文/马欣宇

全球性因素及宏观变量对股市价格的影响研究

文/马欣宇

上海大学经济学院

本文使用贝叶斯动态因子模型来解释全球性因素和国家整体的宏观变量因素如何影响股市价格的。研究发现，全球性因素是造成一个国家股票市场波动和其宏观经济波动的最大原因。全球性的宏观经济冲击加上国内的宏观经济冲击对各国股票市场价格变化的联动性具有很强的影响，而一个国家的风险敞口在很大程度上反映了该国家对全球宏观经济风险的暴露程度。

宏观变量；股价；贝叶斯动态因子模型

1 引言

将股票市场的较大波动性归因于其宏观经济风险是否合理，对此希勒罗伯特（1981）进行了开创性的研究，他模拟了大量的历史股票市场波动率以分析其原因。本文在全球经济一体化的背景下将重温这个问题。在过去的二十年中，全球化日渐加速，跨国金融流动和国际贸易在商品和服务方面都有快速增长。当今世界几乎每个国家的宏观经济表现和金融市场都受到世界其他地区的发展的影响。这种一体化的国家经济可以从根本上改变投资者所面临的风险的性质，并作为结果影响股票市场走势。在一个孤立的经济体中，该国的宏观经济波动可能是其股票市场联动性最重要的驱动力。在整体联系的世界经济中，一个独立的国家的股票市场受到世界经济周期的冲击后所产生的反应强度，大于其受到自身的宏观经济波动的反应。

本文采用动态因子模型对从1995到2009年34个国家的一组月度数据进行贝叶斯方法估计，测量了全球股票收益率和全球宏观经济风险措施，并且试图理解它们在各个国家间如何影响股票市场的波动性。该模型使本文能够将一个经济变量分解为一个各个国家间共同的“全球”因素和一个独立的国家特定因素。本文发现，这些全球因素是影响一个国家的股票市场波动性的重要部分，除了国内宏观经济冲击外，其他宏观经济波动和全球宏观经济的冲击对该国股票市场的波动有着巨大的影响。一个国家的风险在很大程度上受全球股市风险的影响，表现在该国家对全球宏观经济风险的暴露程度上。

2 文献综述

本文借鉴了以往文献研究的两种形式。一是关于国际经济周期和宏观经济联动的实证分析，其中包括格雷戈瑞等人（1997），高斯等（2003，2008），卡诺瓦等（2007），切卡莱丽（2010）和克鲁西尼等（2011）的实证文献。这些文献估计了动态因子模型各个版本，以此分析国际上午周期和宏观经济联动的演变和驱动因素。另一种形式是对金融市场一体化的实证分析，包括哈默等人（1990），贝卡尔特和哈维（1995），福布斯和瑞格布恩（2002），布鲁克斯和尼格鲁（2005）、卡里瑞等（2007）、朴泰坤和罗（2009）和贝卡尔特等人（2009）。这些研究使用国际资产定价模型或计量经济学的因素模型，重点在于测量和展现随着时间的推移，世界金融一体化的发展程度。然而，本文的主要目的是为了研究的各国股票市场联动效应和不同国家股票市场波动的宏观经济基础。本文使用一个动态因子模型来分别解释影响股市价格的全球性因素和一组国家整体的宏观变量因素。这使本文能够检验在全球一体化背景下，股票市场波动性和潜在的宏观经济风险在各国之间的联系。

3 理论基础

本文的理论基础为经济基础假说。该假说起源于有效市场理论和公共信息假说,并在该理论的基础上发展起来。该假说建立在投资者完全理性的前提上,认为市场价格的波动与联动是由宏观基本面引起的。基于传统金融理论，投资者通过分析其获得的资产基本面的相关信息，能够正确地反映出关联资产的价格，当不同国家的经济基本面被某些经济变量同时影响时，或有关这些经济变量的外部冲击出现时，具有相同经济基本面的国家将会表现出关联资产价格变化的趋同。

国外学者认为跨国套利者会基于本国宏观经济的改变来调整其在全球资产的投资组合，因此一个国家国内宏观经济的改变就可能对其他国家的股票市场产生影响。通过研究欧洲国家股票市场的情况，国外学者发现欧元的统一政策致使欧元区各国家经济结构的相似性提高，从而大幅加强了股市的联动效应。此外，该假说认为宏观经济是影响上市公司发展的主要因素,宏观经济环境对上市公司的影响十分明显,而股票市场被称为实体经济的晴雨表,当股票价格及走势的变动受到了实体经济的影响时，其他市场参与者会根据其走势来调整在其他股票市场上的投资策略。Finnerty等(1995)将宏观经济新闻作为变量,研究了经济基础假说对于股市联动性的影响,该文将英美金融市场的宏观经济新闻数量化后作为数据来源,将英美期货合约的当日收益率作为研究对象。结果发现,英美两国的经济新闻彼此影响，进而引发了两国股票市场的联动性,这进一步说明了经济基础假说的重要性。

4 模型及其估计

yi,t=λift+εi,t(1)

公式中ft代表一个共同的全球因素，λi代表第i个国家的个体因素，εi,t是一个独立的国家特定的冲击因素。ft和εi,t两者都被假定为遵循以下有序的自回归过程：

ft=φ1ft-1+φ2ft-2+…+φpft-p+ut(2)

εi,t=Ψ1εt-1+Ψ2εt-2+…+Ψpεt-p+ui,t，

i=1,2, …,N (3)

本文可以通过Kalman filter的最大似然法估计上述模型。但是考虑到模型的大样本（在本文的例子中），进行似然估计函数的样本数目最大化可能是具有挑战性的。作为代替本文通过Markov Chain Monte Carlo（MCMC）采用贝叶斯方法来估计模型。

本文采用的模型分为四个（月度）变量：年度记录的股票市场指数的变化；名义短期利率；工业生产的增长率和消费物价指数的通货膨胀率。样本包括34个国家（N=34），涵盖了2009年和1995年之间的时期，然而许多发展中国家没有早期的数据。样本国家包括大多数发达国家和许多发展中国家。股票市场指数来源为Datastrem国际。其他宏观经济变量来自世界银行或国际货币基金组织的国际金融统计。由于实际股票市场的回报率是名义回报率减去通货膨胀率，因此所有序列值都低于之前的估计。进行贝叶斯估计后，将方程（2）和方程（3）的滞后期定为2和3。Gibbs样本在起初采样5000次后又进行了25000次迭代。

5 结论

本文进行了实证分析来解释全球性因素和一组国家整体的宏观变量因素对股市价格造成何种影响。研究结果表明，在日益一体化的全球经济背景下，以超越国界的角度来理解金融市场风险的宏观经济基础显得十分重要。尤其是当宏观经济风险可以被投资者正确识别时，其对股票市场联动性的提高具有较强的影响。

[1]Agmon T. The relations among equity markets: a study of share price co-movements in theUnited States, United Kingdom, Germany and Japan[J]. The Journal of Finance, 1972, 27(4):839-855.

[2]Connolly R A, Wang F A. On stock market return co-movements: macroeconomic news, dispersion of beliefs,and contagion[J], 2000.

[3]Blackman S C, Holden K, Thomas W A. Long-term relationSSECps between internationalshare prices[J],1994, 4(4): 297-304.

[4]Hyde S J, Bredin D P, Nguyen N. Correlation Dynamics between Asia-Pacific, EU and US Stock Returns[J]. General Information, 2008.