对外经济贸易大学
硕士学位论文
我国国债收益率与股票收益率动态相关性的实证分析
姓名：裴立伟
申请学位级别：硕士
专业：金融学
指导教师：金燕
20090301
摘要
本文以2003年1月1日至2009年3月1日的上证国债指数月度收盘价和上
证综合指数月度收盘价为研究总样本，来探求国债市场收益率与股票市场收益率
之间是否存在动态相关性，以及是什么形式的相关性，从而为投资者进行投资组
合、提高组合收益、降低组合风险提供帮助，为管理者制订政策提供借鉴。
本文在考察国债市场收益率与股票市场收益率的相互影响以及检验两者之
间是否存在协整关系时，使用两变量的VAR模型，并基于所得到的VAR模型，
使用脉冲响应函数、方差分解、Johansen协整检验、向量误差修正模型(VEC)进
行实证分析；在考察国债市场收益率与股票市场收益率之间是否存在Granger因
果关系时，使用Granger因果检验方法进行检验。
本文得到了国债市场收益率和股票市场收益率这两个变量的向量自回归方
程，该方程可用于有效预测国债市场月度收益率以及股票市场月度收益率。通过
一系列的理论与实证分析，本文得出的结论是国债市场收益率与股票市场收益率
之间长期来看存在着某种动态相关性，两者存在某种程度的负相关。两者的收益
率波动受其自身收益率变动的影响都比较大，但也会不同程度地受到对方的影
响，10期以后，影响基本消失。国债市场收益率的波动受股票市场收益率波动
的影响比较大，接近13％；而股票市场收益率的波动受国债市场收益率波动的影
响十分小，仅为1％左右。在5％的显著水平下，国债指数市场收益率和上证指
数市场收益率这两个内生变量之间存在协整关系，即存在着一种长期的均衡关
系。在5％的显著水平下，国债月度收益率不是股票月度收益率的Granger原因，
而股票月度收益率是国债月度收益率变化的Granger原因。这意味着同时利用国
债月度收益率和股票收益率过去和现在的所有值预测国债收益率比不用股票收
益率的过去和现在的所有值预测，取得国债月度收益率的预测值更精确。反之则
不成立。
关键词：股票，国债，VAR模型，Granger因果检验，收益率
Abstract
This paper explores the existence of linkage and relations betweenthe stock
market yields and bond market yields，as well as what is form of linkage relations．
This paper uses bond index and the Shanghai Composite Index from January 1，2003
to March 1，2009 as the total sample for the study．The Purpose of this paper is to help
portfolio investors to reduce portfolio risk and enhance portfolio income．
In this paper,I use two—variable VAR model．I use impulse response function
analysis，variance decomposition analysis，Johansen cointegration test and vector
error correction model(VEC)to study the mutual influence of the stock market yields
and bond market yields and test whether the cointegration relation exists．I use the
Granger causality test to test whether the Granger causality exists．
In mis article．1 work out the egression equation of the vector．The equation Can be
used to predict monthly yield of bond market and stock market．Through a series of
theoretical and empirical analysis，this paper concludes that there is a long-term
perspective linkage between the stock market and bond market yields．Some degree of
negative correlation exists between them．The fluctuations of rate of return are mainlY
impacted by the fluctuations of tlleir own rate of return，But they can also be impacted
by each other's fluctuation．After about 1 0 periods．the impact disappears．At 5％
significant level，the cointegration relationship exists between these two endogenous
variables．．．．the rate of return of bond market index and the rate of return of Shanghai
Composite Index．
At 5％significant 1evel．the monthly yield of treasury bonds does not Granger
Cause the monthly yield of stock：the monthly yield of stock does Granger Cause the
monthly yield of treasury bonds．TlliS means that while we use the monthly yield of
treasury bonds and stock returns for all past and present value of bond yields to
forecast stock returns，we Can get a more accurate prediction value than only using the
past and present value of monthly yield oftreasury bonds．
Keywords：stock,bond,VAR model，Granger causality test,yield
H
学位论文原创性声明
本人郑重声明：所呈交的学位论文，是本人在导师的指导下，
独立进行研究工作所取得的成果。除文中已经注明引用的内容
外，本论文不含任何其他个人或集体已经发表或撰写过的作品成
果。对本文所涉及的研究工作做出重要贡献的个人和集体，均已
在文中以明确方式标明。本人完全意识到本声明的法律责任由本
人承担。
特此声明
学位论文作者签名：裴五巾如驴7年，月夕日
学位论文版权使用授权书
本人完全了解对外经济贸易大学关于收集、保存、使用学位
论文的规定，同意如下各项内容：按照学校要求提交学位论文的
印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，
并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有
权提供目录检索以及提供本学位论文全文或部分的阅览服务；学
校有权按照有关规定向国家有关部门或者机构送交论文；在以不
以赢利为目的的前提下，学校可以适当复制论文的部分或全部内
容用于学术活动。保密的学位论文在解密后遵守此规定。
学位论文作者签名：裴五／j辛
导师签名：
第1章引言
1．1研究背景
国债和股票是金融市场中常见的两种投资工具，国债和股票的资产组合在证
券投资领域也是一种传统而常见的投资组合方式。为了能够在组合中获取最大收
益并最大限度地规避风险，我们有必要研究国债和股票这两种资产的收益率是否
是相互影响的，它们之间是否存在着某种关系。
通过粗略比较上证国债指数和上证综合指数的K线图，可以发现两个指数之
间确实存在某种动态相关性。比如在2004年4月30同，国债指数在91．1点的位
置，国债的牛市行情在之后拉开了序幕，而当时的股票指数J下是见顶的时候，此
后股票市场进行了一年的惨烈下跌。在2007年lO月左右，上证综合指数创出6124
的新高后，国债指数000012创出了新低。2008年全年中国股市都在震荡调整，
并连续多次击穿投资者心理点位，造成市场信心严重萎缩，而国债市场却是另一
番景象。2008年上半年国债指数走势稳健，稳重有升，第三季度开始发力，短短
几个月的时间，国债指数站稳119高点，半年累计涨幅超过5％，实实在在成为
了资金的“避风港”。2009年开年以来，国债市场走势趋弱，债券基金表现欠佳，
尤其上证国债指数不断收阴。受此影响，债券型基金收益较差。与此截然不同的
是，股票市场展开强势反弹行情，众多偏股型基金也取得了不错的业绩。
K线图所反映出的一k证国债指数收益率和上证综合指数收益率之间的关系虽
然比较直观，但是比较表面化。本文将采用时间序列分析中的实证研究方法对国
债收益率和股票收益率之间的动态相关性进行深入分析。
1．2研究对象
本文以2003年1月l同至2009年3月1 R的上证国债指数月度收盘价和上
证综合指数月度收盘价作为研究的原始样本，来探求国债市场和股票市场的收益
率之间是否存在某种动态相关性，以及是什么形式的相关性。
上证国债指数是以上海证券交易所上市的所有固定利率国债为样本，按照国
债发行量加权而成。自2003年1月2同起对外发布，基日为2002年12月31日，
基点为100点，代码为000012。
上证国债指数是目前衡量我国债券市场总体收益与风险水平的合理标尺。我
国债券市场以国债和金融债为主体，政策性金融债的信用等级类似于国债，只是
由于税收问题，两者的收益率有一定差距。上证国债指数是合理的业绩比较基准，
为投资者提供一个反映无风险利率变动的风向标，对于我国金融市场的成熟与发
展有重要的意义。因此，以国债指数收益率描述我国债券市场的总体收益水平是
合理的。
上证综指的全称是上海证券交易所股票价格综合指数，又称上证指数，由上
海证券交易所编制，1990年12月191 t正式丌始发布，代码为999999。该股票指数
的样本为所有在上海证券交易所挂牌上市的股票，包括A股和B股，其中新上市的
股票在挂牌的10天之后纳入股票指数的计算范围。
上海证券交易所股票指数从总体上反映了上海证券交易所上市股票价格的
变动情况。其发布几乎是和股市行情的变化相同步的，它是我国股民和证券从业
人员研判股票价格变化趋势必不可少的参考依据。
1．3研究目的
本文的研究目的是为了探求国债市场与股票市场的收益率之间是否存在动
态相关性，以及是什么形式的相关性，从而为投资者进行投资组合、提高组合收
益、降低组合风险提供帮助，为管理者制订政策提供借鉴。
1．4研究方法
本文在考察国债市场收益率与股票市场收益率的相互影响以及检验两者之
间是否存在协整关系时，使用两变量的向量自回归模型(VAR)模型，并基于所
得到的VAR模型，使用脉冲响应函数、方差分解、Johansen协整检验、向量误差
修正模型(VEC)进行实证分析；在考察国债市场收益率与股票市场收益率之间是
否存在Granger因果关系时，使用Granger因果检验方法进行检验。
其中，向量自回归模型通常用于分析相关时间序列系统的相关性和随机扰动
对系统的动态影响。因为它避免了结构方程中需要对系统中每个内生变量关于所
有内生变量的滞后值函数的建模问题，所以运用十分广泛。该方法在捕捉多变量
时间序列的动态变化特征方面有着很重要的应用，特别是在数据描述和预测具有
很高的可信度。
而脉冲响应函数则用于衡量来自随机扰动项的一个标准差冲击对内生变量
当前和未来取值的影响。方差分解提供了另一种研究系统动态特性的方法。其主
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
解为各方程新息相关联的m个组成部分，从而了解各新息对模型内生变量的相对
重要性。
2
对服从平稳随机过程的两个变量，变量Y2是变量Z的Granger意义上的原因，
意味着如果利用‘和砭的过去和现在的所有值预测y：比不用艺的过去和现在的
所有值预测，取得K的预测值更精确，那么存在着从砭到K的Granger因果关系。
3
第2章债券与股票相关性研究领域的文献综述
．2．1国外文献综述
国外对于债券和股票市场的相关性研究始于上世纪末。Bossaerts(1988)得
出的分析结论表明股票与债券价格之间具有协变性，但并不稳定。如果经济朝一
种独立的平衡状态运动，而又不能保证在任何时候都保持这种平衡状态的话，那
么两种资产的价格将保持固定差距。Shiller和Beltratti(1992)采用1984年到
1989年美国年度数据，运用向量自回归模型，实证检验了基于现值模型的股票
与债券收益率变化之间的联系，得出的结论是：在现值模型下，股票与债券的收
益率之间仅存在理论相关系数极小的J下相关关系，说明股票和债券的收益率基本
上不会同向变动。Chan、Norrbin和Lai(1997)的研究表明，至少存在一种非静
态的因素推动股票和债券价格的变动，而这种非静态因素并不能对两种资产的价
格同时产生影响。即随着时间变化，两种资产价格运动将会背离。这就否定了债
券价格和股票价格的共线性，为长期的资产组合战略的存在提供了理论依据。
进入21世纪后，国外这方面的研究日渐增多。Stivers和Sun(2003)用体制
转移模型研究了股票市场的不确定性对股票与债券收益率动态相关性的影响。他
们将研究重心放到经济不确定性和可观察的制度转变所引致的关联性变化后，发
现股票与债券收益率之间的简单相关性会随着滞后的波动性指数升高而呈负相
关关系。Ilmanen(2003)对美国债券和股市的相关性进行了研究，他发现，二者在
二十世纪的大部分时间为正相关，但在30年代早期和50年代晚期及现在为负。负
相关暗示投资者如果构建了一个股票和债券的投资组合的话，将会从债券市场的
上升中获利，并补偿了其在股票市场的部分损失。Dirk与Brian(2006)建立了动
态条件相关性模型，研究了从股票到债券的“逃往质量”问题以及这两类资产之间
的“传染性”。他们分析了这些相关性的J下常与非正常变化。他们发现，这些相关
性的波动非常大，且在整个样本期间，相关性的平均值是负的。同时，他们利用
“逃往质量”与“传染性”解释了相关性的非正常变化。
2．2国内文献综述
由于国内从2003年才开始编制国债指数，之前一直缺乏分析和研究债券市场
整体的价格波动趋势的标的和基准，所以国内对股票和债券市场相关性的研究，
大多属于定性研究，比较缺乏定量的实证研究。刘建春(2005)认为在宏观层面
上，在不同的研究方式和研究背景下，股票与债券两种资产之间的关联性具有不
4
同的表现；在微观层面上，公司股票与债券的关联性呈j下向关系。王国刚(2006)
运用协整理论对2003年以前的股票和债券市场做了研究。曾志坚、江洲(2007)
选取1997年1月2日至2005年8月31日这一区问的数据为研究总样本，运用
时间序列分析方法，建立了向量自回归模型，对我国股票市场与债券市场收益率
动态相关性进行了实证研究。他们得出的结论是：股票市场与债券市场收益率之
间存在长期相互影响，股票市场与债券市场收益率之间存在领先一滞后关系。该
文可能存在的不足之处在于：由于国债指数是从2003年才开始编制的，该文所使
用的1997年至2003年的债券市场数据是按照上海证券交易所编制上证国债指数
的方法，计算的一个新的上海国债价格指数，这样的数据难以精确度量债券市场
的收益率。袁超、张兵、汪慧建(2008)使用非对称动态条件相关系数(ADCC)
模型，研究债券市场与股票市场的相关系数随时间变化的情况。发现由于经济运
行情况和宏观政策等外部的不确定因素的影响，两个市场的相关关系存在结构性
变化，同时两个市场对冲击的反应程度也不尽相同。他们还揭示出对股市一债市联
动来说，其相关系数受到联合负冲击的影响要大于联合J下冲击的影响。
纵观国内在这一领域的研究，大量文献集中于将债券市场和股票市场分别与
各种经济因素作关联性研究，而对两种资产的关联性研究不足。这种现象可能与
我国债券市场和股票市场出现较晚、市场联系不足有关。
5
第3章基于VAR的我国国债收益率与股票收益率
动态相关性研究
3．1样本选择与相关指数
3．1．1样本选择与数据来源
基于向量自回归模型的实证分析以2003年1月1日至2009年3月1日的上
证国债指数和上证综合指数为研究总样本，数据均来源于国信证券鑫网通达信行
情软件及雅虎财经网站。样本时期(2003．01．2009．03)内共有75个月度样本数据。
由于向量自回归模型所用的数据必须是平稳序列，因此通过采用公式
RSZ=100掌log(SZZS／SZZS(-1))和RGZ=1 00*log(GZZS／GZZS(一1))对国债指数
(GZZS)和上证指数(SZZS)这两个变量进行求对数及差分运算，将模型使用的
数据序列转化为平稳序列。于是VAR模型的内生变量转化为RGZ(国债市场收
益率)和RSZ(股票市场收益率)这两个变量。
3．1．2上证国债指数
上证国债指数是以上海证券交易所上市的所有固定利率国债为样本，按照国
债发行量加权而成。自2003年1月2日起对外发布，基同为2002年12月31只，
基点为100点，代码为000012。
上证国债指数是上证指数系列的第一只债券指数，它的推出使我国证券市场
股票、债券、基金三位一体的指数体系基本形成。上证国债指数的目的是反映我
们债券市场整体变动状况，是我们债券市场价格变动的“指示器”。上证国债指数既
为投资者提供了精确的投资尺度，也为金融产品创新夯实了基础。
采用派许加权综合价格指数公式计算。以样本国债的发行量为权数进行加
权，计算公式为：报告期指数=【(报告期成份国债的总市值+报告期国债利息及
再投资收益)／基期】×基期指数。其中，总市值=Σ(全价×发行量)：全价=净价+
应计利息。报告期国债利息及再投资收益表示将当月样本国债利息收入再投资于
债券指数本身所得收益。当成份国债的市值出现非交易因素的变动时，采用“除数
修正法”修正原固定除数，以保证指数的连续性。
3．1．3上证综合指数
上证综指的全称是上海证券交易所股票价格综合指数，又称上证指数，由上
6
海证券交易所编制，1990年12月19日正式开始发布。该股票指数的样本为所有在
上海证券交易所挂牌上市的股票，包括A股和B股，其中新上市的股票在挂牌的lO
天之后纳入股票指数的计算范围。
该股票指数的权数为上市公司的总股本。由于我国上市公司的股票有流通股
和非流通股之分，其流通量与总股本并不一致，所以总股本较大的股票对股票指
数的影响就较大，上证指数有时就成为机构大户造市的工具，使股票指数的走势
与大部分股票的涨跌相背离。
其计算公式为：本日股价指数=本同股票市价总值÷基期股票市价总值×100
具体计算办法是以基期和计算日的股票收盘价(如当同无成交，延用上一日
收盘价)分别乘以发行股数，相加后求得基期和计算R市价总值，再相除后即得
股价指数1。
上海证券交易所股票指数从总体上反映了上海证券交易所上市股票价格的
变动情况。其发布几乎是和股市行情的变化相同步的，它是我国股民和证券从业
人员研判股票价格变化趋势必不可少的参考依据。
3．2基于VAR的实证研究方法概述
3．2．1向量自回归模型
向量自回归模型(VAR)通常用于分析相关时间序列系统的相关性和随机扰动
对系统的动态影响。因为它避免了结构方程中需要对系统中每个内生变量关于所
有内生变量的滞后值函数的建模问题，所以运用十分广泛。
p一阶向量自回归模型的定义：对一个n维时间序列{r>，teT，T={1，2，⋯)
来说，如果
·‘=C+olr—l+⋯+oPr—p+‘
其中E(q)=O
E(‘q’)=j Q t=r
1 0 t≠f
并且不同时刻q相互独立同分布，服从正态分布，则该式为p一阶向量自回归
’遇I：市股票增资扩股或新增(删除)时，则须相应进行修J下，其计算公式调整为：本lI股价指数=本几股
票市价总值+新皋准股票市价总值x100。式中：新基准股票市价总值=修正前皋准股票市价总值X(修正前
股票市价总值+股票市价总值)÷修IF前股票市价总值。
7
模型，满足该模型的随机过程为p一阶向量自回归过程，记为VAR(p)。这种形式
称为标准的VAR模型。
标准VAR模型的特点包括：
(1)每个分量都是内生变量
(2)每个方程的解释变量都相同，是所有内生变量的滞后变量
(3)【的动态结构由它的P阶滞后就可以刻画出来，P时刻之前的变量对r无
影响。
(4)联立方程，VAR模型是联立方程的简化形式，并且该联立方程组不包括
外生变量。
VAR模型定阶时采用AIC(Akaike赤池)和SC(Schwarz施瓦兹)准则。
AIC(p)=lndet(Σ计
BIC(p)=lndet(Σ扩
n是向量维数，T样本长度，P滞后长度，lIl表示自然对数，det表示对矩阵
求行列式，是当滞后长度为P时，残差向量白噪声协方差阵的估计。
3．2．2脉冲晌应函数
脉冲响应函数2(IRF)用于衡量来自随机扰动项的一个标准差冲击对内生变
量当前和未来取值的影响。脉冲响应函数试图描述这些影响的轨迹，显示任意一
个变量的扰动如何通过模型影响所有其它变量，最终又反馈到自身的过程。如果
新息3是相关的，它们将包含一个不与某特定变量相联系的共同成分。通常，将共
同成分的效应归属于VAR系统中第一个出现(依照方程顺序)的变量。
3．2．3方差分解
2英文全称是lmpluse Response Function
3
w峡模型中的随机扰动项称为新息‘innov撕∞)，新息过程一定足白噪声过程，反之不一定。对所有t，毋
是相对于{Xt．1}的新息过程，意味着：
E(￡)=o
E(毛6t)邓2，
E(‘l Xf_1)-o
8
p—
塑：矛生一丁垫m—rr
方差分解提供了另一种研究系统动态特性的方法。其主要思想是，把系统中
每个内生变量(共m个)的波动(k步预测均方误差)按其成因分解为各方程新息相
关联的m个组成部分，从而了解各新息对模型内生变量的相对重要性。方差分解
能提供与冲击响应函数同样的信息，但与冲击响应函数不同的是，方差分解把一
个内生变量的变化分解为VAR模型中所有内生变量冲击，它显示了VAR模型中
各变量随机误差的相对重要程度。
3．2．4协整性
如果一组非平稳的时间序列存在一个平稳的线性组合，技改组合不具有随机
趋势，那么这组序列就是协整(协积)的，这个线性组合被称为协整方程，表示一
种长期的均衡关系4。经济学中的均衡是指处于稳定状态的经济变量，当它们发生
变化时，有一种力量迫使它们回到原来的稳定状态。
Johanson协整检验能够检验出几个变量之间是否存在协整关系。检验过程中
通过检验协整回归方程的估计残差项鸬的平稳性来判断协整关系：如果估计残差
序列是平稳的，表明变量间存在协整关系。进而，如果两个非平稳的同阶单整时
间序列之间存在协整关系，即意味着两个序列之间存在长期的均衡关系。
3．2．5向量误差修正(VEC)模型
向量误差修J下模型(VEC)的基本形式实际上是协整的一种等价形式。
以(1，1)阶自回归分布滞后模型为例，该模型为r=Po+届X。+反r一。+屈
置一l+q，上式可变形为△r=属+屈△置哉vecmf_l+t，该式称为误差修正
模型。它解释了因变量的短期波动是如何被决定的：一方面，它受到自变量短期
波动的影响，另一方面，它又取决于误差修正项veCITI。
VEC反映了变量在短期波动中偏离他们长期均衡关系的程度，或者说
是变量之间长期均衡关系对短期变化的影响，其他差分项则反映变量短期变化之
问的相互影响。
在动态计量经济模型建立过程中，通常从一个结构比较复杂的ADL模型开
始，经过一些对参数的线性或非线性条件约束，去掉一些变量，最终得到一个具
有良好性质的表达简练的模型。这就是“从一般到简单”的缄默过程，前后两个模
型分别被称为“一般模型”(general model)和“简单模型”(specific model)。
4例如，消费和收入是协整的。若不是，消费将不断增长，超⋯收入增长，这是不可能实现的。
9
3．3基于VAR的我国国债收益率与股票收益率动态相关性的实证分析
3．3．1描述统计
GZZS
●
●
SZZS
图3．1国债指数(GZZS)和上证指数(szzs)的月度收盘价走势图
由图3．1可看出，国债指数(GZZS)和上证指数(SZZS)的月度收盘价的变化
趋势呈现一定程度的负相关，“跷跷板”效应比较明显。粗略估计，自2003年8
lO
月开始至2004年5月，国债指数一路震荡下滑，而上证指数却出现了明显上涨；
自2004年5月至2005年8月，国债指数大幅上涨，而同期上证指数萎靡不振，
一直处于下行通道；自2005年11月至2008年2月，国债指数一直在1 09点．1 12
点的箱体内窄幅震荡，而上证指数则经历了一场波澜壮阔的行情，从1000多点
一路上升到6000点；自2008年3月至2008年12月，国债指数迎来了黄金时期，
一路高歌猛进，上涨到120多点；而同期上证指数遭遇滑铁卢，下跌幅度接近70％。
由于向量自回归模型所用的数据必须是平稳序列，因此通过采用公式
RSZ=100*log(SZZS／SZZS(一1))和RGZ=1 00*log(GZZS／GZZS(-1))对国债指数
(GZZS)和上证指数(SZZS)进行求对数及差分运算，将数据序列转化为平稳序
列。于是VAR的变量转化为RGZ(国债市场收益率)和RSZ(股票市场收益率)。
Series：RGZ
Sample 1 75
Observations 73
Mearl
Median
Maxin：um‘
Minimum
Std．Dev．
Skewness
Kurtosis
Jarque-Bera 381．9562
Probability 0．000000
图3．2国债指数市场收益率(RGZ)的描述统计
Series：RSZ
Sample 1 75
Observations 73
Jarque-Bera 8．329853
Probability 0．01 5531
图3．3上证指数市场收益率(RSZ)的描述统计
1
3
3
2
1
5
4
1
7
1
2
1
5
5
3
2
2
8
2
3
∞∞∞：8他码们O
2
2矧2
1
0
k
0
0
5
2
1
2
t
铉陀舛的艏竹：8
8
6
7
2
2
5
的∞万巧伲鳃硼8
4
4&t
4屉■
0
1刀2
9
0
4
m
mⅥ熔； ～～～釉～僦燃～．一1
由图3．2和图3．3可以看出，在样本时期(2003．01．2009．03)陕J，债券市场的月
度平均收益率为一0．26％，方差为1．118，JB统计值为381．956，债券市场的月度收
益率不服从J下态分布；股票市场的月度平均收益率为．0．45％，方差为9．41，JB统
计值8．33，股票市场的月度收益率接近正态分布；在这个样本时期内，股票市场
的月度平均收益率要低于债券市场的月度平均收益率，而股票市场月度收益率的
波动却高于债券市场月度收益率的波动。
图3．4国债和股票月度收益率变化图(2003．1-2009．3) ．
由图3．4可非常直观的看出，股票市场月度收益率的总体水平及波动幅度远
高于债券市场月度收益率总体水平及波动幅度。整个样本时期(2003．01—2009．03)
内，债券市场月度收益率的波动较小，最高收益率为5．80％，最低收益率为．2．23％，
最高和最低收益率相差8．03％；股票市场月度收益率的波动非常大，最高收益率
为28．28％，最低收益率为．24．25％，最高和最低收益率相差52．53％。
3．3．2建立向量自回归方程
向量自回归模型对于相互联系的时间序列变量系统是有效的预测模型。估计
～个VAR模型，EVIEWS需要3个信息：首先必须指定内生变量的滞后区间，
12
然后给出内生变量列表，最后(可选择地)指定外部变量。这个实证研究中，内
生变量是RSZ(上证指数收益率)和RGZ(国债指数收益率)，而时间趋势则是唯一
的外生变量。
在Eviews软件中，可以得到表3．1，该表用来评价建立滞后期为多少阶的VAR
模型最为合理。表中有5个评价统计量，其各自给出的最小滞后期用“宰，，表示，获
得“妒最多的那项被确定为最优滞后期。在本表中，当LAG=2时，5个评价统计
量给出了3个“妒，因此确定滞后期为2。
表3．1：向量自网JFl模型中评价最优滞后期的表
Lag LogL LR FPE AIC SC HO
0 ．360．7864 NA 126．4439 10．51555 1D．58031’ 10．54124’
1 ．357．5658 6．161217 129．3464 10．53814 10．73241 10．61521
2 ．349．6070 14．76416’ 115．3701。10．42339’ 10．74717 1口．55185
3 ．349．5191 0．157973 129．3383 10．53678 10．99008 10．71662
4 ．347．3855 3．710549 136．7453 10．59088 1 1．17369 10．82210
’indicates Iag order selected by the criterion 。
·
LR：sequential modified LR test statistic(each test at 5％Ievel)
FPE：FinaI prediction error
AIC：Akaike information criterion
SC：Schwarz information criterion
H0：Hannan．Quinn information criterion
将总样本期间内的股票月度收益率与债券月度收益率分别作为内生向量进行
向量自回归，同时根据AIC及SC信息准则选取最佳滞后阶数，得到最后的向量
自回归方程为：
RGZ=C(1，1)+RGZ(一1)+C(1，2)}RGZ(-2)+c(1，3)枣RSZ(一1)+C(1，4)·RSZ(-2)+C(1，5)
RSZ=c(2，1)·RGZ(-1)+c(2，2)·RGZ(·2)+C(2，3)牛RSZ(-1)+C(2，4)+RSZ(-2)+c(2，5)
将系数一一写出，得到如下结果：
RGZ=O．1541424631*RGZ(一1)+0．06901 180607·RGZ(一2)一0．01404257031幸RSZ(·1)-
0．03304054155*RSZ(-2)+0．2076415548
RSZ=一0．2492716023·RGZ(一1)+0．5903975293+RGZ(-2)+0．08491009039·RSZ(一1)+
0．3617619793+RSZ(-2)+0．2236678397
表3．2是EVIEWS软件运行得到的向量自回归模型结果。其中第一部分中的
两列代表两个方程式，RGZ和RSZ分别表示两个方程式等号左侧的被解释变量。
不带括号的数字表示相应方程式右侧变量的回归系数估计值。回归系数估计值下
面第一个带括号的数字表示相应回归系数估计量的标准差。回归系数估计值下面
第二个带括号的数字表示相应回归系数估计量的T统计量的值。’
第二部分给出的是VAR模型中每个方程的10种评价统计量的值。
表3．2向量自回归模型运行的结果
Vector Aiflol egfession Estimates
Vector Autoregression Estimates
Date：03／1 2加9 Time：1 9：52
Sample(adjusted)：5 75
Included observations：71 after adjustments
Standard errors in()＆t-statistics in【1
RGZ RSZ
R6Z(-1)0．154142 —0．249272
凹．1 1787) 0D．99553)
【1．30778】【-0．25038】
RGZ(-2) 0．069012 0．590398
0D．1 1678) 0D．98639)
【0．59094】【0．59854l
RS珥1) -0．01 4043 0．08491 0
∞．01361) 《D．1 1496)
【一1．031 761 【0．73863l
‘RS碍2) -0．033041 0．361 762
《D．01383) 0D．1 1679)
【一2．38960】I 3．09766l
C 0．207642 0．223668
0D．13363) (1．12872)
【1．55380】【0．19816l
R．squared 0．152102 0．1481 17
Adi．R．squared 0．100714 0．096487
Sum sq．resids 76．1 2931 5431．080
S．E．equation 1．073999 9．071 333
F．statistic 2．959877 2．868846
Log Iikelihood ．1 03．2209 ．254．71 57
Akaike AIC 3．048476 7．31 5935
Schwarz SC 3．20781 9 7．475279
Mean dependent 0．251207 0．452456
S．D．deoendent 1．132544 9．543419
与经典计量经济学模型不同，对VAE单个参数估计值的解释是很困难的。
14
要想对一个VAR模型做出准确的分析，需要对整个系统进行脉冲响应函数和方
差分解分析。
3．3．3脉冲响应函数分析
1．2
0．8
0．4
0．O
．0．4
Response of RGZ to Cholesky
0Re S．D．Innovations
＼
＼
、、、、、、，，，，，-．⋯一一一
＼、、、、、，，，，／。～’。。’‘
1 2 3．4． 5 6 7 8 9 10 E至三珂
Response of RSZ to Cholesky
One S．D．1nnovations
； ，／{
f，，， {
。V^＼一一一＼＼
1 2 3 4 5 6 7 8 9 10 E玉呈盈
图3．5 RGZ和RSZ分别对来自随机扰动项的一个标准差冲击响应的图表
脉冲响应函数用于衡量来自随机扰动项的一个标准差冲击对内生变量当前
15
0
8
6
4
2
O
2
和未来取值的影响。脉冲响应函数刻画了内生变量对误差变化大小的反应。对每
一个误差项，内生变量都对应着一个脉冲响应函数，这样该实证分析中存在4个
脉冲响应函数。
从图3．5可知，债券月度收益率(RGz)对其自身的一个标准差新息在第1
期立即有较强的反应，收益率增加了约1．05％，但其影响在第2期迅速减小，在
第4期影响消失，收益率变化回落到O；而该序列对来自股票月度收益率的一个
标准差新息的反应自第1期丌始影响逐渐变得显著，在第3期变得最为显著，收
益率降低了约0．4％，之后迅速回落，在第9期接近于0。
同时，股票月度收益率(RSZ)对其自身的一个标准差信息在第l期立即有
较强的反应，收益率增加了约9％，但在第2期迅速降低为1％，第3期的影响又
比较显著，收益率增加了3％，第4期开始又缓慢回落，到第9期回落到0，反应
逐渐消失；而该序列对来自债券月度收益率的一个标准差新息在第1期反应仅为
0．5％，第3期反应比较明显，收益率增加了约1％，之后影响又开始缓慢凹落，
到6期以后新息的影响基本消失。
从脉冲响应函数图可以看出，内生变量在序列冲击时随着时间的推移影响越
来越小，系统对冲击的反应是稳定的。
3．3．4方差分解分析
方差分解的主要思想是，把系统中每个内生变量的波动，按其成因分解为与
各方程变量冲击相关联的组成部分，从而了解各变量冲击对模型内生变量的重要
性。VAR的方差分解能够给出随机新息的相对重要性信息。
Eviews对于每一个内生变量都计算一个独立的方差分解。下表是对VAR模
型的方差分解结果。S．E．所对应的列显示的是相对于不同预测期的变量的预测误
差。这种预测误差来源于新息的当期值和未来值。其他的几栏给出关于某个特定
的新息所引起的方差占总方差的百分比。因为第一时期，一个变量的所有变动均
来自于其本身的新息，因此第一个数字总是100％。
方差分解结果(见表3．3)的第一部分是国债市场收益率变化(RGZ)的方
差分解的结果。可以看出，从第7期开始，方差分解的结果基本稳定，来自第一
个方程新息的影响占国债市场收益率预测的87％左右，来自第二个方程新息的影
响占国债市场收益率预测的13％左右。这说明国债市场收益增长率的波动毫要受
16
其自身收益率变化的影响，但也受股票市场收益率变化的影响。
方差分解结果的第二部分是股票市场收益率变化(RSZ)的方差分解的结果。
从第6期开始，方差分解的结果基本稳定，来自第一个方程新息的影响占股票市
场收益率预测的1．14％左右，来自第二个方程新息的影响占股票市场收益率预测
的98．86％左右。实证分析的结果表明，股票市场收益增长率的波动主要受其自身
市场收益率变化的影响，同时也受国债市场收益率变化的影响。
表3．3 VAR的方差分解结果
Variance Decomposition of RG7-
Penod S．E． RGZ RSZ
1 1．073999 1 00．0000 0．000000
2 1．09291 4 98．64684 1．3531 63
3 1．144501 90．47637 9，523625
4 1．152296 89．28616 10．71384
5 1．163847 87．54637 12．45363
6 1．1 65895 87．24370 1 2．75630
7 1．167634 86．99914 13．00086
·8 1．167984 86．95018 13．04982
9 1．168196 86．92157 13．07843
10 1．168243 86．91537 13．08463
Vanance Decomposition of RS7
Penod S．E． RGZ RSZ
1 9，071∞3 0．393749 99，60625
2 9．1 06490 0．448753 99．551 25
3 9．742244 1．036582 98．96342
4 9．759174 1．036700 98．96330
5 9．827349 1．136388 98，86361
6 9．831092 1．140015 98．85999
7 9．837801 1．1 52621 98．84738
8 9．838357 1．153590 98．84641
9 9．838972 1．154960 98．84504
10 9．839∞7 1．1551 13 98．84489
Cholesky Ordenng：RGZ RSZ
比较国债市场收益率变化(RGZ)和股票市场收益率变化(RSZ)方差分解
的结果不难得出，两者的收益率波动受其自身收益率变动的影响都比较大，但也
会不同程度的受到对方的影响。国债市场收益率的波动受股票市场收益率波动的
影响比较大，接近13％；而股票市场收益率的波动受国债市场收益率波动的影响
十分小，仅为1％左右。
17
3．3．5协整性检验
表3．4 Johanson协整检验结果
Unrestricted Cointegration Rank Test Grace)
Hypothesized Trace 0．05
No．of CE(s) Eigenvalue Statistic Critical Value Prob．”
None。0．249985 29．75296 1 5．49471 0．0002
At most 1’ 0．128362 9．616641 3．841466 0．0019
Trace test indicates 2 cointegrating eqn(s)at the 0．05 level
’denotes rejection of the hypothesis at the 0．05 level
”MacKinnon—Haug·Michelis(1 999)p-values
如果一组非平稳的时间序列存在一个平稳的线性组合，技改组合不具有随机
趋势，那么这组序列就是协积的，这个线性组合被称为协整(协积)方程，表示一
种长期的均衡关系。Johanson协整检验可用于检验几个变量间的协整性。
表3．4为Johanson协整检验结果，其中包括迹(Trace)统计量检验和最大特
征值(MAX．Eigenvalue)统计量检验。检验结果的第一行是检验是否存在协整关
系。由于原假设是RGZ和RSZ这两个变量之间不存在长期均衡关系，这个假设
在5％的显著水平下己被拒绝，说明RGZ(国债指数市场收益率)和RSZ(上证
指数市场收益率)这两个内生变量存在协整关系。第二行检验的原假设是最多存
在一个协整向量，由检验结果可以看出，这个假设也被拒绝。
3．3．6建立向量误差修正(VEC)模型
表3．5向=晕=误筹修正模型估计结果
Cointegrating Eq： CointEql
RGZ(-1) 1．000000
RS珥1) 0．078586
《D．02690)
【2．92171】
C ．0．28J4240
Error Correction：D(RG刁D(RSZ)
CointEql 一0．743933 —1．607825
《D．1 6449) (1．47727)
【-4．52266】I_1．08838】
18
输出结果(见表3．5)的第1部分给出的是协整关系向量。输出结果的第2
部分作为误差修正项，要进入VAR的两个方程，调积速度系数分别为．0．7439和
．1．6078。
19
第4章国债收益率与股票收益率的Granger因果关系检验
4．1样本选择与变量·
与VAR模型相同，Granger因果关系检验也以2003年1月1日至2009年3
月1日的上证国债指数和上证综合指数为研究总样本，数据均来源于国信证券鑫
网通达信行情软件及雅虎财经网站。
通过对国债指数(GZZS)和上证指数(SZZS)这两个变量进行求对数及差分运
算，得到RGZ(国债市场收益率)和RSZ(股票市场收益率)这两个变量。
4．2(]ranger因果关系检验研究方法概述
对服从平稳随机过程的两个变量，变量K是变量y；的Granger意义上的原因，
意味着如果利用y；和K的过去和现在的所有值预测X比不用圪的过去和现在的
所有值预测，取得X的预测值更精确，那么存在着从艺到X的Granger因果关系。
日常生活中的原因包含预测和控制，原因可以控制结果的产生，而Granger因
果只有预测一层含义，不能控制结果。Granger因果检验不是检验两者在经济上
的因果关系，而是检验变量E对变量X是否有预测作用。
尽管如此，Granger因果仍然是有用的，通过了Granger因果检验，再加上
其他证据，仍然可以证明经济上因果关系的成立与否。不满足Granger因果，则
一定不存在经济上的因果关系。
Granger因果检验在考察X是否是Y产生的原因时，先估计当前的Y值被其
自身滞后期取值所能解释的程度，然后验证通过引入X的滞后值是否可以提高Y
的被解释程度。如果X的滞后期系数具有统计显著性，则x是Y的Granger原因。
一般地，需要进行双向的Granger因果检验。
检验匕是否不是y；的Granger原因
(1)估计下面的无约束回归方程
Kf=cl+口lK卜l+口2If一2+⋯+口PX，一P+届砭，一l+∥2砭，一2+⋯+∥P匕卜p+sI，
(2)估计下面的有约束回归方程，方程中变量Y2的参数被约束为0
五f=Cl+口lK，-l+口2I卜2+⋯+口PK，．p+yIf
(3)H0：届2反2⋯2∥。=0
K的过去和所有值对于预测K川没有价值，等价于砭不是y；的Granger原因。
Granger因果检验中会使用到统计量： S：—(RSSo-R—SSl)／p 膦I／(T一2p—1)
RSS，=第一个无约束方程的残差平方和
RSS。=第二个有约束方程的残差平方和
T是样本长度，P是滞后长度，零假设成立时，S服从F(p，T-2p一1)分布
概
率
F统计量
图4．1 Granger因果检验使用原理图解
如图4．1，如果Granger因果检验所得的概率大于显著水平5％，即意味着所
检验统计量的F值小于5％显著水平下的临界F值，在临界值左侧，此时需要接
受零假设。反之，则拒绝零假设。
4．3我国国债收益率与股票收益率的Granger因果关系研究
接下来可以对股票市场收益率与债券市场收益率进行Granger因果关系检
验。根据AIC信息准则确定的最优滞后期为2期。此外，Granger因果检验式是
VAR模型中的一个方程，因此Granger因果检验式的滞后长度也可由VAR模型
的滞后长度确定。在本实证分析中，VAR模型得出的滞后期也正好为2期。因此
在EVIEWS软件运行中，选择滞后期为2期。
表4．1给出了序列两两之间Granger因果检验的结果。根据F分布和概率的
定义，在5％的显著水平下，对检验结果分析如下：
2l
P(F>3．69703)=O．03007，小于5％的显著水平，意味着F=O．03007在临界值
的右侧，此时原假设“股票市场收益率(RSZ)不是国债市场收益率(RGZ)变化
的Granger原因”被拒绝。
Pairwise Granger Causality Tests
Date：03／1 2,439 Time：1 9：46
Sample：1 75
Lags：2
Null Hypothesis： Obs F-Statistic Probability
RSZ does not Granger Cause RGZ 71 3．69703 0．03007
RGZ does not Granger Cause RSZ 0．1 8697 0．82991
表4．1 Granger冈果检验结果
P(F>0．1 8697)=O．82991，远远大于5％的显著水平，意味着F=0．82991在临
界值的左侧，此时原假设“国债市场收益率(RGZ)不是股票市场收益率(RSZ)
变化的Granger原因”被接受。
因此，结论是：在5％的显著水平下，选择最优滞后期时，国债月度收益率
不是股票月度收益率的Granger原因；而股票月度收益率是国债月度收益率变化
的Granger原因。
这意味着同时利用国债月度收益率和股票收益率过去和现在的所有值预测
国债收益率比不用股票收益率的过去和现在的所有值预测，取得国债月度收益率
的预测值更精确。反之则不成立。
第5章实证分析的结论及政策建议
5．1实证研究的结论
本文以2003年1月l同至2009年3月1日的上证国债指数月度收盘价和上
证综合指数月度收盘价为研究总样本，来探求国债市场收益率和股票市场收益率
之间的动态相关性。通过一系列的理论与实证分析，得出的结论是我国国债市场收
益率与股票市场收益率之间长期来看存在着某种动态相关性，两者存在着一种长
期的均衡关系。
研究发现，国债指数和上证指数的月度收盘价的变化趋势呈现一定程度的负
相关，“跷跷板”效应比较明显。比如，自2005年11月至2008年2月，国债指数
一直在109点一112点的箱体内窄幅震荡，而上证指数则经历了一场波澜壮阔的行
情，从1000多点一路上升到6000点：自2008年3月至2008年12月，国债指
数迎来了黄金时期，一路高歌猛进，上涨到120多点；而同期上证指数遭遇滑铁
卢，下跌幅度接近70％。
本文通过建立向量自回归模型得到了国债市场收益率和股票市场收益率这
两个变量的向量自回归方程，该方程可用于有效预测国债市场月度收益率以及股
票市场月度收益率。基于所建立的向量自回归模型，本文还使用脉冲响应函数分
析、方差分解分析、Johansen协整检验、向量误差修J下模型(VEC)进行实证分析。
其中，脉冲响应函数分析表明，因为内生变量在序列冲击时随着时间的推移影响
越来越小，10期以后，影响基本消失，系统对冲击的反应是稳定的。方差分解的
结果显示，两者的收益率波动受其自身收益率变动的影响都比较大，但也会不同
程度地受到对方的影响。国债市场收益率的波动受股票市场收益率的波动的影响
比较大，接近13％；而股票市场收益率的波动受国债市场收益率变化的影响十分
小，仅为1％左右。Johanson协整检验的结果显示，在5％的显著水平下，国债指
数市场收益率和上证指数市场收益率这两个内生变量存在协整关系，即存在着一
种长期的均衡关系。
由Granger因果检验得出结论：在5％的显著水平下，国债月度收益率不是股
票月度收益率的Granger原因；而股票月度收益率是国债月度收益率变化的
Granger原因。这意味着同时利用国债月度收益率和股票收益率过去和现在的所
有值预测国债收益率比不用股票收益率的过去和现在的所有值预测，取得国债月
度收益率的预测值更精确。反之则不成立。
5．2政策建议
为了推动中国债券市场和股票市场的进一步活跃，提高债券市场和股票市场
效率，进而提高债券市场和股票市场的收益率，加强两个市场的动态相关性，以
吸引更多的投资者参与该市场，结合以上的理论与实证分析，笔者提出以下政策
建议。
5．2．1改善我国国债的流动性
中国国债流动性差弱化了国债利率担当市场基准利率的重任，使国债市场基
本丧失了应有的资源配置功能和价格发现功能，而仅仅成为政府筹集资金的场
所。为此，我们需要采取多种措施来改善我国国债的流动性，从而增强其资源配
置和价格发现功能。
(1)优化国债期限结构，增加中短期国债的发行
我国目前中短期流通券种较少，特别是缺乏1年期以下的短期债券。从世界
各国经验来看，短期国债一直是货币市场中不可替代的主流工具。根据国外经验，
西方发达国家的短期国债(一年期以下)在全部国债中约占40％．50％，这既有利
于筹集资金，又利于扩大央行的公开市场业务，更好地发挥国债作为财政政策与
货币政策结合点之功能。对投资者而言，长期债券虽然也可以通过回购方式用作
流动性管理的工具，但这毕竟是有限度的，运用到“三性管理”中存在一定的风险。
(2)优化国债品种结构，促进国债品种的多元化
随着经济的发展，为满足居民的不同层次的投资需要，应继续增加国债品种，
．如考虑发行社会保障债券、建设债券，储蓄债券等品种多样的专项债券。事实上，
发行专门用于社会保障的国债或社会保障专项国债与专门用于基础设施投资的
国债能起到异曲同工之效。
(3)着力培育国债机构投资者，加快市场参与者的多元化进程
目前在我国债券市场上，商业银行是交易大户；而在国外成熟的债券市场上，
除金融机构外，各类基金成为市场的主要参与者。因此我们要要着力培育国债机
构投资者，机构投资者作为以回避风险、追求最大收益为经营目标的专业投资组
织机构，它的培育、成长及成熟将促进国债市场发生质的飞跃和量的拓展。建议
加快研究解决社保基金和住房改革基金等投资国债市场，研究组建国债基会等，
24
并鼓励、引导合格的境外机构参与。市场参与者的多元化，将逐步解决市场资金
的趋同性矛盾，进而提升国债流动性。
(4)遵循国债发行的规律性，增强市场透明度
市场透明度是指交易者在交易过程中获取有关信息的能力。理论研究表明，
如果信息透明度下降，优势信息交易者就可以从劣势信息交易者中获得额外收
益，这样所有交易者为争取获得更多的交易信息都会推迟交易，进而降低国债流
动性。
5．2．2提高股票市场的有效性
目前，我国股票市场的市场机制尚不健全，仅有做多机制，监管机构有效的
规制市场仍没有形成，政府制定证券市场发展及监管政策的观念相对滞后，中国
证券市场效率低下。
(1)注重市场调节，促进市场机制建设
市场经济的精髓是依靠市场的供求关系及其内在运行规律，而不是以行政命
令来达到市场均衡。股票市场在中国金融体系和经济发展中的地位同益突出，政
府相关部门应当约束各自的公开言论，对可能引起股市波动的言论要慎之又慎。
政府应逐步形成提前公布未来政策计划的制度，以培养市场的合理预期，促进市
场的自我调节能力，提高监管政策的有效性，建立政府信用。股市频繁暴涨暴跌，
极易因为大规模结算清盘引起金融机构破产，投资者信心受损，甚而发生金融危
机，政府监管政策应将维护市场平稳作为推动市场深化的基础和前提。比如，中
国中央银行应该将资产价格作为货币政策的参考指标和信息变量，关注股票市场
的发展和资产价格的变动，借助股票市场这一传导渠道影响实体经济，促进经济
增长。在将来条件成熟时，中国人民银行应将资产价格纳入货币政策的最终目标，
把保持股票市场的基本稳定作为自己的任务之一，既要防止股市泡沫的产生，以
“防患于未然”，又要在股市泡沫产生后防止泡沫急剧破灭酿成股灾。
(2)加快金融创新，建立市场自平衡机制
单边股市容易大起大落，建立做多和做空双向的交易机制是我国股市的必经
之路。在过去两年中，市场交易十分活跃，是推出股指期货、建立做空机制的最
佳时机。另一方面，为了实现市场的自我平衡，完善市场的定价机制，必须强化
股票的退市机制，提高上市公司的整体质量，否则将会导致蓝筹股和垃圾股好坏
不分、市盈率居高不下的情况不断出现。
(3)进一步健全监管体系
中国股票市场的监管体系有待进一步健全。股票市场是一个完整统一的整
体，可以分为一级市场、二级市场、主板市场、二板市场等，市场有其统一性和
层次性，再加之有各种类型的市场参与者，如证交所、证券中介机构、上市公司、
基金管理公司等，因此，股票市场监管体系应与此相对应。一个完整的监管体系
应由三个部分组成：一是外部监管，即政府监管部门和执行机构，在监管体系中处
于最高地位；二是内部监管，即行业自律性组织和主体内部监管部f-j；三是社会监
管，即工商、税务、审计、会计师事务所和律师事务所等构成的监管部分。经济
稳定、公平和有效地配置资源是证券市场监管的3个目标，具体体现为证券委员
会国际组织(IOSCO)确定的保护投资者、保证市场公平、有效和透明及降低系统
风险。
5．3结言
本文以2003年1月至2009年3月上证国债指数和上证综合指数的月度收盘
价为样本，对国债指数收益率和上证指数收益率的相关性做了实证研究。下一步
本研究可能会改用周收益率以及日收益率进行分析。
本文没有对影响国债和股票收益率的影响因素进行分析，也没有对这些因素
影响国债和股票的收益率的传导机制进行实证分析。下一步将进行这方面的研
究。
本文的局限性在于仅仅使用了上证国债指数，没有考虑企业债等债券，无法
准确反映中国债券市场的全貌，本文也仅仅使用了上证综合指数，没有考虑深证
指数。下一步可能考虑综合研究国债、公司债和企业债以及中小板指数等。
另外，本文研究的数据区间也有一定的局限性。期间国际上发生了百年一遇
的金融风暴，这个金融风暴可能会持续较长时间，本文数据样本截止到2009年3
月1 R的话，将不能全面地反映这次金融危机对中国债市和股市的影响。
相信随着中国股票市场与国债市场的发展以及数据库的日益完备，本文所进
行的相关研究和成果将会得到进一步完善。
26
参考文献
【1】‘涂竞，《对我国股票市场监管效率的思考》，《西南金融》，2001年第3期，第54．55
页。
【2】油晓峰、宋永明，《对我国国债流动性问题的政策思考》，《财贸经济》，2004
年第3期，第28．32页。
【3】钟秉盛，《国债规模现状及政策运用分析》，《南方经济》，2005年第7期，第
63—65页。
【4】刘建春，《股票与债券关联性研究及其启示》，《商业研究》，2005年第10期，
第140．142页。
[5】曾志坚，《股票与债券市场间收益率及流动性联动关系研究》，湖南大学工商管
理学院，博士学位论文，2006年3月。
【6】王国刚，《建立多层次资本市场体系研究》，人民出版社，2006年版，第205．220
页。．
【7】张晓峒，((EVIEWS使用指南与案例》，机械工业出版社，2007年2月第1版。
【8】曾志坚、江洲，《关于我国股票市场与债券市场收益率动态相关性的实证研
究》，《当代财经》2007年第9期，第58．64页。
[9】袁超、张兵、汪慧建，《债券市场与股票市场的动态相关性研究》，《金融研究》，
2008年第1期，第63．75页。
【10】曾志坚、罗长青，《股票与债券市场流动性联动的实证研究》，财经理论与实
践(双月刊)，2008年7月第4期，第45．49页。
【11】Bossaerts，P，1998，Common of nonstationary components of assert prices，journal
ofEconomic Dynamics and Control，12，347-364
【1 2】Shiller,Robert J．and Andrea E．Beltratti．Stock Prices and Bond Yields．Journal of
Monetary Economics，1 992，30：25-46
【1 3】Kam C．，Chan，Stefan C．Norrbin and Pikki Lai．Are Stock and Bond Prices
Collinear in the Long Run．’International Review of Economics and
Finance，1997，6(2)：193—201
【1 4】Robert Cormolly,Chris Stivers and Licheng Sun．An International Analysis of
Stock—to。Bond and Stock-to—Stock Retum Co—movement with Time—varying
Uncertaity．SSRN Working Paper,2003
【1 5】Ilmanen，A．，2003，“stock-bond correlations”，The journal of Fixed Income，l 2(2)：
55-66
[1 6】Dirk Baur and Brian M．Lucey．Flight—to—quality or Contagion?An Empirical
Analysis of Stock—bond Correlations[R]．SSRN Working Paper,2006．
[1 7】Chordia Tarun、Asani Sarkar、Avanidhar Subrahmanyam，Common determinants
of bond and stock market liquidity：The impact of financial crises，monetary
policy，and mutual fund flows[R]．Working paper,Emory University，the
Federal Reserve Bank of New York，and UCLA，2001．
28
附录A上证国债指数和上证综合指数月度收盘价
上证国债指数月上证综合指数
日期度收盘价月度收盘价
(oo0012) (999999)
2003一1．31 100 1，499．82
2003-2．28 100．74 1，51 1．93
2003．3—3 l 101．1 1，510．58
2003-4．30 101．27 1，521．44
2003．5．30 101．72 1．576．26
2003．6—30 101．53 1，486．02
2003-7．3 l 101，82 1，476．74
2003．8．29 101．53 1，421．98
2003—9—30 99．32 1，367．16
2003—10—3l 97．61 1，348．30
2003．1 1．28 97．86 1．397．23
2003．12．3l 99．4 1，497．04
2004一l一30 98．99 1，590．73
2004．2．27 98．38 1，675．07
2004．3．3 l 97．68 1，741．62
2004-4．30 92．17 1，595．59
2004．5．3 l 93．79 1，555．91
2004-6—30 94．28 1，399．16
2004—7．30 94．95 1．386．20
2004．8—3 l 94．4 1，342．06
2004．9．30 95．14 1，396．70
2004．10-29 95．17 1，320．54
2004．11．30 95．09 1，340．77
2004．12．3l 95．6l 1．266．50
2005．1．31 97．28 1，191．82
2005．2．28 98．69 1．306．OO
2005．3．3 1 100．19 1，181．24
2005-4．29 101．88 1，159．15
2005．5．3 l 103．16 1，060．74
2005．6．30 105．35 l，080．94
2005．7．29 107．46 1，083．03
2005—8—3 1 107．52 1，162．80
2005—9．30 108．7 1，155．61
2005—10—3l 108．22 1，092．82
2005．1 1．30 107．35 1，099．26
2005—1 2—30 109．06 1，161．06
2006—1—25 1lO．08 1，258．05
2006．2．28 110．12 1，299．03
2006．3—3 1 110．1l 1，298．30
2006-4—28 109．86 1，440．22
2006．5．3 1 110．25 1，641．30
2006—6．30 109．64 1，672．21
2006—7—3 1 109．47 1，612．73
2006．8．3 l 110．1 1，658．64
2006．9．29 111．02 1，752．42
2006．10一31 111．53 1，837．99
2006一l l一30 l 1 1．52 2，099．29
2006．1 2．29 ll 1．39 2，675．47
2007．1．3l 111．78 2，786．34
2007—2．28 111．72 2，881．07
2007—3—30 111．73 3，l 83．98
2007-4—30 111．4l 3，841．27
2007．5．3 1 110．65 4，109．65
2007—6—29 109．59 3，820．70
2007．7．3 1 109．88 4，471．03
2007．8．3 1 1 10．3 5．2l 8．82
2007．9．28 109．88 5，552．30
2007一lO．3l 109．95 5，954．77
2007．11．30 110．17 4，871．78
2007．12．28 110．87 5，261．56
2008．1—31 112．09 4，383．39
2008．2．29 112．45 4，348．54
2008．3．3 l 113．1 3，472．71
2008-4—30 113．19 3，693．1 1
2008．5．30 113．52 3，433．35
2008．6．30 113．41 2，736．10
2008—7．3 1 113．4 2，775．72
2008．8．29 113．98 2，397．37
2008．9．26 116．32 2，293．78
2008．10．3l 118．95 1，728．79
2008．11．28 119．39 1，871．16
2008．12．3l 121．3 1，820．81
2009．1—23 120．71 1，990．66
2009—2．27 120．84 2，082．85
3l
附录B上证国债指数和上证综合指数月度收益率
上证国债指数月度收上证综合指数月度收
序弓
益率(000012)(RGZ) 益率(999999(RSZ)
1 0．8041 88 O．737275
2 ．0．08933 0．35671 9
3 O．71 6357 O．168009
4 3．53977 O．443372
5 ．5．895355 ．O．186962
6 -0．626445 0．285223
7 ．3．778669 —0．285223
8 ．3．931467 -2．200736
9 ．1．389106 ．1．736701
10 3．5647l 7 0．255794
1 1 - 6．899812 1．561423
12 6．07032 1 ．0．41 3328
13 5．166193 ．0．61813
14 3．896076 _o．71407
15 —8．757214 —5．806213
16 ．2．518299 1．742354
17 ．10．6l 885 0．521084
18 -0．930587 0．7081 36
19 ．3．236044 ．0．580936
20 3．990656 0．780842
21 ．5．607157 O．031528
22 1．520333 —0．084095
23 —5．698689 0．54536 1
24 -6．077564 1．7316
25 9．148748 1．439021
26 ．10．04043 1．508476
27 一1．887776 1．672727
28 ．8．87202 1．248553
29 1．886426 2．100696
30 0．193164 1．983055
3l 7．106822 0．055819
32
32 ．0．620255 1．091492
33 ．5．586683 -0．44256
34 0．587571 ．0．8071 67
35 5．469615 1．580367
36 8．022952 0．93091 8
37 3．205493 0．03633 1
38 ．0．0562l 2 ．0．00908 1
39 l 0．37492 ．0．227304
40 1 3．06927 0．354369
41 1．865749 ．0．554824
42 —3．621771 -0．155173
43 2．806959 0．57385
44 5．49997 0．8321 32
45 4．767489 0．458325
46 1 3．29266 —0．008967
47 24．25259 一O．1 16639
48 4．060384 0．34951
49 3．343285 ．0．05369 l
50 9．997023 ·
‘ 0．00895 1
5l 18．76711 ．0．286816
52 6．753483 ．0．684502
53 ．7．29042 1 ．0．962594
54 15．71852 0．264273
55 l 5．46525 O．381507
56 6．194093 ．0．381507
57 6．998032 0．063686
58 ．20．07332 0．199891
59 7．696819 0．633372
60 ．1 8．26052 1．094378
61 -0，798224 0．320656
62 ．22．49049 0．57637
63 6．153365 0．079544
64 ．7．293246 0．291 12l
65 ．22．70029 ．0．096946
66 1．437662 ．0．008818
67 ．14．65379 0．51016
68 -4．4171 19 2．032202
69 ．28．27794 2．235822
70 7．913682 0．36922 l
33
71 ．2．72771 1．587137
72 8．9l 8479 ．0．4875 84
73 4．52709 l 0．107638．
致谢
此论文的顺利完成得益于我的指导教师金燕教授，从选择研究课题、查找相
关资料到拟定论文结构、建立数据模型再到最终定稿，每一步她都给我提出了宝
贵的建议和意见，给了我极大的帮助和支持。正是在她的督促和帮助下，我成功
完成了该论文的写作。
在对外经贸大学攻读硕士期问，会燕导师平和豁达的处世态度、乐观向上的
生活态度以及勤奋严谨的治学态度对我产生了潜移默化的影响。
还要感谢所有曾经教授过我，帮助过我的对外经贸大学的老师，是他们的言
传身教使我在广泛的知识积累中学会将知识综合运用于实践，去发现和解决实际
生活中的问题。特别要感谢的是时间序列模型这门课程的授课老师——潘红宇教
授。
此外，衷心感谢我的家人以及朋友。感谢父母20多年来对我无私的奉献与
付出，感谢郭誉泽、何田田、杨海燕等同学两年来对我的关心和支持，感谢曾永
丰同学送给我一本珍贵的《EVIEWS使用指南与案例》，感谢金鑫同学热情地为
我解答向量自回归模型中的一些疑问⋯⋯
衷心感谢所在实习单位新华社的领导和同事们，我请了很多天的事假集中精
力写作这篇论文，耽误了不少的工作，他们的谅解和支持，给了我莫大的鼓舞。
最后，衷心感谢本文的各位评阅老师，感谢你们的真心指教和诚挚的批评，
你们的指『F是对我最好的鼓励。
我要从内心向所有关心和支持我的人再次说声：谢谢你们1
35
裴立伟
2009年3月
个人简历在读期间发表的学术论文与研究成果
个人简历：
裴立伟，女，1982年lO月15同生。
2004年7月毕业于北京el硐,J学院，获工学学士学位。
2007年9月进入对外经济贸易大学攻读金融学专业硕士研究生。
已发表的学术论文与研究成果：
【l】金燕、裴立伟，《全球金融中心发展对中国金融布局的启示——GFCI报告分
析》，《管理现代化》，2008．8，第四期。