發(fā)布時間：2022-03-29 03:47:27
序言：寫作是分享個人見解和探索未知領域的橋梁，我們?yōu)槟x了8篇的宏觀經濟數據樣本，期待這些樣本能夠為您提供豐富的參考和啟發(fā)，請盡情閱讀。
6.9%的增長是完全正常的、合理的、符合經濟規(guī)律的增長水平
中國經濟進入新常態(tài)的中高速增長以來，中國經濟增長“大幅放緩”、中國經濟“硬著陸”等觀點，變成國內外在每年的年底、年初對中國經濟判斷的主基調。這些判斷的誤區(qū)是，盡管中國經濟進入了新常態(tài)，但國內外的分析人士并沒有用新常態(tài)的邏輯來分析數據，來判斷現狀和未來經濟的態(tài)勢。
有些媒體對今年前三季度6.9%的經濟增長用“經濟增長是七年來的最低”來表述，顯然參照系是過去30年的高增長，這個參照系是不對的?，F在是新常態(tài)經濟發(fā)展階段，新常態(tài)經濟的一個重要特征就是從高速增長變成中高速增長。經濟增長7%左右就是中高速增長，也是兩會報告確定的今年的增長目標。如果我們用新常態(tài)的邏輯來看待6.9%的增長，參照系是新常態(tài)經濟的中高速增長，6.9%的增長是完全正常的、合理的、符合經濟規(guī)律的增長水平。用新常態(tài)經濟觀念來分析增長數據，國內的經濟增長是穩(wěn)定的，與中高速增長的的目標是一致的。那種認為中國經濟大幅下滑、硬著陸、崩潰的分析是思想方法的問題，分析思路根本沒有進入新常態(tài)經濟發(fā)展階段。2014年12月閉幕的中央經濟工作會議和十的一些相關文件反復強調，要認識新常態(tài)。只有認識新常態(tài)，才能適應新常態(tài)，最后才能把握新常態(tài)。如果思想方法上沒有進入新常態(tài)經濟的轉變，觀念上不可能實現從過去的發(fā)展階段向新常態(tài)經濟發(fā)展階段的轉變，對新常態(tài)經濟階段的形勢判斷就是不準確的。
季度GDP增長數據出現零點幾個百分點的波動是預料之內的，不必過度解讀
當前，我國正處于“三期疊加”的新常態(tài)經濟發(fā)展階段，“三期疊加”是指經濟處于增長速度換擋期、結構調整陣痛期和前期刺激政策消化期。換檔期是什么意思？是我們的經濟增長從高速增長變成中高速增長，是對一個經濟規(guī)律的描述。新常態(tài)經濟發(fā)展階段的一個重要改變就是勞動力紅利開始減少。當勞動力紅利開始減少的時候，當人口出現老齡化的時候，經濟就會出現增長速度的換檔。很多發(fā)達國家都經歷了這樣的改變，美國、日本、歐洲都在勞動力比較優(yōu)勢改變后出現過換檔期，這是經濟發(fā)展的規(guī)律性。我在20世紀80年代初期去法國留學，由于人口結構的變化，法國經濟在80年代就面臨增長速度放緩的現象，所以說換擋期是一種規(guī)律性的變化，中國經濟的新常態(tài)出現這種規(guī)律性的變化是不可避免的。
轉型期是什么意思？從整體經濟的層面上講就是經濟結構的轉型。從投資為主轉變?yōu)橥顿Y、消費增長的合理比重;從第二產業(yè)為主轉變?yōu)槎?、三產業(yè)并舉;從依靠較多的外需轉變?yōu)閮韧庑韫策M;從勞動密集、資源密集轉變?yōu)榧夹g密集、知識密集。而經濟結構轉型最主要的壓力來自于第二產業(yè)。過去30多年高速發(fā)展的同時，包括“第三期”――政策消化期的盲目投資，使第二產業(yè)累計了高耗能、高污染、產能過剩這種不可持續(xù)的深層次矛盾。在新常態(tài)經濟階段，要實現經濟結構的轉變，使經濟可持續(xù)發(fā)展。產業(yè)結構的調整主要來自兩個方面。第一，不合理的產能結構要調整，將不合理產業(yè)的投資降下來。第二，培養(yǎng)新的增長點，形成合理的產業(yè)結構。這兩個方面的調整是不同步的，不合理產業(yè)結構調整使這些領域的投資減少，而新的增長點還在培育過程中，增加的投資不能很快覆蓋減少的部分，出現了青黃不接的狀況，帶來了經濟下行的壓力。
圍繞“三期疊加”所作的規(guī)律性和結構調整的分析，我們應該看到，“疊加”效應，即所謂過渡期、投資下降、經濟下行、都是已知信息，是存量的概念。月數據特別是季度公布的GDP增長數據，如果出現零點幾個百分點的上上下下應該是預料之內的，不是“增量”下行的概念，包括投資下降以及出口方面存在問題，這都不是增量信息。如果解讀為“增量”，可能在重復使用“三期疊加”分析的信息，過度釋放一些本不該由這零點幾個百分點所承載的信息，刻意淡化存量概念而去放大增量概念，這是非常誤導的。
正確認識進出口數據改變的原因，不能簡單重復傳統(tǒng)刺激出口的政策
今年前三季度，進出口總額178698億元人民幣，同比下降7.9%。其中，出口102365億元，下降1.8%;進口76334億元，下降15.1%。進出口數據是否非常糟糕？我認為一定要把信息對稱起來。第一，出口數據顯示加工貿易低于一般貿易。在過去很長的時間內，我們的加工貿易占主導地位，遠遠高于一般貿易。加工貿易是一個勞動力密集型產業(yè)，當我們的勞動力紅利逐漸減少以后，加工貿易業(yè)就逐漸轉移到更有勞動力比較優(yōu)勢的地方去。這是個漸進的過程，從十幾年前就已經開始了。近幾年來，因為勞動力成本增長特別快，所以那些港臺企業(yè)基本上都走了。本地的企業(yè)因為沒有能力走出去，很多就關閉了。企業(yè)遷走或關閉，訂單也走了，加工貿易的出口已經連續(xù)幾年低于一般貿易。這是我們進入新常態(tài)以后，勞動力紅利改變所帶來的貿易結構的變化，也是國際貿易中規(guī)律性的變化。我們不能盲目的說，出口增長下降就要加大出口退稅。當前出口增長下降的原因根本不是稅收造成的利潤下降所致，退稅根本沒有意義。我們還是要改變出口結構，增加一般貿易。勞動力密集型的產業(yè)少了，那就增加一些附加值高的產業(yè)，出口加工制造升級為高端制造，調整出口產品的結構才是解決問題的根本辦法。要正確認識進出口數據改變的原因，不能簡單重復傳統(tǒng)刺激出口的政策。
第二，中國已經在2011年代替美國成為世界第一大進出口國家，占到全球45萬億美元貿易規(guī)模的11%左右。國際貿易是按照比較優(yōu)勢的交換。如果仍然停留在低端制造，中國的貿易特別是出口不可能繼續(xù)保持大幅增長，因為中國在11%以外的貿易領域不具備比較優(yōu)勢。僅盯著出口增長率下降而考慮短期政策，不抓緊培育有新的比較優(yōu)勢的產品，可能會錯失未來國際貿易發(fā)展的良機。
第三，我們的進口也是負增長。這是因為我們進口的產品中大部分是大宗商品，大宗商品的價格從去年第四季度開始一直到現在大幅度下降，石油價格降了一半多，所有的農產品都在降價。我們進口產品的一半以上都是大宗商品，就算我們的進口量不變，因為價格降了這么多，所以我們的進口規(guī)模一定是下降的。不能簡單地說，進口負增長就是我們國內對外面的需求下降，我們的經濟不景氣。
宏觀政策要穩(wěn)，不能總是調來調去
宏觀調控在新常態(tài)下已經有基本原則。新常態(tài)經濟宏觀調控的基本原則是：宏觀政策要穩(wěn)，微觀政策要活，社會政策要托底。大規(guī)模的刺激政策就是危機政策。既然是常態(tài)，宏觀政策就要穩(wěn)，不能總是調來調去。短期財政、貨幣和投資的政策到位，穩(wěn)增長應該是沒有問題。在常態(tài)的情況下，受季節(jié)性因素、天氣因素、自然災害等各種因素的影響，經濟也會有上有下，但這樣的波動是正常的，與危機引起的大起大落不一樣。
每當經濟增長數據出現零點幾個百分比的下降，經濟下行壓力“加大”的說法就會被強化，就出現呼吁穩(wěn)增長政策微調和更寬松貨幣政策等加大短期刺激政策的聲音。實際上，12%的貨幣供應量的增長（M2）目標本身已經是一個很寬松的指標。上半年名義GDP的增長是6.5%，也是經濟增長所需要的貨幣需求增長水平。但是既定的貨幣供給增長是12%，有5.5個百分點的差距。這意味著貨幣供應量的增長要超過貨幣需求增長5.5個百分點，從這個意義上來說，貨幣政策應該是寬松的。但是現在11%左右的M2增長，在既定12%的M2增長政策范圍之內，從這個角度，貨幣政策在執(zhí)行層面是穩(wěn)健的。政府一直在強調貨幣政策是穩(wěn)健的，但指標本身是被寬松的制定了。
總之，要正確認識宏觀經濟指標，思想方法一定要正確。思想方法不同，利益導向不同，對問題的看法也就不同。用新常態(tài)的邏輯去分析數據，判斷形勢，才能避免誤判形勢、誤導政策。對當前經濟增長穩(wěn)定的判斷，并不是說我們的經濟沒有問題，但關鍵是找準問題，找到針對性的解決方案。
充分發(fā)揮調結構在穩(wěn)增長中的關鍵作用
我們的經濟存在下行壓力的根本原因是結構問題。正確的方法不是印發(fā)更多的鈔票，而是要對癥下藥，要進行結構調整。不合理的結構要往下調，加大力度去推動新的產業(yè)結構核心增長點。如果不把這個問題解決，而是用短期政策去穩(wěn)增長，那就一定會固化現在的結構性矛盾，并不能解決根本問題。2014年12月11日閉幕的中央經濟工作會議有五項任務，第一項任務就是穩(wěn)增長，緊接在穩(wěn)增長后面的一句話就是“穩(wěn)增長的關鍵是調結構”。雖然也說了財政政策、貨幣政策、產業(yè)政策，但關鍵是落腳在調結構上。如果結構沒有理順，今年短期政策穩(wěn)增長，明年結構問題帶來的下行壓力就仍然存在。持續(xù)增長不能年復一年地靠短期政策來保證。
充分發(fā)揮調結構在穩(wěn)增長中的關鍵作用。調結構有兩個方面，一個是將不合理的結構往下調，另一個是必須同時形成合理的新產業(yè)結構。中央經濟工作會議確定的今年第二項任務是積極培育新的增長點，這與新的合理的產業(yè)結構形成是聯系在一起的。在經濟存在下行壓力的情況下，我們要積極培育新的增長點作為經濟增長的驅動，應該必須從現在做起，而不是要等到明天。
（作者為國務院參事室特約研究員）
一、引言
改革開放三十多年來， 中國經濟持續(xù)高速的增長舉世矚目， 衡量經濟發(fā)展水平的宏觀經濟統(tǒng)計數據成為了國內外相關機構和學者廣泛關注的熱點。中國國家統(tǒng)計局、中國人民銀行每季度、月、周都會對cpi、gdp、固定資產投資等重要宏觀經濟變量的統(tǒng)計數據進行披露， 然而， 由于這些宏觀經濟時間序列數據受多種因素（如非重復性突發(fā)事件、經濟或者政治結構變化以及自然災害等）的影響， 公布后的實際數據與市場預測值常常會產生偏差， 這種偏差左右著金融市場參與者的行為， 特別是會對上市公司的未來現金流和風險貼現率產生作用， 進而對股票市場參與者的市場行為和股票市場的收益率及波動率產生巨大影響。因此， 探討和量化宏觀數據的公布以及市場預測值與實際公布值間的偏差對股票市場的影響程度， 具有重要的理論價值和實踐意義。
國外學者研究宏觀經濟變量的對各種資產價格條件均值影響的文獻極為豐富，但對于宏觀經濟公告對條件方差影響的研究成果卻很少。ederington和lee（1993，1996）創(chuàng)立了一整套研究程序， 專門研究新聞和宏觀經濟信息對股票、外匯期貨、期權市場的影響。ederington和lee（1993，1995）發(fā)現宏觀經濟信息的定期對利率和外匯期貨市場的價格和波動率有顯著影響。在國內， 宏觀經濟信息公告對金融市場影響的研究尚不多見。 馮玉梅等（2007）基于改進的ar（1）-egarch（1，1）-m模型， 通過研究宏觀信息宣告對股票市場價格行為的影響， 表明居民消費價格指數和商品零售價格指數對股票市場的收益有負向影響；國內生產總值、社會消費品零售總額、公開市場操作利率變動率和企業(yè)景氣指數對股票市場的收益有正向影響； 公開市場操作公告會導致股票市場條件收益率顯著增加； 其余各類宏觀信息因素對股票市場收益的波動性并不存在顯著影響。WWW.133229.COm王云升等（2008）分析了宏觀經濟數據公布與預測值所產生的偏差， 并研究了其對金融市場收益及其波動率所產生的影響， 結果表明， 消費者價格指數統(tǒng)計數據的公布加大了股票市場日收益的波動率， 而固定資產投資增速和貨幣信貸信息數據的公布則減小了其波動率； 由于市場化程度較低， 宏觀經濟統(tǒng)計數據的公布對債券市場和外匯市場參與者價格行為的影響較小。
二、數據選取與處理本文由收集整理
本文選取2009年3月21日至2012年3月21日間上證綜指日間交易收盤收益率為樣本數據來衡量股票市場收益率。選取消費者物價指數（cpi）、固定資產投資增速（fai）和中國人民銀行公布的貨幣信貸信息（m2&loan）三個經濟變量作為宏觀經濟統(tǒng)計數據樣本。由于宏觀經濟統(tǒng)計數據常常受季節(jié)效應的影響而失真， 因此，要對消費者物價指數、固定資產投資增速和貨幣信貸信息進行季節(jié)調整，通過采用相對值避免不同量綱對其的影響， 以消費者物價指數為例， 將絕對指標轉換為相對指標的計算公式為：cpi相對= ■，固定資產投資增速和貨幣信貸信息相對指標的計算方法與消費者物價指數相同。
對于宏觀經濟變量的預測值， 我國目前還沒有專業(yè)的調查機構對其進行如此規(guī)模的調查， 市場預測數據多是源自各個證券機構出具的研究報告。本文選取北大朗潤的預測均值作為cpi， fai市場預測值， 原因是中信等眾多重要金融機構都以它的宏觀經濟變量數據預測值的平均值作為參考。由于預測值難以獲取， 且不具權威性， 本文在建立考慮市場預期的模型中剔除了貨幣信貸信息這個變量。
三、理論模型
garch模型又稱為廣義arch模型， 是arch模型的拓展。自從恩格爾提出arch模型分析時間序列的異方差性以后， 波勒斯列夫又提出了garch模型。 garch模型是專門針對金融數據的回歸模型， 除去和普通回歸模型的相同之處， garch對誤差的方差進行了進一步的建模， 特別適用于進行金融數據的波動性分析和預測， 這樣的分析對投資者的決策能起到非常重要的指導性作用， 其意義甚至超過了對數值本身的分析和預測。因此，本文選擇garch模型研究偏差對股票市場的影響。garch模型要求所研究的時間序列必須是平穩(wěn)的， 因而使用單位根檢驗 （unit root test） 對上證綜指收益率進行平穩(wěn)性檢驗。結果顯示在1%的顯著性水平下， 樣本數據不存在單位根， 是穩(wěn)定的序列。
（一）模型?。何纯紤]預期的實證檢驗模型
在不考慮實際公布值與市場預測值之間偏差的情況下， 建立股票市場的價格行為的garch模型：
rt=μ0+■μidi+μcpidcpi+μfaidfai+μm&loandm&loan+εi
ht=α0+α1ε2t-1+β1ht-1+■
αidi+αcpidcpi+αfaidfai+αm&loandm&loan
其中， rt為所測量的股票市場日收盤收益率，rt=■， pt表示第t 日的收盤收益率；di為虛擬變量，用以消除數據的“季節(jié)性影響”；dj為虛擬變量，消費物價指數、固定資產投資增率以及貨幣供應量和新增貸款數據公布之日， 取值為1，反之為0；εi為服從正態(tài)分布的擾動項。
在模型ⅰ中， 均值方程中的截距項μ0代表樣本中宏觀經濟統(tǒng)計數據未公布情況下股票市場在周五的日收益率，系數μi、μj衡量周一至周四以及消費物價指數、固定資產投資增率、貨幣供應量和新增貸款數據公布后股票市場日收益率的變化。方差方程中的截距項α0代表宏觀經濟統(tǒng)計數據未公布情況下股票市場在周五的波動率，系數αi、αj代表周一至周四以及消費物價指數、固定資產投資增率、貨幣供應量和新增貸款數據公布后股票市場波動率的變化。
（二）模型ⅱ：考慮預期的實證檢驗模型
采用公式ln（實際公布數據/市場預測值）×100%代表市場預測值與實際公布數值之間偏差，建立股票市場的價格行為的garch模型：
rt=μ0+■μidi+μcpidcpi+μfaidfai+μm&loandm&loan+μ-cpid-cpi+μ-faid-fai+μ-m&loand-m&loan+εi
ht=α0+α1ε2t-1+β1ht-1+αidi+αcpidcpi+αfaidfai+αm&loandm&loan+α-cpid-cpi
+α-faid-fai+α-m&loand-m&loan+εi
其中， +cpi表示ln（cpi實際公布數據/市場預測值）>0， -cpi表示ln（cpi實際公布數據/市場預測值）0>0。同理， 其它宏觀經濟變量的定義與之相似。
四、計量分析結果
（一）模型ⅰ：未考慮預期的測算結果
采用準極大似然估計（quasi-maximum likelihood，qml）方法對模型ⅰ進行估計。模型ⅰ顯示的回歸結果表明了未考慮市場預期的股票價格在一周五天交易日中的不同特征。均值方程的實證結果表明，μmon回歸系數為0.216，且z值為3.065，顯著為正， 說明股票市場一周五天的平均日收益率在周一要高于周五。方差方程的實證結本文由收集整理果表明，αtue和αwed的回歸系數分別是-0.781、 -1.032， z值分別為-3.957、-4.056， 顯著為負， 說明股票市場一周五天日收益率的波動率在周二和周三都低于周五。
固定資產投資、貨幣供應量和新增貸款數額統(tǒng)計數據的公布對股票市場的日收益率和波動率的作用極為顯著。方差方程的實證結果中αfai和αm的回歸系數分別為-1.217和-2.154， z值分別為-3.808和-3.289，顯著為負， 說明宏觀經濟變量統(tǒng)計數據中， 固定資產投資、貨幣供應量和新增貸款數額的公布降低了股票市場日收益率的波動率。αcpi的回歸系數為3.095， 雖然為正， 但不顯著， z值僅為1.234， 沒有通過0.01水平的顯著檢驗， 表明cpi統(tǒng)計數據的公布僅在一定程度上對股票市場日收益率的波動率起正向作用，加大了波動率。 原因在于cpi作為重要的宏觀經濟變量， 對股票市場的資產影響巨大， 因此， 參與者在進行資產估值時， 常常要根據其最新公布的數據來進行資產組合的調整， 而調整這種資產組合無疑會增加股票市場日收益率的波動。
（二）模型ⅱ：考慮預期的測算結果
由于當前我國的經濟形勢復雜多變， 貨幣政策導向并不明朗， 因此無法得到貨幣信貸的預測數據， 所以模型ⅱ的研究未考慮貨幣信貸信息情況下的偏差對于股票市場價格行為的影響。運用準極大似然估計qml方法對模型ⅱ的參數進行估計。
模型ⅱ顯示的回歸結果表明了考慮市場預期后宏觀經濟統(tǒng)計變量所產生的偏差對股票市場平均日收益率和波動率的影響。股票市場的均值方程中的回歸系數α+fai為-1.417， z值為-6.808，通過0.01水平的顯著檢驗， 說明當固定資產投資增速統(tǒng)計數據公布的實際值高于市場預測值時， 會對股票市場的平均日收益率產生負向影響， 日收益率降低，這主要是由于投資的替代性，投資的兩大重要組成部分是對實體經濟和虛擬經濟的投資， 當固定資產類的實體投資增加時， 股市類的虛擬經濟自然隨之下降， 投資者預期投資在虛擬經濟——股市上的資金會減少， 故降低了股票市場的平均日收益率。
方差方程的實證結果表明，α+cpi與α-cpi的回歸系數分別為3.076和6.921， 均為正， 且作用效果高于其它兩個宏觀經濟變量， 說明cpi統(tǒng)計數據的公布對股票市場日收益率的波動率正向作用顯著，波動率增加，這與模型ⅰ的結論相同。另外，α-cpi的回歸系數顯著為正，說明當消費者物價指數的市場預測值高于統(tǒng)計數據公布值時， 股票市場參與者認為未來政府通過改變利率、存款準備金率等金融工具來實施貨幣政策的可能性較小， 使參與者看好股票市場的前景， 增加了其對未來股市的信心， 因此， 股票市場的平均日收益率顯著升高， 日收益率的波動率也隨之增大。方差方程的回歸系數α+fai和α-fai都為正，說明固定資產投資增長率的統(tǒng)計數據公布后，不論其與市場預測值之間的偏差是正或是負， 都會增加股票市場的日收益率波動率。原因在于不論固定資產投資增長率公布后的實際值和預測值孰高孰低， 二者之間產生的偏差都會影響參與者對股票市場的信心和其市場行為， 從而加大股票市場日收益率的波動。
五、結論
基于收益率和波動性兩個方面，本文運用garch模型測算了未考慮預期和考慮預期的宏觀經濟數據對我國股票市場波動的影響，結果表明：
[關鍵詞]數學工具；本科生；宏觀經濟學；課程體系
[基金項目]2019年度中國科學技術大學教改項目“雙一流背景下提升本科論文質量的實踐與探索”（2019xjyxm018、2019xjyxm025）；
2017年度中國科學技術大學教改項目“高等宏觀經濟學課程教學改革研究”（ww6020000020）
[作者簡介]賀?。?965—），男，安徽淮南人，管理科學與工程博士，中國科學技術大學管理學院副教授、碩士生導師，研究方向為宏觀經濟和內生增長理論；張鉞（1994—），女，河南新鄉(xiāng)人，中國科學技術大學管理學院2017級金融工程專業(yè)碩士研究生，研究方向為宏觀經濟。
[中圖分類號]G642[文獻標識碼]A[文章編號]1674-9324（2020）30-0223-03[收稿日期]2019-10-03
一、引言
隨著我國的經濟發(fā)展、技術創(chuàng)新和社會進步，民眾對更高層次的教育需求日益加強，同時，伴隨著國家對教育的重視程度加深，提升高等教育水平成為一項較為迫切的要求。另外，隨著知識全球化進程的加快，為了適應社會對新型綜合性人才的需求，高校應當擔負起培養(yǎng)具有現代化知識體系、創(chuàng)新化的高素質人才。因此，高等教育體系需要做出適當的改革和創(chuàng)新，以更好地教育和培養(yǎng)優(yōu)秀人才。其中，作為高校最大的學生群體，本科生教育具有基礎性、必要性的地位，設計合理有效的本科生課程教育體系，對促進高等教育水平的提升具有十分重要的意義。
宏觀經濟學是社會科學的主要分支之一，在經濟學的發(fā)展過程中占有重要地位。宏觀經濟學主要研究社會總體的經濟行為及其帶來的結果，即研究如何使國民收入穩(wěn)定地以合適的速度增長，這表明了宏觀經濟中常見的問題如經濟波動及與此關聯的就業(yè)、失業(yè)問題，價格水平及與此關聯的通貨膨脹問題，經濟增長問題等都是宏觀經濟學的主要研究問題。對于各種經濟變量，它們之間有沒有內在聯系，一個變量的變動會在多大程度上、以怎樣的方式影響另外的變量，都屬于宏觀經濟學的研究范圍。因此，宏觀經濟學囊括經濟社會的方方面面，通過觀察經濟現象、分析經濟變化、發(fā)現經濟規(guī)律，最終用經濟結論指導現實社會，宏觀經濟學具有重要的理論意義和現實意義。但由于我國宏觀經濟學的發(fā)展起步較晚，現有的宏觀經濟構架主要借鑒西方的宏觀經濟體系，雖然根據我國的實際情況有所取舍，但更為適用的宏觀經濟體系仍待進一步完善，這就需要更多未來學者的努力。宏觀經濟學不僅限于經濟學的范疇，隨著學科之間的交叉和發(fā)展，該學科的覆蓋面也包括了金融學、管理學、供應鏈管理等多方面，掌握宏觀經濟學的概念和知識對相關學科的本科生知識體系的構建十分必要。
與此同時，我國的本科生宏觀經濟學教育還存在一定的問題。就課程設置來說，掌握一定的數理知識和推導能力是學好宏觀經濟學的基礎，而宏觀經濟學通常與高等數學、統(tǒng)計學等課程同一學期開課，因此，現有的課程設置可能導致本科生知識儲備不完善，難以在宏觀經濟學的學習過程中全面、系統(tǒng)地理解知識點。就使用教材來講，目前本科生課程中采用的教材多為高鴻業(yè)（人大版本）的《西方經濟學（宏觀部分）》[1]，教材內容偏重于知識點的理論闡述和舉例說明，輔以圖表說明，較少涉及到數學推導和證明。相較與此，龔六堂[2]和耕、吳付科[3]等作者的高等宏觀經濟學教材中，存在大量的數學推導和理論證明，學生只有在掌握相應的數理功底和數學工具運用能力的前提下，才能理解其中的道理。而宏觀經濟學作為高等宏觀經濟學的基礎和前期準備，中間不免出現了較為明顯的斷層，本科生如果學完基礎的宏觀經濟學后再接觸高等宏觀經濟學，數理基礎較差的學生會有明顯的吃力感。因此，在現有的宏觀經濟學教育過程中，應適當加入數理內容，引導本科生運用數學工具發(fā)現經濟規(guī)律，這不僅有助于加強本科生對宏觀經濟學知識的掌握程度，也為未來學習高等宏觀經濟學打下較為堅實的基礎[4]。
本文以宏觀經濟學教材中LM曲線與貨幣政策的有效性為例，通過闡述圖形分析的缺陷，并列舉借助數學工具幫助解決經濟問題的優(yōu)勢，說明將數學工具引入本科宏觀經濟學教育的重要性，最后，針對我國本科生宏觀經濟學課程設置的現狀和問題，提出了相應的建議。
二、宏觀經濟學教材案例分析
貨幣政策屬于政府進行宏觀經濟調控的重要手段之一，指中央銀行通過控制貨幣供應量以及通過貨幣供應量調節(jié)利率進而影響投資和經濟體的行為，其目標包括充分就業(yè)、價格穩(wěn)定、經濟持續(xù)增長和國際收支平衡。貨幣政策的效果指貨幣供應量的變動對國民收入的影響，其大小受到IS曲線（產品市場均衡，投資等于儲蓄）和LM曲線（貨幣市場均衡，貨幣需求等于供給）的斜率影響。
在高鴻業(yè)《西方經濟學（宏觀部分）》第十五章宏觀經濟政策分析中，關于貨幣政策效果的LM圖形分析部分，教材指出，在IS曲線斜率不變的情況下，LM曲線越平坦，貨幣政策的效果越差。由圖1可知，IS斜率相同，貨幣供給增加使LM曲線從L時，LM曲線較平坦時，國民收入增加較少；而LM曲線較陡峭時，國民收入增加較多。
其原因是LM曲線較平坦，表示貨幣需求受利率的影響較大，即利率稍有變動就會使貨幣需求變動很多，因而貨幣供給量變動對利率變動的作用較小，從而增加貨幣供給量的貨幣政策不會對投資和國民收入有較大影響；反之，LM曲線越陡峭，貨幣政策的效果越強。上述表述可總結為：LM曲線越平坦貨幣政策的效果越弱，實際上，這樣的結論不夠嚴謹。
根據LM曲線的表達和h的取值對斜率的作用方向相反，因此對貨幣政策的效果影響也相反。具體而言，當k不變時，h減小，LM曲線越陡峭，貨幣政策效果越好；當h不變時，k減小，LM曲線越平坦，貨幣政策效果越好。因此，教材上的表述嚴格意義上是指第一種情況，即“當k不變時，h減小，LM曲線越陡，貨幣政策效果越好”，原表述缺少了一個前提條件，即“k一定時”。
從另一個角度看，LM曲線對貨幣政策的效果影響可以從數學上得到證明。觀察貨幣政策乘數，貨幣政策乘數是從數理角度出發(fā)，對經濟等式經過一系列數學推導得出的結果。首先得出產品市場均衡條件：
-α+（1-β）y=e-dr+g（1）
及貨幣市場均衡條件：
ky-hr=m（2）
分別在控制實際貨幣供給量m和政府支出g的情況下對兩式進行微分，化簡得到財政政策乘數和貨幣政策乘數。根據貨幣政策乘數：
可知k和h的取值對乘數的作用方向相同，因此在k（h）取值一定的情況下，h（k）的減小將引起貨幣政策乘數增加，表明此時貨幣政策效果較強，與實際分析的兩種情況相符。另外，借助貨幣政策乘數，也可以直觀看出凱恩斯極端情況和古典主義極端情況下財政政策和貨幣政策的有效性。
除此之外，龔六堂的高級宏觀經濟學教材中也提及針對復雜的經濟問題，應善于利用數學工具予以解決。例如，同樣在分析給定價格水平下決定利率和國民收入水平時，通過求解IS-LM曲線隱含的消費—投資函數和貨幣需求函數，可以得到均衡時的產出和利率水平。引入微分方程：
其中式（6）等號后第一項為Jacobi矩陣。然后進行Laplace變換并通過Cramer法則得到：
實際上，在解決復雜的經濟問題時，可能需要從數十個等式中得出經濟變量之間的關系，此時構建Jacobi矩陣使用Cramer方法給予解決相當高效，因此，借助數學工具解決經濟問題是非常必要的。
相對于數學工具，單純利用圖像來分析經濟問題可能存在較大的缺陷，不僅難以將問題解釋清楚，在遇到三維或多維問題（變量）時更是難以通過圖像表達，因此借助數學工具是較為明智的[5]。
從LM曲線與貨幣政策效果的例子可知，相較于圖像表達和分析，數學公式推導的過程更有邏輯性，結論更加嚴密。因此我們可以直觀地感受到把數學工具引入本科宏觀經濟學教育的重要性。
三、優(yōu)化本科生宏觀經濟學教育的建議
1.加快課程內容的更新。針對主要參考教材中的欠缺部分，本科宏觀經濟學教育過程中應對課程內容做出適當的更新和改進，在解決經濟問題、說明經濟規(guī)律時，除了理論闡述之外，可以引入數學工具，使用數學方法給予相應的證明和分析。通過這種改進，可以促使本科生在學習過程中加深對知識點的理解、提高對知識點的掌握能力，也使教材相關內容的結論更加嚴密和具有邏輯性。
論文關鍵詞：宏觀經濟環(huán)境；資本結構；調整速度；非平衡面板數據
在調整速度的眾多影響因素中，宏觀經濟因素對調整速度的影響近年開始引起學術界的關注。Douglas0．Cook(2009)分別采用兩階段和綜合兩種動態(tài)部分調整模型，考察宏觀經濟環(huán)境對調整速度的影響，發(fā)現在宏觀經濟繁榮時調整速度較快。原毅軍，孫曉華(2006)的研究得到調整速度與上一年GDP增長率正相關，與通貨膨脹率，實際貸款利率和財政支出增值率負相關的結論。黃輝(2009)對宏觀經濟環(huán)境和制度因素影響調整速度進行了研究，結果顯示調整速度表現出順經濟周期現象。本文對前人研究方法進行改進，基于部分調整模型，用宏觀經濟變量劃分樣本進行調整速度對比研究。在目標資本結構的回歸中不考慮宏觀因素。這樣改進可以避免雙重考慮宏觀經濟因素造成研究結果不穩(wěn)定性和不顯著性。
一、研究模型與變量設計
1．研究模型
(2)目標資本結構擬合變量。根據已有文獻對目標資本結構影響因素的研究，本文選用的公司特征變量包括：公司規(guī)模(SIZE)，用主營業(yè)務的自然對數表示，目前公司規(guī)模與資本結構的經驗研究沒有得到一致結論；資產有形性(TANG)，用固定資產除以總資產表示，經驗研究表明有形資產的比率與資產負債率正相關；非債務稅盾(NDTS)，用固定資產折舊除以總資產表示，經驗研究研究發(fā)現非債務稅盾與資本結構負相關；公司成長性(GROW)，用托賓Q值表示，公司成長性對資本結構的影響目前還沒有定論；公司盈利能力(PROF)，用息稅前利潤除以總資產表示，公司盈利能力對資本結構的經驗研究也沒有得到一致的結論；稅收因素(TAX)，用所得稅除以利潤總額表示?？紤]行業(yè)特征因素，用行業(yè)資產負債率平均值(HAB，HAM)表示。
(3)宏觀經濟變量。仿照Douglas0．Cook(2009)，本文選用GDP增長率來定義宏觀經濟環(huán)境。GDP增長率定義為本年GDP減去上年GDP再除以上年GDP。宏觀經濟變量劃分樣本的具體情況是，l3年的GDP增長率數據以2002年的GDP增長率為中位數分為兩個部分，每個部分分別按照GDP增長率的二分位數再進行劃分，將樣本分成四個部分。取GDP增長率最小的三年1998~2000定義為為宏觀經濟環(huán)境衰退；取GDP增長率最大的三年2005~2007定義為宏觀經濟環(huán)境繁榮。
二、樣本選取與估計方法
選擇滬深兩市1996~2008一般上市公司的數據，不包括金融上市公司，剔除PT，ST公司。經過數據整理，獲得分布于十二個行業(yè)的715家公司的9295個樣本觀測點。樣本數據來源于CCER數據庫。由于模型(3)把目標資本結構的決定因素內化其中，模型右邊包含因變量一階滯后變量，采用動態(tài)面板數據的G刪估計方法，把模型(3)右邊所有變量的二階滯后變量作為工具變量。
三、實證結果分析
模型(3)的回歸結果如表1
注：括號里的數據是T檢驗值，表中***、**、*分別代表在1％，5％以及10％的顯著性水平下顯著
【關鍵詞】 宏觀經濟環(huán)境;資本結構;調整速度;非平衡面板數據
在調整速度的眾多影響因素中,宏觀經濟因素對調整速度的影響近年開始引起學術界的關注。Douglas O. Cook(2009)分別采用兩階段和綜合兩種動態(tài)部分調整模型,考察宏觀經濟環(huán)境對調整速度的影響,發(fā)現在宏觀經濟繁榮時調整速度較快。原毅軍,孫曉華(2006)的研究得到調整速度與上一年GDP增長率正相關,與通貨膨脹率,實際貸款利率和財政支出增值率負相關的結論。黃輝(2009)對宏觀經濟環(huán)境和制度因素影響調整速度進行了研究,結果顯示調整速度表現出順經濟周期現象。本文對前人研究方法進行改進,基于部分調整模型,用宏觀經濟變量劃分樣本進行調整速度對比研究。在目標資本結構的回歸中不考慮宏觀因素。這樣改進可以避免雙重考慮宏觀經濟因素造成研究結果不穩(wěn)定性和不顯著性。
一、研究模型與變量設計
1.研究模型
接受Nerlove的部分調整模型(partial adjustment model)的構建思路,構建下面的資本結構部分調整模型(1)
Lit- Lit-1=?姿(L*it- Lit-1) (1)
其中,L*it和Lit分別表示公司i在第t年末的最優(yōu)資本結構和實際資本結構。?姿為調整系數,表示在一個年度內公司的資本結構向目標水平調整的快慢,并間接反映調整成本的大小。
根據屈耀輝(2006)等人的研究,目標資本結構可表示為公司特征向量與行業(yè)特征向量的線性函數
L*it=?琢0+■?琢jYjit+■?琢sDs+■?琢tDt+?滓it (2)
其中Yit是影響公司目標資本結構的一組相關變量,Ds和Dt分別為行業(yè)和時間虛擬變量。
將(2)式帶入到(1)式整理得到本文的回歸模型(3)式
Lit=?姿(?琢0+■?琢jYjit+■?琢sDs+■?琢t)+(1-?姿)Lit-1+?滓it(3)
2.變量設計
(1)資本結構變量。本文分別使用賬面資產負債率和市場資產負債率兩種資本結構進行研究。
LEV Bit=(LDit+SDit)/TAit
LEV Mit=(LDit+SDit)/(TAit-LSVit+LSit*P)
LEV Bit表示賬面資本結構,LEV Mit市場資本結構。LDit表示長期負債,SDit表示短期負債,TAit表示賬面總資產,LSVit表示流通股賬面價值,LSit*P表示流通股市場價值。
(2)目標資本結構擬合變量。根據已有文獻對目標資本結構影響因素的研究,本文選用的公司特征變量包括:公司規(guī)模(SIZE),用主營業(yè)務的自然對數表示,目前公司規(guī)模與資本結構的經驗研究沒有得到一致結論;資產有形性(TANG),用固定資產除以總資產表示,經驗研究表明有形資產的比率與資產負債率正相關;非債務稅盾(NDTS),用固定資產折舊除以總資產表示,經驗研究研究發(fā)現非債務稅盾與資本結構負相關;公司成長性(GROW),用托賓Q值表示,公司成長性對資本結構的影響目前還沒有定論;公司盈利能力(PROF),用息稅前利潤除以總資產表示,公司盈利能力對資本結構的經驗研究也沒有得到一致的結論;稅收因素(TAX),用所得稅除以利潤總額表示?？紤]行業(yè)特征因素,用行業(yè)資產負債率平均值(HAB,HAM)表示。
(3)宏觀經濟變量。仿照Douglas O. Cook(2009),本文選用GDP增長率來定義宏觀經濟環(huán)境。GDP增長率定義為本年GDP減去上年GDP再除以上年GDP。宏觀經濟變量劃分樣本的具體情況是,13年的GDP增長率數據以2002年的GDP增長率為中位數分為兩個部分,每個部分分別按照GDP增長率的二分位數再進行劃分,將樣本分成四個部分。取GDP增長率最小的三年1998～2000定義為為宏觀經濟環(huán)境衰退;取GDP增長率最大的三年2005～2007定義為宏觀經濟環(huán)境繁榮。
二、樣本選取與估計方法
選擇滬深兩市1996～2008一般上市公司的數據,不包括金融上市公司,剔除PT,ST公司。經過數據整理,獲得分布于十二個行業(yè)的715家公司的9295個樣本觀測點。樣本數據來源于CCER數據庫。由于模型(3)把目標資本結構的決定因素內化其中,模型右邊包含因變量一階滯后變量,采用動態(tài)面板數據的GMM估計方法,把模型(3)右邊所有變量的二階滯后變量作為工具變量。
三、實證結果分析
注:括號里的數據是T檢驗值,表中***、**、*分別代表在1%,5%以及10%的顯著性水平下顯著
表1中LEV(-1)的系數就是1-?姿?？梢钥吹?在賬面資本結構下,宏觀經濟衰退時的調整速度是0.575(1-0.425),在宏觀經濟繁榮時的調整速度為0.592(1-0.408);在市場資本結構下,宏觀經濟衰退時的調整速度是0.606(1-0.394),宏觀經濟繁榮時的調整速度是0.656(1-0.344)。
實證結果表明:資本結構調整速度表現出順周期性,與Douglas O. Cook(2009),黃輝(2009)的結論一致。本文只用宏觀經濟變量劃分樣本,沒有把宏觀經濟變量作為目標資本結構的影響因素,避免了實證結果的穩(wěn)定性與顯著性,使研究結果更可靠。
參考文獻
[1]原毅軍,孫曉華.宏觀經濟要素與企業(yè)資本結構的動態(tài)優(yōu)化[J].經濟與管理研究.2006(5):39～42
關鍵詞：商業(yè)銀行；信用風險；宏觀壓力測試
中圖分類號：F832.2文獻標識碼：A 文章編號：1002-2848-2008（06）-0066-08
一、引 言
自20世紀70年代末到21世紀初，全球有93個國家先后爆發(fā)了112次系統(tǒng)性銀行危機。尤其90年代以來頻頻爆發(fā)的金融危機――如1987年美國股市崩盤、1994年美國利率風暴及中南美洲比索風暴、1997年亞洲金融危機、1998年俄羅斯政府違約事件，特別是2007年春季開始的次貸危機最終演變?yōu)?008年的全球金融風暴，波及范圍之廣，影響程度之大，史無前例。它們不僅使一國多年的經濟發(fā)展成果毀于一旦，還危機到一國的經濟穩(wěn)定，對全球經濟也產生了強大的沖擊。［1］
收稿日期：2008-07-05
項目資助：本文受到西安交通大學“985工程”二期資助（項目編號：07200701），國家社會科學基金（08DJY156）資助。
作者簡介： 李江（1962-），湖南省湘潭市人，金融學博士，西安交通大學經濟與金融學院副教授，
碩士研究生導師，研究方向：金融風險管理；劉麗平（1982-）,女，河北省承德市人，西安交通大學經濟與金融學院碩士研究生，研究方向：財務預警。
金融系統(tǒng)的宏觀壓力測試是一類前瞻性分析的工具，用于模擬“異常但合理” 宏觀經濟沖擊對金融體系穩(wěn)定性的影響，可以幫助中央銀行識別金融體系的薄弱環(huán)節(jié)，有助于各方理解金融部門與宏觀經濟之間的聯系，同時提高中央銀行和金融機構的風險評估能力。因此，受到各國金融監(jiān)管當局的重視，逐漸成為檢驗一國銀行體系的脆弱性，維護金融穩(wěn)定的首選工具。在金融全球化的趨勢下，隨著我國金融市場的完全開放，我國金融業(yè)和國際金融市場的逐步融合，是否擁有一個穩(wěn)定和富有競爭力的銀行體系對于中國而言顯得非常迫切。對銀行體系進行穩(wěn)定性評估，尤其是對銀行體系面對的信用風險
進行宏觀層面的壓力測試，對防范和化解系統(tǒng)性金融風險，維護中國金融穩(wěn)定和安全具有重要意義。
下面研究宏觀壓力測試在銀行信用風險評估中的應用，通過對國外已有的成熟模型理論成果分析比較的基礎上，根據我國的宏觀經濟及金融發(fā)展特點，經濟、金融數據統(tǒng)計及披露特點，模型的數據需求深度廣度要求，建立適用于我國的模型并以此進行實證分析。
二、文獻綜述
（一）宏觀經濟因素對銀行信貸違約風險的影響
McKinnon R［2］認為，宏觀經濟穩(wěn)定時，銀行經營行為非常保守，不會出現不顧風險單方面追求效益的現象。但在實際匯率波動、通貨膨脹出現等宏觀經濟不穩(wěn)定的情況下，政府或明或暗的存款擔保，導致銀行會產生以高利率對高風險項目貸款的風險行為。Donald van Deventer［3］通過線性回歸分析，確定了宏觀因素對銀行股價變動的解釋在統(tǒng)計上是顯著的。
對20 世紀80 年代以來各國銀行不穩(wěn)定尤其是銀行危機現象, 國際組織和國內外學者進行了大量研究, 積累了十分豐富的實證資料。尤其是來自美國、英國、澳大利亞、芬蘭的許多國外學者, 在對20 世紀80、90 年代全球銀行不穩(wěn)定事件的實證分析中發(fā)現, 宏觀經濟因素波動在各國銀行不穩(wěn)定中扮演著重要角色。Tom Bernhardsen［4-5］建立起銀行破產與不良貸款和宏觀經濟因素的關系模型，并且利用歐洲國家的面板數據進行了實證檢驗。Erlenmaier U［6］和Gersbach H［7］利用挪威中央銀行的宏觀經濟模型RIMINI對總體審慎指標的趨勢與發(fā)展進行預測，并且建立了評估貸款違約率的宏觀信貸方程。Froyland E和Larsen K［8］利用RIMINI對銀行不良貸款在宏觀經濟波動情境下進行了壓力測試。Pesola J［9］分析了銀行系統(tǒng)危機對宏觀經濟因素波動的敏感性，并利用芬蘭的數據通過建立模型對兩者之間的關系進行定量分析。Virolainen K［10］對芬蘭金融風險的實證評估，建立了宏觀信貸模型并進行宏觀壓力測試，揭示了芬蘭銀行系統(tǒng)貸款違約風險與宏觀經濟波動的相關性。
國內對于銀行體系的穩(wěn)定評估的實證研究，包括陳華，伍志文［11］運用1978～2000年間的數據對我國銀行體系脆弱性狀況進行了量化分析。結果發(fā)現,中國整個銀行體系在1978～2000年之間有11年是不穩(wěn)定的,尤其是在1992年和1998年前后更為突出,銀行體系出現了不穩(wěn)健的征兆,存在較大的金融風險。
（二）宏觀壓力測試理論和實踐
在執(zhí)行宏觀壓力測試使用的宏觀信貸模型的研究領域，有兩個學者的模型框架占據舉足輕重的地位，并為日后的學者不斷的進行模型的拓展研究和實證應用奠定了良好的基礎。他們是Wilson T C［12-13］和 Merton R［14］。Wilson對各工業(yè)部門違約概率對一系列宏觀經濟變量的敏感度直接建模。模型的思想是對違約概率和宏觀因素的關系進行建模，模擬將來違約概率分布的路徑，就可以得到資產組合的預期異常損失，進而模擬出在宏觀經濟波動沖擊下的違約概率值。相比較而言，Merton模型則多加入了股價對宏觀要素的反映，將資產價格變動整合進違約概率評估模型。因此，前一種模型更直觀，計算量較?。欢笠环N方法對數據的廣度和深度的要求以及計算量要求都很高，其中有些市場數據也許是信貸風險的噪音指標。
世界各地的學者，運用上述模型框架進行了大量的實證研究。Vlieghe G［15］對英國銀行體系累加的企業(yè)違約概率進行建模估計，發(fā)現GDP、實際利率和真實工資水平具有較顯著的解釋能力。Bunn P,Cunningham A和Drehmann M［16］曾使用probit模型來測算英國企業(yè)部門的貸款違約風險。Boss M［17］針對加總的企業(yè)違約概率估計出宏觀經濟信貸模型來分析澳大利亞銀行部門的壓力情境，結論說明工業(yè)產值，通貨膨脹率，股票指數，名義短期利率和油價都是違約概率的決定因素。Marco M 、Sorge、KimmoVirolainen［18］利用Wilson模型框架對芬蘭銀行系統(tǒng)的信貸違約概率進行了宏觀壓力測試分析。結果證明在壓力情境下，違約概率（PD, portability of default）的蒙特卡羅模擬分布明顯異于常態(tài)分布，其Var值遠高于基期的測算值。Jim Wong,Ka-fai Choi和 Tom Fong［19］建立了香港零售銀行面對宏觀經濟波動的信貸風險宏觀壓力測試框架。模型框架中引入的宏觀經濟變量包括：國內生產總值（GDP），利率（HIBOR），房地產價格（RE）和大陸的GDP。同時用宏觀壓力測試評估了香港銀行體系的貸款資產和住房抵押貸款風險暴露。壓力情境的設定模擬了亞洲金融危機時發(fā)生的宏觀經濟波動，并分別引入了測試模型。結果表明在置信水平90%時，在所有壓力情境下有些銀行仍然能夠盈利。這意味著目前銀行系統(tǒng)的信用風險較穩(wěn)和。當VaR取99%的置信水平這一極端情況時，一些銀行出現了巨額損失，但這類事件發(fā)生的概率極低。
Hoggarth G和Whitley J［20］與Drehmann M Hoggarth， G Logan A， Zecchino L［21］在他們的研究中引入了英國在FSAP框架指引下宏觀壓力測試的執(zhí)行結果和方法，在壓力情境的設定方面采用在險價值框架下的蒙特卡羅模擬法。Jones M T, Hilbers P和Slack G［22-23］提供了宏觀壓力測試的更一般的非線性的方法。Worrell D［24-25］ 討論了一個將早期預警系統(tǒng)，金融健全性指標和宏觀壓力測試整合的方法。
一些學者研究將信用風險和市場風險整合測量，例如 Allen L 和 Saunders A［26］嘗試將宏觀經濟因素整合進信用風險的測量模型。而最近的一些文獻如Pain D、Vesala J［27］和Gropp等人［28-29］則是引用Wilson 的宏觀信用模型分析了宏觀要素對銀行的債務人的信用質量的影響。而Wilson 的模型的一個替代選擇則是Merton 的公司層面的結構模型. Gray D、Merton 和Bodie［30］將這一框架擴展至研究違約風險。Derviz A 和Kadlcakova N ［31］將商業(yè)周期的影響整合進一個具有結構模型和簡化模型特征的復合模型。Drehmann M、Manning M［32］和Pesaran M H等［33］在利用Merton模型框架的宏觀壓力測試中研究了違約概率和宏觀經濟變量的非線性關系。Benito A,Whitley J和Young G ［34］將基于衡量違約概率的Merton模型融入針對模擬個別企業(yè)違約的probit模型。他們發(fā)現Merton模型方法比僅僅依靠企業(yè)的財務數據的模型效果更優(yōu)。
還有一些文獻使用不良貸款，貸款損失額或者復合指標與宏觀經濟因素整合成矩陣向量來測算金融體系的穩(wěn)定性。Hanschel E和Monnin P［35］針對瑞士銀行系統(tǒng)構建了一個復合壓力指標，該指標綜合了金融不穩(wěn)定的市場指標和銀行資產負債表上的衍生變形指標。Kalirai H 和 Scheicher M［36］針對對澳大利亞銀行體系累加的貸款損失，通過涉及廣泛的宏觀經濟變量的模型進行了時間序列的回歸估計。這些宏觀經濟變量包括國內生產總值、工業(yè)產值缺口、消費者價格指數、貨幣供給增速、利息率、股票市場指數、匯率、出口額和油價。
（三）國內外研究述評
目前國外開展的關于銀行穩(wěn)定性評估的實證研究十分豐富，其中挪威和芬蘭中央銀行的研究對金融系統(tǒng)的評估最具綜合性。穩(wěn)定性評估的目的在于，對銀行體系的健全狀況和抵御系統(tǒng)性金融危機的能力進行定量和定性的客觀評價。為此采用了金融穩(wěn)健指標分析（Financial Sound Indi cators)和壓力測試的方法，對宏觀經濟環(huán)境中例外但有可能發(fā)生的沖擊（Shock）情境進行模擬，來量度和評估銀行體系在遇到沖擊甚至遇到金融危機時，保持穩(wěn)定（即銀行保持基本運營不會發(fā)生突變）的能力。
而國內對于銀行體系的穩(wěn)定評估的實證研究都偏重于評價銀行體系的穩(wěn)定性，對在抵御不確定性風險的能力評估并未涉及。目前我國關于宏觀壓力測試的研究才剛剛涉及，孫連友［37］，高同裕、陳元富［38］等學者對宏觀壓力測試進行了理論上的探討，但多為國外文獻的整理或綜述，未能進一步的發(fā)展和深入。尤其在模型研究方面，僅僅停留在介紹早期國外學者的模型框架和較為成熟的各國宏觀壓力測試手冊指引中的操作流程。其內容多為宏觀壓力測試的必要性、目的作用、所用方法、國內外的具體實踐等，未能有很系統(tǒng)和深入的介紹，而對多種宏觀壓力測試模型的介紹和分析尚無涉及。
在實證方面，熊波［39］通過建立宏觀經濟因素的多元Logit回歸分析，并對結果進行假設情境的壓力測試分析。得出的結論是， 國內生產總值和通貨膨脹率這樣的宏觀經濟變量的確是影響中國銀行體系穩(wěn)定性的重要因素。但是該文只是借鑒了壓力測試的思想，使用傳統(tǒng)的方法，通過模擬情境下宏觀經濟因素異動，由Logit模型最終得出穩(wěn)定性指標期望值的點估計來評價銀行體系的穩(wěn)定性。這種方法不能有效地反映出宏觀變動沖擊對銀行體系的影響，不能看出壓力情境下銀行面臨的最主要的信用風險的分布狀況，即貸款違約率的概率分布。
三、宏觀壓力測試方法流程及模型設定
（一）方法流程
宏觀壓力測試是模擬“危機事件”來估計極端卻可能的壓力情境下金融體系的波動。在宏觀壓力測試的框架中，其模型表示為：
Q(t+1｜t+1≥X=f(Xt,Zt)（1）
在（1）中 表示在模擬的壓力情境下評價金融體系的穩(wěn)定性的指標的表現。在宏觀壓力測試模型中衡量金融部門波動性的最一般的方法是資本的潛在損失率。Q(?)表示衡量金融系統(tǒng)波動性的風險矩陣，衡量違約情況的指標例如貸款損失額主要通過模擬壓力情境下的點估計得到。在這種情況中，該條件概率值表示的風險矩陣較容易計算。而在險價值方法中，在任何給定的壓力情境下，資產組合的損失應產生概率分布，而不是前一種方法中的點估計值?？蚣苤衒(?)表示損失方程，該方程模擬了宏觀經濟沖擊對金融體系中加總的資產組合的影響關系。該方程可包含風險暴露，違約概率，相關性，回饋效應，以及宏觀經濟變量變動與系統(tǒng)層面金融穩(wěn)定性表現的相互關系。
壓力測試的執(zhí)行方式主要是通過情境設定，根據情境假設下可能的風險因子變動情形重新評估金融商品或投資組合的價值，整個程序通常分為兩大步：一是情境設定；二是重新評估。通常重新評估的方式不會有太大的差異，但是情境設定的方式卻有很多種選擇。情境分析（Scenario Analysis）是目前應用的主流。即利用一組風險因子定義為某種情境，分析在個別情境下的壓力損失，因此此類方法稱為情境分析，情境分析的事件設計方法有兩種：歷史情境分析（Historical Scenario）和假設性情境分析（Hypothetical Scenario）。其他方法還有敏感度分析（Sensitive Analysis）和極值理論法（Extreme Value Theory, EVT）。
本文根據信用風險壓力測試的相關文獻以及世界銀行和國際貨幣基金組織聯合開發(fā)的FSAP（financial Sector ass ess ment programme)的手冊，將壓力測試的執(zhí)行程序見圖1所示。
圖1 壓力測試流程圖
（二）模型的設定
本文將在Wilson、Boss和Virolainen研究框架的基礎上建立適合我國銀行系統(tǒng)信用風險評估的宏觀壓力測試模型。首先借鑒國外研究成果中關于宏觀經濟因素和貸款違約率之間的非線性關系設定。在此基礎上使用Logit方程將貸款違約率轉化為宏觀綜合指標，以指標作為因變量與宏觀經濟因素進行多元線性回歸分析，使得這一指標能夠很好地利用各宏觀經濟指標所提供的信息。在模型中宏觀經濟因素的選擇方面，參考國內外學者實證研究中模型的自變量，結合我國數據統(tǒng)計和披露特點等制約因素選取適合的宏觀經濟變量來構建模型。
yt=ln1-PDt[]PDt（t=1, 2…, N）（2）
yt=α0+α1Xt+…α1+mX1-m+β1yt-1+…+βny1-n+μt（3）
Xt=0+1Xt-1+…+pX1-p+φ1yt-1+…+φqyt-q+εt（4）
PDt代表t年度的貸款的平均違約率，Y是一個反映宏觀經濟狀況的綜合性指標，也可以將它理解為是反映銀行體系違約概率和各宏觀經濟變量的關系的“中介指標”，X代表宏觀經濟變量。在利用歷史數據進行模型估計時，通過處理的違約概率值代入（2）就可以得到估計的綜合指標的估計值。將其帶入（3）就可以估計出宏觀方程的系數，并以此估計出的方程作為進行宏觀壓力測試的基礎。而在執(zhí)行壓力測試的時候，通過壓力情境的設定，用不同方法得到的各相關宏觀經濟變量值代入估計出的（3）就可以得到壓力情境下的Y，再通過（2）就估計出了壓力情境下的銀行系統(tǒng)的違約概率。
公式（2）就是對貸款違約率進行Logit回歸分析，PDt表示t年度的貸款的平均違約率，yt表示一系列宏觀經濟變量的綜合指標。
公式（3）是反映各宏觀經濟變量與綜合性指標yt的關系的方程，本文采用多元線性回歸的方法來模擬變量之間的關系。其中Xt=(x1,t,x2,t…xl,t)′是L×1階列向量，代表L個宏觀經濟因素構成的列向量；μt是方程的隨機擾動項。截距α0是一個L×1階列向量；系數α1,α2…α1+m分別代表L×1階向量，系數β1…βn是L×n階矩陣向量。
公式（4）是關于各宏觀經濟變量的時間序列模型。考慮到宏觀經濟因素采取的時間序列數據，可能存在變量的滯后性，因此對各宏觀經濟變量進行P階自回歸分析，剔除模型中的序列相關性。在（4）中，0是L×1階的列向量, 1,…,p都是L×1階矩陣向量，φ1,…φq是L×q階矩陣向量，隨機誤差εt都是L×1階列向量。
在這個模型中，假設μt和εt是序列不相關的，并且分別服從方差協(xié)方差為矩陣∑μ和∑ε的正態(tài)分布。其中μt和εt相關的方差協(xié)方差矩陣為∑μ,ε。
在 Wilson（1997）和Virolainen（2004）提出的框架中，yt僅僅與Xt有關，而本文模型的設定更符合實際情況，yt不僅與Xt相關，考慮到宏觀沖擊的時滯效應，yt還與其滯后期的值yt-1,…,yt-n有關。
從（4）可以看出，模型不僅考慮到了宏觀經濟變量值之間的相互影響，模型的設定考慮到了金融體系對宏觀經濟波動的回饋效應。將銀行的表現對經濟的反饋影響通過在宏觀因素變量的自回歸方程中引入綜合變量來實現。通過各行業(yè)綜合指標Y的前期值對各宏觀經濟變量的影響設定來反映現實世界中的金融與經濟發(fā)展的相互影響關系。
（三）變量選取
1.解釋變量
根據各國的實證研究經驗和我國銀行體系業(yè)務發(fā)展特點，本文模型的變量選取1990～2006年的年度數據，主要考慮到數據的可得性、宏觀經濟統(tǒng)計的特征以及經濟沖擊發(fā)生的持續(xù)時間來決定的。鑒于研究的宏觀層面，從數據的可得性及計算量考慮，本文的宏觀模型是基于整個經濟體系的，因此各宏觀經濟變量將不采用各經濟部門的統(tǒng)計值，而是采用本國的整體水平的統(tǒng)計值。
本文選取八個宏觀經濟變量作為解釋變量：
NGDP―國內生產總值名義年增長率；
RGDP―國內生產總值實際年增長率；
NR―一年期存款的名義基準利率；
RR―一年期存款的實際基準利率；
NLR―一年期流動資金貸款的名義平均利率；
RLR―一年期流動資金貸款的實際平均利率；
CPI―居民消費價格指數；
RE―房地產價格指數；
2.被解釋變量
本文選取違約概率作為評估信用風險的指標，銀行系統(tǒng)的信用風險主要表現為貸款資產的違約風險。違約率水平是評估銀行貸款質量的最直接的指標，違約風險可以用借款人在規(guī)定期限內的違約概率度量。Virolainen K對芬蘭銀行系統(tǒng)的違約概率進行的宏觀壓力測試分析中，對違約概率指標采取如下方式賦值：在研究時段內，某行業(yè)的破產機構數量與總的機構數量的比率為銀行體系面對的違約率。Jim Wong、Ka-fai Choi和Tom Fong［19］建立的香港零售銀行面對宏觀經濟波動的信貸風險壓力測試框架中，違約概率是逾期3個月以上的貸款額與總貸款額的比率。本文選取四家國有商業(yè)銀行和交通銀行、招商銀行、光大銀行等十家股份制商業(yè)銀行的信貸數據作為樣本，以平均的逾期貸款率代表貸款違約率，即以年末樣本銀行的總逾期貸款額與總貸款余額的比率。其中，1990、1991、1992三年的各樣本銀行的詳細數據欠缺，因此本文根據各類媒體披露的總的逾期貸款的變動率和貸款額的變動率計算出了這三年的逾期貸款率，其他各年份的詳細數據均來自中國金融年鑒和各銀行的年報。
四、實證結果
（一）模型估計
代入1990～2006年的宏觀經濟數據對上述模型進行多元回歸分析和模型估計，先用宏觀經濟變量的名義指標值和實際值，與引入的綜合指標Y的兩期滯后變量分別對Y進行回歸。從兩個模型的t檢驗指標看出，模型中GDP、LR、R作為解釋變量的參數并不顯著，而引入的Y的二階滯后變量對因變量的解釋性也不顯著。因此模型的參數需要進一步調適剔除。根據經驗和宏觀經濟沖擊的滯后性往往為一年，因此模型中只引入Y的一階滯后變量。雖然兩個模型的擬合優(yōu)度統(tǒng)計檢驗指標和D-W指標略微下降，但兩個指標值分別為0.987和2，仍是非常理想的檢驗指標值。在剔除掉一年期存款利率后，兩個模型各參數的t檢驗指標都非常顯著。但是以模型解釋變量的參數符號來看，通貨膨脹率CPI在以名義宏觀經濟變量值為自變量的模型中的系數符號為負，這表明隨著CPI的增加，Y值也會減小，經過Logit變換后的違約概率PD將會增大，顯然符合經濟學原理。而在關于實際變量的模型中系數為正號，這是違背經濟學原理的。所以本文確定以名義變量作為模型解釋變量的方程為最佳的宏觀經濟模型（見表1）。這說明我國銀行的信貸違約率對名義的宏觀經濟因素的波動更敏感。Marco Sorge、 Kimmo Virolainen（2004）利用wilson（1997）模型框架對芬蘭銀行系統(tǒng)的違約概率進行了宏觀壓力測試分析，宏觀經濟模型估計結果與我國上述情況類似，即名義的宏觀經濟變量對違約概率的解釋能力更顯著。
根據回歸方程的t檢驗（5%的顯著性水平），各宏觀因素指標的實際值對綜合指標的影響并不顯著，所以剔除不列入表內。從表1中可以看出，綜合經濟指標和各宏觀經濟變量指標的名義值關系顯著。且綜合指標的一期滯后值對各宏觀經濟指標影響均顯著。從關于綜合指標的多元線性回歸方程也可以看出，國內生產總值增長率、貸款利率水平、通貨膨脹率和房地產價格的確是影響到我國銀行體系違約概率的顯著因素，而且綜合指標明顯受其一期滯后值的顯著影響。
（二）宏觀壓力情境的設定及其結果
本文選擇情境分析作為執(zhí)行壓力測試的方法。針對模型所選取的宏觀經濟變量，我們設定兩個壓力情境：一種是GDP增長突然放緩的情境；一種是CPI上升到較高的水平（5%以上）。對于各種壓力情境下，反映壓力的宏觀經濟變量的變動幅度，可以通過以往的歷史相似情境數據或歷史經驗直接進行人為的設定。而本文在對銀行體系遇到極端情境進行構建之前，利用時間序列模型對解釋變量NGDP、CPI進行了2008～2010年的簡單ARMA模型預測，作為我們構建的參考基準情境（baseline scenario）。
從表2可以看出，在設定的兩種壓力情境下，我國的銀行體系的信貸風險明顯增加，從模型預測估計出的貸款違約率都有不同幅度的增加。隨著國民生產總值增速的大幅降低，貸款違約概率增大，但幅度較緩。而隨著通貨膨脹率的驟增，違約概率出現大幅度的激增。這充分說明在壓力情境下，宏觀經濟變量對銀行系統(tǒng)信貸違約概率的沖擊效應非常顯著。從而判斷，通貨膨脹率的同等幅度波動對銀行體系信貸違約率值的影響更大。
五、結論及建議
本文在對比分析國外成熟模型的基礎上，構建了適合我國經濟環(huán)境的宏觀壓力測試模型。首先本文借鑒了國外研究成果中關于宏觀經濟因素和貸款違約率之間的非線性關系設定。在此基礎上使用Logit方程將貸款違約率轉化為宏觀綜合指標Y，以指標Y作為因變量與宏觀經濟因素進行多元線性回歸分析，使得這一指標能夠很好地利用各宏觀經濟指標所提供的信息。在模型中宏觀經濟因素的選擇方面，參考國內外學者實證研究中模型的自變量，結合我國數據統(tǒng)計和披露特點等制約因素選取適合的宏觀經濟變量來構建模型。借鑒已有研究成果中在選擇信貸風險的評估指標方面的做法，以逾期貸款率作為模型中反映銀行體系信貸風險的指標。
結果發(fā)現：宏觀經濟變量名義國內生產總值，消費者價格指數，房地產價格指數和名義流動貸款利率對銀行體系貸款違約率影響是顯著的。特別是名義國內生產總值和通貨膨脹率指標，沖擊力較強。在關于名義國內生產總值大幅下降和通貨膨脹率驟升的壓力情境設定下，銀行體系的貸款違約率都出現了不同程度的大幅度提高。尤其在關于通貨膨脹率的壓力情境下，貸款違約率的增長幅度高于名義國內生產總值下降情境下的增幅。
本文研究結果對中國國情有著一定的解釋力，讓我們有信心支持這樣的研究思路的繼續(xù)開展。通過分析我們可以看出，中國的銀行體系穩(wěn)定性還有待進一步加強，在面臨假設的宏觀經濟沖擊時，化解風險的能力就顯得不足。當然我們構建的這些極端情形發(fā)生的概率都是極小的，畢竟中國經濟目前來看幾年內保持穩(wěn)定增長的態(tài)勢是確定的。
參考文獻：
［1］ 中國人民銀行金融穩(wěn)定分析小組.中國金融穩(wěn)定報告（2005）［EB/OL］. pbc.省略/detail.asp?col=100&ID=2257&keyword.
［2］ McKinnon R. Financial growth and macroeconomic dtability in China.1978-1992: implications for Russia and other transitional economies［J］. Journal of Comparative Economics, 1994, 17(2): 438-469.
［3］ Deventer D V, Kenji I. Credit risk models and the Basel Accords［M］. Beijing: RENMIN University of China Press, 2005: 14-56.
［4］ Bernhardsen T. Real-time data for Norway: Challenges for monetary policy［J］. The North American Journal of Economics and Finance, 2005, 19(3): 333-349.
［5］ Bernhardsen T. The relationship between interest rate differentials and macroeconomic variables: a panel data study for European countries［J］. Journal of International Money and Finance, 2000, 18(2): 289-308.
［6］ Erlenmaier U. Correlations models in Credit Risk Managem［D］. Norway: University of Heidelberg, 2004.
［7］ Erlenmaier U. Gersbach H.Default probabilities and default correlations［D］. Norway: University of Heidelberg, 2005.
［8］ Froyland E, Larsen K. How vulnerable are financial institutions to macroeconomic changes? An analysis based on Stress Testing［J］. Economic Bulletin, 2002, 3(11): 127-169.
［9］ Pesola J. The role of macroeconomic shocks in banking crises［J］. Bank of Finland Discussion paper, 2000, 2: 457-504.
［10］ Virolainen K. Macro stress-testing with a macroeconomic credit risk model for Finland［J］. Bank of Finland, mimeo, 2004, 19(1): 1-66.
［11］ 陳華，伍志文．銀行體系脆弱性：理論及基于中國的實證分析［J］．數量經濟技術經濟研究，2004(9)：34-51．
［12］ Wilson T C. Portfolio credit risk I［J］. Risk, 1997, 9(10): 111-170.
［13］ Wilson T C. Portfolio credit risk II［J］. Risk, 1997, 10(10): 56-61.
［14］ Merton R. On the pricing of corporate debt: the risk structure of interest rates［J］. Inance, 1974, 29(7): 449-470.
［15］ Vlieghe G. Indicators of fragility in the UK corporate sector［J］. Bank of England Working Paper: on.146, 2001.
［16］ Bunn P, Cunningham A, Drehmann M. Stress testing as a tool for assessing systemic risk［J］. Financial Stability Review: Bank of England, 2005 (6): 116-260.
［17］ Boss M. A Macroeconomic credit risk model for Stress Testing the Austrian credit portfolio［J］. Financial Stability Report, 2002 (4): 64-82.
［18］ Sorge M, Virolainen K. A comparative analysis of macro stress-testing methodologies with application to Finland［J］. Journal of Financial Stability, 2006, 17(2): 113-151.
［19］ Wong J, Choi K F, Fong T. A framework for macro stress-testing the credit risk of banks in Hong Kong［J］. Hong Kong Monetary Authority Quarterly Bulletin, 2006 (10): 1-38.
［20］ Hoggarth G, Whitley J. Assessing the strength of UK banks through macroeconomic Stress Tests［J］. Financial Stability Review: Bank of England, 2003 (7): 91-103.
［21］ Drehmann M, Hoggarth G, Logan A, et al. Macro stress testing UK banks［R］. Paper presented at the Workshop on Financial Stability in Frankfurt: Bank of England, 2004 (6): 16-17.
［22］ Jones M T, Hilbers P, Slack G. Stress testing financial systems: what to do when the governor calls［J］. IMF Working paper: no.46, 2004: 191-211.
［23］ Jones M T, Saunders A. Have US financial institutions real estate investments exhibited trend chasing behaviour?［J］. The Review of Economics and Statistics, 2004 (11): 248-258.
［24］ Worrell D. Quantitative assessment of the financial sector: an integrated approach［J］. IMF Working paper: on.144, 2004: 1-57.
［25］ Worrell D, Cherebin D, Polius-Mounsey T. Financial system soundness in the Caribbean:an initial assessment［J］. IMF Working Paper: on.123, 2001 (9): 1-57.
［26］ Allen L, Saunders A. Incorporating systemic influences into risk measurements: a survey of the Literature［J］. Journal of Financial Services Research, 2004, 5: 23-46.
［27］ Pain D, Vesala J. Driving factors of credit risk in Europe［C］. Paper presented at ECB: Workshop on Financial Stability, 2004.
［28］ Gropp R, Vesala J. Bank contagion in Europe［C］. mimeo: Frankfurt am Main, 2004.
［29］ Gropp R, Vesala J, Vulpes G. Market indicators, bank fragility and indirect market discipline［J］. Federal Reserve Bank of New York Policy Review, 2004, 10(2) :53-62.
［30］ Gray D, Merton R C, Bodie Z. A new framework for analyzing and managing macrofinancial risks［C］. Conference on Finance and the Macroeconomy: NYU, 2004.
［31］ Derviz A, Kladlcakova N. Business cycle, credit risk and economic capital determination by commercial banks［J］. Czech National Bank, 2003, 11(6): 57-89.
［32］ Drehmann M, Manning M. Systematic factors influencing UK equity returns［C］. Mimeo: Bank of England, 2004.
［33］ Pesaran M H, Schuermann H, Treutler B J, et al. Macroeconomic dynamics and credit risk: a global perspective［J］. Wharton Financial Center Working paper:on.141, 2004 :3-13.
［34］ Benito A,Whitley J,Young G. Analyzing corporate and household sector balance sheets［J］. Bank England Financial Stability Review, 2003 (1): 234-287.
［35］ Hanschel E, Monnin P. Measuring and forecasting stress in the banking sector: evidence from Switzerland［J］. Workpaper of Swiss National Bank: on.118, 2003.
［36］ Kalirai H, Scheicher M. Macroeconomic stress testing: preliminary evidence for Austria［R］. Financial Stability Report: Austrian National Bank, 2002 (3): 77-98.
［37］ 孫連友．金融體系壓力測試-概念與方法［J］．濟南金融，2006(2)：43-50．
［38］ 高同裕，陳元富．宏觀壓力測試及其在我國應用面臨的問題［J］．南方金融，2006(2):8-10．
一、引言
隨著2013年6月新《基金法》的實施，基金產品創(chuàng)新發(fā)行異常迅速，積極推動了我國基金市場的發(fā)展，截止2015年7月底，我國98家基金公司共發(fā)行基金產品數已達到2451只，基金數量增長之快帶來的問題是，投資者如何才能有效選擇基金產品？目前，投資風格是作為基金產品發(fā)行的標簽，但大量文獻研究發(fā)現基金投資風格發(fā)生漂移已成常態(tài)，且該現象越來越嚴重?，F有相關文獻研究主要集中在基金投資風格漂移實證檢驗及其成因方面。在投資風格識別上主要有定性與定量兩類方法：定性上可根據基金招募書宣稱的投資風格來識別風格漂移；定量上可用計量方法來檢驗基金投資風格漂移。后來還有一些學者研究牛市和熊市行情下的基金風格漂移情況，得出了各種結論。但幾乎未有文獻系統(tǒng)研究宏觀經濟環(huán)境下的基金投資風格漂移情況。本文將重點探討宏觀經濟環(huán)境對股票型基金投資風格漂移的影響，以期實證檢驗宏觀經濟波動是如何影響到基金投資行為的，本文研究意義在于為如何通過基金公司等機構投資者來維穩(wěn)證券市場健康發(fā)展奠定理論與實證基礎。
二、文獻評述
隨著全球基金市場的迅速發(fā)展，國內外關于基金投資風格漂移方面的文獻逐漸增多，但大多集中在基金投資風格漂移檢驗、漂移原因解釋、漂移程度量化及分析其與基金績效之間的關系等。在基金投資風格漂移檢驗、量化及成因方面。Sharpe(1992)開創(chuàng)性地建立了投資風格分析模型，利用基金歷史收益率與某種風格指數相聯系進行風格識別。DanDiBartolomeo和ErikWitkowsk（i1997）研究認為基金普遍發(fā)生了較嚴重的投資風格漂移現象。Cooper等（2005）發(fā)現基金可通過變換基金名稱來改變其投資風格。董鐵牛等（2008）實證結果發(fā)現：債券型基金無投資風格漂移現象，然而股票型和混合型基金有較嚴重的投資風格漂移現象。宋光輝和許林（2011）運用分形理論構建了CIS指標來量化投資風格漂移，發(fā)現風格漂移的基金比例高達76.4%，但同時漂移程度并不大。PauloLeite和MariaCéuCortez(2014)發(fā)現基金會根據他們篩選的策略表現出不同的投資風格。容易發(fā)現這些文獻的檢驗方法均沒有考慮到樣本數據的尖峰厚尾、波動聚集等特征，從而使得研究結論缺乏可靠性。
在投資風格漂移對基金業(yè)績及其持續(xù)性影響方面。Kathryn和Robert(2007)研究結果發(fā)現：投資風格漂移與基金業(yè)績正相關。Andrew等(2008)把投資風格漂移的程度分解成主動的與被動的成分，實證發(fā)現：基金主動調整投資組合比被動調整投資組合更有效，業(yè)績的壓力促使基金經理發(fā)生風格漂移。SunilWa-hal和M.DenizYavuz.(2013)研究結果表明：風格投資在資產收益的可預測性方面發(fā)揮了重要作用。UlfHerrmann和HendrikScholz(2013)實證結果表明：25%的基金表現出超額業(yè)績和風格轉換能力；25%的基金表現出短期的業(yè)績持續(xù)性，但不具備風格轉換能力。李學峰和徐華（2007）發(fā)現基金發(fā)生投資風格漂移要比堅守投資風格有更好的投資業(yè)績。王敬和劉陽（2007）、王鵬（2011）肯定了基金未來業(yè)績受投資風格的持續(xù)性影響，認為大小盤基金發(fā)生適度風格漂移對未來業(yè)績有益，而成長型和價值型基金則應堅守投資風格。高鶴等（2014）研究發(fā)現：男性與女性基金經理在實際投資風格與長期投資業(yè)績方面均沒有顯著差別。不難發(fā)現這些文獻只是檢驗了投資風格漂移對基金績效的影響，但沒有文獻解釋這些影響是否跟宏觀經濟環(huán)境有密切關系。在不同股市行情下基金投資風格漂移方面。宋威（2009）研究發(fā)現李學峰和徐華（2007）得出的結論僅適用于牛市行情，在熊市行情下發(fā)生了風格漂移的基金不會有更優(yōu)的績效。郭文偉等（2011）研究發(fā)現：風格漂移在長期上顯著削弱了基金績效，從短期上看，風格漂移對基金績效的影響隨股市牛熊轉換而變化；在熊市中，風格漂移有利于提升基金績效，在牛市或由牛市轉向熊市的過渡階段，風格漂移對基金績效有負面影響。陳星榕（2014）研究得出基金家族要嚴格控制投資風格漂移程度，不能隨意對投資風格做出調整，而要隨宏觀經濟波動進行風格漂移。容易發(fā)現這些文獻只是研究了不同股市行情下的投資風格漂移及其績效問題，對于宏觀經濟環(huán)境是如何具體影響投資風格漂移問題沒有涉及。
綜上所述，偏股型基金經常發(fā)生較嚴重的投資風格漂移現象，學者們也在不斷嘗試運用各種方法來檢驗投資風格漂移及其對基金業(yè)績等方面的影響，通過解釋不同股市行情下的業(yè)績影響與漂移成因以尋求更科學的結論。但國內學者對基金投資風格漂移仍處于摸索階段，研究結論未達成一致，有可能是因為基金投資風格漂移的識別方法、研究樣本和研究視角不同所導致。因此，基金投資風格漂移問題仍是值得研究的領域，且未見文獻研究宏觀經濟環(huán)境對基金投資風格漂移的影響。考慮到基金數據的尖峰厚尾、波動聚集等特征，本文通過構建修正的EGARCH-M模型，從宏觀經濟環(huán)境的視角，實證分析其對股票型基金投資風格漂移的影響，據此為政府部門提出有效的監(jiān)管政策以引導基金維護證券市場穩(wěn)定發(fā)展提供決策參考。
三、樣本數據與模型構建
本文借鑒牛市和熊市對基金投資風格漂移的影響研究，從宏觀經濟環(huán)境的視角研究其對基金投資風格漂移的影響。首先對國內宏觀經濟環(huán)境進行劃分，選擇了基金市場高速發(fā)展的宏觀經濟環(huán)境2009-2014年，研究其對基金投資風格漂移情況，通過構建修正的EGARCH-M模型，實證檢驗樣本股票型基金在研究期間的投資風格漂移情況，最后通過比較分析宏觀經濟環(huán)境不同階段所發(fā)生的投資風格漂移基金比例情況，推理出宏觀經濟環(huán)境對股票型基金投資風格漂移的影響。
（一）樣本選擇與數據來源因股票型基金容易發(fā)生投資風格漂移現象，本文選取了2005年成立的37只開放式股票型基金作為研究樣本，考慮到2007-2008年爆發(fā)了全球的次貸危機，到2009年才逐步慢慢復蘇過來，故以2009年3月2日至2014年2月28日共五年作為研究期間。數據來源于聚源數據庫、國家統(tǒng)計局網、證券會網、天天基金網等數據庫與相關網站，主要包括我國宏觀經濟數據（GDP當季同比增長率、居民消費價格指數CPI當月同比增長率）、基金單位凈值、基金分紅送配、基金業(yè)績比較基準、各個風格指數的收盤價。采用的數據分析軟件有Excel2003和Eviews7.0。被解釋變量，基金日收益率Y。因變量Y定義為Yt=(ln(NAVt+Dt)–lnNAVt-1)×100，其中，NAVt是第t日的基金單位凈值，Dt是第t日的基金分紅，NAVt-1是第t-1日的基金單位凈值。解釋變量，風格指數日收益率X。每一只基金的風格指數日收益率是根據它的業(yè)績比較基準公式，分別以每一個風格指數收益率的權重乘以風格指數收益率。如：天治品質基金的業(yè)績比較基準公式為70.0%×中信標普300指數收益率+30.0%×中信標普國債指數收益率。那么風格指數日收益率Rt=(lnPt–lnPt-1)×100，其中，Pt是第t日的指數收盤價，Pt-1是第t-1日的指數收盤價。另外，一年期定期存款年利率TDR與銀行間同業(yè)拆放利率。本文研究的基金業(yè)績比較基準公式中涉及到的一年期定期存款年利率直接使用中國人民銀行公布的一年期定期存款利率，涉及到的同業(yè)存款利息率直接使用上海銀行間同業(yè)拆放利率（ShanghaiInterbankOfferedRate）隔夜數據。從表1統(tǒng)計結果可以看出，37只樣本基金日收益率序列的偏度均不為0，峰度也均大于3，Jarque-Bera統(tǒng)計量在1%顯著性水平下均拒絕收益序列服從正態(tài)分布的原假設，表明基金日收益率序列不服從正態(tài)分布，具有典型的偏度、尖峰厚尾特征。對各風格指數日收益率序列的描述性統(tǒng)計分析也得出了類似結論。將所選取的基金收益率與風格指數收益率做回歸分析，并進行ARCH-LM檢驗，檢驗結果發(fā)現樣本基金均存在波動聚集ARCH效應，且具有高階ARCH效應，即GARCH效應，因此，本文采取GARCH族模型對基金日收益序列建模是合理的。
（二）模型構建根據表1的描述性統(tǒng)計結果可知，樣本基金日收益率序列具有尖峰厚尾、波動聚集等特征，即存在高階ARCH效應。據此，本文參照彭耿（2014）構建的修正EGARCH-M模型①，以基金日收益率Y為因變量，以風格指數日收益率X為自變量，構建EGARCH-M計量模型。
四、實證分析
（一）宏觀經濟環(huán)境階段的劃分本文借鑒一般的宏觀經濟周期劃分法，把經濟環(huán)境劃分為復蘇期、過熱期、滯脹期和衰退期四個階段。由于經濟增長和通貨膨脹是兩個非常重要的宏觀經濟指標，本文借鑒盧文偉（2014）的方法，從經濟增長和通貨膨脹兩個維度，選取國內生產總值和居民消費價格指數作為宏觀經濟環(huán)境劃分指標。由于無法獲取國內生產總值的月度數據和居民消費價格指數的季度數據，但僅使用年度數據劃分經濟周期會影響準確性，故本文最終采用國內生產總值GDP當季同比增長率和居民消費價格指數CPI當月同比增長率作為宏觀經濟環(huán)境的劃分指標。下表2為宏觀經濟環(huán)境劃分標準：在研究期間選擇上，考慮到樣本基金是2005年成立的，要選擇基金已經運行了一段時間，這樣樣本才具有良好的代表性，根據2004-2014年的國內生產總值GDP當季同比增長率和居民消費價格指數CPI當月同比增長率的走勢圖（如圖1），再結合2007-2008年美國次貸危機的全球影響，本文選取了次貸危機后國內基金市場高速發(fā)展的宏觀經濟環(huán)境，2009年3月2日至2014年2月28日這五年為研究期間，具體經濟環(huán)境劃分結果見表3。
（二）實證結果與分析使用修正EGARCH-M模型對37只樣本股票型基金投資風格漂移情況進行分析，根據樣本基金日收益序列的尖峰厚尾、波動聚集特征，具體修正方法是將EGARCH-M模型設定為（1,1）階，ERROR（誤差）設定為GED（GeneralizedError，廣義誤差），ARCH-M設定為Std.Dev（.標準差）。根據表1的描述性統(tǒng)計結果，采用這樣的修正是比較符合數據客觀特征的。實證分析結果見表4所示（因文章篇幅限制，僅列出了兩個關鍵系數實證結果，下同）。表4數據結果表明，在整個研究期間內，37只樣本基金中，有20只基金發(fā)生了投資風格漂移，17只基金沒有發(fā)生投資風格漂移，基金風格漂移的數量占比達54.05%，說明投資風格漂移現象較嚴重。為了進一步分析宏觀經濟環(huán)境對基金投資風格漂移的影響，下面對宏觀經濟環(huán)境中不同階段的投資風格漂移現象進行分析，實證結果主要如表5所示。根據表5的實證結果就可以得出表6的結果，發(fā)現37只樣本基金在宏觀經濟環(huán)境的四個不同階段中，基金發(fā)生投資風格漂移的情況：在復蘇期，有14只基金發(fā)生了投資風格漂移，其余23只基金沒有發(fā)生投資風格漂移；在過熱期，有13只基金發(fā)生了投資風格漂移，其余24只基金沒有發(fā)生投資風格漂移；在滯脹期，有17只基金發(fā)生了投資風格漂移，其余20只基金沒有發(fā)生投資風格漂移；在衰退期，有13只基金發(fā)生了投資風格漂移，其余24只基金沒有發(fā)生投資風格漂移。通過這四個階段的實證數據歸納得出，不同宏觀經濟環(huán)境下投資風格發(fā)生漂移的基金數量無明顯差異。從發(fā)生投資風格漂移的基金數量比例上分析，復蘇期、過熱期、滯脹期、衰退期發(fā)生投資風格漂移的基金數量比例分別是37.84%、35.14%、45.95%、35.14%，滯脹期發(fā)生投資風格漂移的基金數量比例相對較大，但是整體看來，不同宏觀經濟環(huán)境下發(fā)生投資風格漂移的基金比例無明顯差異，且都小于長期宏觀經濟環(huán)境中的風格漂移基金比例54.05%，這說明在次貸危機后宏觀經濟環(huán)境所處的某個特定階段，由于時間較短，而且經濟波動是單向的，所以對基金投資風格漂移影響不夠明顯；而在長期的宏觀經濟環(huán)境中，經濟波動是復雜多向的，且時間較長，經濟波動會較大，故基金發(fā)生投資風格漂移會更嚴重。即進一步得出結論：在宏觀經濟環(huán)境的某個階段，宏觀經濟波動較小，對基金投資風格漂移無明顯影響；但在長期的宏觀經濟環(huán)境中，經濟波動較大，基金投資風格漂移相對要嚴重。這與彭耿（2014）的研究結論正好相反。
（三）原因分析根據實證分析結果，本文認為導致股票型基金投資風格漂移以及宏觀經濟環(huán)境下的投資風格漂移現象在某個經濟階段內無顯著差異，但在長期宏觀經濟環(huán)境中具有正影響的原因可能有以下三點：第一、本文選取風格指數日收益率與基金日收益率進行比較，而它可能會隨宏觀經濟環(huán)境發(fā)生變化，且時間越長，經濟波動會越大。本文研究期間為5年，經濟波動相對會較大，容易導致基金發(fā)生嚴重的投資風格漂移現象。故研究宏觀經濟環(huán)境的某個階段發(fā)生投資風格漂移的基金數量比例會低于長期宏觀經濟環(huán)境下的基金風格漂移比例。第二、所選樣本基金為2005年成立的37只開放式股票型基金，屬于大樣本，且研究期間為次貸危機后的宏觀經濟環(huán)境（2009-2014年），所選的基金至少已經運行了4年，相對比較成熟，在樣本選擇上主觀因素較小，研究期間較長，結論相對也比較客觀。而彭耿（2014）在選取樣本基金上是逐個挑選且只選了11只基金，有可能因樣本過小導致統(tǒng)計結果中各階段發(fā)生投資風格漂移的基金數量比例差異較大。最終導致本文研究結論不同于彭耿（2014）的研究結論。第三、宏觀經濟環(huán)境對股市的傳導作用較強，但對基金投資有一定的滯后。鄭挺國和尚玉皇（2014）研究認為長期的股市曲線應該可以理解為是宏觀經濟的反映，即宏觀經濟的好與壞決定了股市長期的波動走勢。而基金是投資股市的，通過股市傳導給基金是需要時間的，比如基金建倉就需要一定的時間，即具有滯后性，故短期內宏觀經濟波動對基金投資行為影響不明顯，但長期這種影響作用會逐漸突顯出來。
五、結論與建議
關鍵詞：宏觀經濟學；社會科學方法論；實證主義；人文主義
中圖分類號：F015 文獻標識碼：A 文章編號：1001-828X（2014）05-00-01
宏觀經濟學是一門復雜的學科，其中充斥著許多人為因素的不確定性，因此必須遵循某種方法論來減少這種不確定性。本文通過實證主義和人文主義范式分別來闡述，指出研究宏觀經濟學問題必須注重與方法論的結合。
一、宏觀經濟學的特殊性
宏觀經濟學有其特殊性，正是由于這種特性使宏觀經濟研究變得復雜多變。一是，整體性。宏觀經濟的整體性是指宏觀經濟雖然針對不同的主體可能有不同的經濟行為，而且經濟行為的范疇會存在差異，但是從宏觀層面的經濟來講，其整體性不可忽略。也就是說，社會也好，各級政府也罷，它們在宏觀經濟方面都必須以整體利益為出發(fā)點，在制定政策措施時，必須相互配合以達到共同的目標。二是，社會性。宏觀經濟的社會性是指宏觀經濟從整個社會的角度出發(fā)，要從宏觀的層面上把控整個國家乃至社會的經濟局面，正如本文的前一部分所述，社會及各級政府作為宏觀經濟的主體，使得它們的經濟行為具有了一定的社會責任。三是，協(xié)調性。宏觀經濟的協(xié)調性是指通過宏觀經濟活動，要促進社會各個領域的共同而協(xié)調的發(fā)展。從歷史的發(fā)展長河來看，任何一個階段的發(fā)展與進步在不同利益群體方面都不可能以同樣的速度進行，也就是存在著不同步性，在這種情況下，協(xié)調顯得尤為重要。
二、宏觀經濟學研究中存在的問題
由于宏觀經濟的特殊性的存在，要想準確研究宏觀經濟具有一定的難度。宏觀經濟研究成果普遍缺乏科學性和創(chuàng)造性?？茖W性是要求學術成果所表述的內容具有可靠性，體現在論據要準確翔實，文字表述精煉不可含糊其辭，許多經濟學研究達不上要求。研究成果的創(chuàng)新性要展現研究的解決和分析問題的能力，但實際上大多數研究成果不是材料堆砌，就是過多借鑒別人的理論缺乏自己的創(chuàng)見。像多數論文的文獻綜述部分都是材料堆砌而成，以時間為序最多，卻沒有時間地點提出理論的緣由等，這樣的綜述意義不大。研究成果中的模型的“借鑒”，幾乎都是直接照搬國外的東西，再直接用中國的數據進行檢驗，而數據的質量又不高，只要得出結論就可以，不管其正確與否。
三、方法論的必要性
方法論的定義為多種多樣，《韋伯斯特大學詞典》將方法論定義為“做某件事，或為做某件事的方式、技術或過程”。但在《應用經濟學方法論》這邊書中，方法論一詞實證指：給定領域中進行探索的一般方法的研究。因而，經濟學研究方法論就是對經濟學研究的一般方法的研究。書中方法一詞指的是：用于完成一個既定目標的具體技術或工具，這種用法和國家科學院科學指導委員會的用法一致。在社會科學方面，社會研究方法是通過科學的方法，系統(tǒng)地收集和分析關于社會現象的資料，并在此基礎上對相關的社會現象及其本質和規(guī)律做出科學認識的活動，是設計方法論的重要組成部分。
宏觀經濟學是建立在實踐基礎的研究，并沒有一個成熟的科學的理論研究方法，如果認為宏觀經濟學科的理論不需要經過科學的檢驗和檢測就能成功，這顯然是不對的?，F代宏觀經濟理論如果想要發(fā)展就必須上升到理性的高度，從而形成科學的行為準則，同時這種“行為準則”在不斷的進步和發(fā)展中形成科學的“方法論”。在宏觀經濟學科研究領域，“方法論”十分重要，它是現代科學和經濟理論研究領域的核心問題。因此，對我們科學地學習和研究宏觀經濟學科研究是至關重要的，也是不可或缺的。
四、從社會科學方法論角度研究宏觀經濟理論
（一）實證主義
從研究特征來看，實證主義社會學對“科學建構”的強調依賴于把自然科學作為社會理論構造的模式，強調科學就在于說明現象的成因，對現象的未來進行分析和預測。并對自然科學這種普遍性和精密性的精密性，主張重量化的研究方法，因此實證主義主張以事實說話，從宏觀經驗事實來研究宏觀經濟問題。定量研究是實證主義方法論的具體化，它側重于對宏觀經濟數據的數量分析和統(tǒng)計計算。實際上，實證主義研究早已滲透到不管是社會科學還是自然科學研究中。實證主義研究有著其他方法所無法比擬的優(yōu)點，如自行檢驗。實證主義在研究宏觀經濟中有很多的內在的檢驗，這些檢驗可以驗證和控制經濟學家在自己能力范圍外的研究結論。
但是實證主義分析是基于特定引導假定下，而特定引導假定本身就存在主觀性，而這兩者又是無法隔離的，因此實證主義不是撇開價值觀純粹的科學研究，不同的經濟經濟學家對于同一現象的實證研究會得出不同的結論。
（二）人文主義
經濟學是關于人的學問，不僅要研究資源配置問題還要研究理想人行為的問題，經濟學研究一方面要注重效率，另一方面還要關注人的倫理道德。經濟學的核心和基礎上價值論，經濟學研究的目的是促進人和社會的全面發(fā)展。人文主義強調收集信息，從整體上進行理解和詮釋。它注重定性研究，并偏重本分析或敘事表達，它們認為人力的行為是多樣化的，個人根據自己的實踐情況來決定自己的行為。人文主義的社會價值是傾向于對人的個性的關懷。因此人文主義從定性的角度出發(fā)，來研究宏觀經濟問題，并讓宏觀經濟理論向對人們有價值的方向發(fā)展。注重強調反對暴力，主張自由平等和自我價值體現的一種哲學思潮與世界觀。自由公平可以促進經濟發(fā)展，而宏觀經濟發(fā)展又必須以自由公平為基礎和前提。
參考文獻：
[1]沈軍，白欽先.論金融研究方法論的范式轉換[J].經濟論壇，2006（5）：123-128.
[2]孔祥毅.山西金融史及其研究.2013.
