翟永會

摘要：鑒于證券行業(yè)的特殊性，證券公司的效率始終游離于經濟增長和金融發(fā)展關系的研究之外，文章考察了宏觀經濟增長對證券公司微觀效率的影響和作用，在吸收和借鑒國內外已有理論并結合中國實際情況的基礎上，建立了經濟增長對證券公司效率影響的理論分析框架，并實證獲得了經濟增長不利于金融發(fā)展和證券業(yè)效率提升的證據，認為財政分權、政治集權的體制及經濟增長方式的粗放性是背后的深層次原因，改革不盡合理的財政收入分配制度和地方官員考核晉升制度、適度調低經濟增長目標、實現經濟增長方式從粗放型向集約型轉變有利于證券公司效率的提升。

關鍵詞：經濟增長；公司效率；Grange因果關系檢驗；脈沖響應函數

中圖分類號：F224； F832.51

Abstract： Given the special nature of the securities industry， the securities company's efficiency has always been separated from the research of relationship of economic growth and financial development. This paper examines the efficiency and role of macroeconomic growth for securities company's micro-efficiency. Theoretical framework for economic growth affect the efficiency of the securities firm has been established by absorbing and learning the existing theories based on the actual situation in China. The evidence of economic growth is not conducive to financial development and securities company's efficiency has been obtained. The fiscal decentralization， institutional and political centralization and extensive mode of economic growth are the deep-seated reasons. The efficiency of securities companies can enhance by reforming unreasonable fiscal income distribution system and local officials assessment promotion system， Modesting reduction in the economic growth target， and achieving economic growth mode from extensive to intensive.

Key words： Economic Growth； Companies Efficiency； Grange Causality Test； Impulse Response Function

一、引言

經濟增長和金融發(fā)展的關系是目前全球范圍內備受關注和挑戰(zhàn)的前沿課題之一，關于此論題目前尚未有明確結論，而證券公司作為重要的金融機構，關于其微觀效率與經濟增長關系的研究更是鮮有涉及。證券公司效率作為微觀金融效率的一個重要分支，其與經濟增長之間的關系是金融經濟關系研究中不可忽視的因素。要研究這一論題，必須從金融全面發(fā)展的視角出發(fā)，不僅要研究經濟增長對證券公司效率的影響，更要研究對與之密切相關的金融組織規(guī)模和效率的影響和作用，建立經濟增長對證券公司效率影響的分析框架，吸收和借鑒國內外已有理論，并結合中國的實際情況，進行針對性分析。

現有文獻中，幾乎沒有對證券公司效率與經濟增長關系的直接研究，僅涉及金融效率和經濟增長的關系，而且多把金融效率看作金融發(fā)展的一個側面，從金融發(fā)展和經濟增長關系的角度，來認識金融效率和經濟發(fā)展的關系。關于金融發(fā)展與經濟增長關系的認識，已有的理論大致可以分為三類：正相關論、負相關論和不相關論。根據對正相關關系的不同解釋，正相關論又可以進一步細分為正向因果論、反向因果論、雙向因果論和無因果論（統(tǒng)計現象論）。

正向因果論的論述，最早可以追溯到Schumpeter（1911）[1]。此外，Gurley & Shaw（1955）[2]、Goldsmith（1969）[3]和Hicks（1969）[4]均持有類似的觀點，他們認為發(fā)達的金融系統(tǒng)可以把金融資源引導到生產率最高的用途上，這被形象的稱為“供給領先”觀點。關于反向因果論的論述，是由 Robinson（1952）[5]聲稱經濟增長引致了對于金融服務需求，金融系統(tǒng)作為反應提供了這些服務，金融發(fā)展只是完全被動地適應經濟增長的要求。反向因果論被歸納為“需求追隨”。雙向因果論則認為正向和反向因果關系均存在。內生金融發(fā)展和增長模型證明了兩者之間互利的交互作用，這實際上說明因果關系可能是雙向的。無因果論（統(tǒng)計現象論）認為經濟增長和金融發(fā)展這種正相關關系僅僅是一種統(tǒng)計現象，并不意味著兩者之間存在因果關系，兩者之間的正相關關系，可能是由于兩者均受某種共同因素的同方向影響造成。

與正相關論不同，負相關論的研究，則大都側重于金融發(fā)展對于經濟增長的負面影響研究。Jappelli & Pagano（1994）[6]年發(fā)表的著名文章，為主張金融部門發(fā)展和經濟增長之間存在負相關關系的理論提供了依據。此外，Gregorio & Guidotti（1995）[7]也認為金融中介和經濟增長之間的負相關關系，在不受管制的金融自由化和政府可能會采取救援行動預期的作用下，會發(fā)生逆轉。在20世紀80年代，以Wijnbergen（1982，1983）[8][9]、Taylor（1983）[10]和Buffie（1984）[11]為首的新結構主義者提出的發(fā)展中經濟體模型中，假定在發(fā)展中國家中可能存在一個競爭而又有效的場外市場或非機構信貸市場，在這種情況下，正規(guī)金融的發(fā)展，可能造成對場外交易的替代，從而不利于長期經濟增長。同時，以股票市場為代表的直接融資體系同樣有可能對經濟增長產生不良影響。Kindleberger（1978）[12]指出，在過度杠桿放大情形下，預期不穩(wěn)定性和資產投機可能對經濟產生嚴重負面影響。非理性投資催生資產價格泡沫，泡沫將會破滅，由于銀行系統(tǒng)的脆弱性，并引發(fā)經濟危機。這個觀點得到Singh（1997）[13]的進一步支持。

不相關論，是基于新古典增長理論的研究，其表明金融發(fā)展對經濟增長的影響只有水平效應，沒有增長效應。這樣在長期內，金融發(fā)展和經濟增長率就是不相關的。此外，根據Modigliani & Miller（1958）[14]的論證，在信息完備、任何經濟活動都不存在交易成本的情形下，實際經濟決策獨立于金融結構。

上述文獻均屬于理論假說研究，而大多數實證檢驗出現在20世紀90年代以后，以King & Levine（1993b）[15]開創(chuàng)性工作為先導。根據實證研究采用的數據和方法不同，已有的實證大致可以分為橫截面數據研究、時間序列研究和面板數據研究三種類型，由于不同經濟體具有不同制度和結構特性，實證結果呈現很大差異： （一）基于截面數據的研究只是對于兩者之間相關關系的檢驗， 根據對James（2008）[16]的總結中所涉及13項截面數據研究的統(tǒng)計，在13項研究中，有12項研究均支持正相關觀點。（二）根據James（2008）中所涉及時間序列研究的統(tǒng)計，1984-2007年間共計有18項相關研究，其中有7項研究支持正向因果論，有6項研究提供了混合的證據，即在部分樣本中發(fā)現了支持正向因果論的證據，在另一部分樣本上發(fā)現了支持反向因果論的證據。（三）無論是采用截面數據還是時間序列數據的研究，樣本容量太小引起的自由度問題會降低研究結論的可靠性，近年，有研究者試圖用面板數據來擴充樣本容量，根據James（2008）的總結，1995-2005年間的17項面板數據研究中，有10項明確無誤的支持正向因果論。

目前國內部分學者也借鑒國外相關的研究思路與指標，運用計量經濟手段對中國金融發(fā)展與經濟增長關系進行了研究：根據本文的不完全統(tǒng)計，在25篇相關研究文獻中，其中6篇進行了相關性分析，另外的文獻集中于因果關系檢驗：（一）在6篇相關性分析文獻中，除華曉龍等（2004）[17]的研究得出不相關結論外，其余研究均支持正相關結論。并且除華曉龍等（2004）的研究采用了截面數據外，其余5項研究均采用了時間序列數據，但上述6篇文獻均在沒有檢驗序列平穩(wěn)性的條件下進行了回歸分析，存在偽回歸的可能，在研究方法上存在一定不足。因此，盡管其中部分文獻聲稱發(fā)現了因果關系的證據，但嚴格來說其研究只能表明存在相關性。（二）在因果關系檢驗中，大部分研究都以Grange因果關系檢驗作為主要研究工具。根據我們的不完全統(tǒng)計，在18篇相關研究中，有8篇文獻支持正向因果論，有6篇文獻則證實了負向因果論，有4項研究則支持雙向因果論，沒有研究支持無因果論。其中周好文和鐘永紅（2004）[18]以及張珂等（2009）[19]的研究注意到了經濟金融關系在不同地區(qū)表現形式的差異性。從數量上分析，存在因果關系的結論得到了絕大多數實證支持，但關于因果關系的方向，現有研究卻不能達成一致。

綜上可知，實證研究并不能給理論爭論提供唯一正確答案。此外，已有實證研究，在數據選取或研究方法上還存在一些缺陷或不足：首先，由于缺乏發(fā)展中國家的足夠時間序列數據，實證研究一直以多個國家的截面數據為主，以截面數據的單方程回歸分析，來作為判斷因果關系的依據，缺乏可靠的統(tǒng)計基礎 ；其次，數據積累少，研究樣本容量小，影響了結論的可靠性和穩(wěn)定性，這一問題在針對中國的相關研究中更加突出 ；最后，個別研究在研究方法和工具使用上處理不夠嚴謹，部分研究在進行格蘭杰因果關系檢驗前沒有進行協(xié)整檢驗，在研究方法和程序上存在缺陷 ，此外，根據Granger（1988）[20]的研究，即使在兩非平穩(wěn)變量之間存在協(xié)整關系，水平形式Granger因果檢驗此時也存在設定偏誤，應使用誤差修正模型（error correction model，ECM）形式的檢驗，但除王志強和孫綱（2003）[21]以及周好文和鐘永紅（2004）的研究外，其余的文獻均采用了水平形式Granger因果檢驗。

既有研究表明，經濟增長和金融發(fā)展關系的研究目前仍尚無定論，而作為微觀金融效率的一個重要分支，證券公司效率是金融經濟關系研究中不可忽視的因素，但目前證券公司（或投資銀行）的效率始終游離于經濟增長和金融發(fā)展關系的研究之外，本文試圖在這方面做有益的嘗試，創(chuàng)新之處在于：（一）以往基于新古典經濟增長理論的研究范式對企業(yè)效率和經濟增長的研究，多是強調企業(yè)效率或生產率（主要是制造業(yè)）對宏觀經濟增長的影響和貢獻，本文的研究考察了宏觀經濟增長對證券公司微觀效率的影響和作用，在吸收和借鑒國內外已有理論并結合中國實際情況的基礎上，建立了經濟增長對證券公司效率影響的理論分析框架，基于這一框架進行的理論分析表明，經濟增長率提高會對證券公司效率造成負面影響；（二）鑒于以往實證研究之不足，本文采用月度數據擴充數據量，并在Grange因果關系檢驗基礎上利用VECM模型進行實證檢驗，得到支持理論假說成立的結論。

二、經濟增長與證券公司效率：一個理論分析框架

本文認為中國經濟增長和證券公司效率的關系更多的是呈現負相關特征，并且在中國造成這種負相關關系的原因可能是反向的，即存在經濟增長對證券公司效率和金融發(fā)展的負面影響，具體的分析思路見圖1：

財政分權是中國轉型經濟中最重要體制設計之一，中國的財政分權改革是在垂直的政治管理體制內進行的，因而同時具備經濟上分權和政治上集權的雙重特征。為防范經濟分權后地方政府的“機會主義行為傾向” ，經濟增長指標成為中央政府衡量地方政府績效的核心指標，并將地方政府官員的政治升遷和經濟增長指標掛鉤。這樣的財政收入分配體制和政治激勵機制就形成了地方政府和地方政府官員追逐經濟增長的強烈沖動 ，中國地方政府之間關系最終表現為“為GDP增長而競爭”。

另一方面，地方政府主導的地區(qū)間GDP增長競爭不可避免地加劇了以低價格要素大量投入為基本特點的經濟增長方式，在這樣的背景下，增加資本和勞動等要素投入而不是提高全要素生產率成為首要選擇。地方政府的增長沖動就轉化為投資沖動。相對不足的地方財力，相對于提高經濟增長率和增加投資的沖動顯得捉襟見肘。由于金融資金與政府支出和投資的高度互補性，地方政府對金融運行和金融資源配置的干預成為必然選項。

迄今為止，國內研究只注意到了地方政府干預對信貸資源配置效率的影響。這種干預在最初體現為對國有商業(yè)銀行信貸資源配置的干預，這導致國有銀行體系產生大量呆壞賬和不良資產。其實，地方政府干預金融資源配置還有另外一條途徑，那就是對證券市場運行進行直接和間接干預。地方政府對證券市場干預的最直接表現是不遺余力扶持當地企業(yè)上市，除此之外，地方政府對證券市場的干預更多的是通過對中央政府和監(jiān)管當局的游說，通過中央政府和監(jiān)管當局的行動來實現。

根據我們建立的分析框架，在財政分權和政治集權的體制下，政府具有追求高增長的強烈沖動，這種沖動造成了地方政府以及在地方政府游說和壓力下中央政府和監(jiān)管當局對金融運行的干預，這種干預對證券公司效率形成了一種負向沖擊（見圖2）。并且地方政府追求經濟增長的動機越強，設定的增長目標越高，這種負向沖擊就會越大。這樣一個分析框架為經濟增長對證券公司效率和金融發(fā)展的負面影響提供了一種解釋。為檢驗這一框架在中國是否成立，我們進行了實證檢驗。

三、 經濟增長與證券公司效率關系的實證檢驗

為了擴充樣本容量，本節(jié)采用了月度數據，用工業(yè)增加值月增長率來度量經濟增長（工業(yè)增加值數據來源為Wind資訊金融數據庫）。證券公司效率由于缺少相應的月度數據無法直接通過計算獲得，本文利用交易所中每個交易席位所完成的平均交易額來表示證券公司的效率。對股票市場交易額和上證綜合指數進行Spearman檢驗的結果表明，兩者間的相關系數為0.886，而且這種相關關系在1%的水平下顯著。因此，每個席位股票市場的交易額除受證券公司效率影響外，還要受股票市場行情起伏的影響。為比較準確的衡量證券業(yè)效率，在計算每個席位的平均交易額前，應剔除股市行情變動的干擾。為此，我們用股票市場的交易額除以上證綜合指數得到以1990年12月19日的不變價格度量的實際交易額，用實際交易額比交易席位數，得到每個席位的平均交易額?？紤]到證券公司一般在深圳和上海同時開戶并設有席位，席位總數采用深圳證券交易所的席位總數，數據來源為《深圳證券交易所市場統(tǒng)計年鑒》。每個席位月平均交易額序列和工業(yè)增加值增長率序列分解記為F和G。樣本數據的時間區(qū)間為2002年1月至2014年9月。本節(jié)借助VAR模型和Grange因果關系檢驗來判定我國經濟增長和證券公司效率之間的因果關系。建立VAR模型的前提是待檢驗的序列必須是平穩(wěn)序列或同階單整且存在協(xié)整關系。因此，我們首先需要進行ADF檢驗，來判斷相關序列的平穩(wěn)性。

（一）序列平穩(wěn)性的ADF檢驗

與方程（2）相比，方程（3）中增加了截距項，而方程（4）中增加了截距項和時間趨勢項。

利用ADF檢驗來判斷序列平穩(wěn)性，事先必須解決兩個問題：首先，是檢驗形式的選擇問題。檢驗形式的選擇，我們采取觀察序列的方法，若變量序列的數據呈現出無規(guī)則上升和下降，并重復這一狀況，說明數據主要由隨機趨勢所支配，因而我們選擇方程（2）作為估計模型；若數據呈現隨時間逐漸上升或下降的趨勢并且這種趨勢不太陡峭，則說明數據主要由隨機趨勢和固定趨勢聯(lián)合支配，我們選擇方程（3）作為估計模型；若數據呈現隨時間迅速上升或下降的趨勢，則說明數據主要由時間趨勢所支配，我們可以選擇方程（4）作為估計模型 。其次是滯后階數p的確定。在上述三個檢驗模型中加入滯后差分項的目的，是為了防止殘差項可能存在的自相關，但過多滯后項又會引起不必要的信息損失。滯后階數p的確定，我們依據的原則是，根據序列的長度給出一個上限，然后由EViews軟件基于最小信息準則（AIC）來確定實際滯后階數。

由數據可以看出，F呈明顯的上升趨勢，并且這種趨勢不太陡峭，我們對其采用方程（3）的檢驗形式；G呈無規(guī)則升降，我們對其采用方程（2）的檢驗形式。設定滯后階數的上限為30，EVIEW軟件依據AIC準則自動確定的滯后階數分別16、12，檢驗結果見表1：

檢驗結果表明，兩個序列的ADF統(tǒng)計量均大于10%的顯著性水平下對應的臨界值，存在單位根的原假設不能被拒絕，因而證券公司效率序列和工業(yè)增加值增速序列均為非平穩(wěn)序列。為了判斷兩序列是否為同階單整序列，我們繼續(xù)對其一階差分序列進行檢驗。分別用DF、DG表示其一階差分。EViews軟件依據AIC準則，對兩個差分序列自動確定的滯后階數分別0、11。檢驗結果見表1。兩個差分序列的ADF統(tǒng)計量均小于1%顯著性水平下的臨界值，這說明我們均可以以99%的置信度拒絕存在單位根的原假設。從而DF、DG均為平穩(wěn)序列。這樣序列F和序列G均為I（1），滿足協(xié)整檢驗的前提。下面繼續(xù)檢驗是兩者之間是否存在協(xié)整關系。

（二）協(xié)整關系檢驗

協(xié)整的經濟意義在于兩個或多個變量雖然它們有各自的長期波動規(guī)律，但是如果它們是協(xié)整的，那它們之間就存在著一個長期穩(wěn)定的比例關系即這些變量之間不能互相分離太遠。序列F與G之間的協(xié)整關系檢驗采用Johansen檢驗。協(xié)整檢驗同樣要面臨兩個事先的選擇：

一個是滯后階數的選擇。一般而言，滯后階數可以通過似然比統(tǒng)計量、AIC準則、SC準則來確定。

二是需要確定檢驗形式。Johansen協(xié)整檢驗包含五種可能的形式：

1.序列沒有確定趨勢，協(xié)整方程沒有截距。

2.序列沒有確定趨勢，協(xié)整方程有截距。

3.序列有線性趨勢，協(xié)整方程僅有截協(xié)整距。

4.序列和協(xié)整方程都有線性趨勢。

5.序列有二次趨勢且協(xié)整方程有線性趨勢。

F序列具有明顯的非隨機趨勢，因此我們選擇選項4。依據AIC準則，所選擇的最大滯后階數分別為18，檢驗結果見表2：

檢驗結果表明，無論是采用跡統(tǒng)計量方法，還是采用最大特征值統(tǒng)計量方法，在5%的顯著性水平下，不存在協(xié)整關系的原假設總是可以被拒絕，因此，在F和G間存在協(xié)整關系。這樣的結果，意味著具備了利用VAR模型進行Granger因果關系檢驗的前提條件。

（三） Granger因果關系檢驗

根據Granger（1988）的研究結論 ，兩變量之間存在協(xié)整關系，那么也一定存在Granger因果關系。因此，檢驗的重點不在于是否存在因果關系，而在于因果關系的方向。但此時，傳統(tǒng)的Granger因果檢驗存在設定偏誤，應使用誤差修正模型（error correction model，ECM）形式的檢驗。為此，我們以F和G為基礎建立如下向量誤差修正模型（vector error correction model，VECM），來進行因果關系檢驗：

在方程（5）中，待檢驗的原假設為 ，如果原假設不能被拒絕，則意味著DG的滯后項對F取值沒有影響，同時表示F和G之間長期均衡關系的誤差修正項 對F取值也沒有影響，即G不是F的格蘭杰原因。同樣，在方程（6）中，原假設 不能被拒絕則表明，F不是G的格蘭杰原因。

Gujarat（1995）[22]指出，Granger 因果檢驗的結論對滯后階數高度敏感，因此在實際使用過程中必須格外小心。因此，利用VECM進行的格蘭杰因果關系檢驗，滯后階數的選擇十分關鍵，選擇不同的滯后階數有可能獲得不同的檢驗結論。VECM滯后階數的選擇我們利用其對應的水平狀態(tài)的VAR模型（7）來確定。

VAR模型滯后階數的判定，通過如下兩個步驟：首先確定一個最大滯后階數； 其次，利用滯后長度標準選擇最為合適的實際滯后階數。

根據張成思（2008）[23]推薦的標準，月度數據可以考慮的滯后階數是12、18或24。我們總共有93個樣本點，在雙內生變量VAR模型容許的最大滯后階數為30。Granger因果檢驗的結論對滯后階數很敏感，因此一個可靠的做法是從一個盡可能大的滯后階數開始。綜合數據自身特征和Granger因果檢驗的要求兩方面因素，我們設定最大滯后階數為24。表3給出了VAR模型在最大滯后階數為24時的滯后階數長度選取標準。盡管在5種選擇標準未能作出完全一致的選擇，在5%的水平下，其中似然比檢驗（LR）、最終預測誤差（FPE）和HQ信息準則給出的最優(yōu)滯后階數均為12，因此我們設定模型3-6的最佳滯后階數應該為12。由于VECM的滯后階數是針對一階差分項而言，因此其滯后階數會比對應的水平形式VAR模型低1。綜上，我們設定VECM的滯后階數為11：

表4中的結果表明，在方程3-4中， 的假設在5%的常用顯著性水平下可以被拒絕。在方程（6）中， 的假設則不能被拒絕。對于VECM模型，現有計量工具中的Grange因果檢驗選項僅檢驗一階差分滯后項的系數是否聯(lián)合為0，不檢驗誤差修正項的系數是否為0，因而不能單獨依此直接作為判斷因果關系的依據，需要綜合考慮對誤差修正項系數的檢驗結果：

誤差修正項的估計值的t-統(tǒng)計量服從自由度為59（等于樣本數92減去待估參數23）的T分布，在5%的顯著性水平下，對應臨界值為2.000。表5中誤差修正項系數的估計結果表明，因此，方程3-4中 的t統(tǒng)計量絕對值大于對應的臨界值， 的假設可以被拒絕。方程3-5中對應t統(tǒng)計量絕對值小于對應的臨界值， 的假設不能被拒絕。而且誤差修正項系數絕對值大于1，這意味著這一方程不會收斂于長期均衡狀態(tài)。

綜合來看， 不成立，這意味G是F的格蘭杰原因，并且這種因果關系不僅在短期，而且在長期均是存在的。 則不能被拒絕，這表明F不是G的格蘭杰原因。同時也表明了證券公司效率對經濟增長的影響不僅在長期而且在短期是可以被忽略的。

格蘭杰因果關系檢驗的結果只表明了存在從經濟增長到證券公司效率的因果關系，但經濟增長對證券公司效率的作用是正向的還是負向的，上述檢驗并不能給出直觀而又有效的回答。對于兩者之間長期的因果關系，可以通過方程3-4中誤差修正項的系數（估計結果見表6）來判定：

從方程（8）來看，經濟增長對證券公司效率的長期影響顯然是負向的。至于經濟增長對證券公司效率的短期影響，則需要借助脈沖響應函數（Impulse Response Function）進一步分析。

（四）基于脈沖響應函數的進一步分析

脈沖響應函數是用來衡量隨機擾動項的一個標準差沖擊對其它變量當前和未來取值的影響軌跡，它能夠比較直觀地刻畫出變量之間的動態(tài)交互作用及效應。利用VAR模型進行脈沖響應函數分析的前提是，VAR模型必須是平穩(wěn)的。為此，在保證模型平穩(wěn)性的條件下，我們選擇一個盡可能大的滯后階數24開始試驗，依次降低滯后階數。結果發(fā)現滯后14階以上的VAR模型無法滿足穩(wěn)定性要求，從滯后14階開始，VAR模型可以滿足穩(wěn)定性要求。表7給出了對滯后14階模型3-6的進行平穩(wěn)性檢驗的AR根：

滯后14階、含有2個內生變量的VAR模型3-6共有28個根（12乘以2），從表中可以看出，VAR模型的所有根模的倒數均小于1，即均位于單位圓內，因而該模型是平穩(wěn)的。

另外，由于脈沖響應函數對沖擊的順序非常敏感，根據Sims（1980）[24]提出的排序，應該先是不易受影響的變量（如弱外生變量），后是與之相關的內生變量，最后是其它內生變量。工業(yè)增加值序列與證券公司效率序列比較，后者對外界沖擊的反應更加敏感。因此我們設定的沖擊順序為G、F。

我們設定追溯期數為60（即5年），用殘差協(xié)方差矩陣的Cholesky因子的逆來正交化脈沖，在估計殘差協(xié)方差矩陣利用Cholesky因子分解時進行了小樣本自由度修正，獲得了對G施加一個標準新息（Innovation）沖擊，引起的F的脈沖響應函數及累計脈沖響應函數曲線（見圖3）。從圖中可以看出，給G施加一個標準新息沖擊對F以后各期取值的影響，隨著追溯期數的增加，呈現以負值為主、不斷衰減、最后收斂于0的趨勢。但從累計脈沖響應函數的估計值分析，無論在短期還是在長期，全部為負值。這說明，經濟增長率提高對證券公司效率的的總體影響無論在短期內還是長期都是負向的。

檢驗結果表明，存在從經濟增長到證券公司效率的Grange因果關系，而且這種因果關系無論在長期或短期均存在，并且經濟增長率提高對證券公司效率的累計影響無論在短期還是在長期均是負向的。這樣的結果與我們提出的經濟增長會對證券公司效率造成負面影響的分析框架相一致。

理論推演及實證檢驗的結果均表明經濟增長率的提高不利于證券公司效率的提升，這意味著在經濟增長和證券公司效率之間存在潛在矛盾，在這種情況下，究竟該如何權衡取舍，這需要考慮是否有利于金融全面發(fā)展和金融資源的有效配置。

四、結論

本文從金融全面發(fā)展的視角出發(fā)，首先提出了一個關于證券公司效率和經濟增長關系的理論分析框架：經濟增長對證券公司效率會造成負面影響。提出這樣的論斷是基于兩個方面的原因，一是財政分權、政治集權的特殊體制，二是不合理的經濟增長方式。緊接著利用Grange因果關系檢驗和脈沖響應函數進行的實證表明，這一分析框架是成立的，這意味著在經濟增長和證券公司效率之間存在潛在矛盾。在這種情況下，究竟該如何權衡取舍，需要考慮是否有利于金融全面發(fā)展和金融資源的有效配置。證券公司效率提高對于資本市場發(fā)展以及金融的全面發(fā)展具有重要意義。因此，有必要為證券公司效率提升和金融全面發(fā)展創(chuàng)造條件，具體而言：（一）從源頭上需要改革不盡合理的財政收入分配制度和地方官員政績考核晉升機制， 改變地方政府在現有的財政體制下過度追求地方經濟利益最大化、片面追逐經濟增長的行為，轉變中國地方政府之間 “為GDP增長而競爭”的狀態(tài)，不以經濟增長率作為衡量地方官員政績的主要考核指標，短期內中央政府應適度調低經濟增長目標，在“新常態(tài)”下轉變經濟發(fā)展方式，加快實現經濟增長方式轉變的步伐，經濟增長不再以單純依靠增加資本和勞動等要素投入的投資拉動為主，應向提高全要素生產率轉變。（二）政府部門應減少對證券市場運行進行過度的干預。正如干預信貸資金配置不利于商業(yè)銀行經營效率提升一樣，對證券市場的干預，則有會對證券公司效率造成負面影響和作用，因此，一方面，地方政府應轉變在強烈增長沖動和投資沖動的作用下，“不遺余力” 扶持當地企業(yè)上市以彌補地方政府財力不足和拉動當地經濟增長的行為，另一方面，應改變當前中國股市二級市場極具特色的政策市循環(huán)現象，事實上，二級市場政策市對證券公司的效率提升具有很大消極作用，在此環(huán)境下，證券公司不再致力于加強經營管理、提高服務能力，而是積極打探各種消息，利用這些消息作自營或及時把它們提供給客戶以增加其交易量，因此若想提高證券公司效率必須改變當前的政策市現象，使證券市場在效率提升的競爭中真正發(fā)揮其市場融資的功能。