．黻l 里里
1993．5．15 术，|c水O．0473
1993．7。11 术宰0．0821 宰2．1984
1996。5．1
1996．8．23
1997．10。23 芈术2。6835
1998．3．25
1998。7．1
1998．12．7 水半术O．055I
1999。6．i0
[冰木木：99％的置信度下显著；术术：95％的爨信度下显著：木：90％
的置信度下漫著；夜I最右列有两方格未填，是因为T统计量的构造
前提是6 2产6 2：(方差无显著性差异)，因为其对应的方差检验统计量
在99％的置信度下显著，我们认为这两次利率变化产生的股票交易量
反应显著，所以我们不再分析方差无显著性差异的情况]
由上表可以看出M=5的样本选择方案中1993年7月11日方差检
验在95％的置信度下显著，其它的方差与均值检验均不显著；M=IO的
样本选择方案中所有值均不显著；M=20的样本选择方案中仅有1993
年5月15日，1998年12月7日的方差检验在99％置信度下显著，1997
年10月23日的方差检验在95％的置信度下显著，1993年7月11日
的方差检验在90％的置信度下显著，其它的方差与均值检验均不显著。
若严格按照99％置信度作为标准，则只有两次利率变动对股票交
易量变动短期内有显著影响。
④本部分小结
通过本部分的研究，我们可知：
①中长期交易量变动与利率变化点前后短期交易量变动并不具
有显著的差别；
②短期内利率变化前后股票交易量变动总体讲也无显著的差别。
③本章最大的特点是解决了数据不足的问题，且回避了利率为离
散的点的问题，对短期的关系作了研究，但是，不足在于这种处理方
法本身是不适应于长期研究的，它只能是前一章的短期研究补充。
所以，可以总结为：
“在短期中，我国利率变动同股票交易量是弱相关的”
四、主要结论、不是与改进
¨通过前面的实证分析，主要结论如下
(1)实际利率与股票交易量的关系明显强于名义利窭与之关系。说
明名义利率下调来刺激经济的政策本身在我国是有根据的，利率长期
中逐激成为经济主体决策憋菱要灏素。鞠对，褒义利率兹终耀是很窍
限的，只有贷款名义利率的变化与股票交易量在统计上有较大的关
系。无论在中长裳或是短期，羧蘩交易量酶交动受名义贷款利率豹变
动影响极大，正相关4到6个百分点；这种与真实利率的不同说明了，
还有箕袍因素弼通赞膨瓢等，在影响利率政策的传导作雳。
另外，在长期中，无论是名义还是真实的利率，贷款利率与交易
壁的关系也是相同的，均是正相关关系；对于真实贷款利率与交易量
的关系丽言，短期反相关丽长期正相关。这说明貌似矛盾的实证的结
果真实地反映了真实贷款利率同股票交易量的统计上弱相关，因为事
实上当时是～令国家竣篆鼓藏枧构企业投资股市的过程，相关鲍法德
法规促进了股票市场的发展。加之在实证研究中我们知道名义利率中
只有贷款利率与交翁量有较大关系，这藏可颤德整利率丽羧票交易豢
弱相关的结论。
(2)长期交易量变动与利率变化点前后短期交易量变动并不具毒
显著的差别，短期内利率变化前后股票交易量变动总体讲也无显著的
差别。
同时，与1997年之前相比较，其后的股票交易量受到利率变化
熬渖击较小。有以下的原嚣，其一，隧罄段市竣模壮大与投浚蠹的瓣
趋成熟，政策事件对股市的冲击减弱，市场在走向成熟。其二，政府
鲶毅市政策也交得越来越谨滨，政策事件造成懿市场波动匿趋下降，
剿率出台也不例外。
(3)深层次的背景原因浅析。
①股市的建立是配合国企股份化改造的。
股市与政府行为股票市场作为调节长期资金供求的一种机制，与
其他市场机制一样，在调节功能上存在着短期性、滞后性和调节结果
的不稳定性等特点。政府通过有效的调控机制，对股市进行适度干预
和政策指导，有利于股市的健康发展。但由于我国股市的发展不是自
发生成的，而是政府扶持的结果，这就导致股票市场与政府扶植的目
的错位，而形成政府对市场的干预过度，破坏了股市的自我调节机制
的局面。培育股票市场的目的是建立一个功能齐备的投资市场。而在
我国的特殊背景下，股市的建立是配合国企股份化改造，这就导致：
I，上市企业质量低下。上市公司没有通过股票市场优化企业的
经营机制，经营业绩大都不尽如人意。此类上市公司股票较难具有投
资价值，只能作为投机的载体，为过度投机埋下隐患。
II，股市优化资金配置功能弱化。从目前的情况看，我国股票市
场的资源配置效率没有充分发挥出来，资金分流在一定程度和较大范
围内呈现出与产业政策、股票市场筹资的初始动因和宏观效率相背离
的格局。例如，我国的上市公司主要集中在加工工业、商业、房地产
等行业，而国民经济中急需发展的、资金需求量特别大的交通、运输、
能源等基础产业则很少。此外，占企业总股本近50％的国家股不能流
通，国家股、法人股、流通股割裂运行，外资不允许进入A股市场等，
都弱化了我国股市资源配置的优化功能。
②政府行政干预使股市“硬着陆”的背景说明。
90年代初期股市投资主体行为中国股市的投资主体中个人投资
者所占比例较高，所持有的企业股票份额也比较大，而机构投资者数
量则较少且市场份额相对不足。随着我国股票市场的成长和发展，国
民投资意识的增强，投资股票的人越来越多，尤其从1996年4月份
开始，由于国民经济成功实现软着陆及两次降息，沪深股市吸引了众
多的投资者参与。据有关统计，至1997年7月上旬，投资者在沪深股
市开户数己愈4万亿元，由于现在的投资渠道不多，其中相当部分正
逐渐流入股市，相对于目前两市5000多亿元人民币的股票流通市值
而言，个人投资者的总体资金实力相当雄厚。中国股票市场各投资主
体行为的最大特点是投机性强，即市场行为趋于不稳定的过度投机。
中国段市个人投资者(散户)比例较大，这～部分投资者受迅速致富的
愿望驱使，情绪化操作成分大，方向不明，在市场上采取跟风操作方
式，控铡风险熬能力不强，往往在过度投祝熬中接下最詹一捧。国内
～些大的证券公司和信托投资公司由于资金信息来源多，跑道通畅，
纯们主簧借动雄_摹露资金实力，控镑l所诿的“入气板块”瓣“指标羧”，
进行人为造市，并在众多股票上分头出击，产生有中国特色的股市，
“庄家”行为。他们经常采取非理性操作，使股价严重偏离投汝价值，
加剧市场投机气氛。灏最具有投资理念的证券投资基金由于整体实力
较弱，其投资行为尚不足以影响整个市场，相反在浓重的投机气氛下，
巍子受利益驱使，他们也会利用其棚对优势进行过度投机和操纵市场
的行为。由于股市发展初期的不规范，在股市过度投机盛行的时期，
～些违觌辊擒帮法人投资誊(摇上市公裁、商业银行、联货机构等)
也纷纷登场。他们的入市带有很强的投机色彩，操作手段也极不规范，
如期货机构把湖货操作中静强黧的邋空、轧空手法弓l入没市，细潮了
股票价格，股票交易量的波动程度，加重大股市的投机色彩。在这样
一个庄家盛行的市场上，投资者盲潜迷信所谓的鼹庄，根本不重视对
上市公司的分析，股份在庄家的操纵下严重扭曲。
由于股市经常处于非理性的发展状况，泡沫成分严重，风险高度
积聚，政庸只好采取行政干预的办法来使般市“硬羞隧”，从覆引发
股市大起大落，“政策市”特征明盟。由于股市不能按照自身规律正
常运行，股票份格经常处予失真羧态，严莛影响了投资蠹麴判凝力，
挫伤了投资者的积极性，降低了股市的吸引力。
不过，这一切更多出现在1997年以前，其后的波动的减少，这
～方面表明，宏观经济环境是极为复杂的，利率只是影响股市因素之
～；另～方面可知，股票市场受政策的影响也在趋弱，殷市的稳定性
在增强，市场在逐步迮向成熟。
∞不足苟改进：
(1)数据不足是本文在长期分析中鲍最大缺陷，导致在数列戆露隧
序列模型豳归中其结果可信度减弱。
(2)在设计的研究模型中，前提也没有彳导到严格论证，如“线性方
程的假设及线性方程大体分三类的假设”；上证交易所数据各期的数
据是独立的变量“每天股票交易登指数独立盈是均值为0的正态分
在”等，并没有通过严格的论证，只是在～定假设前提下尽可能排除
不合袼数据。
(3)有待通过小样本的时间序列研究或是等待股票市场的进一步
发展，以获得更多的数据来改进。
附注
Obs
1996：I
1996：2
1996：3
1996：4
1997：1
1997：2
1997：3
1997：4
1998：i
1998：2
1998：3
i998：4
1999：I
1999：2
1999：3
1999：4
2000：1
2000：2
2000：3
2000：4
C
0．109800
0．091800
0．074700
0．074700
0．074700
0．074700
0．074700
0．056700
0．056700
0．052200
0．047700
0．047700
0．037800
0．037800
0．022500
0．022500
0．022500
0．022500
0．022500
0．022500
D
O．120600
O．109800
O．100800
O．100800
0．100800
O．100800
0．100800
0．086400
0．086400
0．079200
0．069300
0．069300
0．063900
0．063900
0．058500
0．058500
0．058500
0．058500
0．058500
0．058500
J
O．111600
0．109800
O．106200
O．106200
O．106200
O．106200
O．106200
0．093600
0．093600
0．079200
0．056700
0．056700
0．051300
O．051300
0．037800
0．037800
O．037800
0．037800
0．037800
0．037800
T
0．126600
0．123900
O．118500
O．114900
0．114600
O．111800
O．105300
O．091900
0．086700
0．070300
0．050700
0．062600
0．043300
0．048300
O．027000
0．047100
0．025800
0．024300
0．025900
0．027500
G
2018．000
8493．080
9505．000
16714．00
10616．67
14810．67
8792．290
6305．000
6861．670
13629．67
8908．670
8198．330
5581．330
23111．33
17488．00
5832．000
24715．67
21972．33
19855．OO
14712．00
①以上数据为本文第二章长期的分析所使用。G：每季度股票交
易量总量除以3(各季度3月的算术平均数)单位：百万股，成交量
由买卖单方记算； T：30天银行间同业拆借利率；J：基准利率中对
金融机构一年期再贷款利率：D：金融机构一年期法定贷款利率；
e：金融枕构一年裳法定存款铡枣
②考虑到银行间同业拆借利率宙方统计始于1996年，其它利率
指标交讫不太豢繁虽～般稳隧一季度以上，以上据拣均掰1996年以
来的季度数据(将月度加权数据算术平均数代替季度加权数)反映；
③对于股票交易薰，为了简化，采爱冀度加投平均数鲍算术平均
数代替季度加权数；
④本文第三章短期分析用的每天上交所股票交易量，因太多此处
不列出，数据采源：薅南财经大学图书馆在线证券交易光盘数据库，
可得到1991—2000年度中每天的上交所股票交易量。
参考文献
(1)(美)曾旺达(Tseng--Wanda)等著；彭刚等译。《中国经济
改革的新阶段》，1995．3。
(2)(美)威廉H．格林(Wiiiiam H．Greene)著。《经济计量分
析》，中国社会科学出版社，1998．3。
(3)刘晓石、陈鸿建、何腊梅，2000，《概率论与数理统计》，科学
出版社，PP．157--228。
(4)陈晓、陈述燕，2001，《股票交易量对年报信息的反应研究》，
《金融研究》第7期。
(5)许均华、李启亚，2001，《宏观政策对我国股市影响的实证研
究》，《经济研究》第9期。
(6)唐齐鸣、李春涛，2000，《中国股市降息效应的统计分析》，《统
计研究》第4期。
(7)王军波、邓述慧，1999，《中国利率政策和证券市场的关系的
分析》，《系统工程理论与实践》第8期。
(8)古扎拉蒂，2000，《计量经济学》，中国人民大学出版社，第3
版。
(9)滋维·博迪，1999，《投资学》，机械工业出版社，第4版。
⑩王振龙，2000，《时间序列分析》，中国统计出版社，第3版。
后记
本文的写作过程历经三载，最初的构思从2001年就开始了。这
是一个痛苦但又快乐的过程。无论是从本文的构思，还是成文后的修
改，以及在漫长的写侔过程中，营先要感谢的是我的导烬张桥云教授，
从开始的点拨，蔡阀的鼓励及建议壹至最后鹃修改，无不渗透着教授
的心血。可以说，没有簿师镌教导，就不会有本文的产生。
同时，还有史代敏教授，黎实教授，在我写作疆为艰难的阶段，
是他们给了我坚强的理论指导，教授们孜孜不倦的研究作风无不时刻
影响作我。
还要感谢我的家人，正是他们对我的一贯支持才让我有勇气完成
学业。
感谢所有关心支持我的老师及朋友蜘!
张潘
2003／4／10予光华圈