本站原创
摘要：文章首先计算了上证股指、债指和企指收益率的动态相关系数，并且通过编程绘制了三者动态相关曲线的结构断点图。通过图看到国债和企业债券指数收益率的动态相关系数存在结构突变点。通过这个结论能够通过调整企业债券和国债的投资比例，更好的规避风险。更有意义的是本文通过利用宏观经济变量作为工具变量对股市、国债、企债市场的动态相关系数做回归，显著性检验使得宏观经济变量的变化为资本市场收益率相关关系的变动提供了分析依据。
关键词：宏观经济； 股票；国债；企业债券；动态相关；结构断点
K.H.Liow et al.为了研究公开
在使用DCC系列模型估计动态相关系数之前，有专家提出判断恒定相关系数是否合意的方法，因为如果恒定的相关系数能良好的描述经济序列的情况，那可以不用动态相关系数。TSE于2000年在GARCH模型中引入了LM检验来验证，Jim Lee（2006）的文章就是采用的这种检验方法。首先对收益率数据进行常数相关性检验。
本文利用交叉相关系数公式计算动态相关系数，交叉相关系数（Cross Correlation）计算的是两个变量之间、其中一个变量与另一个变量的超前或滞后期之间的相关性，计算公式为：
ρi=■，i=0,±1,±2,…,±k（1）
其中，cov（Xt+i，Yt）是变量的协方差，σXt+i*σt是变量的标准差相乘，i≤0时表示当期的Y与超前i期的X的相关性，i≥ 0时表示当期的Y与滞后i期的X的相关性，从而得到有关的动态相关系数轨迹，他们的相关性在较长时间范围内比较稳定，当Y出现扩张性冲击后，x在当年就会出现较为明显的扩张性反应，这种反应较为灵敏。
交互相关系数（Cross Correlation）是研究两个变量之间、其中一个变量与另一个变量的超前或滞后期之间的相关性，计算公式为：
ρi=■，i=0,±1,±2,…,±k (2)
其中，cov（Xt+i，Yt）是变量的协方差，σXt+i*σt是变量的标准差相乘，i≤0时表示当期的Y与超前i期的X的相关性，i≥ 0时表示当期的Y与滞后i期的X的相关性，从而得到有关的动态相关系数轨迹，他们的相关性在较长时间范围内比较稳定，当Y出现扩张性冲击后，X在当年就会出现较为明显的扩张性反应，这种反应较为灵敏。
因为宏观经济变量数据日度的不可获得性，因此采用月度数据作分析，同时也可以跟资本市场数据的频度保持一致性。本文所使用的宏观经济数据和资本市场收益率都是来自国泰安经济研究数据库。
资本市场间的相关性更低，因此分散风险的能力也就更强。通过看回归系数，可以判断出经济周期对相关性的影响。
由图1可以看出，相关系数可以表示两列经济序列的周期性，从国债和企业债券的相关系数曲线图可以看出，系数大于零的顺周期和系数小于零的逆周期交替进行，大概一年半为一个周期。国债市场和股票市场的动态相关系数与企债市场和股票市场的动态相关系数曲线波动性十分相似，只是后者的幅度稍大。三条曲线的波动性在2006年一季度后都变大了，国债市场和企债市场的动态相关系数曲线与其他两条曲线的波动性在2006年后的趋势是相反的，波动幅度也较大。
影响股票市场和债券市场的因素很复杂，本文尝试从国家调控的角度和以往研究的基础出发，选择相关的经济因素做分析。我们分析后认为，影响股票市场和债券市场的共同因素可能为利率（LL）、货币供应量(HB)、汇率(HL)、宏观景气预警指数(JQ)、居民消费指数(JM)、房地产开发综合经济指数(FDC)等，故本文将其作为宏观经济变量引入模型。
因为宏观经济变量数据日度的不可获得性，及与资本市场数据的频度保持一致性的目的，采用月度数据作分析。本文所使用的宏观经济数据和资本市场收益率都是来自国泰安经济研究数据库。利率采用的是金融机构1年期的贷款利率，货币供应量使用的是M2准货币，汇率是对美元的加权平均汇率，宏观景气预警指数、居民消费指数和房地产开发综合经济指数采用的都是环比指数。
从表中可以看出，房地产开发综合指数和汇率相关性为0.5，和宏观景气预警指数的相关性为0.644，货币供应量和汇率高度负相关，相关系数为-0.93，居民消费指数和利率的关系为0.74，居民消费指数和宏观景气预警指数为0.46，宏观景气预警指数和房地产开发综合指数为0.644，相关性较高。
关键词：宏观经济； 股票；国债；企业债券；动态相关；结构断点
一、国债、企业与股票市场间的动态相关性
(一)动态相关性的度量方法
动态相关系数是针对一系列的白噪声随机变量而言的，rt～N（0，Ht）可用Den Haa提出的VAR估计方法，Ht是方差－协方差矩阵，Ht=DtRtDt，由此可以导出Rt=Dt-1HtDt-1，其中的Rt就是动态相关系数。K.H.Liow et al.为了研究公开
源于：论文提纲格式www.udooo.com
交易的房地产证券市场，就曾使用GARCH模型来估计房地产证券市场收益率的条件波动性，用MV-DCC模型估计动态条件相关性。并且估计条件相关性的数据即是条件波动性的数据。并考察了条件波动性是否具有时变特性。在使用DCC系列模型估计动态相关系数之前，有专家提出判断恒定相关系数是否合意的方法，因为如果恒定的相关系数能良好的描述经济序列的情况，那可以不用动态相关系数。TSE于2000年在GARCH模型中引入了LM检验来验证，Jim Lee（2006）的文章就是采用的这种检验方法。首先对收益率数据进行常数相关性检验。
本文利用交叉相关系数公式计算动态相关系数，交叉相关系数（Cross Correlation）计算的是两个变量之间、其中一个变量与另一个变量的超前或滞后期之间的相关性，计算公式为：
ρi=■，i=0,±1,±2,…,±k（1）
其中，cov（Xt+i，Yt）是变量的协方差，σXt+i*σt是变量的标准差相乘，i≤0时表示当期的Y与超前i期的X的相关性，i≥ 0时表示当期的Y与滞后i期的X的相关性，从而得到有关的动态相关系数轨迹，他们的相关性在较长时间范围内比较稳定，当Y出现扩张性冲击后，x在当年就会出现较为明显的扩张性反应，这种反应较为灵敏。
交互相关系数（Cross Correlation）是研究两个变量之间、其中一个变量与另一个变量的超前或滞后期之间的相关性，计算公式为：
ρi=■，i=0,±1,±2,…,±k (2)
其中，cov（Xt+i，Yt）是变量的协方差，σXt+i*σt是变量的标准差相乘，i≤0时表示当期的Y与超前i期的X的相关性，i≥ 0时表示当期的Y与滞后i期的X的相关性，从而得到有关的动态相关系数轨迹，他们的相关性在较长时间范围内比较稳定，当Y出现扩张性冲击后，X在当年就会出现较为明显的扩张性反应，这种反应较为灵敏。
(二)数据来源说明
本文选取2003年第三季度至2011年第一季度的相关指标数据进行分析，数据来自国泰君安数据库，其中股票指数选取上海证券交易所综合指数（简称为SZ）作为代表，它利用在沪市上市的全部股票包括A股和B股计算，具有较强的代表性。国债指数也选取在上交所上市的所有国债计算的上证国债指数（简称GZ）做代表，它于2003年1月2日起对外发布，可以反映国债市场综合变动情况。企债指数同样选取在上交所上市的所有企债计算的上证企债指数做代表，如此可以保持信息的完整性和一致性。因为国债指数和股指的编制起始日期较早，而企业债券的编制日期较晚从2003年6月9日开始，因此本文的数据从2003年7月始。因为宏观经济变量数据日度的不可获得性，因此采用月度数据作分析，同时也可以跟资本市场数据的频度保持一致性。本文所使用的宏观经济数据和资本市场收益率都是来自国泰安经济研究数据库。
(三)动态相关性实证结果
检验发现，在四个时间段，波动出现了异常，推测市场相关性出现了重大的结构性变化，引入结构断点检验。资本市场间的相关性更低，因此分散风险的能力也就更强。通过看回归系数，可以判断出经济周期对相关性的影响。
由图1可以看出，相关系数可以表示两列经济序列的周期性，从国债和企业债券的相关系数曲线图可以看出，系数大于零的顺周期和系数小于零的逆周期交替进行，大概一年半为一个周期。国债市场和股票市场的动态相关系数与企债市场和股票市场的动态相关系数曲线波动性十分相似，只是后者的幅度稍大。三条曲线的波动性在2006年一季度后都变大了，国债市场和企债市场的动态相关系数曲线与其他两条曲线的波动性在2006年后的趋势是相反的，波动幅度也较大。
二、影响资本市场间动态关系的宏观经济因素
（ 一）宏观经济变量选取及数据来源影响股票市场和债券市场的因素很复杂，本文尝试从国家调控的角度和以往研究的基础出发，选择相关的经济因素做分析。我们分析后认为，影响股票市场和债券市场的共同因素可能为利率（LL）、货币供应量(HB)、汇率(HL)、宏观景气预警指数(JQ)、居民消费指数(JM)、房地产开发综合经济指数(FDC)等，故本文将其作为宏观经济变量引入模型。
因为宏观经济变量数据日度的不可获得性，及与资本市场数据的频度保持一致性的目的，采用月度数据作分析。本文所使用的宏观经济数据和资本市场收益率都是来自国泰安经济研究数据库。利率采用的是金融机构1年期的贷款利率，货币供应量使用的是M2准货币，汇率是对美元的加权平均汇率，宏观景气预警指数、居民消费指数和房地产开发综合经济指数采用的都是环比指数。
从表中可以看出，房地产开发综合指数和汇率相关性为0.5，和宏观景气预警指数的相关性为0.644，货币供应量和汇率高度负相关，相关系数为-0.93，居民消费指数和利率的关系为0.74，居民消费指数和宏观景气预警指数为0.46，宏观景气预警指数和房地产开发综合指数为0.644，相关性较高。
源于：论文致谢怎么写www.udooo.com