发布时间：2022-03-29 03:47:27
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的宏观经济数据样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
6.9%的增长是完全正常的、合理的、符合经济规律的增长水平
中国经济进入新常态的中高速增长以来，中国经济增长“大幅放缓”、中国经济“硬着陆”等观点，变成国内外在每年的年底、年初对中国经济判断的主基调。这些判断的误区是，尽管中国经济进入了新常态，但国内外的分析人士并没有用新常态的逻辑来分析数据，来判断现状和未来经济的态势。
有些媒体对今年前三季度6.9%的经济增长用“经济增长是七年来的最低”来表述，显然参照系是过去30年的高增长，这个参照系是不对的。现在是新常态经济发展阶段，新常态经济的一个重要特征就是从高速增长变成中高速增长。经济增长7%左右就是中高速增长，也是两会报告确定的今年的增长目标。如果我们用新常态的逻辑来看待6.9%的增长，参照系是新常态经济的中高速增长，6.9%的增长是完全正常的、合理的、符合经济规律的增长水平。用新常态经济观念来分析增长数据，国内的经济增长是稳定的，与中高速增长的的目标是一致的。那种认为中国经济大幅下滑、硬着陆、崩溃的分析是思想方法的问题，分析思路根本没有进入新常态经济发展阶段。2014年12月闭幕的中央经济工作会议和十的一些相关文件反复强调，要认识新常态。只有认识新常态，才能适应新常态，最后才能把握新常态。如果思想方法上没有进入新常态经济的转变，观念上不可能实现从过去的发展阶段向新常态经济发展阶段的转变，对新常态经济阶段的形势判断就是不准确的。
季度GDP增长数据出现零点几个百分点的波动是预料之内的，不必过度解读
当前，我国正处于“三期叠加”的新常态经济发展阶段，“三期叠加”是指经济处于增长速度换挡期、结构调整阵痛期和前期刺激政策消化期。换档期是什么意思？是我们的经济增长从高速增长变成中高速增长，是对一个经济规律的描述。新常态经济发展阶段的一个重要改变就是劳动力红利开始减少。当劳动力红利开始减少的时候，当人口出现老龄化的时候，经济就会出现增长速度的换档。很多发达国家都经历了这样的改变，美国、日本、欧洲都在劳动力比较优势改变后出现过换档期，这是经济发展的规律性。我在20世纪80年代初期去法国留学，由于人口结构的变化，法国经济在80年代就面临增长速度放缓的现象，所以说换挡期是一种规律性的变化，中国经济的新常态出现这种规律性的变化是不可避免的。
转型期是什么意思？从整体经济的层面上讲就是经济结构的转型。从投资为主转变为投资、消费增长的合理比重;从第二产业为主转变为二、三产业并举;从依靠较多的外需转变为内外需共进;从劳动密集、资源密集转变为技术密集、知识密集。而经济结构转型最主要的压力来自于第二产业。过去30多年高速发展的同时，包括“第三期”――政策消化期的盲目投资，使第二产业累计了高耗能、高污染、产能过剩这种不可持续的深层次矛盾。在新常态经济阶段，要实现经济结构的转变，使经济可持续发展。产业结构的调整主要来自两个方面。第一，不合理的产能结构要调整，将不合理产业的投资降下来。第二，培养新的增长点，形成合理的产业结构。这两个方面的调整是不同步的，不合理产业结构调整使这些领域的投资减少，而新的增长点还在培育过程中，增加的投资不能很快覆盖减少的部分，出现了青黄不接的状况，带来了经济下行的压力。
围绕“三期叠加”所作的规律性和结构调整的分析，我们应该看到，“叠加”效应，即所谓过渡期、投资下降、经济下行、都是已知信息，是存量的概念。月数据特别是季度公布的GDP增长数据，如果出现零点几个百分点的上上下下应该是预料之内的，不是“增量”下行的概念，包括投资下降以及出口方面存在问题，这都不是增量信息。如果解读为“增量”，可能在重复使用“三期叠加”分析的信息，过度释放一些本不该由这零点几个百分点所承载的信息，刻意淡化存量概念而去放大增量概念，这是非常误导的。
正确认识进出口数据改变的原因，不能简单重复传统刺激出口的政策
今年前三季度，进出口总额178698亿元人民币，同比下降7.9%。其中，出口102365亿元，下降1.8%;进口76334亿元，下降15.1%。进出口数据是否非常糟糕？我认为一定要把信息对称起来。第一，出口数据显示加工贸易低于一般贸易。在过去很长的时间内，我们的加工贸易占主导地位，远远高于一般贸易。加工贸易是一个劳动力密集型产业，当我们的劳动力红利逐渐减少以后，加工贸易业就逐渐转移到更有劳动力比较优势的地方去。这是个渐进的过程，从十几年前就已经开始了。近几年来，因为劳动力成本增长特别快，所以那些港台企业基本上都走了。本地的企业因为没有能力走出去，很多就关闭了。企业迁走或关闭，订单也走了，加工贸易的出口已经连续几年低于一般贸易。这是我们进入新常态以后，劳动力红利改变所带来的贸易结构的变化，也是国际贸易中规律性的变化。我们不能盲目的说，出口增长下降就要加大出口退税。当前出口增长下降的原因根本不是税收造成的利润下降所致，退税根本没有意义。我们还是要改变出口结构，增加一般贸易。劳动力密集型的产业少了，那就增加一些附加值高的产业，出口加工制造升级为高端制造，调整出口产品的结构才是解决问题的根本办法。要正确认识进出口数据改变的原因，不能简单重复传统刺激出口的政策。
第二，中国已经在2011年代替美国成为世界第一大进出口国家，占到全球45万亿美元贸易规模的11%左右。国际贸易是按照比较优势的交换。如果仍然停留在低端制造，中国的贸易特别是出口不可能继续保持大幅增长，因为中国在11%以外的贸易领域不具备比较优势。仅盯着出口增长率下降而考虑短期政策，不抓紧培育有新的比较优势的产品，可能会错失未来国际贸易发展的良机。
第三，我们的进口也是负增长。这是因为我们进口的产品中大部分是大宗商品，大宗商品的价格从去年第四季度开始一直到现在大幅度下降，石油价格降了一半多，所有的农产品都在降价。我们进口产品的一半以上都是大宗商品，就算我们的进口量不变，因为价格降了这么多，所以我们的进口规模一定是下降的。不能简单地说，进口负增长就是我们国内对外面的需求下降，我们的经济不景气。
宏观政策要稳，不能总是调来调去
宏观调控在新常态下已经有基本原则。新常态经济宏观调控的基本原则是：宏观政策要稳，微观政策要活，社会政策要托底。大规模的刺激政策就是危机政策。既然是常态，宏观政策就要稳，不能总是调来调去。短期财政、货币和投资的政策到位，稳增长应该是没有问题。在常态的情况下，受季节性因素、天气因素、自然灾害等各种因素的影响，经济也会有上有下，但这样的波动是正常的，与危机引起的大起大落不一样。
每当经济增长数据出现零点几个百分比的下降，经济下行压力“加大”的说法就会被强化，就出现呼吁稳增长政策微调和更宽松货币政策等加大短期刺激政策的声音。实际上，12%的货币供应量的增长（M2）目标本身已经是一个很宽松的指标。上半年名义GDP的增长是6.5%，也是经济增长所需要的货币需求增长水平。但是既定的货币供给增长是12%，有5.5个百分点的差距。这意味着货币供应量的增长要超过货币需求增长5.5个百分点，从这个意义上来说，货币政策应该是宽松的。但是现在11%左右的M2增长，在既定12%的M2增长政策范围之内，从这个角度，货币政策在执行层面是稳健的。政府一直在强调货币政策是稳健的，但指标本身是被宽松的制定了。
总之，要正确认识宏观经济指标，思想方法一定要正确。思想方法不同，利益导向不同，对问题的看法也就不同。用新常态的逻辑去分析数据，判断形势，才能避免误判形势、误导政策。对当前经济增长稳定的判断，并不是说我们的经济没有问题，但关键是找准问题，找到针对性的解决方案。
充分发挥调结构在稳增长中的关键作用
我们的经济存在下行压力的根本原因是结构问题。正确的方法不是印发更多的钞票，而是要对症下药，要进行结构调整。不合理的结构要往下调，加大力度去推动新的产业结构核心增长点。如果不把这个问题解决，而是用短期政策去稳增长，那就一定会固化现在的结构性矛盾，并不能解决根本问题。2014年12月11日闭幕的中央经济工作会议有五项任务，第一项任务就是稳增长，紧接在稳增长后面的一句话就是“稳增长的关键是调结构”。虽然也说了财政政策、货币政策、产业政策，但关键是落脚在调结构上。如果结构没有理顺，今年短期政策稳增长，明年结构问题带来的下行压力就仍然存在。持续增长不能年复一年地靠短期政策来保证。
充分发挥调结构在稳增长中的关键作用。调结构有两个方面，一个是将不合理的结构往下调，另一个是必须同时形成合理的新产业结构。中央经济工作会议确定的今年第二项任务是积极培育新的增长点，这与新的合理的产业结构形成是联系在一起的。在经济存在下行压力的情况下，我们要积极培育新的增长点作为经济增长的驱动，应该必须从现在做起，而不是要等到明天。
（作者为国务院参事室特约研究员）
一、引言
改革开放三十多年来， 中国经济持续高速的增长举世瞩目， 衡量经济发展水平的宏观经济统计数据成为了国内外相关机构和学者广泛关注的热点。中国国家统计局、中国人民银行每季度、月、周都会对cpi、gdp、固定资产投资等重要宏观经济变量的统计数据进行披露， 然而， 由于这些宏观经济时间序列数据受多种因素（如非重复性突发事件、经济或者政治结构变化以及自然灾害等）的影响， 公布后的实际数据与市场预测值常常会产生偏差， 这种偏差左右着金融市场参与者的行为， 特别是会对上市公司的未来现金流和风险贴现率产生作用， 进而对股票市场参与者的市场行为和股票市场的收益率及波动率产生巨大影响。因此， 探讨和量化宏观数据的公布以及市场预测值与实际公布值间的偏差对股票市场的影响程度， 具有重要的理论价值和实践意义。
国外学者研究宏观经济变量的对各种资产价格条件均值影响的文献极为丰富，但对于宏观经济公告对条件方差影响的研究成果却很少。ederington和lee（1993，1996）创立了一整套研究程序， 专门研究新闻和宏观经济信息对股票、外汇期货、期权市场的影响。ederington和lee（1993，1995）发现宏观经济信息的定期对利率和外汇期货市场的价格和波动率有显著影响。在国内， 宏观经济信息公告对金融市场影响的研究尚不多见。 冯玉梅等（2007）基于改进的ar（1）-egarch（1，1）-m模型， 通过研究宏观信息宣告对股票市场价格行为的影响， 表明居民消费价格指数和商品零售价格指数对股票市场的收益有负向影响；国内生产总值、社会消费品零售总额、公开市场操作利率变动率和企业景气指数对股票市场的收益有正向影响； 公开市场操作公告会导致股票市场条件收益率显著增加； 其余各类宏观信息因素对股票市场收益的波动性并不存在显著影响。WWW.133229.COm王云升等（2008）分析了宏观经济数据公布与预测值所产生的偏差， 并研究了其对金融市场收益及其波动率所产生的影响， 结果表明， 消费者价格指数统计数据的公布加大了股票市场日收益的波动率， 而固定资产投资增速和货币信贷信息数据的公布则减小了其波动率； 由于市场化程度较低， 宏观经济统计数据的公布对债券市场和外汇市场参与者价格行为的影响较小。
二、数据选取与处理本文由收集整理
本文选取2009年3月21日至2012年3月21日间上证综指日间交易收盘收益率为样本数据来衡量股票市场收益率。选取消费者物价指数（cpi）、固定资产投资增速（fai）和中国人民银行公布的货币信贷信息（m2&loan）三个经济变量作为宏观经济统计数据样本。由于宏观经济统计数据常常受季节效应的影响而失真， 因此，要对消费者物价指数、固定资产投资增速和货币信贷信息进行季节调整，通过采用相对值避免不同量纲对其的影响， 以消费者物价指数为例， 将绝对指标转换为相对指标的计算公式为：cpi相对= ■，固定资产投资增速和货币信贷信息相对指标的计算方法与消费者物价指数相同。
对于宏观经济变量的预测值， 我国目前还没有专业的调查机构对其进行如此规模的调查， 市场预测数据多是源自各个证券机构出具的研究报告。本文选取北大朗润的预测均值作为cpi， fai市场预测值， 原因是中信等众多重要金融机构都以它的宏观经济变量数据预测值的平均值作为参考。由于预测值难以获取， 且不具权威性， 本文在建立考虑市场预期的模型中剔除了货币信贷信息这个变量。
三、理论模型
garch模型又称为广义arch模型， 是arch模型的拓展。自从恩格尔提出arch模型分析时间序列的异方差性以后， 波勒斯列夫又提出了garch模型。 garch模型是专门针对金融数据的回归模型， 除去和普通回归模型的相同之处， garch对误差的方差进行了进一步的建模， 特别适用于进行金融数据的波动性分析和预测， 这样的分析对投资者的决策能起到非常重要的指导性作用， 其意义甚至超过了对数值本身的分析和预测。因此，本文选择garch模型研究偏差对股票市场的影响。garch模型要求所研究的时间序列必须是平稳的， 因而使用单位根检验 （unit root test） 对上证综指收益率进行平稳性检验。结果显示在1%的显著性水平下， 样本数据不存在单位根， 是稳定的序列。
（一）模型ⅰ：未考虑预期的实证检验模型
在不考虑实际公布值与市场预测值之间偏差的情况下， 建立股票市场的价格行为的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为所测量的股票市场日收盘收益率，rt=■， pt表示第t 日的收盘收益率；di为虚拟变量，用以消除数据的“季节性影响”；dj为虚拟变量，消费物价指数、固定资产投资增率以及货币供应量和新增贷款数据公布之日， 取值为1，反之为0；εi为服从正态分布的扰动项。
在模型ⅰ中， 均值方程中的截距项μ0代表样本中宏观经济统计数据未公布情况下股票市场在周五的日收益率，系数μi、μj衡量周一至周四以及消费物价指数、固定资产投资增率、货币供应量和新增贷款数据公布后股票市场日收益率的变化。方差方程中的截距项α0代表宏观经济统计数据未公布情况下股票市场在周五的波动率，系数αi、αj代表周一至周四以及消费物价指数、固定资产投资增率、货币供应量和新增贷款数据公布后股票市场波动率的变化。
（二）模型ⅱ：考虑预期的实证检验模型
采用公式ln（实际公布数据/市场预测值）×100%代表市场预测值与实际公布数值之间偏差，建立股票市场的价格行为的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实际公布数据/市场预测值）>0， -cpi表示ln（cpi实际公布数据/市场预测值）0>0。同理， 其它宏观经济变量的定义与之相似。
四、计量分析结果
（一）模型ⅰ：未考虑预期的测算结果
采用准极大似然估计（quasi-maximum likelihood，qml）方法对模型ⅰ进行估计。模型ⅰ显示的回归结果表明了未考虑市场预期的股票价格在一周五天交易日中的不同特征。均值方程的实证结果表明，μmon回归系数为0.216，且z值为3.065，显著为正， 说明股票市场一周五天的平均日收益率在周一要高于周五。方差方程的实证结本文由收集整理果表明，αtue和αwed的回归系数分别是-0.781、 -1.032， z值分别为-3.957、-4.056， 显著为负， 说明股票市场一周五天日收益率的波动率在周二和周三都低于周五。
固定资产投资、货币供应量和新增贷款数额统计数据的公布对股票市场的日收益率和波动率的作用极为显著。方差方程的实证结果中αfai和αm的回归系数分别为-1.217和-2.154， z值分别为-3.808和-3.289，显著为负， 说明宏观经济变量统计数据中， 固定资产投资、货币供应量和新增贷款数额的公布降低了股票市场日收益率的波动率。αcpi的回归系数为3.095， 虽然为正， 但不显著， z值仅为1.234， 没有通过0.01水平的显著检验， 表明cpi统计数据的公布仅在一定程度上对股票市场日收益率的波动率起正向作用，加大了波动率。 原因在于cpi作为重要的宏观经济变量， 对股票市场的资产影响巨大， 因此， 参与者在进行资产估值时， 常常要根据其最新公布的数据来进行资产组合的调整， 而调整这种资产组合无疑会增加股票市场日收益率的波动。
（二）模型ⅱ：考虑预期的测算结果
由于当前我国的经济形势复杂多变， 货币政策导向并不明朗， 因此无法得到货币信贷的预测数据， 所以模型ⅱ的研究未考虑货币信贷信息情况下的偏差对于股票市场价格行为的影响。运用准极大似然估计qml方法对模型ⅱ的参数进行估计。
模型ⅱ显示的回归结果表明了考虑市场预期后宏观经济统计变量所产生的偏差对股票市场平均日收益率和波动率的影响。股票市场的均值方程中的回归系数α+fai为-1.417， z值为-6.808，通过0.01水平的显著检验， 说明当固定资产投资增速统计数据公布的实际值高于市场预测值时， 会对股票市场的平均日收益率产生负向影响， 日收益率降低，这主要是由于投资的替代性，投资的两大重要组成部分是对实体经济和虚拟经济的投资， 当固定资产类的实体投资增加时， 股市类的虚拟经济自然随之下降， 投资者预期投资在虚拟经济——股市上的资金会减少， 故降低了股票市场的平均日收益率。
方差方程的实证结果表明，α+cpi与α-cpi的回归系数分别为3.076和6.921， 均为正， 且作用效果高于其它两个宏观经济变量， 说明cpi统计数据的公布对股票市场日收益率的波动率正向作用显著，波动率增加，这与模型ⅰ的结论相同。另外，α-cpi的回归系数显著为正，说明当消费者物价指数的市场预测值高于统计数据公布值时， 股票市场参与者认为未来政府通过改变利率、存款准备金率等金融工具来实施货币政策的可能性较小， 使参与者看好股票市场的前景， 增加了其对未来股市的信心， 因此， 股票市场的平均日收益率显著升高， 日收益率的波动率也随之增大。方差方程的回归系数α+fai和α-fai都为正，说明固定资产投资增长率的统计数据公布后，不论其与市场预测值之间的偏差是正或是负， 都会增加股票市场的日收益率波动率。原因在于不论固定资产投资增长率公布后的实际值和预测值孰高孰低， 二者之间产生的偏差都会影响参与者对股票市场的信心和其市场行为， 从而加大股票市场日收益率的波动。
五、结论
基于收益率和波动性两个方面，本文运用garch模型测算了未考虑预期和考虑预期的宏观经济数据对我国股票市场波动的影响，结果表明：
[关键词]数学工具；本科生；宏观经济学；课程体系
[基金项目]2019年度中国科学技术大学教改项目“双一流背景下提升本科论文质量的实践与探索”（2019xjyxm018、2019xjyxm025）；
2017年度中国科学技术大学教改项目“高等宏观经济学课程教学改革研究”（ww6020000020）
[作者简介]贺俊（1965—），男，安徽淮南人，管理科学与工程博士，中国科学技术大学管理学院副教授、硕士生导师，研究方向为宏观经济和内生增长理论；张钺（1994—），女，河南新乡人，中国科学技术大学管理学院2017级金融工程专业硕士研究生，研究方向为宏观经济。
[中图分类号]G642[文献标识码]A[文章编号]1674-9324（2020）30-0223-03[收稿日期]2019-10-03
一、引言
随着我国的经济发展、技术创新和社会进步，民众对更高层次的教育需求日益加强，同时，伴随着国家对教育的重视程度加深，提升高等教育水平成为一项较为迫切的要求。另外，隨着知识全球化进程的加快，为了适应社会对新型综合性人才的需求，高校应当担负起培养具有现代化知识体系、创新化的高素质人才。因此，高等教育体系需要做出适当的改革和创新，以更好地教育和培养优秀人才。其中，作为高校最大的学生群体，本科生教育具有基础性、必要性的地位，设计合理有效的本科生课程教育体系，对促进高等教育水平的提升具有十分重要的意义。
宏观经济学是社会科学的主要分支之一，在经济学的发展过程中占有重要地位。宏观经济学主要研究社会总体的经济行为及其带来的结果，即研究如何使国民收入稳定地以合适的速度增长，这表明了宏观经济中常见的问题如经济波动及与此关联的就业、失业问题，价格水平及与此关联的通货膨胀问题，经济增长问题等都是宏观经济学的主要研究问题。对于各种经济变量，它们之间有没有内在联系，一个变量的变动会在多大程度上、以怎样的方式影响另外的变量，都属于宏观经济学的研究范围。因此，宏观经济学囊括经济社会的方方面面，通过观察经济现象、分析经济变化、发现经济规律，最终用经济结论指导现实社会，宏观经济学具有重要的理论意义和现实意义。但由于我国宏观经济学的发展起步较晚，现有的宏观经济构架主要借鉴西方的宏观经济体系，虽然根据我国的实际情况有所取舍，但更为适用的宏观经济体系仍待进一步完善，这就需要更多未来学者的努力。宏观经济学不仅限于经济学的范畴，随着学科之间的交叉和发展，该学科的覆盖面也包括了金融学、管理学、供应链管理等多方面，掌握宏观经济学的概念和知识对相关学科的本科生知识体系的构建十分必要。
与此同时，我国的本科生宏观经济学教育还存在一定的问题。就课程设置来说，掌握一定的数理知识和推导能力是学好宏观经济学的基础，而宏观经济学通常与高等数学、统计学等课程同一学期开课，因此，现有的课程设置可能导致本科生知识储备不完善，难以在宏观经济学的学习过程中全面、系统地理解知识点。就使用教材来讲，目前本科生课程中采用的教材多为高鸿业（人大版本）的《西方经济学（宏观部分）》[1]，教材内容偏重于知识点的理论阐述和举例说明，辅以图表说明，较少涉及到数学推导和证明。相较与此，龚六堂[2]和耕、吴付科[3]等作者的高等宏观经济学教材中，存在大量的数学推导和理论证明，学生只有在掌握相应的数理功底和数学工具运用能力的前提下，才能理解其中的道理。而宏观经济学作为高等宏观经济学的基础和前期准备，中间不免出现了较为明显的断层，本科生如果学完基础的宏观经济学后再接触高等宏观经济学，数理基础较差的学生会有明显的吃力感。因此，在现有的宏观经济学教育过程中，应适当加入数理内容，引导本科生运用数学工具发现经济规律，这不仅有助于加强本科生对宏观经济学知识的掌握程度，也为未来学习高等宏观经济学打下较为坚实的基础[4]。
本文以宏观经济学教材中LM曲线与货币政策的有效性为例，通过阐述图形分析的缺陷，并列举借助数学工具帮助解决经济问题的优势，说明将数学工具引入本科宏观经济学教育的重要性，最后，针对我国本科生宏观经济学课程设置的现状和问题，提出了相应的建议。
二、宏观经济学教材案例分析
货币政策属于政府进行宏观经济调控的重要手段之一，指中央银行通过控制货币供应量以及通过货币供应量调节利率进而影响投资和经济体的行为，其目标包括充分就业、价格稳定、经济持续增长和国际收支平衡。货币政策的效果指货币供应量的变动对国民收入的影响，其大小受到IS曲线（产品市场均衡，投资等于储蓄）和LM曲线（货币市场均衡，货币需求等于供给）的斜率影响。
在高鸿业《西方经济学（宏观部分）》第十五章宏观经济政策分析中，关于货币政策效果的LM图形分析部分，教材指出，在IS曲线斜率不变的情况下，LM曲线越平坦，货币政策的效果越差。由图1可知，IS斜率相同，货币供给增加使LM曲线从L时，LM曲线较平坦时，国民收入增加较少；而LM曲线较陡峭时，国民收入增加较多。
其原因是LM曲线较平坦，表示货币需求受利率的影响较大，即利率稍有变动就会使货币需求变动很多，因而货币供给量变动对利率变动的作用较小，从而增加货币供给量的货币政策不会对投资和国民收入有较大影响；反之，LM曲线越陡峭，货币政策的效果越强。上述表述可总结为：LM曲线越平坦货币政策的效果越弱，实际上，这样的结论不够严谨。
根据LM曲线的表达和h的取值对斜率的作用方向相反，因此对货币政策的效果影响也相反。具体而言，当k不变时，h减小，LM曲线越陡峭，货币政策效果越好；当h不变时，k减小，LM曲线越平坦，货币政策效果越好。因此，教材上的表述严格意义上是指第一种情况，即“当k不变时，h减小，LM曲线越陡，货币政策效果越好”，原表述缺少了一个前提条件，即“k一定时”。
从另一个角度看，LM曲线对货币政策的效果影响可以从数学上得到证明。观察货币政策乘数，货币政策乘数是从数理角度出发，对经济等式经过一系列数学推导得出的结果。首先得出产品市场均衡条件：
-α+（1-β）y=e-dr+g（1）
及货币市场均衡条件：
ky-hr=m（2）
分别在控制实际货币供给量m和政府支出g的情况下对两式进行微分，化简得到财政政策乘数和货币政策乘数。根据货币政策乘数：
可知k和h的取值对乘数的作用方向相同，因此在k（h）取值一定的情况下，h（k）的减小将引起货币政策乘数增加，表明此时货币政策效果较强，与实际分析的两种情况相符。另外，借助货币政策乘数，也可以直观看出凯恩斯极端情况和古典主义极端情况下财政政策和货币政策的有效性。
除此之外，龚六堂的高级宏观经济学教材中也提及针对复杂的经济问题，应善于利用数学工具予以解决。例如，同样在分析给定价格水平下决定利率和国民收入水平时，通过求解IS-LM曲线隐含的消费—投资函数和货币需求函数，可以得到均衡时的产出和利率水平。引入微分方程：
其中式（6）等号后第一项为Jacobi矩阵。然后进行Laplace变换并通过Cramer法则得到：
实际上，在解决复杂的经济问题时，可能需要从数十个等式中得出经济变量之间的关系，此时构建Jacobi矩阵使用Cramer方法给予解决相当高效，因此，借助数学工具解决经济问题是非常必要的。
相对于数学工具，单纯利用图像来分析经济问题可能存在较大的缺陷，不仅难以将问题解释清楚，在遇到三维或多维问题（变量）时更是难以通过图像表达，因此借助数学工具是较为明智的[5]。
从LM曲线与货币政策效果的例子可知，相较于图像表达和分析，数学公式推导的过程更有逻辑性，结论更加严密。因此我们可以直观地感受到把数学工具引入本科宏观经济学教育的重要性。
三、优化本科生宏观经济学教育的建议
1.加快课程内容的更新。针对主要参考教材中的欠缺部分，本科宏观经济学教育过程中应对课程内容做出适当的更新和改进，在解决经济问题、说明经济规律时，除了理论阐述之外，可以引入数学工具，使用数学方法给予相应的证明和分析。通过这种改进，可以促使本科生在学习过程中加深对知识点的理解、提高对知识点的掌握能力，也使教材相關内容的结论更加严密和具有逻辑性。
论文关键词：宏观经济环境；资本结构；调整速度；非平衡面板数据
在调整速度的众多影响因素中，宏观经济因素对调整速度的影响近年开始引起学术界的关注。Douglas0．Cook(2009)分别采用两阶段和综合两种动态部分调整模型，考察宏观经济环境对调整速度的影响，发现在宏观经济繁荣时调整速度较快。原毅军，孙晓华(2006)的研究得到调整速度与上一年GDP增长率正相关，与通货膨胀率，实际贷款利率和财政支出增值率负相关的结论。黄辉(2009)对宏观经济环境和制度因素影响调整速度进行了研究，结果显示调整速度表现出顺经济周期现象。本文对前人研究方法进行改进，基于部分调整模型，用宏观经济变量划分样本进行调整速度对比研究。在目标资本结构的回归中不考虑宏观因素。这样改进可以避免双重考虑宏观经济因素造成研究结果不稳定性和不显著性。
一、研究模型与变量设计
1．研究模型
(2)目标资本结构拟合变量。根据已有文献对目标资本结构影响因素的研究，本文选用的公司特征变量包括：公司规模(SIZE)，用主营业务的自然对数表示，目前公司规模与资本结构的经验研究没有得到一致结论；资产有形性(TANG)，用固定资产除以总资产表示，经验研究表明有形资产的比率与资产负债率正相关；非债务税盾(NDTS)，用固定资产折旧除以总资产表示，经验研究研究发现非债务税盾与资本结构负相关；公司成长性(GROW)，用托宾Q值表示，公司成长性对资本结构的影响目前还没有定论；公司盈利能力(PROF)，用息税前利润除以总资产表示，公司盈利能力对资本结构的经验研究也没有得到一致的结论；税收因素(TAX)，用所得税除以利润总额表示。考虑行业特征因素，用行业资产负债率平均值(HAB，HAM)表示。
(3)宏观经济变量。仿照Douglas0．Cook(2009)，本文选用GDP增长率来定义宏观经济环境。GDP增长率定义为本年GDP减去上年GDP再除以上年GDP。宏观经济变量划分样本的具体情况是，l3年的GDP增长率数据以2002年的GDP增长率为中位数分为两个部分，每个部分分别按照GDP增长率的二分位数再进行划分，将样本分成四个部分。取GDP增长率最小的三年1998~2000定义为为宏观经济环境衰退；取GDP增长率最大的三年2005~2007定义为宏观经济环境繁荣。
二、样本选取与估计方法
选择沪深两市1996~2008一般上市公司的数据，不包括金融上市公司，剔除PT，ST公司。经过数据整理，获得分布于十二个行业的715家公司的9295个样本观测点。样本数据来源于CCER数据库。由于模型(3)把目标资本结构的决定因素内化其中，模型右边包含因变量一阶滞后变量，采用动态面板数据的G删估计方法，把模型(3)右边所有变量的二阶滞后变量作为工具变量。
三、实证结果分析
模型(3)的回归结果如表1
注：括号里的数据是T检验值，表中***、**、*分别代表在1％，5％以及10％的显著性水平下显著
【关键词】 宏观经济环境;资本结构;调整速度;非平衡面板数据
在调整速度的众多影响因素中,宏观经济因素对调整速度的影响近年开始引起学术界的关注。Douglas O. Cook(2009)分别采用两阶段和综合两种动态部分调整模型,考察宏观经济环境对调整速度的影响,发现在宏观经济繁荣时调整速度较快。原毅军,孙晓华(2006)的研究得到调整速度与上一年GDP增长率正相关,与通货膨胀率,实际贷款利率和财政支出增值率负相关的结论。黄辉(2009)对宏观经济环境和制度因素影响调整速度进行了研究,结果显示调整速度表现出顺经济周期现象。本文对前人研究方法进行改进,基于部分调整模型,用宏观经济变量划分样本进行调整速度对比研究。在目标资本结构的回归中不考虑宏观因素。这样改进可以避免双重考虑宏观经济因素造成研究结果不稳定性和不显著性。
一、研究模型与变量设计
1.研究模型
接受Nerlove的部分调整模型(partial adjustment model)的构建思路,构建下面的资本结构部分调整模型(1)
Lit- Lit-1=?姿(L*it- Lit-1) (1)
其中,L*it和Lit分别表示公司i在第t年末的最优资本结构和实际资本结构。?姿为调整系数,表示在一个年度内公司的资本结构向目标水平调整的快慢,并间接反映调整成本的大小。
根据屈耀辉(2006)等人的研究,目标资本结构可表示为公司特征向量与行业特征向量的线性函数
L*it=?琢0+■?琢jYjit+■?琢sDs+■?琢tDt+?滓it (2)
其中Yit是影响公司目标资本结构的一组相关变量,Ds和Dt分别为行业和时间虚拟变量。
将(2)式带入到(1)式整理得到本文的回归模型(3)式
Lit=?姿(?琢0+■?琢jYjit+■?琢sDs+■?琢t)+(1-?姿)Lit-1+?滓it(3)
2.变量设计
(1)资本结构变量。本文分别使用账面资产负债率和市场资产负债率两种资本结构进行研究。
LEV Bit=(LDit+SDit)/TAit
LEV Mit=(LDit+SDit)/(TAit-LSVit+LSit*P)
LEV Bit表示账面资本结构,LEV Mit市场资本结构。LDit表示长期负债,SDit表示短期负债,TAit表示账面总资产,LSVit表示流通股账面价值,LSit*P表示流通股市场价值。
(2)目标资本结构拟合变量。根据已有文献对目标资本结构影响因素的研究,本文选用的公司特征变量包括:公司规模(SIZE),用主营业务的自然对数表示,目前公司规模与资本结构的经验研究没有得到一致结论;资产有形性(TANG),用固定资产除以总资产表示,经验研究表明有形资产的比率与资产负债率正相关;非债务税盾(NDTS),用固定资产折旧除以总资产表示,经验研究研究发现非债务税盾与资本结构负相关;公司成长性(GROW),用托宾Q值表示,公司成长性对资本结构的影响目前还没有定论;公司盈利能力(PROF),用息税前利润除以总资产表示,公司盈利能力对资本结构的经验研究也没有得到一致的结论;税收因素(TAX),用所得税除以利润总额表示。考虑行业特征因素,用行业资产负债率平均值(HAB,HAM)表示。
(3)宏观经济变量。仿照Douglas O. Cook(2009),本文选用GDP增长率来定义宏观经济环境。GDP增长率定义为本年GDP减去上年GDP再除以上年GDP。宏观经济变量划分样本的具体情况是,13年的GDP增长率数据以2002年的GDP增长率为中位数分为两个部分,每个部分分别按照GDP增长率的二分位数再进行划分,将样本分成四个部分。取GDP增长率最小的三年1998～2000定义为为宏观经济环境衰退;取GDP增长率最大的三年2005～2007定义为宏观经济环境繁荣。
二、样本选取与估计方法
选择沪深两市1996～2008一般上市公司的数据,不包括金融上市公司,剔除PT,ST公司。经过数据整理,获得分布于十二个行业的715家公司的9295个样本观测点。样本数据来源于CCER数据库。由于模型(3)把目标资本结构的决定因素内化其中,模型右边包含因变量一阶滞后变量,采用动态面板数据的GMM估计方法,把模型(3)右边所有变量的二阶滞后变量作为工具变量。
三、实证结果分析
注:括号里的数据是T检验值,表中***、**、*分别代表在1%,5%以及10%的显著性水平下显著
表1中LEV(-1)的系数就是1-?姿。可以看到,在账面资本结构下,宏观经济衰退时的调整速度是0.575(1-0.425),在宏观经济繁荣时的调整速度为0.592(1-0.408);在市场资本结构下,宏观经济衰退时的调整速度是0.606(1-0.394),宏观经济繁荣时的调整速度是0.656(1-0.344)。
实证结果表明:资本结构调整速度表现出顺周期性,与Douglas O. Cook(2009),黄辉(2009)的结论一致。本文只用宏观经济变量划分样本,没有把宏观经济变量作为目标资本结构的影响因素,避免了实证结果的稳定性与显著性,使研究结果更可靠。
参考文献
[1]原毅军,孙晓华.宏观经济要素与企业资本结构的动态优化[J].经济与管理研究.2006(5):39～42
关键词：商业银行；信用风险；宏观压力测试
中图分类号：F832.2文献标识码：A 文章编号：1002-2848-2008（06）-0066-08
一、引 言
自20世纪70年代末到21世纪初，全球有93个国家先后爆发了112次系统性银行危机。尤其90年代以来频频爆发的金融危机――如1987年美国股市崩盘、1994年美国利率风暴及中南美洲比索风暴、1997年亚洲金融危机、1998年俄罗斯政府违约事件，特别是2007年春季开始的次贷危机最终演变为2008年的全球金融风暴，波及范围之广，影响程度之大，史无前例。它们不仅使一国多年的经济发展成果毁于一旦，还危机到一国的经济稳定，对全球经济也产生了强大的冲击。［1］
收稿日期：2008-07-05
项目资助：本文受到西安交通大学“985工程”二期资助（项目编号：07200701），国家社会科学基金（08DJY156）资助。
作者简介： 李江（1962-），湖南省湘潭市人，金融学博士，西安交通大学经济与金融学院副教授，
硕士研究生导师，研究方向：金融风险管理；刘丽平（1982-）,女，河北省承德市人，西安交通大学经济与金融学院硕士研究生，研究方向：财务预警。
金融系统的宏观压力测试是一类前瞻性分析的工具，用于模拟“异常但合理” 宏观经济冲击对金融体系稳定性的影响，可以帮助中央银行识别金融体系的薄弱环节，有助于各方理解金融部门与宏观经济之间的联系，同时提高中央银行和金融机构的风险评估能力。因此，受到各国金融监管当局的重视，逐渐成为检验一国银行体系的脆弱性，维护金融稳定的首选工具。在金融全球化的趋势下，随着我国金融市场的完全开放，我国金融业和国际金融市场的逐步融合，是否拥有一个稳定和富有竞争力的银行体系对于中国而言显得非常迫切。对银行体系进行稳定性评估，尤其是对银行体系面对的信用风险
进行宏观层面的压力测试，对防范和化解系统性金融风险，维护中国金融稳定和安全具有重要意义。
下面研究宏观压力测试在银行信用风险评估中的应用，通过对国外已有的成熟模型理论成果分析比较的基础上，根据我国的宏观经济及金融发展特点，经济、金融数据统计及披露特点，模型的数据需求深度广度要求，建立适用于我国的模型并以此进行实证分析。
二、文献综述
（一）宏观经济因素对银行信贷违约风险的影响
McKinnon R［2］认为，宏观经济稳定时，银行经营行为非常保守，不会出现不顾风险单方面追求效益的现象。但在实际汇率波动、通货膨胀出现等宏观经济不稳定的情况下，政府或明或暗的存款担保，导致银行会产生以高利率对高风险项目贷款的风险行为。Donald van Deventer［3］通过线性回归分析，确定了宏观因素对银行股价变动的解释在统计上是显著的。
对20 世纪80 年代以来各国银行不稳定尤其是银行危机现象, 国际组织和国内外学者进行了大量研究, 积累了十分丰富的实证资料。尤其是来自美国、英国、澳大利亚、芬兰的许多国外学者, 在对20 世纪80、90 年代全球银行不稳定事件的实证分析中发现, 宏观经济因素波动在各国银行不稳定中扮演着重要角色。Tom Bernhardsen［4-5］建立起银行破产与不良贷款和宏观经济因素的关系模型，并且利用欧洲国家的面板数据进行了实证检验。Erlenmaier U［6］和Gersbach H［7］利用挪威中央银行的宏观经济模型RIMINI对总体审慎指标的趋势与发展进行预测，并且建立了评估贷款违约率的宏观信贷方程。Froyland E和Larsen K［8］利用RIMINI对银行不良贷款在宏观经济波动情境下进行了压力测试。Pesola J［9］分析了银行系统危机对宏观经济因素波动的敏感性，并利用芬兰的数据通过建立模型对两者之间的关系进行定量分析。Virolainen K［10］对芬兰金融风险的实证评估，建立了宏观信贷模型并进行宏观压力测试，揭示了芬兰银行系统贷款违约风险与宏观经济波动的相关性。
国内对于银行体系的稳定评估的实证研究，包括陈华，伍志文［11］运用1978～2000年间的数据对我国银行体系脆弱性状况进行了量化分析。结果发现,中国整个银行体系在1978～2000年之间有11年是不稳定的,尤其是在1992年和1998年前后更为突出,银行体系出现了不稳健的征兆,存在较大的金融风险。
（二）宏观压力测试理论和实践
在执行宏观压力测试使用的宏观信贷模型的研究领域，有两个学者的模型框架占据举足轻重的地位，并为日后的学者不断的进行模型的拓展研究和实证应用奠定了良好的基础。他们是Wilson T C［12-13］和 Merton R［14］。Wilson对各工业部门违约概率对一系列宏观经济变量的敏感度直接建模。模型的思想是对违约概率和宏观因素的关系进行建模，模拟将来违约概率分布的路径，就可以得到资产组合的预期异常损失，进而模拟出在宏观经济波动冲击下的违约概率值。相比较而言，Merton模型则多加入了股价对宏观要素的反映，将资产价格变动整合进违约概率评估模型。因此，前一种模型更直观，计算量较小；而后一种方法对数据的广度和深度的要求以及计算量要求都很高，其中有些市场数据也许是信贷风险的噪音指标。
世界各地的学者，运用上述模型框架进行了大量的实证研究。Vlieghe G［15］对英国银行体系累加的企业违约概率进行建模估计，发现GDP、实际利率和真实工资水平具有较显著的解释能力。Bunn P,Cunningham A和Drehmann M［16］曾使用probit模型来测算英国企业部门的贷款违约风险。Boss M［17］针对加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚银行部门的压力情境，结论说明工业产值，通货膨胀率，股票指数，名义短期利率和油价都是违约概率的决定因素。Marco M 、Sorge、KimmoVirolainen［18］利用Wilson模型框架对芬兰银行系统的信贷违约概率进行了宏观压力测试分析。结果证明在压力情境下，违约概率（PD, portability of default）的蒙特卡罗模拟分布明显异于常态分布，其Var值远高于基期的测算值。Jim Wong,Ka-fai Choi和 Tom Fong［19］建立了香港零售银行面对宏观经济波动的信贷风险宏观压力测试框架。模型框架中引入的宏观经济变量包括：国内生产总值（GDP），利率（HIBOR），房地产价格（RE）和大陆的GDP。同时用宏观压力测试评估了香港银行体系的贷款资产和住房抵押贷款风险暴露。压力情境的设定模拟了亚洲金融危机时发生的宏观经济波动，并分别引入了测试模型。结果表明在置信水平90%时，在所有压力情境下有些银行仍然能够盈利。这意味着目前银行系统的信用风险较稳和。当VaR取99%的置信水平这一极端情况时，一些银行出现了巨额损失，但这类事件发生的概率极低。
Hoggarth G和Whitley J［20］与Drehmann M Hoggarth， G Logan A， Zecchino L［21］在他们的研究中引入了英国在FSAP框架指引下宏观压力测试的执行结果和方法，在压力情境的设定方面采用在险价值框架下的蒙特卡罗模拟法。Jones M T, Hilbers P和Slack G［22-23］提供了宏观压力测试的更一般的非线性的方法。Worrell D［24-25］ 讨论了一个将早期预警系统，金融健全性指标和宏观压力测试整合的方法。
一些学者研究将信用风险和市场风险整合测量，例如 Allen L 和 Saunders A［26］尝试将宏观经济因素整合进信用风险的测量模型。而最近的一些文献如Pain D、Vesala J［27］和Gropp等人［28-29］则是引用Wilson 的宏观信用模型分析了宏观要素对银行的债务人的信用质量的影响。而Wilson 的模型的一个替代选择则是Merton 的公司层面的结构模型. Gray D、Merton 和Bodie［30］将这一框架扩展至研究违约风险。Derviz A 和Kadlcakova N ［31］将商业周期的影响整合进一个具有结构模型和简化模型特征的复合模型。Drehmann M、Manning M［32］和Pesaran M H等［33］在利用Merton模型框架的宏观压力测试中研究了违约概率和宏观经济变量的非线性关系。Benito A,Whitley J和Young G ［34］将基于衡量违约概率的Merton模型融入针对模拟个别企业违约的probit模型。他们发现Merton模型方法比仅仅依靠企业的财务数据的模型效果更优。
还有一些文献使用不良贷款，贷款损失额或者复合指标与宏观经济因素整合成矩阵向量来测算金融体系的稳定性。Hanschel E和Monnin P［35］针对瑞士银行系统构建了一个复合压力指标，该指标综合了金融不稳定的市场指标和银行资产负债表上的衍生变形指标。Kalirai H 和 Scheicher M［36］针对对澳大利亚银行体系累加的贷款损失，通过涉及广泛的宏观经济变量的模型进行了时间序列的回归估计。这些宏观经济变量包括国内生产总值、工业产值缺口、消费者价格指数、货币供给增速、利息率、股票市场指数、汇率、出口额和油价。
（三）国内外研究述评
目前国外开展的关于银行稳定性评估的实证研究十分丰富，其中挪威和芬兰中央银行的研究对金融系统的评估最具综合性。稳定性评估的目的在于，对银行体系的健全状况和抵御系统性金融危机的能力进行定量和定性的客观评价。为此采用了金融稳健指标分析（Financial Sound Indi cators)和压力测试的方法，对宏观经济环境中例外但有可能发生的冲击（Shock）情境进行模拟，来量度和评估银行体系在遇到冲击甚至遇到金融危机时，保持稳定（即银行保持基本运营不会发生突变）的能力。
而国内对于银行体系的稳定评估的实证研究都偏重于评价银行体系的稳定性，对在抵御不确定性风险的能力评估并未涉及。目前我国关于宏观压力测试的研究才刚刚涉及，孙连友［37］，高同裕、陈元富［38］等学者对宏观压力测试进行了理论上的探讨，但多为国外文献的整理或综述，未能进一步的发展和深入。尤其在模型研究方面，仅仅停留在介绍早期国外学者的模型框架和较为成熟的各国宏观压力测试手册指引中的操作流程。其内容多为宏观压力测试的必要性、目的作用、所用方法、国内外的具体实践等，未能有很系统和深入的介绍，而对多种宏观压力测试模型的介绍和分析尚无涉及。
在实证方面，熊波［39］通过建立宏观经济因素的多元Logit回归分析，并对结果进行假设情境的压力测试分析。得出的结论是， 国内生产总值和通货膨胀率这样的宏观经济变量的确是影响中国银行体系稳定性的重要因素。但是该文只是借鉴了压力测试的思想，使用传统的方法，通过模拟情境下宏观经济因素异动，由Logit模型最终得出稳定性指标期望值的点估计来评价银行体系的稳定性。这种方法不能有效地反映出宏观变动冲击对银行体系的影响，不能看出压力情境下银行面临的最主要的信用风险的分布状况，即贷款违约率的概率分布。
三、宏观压力测试方法流程及模型设定
（一）方法流程
宏观压力测试是模拟“危机事件”来估计极端却可能的压力情境下金融体系的波动。在宏观压力测试的框架中，其模型表示为：
Q(t+1｜t+1≥X=f(Xt,Zt)（1）
在（1）中 表示在模拟的压力情境下评价金融体系的稳定性的指标的表现。在宏观压力测试模型中衡量金融部门波动性的最一般的方法是资本的潜在损失率。Q(・)表示衡量金融系统波动性的风险矩阵，衡量违约情况的指标例如贷款损失额主要通过模拟压力情境下的点估计得到。在这种情况中，该条件概率值表示的风险矩阵较容易计算。而在险价值方法中，在任何给定的压力情境下，资产组合的损失应产生概率分布，而不是前一种方法中的点估计值。框架中f(・)表示损失方程，该方程模拟了宏观经济冲击对金融体系中加总的资产组合的影响关系。该方程可包含风险暴露，违约概率，相关性，回馈效应，以及宏观经济变量变动与系统层面金融稳定性表现的相互关系。
压力测试的执行方式主要是通过情境设定，根据情境假设下可能的风险因子变动情形重新评估金融商品或投资组合的价值，整个程序通常分为两大步：一是情境设定；二是重新评估。通常重新评估的方式不会有太大的差异，但是情境设定的方式却有很多种选择。情境分析（Scenario Analysis）是目前应用的主流。即利用一组风险因子定义为某种情境，分析在个别情境下的压力损失，因此此类方法称为情境分析，情境分析的事件设计方法有两种：历史情境分析（Historical Scenario）和假设性情境分析（Hypothetical Scenario）。其他方法还有敏感度分析（Sensitive Analysis）和极值理论法（Extreme Value Theory, EVT）。
本文根据信用风险压力测试的相关文献以及世界银行和国际货币基金组织联合开发的FSAP（financial Sector ass ess ment programme)的手册，将压力测试的执行程序见图1所示。
图1 压力测试流程图
（二）模型的设定
本文将在Wilson、Boss和Virolainen研究框架的基础上建立适合我国银行系统信用风险评估的宏观压力测试模型。首先借鉴国外研究成果中关于宏观经济因素和贷款违约率之间的非线性关系设定。在此基础上使用Logit方程将贷款违约率转化为宏观综合指标，以指标作为因变量与宏观经济因素进行多元线性回归分析，使得这一指标能够很好地利用各宏观经济指标所提供的信息。在模型中宏观经济因素的选择方面，参考国内外学者实证研究中模型的自变量，结合我国数据统计和披露特点等制约因素选取适合的宏观经济变量来构建模型。
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年度的贷款的平均违约率，Y是一个反映宏观经济状况的综合性指标，也可以将它理解为是反映银行体系违约概率和各宏观经济变量的关系的“中介指标”，X代表宏观经济变量。在利用历史数据进行模型估计时，通过处理的违约概率值代入（2）就可以得到估计的综合指标的估计值。将其带入（3）就可以估计出宏观方程的系数，并以此估计出的方程作为进行宏观压力测试的基础。而在执行压力测试的时候，通过压力情境的设定，用不同方法得到的各相关宏观经济变量值代入估计出的（3）就可以得到压力情境下的Y，再通过（2）就估计出了压力情境下的银行系统的违约概率。
公式（2）就是对贷款违约率进行Logit回归分析，PDt表示t年度的贷款的平均违约率，yt表示一系列宏观经济变量的综合指标。
公式（3）是反映各宏观经济变量与综合性指标yt的关系的方程，本文采用多元线性回归的方法来模拟变量之间的关系。其中Xt=(x1,t,x2,t…xl,t)′是L×1阶列向量，代表L个宏观经济因素构成的列向量；μt是方程的随机扰动项。截距α0是一个L×1阶列向量；系数α1,α2…α1+m分别代表L×1阶向量，系数β1…βn是L×n阶矩阵向量。
公式（4）是关于各宏观经济变量的时间序列模型。考虑到宏观经济因素采取的时间序列数据，可能存在变量的滞后性，因此对各宏观经济变量进行P阶自回归分析，剔除模型中的序列相关性。在（4）中，0是L×1阶的列向量, 1,…,p都是L×1阶矩阵向量，φ1,…φq是L×q阶矩阵向量，随机误差εt都是L×1阶列向量。
在这个模型中，假设μt和εt是序列不相关的，并且分别服从方差协方差为矩阵∑μ和∑ε的正态分布。其中μt和εt相关的方差协方差矩阵为∑μ,ε。
在 Wilson（1997）和Virolainen（2004）提出的框架中，yt仅仅与Xt有关，而本文模型的设定更符合实际情况，yt不仅与Xt相关，考虑到宏观冲击的时滞效应，yt还与其滞后期的值yt-1,…,yt-n有关。
从（4）可以看出，模型不仅考虑到了宏观经济变量值之间的相互影响，模型的设定考虑到了金融体系对宏观经济波动的回馈效应。将银行的表现对经济的反馈影响通过在宏观因素变量的自回归方程中引入综合变量来实现。通过各行业综合指标Y的前期值对各宏观经济变量的影响设定来反映现实世界中的金融与经济发展的相互影响关系。
（三）变量选取
1.解释变量
根据各国的实证研究经验和我国银行体系业务发展特点，本文模型的变量选取1990～2006年的年度数据，主要考虑到数据的可得性、宏观经济统计的特征以及经济冲击发生的持续时间来决定的。鉴于研究的宏观层面，从数据的可得性及计算量考虑，本文的宏观模型是基于整个经济体系的，因此各宏观经济变量将不采用各经济部门的统计值，而是采用本国的整体水平的统计值。
本文选取八个宏观经济变量作为解释变量：
NGDP―国内生产总值名义年增长率；
RGDP―国内生产总值实际年增长率；
NR―一年期存款的名义基准利率；
RR―一年期存款的实际基准利率；
NLR―一年期流动资金贷款的名义平均利率；
RLR―一年期流动资金贷款的实际平均利率；
CPI―居民消费价格指数；
RE―房地产价格指数；
2.被解释变量
本文选取违约概率作为评估信用风险的指标，银行系统的信用风险主要表现为贷款资产的违约风险。违约率水平是评估银行贷款质量的最直接的指标，违约风险可以用借款人在规定期限内的违约概率度量。Virolainen K对芬兰银行系统的违约概率进行的宏观压力测试分析中，对违约概率指标采取如下方式赋值：在研究时段内，某行业的破产机构数量与总的机构数量的比率为银行体系面对的违约率。Jim Wong、Ka-fai Choi和Tom Fong［19］建立的香港零售银行面对宏观经济波动的信贷风险压力测试框架中，违约概率是逾期3个月以上的贷款额与总贷款额的比率。本文选取四家国有商业银行和交通银行、招商银行、光大银行等十家股份制商业银行的信贷数据作为样本，以平均的逾期贷款率代表贷款违约率，即以年末样本银行的总逾期贷款额与总贷款余额的比率。其中，1990、1991、1992三年的各样本银行的详细数据欠缺，因此本文根据各类媒体披露的总的逾期贷款的变动率和贷款额的变动率计算出了这三年的逾期贷款率，其他各年份的详细数据均来自中国金融年鉴和各银行的年报。
四、实证结果
（一）模型估计
代入1990～2006年的宏观经济数据对上述模型进行多元回归分析和模型估计，先用宏观经济变量的名义指标值和实际值，与引入的综合指标Y的两期滞后变量分别对Y进行回归。从两个模型的t检验指标看出，模型中GDP、LR、R作为解释变量的参数并不显著，而引入的Y的二阶滞后变量对因变量的解释性也不显著。因此模型的参数需要进一步调适剔除。根据经验和宏观经济冲击的滞后性往往为一年，因此模型中只引入Y的一阶滞后变量。虽然两个模型的拟合优度统计检验指标和D-W指标略微下降，但两个指标值分别为0.987和2，仍是非常理想的检验指标值。在剔除掉一年期存款利率后，两个模型各参数的t检验指标都非常显著。但是以模型解释变量的参数符号来看，通货膨胀率CPI在以名义宏观经济变量值为自变量的模型中的系数符号为负，这表明随着CPI的增加，Y值也会减小，经过Logit变换后的违约概率PD将会增大，显然符合经济学原理。而在关于实际变量的模型中系数为正号，这是违背经济学原理的。所以本文确定以名义变量作为模型解释变量的方程为最佳的宏观经济模型（见表1）。这说明我国银行的信贷违约率对名义的宏观经济因素的波动更敏感。Marco Sorge、 Kimmo Virolainen（2004）利用wilson（1997）模型框架对芬兰银行系统的违约概率进行了宏观压力测试分析，宏观经济模型估计结果与我国上述情况类似，即名义的宏观经济变量对违约概率的解释能力更显著。
根据回归方程的t检验（5%的显著性水平），各宏观因素指标的实际值对综合指标的影响并不显著，所以剔除不列入表内。从表1中可以看出，综合经济指标和各宏观经济变量指标的名义值关系显著。且综合指标的一期滞后值对各宏观经济指标影响均显著。从关于综合指标的多元线性回归方程也可以看出，国内生产总值增长率、贷款利率水平、通货膨胀率和房地产价格的确是影响到我国银行体系违约概率的显著因素，而且综合指标明显受其一期滞后值的显著影响。
（二）宏观压力情境的设定及其结果
本文选择情境分析作为执行压力测试的方法。针对模型所选取的宏观经济变量，我们设定两个压力情境：一种是GDP增长突然放缓的情境；一种是CPI上升到较高的水平（5%以上）。对于各种压力情境下，反映压力的宏观经济变量的变动幅度，可以通过以往的历史相似情境数据或历史经验直接进行人为的设定。而本文在对银行体系遇到极端情境进行构建之前，利用时间序列模型对解释变量NGDP、CPI进行了2008～2010年的简单ARMA模型预测，作为我们构建的参考基准情境（baseline scenario）。
从表2可以看出，在设定的两种压力情境下，我国的银行体系的信贷风险明显增加，从模型预测估计出的贷款违约率都有不同幅度的增加。随着国民生产总值增速的大幅降低，贷款违约概率增大，但幅度较缓。而随着通货膨胀率的骤增，违约概率出现大幅度的激增。这充分说明在压力情境下，宏观经济变量对银行系统信贷违约概率的冲击效应非常显著。从而判断，通货膨胀率的同等幅度波动对银行体系信贷违约率值的影响更大。
五、结论及建议
本文在对比分析国外成熟模型的基础上，构建了适合我国经济环境的宏观压力测试模型。首先本文借鉴了国外研究成果中关于宏观经济因素和贷款违约率之间的非线性关系设定。在此基础上使用Logit方程将贷款违约率转化为宏观综合指标Y，以指标Y作为因变量与宏观经济因素进行多元线性回归分析，使得这一指标能够很好地利用各宏观经济指标所提供的信息。在模型中宏观经济因素的选择方面，参考国内外学者实证研究中模型的自变量，结合我国数据统计和披露特点等制约因素选取适合的宏观经济变量来构建模型。借鉴已有研究成果中在选择信贷风险的评估指标方面的做法，以逾期贷款率作为模型中反映银行体系信贷风险的指标。
结果发现：宏观经济变量名义国内生产总值，消费者价格指数，房地产价格指数和名义流动贷款利率对银行体系贷款违约率影响是显著的。特别是名义国内生产总值和通货膨胀率指标，冲击力较强。在关于名义国内生产总值大幅下降和通货膨胀率骤升的压力情境设定下，银行体系的贷款违约率都出现了不同程度的大幅度提高。尤其在关于通货膨胀率的压力情境下，贷款违约率的增长幅度高于名义国内生产总值下降情境下的增幅。
本文研究结果对中国国情有着一定的解释力，让我们有信心支持这样的研究思路的继续开展。通过分析我们可以看出，中国的银行体系稳定性还有待进一步加强，在面临假设的宏观经济冲击时，化解风险的能力就显得不足。当然我们构建的这些极端情形发生的概率都是极小的，毕竟中国经济目前来看几年内保持稳定增长的态势是确定的。
参考文献：
［1］ 中国人民银行金融稳定分析小组.中国金融稳定报告（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］ 陈华，伍志文．银行体系脆弱性：理论及基于中国的实证分析［J］．数量经济技术经济研究，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］ 孙连友．金融体系压力测试-概念与方法［J］．济南金融，2006(2)：43-50．
［38］ 高同裕，陈元富．宏观压力测试及其在我国应用面临的问题［J］．南方金融，2006(2):8-10．
一、引言
随着2013年6月新《基金法》的实施，基金产品创新发行异常迅速，积极推动了我国基金市场的发展，截止2015年7月底，我国98家基金公司共发行基金产品数已达到2451只，基金数量增长之快带来的问题是，投资者如何才能有效选择基金产品？目前，投资风格是作为基金产品发行的标签，但大量文献研究发现基金投资风格发生漂移已成常态，且该现象越来越严重。现有相关文献研究主要集中在基金投资风格漂移实证检验及其成因方面。在投资风格识别上主要有定性与定量两类方法：定性上可根据基金招募书宣称的投资风格来识别风格漂移；定量上可用计量方法来检验基金投资风格漂移。后来还有一些学者研究牛市和熊市行情下的基金风格漂移情况，得出了各种结论。但几乎未有文献系统研究宏观经济环境下的基金投资风格漂移情况。本文将重点探讨宏观经济环境对股票型基金投资风格漂移的影响，以期实证检验宏观经济波动是如何影响到基金投资行为的，本文研究意义在于为如何通过基金公司等机构投资者来维稳证券市场健康发展奠定理论与实证基础。
二、文献评述
随着全球基金市场的迅速发展，国内外关于基金投资风格漂移方面的文献逐渐增多，但大多集中在基金投资风格漂移检验、漂移原因解释、漂移程度量化及分析其与基金绩效之间的关系等。在基金投资风格漂移检验、量化及成因方面。Sharpe(1992)开创性地建立了投资风格分析模型，利用基金历史收益率与某种风格指数相联系进行风格识别。DanDiBartolomeo和ErikWitkowsk（i1997）研究认为基金普遍发生了较严重的投资风格漂移现象。Cooper等（2005）发现基金可通过变换基金名称来改变其投资风格。董铁牛等（2008）实证结果发现：债券型基金无投资风格漂移现象，然而股票型和混合型基金有较严重的投资风格漂移现象。宋光辉和许林（2011）运用分形理论构建了CIS指标来量化投资风格漂移，发现风格漂移的基金比例高达76.4%，但同时漂移程度并不大。PauloLeite和MariaCéuCortez(2014)发现基金会根据他们筛选的策略表现出不同的投资风格。容易发现这些文献的检验方法均没有考虑到样本数据的尖峰厚尾、波动聚集等特征，从而使得研究结论缺乏可靠性。
在投资风格漂移对基金业绩及其持续性影响方面。Kathryn和Robert(2007)研究结果发现：投资风格漂移与基金业绩正相关。Andrew等(2008)把投资风格漂移的程度分解成主动的与被动的成分，实证发现：基金主动调整投资组合比被动调整投资组合更有效，业绩的压力促使基金经理发生风格漂移。SunilWa-hal和M.DenizYavuz.(2013)研究结果表明：风格投资在资产收益的可预测性方面发挥了重要作用。UlfHerrmann和HendrikScholz(2013)实证结果表明：25%的基金表现出超额业绩和风格转换能力；25%的基金表现出短期的业绩持续性，但不具备风格转换能力。李学峰和徐华（2007）发现基金发生投资风格漂移要比坚守投资风格有更好的投资业绩。王敬和刘阳（2007）、王鹏（2011）肯定了基金未来业绩受投资风格的持续性影响，认为大小盘基金发生适度风格漂移对未来业绩有益，而成长型和价值型基金则应坚守投资风格。高鹤等（2014）研究发现：男性与女性基金经理在实际投资风格与长期投资业绩方面均没有显著差别。不难发现这些文献只是检验了投资风格漂移对基金绩效的影响，但没有文献解释这些影响是否跟宏观经济环境有密切关系。在不同股市行情下基金投资风格漂移方面。宋威（2009）研究发现李学峰和徐华（2007）得出的结论仅适用于牛市行情，在熊市行情下发生了风格漂移的基金不会有更优的绩效。郭文伟等（2011）研究发现：风格漂移在长期上显著削弱了基金绩效，从短期上看，风格漂移对基金绩效的影响随股市牛熊转换而变化；在熊市中，风格漂移有利于提升基金绩效，在牛市或由牛市转向熊市的过渡阶段，风格漂移对基金绩效有负面影响。陈星榕（2014）研究得出基金家族要严格控制投资风格漂移程度，不能随意对投资风格做出调整，而要随宏观经济波动进行风格漂移。容易发现这些文献只是研究了不同股市行情下的投资风格漂移及其绩效问题，对于宏观经济环境是如何具体影响投资风格漂移问题没有涉及。
综上所述，偏股型基金经常发生较严重的投资风格漂移现象，学者们也在不断尝试运用各种方法来检验投资风格漂移及其对基金业绩等方面的影响，通过解释不同股市行情下的业绩影响与漂移成因以寻求更科学的结论。但国内学者对基金投资风格漂移仍处于摸索阶段，研究结论未达成一致，有可能是因为基金投资风格漂移的识别方法、研究样本和研究视角不同所导致。因此，基金投资风格漂移问题仍是值得研究的领域，且未见文献研究宏观经济环境对基金投资风格漂移的影响。考虑到基金数据的尖峰厚尾、波动聚集等特征，本文通过构建修正的EGARCH-M模型，从宏观经济环境的视角，实证分析其对股票型基金投资风格漂移的影响，据此为政府部门提出有效的监管政策以引导基金维护证券市场稳定发展提供决策参考。
三、样本数据与模型构建
本文借鉴牛市和熊市对基金投资风格漂移的影响研究，从宏观经济环境的视角研究其对基金投资风格漂移的影响。首先对国内宏观经济环境进行划分，选择了基金市场高速发展的宏观经济环境2009-2014年，研究其对基金投资风格漂移情况，通过构建修正的EGARCH-M模型，实证检验样本股票型基金在研究期间的投资风格漂移情况，最后通过比较分析宏观经济环境不同阶段所发生的投资风格漂移基金比例情况，推理出宏观经济环境对股票型基金投资风格漂移的影响。
（一）样本选择与数据来源因股票型基金容易发生投资风格漂移现象，本文选取了2005年成立的37只开放式股票型基金作为研究样本，考虑到2007-2008年爆发了全球的次贷危机，到2009年才逐步慢慢复苏过来，故以2009年3月2日至2014年2月28日共五年作为研究期间。数据来源于聚源数据库、国家统计局网、证券会网、天天基金网等数据库与相关网站，主要包括我国宏观经济数据（GDP当季同比增长率、居民消费价格指数CPI当月同比增长率）、基金单位净值、基金分红送配、基金业绩比较基准、各个风格指数的收盘价。采用的数据分析软件有Excel2003和Eviews7.0。被解释变量，基金日收益率Y。因变量Y定义为Yt=(ln(NAVt+Dt)–lnNAVt-1)×100，其中，NAVt是第t日的基金单位净值，Dt是第t日的基金分红，NAVt-1是第t-1日的基金单位净值。解释变量，风格指数日收益率X。每一只基金的风格指数日收益率是根据它的业绩比较基准公式，分别以每一个风格指数收益率的权重乘以风格指数收益率。如：天治品质基金的业绩比较基准公式为70.0%×中信标普300指数收益率+30.0%×中信标普国债指数收益率。那么风格指数日收益率Rt=(lnPt–lnPt-1)×100，其中，Pt是第t日的指数收盘价，Pt-1是第t-1日的指数收盘价。另外，一年期定期存款年利率TDR与银行间同业拆放利率。本文研究的基金业绩比较基准公式中涉及到的一年期定期存款年利率直接使用中国人民银行公布的一年期定期存款利率，涉及到的同业存款利息率直接使用上海银行间同业拆放利率（ShanghaiInterbankOfferedRate）隔夜数据。从表1统计结果可以看出，37只样本基金日收益率序列的偏度均不为0，峰度也均大于3，Jarque-Bera统计量在1%显著性水平下均拒绝收益序列服从正态分布的原假设，表明基金日收益率序列不服从正态分布，具有典型的偏度、尖峰厚尾特征。对各风格指数日收益率序列的描述性统计分析也得出了类似结论。将所选取的基金收益率与风格指数收益率做回归分析，并进行ARCH-LM检验，检验结果发现样本基金均存在波动聚集ARCH效应，且具有高阶ARCH效应，即GARCH效应，因此，本文采取GARCH族模型对基金日收益序列建模是合理的。
（二）模型构建根据表1的描述性统计结果可知，样本基金日收益率序列具有尖峰厚尾、波动聚集等特征，即存在高阶ARCH效应。据此，本文参照彭耿（2014）构建的修正EGARCH-M模型①，以基金日收益率Y为因变量，以风格指数日收益率X为自变量，构建EGARCH-M计量模型。
四、实证分析
（一）宏观经济环境阶段的划分本文借鉴一般的宏观经济周期划分法，把经济环境划分为复苏期、过热期、滞胀期和衰退期四个阶段。由于经济增长和通货膨胀是两个非常重要的宏观经济指标，本文借鉴卢文伟（2014）的方法，从经济增长和通货膨胀两个维度，选取国内生产总值和居民消费价格指数作为宏观经济环境划分指标。由于无法获取国内生产总值的月度数据和居民消费价格指数的季度数据，但仅使用年度数据划分经济周期会影响准确性，故本文最终采用国内生产总值GDP当季同比增长率和居民消费价格指数CPI当月同比增长率作为宏观经济环境的划分指标。下表2为宏观经济环境划分标准：在研究期间选择上，考虑到样本基金是2005年成立的，要选择基金已经运行了一段时间，这样样本才具有良好的代表性，根据2004-2014年的国内生产总值GDP当季同比增长率和居民消费价格指数CPI当月同比增长率的走势图（如图1），再结合2007-2008年美国次贷危机的全球影响，本文选取了次贷危机后国内基金市场高速发展的宏观经济环境，2009年3月2日至2014年2月28日这五年为研究期间，具体经济环境划分结果见表3。
（二）实证结果与分析使用修正EGARCH-M模型对37只样本股票型基金投资风格漂移情况进行分析，根据样本基金日收益序列的尖峰厚尾、波动聚集特征，具体修正方法是将EGARCH-M模型设定为（1,1）阶，ERROR（误差）设定为GED（GeneralizedError，广义误差），ARCH-M设定为Std.Dev（.标准差）。根据表1的描述性统计结果，采用这样的修正是比较符合数据客观特征的。实证分析结果见表4所示（因文章篇幅限制，仅列出了两个关键系数实证结果，下同）。表4数据结果表明，在整个研究期间内，37只样本基金中，有20只基金发生了投资风格漂移，17只基金没有发生投资风格漂移，基金风格漂移的数量占比达54.05%，说明投资风格漂移现象较严重。为了进一步分析宏观经济环境对基金投资风格漂移的影响，下面对宏观经济环境中不同阶段的投资风格漂移现象进行分析，实证结果主要如表5所示。根据表5的实证结果就可以得出表6的结果，发现37只样本基金在宏观经济环境的四个不同阶段中，基金发生投资风格漂移的情况：在复苏期，有14只基金发生了投资风格漂移，其余23只基金没有发生投资风格漂移；在过热期，有13只基金发生了投资风格漂移，其余24只基金没有发生投资风格漂移；在滞胀期，有17只基金发生了投资风格漂移，其余20只基金没有发生投资风格漂移；在衰退期，有13只基金发生了投资风格漂移，其余24只基金没有发生投资风格漂移。通过这四个阶段的实证数据归纳得出，不同宏观经济环境下投资风格发生漂移的基金数量无明显差异。从发生投资风格漂移的基金数量比例上分析，复苏期、过热期、滞胀期、衰退期发生投资风格漂移的基金数量比例分别是37.84%、35.14%、45.95%、35.14%，滞胀期发生投资风格漂移的基金数量比例相对较大，但是整体看来，不同宏观经济环境下发生投资风格漂移的基金比例无明显差异，且都小于长期宏观经济环境中的风格漂移基金比例54.05%，这说明在次贷危机后宏观经济环境所处的某个特定阶段，由于时间较短，而且经济波动是单向的，所以对基金投资风格漂移影响不够明显；而在长期的宏观经济环境中，经济波动是复杂多向的，且时间较长，经济波动会较大，故基金发生投资风格漂移会更严重。即进一步得出结论：在宏观经济环境的某个阶段，宏观经济波动较小，对基金投资风格漂移无明显影响；但在长期的宏观经济环境中，经济波动较大，基金投资风格漂移相对要严重。这与彭耿（2014）的研究结论正好相反。
（三）原因分析根据实证分析结果，本文认为导致股票型基金投资风格漂移以及宏观经济环境下的投资风格漂移现象在某个经济阶段内无显著差异，但在长期宏观经济环境中具有正影响的原因可能有以下三点：第一、本文选取风格指数日收益率与基金日收益率进行比较，而它可能会随宏观经济环境发生变化，且时间越长，经济波动会越大。本文研究期间为5年，经济波动相对会较大，容易导致基金发生严重的投资风格漂移现象。故研究宏观经济环境的某个阶段发生投资风格漂移的基金数量比例会低于长期宏观经济环境下的基金风格漂移比例。第二、所选样本基金为2005年成立的37只开放式股票型基金，属于大样本，且研究期间为次贷危机后的宏观经济环境（2009-2014年），所选的基金至少已经运行了4年，相对比较成熟，在样本选择上主观因素较小，研究期间较长，结论相对也比较客观。而彭耿（2014）在选取样本基金上是逐个挑选且只选了11只基金，有可能因样本过小导致统计结果中各阶段发生投资风格漂移的基金数量比例差异较大。最终导致本文研究结论不同于彭耿（2014）的研究结论。第三、宏观经济环境对股市的传导作用较强，但对基金投资有一定的滞后。郑挺国和尚玉皇（2014）研究认为长期的股市曲线应该可以理解为是宏观经济的反映，即宏观经济的好与坏决定了股市长期的波动走势。而基金是投资股市的，通过股市传导给基金是需要时间的，比如基金建仓就需要一定的时间，即具有滞后性，故短期内宏观经济波动对基金投资行为影响不明显，但长期这种影响作用会逐渐突显出来。
五、结论与建议
关键词：宏观经济学；社会科学方法论；实证主义；人文主义
中图分类号：F015 文献标识码：A 文章编号：1001-828X（2014）05-00-01
宏观经济学是一门复杂的学科，其中充斥着许多人为因素的不确定性，因此必须遵循某种方法论来减少这种不确定性。本文通过实证主义和人文主义范式分别来阐述，指出研究宏观经济学问题必须注重与方法论的结合。
一、宏观经济学的特殊性
宏观经济学有其特殊性，正是由于这种特性使宏观经济研究变得复杂多变。一是，整体性。宏观经济的整体性是指宏观经济虽然针对不同的主体可能有不同的经济行为，而且经济行为的范畴会存在差异，但是从宏观层面的经济来讲，其整体性不可忽略。也就是说，社会也好，各级政府也罢，它们在宏观经济方面都必须以整体利益为出发点，在制定政策措施时，必须相互配合以达到共同的目标。二是，社会性。宏观经济的社会性是指宏观经济从整个社会的角度出发，要从宏观的层面上把控整个国家乃至社会的经济局面，正如本文的前一部分所述，社会及各级政府作为宏观经济的主体，使得它们的经济行为具有了一定的社会责任。三是，协调性。宏观经济的协调性是指通过宏观经济活动，要促进社会各个领域的共同而协调的发展。从历史的发展长河来看，任何一个阶段的发展与进步在不同利益群体方面都不可能以同样的速度进行，也就是存在着不同步性，在这种情况下，协调显得尤为重要。
二、宏观经济学研究中存在的问题
由于宏观经济的特殊性的存在，要想准确研究宏观经济具有一定的难度。宏观经济研究成果普遍缺乏科学性和创造性。科学性是要求学术成果所表述的内容具有可靠性，体现在论据要准确翔实，文字表述精炼不可含糊其辞，许多经济学研究达不上要求。研究成果的创新性要展现研究的解决和分析问题的能力，但实际上大多数研究成果不是材料堆砌，就是过多借鉴别人的理论缺乏自己的创见。像多数论文的文献综述部分都是材料堆砌而成，以时间为序最多，却没有时间地点提出理论的缘由等，这样的综述意义不大。研究成果中的模型的“借鉴”，几乎都是直接照搬国外的东西，再直接用中国的数据进行检验，而数据的质量又不高，只要得出结论就可以，不管其正确与否。
三、方法论的必要性
方法论的定义为多种多样，《韦伯斯特大学词典》将方法论定义为“做某件事，或为做某件事的方式、技术或过程”。但在《应用经济学方法论》这边书中，方法论一词实证指：给定领域中进行探索的一般方法的研究。因而，经济学研究方法论就是对经济学研究的一般方法的研究。书中方法一词指的是：用于完成一个既定目标的具体技术或工具，这种用法和国家科学院科学指导委员会的用法一致。在社会科学方面，社会研究方法是通过科学的方法，系统地收集和分析关于社会现象的资料，并在此基础上对相关的社会现象及其本质和规律做出科学认识的活动，是设计方法论的重要组成部分。
宏观经济学是建立在实践基础的研究，并没有一个成熟的科学的理论研究方法，如果认为宏观经济学科的理论不需要经过科学的检验和检测就能成功，这显然是不对的。现代宏观经济理论如果想要发展就必须上升到理性的高度，从而形成科学的行为准则，同时这种“行为准则”在不断的进步和发展中形成科学的“方法论”。在宏观经济学科研究领域，“方法论”十分重要，它是现代科学和经济理论研究领域的核心问题。因此，对我们科学地学习和研究宏观经济学科研究是至关重要的，也是不可或缺的。
四、从社会科学方法论角度研究宏观经济理论
（一）实证主义
从研究特征来看，实证主义社会学对“科学建构”的强调依赖于把自然科学作为社会理论构造的模式，强调科学就在于说明现象的成因，对现象的未来进行分析和预测。并对自然科学这种普遍性和精密性的精密性，主张重量化的研究方法，因此实证主义主张以事实说话，从宏观经验事实来研究宏观经济问题。定量研究是实证主义方法论的具体化，它侧重于对宏观经济数据的数量分析和统计计算。实际上，实证主义研究早已渗透到不管是社会科学还是自然科学研究中。实证主义研究有着其他方法所无法比拟的优点，如自行检验。实证主义在研究宏观经济中有很多的内在的检验，这些检验可以验证和控制经济学家在自己能力范围外的研究结论。
但是实证主义分析是基于特定引导假定下，而特定引导假定本身就存在主观性，而这两者又是无法隔离的，因此实证主义不是撇开价值观纯粹的科学研究，不同的经济经济学家对于同一现象的实证研究会得出不同的结论。
（二）人文主义
经济学是关于人的学问，不仅要研究资源配置问题还要研究理想人行为的问题，经济学研究一方面要注重效率，另一方面还要关注人的伦理道德。经济学的核心和基础上价值论，经济学研究的目的是促进人和社会的全面发展。人文主义强调收集信息，从整体上进行理解和诠释。它注重定性研究，并偏重本分析或叙事表达，它们认为人力的行为是多样化的，个人根据自己的实践情况来决定自己的行为。人文主义的社会价值是倾向于对人的个性的关怀。因此人文主义从定性的角度出发，来研究宏观经济问题，并让宏观经济理论向对人们有价值的方向发展。注重强调反对暴力，主张自由平等和自我价值体现的一种哲学思潮与世界观。自由公平可以促进经济发展，而宏观经济发展又必须以自由公平为基础和前提。
参考文献：
[1]沈军，白钦先.论金融研究方法论的范式转换[J].经济论坛，2006（5）：123-128.
[2]孔祥毅.山西金融史及其研究.2013.
