彭小林

1 问题的提出

货币政策不仅对股票价格存在影响，而且对股票市场流动性存在影响。有关货币政策对股票价格的影响国内外学者已经做了大量研究，而有关货币政策对股票市场流动性的影响，国外学者近年才开始关注。Chordia、Ro11和Subrahmanyam[1]（2001）首先研究了宏观因素对市场整体流动性的影响，发现利率变化和经济波动都会影响市场流动性，如果经济下滑，那么市场流动性也会降低。Chordia、Sarkar和Subrahmanyam[2]（2005）发现在危机时期，扩张性货币政策能增强股票市场和债券市场流动性。Brunnermeier和Pedersen[3]（2009)建立了把市场流动性和投资者融资流动性联系起来的模型。他们认为投资者提供市场流动性的能力取决于他们的融资流动性能力，同样，投资者的融资行为也会受其市场流动性影响。在一些情况下，融资政策宽松会导致市场流动性过剩。他们的模型进一步解释了市场流动性为什么会突然蒸发、不同市场流动性之间的联动关系以及市场波动对流动性的影响。Goyenko和Ukhov（2009）[4]研究发现货币政策冲击会影响股票市场和债券市场流动性。由于债券市场对货币政策反应更迅速，因此货币政策冲击通常是先影响债券市场流动性，然后通过债券市场流动性再影响股票市场流动性。Hameed、Kang和Viswanathan[5](2010)研究发现股票市场下跌导致的流动性降低比上涨带来的流动性升高要大，特别是在社会融资紧张时期，这时很多金融中介机构的抵押产品价值下降，面临清盘，很难再向市场提供流动性。

国内专门研究货币政策对股票市场流动性影响的文献更少。许睿等[6]（2004）和孙云辉[7]（2005）最早对一些重大的政策和事件对整个市场流动性的影响做了分析。他们的政策事件是指股票市场的相关政策法规，而不是专指货币政策。许睿使用统计回归的方法，发现上海和深圳市场流动性对政策事件有基本一致的反应。孙云辉利用事件研究法发现2001～2004年间，政府政策对股市流动性有显著影响。当利好政策出台后，股市累积异常流动性明显上升，而当利空政策出台后，股市累积异常流动性大幅度下降，同时也证明中国股市的流动性具有非常大的波动性。熊正德等[8]（2007）利用多变量EGARCH模型对中国利率与沪深股市间的收益率波动溢出效应进行的实证研究表明,股票收益率对利率收益率有着显著的短期动态影响，利率与沪深股市间收益率存在着显著的双向波动溢出。周晔[9]（2009）通过对自2005年以来流动性变动的阐述，指出流动性变动与股市巨幅波动之间具有同步相关性。央行货币政策调控上的刚性有余、弹性不足导致流动性的过度波动给股市带来负面冲击。可以发现，国内这些相关研究牵涉到货币政策，但大都没有直接研究货币政策对股市流动性的影响。因此，本文基于中国数据，直接实证研究货币政策变化对股票市场流动性的影响。

2 变量选取与数据来源

我们用货币供应量和利率反映央行货币政策的变化。货币供应量我们使用M0、M1和M2的月度数据。利率我们使用市场化程度最高的银行间同业拆借利率月度数据。数据来源于中经网统计数据库，样本期为1998年1月至2011年7月。各货币政策变量说明如下：

M0指流通中的现金。根据货币需求理论，人们持有货币是因为货币的交易媒介和价值贮藏功能，这两种功能与股票市场的风险投资功能关系不大，因此M0的变化与股票市场的关系并不密切。当然，如果股市行情好，这些货币会短期流入股票市场，增加市场流动性。

M1指M0加上企业等单位在银行的活期存款。由于活期存款金额远大于M0，例如2011年7月，企业活期存款约是M0的6倍，因此M1的构成主要是活期存款。企业为追求盈利最大化，可以直接用活期存款进行股市投资。企业活期存款的增加既可以来源于企业盈利和企业定期存款转化而来，也可以来源于企业股市资金流出。当来源于前者时，它们流入股市，会增强股市流动性，当来源于后者时，由于分流了股市资金，会降低股市流动性。M1最终对股市流动性的影响方向取决于这两种影响程度的大小。

M2指M1加上企业等单位在银行的定期存款和居民储蓄存款，代表货币供应量的总规模。M2受央行货币政策影响大，可作为观察和调控中长期金融市场的目标。当央行货币政策宽松时，M2的增加会导致更多的资金中长期流入股市，增强股市流动性，反之反是。

利率R作为价格型货币政策工具，它的提高，对上市公司来说，增加了融资成本，从而降低了收益，对投资者来说，银行储蓄的利率提高了，投资股市的机会成本更大了。因此，提高利率一般会降低股市流动性。

对于股票市场流动性的衡量，Amihud[10]（2002）的非流动性指标被较多地使用。该非流动性指标ILLIQ的计算方法为ILLIQt= ||RtVt，分子为股票在时刻t的收益率，分母为t时刻成交金额。由于该非流动性指标易受股票流通市值影响，因此Andreas和Timotheos[11]（2008）建议用换手率代替成交额，得到ILLIQt= ||RtHt，分子仍为股票在时刻t的收益率，分母为股票t时刻的换手率。该非流动性指标没有量纲，便于研究对比。股票流动性越好，该非流动性指标值越低。由于研究需要的是上证A股的月度流动性，我们首先计算每个交易日个股的流动性，然后简单算术平均得到该交易日市场的流动性，市场月度流动性为当月各交易日市场流动性的算术平均值。股市非流动性的计算数据来源于国泰安CSMAR系列研究数据库，样本期仍为1998年1月至2011年7月。

3 实证分析

3.1 基于脉冲响应的货币政策对股市流动性的冲击效应分析

我们首先对货币供应量取对数得到LN（M0）、LN（M1）和LN（M2），以消除异方差。由于时间序列数据通常要求变量平稳，以避免伪回归。我们对变量ILLIQ、R、LN（M0）、LN（M1）和LN（M2）进行单位根变量平稳性检验，结果见表1。

表1 变量ADF单位根检验结果

可以看出，非流动性指标ILLIQ和利率R为平稳序列，而各货币供应量均为非平稳序列，但其一阶差分后均为平稳序列。为研究货币政策变量对股市流动性的冲击效应，我们进行脉冲响应分析。脉冲响应从动态角度显示了非流动性对各货币政策变量一个标准差冲击的响应。脉冲响应结果如图1～4所示，其描述性统计见表2。

图1 非流动性对M0的脉冲响应

图2 非流动性对M1的脉冲响应

图3 非流动性对M2的脉冲响应

图4 非流动性对利率的脉冲响应

表2 货币政策变量对股市流动性冲击的描述性统计

从图1～4和表2可以看出，从对股市非流动性的冲击方向上，M0和M2为负向冲击，说明M0和M2的增加导致更多资金流入股市，从而提高股市流动性。M1为正向冲击，说明M1的增加，更多来源于企业股市资金的流出，从而导致股市流动性的下降。R为正向冲击，显示提高利率降低了股市流动性。

从对股市非流动性的冲击力度看，M1最大，其在第2期的最大值为0.195494，显示企业活期存款对股市流动性有较大冲击，特别是在当前货币紧缩政策下，上市公司和中小企业流动性不足，只有通过抽离股市资金或减持股份来缓解流动性压力，这更加剧了股市流动性紧张。M0冲击力度最小，其在第3期的最小值为-0.070706，显示流通中的现金对股市影响小。

从对股市非流动性的影响周期上，利率R最长，达到27期，说明利率变化对股市流动性具有长期的影响。M0最短，为14期，再次显示流通中的现金对股市流动性不但冲击力度小，而且作用时间短。

3.2 基于BEKK模型的货币政策与股市流动性的波动相关性分析

（1）BEKK模型介绍

BEKK模型是Engle和Kroner[12](1995)综合Baba,Engle,Kraft和Kroner[13](1990)研究的基础上，提出的以四人名字第一个字母命名的一类多变量GARCH模型。相对单变量GARCH模型，BEKK模型不但能显示变量自身的波动情况，而且能反映变量之间的相互波动关系。二元BEKK（1，1）的设定形式为：

式（1）是向量形式表示的均值方程。方程中，rt是2×1维的收益率向量，Xt是1×(k+1)维的解释变量向量，λ是2×(k+1)维系数矩阵。（2）式为条件方差方程，各参数表示如下：

A代表ARCH项的系数矩阵，B代表GARCH项的系数矩阵，Ht表示条件残差在t时刻的方差协方差矩阵。由于矩阵A和B中参数较多，考虑它们的简化形式，当矩阵A和B为对角矩阵时，此时得到对角BEKK模型。该模型优点是既能保证Ht的正定性，同时具有较少的参数。我们将利用对角BEKK模型来分析货币政策变量与股市流动性之间波动的相关性。将（2）式展开可以得到对角BEKK模型条件方差-协方差矩阵各元素的方程形式：

其中，（3）式和（4）式是两变量各自的条件方差方程，（5）式是两变量之间的条件协方差方程。条件方差方程显示了变量自身的波动特征，ARCH系数反映前期外界冲击对当期波动的影响程度，GARCH系数反映前期自身波动对当期波动的影响程度，ARCH系数与GARCH系数之和显示波动的持续性，越接近1，表示波动越持久。条件协方差方程反映变量之间波动相关性的强弱，ARCH系数显示前期外界冲击对当期协方差的影响程度，GARCH系数显示前期协方差对当期协方差的影响程度，ARCH系数与GARCH系数之和显示两者波动相关性的持续性，越接近1，表示两者波动相关性越持久。我们主要分析式（5）来说明股市流动性和各货币政策变量之间波动相关性。

（2）BEKK模型实证结果

货币政策变量与股市非流动性的描述性统计见表3。可以看出，各变量均为有偏分布，峰度大于3（正态分布等于3），呈现尖峰厚尾，JB值在1%显著水平均拒绝正态分布假设，残差平方Q统计量在5%显著水平均拒绝不相关假设，这些说明变量具有ARCH效应，可以用BEKK模型研究它们的波动相关性。

表3 变量描述性统计

我们使用Eviews6.0软件分别对股市非流动性和各货币政策变量建立二元对角BEKK模型，采用BHHH算法，实证结果见表4，左侧为模型参数估计，常数项省略，右侧为条件方差与协方差方程。

表4左侧显示，除了M1的ARCH系数外，BEKK模型参数估计在5%检验水平上都是显著的，说明各变量的波动存在一定的聚集效应。

从ILLIQ与M0的条件协方差方程看，ARCH系数为0.4996897，GARCH系数为-0.0866524，说明两者波动的相关性主要受外界冲击的短期影响，而受自身前期波动相关性的影响较小。从M0的条件方差方程可以看出，M0的波动主要受外界冲击影响，这在一定程度上影响到它与ILLIQ的波动相关性也主要受外界冲击影响。

表4 中国货币政策变量与股市流动性的波动关系

从ILLIQ与M1的条件协方差方程看，ARCH系数为-0.0385332，GARCH系数为0.2803807，说明两者波动的相关性受外界冲击影响小，而受自身前期影响强一些。这主要是因为M1的ARCH系数不显著，导致M1当期的波动主要受自身前期波动影响，而受外界冲击的影响小。

从ILLIQ与M2的条件协方差方程看，ARCH系数为0.1987788，GARCH系数为0.4495292，两者波动的相关性既受外界冲击的短期影响，同时自身也具有较强的延续性。在货币供应量M0、M1和M2的条件协方差方程中，M2的ARCH项系数和GARCH项系数之和为0.648308，M1为0.2418475，M0为0.4130373，M2最大且最接近于1，显示M2作为货币供应量总规模和中长期货币政策调控目标，其和股市流动性之间的波动相关性具有较长的持续性。

从ILLIQ与R的条件协方差方程看，ARCH系数为0.7623271，GARCH系数为0.1776079，说明两者波动相关性既受外界冲击影响，又受到自身前期的影响，但外界冲击影响更强些。利率R的ARCH系数和GARCH系数之和为0.939935，大于M2的0.648308，非常接近1，并且其常数项也远大于M2的常数项，显示利率和股市流动性之间的波动相关性比M2更持久，这也说明利率政策变化相对于货币供应量的变化对股市流动性波动的影响更持久。

4 结论

通过对货币政策变量与股市流动性的实证研究，本文得出以下结论：

（1）基于脉冲响应的冲击效应分析显示：从冲击方向上，M0和M2对股市非流动性具有负向冲击，M1和利率R对非流动性具有正向冲击；从冲击力度上，M1最大，M0最小；从冲击作用的周期上，利率R最长，M0最短。

（2）基于BEKK模型的波动相关性分析显示：M0与ILLIQ波动的相关性主要受外界冲击的影响，而受自身前期影响小；M1与ILLIQ波动的相关性受外界冲击影响小，而受自身前期影响强一些；M2与ILLIQ波动的相关性既受外界冲击的短期影响，同时也受到自身前期影响；利率R与ILLIQ波动相关性既受外界冲击影响，又受到自身前期的影响，但外界冲击影响更大些。

（3）不同货币政策变量与股市流动性之间波动相关性的持续能力上，利率R持续性最强，其次为M2，显示利率变化相对于货币供应量的变化对股市流动性波动的影响更持久。

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

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

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

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

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

[6]许睿，冯芸，吴冲锋.影响中国A股市场流动性的政策和因素[J].上海交通大学学报,2004,(3).

[7]孙云辉.政策性因素对我国股市流动性影响分析[J].现代管理科学，2005，（8）.

[8]雄正德，谢敏.中国利率与股市间波动溢出效应的实证研究[J].财经理论与实践,2007,(1).

[9]周晔.流动性变动与股市波动[J].经济学动态,2009,(11).

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

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

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

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