本站原创
摘要：全球经济的一体化提高了资本流动的自由度。深入分析和研究金融市场与实体经济的溢出效应，对于我国实体经济的健康发展，具有迫切的现实意义。本文将建立相应的向量自回归模型（VAR），并对溢出效应强度的波动作出进一步分析，从而对实体经济的发展提出建议。
关键词：实体经济金融市场溢出效应
全球经济的一体化提高了资本流动的自由度。从实际效应上看，经济一体化为各国经济的发展带来了便利条件，也增强了全球范围金融市场的相互依赖。因此，深入分析和研究金融市场与实体经济的溢出效应，对于我国实体经济的健康发展，具有迫切的现实意义。
当前，我国金融改革正在深入进行，股市对于资本市场建设和投融资体制改革的重要推动作用日显突出，并且与货币市场、信贷市场等金融市场以及实体经济的联系更加密切。与此同时，金融资产波动幅度限制和金融市场准入等新制度的出台，金融市场一体化的程度有所发展，金融资产的替代效应进一步增强
溢出效应在本文中是指不同地域和不同类型的金融市场之间的相互影响以及股票市场与实体经济之间的因果关系。为了更好地分析股票市场与其它金融市场之间以及与实体经济之间的溢出效应，本文将结合相关历史数据提供有效的分析方法。具体方法是，以上证综指6000多点为界，分别选取美国金融危机和欧债危机爆发前的2005年9月至2007年9月的月度数据和美国金融危机和欧债危机爆发后的2008年9月至2010年9月的月度数据。选取上证指数为股票市场样本数据，是因为沪市在我国股票市场中的交易活跃度和市场规模均有显著的代表性。本文所指的金融市场不仅涉及股票市场，还包括信贷市场和货币市场。关于信贷市场的样本数据，本文选取国内存款机构所发放的委托贷款、信托贷款和其它贷款作为指标。本文货币市场的样本数据来源于广义货币M2的规模，这是因为流动性较差的M2能较好地反映社会总需求的波动以及通货膨胀的预期压力，作为货币供应量的统计指标是比较理想的。而实体经济的内涵比较丰富，本文仅仅选取消费物价指数、社会消费品零售总额、进出口总额、国家财政收入、宏观景气指数、工业增加值和固定资产投资总额等作为统计指标。
对溢出效应进行分析，是建立在实证研究的基础上。本文通过ADF检验对各类数据进行单位根检验以消除时间序列的非平稳性所造成的伪回归，从而有效地进行格兰杰因果检验以及建立向量自回归模型。在实证研究的过程中，股市牛市与熊市的变化节点是美国金融危机与欧债危机，样本数据的时间段分为两段，然后用格兰杰检验对前后两个时间段的股票市场、信贷市场、货币市场以及股票市场对实体经济的因果关系进行检验。最后，本文将建立相应的向量自回归模型（VAR），并对溢出效应强度的波动作出进一步分析，从而对实体经济的发展提出建议。
为了消除非平稳的干扰，需要采用差分转化的方法。本文采用了一阶差分时间序列，即将LNsz、LNloan和LNm2分别转化为DLNsz、DLNloan和DLNm2，其走势图由于振幅是在0.02或者0.3以内，所以DLNsz、DLNloan和DLNm2均是平稳性的时间序列。
为了对时间序列的平稳性特征进行量化检验，本文再次采用ADF检验法。检验结构由于没有单位根，所以DLNsz、DLNloan和DLNm2是平稳性的时间序列。
模型的稳定性解决之后，需要确定滞后阶数。滞后阶数的确定对VAR模型的有效性至关重要。笔者采用EVIEWS软件对滞后阶数进行分析，其结果为滞后阶数出现最多的是0阶上，其次是4阶上，但是由于VAR模型不能取滞后阶数0，所以只能取滞后阶数4。
关键词：实体经济金融市场溢出效应
全球经济的一体化提高了资本流动的自由度。从实际效应上看，经济一体化为各国经济的发展带来了便利条件，也增强了全球范围金融市场的相互依赖。因此，深入分析和研究金融市场与实体经济的溢出效应，对于我国实体经济的健康发展，具有迫切的现实意义。
当前，我国金融改革正在深入进行，股市对于资本市场建设和投融资体制改革的重要推动作用日显突出，并且与货币市场、信贷市场等金融市场以及实体经济的联系更加密切。与此同时，金融资产波动幅度限制和金融市场准入等新制度的出台，金融市场一体化的程度有所发展，金融资产的替代效应进一步增强
源于：标准论文格式www.udooo.com
，这就从外部环境层面增强了实体经济与金融市场的溢出效应。美国金融危机和欧债危机对我国经济体构成了巨大冲击，其中，反映到股票市场上，就是上证指数从6000多点的牛市跌至1800多点的熊市，并且进一步影响到其它金融市场乃至实体经济。在此宏观背景下，深入分析实体经济和金融市场的溢出效应是非常必要的。溢出效应在本文中是指不同地域和不同类型的金融市场之间的相互影响以及股票市场与实体经济之间的因果关系。为了更好地分析股票市场与其它金融市场之间以及与实体经济之间的溢出效应，本文将结合相关历史数据提供有效的分析方法。具体方法是，以上证综指6000多点为界，分别选取美国金融危机和欧债危机爆发前的2005年9月至2007年9月的月度数据和美国金融危机和欧债危机爆发后的2008年9月至2010年9月的月度数据。选取上证指数为股票市场样本数据，是因为沪市在我国股票市场中的交易活跃度和市场规模均有显著的代表性。本文所指的金融市场不仅涉及股票市场，还包括信贷市场和货币市场。关于信贷市场的样本数据，本文选取国内存款机构所发放的委托贷款、信托贷款和其它贷款作为指标。本文货币市场的样本数据来源于广义货币M2的规模，这是因为流动性较差的M2能较好地反映社会总需求的波动以及通货膨胀的预期压力，作为货币供应量的统计指标是比较理想的。而实体经济的内涵比较丰富，本文仅仅选取消费物价指数、社会消费品零售总额、进出口总额、国家财政收入、宏观景气指数、工业增加值和固定资产投资总额等作为统计指标。
对溢出效应进行分析，是建立在实证研究的基础上。本文通过ADF检验对各类数据进行单位根检验以消除时间序列的非平稳性所造成的伪回归，从而有效地进行格兰杰因果检验以及建立向量自回归模型。在实证研究的过程中，股市牛市与熊市的变化节点是美国金融危机与欧债危机，样本数据的时间段分为两段，然后用格兰杰检验对前后两个时间段的股票市场、信贷市场、货币市场以及股票市场对实体经济的因果关系进行检验。最后，本文将建立相应的向量自回归模型（VAR），并对溢出效应强度的波动作出进一步分析，从而对实体经济的发展提出建议。
一、金融市场之间溢出效应的实证分析
(一)样本数据的来源和描述统计结果
本文的样本数据均来自于中国人民银行网站和国泰安金融研究数据库。根据前文所述，在样本数据的选取上，选取上证指数、国内信贷、广义货币M2作为股票市场、信贷市场、货币市场的衡量指标。为方便起见，分别记为sz、loan、m2，并对其取对数，以尽可能地降低这些时间序列的波动幅度。这样，时间序列相应地调整为LNsz、LNloan、LNm2，p值结果分别为0.2150＼0.1076HE 0.1037，因此LNsz、LNloan和LNm2都拒绝了原检测设，即都服从正态分布。然后从从该图可以直观地判断这三个时间序列是非平稳的。(二)平稳性的检验和建立
实证研究的前提必须消除时间序列的非平稳性所造成的伪回归。由于上证综合指数、信贷市场和广义货币M2的自然对数化时间序列是非平稳的，所以先予以消除。对此，本文采用的相应方法是在单位根检验的基础上进行差分平稳性检验。根据单位根的检验结果，由于存在单位根，LNsz、LNloan和LNm2为非平稳时间序列。为了消除非平稳的干扰，需要采用差分转化的方法。本文采用了一阶差分时间序列，即将LNsz、LNloan和LNm2分别转化为DLNsz、DLNloan和DLNm2，其走势图由于振幅是在0.02或者0.3以内，所以DLNsz、DLNloan和DLNm2均是平稳性的时间序列。
为了对时间序列的平稳性特征进行量化检验，本文再次采用ADF检验法。检验结构由于没有单位根，所以DLNsz、DLNloan和DLNm2是平稳性的时间序列。
(三)建立向量自回归模型（VAR）
向量自回归模型（VAR）用于反映变量之间的动态联系，其中的解释变量是滞后形式。VAR模型成立的先决条件是其稳定性。因此，对其稳定性进行检验是十分必要的。笔者采用EVIEWS软件对AR根进行分析，其结果是单位圆均囊括了所有根的倒数值，因此采用LNsz、LNloan和LNm2的时间序列以建立VAR模型具有稳定性。模型的稳定性解决之后，需要确定滞后阶数。滞后阶数的确定对VAR模型的有效性至关重要。笔者采用EVIEWS软件对滞后阶数进行分析，其结果为滞后阶数出现最多的是0阶上，其次是4阶上，但是由于VAR模型不能取滞后阶数0，所以只能取滞后阶数4。
(四)对因果关系进行Granger检验
确立滞后阶数为4的VAR模型之后，需要对模型变量中的因果关系进行Granger检验。检验结果显示，原检测设在5%的显著水平下不能被拒绝。但是，对阶数为一阶的因果关系进行Granger检验时，“DLNM22不是DLNSZ2的原因”的p值为0.0229，“DLNLOAN2不是DLNSZ2的原因”的p值为0.0236，这两个检测设被拒绝。换言之，滞后阶数为1时，信贷市场与货币市场均为股票市场的原因。为了进一步了解各市场的内部结构，以下将进行方差分解分析。源于：高中英语论文www.udooo.com