宜华木业，公司原来以出口为主，随着美国房地产市场好转，公司产品出口受益；现在公司积极开拓内销业务，分享国内消费升级红利。公司拥有500万亩林地资源，掌握上游资源，实现一体化经营，有助于公司充分获得全产业链的利润。
洪都航空，公司主要生产教练机，主要品种是L-15高级教练机和K8中级教练机，随着L-15高级教练机的陆续交付，公司迎来业绩恢复增长。目前中航装备旗下仅有成飞集成和洪都航空两个资本运作平台，随着成飞集成的停牌资产注入，洪都航空也有望未来进行资产整合。
国光电器，公司原来业务是音箱、扬声器等的生产和销售，目前公司切入锂电池产业链，另外公司在花都区有1200亩土地，公司面临业绩反转和土地价值重估的双重机遇。
国电南瑞，公司是中国电力自动化领域的技术领先企业，在高端电力二次设备市场占有率高达50%以上，在省电网调度高端自动化市场占有率达75%。资产重组完成后将北京科东、电研华源、国电富通、南瑞太阳能等收入麾下，国电南瑞在配网自动化市场地位更加稳固。同时公司积极培育新的增长点，在轨道交通、新能源领域进展顺利。
一、引言
资本市场主要指的是债券市场和股票市场。在发达国家经济中，证券市场对宏观经济的发展起着举足轻重的作用，证券市场的结构合理、功能完备则社会资源利用率就高，经济效率就高。股票市场的存在、发展与宏观经济的关系密切，受到宏观经济的制约和影响。
论文选取亚洲的中国香港股票市场、北美洲的美国股票市场以及欧洲的英国股票市场为研究对象，中国香港、美国和英国三个国家和地区的经济较为发达，股票市场较为成熟。更为重要的是，他们之间的经济密切联系，宏观经济和股票市场的信息能够得到迅速传递、充分反映，可以通过分析三者的动态关联性来说明在股票市场上分散投资的长期效果。
二、文献回顾
在高度全球化的金融市场，国际股市之间往往存在不同程度的波动性和关联性。国内外许多学者都就此问题展开了研究。在国外的研究中，Hung 和Cheung（1995）研究发现，东南亚5 个新兴股票市场的股指相互之间存在显著的Granger 因果关系和协整效应，因此未能达到区域内的市场有效性。Leong 和Felmingham（2003）也证实，亚洲金融危机后中国香港与中国台湾、新加坡与韩国、日本与韩国、以及新加坡与中国香港之间的股票指数均存在不同程度的双向Granger因果关系。
在国内研究方面，骆振心（2008）基于VAR 的Johansen 多元协整检验对中国金融开放和股权分置改革前后的股票市场与美、英、德、日、中国香港等五国（地区）股市之间的关联性分析。吴英杰（2010）对金融危机前和危机期间六个主要国家（地区）的股市进行联动性实证分析，发现危机期间股市联动性加强。
三、实证分析
（一）数据选取
论文选取了美国、英国和中国香港三个国家和地区的主要股票市场指数：美国的道·琼斯工业平均指数（DJIA），英国的金融时报指数（FTSE100），香港的恒生成分股指数（HSI）。样本数据为2006年1月4日到2011年6月10日的日收盘数据，观察值为1340个数据。我们对这三个指数数据进行取对数和对数差分处理。可以得出的结论是，中国香港、美国和英国三个国家和地区的主要股票市场指数变动趋势大致相同。
（二）实证模型
（1）单位根检验。首先对股票指数的对数序列以及差分序列进行单位根检验，确定各时间序列的单整阶数。
检验结果表明，对数序列均接受存在单位根的原假设，对数差分序列（即收益率序列）进一步进行平稳性检验，则显著拒绝存在单位根的原假设，这说明它们的差分序列是平稳的，由此可以推断对数指数序列是非平稳的，都是I（1）过程，收益率序列是I（0）过程。
（2）Granger因果关系检验。Granger 因果关系检验的检验结果对滞后阶数的选取十分敏感，如果回归模型包含的滞后变量不足，很可能得到不显著的结果，反之，滞后变量过多又会降低估计结果的无偏性由于股票市场对数指数序列都是一阶差分平稳过程，都是齐次非平稳时间序列。从Granger 因果关系检验的结果来看，对于对数指数序列，三个股票市场之间相互影响，各股票市场的发展趋势和波动相互传导，使得主要股票市场具有显著的联动特征。
（3）VEC模型。通过协整检验可以得出，中国香港、美国和英国股票市场价格指数之间存在协整关系，三个股票市场之间并不是相互独立的，而是具有一定的动态关联性。
长期的看，美国和英国的股票市场指数是同向变动的关系，长期趋势相同，并且相互影响程度较大，这也与美国与英国的经济紧密联系表现相一致。而美国和中国香港的股票市场指数之间也是同向变动关系。说明他们的动态变化由共同的随机项决定，这个共同随机项对这三个变量产生长期影响。虽然各国和地区经济政治体制也存在差异，经济发展程度不同，股票市场的规模、环境不尽相同，但各国股市指数受共同随机项决定，形成一个稳定的整体。
四、结论
通过实证分析，我们得到以下结论：
通过对中国香港股市、美国股市和英国股价指数对数序列的单位根检验，说明它们的差分序列是平稳的，由此可以推断对数指数序列都是I（1）过程，收益率序列是I（0）过程。对三个市场的股价指数对数序列做Granger因果关系检验，结果显示三个股票市场之间相互影响，各股票市场的发展趋势和波动相互传导，使得主要股票市场具有显著的联动特征。对三个变量的Johansen协整检验，建立协整关系和VEC模型，三者均具有显著的同向变动关系。长期的看，美国和英国的股票市场指数是同向变动的关系，长期趋势相同，并且相互影响程度较大，这也与美国与英国的经济紧密联系表现相一致。
综上所述，美国、英国和中国香港三个国家和地区的主要股票市场指数的对数序列均是一阶单整过程且三者存在一个协整关系。而且从脉冲响应分析结果来看，各市场对其他市场的影响都是持久的，这意味着投资者通过投资分散化获益的可能性不是很大。
参考文献：
[1]高铁梅等.计量经济分析方法与建模：Eviews应用及实例 [M].北京：清华大学出版社，2009.
[2]沃尔特.恩德斯.应用计量经济学[M].北京：高等教育出版社，2006.
本次报告会邀请了博时基金宏观策略部总经理魏凤春先生、摩根士丹利华鑫基金研究总监陈强兵先生、南方基金首席策略分析师杨德龙先生、海通国际环球投资策略部董事潘铁珊先生、麦格理资本证券联席董事林泓昕先生作为嘉宾进行主题演讲。此外，报告会还安排了专栏作者圆桌会议。
2016年世界经济仍将呈现复苏乏力态势。发达经济体总需求不足和长期增长率不高现象并存新兴经济体总体增长率下滑趋势难以得到有效遏制。股票市场容易受整体经济发展的影响，然而主要经济体宏观政策方向不一致伴随着大规模跨境资本流动，外汇与金融市场动荡，这些因素都可能对世界经济运行带来负面干扰。GDP上升受到影响将对股市的上涨带来不小的阻力。分析市场，从股市中看物价市场，从物价后市走势来结合股价市场。
股市之中我们会选择自己心仪的股票来进行购买，并且抱着对其后市上涨的心态对待。利用大数据的分析可以让我们不会盲从大流去购买股票。在股票的选择之中存在着最优投资组合，降低自己所购买的股票的风险，尽可能的使投资效益最大化。每个人心中都有一个期望收益率。假设市场上存在着n个有风险证券[xi，i=1， 2， …，n]，各风险证券的期望收益率和标准差分别为[ui，σi]，两两相关系数为[ρij]。如果投资组合中各风险证券所占的权重（按市场价值计）分别为[λ1， λ2， …，λn]，可得[z=λ1x1+λ2x2+…+λnxn]，则该组合的期望收益率和风险（方差）分别为[uz=λ1u1+λ2u2+…+λnun]，[σ2z=i=1nλ2iσ2i+i=1nj≠iλiλjρijσiσj]。如果投资者要求的期望收益率为[u]，并且金融市场允许卖空，那么投资者的最优投资组合（风险最小的投资组合）中，各风险证券所占的权重[λ1， λ2， …，λn]，可以从以下条件极值中求得：
[minλ（i=1nλ2iσ2i+i=1nj≠iλiλjρijσiσj）s.t. i=1nλiui=u， i=1nλi=1。]
利用这样的投资组合模型，我们可以用SAS程序进行编程进而计算出各项权重的数据占比是多少，降低自己所购买股票时的风险系数。
一、股市概况
这是一个大数据的时代，大家都通过互联网来进行便捷的购物、交流、工作、上传所需文件等等的操作，对于现有数据的分析能力将会变得不可或缺。毕竟如今在这么多数据之中会掺杂着不少无用数据，我们需要把这样的数据给过滤掉，再从中筛选出自己所需要的那一部分数据根据自己的需要做出分析。这样看似简单的步骤，却可以为其带来不小的收益，因此数据分析的应用领域也变得越来越广。根据不同的领域分析选择不同的软件以及分析方法，找到适合的分析方法将会给分析者带来很大的便利以及效益。
在涉及金融领域工作的人之中，炒股的人占很大的比重，然而股市的行情却总会蒙蔽炒股者的双眼，每当其在股市之中获得一定数额的利润之后，就会想去获取更高额的利润而不顾后市发展情况。股价往往在不断上涨之后会有着或多或少的回调，当然也可能在调整时候就改变趋势，从上涨趋势改为了下跌趋势。当然在调整之前股市之中都会有信号给出。如何把握个股的情况，我们只能根据个股的所给数据来判断大致情况，毕竟股市之中一直是有着挺高的风险的。每一天，我们对于个股的判定也许都会有着不同的见解，根据不同的炒股方式去分析判断得出的结论当然也会产生差异。2015年的股灾导致了很多人们破产，大多数人在牛市的行情之下赚取了不少钱但是却不会去分析其购买股票的K线以及后市可能的走势情况，或多或少的在大盘瞬间下跌的情况下不知所措，仍然持有着之前赚钱的股票，直到在几日之后盈利变成了亏损。对于股票这样的高风险高收益的投资，我们必须保持着理性。有多大的上升空间就有着多大的下跌空间，风险与收益在金融领域一直是并存的，没有一直会上升的股价当然也没有一直下跌的股价。对于股市的分析来说还是需要看个人对于个股的理解，但是不变的是在对于股票的选择上，必须关注一下所看好股的公司运营情况，股市开盘之时，总会有领涨的板块，在领涨的龙头板块之中挑选盈利其公司本身盈利情况较好并且成交量较大的有潜在上升空间的股，这样大体上来说选股方向是不会有很大偏差的。在股灾来临之前，其实也是有信号和预兆的，大量的资金跑出，在大盘下也出现阴线，各种指标都出现不利股市上涨的情况，都是在给予入市的人撤离的提醒。
对于股市的把握分析，我们每天可以根据大盘行情的走势，以及相关政策的出台或者与个股相关的新闻影响的把握，当然还有不可或缺的成交量的扩大或缩小。从这些方面的分析可以让你大致对这一支股票当天的走势有一个判定。个股之中都会给出各个时间点的成交情况，分析股票可以从其简况之中关注市盈率与营业收入这两个数据。一般来说这是判定个股趋势的重要指标。有着一定的分析能力去做股票也不能保证自己在变化不定的股市之中没有任何的损失，毕竟股市与科学的计算不同，计算之中正确的答案只会有一个，然而股市之中谁都不能在前一天给出第二天涨跌的一个确定数值。但是从长时间来说，放在股票之中的投资将比金融领域其他的理财产品有着高出很多的收益。当然这样的前提是自己所选择的股票在这一段时间内不会因为公司资金周D不利或者由于违反一些法律的规定而产生退市风险最后市值归零。
（一）股市的不可控因素
在股票市场的诸多外部因素中，许多是不可控的，如国际形式、国际环境和突发事件，有一些是在短期内无法克服的，但也有一些因素是可控的，比如政府的经济政策和监控措施。任何政策的出台和监控措施的实施都要考虑它对市场的冲击，有些冲击是短暂和轻微的，而有些冲击是长期和摧毁性的，如泰国的经济金融政策，最终还是导致了金融危机的爆发。因此政策的出台要谨慎，允许有偏差，但不允许发生长期的错误政策导向。
股市之中存在的风险分为系统性风险与非系统性风险。系统性风险即不可分散风险，这种风险是指由于某种因素的影响和变化，导致大部分股票股价下跌，由此会给持有股票的人带来较大的无法估计的损失。系统性风险主要是由政治、经济及社会环境等宏观因素造成。这是炒股的股民无法规避的风险，只能通过掌握新闻之中的相关信息提前做判定，这样才可能避免一次这样的风险带来的损失。对股票价格变动造成影响的国家政策包括国家税收政策和金融与财政政策以及产业政策等等。
四、技术分析
技术分析理论认为市场行为包容一切，价格以趋势方式演变，并且历史会重演。市场行为包容一切，是指任何可能影 响股票市场价格的因素实际上都反映在其价格之中，技术分析者只要研究价格变化就足够了，而不必研究造成价格变动的内在因素。而且当前的市场趋势有势能或惯性，即过去出现过的价格趋势和变动方式，今后会不断出现。
一般来说对于大盘的走势分析需要结合上证指数以及沪深指数创业板指数等几个大盘指数的整体走向来预测。若是两个指数都是呈上升趋势并且突破了各自的压力位，那么整体的大盘指数一般来说是向上走的，根据上证指数的走势图需要观察的是均线，当指数回落到五日均线之时，需要提高警惕，在这一个点位是属于一个支撑位，若继续回落，也许会在后续的几日内一直呈现下跌的趋势。无论是个股或者是大盘的走势图中，我们都可以将其缩小比例观察整体走势图的形状，在平坦的走势之中一般是囤积股份的时候，在一段时间之后呈不断上升的阶梯状，这样的形态来说是有利于后市上升的，有上升空间的信号。
五、形态分析
从形态方面可以大致观察出所关注的股的整体走势，以及大致的预测到之后日子里的长时间的走势情况，在形成头肩底的形态的股票之中，可以观察到在头肩左侧呈下跌趋势，并且在一个最低点会有拉升，以最低点为头，回升的前几个高点里的一个为右肩，在两个低点与两个高点的二次确认后形成一个头肩底的形态，是一个买入信号，这样的形态的形成会对投资者的投资有一定的保障，当然也有头肩底形态出现并且以失败告终的例子出现。若是在头肩底形态形成过程之中，反弹上升趋势在肩部之后被打破，呈现回落趋势，那么这样的形态图就是没有意义的，头肩底趋势已经被打破了。相反的头肩顶形态的形成代表着后市会下跌，在右肩部形成之时就是最好的抛出自己所持股的时候，以此减少亏损。一般的情况下对于股票的走势分析需要做出轨道线，让最近的走势在这样的一个轨道之中波动。轨道线的上端即是上升时期的压力位，然而轨道线的下界就是下跌时候的支撑位。每当行情较好之时，股价会上升到压力位，在此点会展开空方与多方势力的博弈，一般来说这样点位的出现会有几日的回调起伏，毕竟在压力位的突破不是这么容易的。一旦创下一个新的高点，那么轨道线也需要因此改变，代表着这一支股将会有新的上升趋势形成。若是打不破高点，那么近期之内就将以空方获胜股价回落的情况收场。
双重底的也是一种常见形态，是指股价在一段时间的回落之后有拉升又进行回调再拉升的一个形态，W底的形成预示着后市有一个大幅度的拉升，相反的若是形成了双重顶形态那么就要关注所持股了，也许在后市会有突然的回落。对于所持股形态的把握还是十分重要的，我们可以通过形态的大致形成情况分析出之后可能形成的走势，更好的帮助自己进行更好收益的投资。当所观测股近期有形成一个高点并且此高点高于前一个高点，最近一个低点也是高于前一个低点的，那么这样的形态形成大致就可以判定后市是向上走的。当然只靠分析形态是无法很好的把控股市走向的，对于股市的把握还是需要形态分析结合量价来看的，当股价不断上升的同时我们所需关注的还有成交量，若是在成交量很小的时候股价却是不断上升的，那么对于此时的走势来说就形成了量价背离。量价背离代表着这一段时间的拉升是非正常的拉升，对于这样的情况的出现，投资者应该理性对待，减少所持股的仓位，在量价背离之后很可能预示的是大跌。
六、股票综合影响分析
股市会受到各种因素的的影响，反之我们可以透过股市看到很多不同的板块的物价波动情况，这种波动在股价上是十分明显的，在2016年上半年中，猪肉价格，油价以及金银的价格波动十分之大，从股票上反应出来的则是在主营公司经营这些不同的商品的股票价格在这段时间内产生了很大幅度的波动。我们可以通过股票市场捕捉到很多关于身边的所想知道的物价未来的走势情况。一向来股票市场的波动是会早于物价市场的波动的，在石油板块的股票价格在一个点位开始不断地拉升预示着油价将会有一定幅度的上调。2016年以来猪肉的价格在从10.5元/斤的均价不断上升于2016.5.20左右开始停止涨势价格在12.9元/斤左右，然而在7.7日又开始拉升价格到达13.8元/斤，这些价格的波动情况对应的股市之中的猪肉板块在2016年3月指数就开始呈现上升趋势，在2016年4月8日指数上升趋势受阻无法继续进行拉升，开始呈现短期的震荡，而在2016.6.1指数又开始向上拉升，不断的提高于7月22日创下新的高点遇压力位受阻产生震荡。数据显示股市之中的股价，指数波动的体现一般来说是快于物价市场的价格波动的。股市之中各个板块可以很好的反映出相对应的物价的波动情况。石油板块的股价指数2016.5.12开始拉升于6.6日开始回落，之后再6.20日开始大幅度的拉升，7.14日的回调直到8.2日开始进一步的拉升。与物价波动情况不同的是股市对于政策以及利好利空消息的敏感度更高，并且在上升过程中会受到股民心理影响受阻，从而产生一段时间的震荡。石油价格一直处于5元左右波动，由于石油是现在有车人们的必备品，价格波动幅度一直不会太大，物价水平影响着与其相关的其他产品的价格水平，家对于石油的价格一直有着强力的监控。
房地产指数从2016.2.1开始有一个明显的拉升，相对的各大一线城市的房价也不断上调，杭州的房产均价从1.8W元/平米上升到1.9W元/平米，在这短短的几个月内，炒房的人不断冲入房地产市场，以自己认为的低价买入房产待涨，这样不理智的行为促使着对房子有刚需的人不得不以高价买入自己的第一套房子，这一现象的产生也为经营房地产开发的公司带来了一笔很大的收入。更有甚者认为在这几个月之中房地产销售人员已经卖出了10年的销售额，对于GDP的拉升是一个很大的刺激。然而在2016.5.1开始房地产板块指数上涨受阻，相对应的房地产的销售业绩直线下滑，毕竟在这样一次房地产风波之后有需求的以及对炒房有想法的人都已买下了自己所看好的房子。房产相对于股票不同的是房子的流动性极差，当你买入房子的那刻起，若经济发展有所回落，或者所在城市的房地产市场不景气，你所拥有的房产价值将会下降。房子在短时间内是不可能卖出的，然而股票价格在回落的趋势中，只要持有者不看好后市，即可当即卖出所持所有股票，以此来减少自己的投资损失。以此来看对于房子的投资风险其实远远大于对于股票的投资。在股市之中一直低迷的万科A股由于房地产风波的影响一直引领板块疯涨，在6月之时由于一线城市房地产价格趋于稳定，不再有不断向上的走势，其对应的股价上升趋势也告一段落。2016年8月又出现了三线城市房价的利好消息，对应房地产板块指数又产生了大幅度的拉升，然而对应的城市的房价却没有这么快的拉升，这对于股市来说是一件好事但是对于我们其实也是一个警告。
七、结束语
随着经济社会的发展，我国居民的投资意识不断增强，股票作为一种投资理财渠道逐渐被人们所接受，对股票投资的理解也逐步加深，对股票投资的风险认识也日益增强，股票投资的风险性决定未来收益状况的不确定性，关注所选股相关信息，掌控与大盘动荡的有关因素，利用现有的大数据来选用投资组合模型，降低投资风险，随时保持冷静的选股心态，不买看不懂的股票，稳中求利才是最合适的投资股票的方法。
参考文献：
[1]应尚军，唐瑞，蔡嗣经.股票市场的外部因素与市场均衡[J].合肥工业大学学报，2006
[2]刘竹韬.影响股票价格的因素分析[J].商情，2014
中图分类号：F830.91 文献标识：A 文章编号：1674-9448 （2013） 03-0091-06
Rating Stock Investment Value by View of Dual-value Rong-Jie State
Wang Wenlong Song Ning Mu Sen（Generalized Virtual Economy Research Institute， AVIC， Beijing 100012， China）
Abstract：Using comprehensive evaluation， the authors review all the companies in China Stock Market based on theory of dual-value medium state， and screen 50 stocks which are worth investing， by material state and information state from A stock market. How to discover listed companies which are worth investing is the main concern of this article.
Keywords： dual-value Rong-Jie state， Stock Rating， information state
一、问题的提出
随着股票市场的发展，如何衡量股票的投资价值，控制投资风险，成为投资者共同关注的问题。用科学的方法对股票进行投资价值评价，可以为投资者提供一个相对客观的价值判断，已经成为证券公司研究所、投资研究机构、评级公司等机构的一项重要业务。
业界目前主流的对股票投资价值的分析方法，较多侧重于对上市公司财务指标、行业发展趋势等基本面分析，即实体价值的分析；较少涉及对虚拟价值的分析，特别是较少涉及更能反映投资者对上市公司虚拟感知等心理因素层面的分析。
本文借助于广义虚拟经济的二元价值容介态的理念，从实体价值和虚拟价值相融合的角度出发，对上市公司股票的投资价值的分析进行了探索。从二元价值容介态出发来分析股票投资价值，一方面考虑体现实体价值的物质态因素（如财务表现），另一方面考虑体现虚拟价值的信息态因素（如人气、行业属性等）。
二、股票投资价值评价的理论与实践述评
（一）股票投资价值评价的理论回顾
对股票投资价值的研究可以回溯到20世纪初。普拉特（Prat， S.S.）1903年在《华尔街动态》（The Work of Wall Street）中提出，从理论上讲股票的价值和价格是一致的，但在实际上两者的差额颇大。就股票价格的形成而言，是由供需因素决定的，难以同真实的价值完全吻合。多纳（Donner，O.）在《证券市场与景气波动原理》中认为，股票价格是由市场供求关系决定的，而股票价值取决于企业的收益。企业收益的变动，才是形成股价波动的真正精髓。就长期而言，股价波动是依存于企业收益和利率。格雷厄姆和多德（Graham，B.和Dodd，D.D.L，1934）在《证券分析》中，强调股票的内在价值决定于公司未来的盈利能力，而分析企业未来的获利能力，并不仅限于对企业的财务分析，还需要观察经济未来的趋势作为推测的基础，并考虑适当的资本还原。证券分析家的工作就是仔细分析发行人的财务数据和其他资料，努力发现该股票的内在价值，并以此作为判断股票定价合理性和投资决策的重要指标。威廉姆斯在《投资价值学说》（The Theory of Investment Value，1938）中提出，股票是一种收益凭证，其未来所产生的各种收益的现值之和就是股票的价值，股票价格应该根据其价值来确定。威廉姆斯开创了以数学模型分析股票投资价值的先河，之后，多种数学工具开始应用于股票的投资价值分析。
张先治（2000）、颜志刚（2001）等以现金流量为基础对股票价值进行评估。徐彪、梁宇鹏（2000）等利用因子分析法和概率统计分析法对农业类上市公司的财务指标进行考察，并将其划分为好、一般、差三大类。张良发、晏黎、蒲涛利用因子分析法对煤炭行业上市公司的投资价值进行了评估，并利用因子得分发现未来投资标的。张蕾、银路则利用层次分析法和因子分析对银行业和钢铁行业几只股票的投资价值进行了比较。
上述研究主要是基于发现企业内在价值的角度，通过评估企业价值，寻求低估值的股票并作为投资标的，可以归结到股票投资的基本面分析学派。与基本面分析相对应，技术面分析学派则认为，市场机制是有效的，价格已经反映了已知的所有信息，价格是所有投资者面临的唯一问题，其变化呈现一定的规律。技术面分析的研究对象是股票市场、个股股价变动情况。股票价格变动是股票交易者对宏观政治、经济形势和企业本身等事件做出的反应，所有能够影响到股票价值变动的因素已经在股票价格中得到了体现。在股票价格变动的学术研究上，刘易斯？巴切利（1900）提出，市场价格的变动是不可预知的。在其基础上，尤金？法玛提出了有效市场价说，即在有效市场中，投资者只能获得与投资风险相当的正常收益率。为此，Fama和French（1992）构造了一个包括风险系数β、公司规模、权益账面值与市值之比因素的模型，以解释大部分“非正常收益”现象。国内的俞乔（2004）、宋颂兴和金伟根（2000）、吴世农（2000）、范龙振、张子刚（2002）等人利用不同的统计方法，采用不同的样本阶段对我国股票市场的有效性进行了统计检验。
可以说，对股票投资价值评估的研究，为各机构进行股票投资价值的评估和股票的评级提供了理论基础。
（二）主要机构进行股票投资价值评级的实践
股票评级是专门机构通过规范的指标体系和科学的评估方法，对与股票有关的诸因素的分析与研究，对股票质量进行评价，并以简单的符号或说明展示给社会公众和投资者的评估活动。股票评级可以划分为针对单个上市公司的投资价值评级和针对系列公司的投资价值排名两种评级方法。针对单个上市公司的投资价值评级中，标普和台湾经济日报两家机构的评级方法有一定的参考价值。
标普公司的评级特点是注重上市公司的盈利能力和股利政策分析，强调影响股票品级高低的因素最终都会反映在每股盈余股利上，公司的盈利能力是公司各方面情况的综合体现，是股东获利的源泉，盈利能力的变化会影响股息的变动，从而影响股票价格的变动。结合上市公司的产业地位、公司资源、R&D投入、公司财务政策等加以综合评判，并用8个等级来标示股票品质。经过评级，标普公司将股票核定为如下4个类别，8个等级，如表1所示。
台湾经济日报社曾多次对上市公司的股票进行评级，其评级的办法是根据证券交易所公布的数据，对反映上市公司的获利能力、营运能力、短期偿债能力及其股票交易情况的指标进行测算，并按照一定的权重进行分配，计算出得分值并求出相应的等级。这些指标主要是税前盈利率（55%）、股东权益周转率（15%）、流动比率（10%）、股价波动幅度（10%）、股票交易周转率（10%）。其中，税前盈利率和股东权益周转率为宜大型指标，其他指标为适中型指标。计算样本股票组相应指标的全距、十分位差、均值，宜大型指标以样本平均值定位60分，每高于均值十分位则加10分，低于10分为则减10分；适中型指标则以样本平均值为100分，每高于或低于十分位则减10分。通过上述办法得到指标的最终得分，之后按照权重进行综合，得到评级的最终得分，并将最终得分和股票等级评分表对照，确定级别。
针对系列股票进行投资价值排名，也是股票投资价值评级的一种应用方法，其评价标准多种多样，有公司治理、资金管理、市值管理等等。国内目前的股票投资价值排名的应用中，较为知名的有中国中央电视台推出的央视50股票组合、新青年*财富杂志的上市公司500强、中国上市公司市值管理研究中心和《经济观察报》的中国上市公司市值管理百佳、福布斯杂志的中国最具潜力上市企业、新财经推出的“漂亮50”等等。
以央视50为例，央视财经50股票组是由中央电视台财经频道联合北京大学、复旦大学、中国人民大学、天津南开大学、中央财政金融大学等五所高校，以及中国注册会计师协会、大公国际资信评估有限公司等专业机构，共同评价、遴选的，以成长、创新、回报、公司治理、社会责任等5个维度为基础选择的50家上市公司，每个维度选择10家上市公司，共同组成央视50样本股。依据央视50样本股编制的央视财经50指数，各组样本股的权重分别为20%，此指数于2012年6月6日在深圳证券交易所上市交易。
从股票评级的理论和实践案例可以看出，现有的股票评级主要是从财务指标的角度来分析股票的投资价值，也就是说更多地关注上市公司的实体价值。央视50虽然在基本面分析的基础上，融合公司治理、社会责任、创新能力等新的因素，但并没有系统地将容纳更多经济价值的信息态因素作为主要变量。而对于股市而言，信息态实际上是影响股价的重要因素。因此，在物质态因素的基础上加入对信息态因素进行综合考量，有利于更全面地分析股票的投资价值，从而更好地把握市场中存在的投资机会。
三、基于二元价值容介态的股票投资价值评级模型设计
基于二元价值容介态的视角，本文以国内A股上市公司为研究对象，从反映实体价值的物质态因素和反映虚拟价值的信息态因素两个方面逐层对股票的投资价值进行分析。在模型设计的总体思路方面，选择两步筛选法。第一步，以物质态因素为主进行评级，设计体现物质态因素的指标体系，通过门槛值设置，筛选出合格的股票进入第二轮筛选。第二步，以信息态因素为主进行评级，在第一轮基础上，进一步利用体现信息态因素的指标体系，同时设置一定的门槛值，在入选股票的范围内进行综合排名，并最终选择排名靠前的50支代表性股票。
（一）基于物质态因素的评价指标
综合以往的研究，基于物质态因素的评价指标从盈利能力状况、资产运营状况、偿债能力状况、发展能力状况4个方面进行指标设置。根据指标的特点，分为宜大型指标和适中型指标。各指标的类型如下表所示：
（二）基于信息态因素的评价指标
信息态的因素可以体现在很多方面，本文从二元价值容介态的基本概念出发，将选取一些能够突出反映以人的心理需求为信息特征的虚拟价值的因素作为模型的变量。在信息态评价上，本文主要采用行业经济价值、人气，同时融合公司治理和市场表现因素。
1.行业价值形态因素
从二元价值容介态理论出发，根据实体价值和虚拟价值的比例构成可以将经济价值划分为7种形态。我们把上市公司所属行业（按照证监会的行业分类），分别将其归入某类经济价值形态，并进行赋值。在归类的过程中，充分考虑国家的产业导向。按投资价值排序，从第一类价值形态到第7类价值形态，价值形态逐级递升。本文将7类价值形态理念融入到信息态评级之中，将其作为适中型指标，以期筛选出富含更多虚拟价值形态的标的。
2.人气因素
人气因素对股价的影响在理论研究中已经具有一定的基础，Wouters和Plantinga在2006年提出了股票人气假说，他们的研究结果表明，股票人气与良好的过去表现直接相关。股票人气研究以投资者情绪（Sentiment）为基础，投资者情绪对金融市场价格有重要影响。如何衡量投资者情绪又是一个纷争的话题。总体来看，衡量投资者情绪的方法可以分为基于客观市场指数的方法和基于调查的方法。基于客观市场指数的方法主要有封闭式基金的折价及BW 情绪指标。Baker和Wurgler（2007）利用人气水平指数，验证基于人气指数及其预期条件收益，他们的人气指数的指标主要有成交量、股利溢价、封闭式基金折价、IPO首日收益等。可以说，目前对股票人气的衡量，主要从证券市场总体层面衡量，而针对单支股票研究其人气的文献较少。本文在模型中对人气因素的考虑，主要从单支股票被关注的程度设计指标。本文借助于对百度新闻数量和股吧帖子数量，从现状和未来变化等两个角度对上市公司的人气表现进行综合衡量。其中，百度新闻数量和东方财富网股吧帖子数量均为宜大型指标。
3.公司治理因素
公司治理作为股东、经理层等企业的利益相关者之间的一套制衡、激励的制度安排，有利于公司长远发展。南开大学中国公司治理中心的研究表明，公司治理同上市公司的股价表现有一定的关系，良好的公司治理能够带来更快的股票价格增长。本文对公司治理的指标，主要包括：独立董事比例、股权集中度、机构投资者持股比例。其中，独立董事比例为宜大型指标，股权集中度为适中型指标，机构持股比例为宜大型指标。
4.市场表现因素
上市公司在证券市场的表现，是投资者利用其资金进行投资最终形成的结果，是投资者对上市公司的信心的表现，也是上市公司市场风险的直观反映。本文将市场风险纳入到我们的信息态评价之中。证券市场的风险是所有投资者都面临的，由多种因素构成的，但在不同时期又有不同的因素起主要作用，导致股市上股票价格的下跌，从而给股票持有人带来损失。个股的风险主要是针对单支股票而言，其未来价格变动受到上市公司本身质地、整个市场大环境、某种特定概念性因素等多种因素影响。为反映个股所面临的市场风险，本文利用个股的月收益贝塔系数（年度数据）和市盈率做为上市公司的市场风险的衡量指标。其中，日收益贝塔系数为宜大型指标，市盈率为适中型指标。
四、模型运行的过程与结果分析
（一）2012年模型验证
按照物质态和信息态的双重筛选过程，我们最终选出得分排名前50的在2012年1月1日之前上市的50家上市公司，并按照流通股本加权法，在通达信软件上，以2012年5月2日为指数模拟起点，拟合形成指数，称为“广虚50指数”。
从广虚50指数与同期上证指数、深证成指、中小板指走势比较看，在下跌途中，中小板指数强于广虚50指数，而在上涨途中，广虚50指数则强于中小板指数，可以说，广虚50指数的弹性强于中小板指。
从广虚50指数与上证指数和深圳成指的走势比较看，在过去一年中，广虚50指数走势强于上证指数和深圳成指等大盘指数。
从广虚50指数走势与同期沪深300、央视50的比较看，广虚50指数强于沪深300指数；弱于央视50指数。
（二）2013年模型运行结果
依据同样的模型和程序，我们对2012年上市公司物质态和信息态进行了研究，并最终选择出50家上市公司。
同样从2013年5月份第一个交易日开始的模拟情况看，2013年新选的50家上市公司所形成的指数仍然强于大盘指数和沪深300。
总之，从模拟验证的结果来看，广虚50股票组合指数表现出较好的走势，能够强于同时期大盘走势，也好于沪深300。可以说，利用物质态的实体价值和信息态的虚拟价值的二元价值容介态理念，借助综合评价法所形成的股票投资价值评价方法，有较强的实用性。
五、结束语
股票投资价值评级是一个复杂的系统评价过程，涉及的指标因素众多，采用的评价方法多种多样。本文基于二元价值容介态的视角，采用多因素综合评价法的方法，对A股上市公司依据投资价值进行了评价。从评价结果和模拟验证来看，本文所提出的股票投资价值评价思路有一定的实践意义，也为投资者挖掘投资标的提供了一个新的思路和视角。
当然，本文的研究方法仍然存在诸多缺陷。比如，在模型的指标体系中各指标权重完全采用主观赋值的办法，造成主观性因素在评价过程中可能产生较大的影响。同时，在模型验证上，本文验证了两年的数据，未来可能需要更多实证研究，以分析模型的可靠性。再如，在指标构成实际中，如何发现更好的，更能反映上市公司信息态因子的指标，以及对信息态因子同上市公司投资价值的关系等。这些问题，都需要进一步的深化研究。
参考文献：
[1] 张良发，晏黎，蒲涛. 基于因子分析法的上市公司投资价值分析[J]. 经济研究导刊，2012（14）：107-108.
[2] 张蕾，银路. 股票内在价值的一种投资方法评价[J]. 电子科技大学学报，2007（8）：814-816.
[3] 于雪冬. 股票评级[J]. 中国科技投资，2006（7）：74-75.
[4] 林左鸣. “生活对象化”价值缺位是西方债务危机的总根源 [C]// 广义虚拟经济论文集2. 北京：航空工业出版社，2012：67-69.
[5] Malcolm Baker， Jeffrey Wurgler. Investor Sentiment in the Stock Market. Working Paper 13189. http：/// papers/w13189. June， 2007.
[6] 林左鸣. 广义虚拟经济论要[C]//广义虚拟经济论文集2 . 北京：航空工业出版社，2012：12.
[7] 吴文江. 数据包络分析及其应用[M]，北京：中国统计出版社，2002.
[8] 徐泓，蒋砚章，姚岳. 公司价值评价体系的构建[J]. 甘肃社会科学，2010（2）.
[9] 夏璇，朱建华. 股票投资价值评估理论综述[J]. 中国商界，2008（12）.
[10] 周淼. 股票投资价值理论文献综述[J]. 财会通讯综合，2012（12）.
[11] 廖成林，乔宪木. 中国上市公司股票评级的财务结构模型分析[J]. 重庆大学学报，2004（9）.
[12] 辛琳，孙永正. 长三角经济圈中小企业板上市公司绩效评价研究[J]. 科学决策，2009（3）.
[13] 胡荣华. 上市公司股票评级实证研究[J]. 财经问题研究，2001（12）.
[14] 黄莉，郑晓巍，戴蓬军. 江苏省医药上市公司投资价值实证研究[J]. 中国管理信息化，2001（1）.
中图分类号：F820.1 文献标识码：A 文章编号：1674-2265（2017）05-0025-08
一、前言与文献综述
股市波动可能会引起金融市场的动荡甚至金融危机和经济危机。从短期来看，股市波动更多源于技术面的原因，有自我强化和自我实现机制特征，但从长期来看，股市波动更多源于基本面的原因，主要受到宏观经济和经济政策的外生冲击影响，其中货币政策变量是重要影响因素之一。
国内外学者的大量研究表明，经济增长、通货膨胀、经济景气指数、政策不确定性、人均收入等宏观经济变量都对股市波动具有显著影响。在经济增长与股市关系研究中基本上认为它们之间是正相关关系（Fama，1990；Levine和Zervos，1998）；在研究通货膨胀与股市关系时，大多数学者都支持它们是负相关的（Fama，1981；董直庆和王林辉，2008）；在政策变量与股市关系分析中，一些学者分析发现政策调整和政策不确定性等宏观经济政策变量变化对股市波动具有显著影响（Lam和Zhang，2014；陈国进等，2014），一些研究进一步表明影响系数具有时变特征（Dakhlaoui和Aloui ， 2016）。@些实证结果共有的一个显著特征是使用同频数据模型（VAR、GARCH、DCC等）来分析宏观经济和股市的关联性。然而，随着混频数据方法的进步，Engle等（2013）、郑挺国和尚玉皇（2014）等进一步使用混频抽样GARCH模型（GARCH-MIDAS）研究发现一系列宏观经济变量（如宏观经济环境、失业率、经济景气指数等）会对股市的波动产生显著影响。虽然学者更多集中于研究宏观经济一般变量与股市的关系，但在研究过程中也发现宏观金融变量，特别是货币政策变量对股市及其波动会产生显著影响。
对于历来具有“政策市”之称的我国股市而言，随着股市行情的跌宕起伏，关于股市波动及其影响因素的研究也愈发重要，从而使得从货币政策角度入手研究其对股市波动的影响也成为研究的热点与前沿。货币政策到底对股市波动有没有影响，并且这些影响是通过哪些途径产生的？学者们对这个问题进行了大量的研究，普遍认为货币政策对股市波动存在显著影响，但对货币政策影响股市波动的途径及方向有不同的看法，目前接受度比较高的途径主要有货币供应量、利率、汇率、信贷等。金融监管当局通过调控货币政策工具影响股票的预期收益率，进而影响人们购买股票的意愿，从而影响股市波动。早期的研究主要采用货币供应量（或其增长率）来度量货币政策，在实证研究中主要采用格兰杰因果关系检验、协整检验等方法，分析发现货币政策和股票收益率有同向变化趋势（Keran，1971）；Pearce和Roley（1983）进一步研究发现货币政策不确定性，即非预期的货币供应量变化，对股市波动具有反向作用；郝清民和郑鹤（2015）则发现货币增量在重大刺激之前比之后对股市波动更具影响，从而具有非线性特征。后期的研究主要采用利率来度量货币政策，并且在方法上主要采用VAR模型进行实证分析，基本上得出了货币政策对股市波动具有负向影响的结论（Bernanke和Blinder，1992；毕玉国和郭峰，2014；李菁和王冠英，2015）；Tsar（2011） 进一步分析发现货币政策不确定性，即非预期联邦基金利率调整，对股市波动更具影响；谢乔昕和宋良荣（2016）认为利率变化对股市波动具有正向影响。另外，还有一些学者发现汇率（Singh，2015）和信贷（赵胜民等，2011；王莹，2015）变化也会对股市波动产生影响。
综上所述，国内外学者主要是单一的基于某一个宏观金融变量所表征的货币政策对股市波动的影响进行实证分析，而实证分析发现货币供应量、利率、汇率和信贷都是股市波动的重要源泉，因此使用一个能够系统刻画上述四个货币政策变量的综合指数来表征货币政策，进而研究其与股市波动的关系，显得更为合理；同时，国内外学者大量从货币政策水平值角度来研究其与股市波动的关系，其实货币政策的不确定性，对股市波动具有更大的影响，但较少有人涉及；另外，目前国内外学者主要使用同频数据模型分析货币政策与股市波动的关系，而货币政策变量一般是月频变量、股市一般是日频变量，显然需要使用混频抽样数据模型分析二者的关系。
本文从货币政策不确定性的角度出发，研究货币政策不确定性对我国股市波动的影响，本文的创新点在于：一是研究视角创新。以往研究多从宏观基本视角去研究其对股市波动的影响，而本文从货币政策不确定性的视角进行研究。二是指标的选取与构建都更为综合。一方面是基于货币供应量、利率、汇率、信贷四个货币政策变量，使用HP滤波得到其不确定性成分，构建金融状况指数（FCI）作为货币政策的变量，而非单独使用货币供应量；另一方面是构建可以全面反映我国股市的综合股价指数作为股票市场的变量，避免了单一指数的缺陷。三是使用GARCH-MIDAS模型测度我国股市长短期成分，同时分别从我国货币政策不确定性的水平值和波动率层面分析对其的影响。
二、计量模型
本文首先使用HP滤波得到四个货币政策变量的不可预期性成分，在这个基础上使用Goodhart与Hofmann（2001）提出的方法，基于VAR模型构建得到我国金融状况指数（FCI），用于综合统一地表征我国货币政策的不可预期性；接着使用贝叶斯动态因子模型（BDFM）构建涵盖上证指数、深证综指和恒生中国企业指数的我国综合股价指数（CSI），作为我国股市的变量；最后，将金融状况指数纳入到GARCH-MIDAS模型中，使用该模型测度我国综合股价指数的长短成分，并分析我国货币政策不可预期性对其的影响。
（一）贝叶斯动态因子模型
因子模型经历了静态因子模型、动态因子模型和贝叶斯动态因子模型几个发展阶段。
1.静态因子模型（FM）。
（1）
其中，是维的原始变量矩阵；为变量个数； 是维的因子载荷矩阵；是公因子个数；是白噪声序列。
2.动态因子模型（DFM）。动态模型是在FM模型基础上的进一步推广，使用状态空间的方法测度动态公因子，具体如下：
， （2）
， （3）
其中，动态因子会随时间的推移而演化；误差扰动项和服从正态分布。
3.贝叶斯动态因子模型（BDFM）。贝叶斯动态因子模型是在动态因子模型的基础上，为了让DFM模型中的动态因子估计更加简单、其结果更加稳健，在其动态因子估计时结合了贝叶斯方法的MCMC估计方法。即通过基于叶斯的MCMC方法，经过次抽样，得到个动态因子矩阵估计值，求其均值就得到贝叶斯动态公因子矩阵。
（4）
其中，是迭代的次数。
（二）GARCH-MIDAS模型
Engle等（2009）将Engle和Rangel（2007）提出的Spline-GARCH模型和Ghysels等（2004）提出的MIDAS模型相结合， 将Spline-GARCH模型中长期波动的样条设定替换为采用MIDAS过滤器来对长期波动进行建模，提出了GARCH-MIDAS模型。具体来说，GARCH-MIDAS模型由方程（5）―（7）组成。
1.GARCH-MIDAS模型的条件均值方程。GARCH-MIDAS模型与一般GARCH模型的条件均值方程基本保持一致，主要区别在于把条件方差分解成短期成分及长期成分。
（5）
其中，为第个低频期（如月度）中的第个高频期（如日度）的股票对数收益率，其条件方差被分解为短期成分和长期成分；为某一个股票对数收益率的非条件均值；为在第个低频期中的第个高频期股票对数收益率方程的误差项，；是指在第个低频期中某一个股票对数收益率的条件方差的长期成分；为第个低频期中的第个高频期股票对数收益率的条件方差的短期成分。
2.GARCH-MIDAS模型的条件方差的短期成分方程。被假定是一个均值为1的GARCH（1，1）过程。
（6）
其中，和分别表示股票对数收益率的条件方差中短期成分的GARCH（1，1）过程中ARCH项与GARCH项的参数。上式中的ARCH项，是的整体条件方差剔除了长期波动、只保留短期波动而得到的。
3.GARCH-MIDAS模型的条件方差的长期成分方程。对于股票对数收益率的条件方差的长期成分 的建模，用已实现回报率来衡量。其并非使用已实现回报率来代表长期成分，而是通过MIDAS回归来平滑已实现回报率。长期成分 可表示为：
（7）
指股票对数收益率条件方差的长期成分均值；是MIDAS回归的系数； 为MIDAS回归的权重多项式函数，可以设置成Beta滞后结构或者指数权重，即；是已实现的波动率，。
方程（6）―（8）组成了基于RV的GARCH-MIDAS模型，其中待估计的参数有、、、。
4.货币政策不可预期性对股市波动率长期成分的影响。为了研究货币政策不可预期性对股市波动率的长期成分的影响，本文把货币政策不可预期性指数（用FCI来表征）直接纳入到GARCH-MIDAS模型中。式（7）代表了波动率的长期成分方程。在以上模型基础上对长期成分方程做一些改变，即用式（8）和式（9）来替代式（7）。货币政策不可预期性的水平值和波动率对股市波动的影响分别由方程（8）和方程（9）实现，如下所示。
（8）
（9）
上式中，表示货币政策不可预期性水平值；表示货币政策不可预期性波动率。
三、数据选择与描述
（一）金融状况指数的数据选取
本文首先通过VAR模型构建了金融状况指数（FCI），作为货币政策不确定性的变量，并进行了相关分析。所采用的宏观金融数据基于可获取性选择了人民币汇率、全国银行间7天同业拆借利率（CHIBOR）、M2和信贷量（金融机构人民币各项贷款期末余额）三类，所选数据均经过标准化处理，样本区间从1996年1月到2016年6月，ADF检验显示各序列通过了平稳性检验。
（二）基于BDFM模型的综合股价指数数据选取及描述
为了全面反映我国股市总体态势，本文选择了上证综指（SHZI）、深证综指（SZCI）以及香港恒生中国企业指数（HSCEI）三个股票指数的日收益率，使用BDFM模型测度得到股市贝叶斯动态公因子，本文称之为我国综合股价指数（CSI），将其作为股市的变量，周德才等（2014）也曾构建综合股价指数进行研究，效果良好。在这里引入深证综指是考虑到创业板和中小企业板的影响力；另一方面由于我国股市的海外影响力有限，还引入了恒生中国企业指数。所用数据来自雅虎财经和。样本选择从1996年1月3日到2016年6月30日，在剔除了日期不匹配的数据后，共得5345组样本数据。文中所涉及收益率全部是对数收益率。假设第个股市在时刻的价格为，那么它的对数变化率是：
（10）
其中， 是股票指数的日收益率；下标 依次表示上证综指、深证综指及国企指数。
表1列举了我国上证综指（SHZI）、深圳综指（SZCI）、恒生中国企业指数（HSCEI）以及所构建的我国综合股价指数（CSI）日收益率的描述性统计特征。偏度显示我国上证综指、深圳综指以及恒生中国企业指数日收益率均有一定程度的负偏，这说明三地股市的实际收益率都比该市股价的平均收益率要低。构建出的我国综合股价指数也存在一定负偏，符合实际；所有收益率序列的峰度均高于3，表明三地股市日收益率均呈现高峰厚尾分布态势，并且都于1%显著性水平下拒绝了J-B正态分布原假设。Q统计量检验表明上综、深综指收益率和我国综合股价指数收益率在1%显著性水平下，恒生中国企业指数在5%显著性水平下拒绝序列无关原假设，因此在条件均值模型中需要引入自相关性的描述部分。收益率平方均在1%的显著性水平上拒绝了序列无关的原假设，ARCH效应检验也在1%的显著性水平上拒绝序列无异方差的原假设，也就是说所有收益率序列具有明显异方差性，所以有必要引入 GARCH 模型来刻画这种时变方差特征。ADF 检验表明所有的收益率序列均在1%的显著性水平上通过了平稳性检验，符合时序分析对变量序列平稳性的要求，能避免“伪回归”现象的发生。
四、实证分析
为了能够系统性多方面地研究我国货币政策的不确定性对股市波动的影响，本文首先构建了金融状况指数（FCI）作为货币政策不确定性的变量；其次，将金融状况指数（FCI）和综合股价指数（CSI）进行关联性分析，初步研究两者之间是否存在联系；再次，基于GARCH-MIDAS模型提取股市波动的长期成分；最后，基于提取的长期成分分别纳入金融状况指数（FCI）的水平值和波动率，进一步从货币政策不确定性指数的水平值层面和波动率层面挖掘影响股市波动的深层原因。
（一）依据金融状况指数的我国货币政策不确定性分析
图1：1996―2016年我国货币政策不确定性分析图
图1表明，1996年以来，代表我国的货币政策不确定性的金融状况指数（FCI）主要经历了3次较为重要的波峰时期和3次波谷时期。波峰时期主要表现在：一是1997―1999年的亚洲金融危机期间。亚洲金融危机发生后，亚洲等国家经济动荡，同时我国经济也遭受了巨大冲击，出口增长幅度明显下降、投资下降和消费需求减少，通缩现象明显。对此我国采取一系列扩张性货币政策，如7次降息和征收利息税等，超出人们预期，大幅度增加了货币政策不确定性。二是2003年“非典”爆发期间。为了降低“非典”给经济造成的冲击，我国采取扩张性的货币政策，特别是信贷增速超出人们预期，在一定程度上增加了货币政策的不确定性。三是2008年下半年至2009年的4万亿刺激计划时期。为了应对次贷危机持续发酵对我国发展的巨大冲击，同时配合同年11月出台的4万亿刺激计划，我国推出了超出人们预期的扩张性货币政策，M2和M1增速高达近30%，2009年新增人民币贷款高达9.6万亿，与2007年和2008年相比分别高出近3倍和2倍多，这是我国货币政策不确定性最高的时期。
波谷时期主要表现在：一是2000―2001年加入WTO期间。此期间我国外贸和经济强劲增长、物价走出前期通缩阴影，应对亚洲金融危机推出的扩张性货币政策逐步退出，调整为稳健型货币政策，某种程度上引起货币政策不确定性的增加。二是2007―2008年上半年经济过热期间。虽然次贷危机已在美国爆发，但由于滞后效应，我国经济还处于过热状态，表现为经济增速达到两位数，通胀率基本超过调控目标（4%），同时我国政府把原来稳健型货币政策调整成适度从紧型货币政策，使得我国货币政策不确定性程度有一定的增加。三是2010―2011年扩张货币政策退出期间。此前，为了应对次贷危机推出的空前的扩张货币政策，导致了房价飞涨、通胀高企和流动性泛滥等一系列不良后果，我国实施了一系列紧缩性货币政策，如先后6次上调存款准备金率，远远超过人们预料，极大地导致货币政策不确定性上升。
总之，从金融状况指数多个波峰和波谷分析来看，我国金融状况指数较好地刻画了货币政策的不确定性，可以较好地作为我国货币政策不确定性的代表。
（二）金融状况指数与我国综合股价指数的关联性分析
本文用金融羁鲋甘作为衡量货币政策不确定性的指标，进一步研究货币政策不确定性与我国股市之间的关系。通过图 2 可以看出两个指数的同步性表现良好，金融状况指数与我国综合股价指数都始终保持着基本相同的波动趋势，并且金融状况指数的变化趋势先导于综合股价指数。此外，面对不确定性货币政策的影响，特别是不确定性程度较高的时期，我国股价会存在一个波动聚集态势。比如在 1999年亚洲金融危机、2003年“非典”的爆发以及2008年下半年至2009年4万亿刺激计划的推出等几个货币政策不确定性指数的高点，我国股价往往呈现不同程度的波动聚集性。这可能在于，众多股民都认为我国股市是“政策市”，当货币政策不确定性突然升高，投资者对股市预期也相应出现较大波动，因此也使得股市出现波动聚集现象。
（三）股市波动长期成分的提取
本文通过GARCH-MIDAS模型提取股市波动的长期成分，为下一步研究货币政策不确定性对其的影响做铺垫。
股市波动的长期成分估计结果（见表2），是测度股市波动长短期成分的GARCH-MIDAS模型参数估计结果。可以看出，除了参数μ是不显著的，ω在5%显著性水平下显著，其余参数均在1%显著性水平下显著。联系模型的实际意义，不难发现模型估计的效果良好。图3为股市的条件波动与长期成分。可以看出，长期成分与条件方差的高低起伏基本吻合，这说明长期成分既反映出了股市的波动情况，又在一定程度上平滑了高频数据中存在的噪音。此外，还可以看出股市的波动呈现出一定的周期性，通常表现为在一定期间内存在大幅度的波动，随后又趋于平缓。图中具体表现为在1998―1999年首次出现了较大幅度的波动，随后在2001―2002年出现了第二次波动，2007―2010年出现了时间持续较长、波动幅度更加剧烈的波动，最后在2015年3月―2016年4月也出现了幅度较大的波动。
（四）货币政策不确定性对股市波动长期成分的影响
在前文研究的基础上，以及取得股市长期成分之后，再将金融状况指数（FCI）的水平值和波动率纳入其中，分别从货币政策不确定性指数的水平值层面和波动率层面探究其对股市波动的影响。
1.直接纳入货币政策不确定性水平值的GARCH-MIDAS模型估计结果。表3为纳入了代表货币政策不确定性的金融状况指数（FCI）的水平值之后的GARCH-MIDAS模型估计结果。可以看出，除了μ和θ不显著外，其余参数都在1%的显著性水平下显著。其中θ表示货币政策对股市长期波动的对数的加总效应，其值为0.0026。θ为正但在统计上不显著，说明从水平层面看来，货币政策不确定性并不会对股市波动造成显著影响，这与图2的研究结果相悖。图2表明代表货币政策不确定性的FCI与代表我国股市综合状况的CSI之间关系紧密。这样的结果不免引人深思，难道二者之间并没有内在联系、这种关联性只是巧合？抑或是由于货币政策不确定性的其他层面引起的？对于前一个问题，由于本文研究的样本范围涵盖较广（1996―2016年），显然很难是因为巧合引发的，于是将目光投向后者。
[7]Keran M W.1971.Expectations，money，and the stock market[J].Federal Reserve Bank of St.Louis Review，（1）.
[8]Pearce D K，Roley V V.1983.The reaction of stock prices to unanticipated changes in money：A note[J].The Journal of Finance，38（4）.
[9]Bernanke B S，Blinder A S.1992.The federal funds rate and the channels of monetary transmission[J].The American Economic Review.
[10]Tsai C L.2011.The reaction of stock returns to unexpected increases in the federal funds rate target[J].Journal of Economics and Business，63（2）.
[11]Singh D.2015.The Relationship Between Exchange Rate and Stock Price in India： An Empirical Study[J].The IUP Journal of Financial Risk Management， 2015，12（2）.
[12]Goodhart C，Hofmann B.2001.Asset Prices， Financial Conditions，and the Transmission of Monetary Policy[J].Proceedings，114（2）.
[13]董直c，王林辉.我国证券市场与宏观经济波动关联性：基于小波变换和互谱分析的对比检验[J].金融研究，2008，（8）.
[14]陈国进，张润泽，姚莲莲.政策不确定性与股票市场波动溢出效应[J].金融经济学研究，2014，（5）.
[15]郑挺国，尚玉皇.基于宏观基本面的股市波动度量与预测[J].世界经济，2014，（12）.
[16]郝清民，郑鹤.政策事件干预股市的平滑转换随机波动模型[J].系统工程，2015，（5）.
[17]毕玉国，郭峰.货币政策公告、预期超调与股票市场波动――基于事件分析法的实证研究[J].福建论坛（人文社会科学版），2014，（3）.
[18]李菁，王冠英.利率冲击与理性股票价格泡沫――基于TVP-SV-VAR模型的检验[J].当代财经，2015，（12）.
[19]谢乔昕，宋良荣.利率市场化背景下利率政策调整对股市的冲击效应[J].金融理论与实践，2016，（7）.
[20]赵胜民，方意，王道平.金融信贷是否是中国房地产、股票价格泡沫和波动的原因――基于有向无环图的分析[J].金融研究，2011，（12）.
[21]王莹.关于我国信贷规模与股市波动相关关系的实证研究[J].浙江金融，2015，（6）.
[22]周德才，谢海东，何宜庆.我国股市财富效应非对称性的实证分析[J].统计与决策，2014，（1）.
Study on the Long and Short Component Measure of Stock Market Volatility Based on the Uncertainty of China's Monetary Policy
Zhou Decai Jia Qing Li Ziwei
【关键词】股票价值相对价值现金流
随着社会的发展,股票价值分析的方法也越来越多,当前股票基本面分析主要有以下几种:财务分析,相对价值分析,绝对价值分析和业绩评价指标分析。比如,相对价值分析中有市盈率,市净率,市收率,绝对价值分析中的代表是贴现现金流和股权自由现金流,在此,我就每种分析方法的代表进行说明,以便大家参考。
一、股票的相对价值分析
市盈率,简称PE,我们常说的市盈率就是静态市盈率,是股票市价与其每股收益的比值,计算公式是:
市盈率=当前每股市场价格/每股收益用符号表示是:PE=P/EPS
如果结合公司的股利支付率和股利增长率,则计算公式是:
PE=P/EPS=DP(1+g)/(K-g)
DP为股利支付率,g为股息增长率,k为资本成本.
静态市盈率是衡量股价高低和企业盈利能力的一个重要指标。由于静态市盈率把股价和企业盈利能力结合起来,其水平高低更真实地反映了股票价格的高低。例如,股价同为50元的两只股票,其每股收益分别为5元和1元则其市盈率分别是10倍和50倍,若企业盈利能力不变,这说明投资者以同样50元价格购买的两种股票,要分别在10年和50年以后才能从企业盈利中收回投资。但是,由于企业的盈利能力是不断变化的,投资者购买股票更看重企业的未来,因此,一此发展前景很好的公司即使当前的市盈率,投资者也愿意购买,预期的利润增长率高的公司,其股票的市盈率也会比较高。例如,对两家上年每股盈利同为1元的公司来讲,如果A公司今后每年保持20%的利润增长率,B公司每年保持10%的利润增长率,那么到第十年时A公司的每股盈利将达到6.2元,B公司只有2.6元。因此,A公司当前的市盈率必然应当高于B公司。投资者若以同样价格购买这家公司股票,对A公司的投资能更早地收回.
动态市盈率,其计算公式为是以静态市盈率为基数,乘以动态系数,该系数为1/((1+n)×n),i为企业每股收益的增长率,n为企业的可持续发展的存续期。例如,上市公司目前股价为20元,每股收益为0.38元,去年同期每股收益为0.28元,成长性为35%,该企业未来保持该增长速度的时间可持续5年,即时n=5,则动态系数为15%,相应地,动态市盈率为7.8倍,而此时静态市盈率为52倍,两者相差之大,可见一斑。动态市盈率告诉我们一个简单朴素而又深刻的道理,即投资股市时应该有持续成长性的公司。
结合市盈率与预期增加率,我们可以得出目标企业的价格,即:PEG,PEG=可比企业的PEG×目标企业的g×100×EPS,这种方法是对市盈率的修正,能更加准确地评判公司的价格是否合理。
市净率是我们经常使用的指标,这个比率是把一支股票的市场价格和当期资产负债表的账面价值(所有者权益或净资产)的比值,对于公司资产折旧低,质量高的上市公司(例如,公路路桥)。市净率估值对于估算公司股票价值的参考度更大。但市净率不适用信息技术,文化传播等通过无形资产创造利润的企业,可以说对于服务性企业,市净率估值没有任何意义,其计算公式为:
市净率=股票市价/每股净资产
用字母表示:PB=P/EPS
若结合股息支付率和增长率,计算公式为:
PB=(ROE×DP×(1+g))/(k-g)
DP,k,g同上,ROE为净资产收益率.
市净率也依赖于ROE,同时净资产也依赖于销售净利率。假定其他条件相同,一般情况下,较高净资产收益率的公司也有较高的市净率,原因是一家有很高所有者权益的公司更有价值,它的账面价值增长的更快。
因此,当我们考察目标股票市净率的时候,要知道他与ROE有关。一家相对于同行市场市净率低且ROE高的公司可能被低估,这是因为一般来说,低市净率的股票在长期走势强于大盘,特别是在大盘高位盘整阶段有很好的表现。但在市净率给股票估值时,应与其他指标一起应用。
市收率也是我们分析股票价值常用的指标.其计算公式为:
市收率=股票市价/每股销售收入
用字母表示:PS=P/S
若结合股利支付率和增长率,其计算公式为:
PS=(ROS×DP×(1+g))/(k-g)
一般来说,股票价格低且销售收入高的公司可能被低估,但在分析股票价值时还应结合其他指标。
二、绝对价值分析
1.股权自由现金流
公司股权资本投资者拥有的是对该公司产生的现金流的剩余要求权,即他们拥有公司在履行了包括偿还债务在内的所有财务义务和满足了再投资需要之后的全部现金流,就是在除去经营费用,本息偿还和为保持预定现金流增长率所需的全部资本性支出之后的现金流。
(1)无财务杠杆的公司股票自由现金流
无财务杠杆的公司没有任何债务,因此无支付利息和偿还本金,并且公司的资本性支出和营运资本也全部来源于股权资本,无财务杠杆的公司的权益现金流可按如下方法计算:
销售收入-经营费用-销售成本=利息税收,折旧,摊销前收益(EBITDA)
利息税收,折旧,摊销前收益-折旧和摊销=息税前收益(EBITDA_
息税前收益-折得税务局=净收益(EAT)
净收益+折旧-营运资金增加额=经营活动产生的现金流(OCF)
经营活动产生的现金流-资本性支出=股权自由现金流
股权自由现金流是满足了公司所有财务需要之后的剩余现金流,它可以为正,也可以为负,如果股权自由现金流为负,则公司不得不通过发行股票或认股权证来筹集新的股权资本。如果股权自由现金流为正,则公司就能以股票现金红利的形式将剩余现金流派发给资本投资者。
(2)有财务杠杆的公司的股权自由现金流
有财务杠杆的公司除了要支付无财务杠杆公司的全部费用外,还要使用现金支付利息费用和偿还本金。但是有财务杠杆的公司可以通过新的债务来为资本性支出和营运资本需求进行融资,从而可以减少所需的股权资本投资。
销售收入-产品成本-经营费用=利息,税收,折旧,摊销前收益(EBITDA)
利息,税收,折旧,摊销前收益-折旧和摊销=息税前收益(EBIT)
息税前收益-利息费用=税前收益
税前收益-所得税=净收益(EAT)
净收益+折旧+摊销-营运资本增加额外负担=经营活动产生的现金流(OCF)
经营活动产生的现金流-优先股股利-偿还本金+新发行债务收入+股权资本自由现金流
2.贴现现金流
贴现现金流模型运用收入的资本化定义方法决定普通股票的内在价值。按照收入的资本化定价方法,任何资产的内在价值是由拥有这种资产的投资者在未来时期中所接受的现金流决定的。由于现金流是未来时期的预期值,因此必须按照一定的贴现率返还成现值,也就是说一种资产的内在价值等于预期现金流的贴现值。对于股票来说,这种预期的现金流即在未来时期预期支付的股利。
在该概念中,假定所有时期内的贴现率都是一样的,需要指出的是,股票在期初的内在价值与该股票的投资者在未来时期是否中途转让有关。
根据定义,可以引出净现值的概念:净现值等于内在价值与成本之差,即:
NPV=V-P
式中,P是t=o时的购买股票的成本.
如果NPV>O,意味着所有预期的现金流入的现值之和大于投资成本,即这种股票价格被低估,因此购买这种股票可行。
如果,NPV<0,意味着所有预期的现金流入的现值之和小于投资成本,即这种股票价格被高估,因此购买这种股票不可行。
在现代社会中,一般来说,现金流比利润更难以造假,所以当我们发现一家公司的股权自由现金流大且NPV也大时,我们可以认为该公司股票值得购买。
以上介绍的几种方法,可能有时得出的结论是一致的,有时得出相互矛盾的结论。对于这些结论我们需要用发展的眼光来看待,找出自己认为最有把握的结论。
参考文献:
[1]唐小我.预测理论及其应用.电子科技大学出版社,2006.
中图分类号：F224 文献标识码：A 文章编号：1009-2374（2013）24-0159-02
1 研究的背景、目的、意义
沪深股市是从一个地方股市发展而成为全国性的股市的，刚营业时上市的股票数量只有为数很少的几只，其规模很小，且上市的股票基本上都是上海和深圳的本地股。而今，我国股市正从一个相对独立的市场逐渐地与全球股市相连接和相互影响，并且正在逐步地完善和发展，市场规模不断壮大。
并且徐龙炳、陆溶利用R/S方法分析了沪市收益率的非线与相关系数。对以后研究金融市场的相关性具有指导意义。
选取指数研究是因为投资者根据指数的升降，可以判断出股票价格的变动趋势，反映股市的动向，所有的股市几乎都是在股价变化的同时即时公布股价指数。
2 数据选取
选取的数据为上海证券交易所综合指数、深圳证券交易所成份指数、道琼斯工业指数和纳斯达克综合指数的对数收益率。
3 各个市场实证分析
3.1 上证综合指数年收益率平稳性、正态性检验
在spss中定义变量，把收集到的上海证券交易所指数的年收益率数据输入，绘制出相应时间序列图和QQ图，见图1和图2。
从上证综合指数收益率时间数列图我们可以看出一些明显的特征：该图从2001～2006年，该股指收益率呈现调整上升的趋势；2006～2008年间突然大幅下跌，达到谷底，是12年间的最低点；2009年底大幅上涨到平均值以上；2010年至今趋于稳定。
从图2中可看出上证综合指数收益率数据大部分落在了斜线之外，分布于斜线两侧，这说明上证综合指数收益率不服从正态分布。
3.2 道琼斯工业指数年收益率平稳性、正态性检验
在spss中定义变量，把收集到的道琼斯工业指数的年收益率数据输入，绘制出相应时间序列图和QQ图，见图3和图4。
可以看出：从2001～2007年，该股指收益率一直在较高点位震荡波动但幅度不大；2006～2008年间突然大幅下跌，达到谷底，是12年间的最低点；随即立即反弹，2009年底恢复到高位；2010年至今趋于稳定。
从图4中可看出对数收益率数据大部分落在了斜线之外，分布于斜线两侧，这说明道琼斯工业指数收益率不服从正态分布。
综上，可以看出沪深股市收益率波动较大，而其他两个较成熟的股票市场收益率的波动则相对稳定。由于我国股市起步晚，规范性等方面还不成熟，加上投机性比较严重，导致我国的股市波动较大。由于本文搜集的是以年为基期的数据，数据少、时间跨度大，因此收益率均不服从正态分布。
4 四个股票市场实证分析结果
从表1中可以看出，道琼斯工业指数收益率、纳斯达克综合指数收益率显著相关，且为高度正相关；而我国的两个股票指数的收益率与这两个市场的相关性则为中度
相关。
5 结论与展望
通过分析五个股票市场年股指对数收益率，我们可以看出沪深两市收益率波动性较强、波动幅度大，这说明我国股市的规范和英、美等成熟国家的股票市场有一定差距。同时，可看到我国股票市场的股指收益率与其他三个市场的股指收益率中度相关，说明我国股市和西方国家股市之间的联系不是很紧密，我们应该加快与世界市场的合作步伐。
参考文献
中图分类号：F832.5 文献标识码：A
一、引言
随着全球经济一体化和金融自由化的程度加深，股票指数在近年来也呈现联动的趋势。众多研究表明西方发达国家呈现较强的股票市场联动性。中国经济逐渐融入全球，资本市场的逐步对外开放，中国股市与国际股市的联动性也进一步增强。本文力求利用联动性的变化来验证我国在2008年金融危机期间采取的宏观经济政策的有效性。
二、文献综述
谷耀、陆丽娜（2006）应用DCC-EGARCH-VAR模型，检验表明港市在收益和波动上都对沪、深两市存在显著的溢出效应，并没有表现出其他国家资本市场的“杠杆效应”。李晓广、张岩贵（2008）运用回归模型表明总体上我国股票市场与国际市场的联动性不强。徐有俊等人（2010）采用DCC-MGARCH模型研究，认为中国与国际股市的联动性较小，但有增强之势。
从已有研究文献来看，DCC-GARCH模型在研究国际股市联动性方面的应用较多，但基本上侧重于中国与不同国际股市动态相关性的横向比较，基本没有针对于金融危机期间的变化研究。本文将弥补以此为视角，运用DCC-MGARCH模型和马尔科夫状态转移模型进行政策有效性分析的这一空缺。
三、中国股市与国际股市实证研究结果
（一）样本数据及检验。
本文采用2006年1月至2012年6月上证综指、S&P500与S&P Europe 350指数对数收益率的日度数据，来分析我国股市同国际发达股市间的联动性。在分析中采用对数收益率的形式，计算方法如下：
在进行DCC-GARCH模型的参数估计前，我们有必要对数据进行相关检验。收益率序列的平稳性检验表明，数据序列均为平稳的时间序列，直接对其建模不会出现伪回归问题。经过收益率的自相关性检验，本文选择AR（5）对S&P500数据进行过滤，采用AR（1）对EUROPE进行建模消除数据自相关性。
（二）马尔科夫状态转移模型分析结果。
通过马尔科夫状态转移模型可计算出的平滑概率，可看出此次危机是逐渐加深的，而且在雷曼兄弟倒闭后，进入了危机的深处。
据此我们将所选取得数据划分为3个阶段：危机前（2006.1-2007.8）、危机中（2007.8-2009.8）、危机后（2009.8-2012.6）
（三）不同市场之间的波动溢出效应。
1、单变量的GARCH估计。
本文直接采用GARCH（1，1）模型对数据进行分析，参数估计结果表明，各参数的估计值都是显著的，并且各市场的波动性都具有明显的持续性。而后对残差序列用Ljung-Box Q统计量进行自相关检验，结果表明，残差序列不存在显著的相关性。对残差序列进行ARCH-LM检验结果也在1%的表明均值方程和方差方程的设定都是合理的。
2、多变量GARCH模型估计。
下面利用DCC-MVGARCH 模型对中国、美国、欧洲市场各股市的相关性进行考察，这里的条件方差形式设定仍然为GARCH（1，1）形式，DCC估计的阶数为1。
从模型参数的估计结果可以看出，滞后1期的标准化残差的乘积对动态相关系数影响显著。接近于1，说明相关性具有明显的持续性特征。同时，和具有明显的统计显著性，我们可以判断一定存在动态可变的条件相关系数。
使用DCC-MGARCH得到的时变相关系数的图，可以看出在整个样本区间，三组动态条件相关系数均表现出显著的时变性特征。分析比较后得出中国股市同国际的联动性仍然较小，远不及国际发达股票市场的联动性。
根据DCC-MGARCH估计结果，分别计算的危机前、危机中和危机后的时变相关系数的均值可以看出在危机期间，美国次贷危机所引发的全球股市普遍下跌，导致美欧间股市的联动性明显升高，而中美、中欧的时变相关系数的均值在此期间却反之降低了，直到危机结束后才又回到了危机之前的水平。我们有理由相信，在全球股市暴跌，各国股市联动性升高的情况下，是我国的宏观经济政策起到了积极的作用，一定程度上减少了我国同其他国家股市间的联动程度。
进一步，我们发现在2008年9月由于雷曼兄弟破产而导致的全球股市同步快速深幅下跌时期，三组市场间的联动性都在这一时期突然升高了。不同的是，在中国推出四万亿的救市计划后，我国同欧洲和美国的联动性迅速重新回到了较低水平，而美欧之间的联动性却在此之后一直维持的较高水平直到危机结束。这进一步印证了前面的观点：我国政府在金融危机期间的宏观经济干预政策起到了积极的作用，减少国际股市对我国股市的冲击，减弱我国同国际股市联动性。
四、结论
本文通过不同时间段中国股票市场与国际股票市场联动性的研究，发掘中国股票指数与国际指数的相关规律，力求利用这种股票市场联动性变化的来度量我国在金融危机期间采取的宏观经济救市政策的有效性。通过上文的实证分析表明：在以稳定国内股市的角度考察，宏观经济政策的对我国股市同国际股市的联动性影响十分明显。
根据本文的结论在受到较大外部冲击时，金融监管当局应当制定相关政策以减少国内市场波动，稳定国内股市，使股票市场保持正常的筹资功能，为我国市场经济的稳定发展做出贡献。
（作者单位：中央财经大学统计与数学学院）
[关键词]股市生态；演化；动力机制；对策
一、引言及股市生态概念的提出
利用生态学来研究股票市场，国外学者Famer(2002)把风格策略和价值投资比作生物界的物种，交易量比作物种数量，采用演化博弈和计算机模拟分析股票市场价格变动特点和市场效率。Brock、Hommes&Wagener(2005)建立了所谓LTL(Large Type Limit)模型，利用生态学为市场上存在很多不同类型交易者和交易动因的市场进化提供一个理论分析框架，刻画股票市场生态的历时进化。但在国外，这一概念主要分析投资者交易策略和市场效率的关系。与国外成熟的股票市场相比而言，我国股票市场发展时间短，股市设立最初目的导致其功能弱化。处于转轨市场环境下，股票市场的环境完全不同并且变化复杂，如果只研究股市投资者和市场功能，而不关注我国股市环境及其演化显然是不够的。近两年有关我国金融生态的研究方兴未艾，股市生态作为金融生态的子系统，也已引起了一些学者的关注。
学术界还没有对股市生态定义出统一规范的概念，学者从各自分析目的做出了相关定义。尹中立(2005)把散户和机构投资者之间的相互依存关系称之为“股市生态”，认为中国的股市生态就是机构这条“大鱼”靠吃散户这条“小鱼”维持生存。郭茂佳(2006)定义股市生态为保持股市长盛不衰的活力，充分运用法律法规、政策制度、组织体系和金融工具，营造出符合股市生理特征和生命规律的环境构成。张勇和高缅厚(2006)则认为股市生态是股市内部运作和外部环境的整体态势，包括股市投融资功能、证券行业在国民经济中的地位和作用、法律和社会信用体系、股市参与者结构及关系、社会舆论环境等方面的内容；并认为目前中国股市生态是一个极不稳定的市场体，传统发展观是股市生态系统脆弱的根源。周军(2006)从系统的角度定义股市生态，它是指参与市场主体为了追求自身利益最大化，在既定的法律和监管制度安排下相互博弈，从而形成并呈现出一定的结构特征，执行一定功能演进平衡系统。以往学者共同之处是都把股市生态中参与者以竞争形式存在，不同之处在于要么片面地要么静态地定义股市生态。不足之处在于仅仅把上市公司的大股东和中小股东作为市场参与主体，把既定的法律和监管等制度环境作为生态环境。笔者认为股市生态是指股票市场上所有参与者与其生存和发展的内外环境之间相互作用、相互依赖以及相互影响而形成的一种自我维系、动态演化的系统，在特定的运行机制下具有特定的结构和特定的功能，市场参与者之间不仅仅是竞争关系，而且还是一种依存关系、协同关系。
二、股市生态的演化机制
(一)股市生态演化的前提及其诱因
股市生态的演化是一种自我调节、自我完善和自我发展，从低级走向高级、从无序走向有序，且结构功能不断得到提升的不可逆的发展过程。
1．开放性和非平衡是股市生态演化的前提。开放性是指股市生态能与外部环境交换物质、信息、能量，特别是外部因素对原有的股市生态进行影响和改造，使股市生态能够依据与股市生态外部环境的相互作用而不断演进。非平衡性是指股市生态系统内部的差异性、分化性和不均等性等状态使得投资者要素间作用力大小和方向的不断转变，通过分化和非平衡的差异才能实现股市生态更多功能及更高效率。
2．内部力量引起的涨落是股市生态演化的诱因。股市生态从无序到有序的演变是通过内部随机涨落实现的，正是自内外部众多的微涨落通过放大形成巨涨落从而促使股市生态发生演化。股市生态内部涨落是在生态内部诸要素之间非线性相互作用使得稳定的股市生态发生偏离。股市生态内涨落主要由投资者投资偏好、动机和愿望以及投资机构的战略调整、管理变革等引起。诱导股市生态涨落的外部力量主要有科学技术的发展以及股市生态外部环境等变化。
涨落具有触发作用，股市生态在充分开放的前提下，总能与外界进行物质、能量和信息的交换，并通过股市生态要素的状态以及要素之间关系来实现对其生态的影响。随着生态环境激励或者压力的增强，股市生态的结构发生变化，引发矛盾累积。当环境的激励或压力达到一定的阈值点时，股市生态的原有结构或者模式无法适应环境，须以一种全新的方式组织股市生态的要素。在涨落的诱导下，股市生态走向平衡区，进入失稳状态。经历一段过渡阶段后，股市生态要素重新耦合，形成新的竞争与协同关系，导致了序参量的形成。在序参量的支配下，形成了更为有序的稳态股市生态(如下图所示)。
(二)股市生态演化的动力机制
竞争与协同是股市生态演化的两股相互作用的动力。竞争是保持股市投资者个体状态和趋势的因素，不同投资者的运行状态不同，在不同的势差情况下，竞争能够激发投资者高效操作，也使得股市生态建设型地向前发展。竞争的意义并非仅仅是淘汰，而在于发展成“共赢”，在于建立一种充满活力的运行机制。其作用的表现为整个生态系统的非平衡式发展。作为竞争对立面的协同，是保持投资者集体性和趋势的因素，使得股市生态个体之间以及系统与要素之间相互感应。协同具有整合各个投资者的功能，使得股市生态的整体绩效提升。
假定考虑股市生态中两个投资者，x1(t)、x2(t)分别是两个投资者的投资额，r1、r2是它们固有的投资回报率，投资者的最大投资潜能分别为N1、N2，用cij、hij分别表示j投资者对i投资者的相关影响系数，其中-1
可求出该模型的不动点及稳定条件(见下表)。
竞争与协同都有可能刺激或者抑制其发展，1－c21N1+c210表示股市生态中投资者之间的协同非常有效，虽然存在竞争，
但两个主体能够产生互补的优势，并由此长期发展。
把股市生态系统中所有投资者之间的竞合关系，统一为两种相反的力量作用。股市生态的演化受这两种力量的影响，并且往往需要根据两种力量作用一段时间之后的情况来矫正下一阶段演化的方向。简化模型，只考虑一个变量对趋势的偏离和反馈时间的滞后根，据此延时方程的特点，建立股市生态演化的动力学模型：
其中，x(t)表示推动和阻碍股市生态演化各种力量合并后的力量，dx/dt表示股市生态演化的速率，α是变动速率，r表示时滞，F[x(t―r)]表示股市生态系统内生的控制关系，它由反馈信号x(t―r)和反馈函数G组成。反馈函数具有控制目标的上界和下届，以满足控制目标的要求。(2)式说明，股市生态系统演化的快慢与推动和阻碍其演化的合并力量x(t)及控制股市生态演化的因素所产生的力量有关。在控制函数中存在时滞r，这是由于反馈信息及调节必须在外在冲击实施一段时间之后才能产生所决定的。
(2)式是一个单变量的延时方程，其特点是可以产生分岔和混沌等复杂行为。只要把方程中的延时操作写作算子的形式，延时方程可被化为多变量的自治方程。根据混沌理论，在三个以上变量的自治方程中可能出现分岔和混沌，这个要求来自于微分方程解的唯一性。
若设
式中b为控制参数，б是标度参数，负号表示负反馈，则该模型可化为：
该模型是一个含有时滞的微分方程，其解可以是稳定解、极限环解、多周期的长波解及混沌解。静态分析中的长期均衡的概念被认为是非线性动力系统中的不动点解，由于时滞和控制行为的过度反应，稳定状态很难达到。
路径依赖是指具有正反馈机制的体系，一旦在外部偶然性事件的影响下被系统所采纳，便会沿着一定的路径发展演进，而很难为其他潜在的甚至更优的体系所替代。诺斯(1990)将其应用到制度变迁中，并深入分析了自我强化机制所包括的因素，以及可能的制度变迁路径股市生态的演化同样具有路径依赖特征，股市生态演化可能进入良性循环后的轨道，迅速优化；也可能顺着错误的路径走下去，甚至被锁定在某种无效率的状态中。要改变这种状况，往往要借助于外部效应，引入外生变量或依靠制度的变化。不同国家的股市生态系统最初的资源禀赋、市场结构、技术特征、社会文明程度、文化背景等都有着一定的差别。可见，股市生态的演化非常复杂。
三、我国股市生态失衡的表现
我国股票市场最初建立的目的是为国有企业解困，股市制度初始状态，以及股市生态演变过程中激励与约束机制不健全的事实已使得股市生态演化进程陷入了某种“路径依赖”中，现存的制度框架使得上市公司或机构投资者为了实现利益最大化而或明或暗地采取一系列违规行为，新的利益的获得将会进一步加强这种制度体系。我国股市生态失衡主要体现在以下几个方面：
(一)股市生态功能失衡
我国股票生态功能失衡主要体现在三方面：一是投资功能缺失。我国股票市场并没有表现为国民经济的“晴雨表”，股指与宏观经济走势背道而驰。我国股票市场整体上来说投资者获得回报为负值(张卫星，2005；周军，2006)。是我国股票市场融资功能萎缩。大量优秀企业放弃国内市场到国际资本市场筹资，相比而言，国内股市筹资能力下降。据统计，仅2005年69家中国境外上市企业筹资额达到210亿美元，是沪深两市2003年和2004年首发募资总额800多亿元人民币的约2倍。截至2005年底，境外上市的中国企业总市值约4805．96亿美元，而同期沪深市场A股公司总市值4180．856亿美元，其中可流通市值约1243．41亿美元。以可流通市值比较，境外上市规模已是内地市场的3．87倍。三是股市资源配置功能弱化。股市设立之初就赋予了为国企解困的任务，其结果造成了股市功能严重失衡的现实。发行价格并不主要为市场供求关系决定，人为造成一级、二级市场的巨大差异，导致股市配置资金能力的扭曲。证券监管机构对上市公司额度的控制，加之地方政府的保护，致使很多并购并没有整合业务和提高资源配置。
(二)股市生态结构失衡
我国股市生态结构失衡体现在政府托市、企业圈钱、机构坐庄。中国股市历来被称为“政策市”，当市况低迷时，管理层则迎合市场要求出台“利好”政策来救市、托市，刺激股市向上。公司上市变融资为“圈钱”，包装为登堂之桥、公关为致胜之道成了我国股市的潜规则。其根本原因在于上市公司质量不高和公司治理水平不高，上市公司质量不高表现在其产生利润的能力低下，公司治理水平不高表现在股权虚置、过多关联交易。结果，上市公司总体上不诚实守信、造假现象严重，为管理层的大股东谋求私利。机构投资者人市投资变成投机，长期以来，自营或变相自营投资成了证券公司主要的生存支柱，而过大的自营规模将证券公司从中介性质的机构演变为自有资金的投机商，从而引发致了证券公司的经营困境。由于投资者保护不足，机构投资者与中小投资者体现为一种捕食性食物链关系，股市生态形成为机构投资者坐庄、中小股民跟风的投机型市场模式。
(三)股市生态环境失衡
股市生态环境失衡包括内部制度环境失衡和外部环境失衡两个方面。内部制度环境失衡主要体现在几个方面：一是股市初始制度赋予了为国企解困的任务，其结果造成了融资功能与投资功能严重失衡的现实。二是股权分置的制度设计造成了流通股东与非流通股东之间的利益对抗。股权分置制度的设计直接造成了不同类别股东权利和责任的不对等。同时也造成了市场流通性不足，为股市营造了侵害社会公众投资者利益的土壤，同时也造成了市场流通性不足，价格持久且大幅度地偏离价值等弊端。三是市场退出机制不健全，缺乏市场化退出的制度安排，从而造成股市整体质量下降、股票市场风险加大。
股市生态的外部环境主要包括法律环境、信用环境和体制环境等方面。首先，从法律环境来看，有关证券市场法制法规建设滞后。其次，信用环境建设严重滞后，造成了我国证券市场侵害中小投资者现象严重。最后，由于我国是一个行政主导型的国家，体制环境是直接影响我国股市生态的重要外部因素。政府的反复救市、托市行为使得其信誉和公信力受到国民的普遍质疑。
四、优化我国股市生态的对策
笔者认为，优化我国股市生态可从以下几个方面人手：
(一)恢复我国股市生态功能
要恢复我国股市投资功能，就必须加强投资者回报权的保护。适当安排一些在境外上市的优质企业回归A股融资，逐步壮大国内股票市场的融资功能。完善我国股票发行制度和定价机制，规范政府行为，提高股市的资源配置能力。
(二)完善股市生态结构
要解决股市生态结构失衡问题必须从对股市交易参与主体的培养与改造人手。加大对上市公司和机构投资者违规行为的惩罚力度，保持法律的威慑作用。加强法治，规范政府行为提高监管机构的独立性。同时应出台相应的公共治理机制，确保监管权的有效性。
Abstract：This paper employs data dated from January 1997 to April 2012 and uses MS（3）-VAR（2） model to analyze the effect of the monetary policy on the stock market under three regimes. It is found that the effect of changes in monetary policy variables on the yield of SSE Composite Index in terms of time，direction and effect is asymmetric under different regimes. As for the interest rate，in the market featured by high yield and low volatility，and that by low loss and low volatility，changes in interest rate do not exert a significant influence on the stock market. And in the market featured by high loss，high volatility，changes in interest rate have a small positive impact during the lag one period，but there is a big negative impact in the lag two period. As for the supply of money，changes in money supply do have greater effects on the stock market in the high-loss and high-volatility market than in high- yield，low-volatility and low-loss，low-volatility market. Generally speaking，the influence of the interest rate and money supply on stock market is significant in high-loss and high-fluctuation market.
Key Words：monetary policy，stock market，MS-VAR
中图分类号：F820.1 文献标识码： A 文章编号：1674-2265（2013）03-0010-06
一、引言
传统金融理论认为，宽松的货币政策会导致股票价格上涨；紧缩的货币政策会导致股票价格下跌。但是纵观我国股市的历史，我们发现很多时候“政策市”也存在“失灵”现象，比如2006—2008年我国货币政策的调整对股市的影响并不符合传统金融理论。实际上，除了受国内外宏观经济形势影响，股票市场本身所处的市场行情状态也可能影响货币政策的效果。也就是说，在不同的市场行情状态下，货币政策对股票价格的影响可能是非对称的，即在某些市场下，货币政策有效，而在某些市场状态下，货币政策“失灵”。本文试图利用马尔可夫区制转换VAR模型分析我国货币政策对股票市场的非对称影响，希望能够得到更加准确的结论。
关于货币政策对股票市场的影响，一直是国内外金融研究领域的热点问题，学者们做了大量研究，并取得了丰硕的成果。有的学者认为货币政策可以影响股票价格。汉堡和柯钦（Hamburger和Kochin，1972）通过研究表明，货币供应量不仅通过利率间接影响股票市场，而且对股票市场还有短期的直接影响。马歇尔（Mashall，1992）分析了美国1959—1990年间的季度数据，认为股票的实际回报率同货币增长之间存在较弱的正相关关系。比耶内林德和莱德莫（Bjornland和Leitemo，2009）使用SVAR方法进行研究，发现实际股价与利率之间显著相关，联邦基金利率上升100个基点，实际股价下降7%—9%。陈晓莉（2003）利用VECM方法对1997年1月到2002年4月的数据进行了研究，发现上证综指与M1之间存在长期均衡关系，且影响是正向的。刘萍萍（2010）运用VAR模型对1998年第一季度到2009年第三季度的数据进行了研究，发现我国银行信贷与股价之间存在正相关关系，银行信贷扩张是股价波动的Granger原因。
有的学者认为货币政策对股票价格的影响并不显著，阿尔提齐和法泽勒（Alatiqi和Fazel，2008）利用协整检验和Granger因果检验方法，以美国市场为研究对象，研究得出货币供应量对利率、利率对股票价格不存在显著负向因果关系，货币供应量与股票价格之间不存在显著的长期因果关系。孙华妤、马跃（2003）用动态滚动式的VAR方法分析了1993年10月至2002年6月的数据，发现货币供应量对股票价格没有影响。童红坚（2008）使用VAR模型的脉冲响应和差分分解方法对我国货币政策对股票价格影响的动态特征进行了考察。研究表明，利率变动初期并不能达到政策的预期效果，但长期来讲有效，而货币供应量对股价的影响则不显著。张成虎和李育林（2010）使用Granger因果关系检验和VAR模型对1999年12月到2008年8月的数据进行了分析研究，发现货币供应量变化对股票价格的影响不显著。
还有一些学者认为，不同金融状态或经济状态下，货币政策对股价的影响是不同的。麦奎因、赖利（Mcqueen、Roley，1993）研究表明，不同经济状态下，股票市场对宏观经济变量的反应是不同的。巴西斯塔、库罗夫（Basistha、Kurov，2008）发现，美国利率未预期到的部分在经济处于衰退、信贷市场紧缩时对股价的影响更大。
通过对已有文献的梳理，我们发现大多数研究并没有考虑股票市场本身处于不同状态下，货币政策对股票价格的不同影响，即可能存在的非对称效应。国内文献在这方面的研究还很少，而且对股票市场的状态划分也很简单。比如，郑鸣、倪玉娟、刘林（2010）使用马尔可夫区制转换模型（Markov Switching），将股票市场分为低迷和膨胀两种区制。但笔者认为，这样并不能全面、细致地描述我国股票市场的完整状态，因此本文力图对以前学者的研究进行改进，虽然仍旧使用马尔可夫区制转换模型，但我们将股票市场更加细分为三种状态区制，然后再研究不同状态区制下货币政策变量对股票市场影响的非对称效应，以期得到更加准确的结论。
二、马尔可夫区制转换VAR模型
本文采用马尔可夫区制转换模型的向量自回归（MS-VAR）模型来分析货币政策冲击对股票价格的影响。MS-VAR模型允许回归系数依赖于一个不可观测的区制变量而变化，而不同区制之间的转换均服从马尔可夫过程。
滞后p阶的MS-VAR模型表达式如下：
[yt-μ（st）=?1[Yt-1-μ（st-1）]+…+?p[（yt-p）-μ（St-p）]+ut]，
[ut?i.i.d.N（0，（st））] （1）
其中，[st]表示无法观测的离散状态的区制变量，[μ（st）]为均值，[?p]为待估参数。区制[i]到区制[j]的状态转移概率为：
[pij=Pr（st+1=jst=i）]，[j=1mpij=1]，[?i，j∈1，2，…，m] （2）
其中，[m]为区制数。对于一个三状态的马尔可夫过程，即[st=1，2，3]，状态转移概率矩阵为：
[P=p11 p12 p13p21 p22 p23p31 p32 p33] （3）
对于任意的[i∈1，2，3]，都有[j=13pij=1]。
当我们将MS-VAR模型应用于股票市场的分析中时，[μ（st）]为股票市场对数收益的均值，标准差[σ（st）]代表收益的波动，它们依赖于区制[st]，各个区制则代表着股票市场所处的不同行情状态，状态转移概率[pij]即为两种市场状态间的转换概率。
三、实证分析
（一）变量选取
我国股票市场长期以来并没有编制统一的能反映股市整体运行状况和总体趋势的股票价格指数，但是大量研究表明，上证综指和深证成指是最具有代表性的，而且两者之间有很高的相关性和同步性。因此，我们在此只选择上证综指为研究对象。本文选取1996年12月到2012年4月的上证综指月末收盘指数数据，计算1997年1月到2012年4月的股票指数月度收益率，记为R。计算公式为：[Rt=ln（Pt）-ln（Pt-1）]。
银行间同业拆借利率与存贷款利率变动有大致相同的周期，能够及时反映金融体系银根的松紧状况，以及市场上货币资金的供求情况，因此本文选取银行间同业拆借7天加权平均利率，并依据相应的CPI调整值得到实际利率，记为IR。选择广义货币供应量M2作为货币供应量的代表指标，并对IR和M2进行X-11季节调整后取对数，记为LNIR和LNM2，以消除异方差。
（二）数据平稳性检验
本文采用ADF单位根检验方法，依据AIC信息准则选择滞后阶，对所有数据进行平稳性检验。检验结果见表1。
由表1可知，上证综指月收益率、利率、货币供应量一阶差分都是平稳的序列。本文选择各变量的一阶差分进行分析。
（三）MS-VAR模型选择
表2报告了上证综指的月度收益率序列的JB统计量检验结果，可见偏度小于零、峰度大于3，表明序列呈现左偏、尖峰态势。根据JB统计量的检验结果，p=0.000023，拒绝上证综指月度收益率序列服从正态分布的假设，说明上证综指收益率不服从正态分布。因此，使用一般的线型模型来刻划该序列显然不太合适，我们选择使用MS-VAR模型来进行分析。
MS-VAR模型的状态区制一般较少，不会超过3个，如果模型的状态区制过多，模型的参数量会很大，不能提供较好的现实解释。在此我们只建立包含2个和3个状态区制的MS-VAR模型。根据AIC、BIC准则，确定模型的最佳滞后阶数为2阶。表3列出了滞后两阶的线性模型VAR（2）、两区制滞后两阶的MS（2）-VAR（2）模型和三区制滞后两阶的MS（3）-VAR（2）模型的最大似然值、AIC、BIC估计值。
由表3可知，相对于其他两个模型，MS（3）-VAR（2）模型的AIC、BIC值最小，更加适合对股票市场的分析。而单纯依据Log Likelihood值的高低来判断最优模型是不准确的，所以下面我们用汉密尔顿和苏斯梅尔（Hamilton和Susmel，1994）提出的似然比检验（Likelihood Ratio Test， LRT）来选择最优模型。似然比检验结果如下：
从模型似然比检验来看，非线性模型明显优于线性模型，用非线性模型来对上证综指月收益率进行分析更加适合，而模型MS（3）-VAR（2）是两个非线性模型中解释能力最好的。因此，MS（3）-VAR（2）模型是最优模型。
（四）MS（3）-VAR（2）模型估计结果
下面我们分别研究不同状态机制下，货币政策变量（利率和货币供应量）对股票市场的影响。表5描述了不同状态机制下，利率对股票价格影响的估计结果。DLNIR（-1）表示利率变动的滞后一期值；DLNIR（-2）表示利率变动的滞后二期值。
在状态机制1（低亏损、低波动行情）下，利率变动滞后一期和滞后二期的参数估计值在10%的临界水平下都不显著，表明该状态机制下利率的变动对股票价格的波动没有显著影响。在状态机制2（高收益、低波动行情）下，两期参数估计值都是负值，但是不显著，说明该状态机制下利率的变动对股票市场的波动没有显著的影响。在状态机制3（高亏损、高波动行情）下，滞后一期的参数估计值为0.003，滞后二期的估计值为-0.027，而且都是显著的，说明短期来看，利率的变动对股票市场收益率的波动有正向冲击，但是随后冲击为负向，而且影响明显加强。
可见，利率变动对股票市场的影响存在非对称效应。在低亏损、低波动和高收益、低波动状态下，利率的变动对股票市场并不存在显著影响。而在高亏损、高波动状态下，存在显著的影响，而且滞后一期是较小的正向影响，滞后二期才有较大的负向影响，说明利率变动对股票市场收益的负向影响存在时滞。
表6报告了不同状态机制下，货币供应量对股票价格影响的估计结果。DLNM2（-1）表示货币供应量变动的滞后一期值；DLNM2（-2）表示货币供应量变动的滞后二期值。
在状态机制1（低亏损、低波动行情）和状态机制2（高收益、低波动行情）下，滞后一期和二期的参数估计值都不显著，说明股票市场处于这两种状态时，货币供应量的变动对股票市场的收益没有显著影响。在状态机制3（高亏损、高波动行情）下，参数的估计值都是显著的，而且都是正数，说明货币供应量的变动对股票市场有正向的冲击。
可见，货币供应量的变动对股票市场的影响也存在非对称效应。在高收益、低波动和低亏损、低波动行情下，货币供应量的变动对股票市场没有显著影响，但在高亏损、高波动行情下，有显著的正向影响。
（五）三种状态机制的平滑概率和转移概率
根据表5和表6中所列不同区制下的均值和方差可知，上证综指月收益率序列可以由以下三种状态机制来描述：状态机制1，股票市场处于低亏损、低波动状态；状态机制2，股票市场处于高收益、低波动状态；状态机制3，股票市场处于高亏损、高波动状态。图1、图2、图3分别显示了三种区制的平滑概率，具体判断方法为：如果某时点的某状态机制平滑概率大于0.5，则该时间点处于此状态机制中。
图1、图2、图3较好地模拟了上证综指收益率序列在三种状态机制间的转换过程。1997年1月到1997年4月即观测期中的第1—4期，股票市场处于状态机制2即高收益、低波动状态。但1997年初，政府为遏制股票市场的过快发展实施紧缩政策，以及随后亚洲金融危机爆发，股票市场自1997年5月到1999年4月（第5—30期），一直处于低亏损、低波动的状态机制1。1999年5月，受网络概念股炒作的影响，股票市场出现了短暂几个月的高收益行情，但中国经济整体通货紧缩的状态并没有好转，直到2006年2月（第112期），股票市场的行情一直是低亏损、低波动的状态机制1。2006年以后，随着股权分置改革的实施，中国股市迎来了一波高收益的牛市行情（状态机制2），并且一直持续到2007年11月（第133期）。随后由于2007年底美国次贷危机影响，2008年股市大跌。2007年12月到2008年11月（第134—145期），股市处于高亏损、高波动行情的状态机制3中。进入2009年后，由于全球经济回暖，股市出现一波反弹行情，但复苏乏力，样本数据在三种状态机制之间转换。直到2009年底（第156期）开始，股票市场呈现低亏损、低波动的行情，而且这一行情一直持续到观测期结束。
表7给出了不同状态区制之间的转移概率，可以看出，系统维持在状态机制1的概率为0.97，状态机制1转移到状态机制2的概率为0.15，转移到状态机制3的概率为0，状态机制1的平均持续期为32.50个月。系统维持在状态机制2的概率为0.76，从状态机制2转移到状态机制1的概率为0.03，转移到状态机制3的概率为0.18，机制2的平均持续期为4.25个月。系统维持在状态机制3的概率为0.82，从状态机制3转移到机制1的概率为0，转移到机制2的概率为0.09，机制3的平均持续期为5.57个月。可以看出，股票市场处于低亏损、低波动行情中的时间是最长的，而且概率最高。
四、结论
本文运用MS-VAR模型研究了我国1997年1月至2012年4月的货币政策对股票市场的非对称性影响。通过实证分析发现，股票市场在考察期内存在三种状态机制，并且货币政策变量（利率和货币供应量）对股票市场的收益率均有影响，在不同状态机制下影响效果不同。
总体上讲，利率对股票收益率有负向的影响关系，但不同区制下影响效力是不同的。利率对股票市场的影响在股市高亏损、高波动时比在高收益、低波动和低亏损、低波动时要大。短期来说，利率对股票市场有较小的正向冲击，但长期来看，利率对股票价格的控制是有效的，利率的提高在一定程度上能够使投资者的资金流出股市，从而控制股票价格的上涨。货币供应量变动对股票市场的影响在股票市场处于高亏损、高波动行情时比在高收益、低波动和低亏损、低波动行情时的影响更加显著。应该说，股票市场处于高亏损、高波动行情时，增加货币供应量将提高股票市场收益率，并且能够收到即时效果。
我国股票市场处于不同的市场状态下，货币政策的实施对股市的影响存在一定程度的非对称效应。应当根据市场所处的具体状况，采取适当的货币政策对股票市场施加影响，从而促进我国股票市场健康有序发展。
另外，我国股票市场存在明显的状态机制转换特征。低亏损、低波动的小熊市行情持续时间最长，高收益、低波动的牛市行情和高亏损、高波动的大熊市行情持续时间较短。投资者可以根据行情持续期以及状态转移概率选择合适的投资时机和持续期，制定合理的投资策略和投资计划，争取更大的收益。
参考文献：
[1]Alatiqi，S.and S. Fazel，Can Money Supply Predict Stock Prices[J].Journal for Economic Educators， 2008，（2）：54-59.
[2]Bernanke，B.S.and K.N.Kuttner，What explains the stock market’s reaction to Federal Reserve policy [J]？ Journal of Finance， 2005， （60）： 1221-1257.
[3]Ioannidis，C. and A. Kontonikas，The impact of monetary policy on stock prices [J]. Journal of Policy Modeling，2007，30（1）： 33-53.
[4]Basistha，A. and A. Kurov， Macroeconomic cycles and the stock market’s reaction to monetary policy [J]. Journal of Banking & Finance， 2008， 32（12）： 2606-2616.
[5]McQueen，G. and V. V. Roley， Stock prices， news， and business conditions [J]. Review of Financial Studies， 1993， （6）： 683-707.
[6]Bjornland， H. C. and K. Leitemo， Identifying the interdependence between US monetary policy and the stock market [J]. Journal of Monetary Economics， 2009， 56（2）： 275-282.
