柯 蓉，朱彥龍

(上海海事大學(xué) 經(jīng)濟(jì)管理學(xué)院，上海 201306)

一、引 言

港口與航運(yùn)業(yè)是國民經(jīng)濟(jì)中的基礎(chǔ)產(chǎn)業(yè)，世界上幾乎所有港口城市在興起與發(fā)展過程中都有一條共同的發(fā)展規(guī)律，即“以港興城，港城共興”。港口與航運(yùn)業(yè)的發(fā)展，不僅通過運(yùn)輸功能的發(fā)揮促進(jìn)國際貿(mào)易的發(fā)展，而且有利于促進(jìn)社會資源的優(yōu)化配置。在經(jīng)濟(jì)全球化的背景下，我國港口航運(yùn)業(yè)以迅猛的速度發(fā)展，從內(nèi)河、沿海到遠(yuǎn)洋逐漸發(fā)展成為擁有現(xiàn)代化裝備的、具有相當(dāng)規(guī)模的沿海及遠(yuǎn)洋船隊(duì)。目前，在深滬兩市上市的港口與航運(yùn)類公司已達(dá)31家，而且規(guī)模還在不斷擴(kuò)大。港口和航運(yùn)業(yè)作為資本密集型行業(yè)的典型代表，繼2008年受金融危機(jī)的影響以來，港口航運(yùn)業(yè)績跌入谷底，雖然從2009年航運(yùn)景氣指數(shù)也在逐漸恢復(fù)，但目前主要港航公司仍舊處于歷史的低位。以港航上市公司作為整個港口航運(yùn)企業(yè)的代表，本文將對影響其股價波動的經(jīng)濟(jì)因素進(jìn)行研究分析，為政府管理部門監(jiān)控港航業(yè)提供一定的參考。

股價波動的宏觀經(jīng)濟(jì)決定論者認(rèn)為，一方面，證券市場的供求狀況由宏觀經(jīng)濟(jì)形勢決定，特別是宏觀政策對證券市場的資金流向影響巨大；另一方面，基于現(xiàn)金流貼現(xiàn)模型，股票價值由股票未來收益現(xiàn)金流的貼現(xiàn)值決定，而股票未來收益必然受制于宏觀經(jīng)濟(jì)形勢。因此，通過宏觀與微觀這兩條途徑，宏觀經(jīng)濟(jì)形勢將對股票價格產(chǎn)生影響。20世紀(jì)70年代之后，經(jīng)濟(jì)學(xué)者們開始重視并運(yùn)用數(shù)量分析方法對股價波動與宏觀經(jīng)濟(jì)之間的關(guān)系進(jìn)行實(shí)證研究。

根據(jù)研究所使用到的變量，可將以往文獻(xiàn)分為兩類：一類是模型中僅有一個宏觀經(jīng)濟(jì)變量，研究其與股價之間的關(guān)系。Mooker等(1999)[1]、Adrangi等(2002)[2]、Tabak(2006)[3]等學(xué)者應(yīng)用協(xié)整檢驗(yàn)和因果檢驗(yàn)方法研究股價與匯率或者通貨膨脹率等單一變量的關(guān)系；Chulia等(2010)[4]利用高頻數(shù)據(jù)研究了聯(lián)邦基金目標(biāo)利率的變動對股票收益、波動性是否具有對稱的影響，結(jié)果發(fā)現(xiàn)，股價對利率正向和負(fù)向的變動具有非對稱的反應(yīng)，股價對利率正向變動的反應(yīng)更大，對負(fù)向變動的反應(yīng)小。

另一類是模型中包含多個宏觀經(jīng)濟(jì)變量或者綜合性宏觀經(jīng)濟(jì)指標(biāo)，研究與股價波動或者股價收益之間的關(guān)系。Morelli(2002)[5]、Ratanapakorn等(2007)[6]、Abugri(2008)[7]等用ARCH族模型以及向量自回歸模型研究宏觀經(jīng)濟(jì)變量與股市短期與長期的關(guān)系。

國內(nèi)學(xué)者也常常采用上述方法，陳夢根(2005)[8]采用Johansen檢驗(yàn)考察證券市場價格波動與宏觀經(jīng)濟(jì)變量之間的動態(tài)關(guān)系；劉玲(2006)[9]、肖婷姣(2009)[10]、程丹丹(2012)[11]運(yùn)用向量自回歸方法，分別研究了上證綜指、深證成指與宏觀經(jīng)濟(jì)變量之間的關(guān)系；周雯(2011)[12]采用向量誤差修正模型實(shí)證研究了利率變動對股市的影響；吳奉剛等(2011)[13]運(yùn)用向量自回歸模型對我國貨幣供應(yīng)量與股價之間的關(guān)系進(jìn)行了研究，結(jié)果表明，股價與M1、M2之間均存在長期的協(xié)整關(guān)系；鄒昆侖等(2013)[14]利用2006年到2011年的數(shù)據(jù)，通過對上證綜指、消費(fèi)價格指數(shù)、匯率、貨幣供給(M1)增長率等宏觀變量建立回歸方程，研究發(fā)現(xiàn)上證綜指與上述宏觀變量之間具有長期協(xié)整關(guān)系。但小樣本、非平穩(wěn)也非協(xié)整的數(shù)據(jù)用以上方法就不太適合。

港航上市企業(yè)數(shù)據(jù)量不大，屬于小樣本，不僅受國內(nèi)因素的影響，國外宏觀環(huán)境對其影響也大于其他類型的上市公司，應(yīng)用上述方法可能得不到理想結(jié)果。本文將運(yùn)用自回歸分布滯后(autoregressive distributed lag, ARDL)模型進(jìn)行分析。ARDL模型的主要優(yōu)點(diǎn)有：(1)ARDL方法比較適合對小樣本進(jìn)行估計；(2)ARDL方法對數(shù)據(jù)的平穩(wěn)性要求較少，無論數(shù)據(jù)是I(1)的還是I(0)的，也不管數(shù)據(jù)之間是否存在協(xié)整關(guān)系，此方法都能適用；(3)ARDL方法可以通過簡單的線性變換導(dǎo)出誤差修正模型，利用誤差修正模型能更好地表達(dá)出變量之間的關(guān)系。

二、研究方法及數(shù)據(jù)處理

1.研究方法

實(shí)證研究分為兩個步驟進(jìn)行：首先對單變量模型進(jìn)行研究；再對多變量模型進(jìn)行研究，研究相關(guān)變量在其他變量存在時將如何對加權(quán)股價產(chǎn)生影響。具體步驟為：首先檢驗(yàn)有關(guān)變量與加權(quán)股價之間是否存在長期關(guān)系，如果無長期關(guān)系，則直接將該變量剔除；如果存在長期關(guān)系，則進(jìn)行ARDL模型的估計與預(yù)測檢驗(yàn)，并將預(yù)測結(jié)果與僅含加權(quán)股價自身滯后項(xiàng)的自回歸模型進(jìn)行比較，若預(yù)測能力強(qiáng)于此模型，則說明此變量包含加權(quán)股價自身以外的信息，即能對加權(quán)股價的變化產(chǎn)生較大程度的影響。

(1)ARDL模型構(gòu)造。一個完整的ARDL(p,q1,q2,…,qk)模型結(jié)構(gòu)如下：

Φ(L,p)=1-Φ1L-Φ2L2-…-ΦpLp

βi(L,qi)=1-βi1L-βi2L2-…-βiqiLqi

式中：p表示yt滯后的階數(shù)；qi表示第i個自變量xit滯后的階數(shù)，i=1,2,…,k；L是滯后算子，它可用下式定義：Lyt=yt-1；ωt是s行1列的確定向量，如截距項(xiàng)、季節(jié)性虛擬變量、時間趨勢、固定滯后階數(shù)的外生變量等。

(2)ARDL建模首先是通過邊界檢驗(yàn)法確定變量間是否存在長期穩(wěn)定關(guān)系，然后在長期關(guān)系存在的前提下對變量的長期關(guān)系系數(shù)進(jìn)行估計。主要包括以下兩個階段。

第一步：構(gòu)建如下誤差修正模型。

式中：δj和γ代表長期動態(tài)關(guān)系，αi和βji代表短期動態(tài)關(guān)系。由先驗(yàn)信息或相關(guān)信息準(zhǔn)則(如AIC準(zhǔn)則)確定上式各差分項(xiàng)的最佳滯后階數(shù)m和n，然后使用F統(tǒng)計量對如下假設(shè)進(jìn)行聯(lián)合顯著性檢驗(yàn)。

原假設(shè)H0：γ=δj=0

備擇假設(shè)H1：γ≠0或δj≠0

如果接受原假設(shè)，則表示變量之間不存在長期關(guān)系；反之，則表示存在。雖然Pesaran等給出了F統(tǒng)計量的上下兩個臨界值，通過比較臨界值與計算所得F值的大小可判斷變量間是否存在長期關(guān)系，但在實(shí)際應(yīng)用中，可直接根據(jù)F統(tǒng)計量伴隨概率P值的大小，即F統(tǒng)計量是否顯著判斷變量之間是否存在長期關(guān)系。

第二步：檢驗(yàn)得到變量間長期關(guān)系存在時，即可估計得到長期關(guān)系A(chǔ)RDL模型以及與之相聯(lián)系的短期關(guān)系誤差修正模型，形式如下：

μt～I(xiàn)ID(0,σ2)

式中：p、q為滯后階數(shù)，可根據(jù)AIC準(zhǔn)則來確定；ecm為誤差修正項(xiàng)，反映偏離長期均衡的程度；δ為ecm的系數(shù)，其值通常大于-1小于0，反映對長期均衡偏離的調(diào)整力度。

注：為避免出現(xiàn)偽回歸現(xiàn)象，只有在第一步中證實(shí)了變量之間存在長期關(guān)系時，才能進(jìn)行第二步的工作。

2.數(shù)據(jù)處理

本文中所使用的數(shù)據(jù)來自中國人民銀行、中華人民共和國商務(wù)部、中華人民共和國國家統(tǒng)計局、萬德數(shù)據(jù)庫、中國證券報和新浪財經(jīng)網(wǎng)等。根據(jù)研究的需要對數(shù)據(jù)做了一些必要的處理，如將數(shù)據(jù)進(jìn)行加權(quán)變換、對數(shù)變換和差分處理等。本文實(shí)證研究的全樣本期為2000年1月至2012年12月，將全樣本期分成兩塊，一塊為估計期，另一塊為預(yù)測期。利用估計期內(nèi)的數(shù)據(jù)進(jìn)行回歸擬合，得到模型的參數(shù)值；利用預(yù)測期的數(shù)據(jù)進(jìn)行樣本外預(yù)測，以驗(yàn)證模型的有效性。

基于股價影響因素的理論假定以及已有的文獻(xiàn)資料研究，本文初步選取GDP、M2、銀行間加權(quán)拆借利率、CPI、匯率、進(jìn)出口總額、BDI和道瓊斯工業(yè)指數(shù)變量數(shù)據(jù)作為研究對象。由于本文所采用的數(shù)據(jù)均為月度數(shù)據(jù)，但GDP只能搜集到季度數(shù)據(jù)，因此本文利用每月的工業(yè)增加值構(gòu)造權(quán)重，將季度GDP轉(zhuǎn)換成月度GDP數(shù)據(jù)。由于銀行間拆借利率以1天、7天、20天交易量最多，因此，利用3種拆借利率與交易量構(gòu)造銀行間加權(quán)拆借利率。各宏觀經(jīng)濟(jì)變量定義如表1所示。

表1 各宏觀經(jīng)濟(jì)變量定義

上述變量選取后，為降低異方差性，首先使用Eviews6.0軟件對所有的變量進(jìn)行對數(shù)變換(處理后的變量仍用原變量名)，再進(jìn)行平穩(wěn)性檢驗(yàn)；然后使用Microfit4.1軟件檢驗(yàn)變量間的長期關(guān)系是否存在并對ARDL模型的有關(guān)系數(shù)進(jìn)行估計。

三、實(shí)證分析

1.數(shù)據(jù)平穩(wěn)性檢驗(yàn)結(jié)果

ARDL模型的主要優(yōu)點(diǎn)在于不管回歸項(xiàng)變量是I(0)還是I(1)，都可以進(jìn)行模型估計和檢驗(yàn)。但在進(jìn)行協(xié)整分析前，必須保證所有變量數(shù)據(jù)是I(0)或是I(1)。因此，首先利用ADF檢驗(yàn)對各變量數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果如表2所示。

表2平穩(wěn)性檢驗(yàn)結(jié)果

由表2可知，M2(x2)、進(jìn)出口總額(x6)在10%的水平上為一階單整，銀行間加權(quán)拆借利率(x3)在5%的水平上為零階單整，匯率(x5)在5%的水平為一階單整，其他所有的變量數(shù)據(jù)均在1%的水平上為一階單整，滿足進(jìn)行協(xié)整分析的前提條件。

2.加權(quán)股價的自回歸檢驗(yàn)與預(yù)測

在運(yùn)用模型進(jìn)行長期關(guān)系檢驗(yàn)前須確定滯后階數(shù)，采用AIC準(zhǔn)則，并在兼顧考慮自由度的影響下，最終確定7階為最佳滯后階數(shù)。進(jìn)一步檢驗(yàn)在全樣本期內(nèi)加權(quán)股價的滯后項(xiàng)與當(dāng)期項(xiàng)是否存在長期關(guān)系：當(dāng)解釋變量為被解釋變量的自身滯后項(xiàng)時，檢驗(yàn)所得F(1，139)=4.47，其伴隨概率P值為0.036，在5%的水平上顯著，說明全樣本期內(nèi)加權(quán)股價的滯后項(xiàng)與當(dāng)期項(xiàng)存在長期關(guān)系。

因此可將全樣本期劃分為估計期(2000年1月—2012年5月)和預(yù)測期(2012年6月—2012年12月)。檢驗(yàn)估計期內(nèi)加權(quán)股價的滯后項(xiàng)與當(dāng)期項(xiàng)是否存在長期關(guān)系：檢驗(yàn)所得F(1，132)=4.50，其伴隨概率P值為0.036，在5%的水平上顯著，說明估計期內(nèi)加權(quán)股價的滯后項(xiàng)與當(dāng)期項(xiàng)存在長期關(guān)系。繼而估計得到ARDL(6)模型，調(diào)整R2為0.90577，F(xiàn)統(tǒng)計量F(6，134)=225.2969[0.000]，顯示方程系數(shù)總體顯著。利用此模型進(jìn)行樣本外預(yù)測，將結(jié)果與在后文中加入其他變量的模型進(jìn)行比較(見表6)，判斷新添加的變量能否為預(yù)測加權(quán)股價提供更多的信息。

3.單變量模型的檢驗(yàn)與預(yù)測

(1)變量之間長期關(guān)系檢驗(yàn)。同上，各變量滯后階數(shù)取7階，并將全樣本期劃分為估計期(2000年1月—2012年5月)和預(yù)測期(2012年6月—2012年12月)。首先利用F統(tǒng)計量檢驗(yàn)在全樣本期內(nèi)解釋變量與被解釋變量是否存在長期關(guān)系。然后在估計期內(nèi)做同樣的檢驗(yàn)，結(jié)果如表3所示。

表3加權(quán)股價與單個變量之間長期關(guān)系檢驗(yàn)結(jié)果

由表3可知，在全樣本期與估計期內(nèi)，變量進(jìn)出口總額(x6)在5%的顯著水平上與加權(quán)股價存在長期關(guān)系；GDP(x1)、M2(x2)、銀行間加權(quán)拆借利率(x3)和BDI(x7)在10%的顯著水平上與加權(quán)股價存在長期關(guān)系；但是匯率(x5)、CPI(x4)和道指(x8)與加權(quán)股價并不存在長期關(guān)系。因此，下面對單變量模型進(jìn)行估計時，將這3個變量剔除。

(2)單變量模型的估計。通過長期關(guān)系檢驗(yàn)確定了與加權(quán)股價存在長期關(guān)系的變量，就可在此基礎(chǔ)上，得到使AIC值最小的ARDL模型及各相應(yīng)的誤差修正項(xiàng)模型。由于研究單變量模型中各個回歸項(xiàng)系數(shù)的意義不大，同時為了節(jié)省篇幅，下面只給出單變量模型的檢驗(yàn)及誤差修正模型的系數(shù)，如表4和表5所示。

表4單變量模型估計檢驗(yàn)結(jié)果

表5 誤差修正項(xiàng)ecm(-1)系數(shù)

由表4可知各單變量模型的擬合優(yōu)度均較高，且系數(shù)總體上是顯著的。由表5可知各模型誤差修正項(xiàng)ecm(-1)的系數(shù)的t值都是顯著的，也都有正確的符號(負(fù)號)，而且都在-1到0之間，表明各模型中的變量在加權(quán)股價受到?jīng)_擊后均能引導(dǎo)加權(quán)股價向長期均衡收斂，系數(shù)越大(絕對值)，表明加權(quán)股價受到?jīng)_擊以后，向均衡回復(fù)的速度越快。這也進(jìn)一步驗(yàn)證了加權(quán)股價分別與GDP(x1)、M2(x2)、銀行間加權(quán)拆借利率(x3)、進(jìn)出口總額(x6)、BDI(x7)之間存在長期關(guān)系。

(3)加權(quán)股價預(yù)測檢驗(yàn)結(jié)果。上面驗(yàn)證了被選出的變量與加權(quán)股價在估計期內(nèi)存在長期關(guān)系，為了更深入研究被選出的這些變量與加權(quán)股價之間的關(guān)系，研究在預(yù)測期這些變量能否有助于預(yù)測加權(quán)股價，能給加權(quán)股價提供額外的信息，表6給出了基于加權(quán)股價自回歸模型與各單變量ARDL模型的預(yù)測結(jié)果。

由表6可知，從樣本內(nèi)或樣本外預(yù)測能力來看，基于加權(quán)股價和GDP(x1)的ARDL模型都弱于加權(quán)股價的自回歸模型，這說明GDP對加權(quán)股價的影響可以通過加權(quán)股價自身的歷史信息來反映；從樣本內(nèi)或樣本外預(yù)測能力來看，基于加權(quán)股價和M2(x2)的ARDL模型都強(qiáng)于加權(quán)股價的自回歸模型，說明變量M2能提供額外的信息；僅從樣本內(nèi)預(yù)測能力來看，基于進(jìn)出口總額(x6)與加權(quán)股價的ARDL模型、基于銀行間加權(quán)拆借利率(x3)與加權(quán)股價的ARDL模型、基于BDI(x7)與加權(quán)股價的ARDL模型都強(qiáng)于加權(quán)股價的自回歸模型，但從樣本外預(yù)測能力來看，基于BDI與加權(quán)股價的ARDL模型弱于加權(quán)股價的自回歸模型，而基于進(jìn)出口總額與加權(quán)股價的ARDL模型、基于銀行間加權(quán)拆借利率與加權(quán)股價的ARDL模型則不確定。

表6單變量模型預(yù)測檢驗(yàn)結(jié)果

4.多變量模型的檢驗(yàn)與預(yù)測

上面研究的都是單變量模型，下面對多變量模型進(jìn)行研究。通過上面實(shí)證分析可得，在選取的眾多變量中，只有M2既通過了長期關(guān)系檢驗(yàn)，又通過了樣本外預(yù)測檢驗(yàn)。進(jìn)出口總額、銀行間加權(quán)拆借利率和BDI雖然通過了長期關(guān)系檢驗(yàn)，樣本內(nèi)預(yù)測檢驗(yàn)結(jié)果良好，但樣本外預(yù)測檢驗(yàn)結(jié)果并不好。在多變量模型的研究中，為充分綜合考慮各變量對加權(quán)股價的影響，可首先將上述變量全部納入考慮的范圍。

(1)鑒于M2對加權(quán)股價的影響較為顯著，首先將M2選入多變量模型。為了降低多變量模型中因解釋變量過多導(dǎo)致的多重共線性，計算相關(guān)系數(shù)，可得M2(x2)與進(jìn)出口總額(x6)的相關(guān)系數(shù)達(dá)到0.945607，因此可將進(jìn)出口總額變量剔除。M2(x2)、利率(x3)、BDI(x7)三者的相關(guān)系數(shù)見表7。

表7 x2/x3/x7的相關(guān)關(guān)系

(2)通過ARDL方法檢驗(yàn)加權(quán)股價與M2、利率、BDI之間是否有長期關(guān)系，結(jié)果如表8所示。

由表8可以判定，在全樣本期與估計期內(nèi)，加權(quán)股價與M2(x2)、利率(x3)、BDI(x7)三者之間不存在長期關(guān)系。加權(quán)股價與M2、利率之間存在長期關(guān)系，加權(quán)股價與M2、BDI之間也存在長期關(guān)系。

表8長期協(xié)整關(guān)系檢驗(yàn)結(jié)果

(3)在估計期內(nèi)對兩個多變量的ARDL模型進(jìn)行估計，并用得到的多變量模型對預(yù)測期內(nèi)的數(shù)據(jù)進(jìn)行預(yù)測檢驗(yàn)，結(jié)果如表9所示。

表9多變量模型預(yù)測檢驗(yàn)結(jié)果

由表9可以看出，從樣本內(nèi)或者樣本外預(yù)測能力來看，基于加權(quán)股價和M2(x2)、BDI(x7)的多變量模型或是基于加權(quán)股價和M2(x2)、利率(x3)的模型都強(qiáng)于任何一個單變量模型，說明多變量模型比單變量模型能提供更多的信息；而且基于加權(quán)股價和M2、BDI的多變量模型的預(yù)測能力還強(qiáng)于基于加權(quán)股價和M2、利率的模型，說明相較于M2與利率，M2和BDI能提供更多額外的信息，對加權(quán)股價的影響程度更大。

(4)在全樣本本期內(nèi)，以加權(quán)股價為被解釋變量，以M2(x2)、利率(x3)為解釋變量，基于AIC準(zhǔn)則得到ARDL(6,2,0)的長期關(guān)系模型，有關(guān)回歸系數(shù)及檢驗(yàn)統(tǒng)計量見表10。以加權(quán)股價為被解釋變量，以M2(x2)、BDI(x7)為解釋變量，基于AIC準(zhǔn)則得到ARDL(6,2,3)的長期關(guān)系模型，有關(guān)回歸系數(shù)及相關(guān)檢驗(yàn)統(tǒng)計量見表11。

表10 y/x2/x3的ARDL(6,2,0)的長期關(guān)系模型

調(diào)整后觀測值：n(obs)=148

系數(shù)整體顯著性的檢驗(yàn)統(tǒng)計量：

F(10,137)=144.9479[0.000]

序列自相關(guān)檢驗(yàn)：

LM形式CHSQ(12)=12.8537[0.380]

F形式 F(12,125)=0.99072[0.462]

模型設(shè)定誤差檢驗(yàn):

LM形式CHSQ(1)=1.1762[0.278]

F形式 F(1,136)=1.0895[0.298]

殘差正態(tài)性分布檢驗(yàn)：

CHSQ(2)=3.2203[0.200]

異方差檢驗(yàn)：

LM形式CHSQ(1)=1.9121[0.167]

F形式 F(1,146)=1.9109[0.169]

表11 y/x2/x7的ARDL(6,2,3)的長期關(guān)系模型

調(diào)整后觀測值：n(obs)=148

系數(shù)整體顯著性的檢驗(yàn)統(tǒng)計量：

F(13,134)=120.1576[0.000]

序列自相關(guān)檢驗(yàn)：

LM形式CHSQ(12)=10.0817[0.609]

F形式 F(12,122)=0.74318[0.707]

模型設(shè)定誤差檢驗(yàn)：

LM形式CHSQ(1)=0.0038302[0.951]

F形式 F(1,133)=0.0034421[0.953]

殘差正態(tài)性分布檢驗(yàn)：

CHSQ(2)=3.8272[0.148]

異方差檢驗(yàn)：

LM形式CHSQ(1)=1.8055[0.179]

F形式 F(1,146)=1.8031[0.181]

下面分別從回歸項(xiàng)系數(shù)、擬合優(yōu)度和模型穩(wěn)定性等方面對上述兩個多變量模型進(jìn)行檢驗(yàn)。

對于基于加權(quán)股價、M2、利率的ARDL(6,2,0)。第一，方程中解釋變量當(dāng)期項(xiàng)的符號與經(jīng)濟(jì)理論相符，M2的系數(shù)為正，利率的符號為負(fù)，但利率估計值t統(tǒng)計量并沒有通過顯著性檢驗(yàn)，伴隨概率P值較大。第二，調(diào)整R2為0.9073，表明加權(quán)股價變化的90.73%能被方程解釋，同時F檢驗(yàn)統(tǒng)計量的P值為0.000，說明方程系數(shù)總體上是顯著的。第三，序列自相關(guān)的LM和F檢驗(yàn)中的P值均大于10%的顯著性水平，說明模型殘差序列不存在自相關(guān)；殘差分布的正態(tài)性檢驗(yàn)與異方差檢驗(yàn)中的P值均大于10%的顯著性水平，說明模型殘差服從正態(tài)分布且和解釋變量不相關(guān)。模型整體解釋能力較好并且通過了各種穩(wěn)定性檢驗(yàn)。

對于基于加權(quán)股價、M2、BDI的ARDL(6,2,3)。第一，方程中解釋變量當(dāng)期項(xiàng)的符號與經(jīng)濟(jì)理論相符，M2、BDI的系數(shù)都為正，而且均通過了顯著性檢驗(yàn)。第二，調(diào)整R2是0.9133，說明加權(quán)股價變化的91.33%能被方程解釋，同時F檢驗(yàn)統(tǒng)計量的P值為0.000，說明方程系數(shù)總體上是顯著的。第三，序列自相關(guān)的LM和F檢驗(yàn)中的P值均大于10%的顯著性水平，說明模型殘差序列不存在自相關(guān)；殘差分布的正態(tài)性檢驗(yàn)與異方差檢驗(yàn)中的P值均大于10%的顯著性水平，說明模型殘差服從正態(tài)分布而且和解釋變量不相關(guān)。模型整體解釋能力很好并且通過了各種穩(wěn)定性檢驗(yàn)。

綜合考慮模型預(yù)測結(jié)果、解釋變量的顯著性及整體解釋能力，M2、BDI與加權(quán)股價的長期關(guān)系更顯著，反映出M2、BDI對加權(quán)股價的影響更大。

從表11可以看出，加權(quán)股價與加權(quán)股價滯后因子、M2以及BDI都有顯著的關(guān)系。從系數(shù)顯著性來看，滯后一期的加權(quán)股價對當(dāng)期加權(quán)股價的影響較大。從系數(shù)值大小來看，當(dāng)期M2對當(dāng)期加權(quán)股價的影響較大。加權(quán)股價與4個時期的BDI都有顯著的關(guān)系，說明BDI對加權(quán)股價的影響較為持久。

(5)為了考察加權(quán)股價短期變化情況，從ARDL(6,2,3)長期關(guān)系模型可以得到誤差修正模型，如表12所示。其中：

ecm=y-0.2152x3-0.3300x7+4.6062inpt

觀測值：n(obs)=148

調(diào)整后系數(shù)整體顯著性檢驗(yàn)統(tǒng)計量：

F(11,136)=3.9258[0.000]

從表12可以看出，基于加權(quán)股價、M2和BDI的ARDL(6,2,3)誤差修正模型中，絕大多數(shù)回歸因子的系數(shù)都是顯著的，F(xiàn)統(tǒng)計量值為3.9258，方程系數(shù)整體上顯著。調(diào)整R2為0.1704，說明方程僅能解釋dy變化的17.04%，說明該誤差修正模型的解釋能力較差。誤差修正項(xiàng)的系數(shù)顯著而且符合要求：大于-1小于0，符合反向修正機(jī)制，說明前一期偏差的7.6%在下一期得到調(diào)整。

表12 y/x2/x7的ARDL(6,2,3)誤差修正模型

四、結(jié) 論

由多變量ARDL(6,2,3)模型可知，無論根據(jù)系數(shù)值大小還是系數(shù)顯著性的大小，與其他滯后期因子相比，加權(quán)股價滯后一期因子對當(dāng)期加權(quán)股價的影響都是最大的，其他滯后期因子對加權(quán)股價的影響則非常小，說明加權(quán)股價自身變化的慣性較差。結(jié)合考慮誤差滯后模型中回歸因子只能解釋加權(quán)股價當(dāng)期變化的17.035%，可以看出，加權(quán)股價的波動相對來說比較大。

宏觀影響因素中，與加權(quán)股價有長期關(guān)系且影響較大的主要有兩個，一個是國內(nèi)影響因素M2，另一個是國際影響因素BDI。由表11可知，M2的當(dāng)期值對加權(quán)股價的影響最大，且系數(shù)符號為正，說明當(dāng)期M2的增加能夠有效促進(jìn)加權(quán)股價的上升。前面理論分析中提到貨幣供給變動對加權(quán)股價有直接影響和間接影響，直接影響主要通過預(yù)期效應(yīng)與投資組合效應(yīng)實(shí)現(xiàn)，間接影響主要通過利率與通貨膨脹率的一系列作用實(shí)現(xiàn)。單因素模型檢驗(yàn)結(jié)果顯示：通貨膨脹率與加權(quán)股價并無長期關(guān)系，加權(quán)股價的變化并不受通貨膨脹率的影響；利率與加權(quán)股價有長期關(guān)系，但是在預(yù)測檢驗(yàn)中，雖然樣本內(nèi)預(yù)測能力較好，但是樣本外預(yù)測能力并不明顯，而且在多變量ARDL(6,2,0)模型中，其回歸系數(shù)并不顯著，說明利率對加權(quán)股價的影響很微弱。綜合考慮，M2的變動對加權(quán)股價的直接影響較為明顯，間接影響則不明顯。這反映出港航股市具有資金驅(qū)動特征：貨幣供應(yīng)量增加會導(dǎo)致大量以逐利為目的的資金入市，推動港航股價上漲。

在多變量模型ARDL(6,2,3)中，當(dāng)期BDI與加權(quán)股價有顯著的關(guān)系，且系數(shù)符號為正，說明兩者具有同向變化的關(guān)系；而且BDI的滯后一期至三期因子都與加權(quán)股價有顯著的關(guān)系，說明BDI對加權(quán)股價的影響較為持久，對加權(quán)股價的影響較大。

雖然y、M2、BDI之間有長期關(guān)系，但是從表12的誤差修正模型可以看出，對y的短期波動，回歸因子的解釋能力較差，而且ecm項(xiàng)的系數(shù)較小，反映出：一是加權(quán)股價滯后變動項(xiàng)的信息并不能很好地解釋當(dāng)期值變化，說明加權(quán)股價的波動較為劇烈；二是M2、BDI的波動對解釋加權(quán)股價的短期波動貢獻(xiàn)很小，說明雖然三者之間存在長期關(guān)系，但是加權(quán)股價的短期波動受兩者的影響很小，其他因素(如公司的經(jīng)營業(yè)績或突發(fā)事件等)的影響可能更大。

進(jìn)出口雖然與加權(quán)股價有長期關(guān)系，但是在加權(quán)股價的預(yù)測檢驗(yàn)中，效果并不理想，而且與M2的相關(guān)系數(shù)非常大。兩者之所以有這么大的相關(guān)性，很重要的一個原因是隨著中國加入WTO，經(jīng)濟(jì)總量快速增長，人民幣升值壓力不斷增加，但是M2的快速增長緩解了升值壓力，使得人民幣匯率相較于經(jīng)濟(jì)總量來說仍處于一個被低估的水平，本國經(jīng)濟(jì)總量的擴(kuò)大與本幣匯率被低估，促使出口增加。反過來，出口增加導(dǎo)致本國企業(yè)外匯收入增加，在強(qiáng)制結(jié)售匯制度下，又促使M2增長。通過格蘭杰因果檢驗(yàn)可以發(fā)現(xiàn)，DLX2與DLX6互為格蘭杰因果。

GDP雖然與加權(quán)股價也有長期關(guān)系，但對于加權(quán)股價的預(yù)測并不能提供額外的信息，可以看出GDP對于加權(quán)股價的影響較小。

匯率和道瓊斯指數(shù)與加權(quán)股價并無長期關(guān)系，但是從現(xiàn)實(shí)經(jīng)濟(jì)狀況來看，由于我國出口商品多為初級產(chǎn)品，經(jīng)濟(jì)附加值低，人民幣匯率的下降對我國的出口具有一定的抑制作用。道瓊斯工業(yè)指數(shù)作為反映國際經(jīng)濟(jì)的一個指標(biāo)，該指數(shù)上揚(yáng)時，代表國際經(jīng)濟(jì)發(fā)展良好；下跌時，代表國際經(jīng)濟(jì)發(fā)展受阻。我國作為經(jīng)貿(mào)大國，港航股價不可避免地受國際經(jīng)濟(jì)影響較大，但這些都未從數(shù)據(jù)的統(tǒng)計分析中體現(xiàn)出來，說明加權(quán)股價可能并沒有真實(shí)反映出港航上市公司的真實(shí)經(jīng)營業(yè)績。

總結(jié)上述幾點(diǎn)可以發(fā)現(xiàn)，一方面，港航股價與GDP、進(jìn)出口、利率雖有長期關(guān)系，但是影響較?。慌c匯率、CPI、道瓊斯工業(yè)指數(shù)無長期關(guān)系，說明國內(nèi)實(shí)體經(jīng)濟(jì)與國際經(jīng)濟(jì)對港航企業(yè)經(jīng)營業(yè)績的影響，并沒有在加權(quán)股價中得到充分體現(xiàn)；而M2對加權(quán)股價的直接影響卻非常明顯，體現(xiàn)出港航股市具有一些資金驅(qū)動的特征。另一方面，加權(quán)股價受BDI的影響較為持久，說明國際航運(yùn)市場運(yùn)價水平對我國港航企業(yè)整體股價的影響非常明顯。同時，港航股價的短期波動較為劇烈，但是M2、BDI對其的解釋能力較差，原因可能是其他微觀或中觀因素影響更大些。

參考文獻(xiàn)：

[1]MOOKERR,QIAOYu.Macroeconomicvariablesandstockpricesinasmallopeneconomy:ThecaseofSingapore[J].Pacific-BasinFinanceJournal, 1999,5(3):377-388.

[2]ADRANGIB,CHATRACHA,SANVICENTEAZ.Inflation,output,andstockprice:EvidencefromBrazil[J].TheJournalofAppliedBusinessResearch, 2002,18(1):61-77.

[3]TABAKBM.Thedynamicrelationshipbetweenstockpricesandexchangerates:EvidenceforBrazil[J].InternationalJournalofTheoreticalandAppliedFinance, 2006,9(8):1377-1396.

[4]CHULIAH,MARTENSM,VANDIJKD.AsymmetriceffectsoffederalfundstargetratechangesonS&P100stockreturns,volatilitiesandcorrelations[J].JournalofBanking&Finance, 2010,34(4):834-839.

[5]MORELLID.TherelationshipbetweenconditionalstockmarketvolatilityandconditionalmacroeconomicvolatilityempiricalevidencebasedonUKdata[J].InternationalReviewofFinancialAnalysis, 2002,11(1):101-110.

[6]RATANAPAKORNO,SHARMAS.DynamicanalysisbetweentheUSstockreturnsandthemacroeconomicvariable[J].AppliedFinancialEconomics, 2007, 17(5):369-377.

[7]ABUGRIBA.Empiricalrelationshipbetweenmacroeconomicvolatilityandstockreturns:EvidencefromLatinAmericanmarkets[J].InternationalReviewofFinancialAnalysis, 2008,17(2):396-410.

[8]陳夢根.中國證券市場價格波動與宏觀經(jīng)濟(jì)協(xié)同性的實(shí)證研究[J].證券投資，2005(16)：79-85.

[9]劉玲.基于向量自回歸方法的股票價格與宏觀經(jīng)濟(jì)變量關(guān)系研究[D].長沙：湖南大學(xué)，2006.

[10]肖婷姣.人民幣匯率與股票價格關(guān)系的實(shí)證研究[D].武漢：華中科技大學(xué)，2009.

[11]程丹丹.我國貨幣供應(yīng)量對股票市場的影響研究[D].杭州：浙江大學(xué)，2012.

[12]周雯.我國利率變動對股票市場影響的實(shí)證分析[J].商業(yè)現(xiàn)代化，2011(3)：144-145.

[13]吳奉剛,李彥華.我國貨幣供應(yīng)量和股市價格關(guān)系的實(shí)證研究[J].中國物價，2011(2)：41-44.

[14]鄒昆侖,張晶.貨幣政策、通貨膨脹與股票資產(chǎn)價格波動研究[J].統(tǒng)計與決策，2013(1)：173-175.