彭小林

1 問題的提出

貨幣政策不僅對(duì)股票價(jià)格存在影響，而且對(duì)股票市場(chǎng)流動(dòng)性存在影響。有關(guān)貨幣政策對(duì)股票價(jià)格的影響國(guó)內(nèi)外學(xué)者已經(jīng)做了大量研究，而有關(guān)貨幣政策對(duì)股票市場(chǎng)流動(dòng)性的影響，國(guó)外學(xué)者近年才開始關(guān)注。Chordia、Ro11和Subrahmanyam[1]（2001）首先研究了宏觀因素對(duì)市場(chǎng)整體流動(dòng)性的影響，發(fā)現(xiàn)利率變化和經(jīng)濟(jì)波動(dòng)都會(huì)影響市場(chǎng)流動(dòng)性，如果經(jīng)濟(jì)下滑，那么市場(chǎng)流動(dòng)性也會(huì)降低。Chordia、Sarkar和Subrahmanyam[2]（2005）發(fā)現(xiàn)在危機(jī)時(shí)期，擴(kuò)張性貨幣政策能增強(qiáng)股票市場(chǎng)和債券市場(chǎng)流動(dòng)性。Brunnermeier和Pedersen[3]（2009)建立了把市場(chǎng)流動(dòng)性和投資者融資流動(dòng)性聯(lián)系起來的模型。他們認(rèn)為投資者提供市場(chǎng)流動(dòng)性的能力取決于他們的融資流動(dòng)性能力，同樣，投資者的融資行為也會(huì)受其市場(chǎng)流動(dòng)性影響。在一些情況下，融資政策寬松會(huì)導(dǎo)致市場(chǎng)流動(dòng)性過剩。他們的模型進(jìn)一步解釋了市場(chǎng)流動(dòng)性為什么會(huì)突然蒸發(fā)、不同市場(chǎng)流動(dòng)性之間的聯(lián)動(dòng)關(guān)系以及市場(chǎng)波動(dòng)對(duì)流動(dòng)性的影響。Goyenko和Ukhov（2009）[4]研究發(fā)現(xiàn)貨幣政策沖擊會(huì)影響股票市場(chǎng)和債券市場(chǎng)流動(dòng)性。由于債券市場(chǎng)對(duì)貨幣政策反應(yīng)更迅速，因此貨幣政策沖擊通常是先影響債券市場(chǎng)流動(dòng)性，然后通過債券市場(chǎng)流動(dòng)性再影響股票市場(chǎng)流動(dòng)性。Hameed、Kang和Viswanathan[5](2010)研究發(fā)現(xiàn)股票市場(chǎng)下跌導(dǎo)致的流動(dòng)性降低比上漲帶來的流動(dòng)性升高要大，特別是在社會(huì)融資緊張時(shí)期，這時(shí)很多金融中介機(jī)構(gòu)的抵押產(chǎn)品價(jià)值下降，面臨清盤，很難再向市場(chǎng)提供流動(dòng)性。

國(guó)內(nèi)專門研究貨幣政策對(duì)股票市場(chǎng)流動(dòng)性影響的文獻(xiàn)更少。許睿等[6]（2004）和孫云輝[7]（2005）最早對(duì)一些重大的政策和事件對(duì)整個(gè)市場(chǎng)流動(dòng)性的影響做了分析。他們的政策事件是指股票市場(chǎng)的相關(guān)政策法規(guī)，而不是專指貨幣政策。許睿使用統(tǒng)計(jì)回歸的方法，發(fā)現(xiàn)上海和深圳市場(chǎng)流動(dòng)性對(duì)政策事件有基本一致的反應(yīng)。孫云輝利用事件研究法發(fā)現(xiàn)2001～2004年間，政府政策對(duì)股市流動(dòng)性有顯著影響。當(dāng)利好政策出臺(tái)后，股市累積異常流動(dòng)性明顯上升，而當(dāng)利空政策出臺(tái)后，股市累積異常流動(dòng)性大幅度下降，同時(shí)也證明中國(guó)股市的流動(dòng)性具有非常大的波動(dòng)性。熊正德等[8]（2007）利用多變量EGARCH模型對(duì)中國(guó)利率與滬深股市間的收益率波動(dòng)溢出效應(yīng)進(jìn)行的實(shí)證研究表明,股票收益率對(duì)利率收益率有著顯著的短期動(dòng)態(tài)影響，利率與滬深股市間收益率存在著顯著的雙向波動(dòng)溢出。周曄[9]（2009）通過對(duì)自2005年以來流動(dòng)性變動(dòng)的闡述，指出流動(dòng)性變動(dòng)與股市巨幅波動(dòng)之間具有同步相關(guān)性。央行貨幣政策調(diào)控上的剛性有余、彈性不足導(dǎo)致流動(dòng)性的過度波動(dòng)給股市帶來負(fù)面沖擊?？梢园l(fā)現(xiàn)，國(guó)內(nèi)這些相關(guān)研究牽涉到貨幣政策，但大都沒有直接研究貨幣政策對(duì)股市流動(dòng)性的影響。因此，本文基于中國(guó)數(shù)據(jù)，直接實(shí)證研究貨幣政策變化對(duì)股票市場(chǎng)流動(dòng)性的影響。

2 變量選取與數(shù)據(jù)來源

我們用貨幣供應(yīng)量和利率反映央行貨幣政策的變化。貨幣供應(yīng)量我們使用M0、M1和M2的月度數(shù)據(jù)。利率我們使用市場(chǎng)化程度最高的銀行間同業(yè)拆借利率月度數(shù)據(jù)。數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫，樣本期為1998年1月至2011年7月。各貨幣政策變量說明如下：

M0指流通中的現(xiàn)金。根據(jù)貨幣需求理論，人們持有貨幣是因?yàn)樨泿诺慕灰酌浇楹蛢r(jià)值貯藏功能，這兩種功能與股票市場(chǎng)的風(fēng)險(xiǎn)投資功能關(guān)系不大，因此M0的變化與股票市場(chǎng)的關(guān)系并不密切。當(dāng)然，如果股市行情好，這些貨幣會(huì)短期流入股票市場(chǎng)，增加市場(chǎng)流動(dòng)性。

M1指M0加上企業(yè)等單位在銀行的活期存款。由于活期存款金額遠(yuǎn)大于M0，例如2011年7月，企業(yè)活期存款約是M0的6倍，因此M1的構(gòu)成主要是活期存款。企業(yè)為追求盈利最大化，可以直接用活期存款進(jìn)行股市投資。企業(yè)活期存款的增加既可以來源于企業(yè)盈利和企業(yè)定期存款轉(zhuǎn)化而來，也可以來源于企業(yè)股市資金流出。當(dāng)來源于前者時(shí)，它們流入股市，會(huì)增強(qiáng)股市流動(dòng)性，當(dāng)來源于后者時(shí)，由于分流了股市資金，會(huì)降低股市流動(dòng)性。M1最終對(duì)股市流動(dòng)性的影響方向取決于這兩種影響程度的大小。

M2指M1加上企業(yè)等單位在銀行的定期存款和居民儲(chǔ)蓄存款，代表貨幣供應(yīng)量的總規(guī)模。M2受央行貨幣政策影響大，可作為觀察和調(diào)控中長(zhǎng)期金融市場(chǎng)的目標(biāo)。當(dāng)央行貨幣政策寬松時(shí)，M2的增加會(huì)導(dǎo)致更多的資金中長(zhǎng)期流入股市，增強(qiáng)股市流動(dòng)性，反之反是。

利率R作為價(jià)格型貨幣政策工具，它的提高，對(duì)上市公司來說，增加了融資成本，從而降低了收益，對(duì)投資者來說，銀行儲(chǔ)蓄的利率提高了，投資股市的機(jī)會(huì)成本更大了。因此，提高利率一般會(huì)降低股市流動(dòng)性。

對(duì)于股票市場(chǎng)流動(dòng)性的衡量，Amihud[10]（2002）的非流動(dòng)性指標(biāo)被較多地使用。該非流動(dòng)性指標(biāo)ILLIQ的計(jì)算方法為ILLIQt= ||RtVt，分子為股票在時(shí)刻t的收益率，分母為t時(shí)刻成交金額。由于該非流動(dòng)性指標(biāo)易受股票流通市值影響，因此Andreas和Timotheos[11]（2008）建議用換手率代替成交額，得到ILLIQt= ||RtHt，分子仍為股票在時(shí)刻t的收益率，分母為股票t時(shí)刻的換手率。該非流動(dòng)性指標(biāo)沒有量綱，便于研究對(duì)比。股票流動(dòng)性越好，該非流動(dòng)性指標(biāo)值越低。由于研究需要的是上證A股的月度流動(dòng)性，我們首先計(jì)算每個(gè)交易日個(gè)股的流動(dòng)性，然后簡(jiǎn)單算術(shù)平均得到該交易日市場(chǎng)的流動(dòng)性，市場(chǎng)月度流動(dòng)性為當(dāng)月各交易日市場(chǎng)流動(dòng)性的算術(shù)平均值。股市非流動(dòng)性的計(jì)算數(shù)據(jù)來源于國(guó)泰安CSMAR系列研究數(shù)據(jù)庫，樣本期仍為1998年1月至2011年7月。

3 實(shí)證分析

3.1 基于脈沖響應(yīng)的貨幣政策對(duì)股市流動(dòng)性的沖擊效應(yīng)分析

我們首先對(duì)貨幣供應(yīng)量取對(duì)數(shù)得到LN（M0）、LN（M1）和LN（M2），以消除異方差。由于時(shí)間序列數(shù)據(jù)通常要求變量平穩(wěn)，以避免偽回歸。我們對(duì)變量ILLIQ、R、LN（M0）、LN（M1）和LN（M2）進(jìn)行單位根變量平穩(wěn)性檢驗(yàn)，結(jié)果見表1。

表1 變量ADF單位根檢驗(yàn)結(jié)果

可以看出，非流動(dòng)性指標(biāo)ILLIQ和利率R為平穩(wěn)序列，而各貨幣供應(yīng)量均為非平穩(wěn)序列，但其一階差分后均為平穩(wěn)序列。為研究貨幣政策變量對(duì)股市流動(dòng)性的沖擊效應(yīng)，我們進(jìn)行脈沖響應(yīng)分析。脈沖響應(yīng)從動(dòng)態(tài)角度顯示了非流動(dòng)性對(duì)各貨幣政策變量一個(gè)標(biāo)準(zhǔn)差沖擊的響應(yīng)。脈沖響應(yīng)結(jié)果如圖1～4所示，其描述性統(tǒng)計(jì)見表2。

圖1 非流動(dòng)性對(duì)M0的脈沖響應(yīng)

圖2 非流動(dòng)性對(duì)M1的脈沖響應(yīng)

圖3 非流動(dòng)性對(duì)M2的脈沖響應(yīng)

圖4 非流動(dòng)性對(duì)利率的脈沖響應(yīng)

表2 貨幣政策變量對(duì)股市流動(dòng)性沖擊的描述性統(tǒng)計(jì)

從圖1～4和表2可以看出，從對(duì)股市非流動(dòng)性的沖擊方向上，M0和M2為負(fù)向沖擊，說明M0和M2的增加導(dǎo)致更多資金流入股市，從而提高股市流動(dòng)性。M1為正向沖擊，說明M1的增加，更多來源于企業(yè)股市資金的流出，從而導(dǎo)致股市流動(dòng)性的下降。R為正向沖擊，顯示提高利率降低了股市流動(dòng)性。

從對(duì)股市非流動(dòng)性的沖擊力度看，M1最大，其在第2期的最大值為0.195494，顯示企業(yè)活期存款對(duì)股市流動(dòng)性有較大沖擊，特別是在當(dāng)前貨幣緊縮政策下，上市公司和中小企業(yè)流動(dòng)性不足，只有通過抽離股市資金或減持股份來緩解流動(dòng)性壓力，這更加劇了股市流動(dòng)性緊張。M0沖擊力度最小，其在第3期的最小值為-0.070706，顯示流通中的現(xiàn)金對(duì)股市影響小。

從對(duì)股市非流動(dòng)性的影響周期上，利率R最長(zhǎng)，達(dá)到27期，說明利率變化對(duì)股市流動(dòng)性具有長(zhǎng)期的影響。M0最短，為14期，再次顯示流通中的現(xiàn)金對(duì)股市流動(dòng)性不但沖擊力度小，而且作用時(shí)間短。

3.2 基于BEKK模型的貨幣政策與股市流動(dòng)性的波動(dòng)相關(guān)性分析

（1）BEKK模型介紹

BEKK模型是Engle和Kroner[12](1995)綜合Baba,Engle,Kraft和Kroner[13](1990)研究的基礎(chǔ)上，提出的以四人名字第一個(gè)字母命名的一類多變量GARCH模型。相對(duì)單變量GARCH模型，BEKK模型不但能顯示變量自身的波動(dòng)情況，而且能反映變量之間的相互波動(dòng)關(guān)系。二元BEKK（1，1）的設(shè)定形式為：

式（1）是向量形式表示的均值方程。方程中，rt是2×1維的收益率向量，Xt是1×(k+1)維的解釋變量向量，λ是2×(k+1)維系數(shù)矩陣。（2）式為條件方差方程，各參數(shù)表示如下：

A代表ARCH項(xiàng)的系數(shù)矩陣，B代表GARCH項(xiàng)的系數(shù)矩陣，Ht表示條件殘差在t時(shí)刻的方差協(xié)方差矩陣。由于矩陣A和B中參數(shù)較多，考慮它們的簡(jiǎn)化形式，當(dāng)矩陣A和B為對(duì)角矩陣時(shí)，此時(shí)得到對(duì)角BEKK模型。該模型優(yōu)點(diǎn)是既能保證Ht的正定性，同時(shí)具有較少的參數(shù)。我們將利用對(duì)角BEKK模型來分析貨幣政策變量與股市流動(dòng)性之間波動(dòng)的相關(guān)性。將（2）式展開可以得到對(duì)角BEKK模型條件方差-協(xié)方差矩陣各元素的方程形式：

其中，（3）式和（4）式是兩變量各自的條件方差方程，（5）式是兩變量之間的條件協(xié)方差方程。條件方差方程顯示了變量自身的波動(dòng)特征，ARCH系數(shù)反映前期外界沖擊對(duì)當(dāng)期波動(dòng)的影響程度，GARCH系數(shù)反映前期自身波動(dòng)對(duì)當(dāng)期波動(dòng)的影響程度，ARCH系數(shù)與GARCH系數(shù)之和顯示波動(dòng)的持續(xù)性，越接近1，表示波動(dòng)越持久。條件協(xié)方差方程反映變量之間波動(dòng)相關(guān)性的強(qiáng)弱，ARCH系數(shù)顯示前期外界沖擊對(duì)當(dāng)期協(xié)方差的影響程度，GARCH系數(shù)顯示前期協(xié)方差對(duì)當(dāng)期協(xié)方差的影響程度，ARCH系數(shù)與GARCH系數(shù)之和顯示兩者波動(dòng)相關(guān)性的持續(xù)性，越接近1，表示兩者波動(dòng)相關(guān)性越持久。我們主要分析式（5）來說明股市流動(dòng)性和各貨幣政策變量之間波動(dòng)相關(guān)性。

（2）BEKK模型實(shí)證結(jié)果

貨幣政策變量與股市非流動(dòng)性的描述性統(tǒng)計(jì)見表3?？梢钥闯?，各變量均為有偏分布，峰度大于3（正態(tài)分布等于3），呈現(xiàn)尖峰厚尾，JB值在1%顯著水平均拒絕正態(tài)分布假設(shè)，殘差平方Q統(tǒng)計(jì)量在5%顯著水平均拒絕不相關(guān)假設(shè)，這些說明變量具有ARCH效應(yīng)，可以用BEKK模型研究它們的波動(dòng)相關(guān)性。

表3 變量描述性統(tǒng)計(jì)

我們使用Eviews6.0軟件分別對(duì)股市非流動(dòng)性和各貨幣政策變量建立二元對(duì)角BEKK模型，采用BHHH算法，實(shí)證結(jié)果見表4，左側(cè)為模型參數(shù)估計(jì)，常數(shù)項(xiàng)省略，右側(cè)為條件方差與協(xié)方差方程。

表4左側(cè)顯示，除了M1的ARCH系數(shù)外，BEKK模型參數(shù)估計(jì)在5%檢驗(yàn)水平上都是顯著的，說明各變量的波動(dòng)存在一定的聚集效應(yīng)。

從ILLIQ與M0的條件協(xié)方差方程看，ARCH系數(shù)為0.4996897，GARCH系數(shù)為-0.0866524，說明兩者波動(dòng)的相關(guān)性主要受外界沖擊的短期影響，而受自身前期波動(dòng)相關(guān)性的影響較小。從M0的條件方差方程可以看出，M0的波動(dòng)主要受外界沖擊影響，這在一定程度上影響到它與ILLIQ的波動(dòng)相關(guān)性也主要受外界沖擊影響。

表4 中國(guó)貨幣政策變量與股市流動(dòng)性的波動(dòng)關(guān)系

從ILLIQ與M1的條件協(xié)方差方程看，ARCH系數(shù)為-0.0385332，GARCH系數(shù)為0.2803807，說明兩者波動(dòng)的相關(guān)性受外界沖擊影響小，而受自身前期影響強(qiáng)一些。這主要是因?yàn)镸1的ARCH系數(shù)不顯著，導(dǎo)致M1當(dāng)期的波動(dòng)主要受自身前期波動(dòng)影響，而受外界沖擊的影響小。

從ILLIQ與M2的條件協(xié)方差方程看，ARCH系數(shù)為0.1987788，GARCH系數(shù)為0.4495292，兩者波動(dòng)的相關(guān)性既受外界沖擊的短期影響，同時(shí)自身也具有較強(qiáng)的延續(xù)性。在貨幣供應(yīng)量M0、M1和M2的條件協(xié)方差方程中，M2的ARCH項(xiàng)系數(shù)和GARCH項(xiàng)系數(shù)之和為0.648308，M1為0.2418475，M0為0.4130373，M2最大且最接近于1，顯示M2作為貨幣供應(yīng)量總規(guī)模和中長(zhǎng)期貨幣政策調(diào)控目標(biāo)，其和股市流動(dòng)性之間的波動(dòng)相關(guān)性具有較長(zhǎng)的持續(xù)性。

從ILLIQ與R的條件協(xié)方差方程看，ARCH系數(shù)為0.7623271，GARCH系數(shù)為0.1776079，說明兩者波動(dòng)相關(guān)性既受外界沖擊影響，又受到自身前期的影響，但外界沖擊影響更強(qiáng)些。利率R的ARCH系數(shù)和GARCH系數(shù)之和為0.939935，大于M2的0.648308，非常接近1，并且其常數(shù)項(xiàng)也遠(yuǎn)大于M2的常數(shù)項(xiàng)，顯示利率和股市流動(dòng)性之間的波動(dòng)相關(guān)性比M2更持久，這也說明利率政策變化相對(duì)于貨幣供應(yīng)量的變化對(duì)股市流動(dòng)性波動(dòng)的影響更持久。

4 結(jié)論

通過對(duì)貨幣政策變量與股市流動(dòng)性的實(shí)證研究，本文得出以下結(jié)論：

（1）基于脈沖響應(yīng)的沖擊效應(yīng)分析顯示：從沖擊方向上，M0和M2對(duì)股市非流動(dòng)性具有負(fù)向沖擊，M1和利率R對(duì)非流動(dòng)性具有正向沖擊；從沖擊力度上，M1最大，M0最??；從沖擊作用的周期上，利率R最長(zhǎng)，M0最短。

（2）基于BEKK模型的波動(dòng)相關(guān)性分析顯示：M0與ILLIQ波動(dòng)的相關(guān)性主要受外界沖擊的影響，而受自身前期影響??；M1與ILLIQ波動(dòng)的相關(guān)性受外界沖擊影響小，而受自身前期影響強(qiáng)一些；M2與ILLIQ波動(dòng)的相關(guān)性既受外界沖擊的短期影響，同時(shí)也受到自身前期影響；利率R與ILLIQ波動(dòng)相關(guān)性既受外界沖擊影響，又受到自身前期的影響，但外界沖擊影響更大些。

（3）不同貨幣政策變量與股市流動(dòng)性之間波動(dòng)相關(guān)性的持續(xù)能力上，利率R持續(xù)性最強(qiáng)，其次為M2，顯示利率變化相對(duì)于貨幣供應(yīng)量的變化對(duì)股市流動(dòng)性波動(dòng)的影響更持久。

[1]Chordia，T.，Ro11，R.，Subrahmanyam，A.Market Liquidity and Trad?ing Activity[J].The Journa1 of Finance，2001，(56).

[2]Chordia，T.，Sarkar，A.，Subrahmanyam，A.An Empirical Analysis of Stock and Bond Market Liquidity[J].The Review of Financia1 Studies，2005，(18).

[3]Brunnermeier,M.,Pedersen,L.Market Liquidity and Funding Liquidity[J].Reviewof Financial Studies,2009,（22）.

[4]Goyenko，R.Y.，Ukhov，A.D.Stock and Bond Market Liquidity：A Long-Run Empirical Analysis[J].Journal of Financia1 and Quantita?tive Analysis，2O09，(44).

[5]Hameed，A.,Kang,Wenjin.,S.Viswanathan.Stock Market Decline and Liquidity[J].The Journal of Finance,2010,(2).

[6]許睿，馮蕓，吳沖鋒.影響中國(guó)A股市場(chǎng)流動(dòng)性的政策和因素[J].上海交通大學(xué)學(xué)報(bào),2004,(3).

[7]孫云輝.政策性因素對(duì)我國(guó)股市流動(dòng)性影響分析[J].現(xiàn)代管理科學(xué)，2005，（8）.

[8]雄正德，謝敏.中國(guó)利率與股市間波動(dòng)溢出效應(yīng)的實(shí)證研究[J].財(cái)經(jīng)理論與實(shí)踐,2007,(1).

[9]周曄.流動(dòng)性變動(dòng)與股市波動(dòng)[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài),2009,(11).

[10]Amihud,Y.Illiquidity and Stock Returns:Cross-Section and Time-Series Effects[J].Journal of Financial Markets,2002,(5).

[11]Andreas Andrikopoulos，Timotheos Angelidis.Idiosyncratic Risk,Returnsand Liquidity in the London Stock Exchange:a Spillover Ap?proach[C].Workingpaper,2008.

[12]Engle R,Kroner F K,Multivariate Simultaneous Generalized ARCH[J].Econometric Theory,1995,（11）.

[13]BaBa Y,Engle R F,Kraft D F,Kroner K F.Multivariate Simultane?ous Generalized ARCH[R].Department of Economics,University of California,San Diego,1990.