摘 要 本文通过对基于合约持有者的展期期权的分析，结合Black-Scholes微分方程，确定初始条件以及相关参数的范围，最终得出准确的定价公式。
关键词 展期期权 定价公式 微分方程
我国对于金融及其衍生品的研究起步较晚，所以现在国内的学者大多还停留在对初级的金融产品（像一般期权期货等）的定价及风险分析的层次上。而对于像展期期权等高级金融衍生品的研究很少，这种期权的定价通常比较复杂，因此我们有必要对其得出一个精确的定价公式。
一、 展期期权概述
在如今的金融业场外交易中，有许多金融合约都在期权中附加了推迟合约到期日的条款。比如2008年深南电与高盛旗下杰瑞公司签订的对赌协议，其本质是两个看跌期权的组合，而在附加条款中就有杰瑞公司具有展期权力的内容，因此其本质就是一个展期看跌期权组合。展期期权可以分为基于合约持有者的展期期权（即合约持有者拥有展期权力）和基于合约出售者的展期期权（即合约出售者拥有展期权力）。本文主要讨论基于合约持有者的展期期权，并推导出其定价公式。
二、 基于合约持有者的展期期权定价公式
本部分先推导出欧式看涨展期期权的定价公式，类似的可以得到欧式看跌展期期权的定价公式。
（一）背景知识
为了应用标准的定价公式，我们有如下假设：
1.市场是理想市场，没有交易费用以及其他约束条件。交易对于时间是连续的。
2.标的物价格 由下列随机方程决定：
（1）
和 是常数， 是标准维纳过程。标的资产在动态过程中不支付红利。
3.瞬时无风险利率 是常数。
根据这些假设，可以得到一般的期权 的Black-Scholes微分方程：
（2）
对于展期期权而言，其期权价格也满足该微分方程，只是需要满足一些特定的初始条件和边界条件。
（二）看涨展期期权定价公式
我们定义看涨展期期权（Extendible Call）价格为 .其中 为展期前的敲定价， 为展期前到期日。 为展期后的敲定价， 为展期后到期日。 为到期日 时看涨期权 的敲定价。
在这个定义下，看涨展期期权的收益函数（也是边界条件）为：
（3）
这就是说，到期日 时的收益为两个收益函数的最大值。这两个风险收益分别为一个普通看涨期权的收益与一个基于看涨期权的看涨期权（复合期权）的收益。由此可见，这个展期期权的收益函数可以看成是基于两份风险资产的期权。
我们对收益函数分析可知，当 时，在时间点 ，关于 有两个关键分割点 ， 。当 时，期权持有人将沽亏价，不会行使展期权；当 时，期权持有人会执行期权，也不会展期。因此，当且仅当， 在区间 内，展期期权持有人会行使展期权。 ， 取决于特定的期权条件，一般来说，我们可以直接从到期条件中获得 ， 的值。比如： 的值可以通过求解如下方程得到：
（4）
易知： ，当 时， 。当 时，期权永远不会展期，因此这个定价就无意义。因此， 是研究重点。该条件的一个充分条件是 ，必要条件是 .同样的： （5）。有 。如果： ，那么 。
在（3）的终值条件下求解微分方程（2）。将（2）通过恒等变换和傅里叶变换，其化为热传导方程。在相应变化下（3）的条件下得到解析解如下：
（6）
， ， ， ，
其中 为概率可积的正态分布在相应地区间内的概率值。第一项为展期前的期权费，剩余部分为展期权的价格。易知展期权是一个关于 ， 的递增函数，关于 ， 的递减函数。
（三）看跌展期期权定价公式
类似的，有收益函数：
（7）
， 满足方程：
（8）
（9）
得到：
（10）
三、 总结
本文通过求解特定终值条件下的随机偏微分方程，得出基于合约持有人的展期期权定价公式，对于我国今后场外交易的合约签订过程将起到借鉴作用。
参考文献：
[1]John C, Hull．期权期货及其他衍生产品.北京:机械工业出版社.2009.1.
[2]谷超豪,陈大潜,陈恕行,郑宋穆,谭永基.北京:高等教育出版社.2002.7.
[3]Geske. The Valuation of Compound Options. The Journal ofFinancial Economics 7.1979a:63-81.
[4]Stulz,R,M. Options on the minimum or maximum of two risky assets: Analysis and applications. The Journal ofFinancial Economics 10.1982:161-185.
[5]Longstaff. Pricing options with extendible maturities. The Journal ofFinance.,1990.6:935-957.
一、函数在经济分析中的应用
在经济活动中生产者与消费者通过市场交换商品，消费者购买商品是为了得到它的效用，生产者提供商品为了获取利润，而市场就是生产者和消费者之间的桥梁我们知道某种商品的市场需求量是商品价格的函数，一般说来将随着价格的上涨而减少，即需求量是市场价格的单调减少函数，与需求函数相反，供给函数是随着市场价格的上涨而增加。收人是生产者生产的商品售出后的收人，生产者销售某种商品的总收人取决于该商品的销售和价格，成本函数固定成本厂房设备管理者的固定工资等和变动成本原材料劳动者的工资等，利润是生产者扣除成本的剩余部分它也是产量的函数。.
例:已知生产某种商品q件时的总成本(单位：万元)为
C(q)=10+5q+0.2q
如果每售出一件该商品的收入为9万元。
(1)求生产10件该商品时的总利润。
(2)求生产20件该商品时的总利润。
解由题意可知，该商品的收入函数是R(q)=9q(万元)
又已知C(q)=10+5q+0.2q(万元)
利润的函数为L(q)=R(q)一c(q)=4q一10一0.2q(万元)
(1)生产10件该商品时的利润为
L(10)=4x10一10一0.2x102=10(万件)
(2)生产20件该商品的总利润为
L(20)=4x20一10一0.2x 202=-10(万元)
从上面这个例子，我们可以分析这样现象，即利润并不是总是随着产量的增加而增加有时会产量增加，利润反而减少，甚至会产生亏损。由理论分析得知利润函数分三种情况：
L(q)=R(q)一c(q) > 0此时生产者盈利。
L(q)= R(q)一C(q) < 0生产者亏损。
L(q)=R(q}-C(q)= 0此时生产者即不盈利也不亏损即收支平衡。
盈亏分析常用于企业经营管理中各种价格或生产的决策。
二、微积分在经济分析中的应用
在经济学里习惯上用平均和边际这两个概念来描述一个经济量对于另一个经济量的变化，如边际成本其经济含义当产量为再生产一个单位产品所增加的总成本C(q+1)-C(q)=C(q)=C(q)
边际利润总利润的平均变化率设销售某种产品利润函数为等于总收入减去总成本即那么由导数的运算法则可知所以，边际利润等于边际收人减去边际成本。
例:已知生产某种彩色电视机的总成本函数为
C(q)=2.2x103q+8x107
通过市场调查可以预计这种彩电的年需求量q=3.1x105一50p，试求使利润最大的销售量和销售价格。
解由需求量q=3.1x105一50p，解得
p=6.2x103-0.02q，那么当销售量为最大时，总收入函数为，R(q)=P(q)=6.2x103q-0.02q3利润函数为L(q)=R(q)-C(q)= 4x103q-0.02q3-8x107
L’(q)=4x103q -0.04q
令L’(q)=4x103q -0.04q=0，得惟一驻点q=105由实际问题可知，q=105是利润函数的极大值点，也是它的最大值点，最大利润为
L(105)= 4x103x105-0.02x108-8x107= 1.2x108
当q=105，彩电的销售价格为p=6.2x103-0.02x105=4200(元)
边际需求为q(P)= -50，需求弹性为
使利润最大的彩电售价为P=4200(元)，那么需求弹性为
即当彩电售价为需求弹性为富有弹性，此时适当降价不仅能够增加销售量，扩大本企业的彩电在销售市场上的占有份额，同时也能减少产品的库存积压，降低库存成本，增加销售总收人，给企业带来经济效益。
三、线性方程组在经济分析中的应用
国民经济是一个相互联系、彼此制约的大系统，任一因素的变动都会产生一系列的直接影响和间接影响，当各产业部门间的技术系数即直接消耗系数矩阵A确定后，就可以通过最终需求Y，求出一个经济系统中，各产业部门之间存在着密切的关系。即
例如:下表列出了我国2005年三个产业部门的中间产品，最终产品的统计结果。
三产业的直接消耗函数矩阵
第一产业提价，那么，可以认为第一产业的最终产品有4628亿元的缺口，其他两个产业的最终产品不变，即
可见，第一产业总产品实际增量为555.36亿元，增加幅度为，即第一产业的总产品只增加6.11%，由此可以知道并非涨多少就能赚多少。
总之，通过对经济模型的数学分析，可以更好的为企业进行科学的管理，提供科学的理论依据。
参考文献：
[1]《中国经济文库》.12卷第四页
[2]魏烦等著:《西方经济学教程》(上)P9
[3](前苏)《经济数学方法和模型》.P8,P12
[4]《回忆马克思和恩格斯》.人民出版社，1957,P73,P346
关键词：边际分析 弹性分析 课堂设计
中图分类号：G642 文献标识码：A 文章编号：1672-3791（2017）02（b）-0193-02
18世纪全世界数学史取得最大突破的时期，从传统常量数学转移到变量数学，诞生了微积分这一数学史上最辉煌的学术。并且很快被应用在各个学科领域，比如：经济学家把微积分学术去思考困扰他们多的的经济学的难题，并取得了辉煌成就。在19世纪中后期相关经济学专家把微积分的基础概念和效用概念结合到一起，从而诞生了边际效用，后期经济学家把此次经济学改革命名为“边际革命”。致使微积分的思想和概念，逐渐渗透到经济学的方方面面。
在边际分析和弹性分析的教学课堂中，教师要注重启发学生对边际分析和弹性分析概念的理解和认识，让学生从本质上理解和掌握边际分析和弹性分析，避免死记硬背。该文通过查询大量文献，并结合理论实践，深入分析和探讨了边际分析和是弹性分析的思想、步骤，从而提高课堂设计的合理性和有效性。
1 教学设计
1.1 边际分析法产生的历史背景――课程引入
在教学设计中，要首先介绍边际分析法的历史由来，在边际革命推行的后期，分析边际方法的发展方向；其次，由于边际分析是在微积分的基础概念上引进而来，所以在具体教学过程中，要把微积分思想落实到每位的学生身上；最后，分析边际分析法在经济学领域中的具体应用。
除此之外，要通过探究式教学让学生掌握数学的发展史，同时把科学家研究边际分析和弹性分析艰苦过程的进行介绍，提高学生不怕困难勇于探索的学习精神。
1.2 提出引例，引导学生建立数学模型――重点的引入
提出是否增加航班问题的引例。要求学生思考，假如你是一个航空公司经理，长假来临，你想Q定是否增加新的航班，如果纯粹是从财务角度出发，你该如何决策。换句话说，如果该航班能给公司挣钱，则应该增加。因此，你需要考虑有关的成本和收入，关键是增加航班的附加成本是大于还是小于该航班所产生的附加收入，这种附加成本和收入称为边际成本和边际收益。
联系数学建模，引导学生建立模型，并要求学生展开分组讨论，并由小组代表描述建立数学模型的过程。
最后由教师总结归纳，详细并逐步讲解、得出相应模型：
我们所面对的学生，在数学课程的学习中，其形象思维、小组合作以的实践能力毫不逊色于本科程度的学生。以上通过“提出问题、分组讨论、小组代表回答、教师总结归纳”这一师生互动过程来引入该次课程的内容：边际分析。此做法源于著名的教育心理学家桑代克的“变化引起注意”一法，通过不断变换教学手段，让学生充分参与、亲自体验理论的归纳过程。
1.3 边际经济函数（边际成本函数、边际利润函数）的定义――重点的介绍
介绍边际成本函数、边际收益函数、边际利润函数的定义。
并通过举例讲解，引导学生学会利用所学知识解决实际经济问题。
例题1：设某产品的需求函数为：p= 20-q/5，其中p 为价格，q 为销售量，求边际收益函数，以及q= 20、50、70时的边际收益，并说明其经济意义。并由该例题引导学生思考在经济活动中，如何根据经济函数求最大的利润点？
1.4 最大利润原则的介绍
设总收益函数R（q）、总成本函数C（q）和总利润函数L（q）均为可导函数。提问学生取得最大利润的充分条件、必要条件。并归纳总结：取得最大利润的必要条件是：边际收益等于边际成本。取得最大利润的充分条件是：边际收益的变化率小于边际成本的变化率。
课堂练习，并要求学生板演：
练习1：某工厂生产的某种产品，固定成本为400万元，多生产一个单位产品成本增加10万元，设该产品产销平衡，且需求函数为q=1000-50p（q为产量，p为价格），问该厂生产多少单位产品时，可获得最大利润？最大利润是多少？并验证是否符合最大利润原则。
1.5 弹性分析的介绍――重、难点的突出
引导学生思考：在边际分析中，我们讨论的函数变化率与函数改变量均属于绝对数范围内的问题，是否仅仅使用绝对数的概念就能深入分析所有的问题呢？例如：甲商品的单价是10元，乙商品的单价是100元。若甲、乙商品都涨价1元，两种商品单价的绝对改变量都是1元，但是涨幅不同，甲商品的涨幅为10%，乙商品的涨幅为1%，显然甲商品的涨幅比乙商品的涨幅大，这就说明，我们仅有绝对变化率的概念还很不够，因此，有必要研究函数的相对改变量和相对变化率，而这就是弹性分析的内容。
设市场上某商品的需求量q是价格p的函数，即q=q（p）。当价格p在某处取得增量p时，需求量相应地取得增量q，称p与q为绝对增量，
如果需求函数q=q（p）可导，且当p0时，极限存在，
称价格为p时，需求量对价格的弹性，简称为需求弹性，
根据经济理论，需求函数是单调减少函数，所以需求弹性一般取负值。
需求弹性的经济意义是：当价格P在某处改变1%时，需求改变
引导学生平行推广，对成本函数、收益函数、供给函数分别进行弹性分析，得出成本弹性、收入弹性。
讲解例题2：设某商品的需求函数为：求：p = 3，p = 5时的需求弹性，并说明其经济意义。
课堂练习，并要求学生板演：
练习2：已知某产品的供给函数为F（p）= ―2 + 2 p ，求价格 p = 5时的供给价格弹性，并说明其经济意义。
1.6 总结――再次围绕重难点
完成了每节课的教学内容后，在教师的引导下，师生共同归纳总结，目的是让学生在头脑中更深刻更清晰地留下思维的痕迹，调动学生的学习积极性和主动参与意识，符合教学论中的继发性原则。
先让小组代表进行总结，并由其余组员进行补充。
（1）边际分析：
①边际分析的定义。
②常用的边际函数及其经济意义。
（2）最大利润原则：
取得最大利润的必要条件：边际收益等于边际成本。
取得最大利润的充分条件是：边际收益的变化率小于边际成本的变化率。
（3）弹性分析：
①弹性的定义。
②常用的弹性及其经济意义。
归根结底，该堂课重点是边际分析、弹性分析在经济中的应用，难点是弹性分析的应用。
1.7 作业
作业是课堂教学中不可缺少的环节，配合每次课的教学内容，布置相应的作业，通过作业反馈本节课知识掌握的情况，以便下节课查漏补缺，这符合教学论中的程序原则和反馈原则。
2 结语
该章节内容，通过这样的教学设计方式，通过创设情境，实例引出问题，以思路为引线，进行基本概念、理论、方法、应用等内容的介绍与阐述，处理抽象的数学概念；调动学生的学习、思考的主动性与积极性，并通过启发，引导学生进行联想、类比和推理。对成本函数、收入函数分别进行弹性分析，得出成本弹性、收入弹性。通过小组合作学习，让学生分工合作共同达成学习目标。该节课在课堂活动中把学生分成6人一小组的学习小组，让他们围绕着课堂任务分工合作，发展他们的F队协作能力；通过小组间比赛，提高学生的合作和竞争能力。促使学生学会体验实践、参与合作与交流的学习方式。这种学法将更有利于发展学生的实际运用能力，使数学学习的过程成为学生形成积极的情感态度、主动思维和大胆实践的过程。使学生掌握边际分析、弹性分析的基本概念，使学生加深对课堂教学内容的理解，提高分析和解决问题的能力，使学生在学习知识的同时注意与实际生活相结合，学以致用。
参考文献
一、Copula函数与秩相关系数概述
（一）Copula函数定义 Copula函数实际上是连接随机变量边缘分布的累积分函数。Skiar指出对于一个具有一元边缘分布的联合分布函数F，F为n维的分布函数，它有边际分布函数F1，…，Fn，那么存在一个Copula函数C满足：
F（x1，…，xn）=c（F1（x1），…，Fn（xn））
如果F1，…，Fn是连续的，则copula函数是唯一确定的，反之可以得到C（u1，…，un）=F（F1-1（u1），…，Fn-1（un）），其中ui∈［0，1］（i=1，2，…，n）
（二）常用的Copula函数椭圆Copula和Archimedean类Copula是实际研究中常用到的类型。椭圆Copula主要包括正态Copula和学生t―Copula，在正态Copula函数模型中，极端事件的发生总是彼此独立的，即接近于0或1的可能性彼此独立，而在学生t―Copula函数中极端事件总是相关的。实际中金融资产的分布通常并不满足椭圆Copula的性质，所以大多数学者更为关注的是Archimedean Copula。Archimedean Copula函数的类型主要包括Gumbel Copula、Clayton Copula和Frank Copula等。
（三）Kendall秩相关系数的定义及与Copula函数关系 Copula函数尾部相关系数计算中要用到秩相关系数，现介绍Kendall的秩相关系数定义：设（ X1，Y1）和（X2，Y2）是独立同分布随机向量，令（X，Y）=P（（X1-X2）（Y1-Y2）>0）-Pr（（X1-X2）（Y1-Y2）0）-1。
从上式可以看出∈［-1，1］。
设（X，Y）相应的连接函数C（u，v），则可以由C（u，v）函数得到：
学者Frees E .W.与Valdez E.A.对常见的copula函数的适用情况有过研究，得出Gumbel Copula函数的密度函数具有非对称性，Gumbel Copula函数对变量在分布上尾处的变化十分敏感，因此能够快速捕捉到上尾相关的变化，可用于描述具有上尾相关特性的金融市场之间的相关关系，如它可以很好地描述牛市时期股票市场间相关性增强的情形；Clayton Copula函数对变量在分布下尾处的变化十分敏感，因此能够快速捕捉到下尾相关的变化，可用于描述具有下尾相关特性的金融市场之间的相关关系，如它可以很好地描述熊市时期股票市场间相关性增强的情形；Frank Copula的密度分布呈“U”字型，具有对称性，因此无法捕捉到随机变量间非对称的相关关系。
Copula函数的尾部相关关系公式为：
二、实证研究
首先由股价的运行趋势判断适用哪类的Copula函数，求得两类指数的秩相关系数，再利用表格所示，求出相应的，将代入相应的Copula（u，v）函数，求出C（u，v）函数，在代入尾部相关系数公式，求出不同概率水平下的相关系数值。
为研究A股和H股的相关性，选取A股指数和香港国企指数（H股）的收盘价为样本数据，时间长度为2005年9月14日至2010年6月30日，由于这段时间爆发次贷危机股市剧烈震荡，以2007年10月30日为分界点，第一阶段为股市急剧上升阶段，第二阶段为股市下降后平稳震荡阶段，以Rij＝lnPij，t－Pij，t－1（阶段i＝1，2；股市j＝A股，H股；时间为t）数据整理及分析工具为Excel和Eviews6.0。
（一）第一阶段数据分析用Eviews软件计算得秩相关系数tau
=0.2，由于此阶段的股价是急剧上升的，利用Gnmbel coupla函数，由与关系求的＝1.25，代入函数C（a，a），进而求出尾部相关系数。根据Copula函数的尾部相关关系公式和Cnmbel Copula函数可以计算在不同的概率值下的尾部相关系数。结果如表2所示。表2中前3个为下尾相关系数，后3个为上尾相关系数。
从表2中可以看出随着的增大，上尾相关系数趋近于0.265，而下尾在＝0.1时等于0.1815，这说明当A股收益率低于q0.1 时，H股指数的收益率以18.15%的概率低于q0.1，当A股指数的收益的分位数高于q0.95时，H股指数的收益27.5％的概率高于q0.95相比较两股市同时跌涨的概率，两股票市场同时发生上涨的概率比较大。
（二）第二阶段数据分析 此阶段的股票指数价格先下降后平稳，利用Clayton Copula函数分析，由秩相关系数tau＝0.379687，计算相应的＝1.224179，利用第一阶段的方法求得相应的尾部相关系数如表3所示：前3个为下尾相关系数，后3个为上尾相关系数。
从表3中可以看出随着的增大，上尾相关系数趋近于0.022，而下尾在＝0.1时等于0.5819，这说明当A股收益率低于 时，H股指数的收益率以58.19％的概率低于q0.1，当A股指数的收益的分位数高于q0.95时， H股指数的收益5.4％的概率高于q0.95，相比较两股市同时跌涨的概率，两股票市场同时发生下跌的概率比较大。
由上涨阶段和下降阶段的尾部相关系数可知，当A股股市上涨时同时上涨的概率较大，下跌时同时下跌的概率较大，且同时下跌的概率较大，证明两股市有同向运动的趋势，投资者或政策制定者可以利用这种现象，采取决策。
参考文献：
［1］Sklar A．Fonctions de repartition an dimensions et leurs marges．Publication de l’Insfitut de Statistique de l’Universit6 de Paris．1959，8：229― 231．
［2］Nelsen R B．An Introduction to CopulaslM］．New York：Springer，1998．
［3］Frees E W，Valdez E A．Understanding relationships using copulas．North American Actuarial Journal，1998，2（1）：l一25．
【关键词】基本趋势，主流偏向，宏观因素，微观因素，股市波动
一、股票价格反身性原理
股票价格波动是由多种因素反复作用决定的，即主要因素和次要因素，主要因素决定了股票价格波动的性质及趋势。主要因素包括基本趋势和主流偏向。主流偏向是市场中存在为数众多参与者，他们的观点是各不相同的，其中许多偏向相互抵消而剩余的偏向。基本趋势是假定投资者无论是否意识到都将影响股票价格变化的趋势，其对于股票价格的影响程度，视市场参与者的观点而定。基本趋势通过认知函数影响参与者的认知，认知所引起的变化又通过参与函数影响情境，在股票市场中，股票价格最先受到影响，股票价格的变化又反过来对基本趋势和主流偏向施加影响，这就是股票价格反身性原理。
二、宏观因素对股票市场波动性的影响
政府主要财政政策和货币政策调节微观主体，影响股票市场预期，从而使股票市场产生波动。本文主要分析股票市场主要受经济增长、实际利率等宏观经济因素的影响。
（1）GDP的影响
理论上说，GDP是反映一国经济整体实力的宏观指标。它的下降表明经济不景气，大多数企业的经营盈利状况不佳，企业减少投资，降低成本，融资速度减慢，股票市场的供给曲线就会向左上方缓慢移动；同时，股票市场的需求方——股票投资者也由于经济的不景气而对未来收入的预期降低，从而减少支出和投资资金，使股票市场的需求曲线向左下方移动，两个曲线的下移将使股票价格下降。反之，当一国经济发展迅速，GDP增长较快时，预示着经济前景看好，人们对未来的预期改善，企业对未来发展充满信心，极想扩大规模，增加投资，对资金的需求膨胀，因而股票市场趋向活跃。在股票市场均衡运行、而且其经济功能不存在严重扭曲的条件下，一般来说，股票价格随GDP同向而动，当GDP增加时，股票价格也随之上升；当GDP减少时，股票价格也随之下跌。因此，GDP对股票价格的影响是正的。
（2）利率的影响
众所周知，利率是影响股市走势最为敏感的因素之一。根据古典经济理论，利率是货币的价格，是持有货币的机会成本，它取决于资本市场的资金供求。资金的供给来自储蓄，需求来自投资，而投资和储蓄都是利率的函数。利率下调，可以降低货币的持有成本，促进储蓄向投资转化，从而增加流通中的现金流和企业贴现率，导致股价上升。所以利率提高，股市走低；反之，利率下降，股市走高，利率对股票价格的影响是负的。
三、微观因素对股票市场波动性的影响
1、理性投资者
对股票进行估价。股票市场价格的高和低是相对其内在价值而言的，低于股票内在价值时为低，高于股票内在价值时为高。对公司价值的估价无论是实质派还是增长派，都要涉及到未来的预期。但是，投资者即使购买了自己评估其市场价格低于内在价值、预期其市场价格将要上涨的股票，实际上也不一定会上涨。此时，投资者只有购买其他绝大多数投资者预期价格上涨的股票，购买后股价才有可能真的上涨，也才能获得资本利得。也就是说，投资者对股价变动趋势预测的最终结果，与其他投资者的决策行为密切相关，因而，这是一个博弈过程
2、在交易所上市的公司
公司根据利益最大化原则追求收益，合理配置资源，提升公司价值，从而加强基本趋势，直到该趋势已足够强大，并且在每股收益中表现出来，等基本趋势被市场认可后，开始得到上升预期的加强，市场仍然非常谨慎，趋势继续发展，时而减弱时而加强，这样的考验可能会反复出现多次，结果信心开始膨胀，收益短暂的挫折不能动摇市场信心，预期会过度膨胀远离现实，当市场无法继续这一趋势。偏向被充分认识到，预期开始下降，当股票价格失去最后的支持时，开始暴跌，基本趋势反转过来，加强下跌的趋势。最后过度的悲观得到纠正，市场得以稳定下来。
四、反身性原理与宏观、微观因素的应用
综上所述，宏观经济政策：货币政策和财政政策会改变市场预期，通过认知函数影响市场微观主体，使其理性因素与非理性因素，同时反映在股票价格运动路径上。理性因素与非理性因素同时对主流偏向产生影响，影响着股票价格的波动性。正的主流偏向会使大量资金涌入股票市场，产生流动性过剩，从而推动股票价格的大幅上涨；负的主流偏向会使大量资金撤离股票市场，产生流动性紧缩，从而推动股票价格的大幅下跌。而微观主体的理性因素与非理性因素同时也对基本趋势产生影响，当微观主体为追求自身利益最大化时，会使资源合理有效配置，加强基本趋势，直到该趋势已足够强大，并且在每股收益中表现出来，等基本趋势被市场认可后，开始得到上升预期的加强，使股票价格大幅上升：若微观主体不能使资源合理有效配置，会减弱基本趋势，从而对股票价格波动产生负面影响。而股票价格的变化又反过来对基本趋势和主流偏向施加影响。
参考文献：
[1]（犹）乔治。索罗斯。金融炼金术。海南：海南出版社。1999
关键词：金融市场；传染效应；时变混合Copula；尾部相关性
中图分类号：F832.5 文献标识码：A 文章编号：
Research on Contagion Effect of Financial Markets Based on Time-varying Mixed Copula Model
XU Kai1， PAN Pan2， CAO Ya-qing3
（1.School of Economics & Management， Chengdu University， Chengdu 610106；
2.School of Business， Chengdu University of Technology， Chengdu 610059， China； 3.School of Management， Cranfield University， Bedfordshire MK43 0AL， England）
Abstract： In this paper， GARCH-t model is used to capture the stylized facts of financial returns， such as heteroskedasticity， clustering， leptokurtosis and fat tail. And considering the asymmetric character of risk infection， we employed the time-varying mixed Copula model， which combine the Gumbel， Frank and Clayton Copula， to analysis the contagion effects between Hong Kong， Taiwan and China mainland stock markets. The most energy is focus on the tail risk infection， which represents the extreme risk. The empirical results show that， the contagion characters between China mainland stock market and Hong Kong stock market are different from previous studies. That is to say， the upper-tail dependence level is higher than its lower-tail dependence level. The risk contagion effect between Taiwan and China mainland market is slight. It indicates the risk cannot spread from Taiwan stock market to China mainland stock market. There is a cycle risk contagion effect between China mainland and Taiwan stock markets， and the cycle time is about two years.
Key words： financial market； contagion effect； time-varying mixed Copula； tail dependence
引言
在过去的十多年间，全球金融市场爆发了几次重大的金融危机，这些金融危机事件由始发国通过不同渠道传染至其他国家或地区，最终诱发了全球性金融海啸，如2007年美国次贷危机、2009年迪拜危机和希腊债务危机。这表明，金融风险传染广泛存在金融市场之中，并迅速向其他国家或地区蔓延、扩大，最终衍化成全球性金融危机。因此，研究金融市场之间的风险传染对于防范金融危机，对于维护金融市场平稳运行有着极其重要的现实意义。
众所周知，股票市场是一国经济状况的“晴雨表”，如果一个国家的经济发生剧烈波动，将迅速反应在该国股票市场上，并以“多米诺骨牌”方式向其他股票市场传染，造成全球经济动荡。要维护中国金融市场安全与稳定就必须重点监控股市波动，尤其要关注周边股市对中国股市的风险传染特征[1]。香港、台湾地区的金融市场是国际化程度最高的几个市场之一，与中国金融市场有着密切的联系，同时其他国家爆发的金融危机极有可能通过香港、台湾传染至内地股市。近年来，随着自由贸易协议（CEPA）的签署，合格的境外机构投资者（QFII）、合格境内机构投资者（QDII）机制的引入等，使得内地金融市场与香港金融市场之间的金融联系更为紧密。同时，内陆与台湾地区的经济联系上，不仅贸易规模不断扩大，而且贸易依存度急剧上升，特别是随着两岸经济协议（ECFA）的签署等，更是使得内地金融市场与台湾金融市场之间的金融联系进一步加深。因此，研究香港地区、台湾地区与内地股市之间的传染效应对于我国防范金融风险有着重要的意义。
与金融市场发生的小波动相比，急剧上涨或急剧下跌等极端事件将导致投资者的收益巨幅增长或巨幅下降，所以在研究金融市场的风险传染时，学者们通常更加关注于不同金融市场间极端风险传染关系。而收益率的尾部相关系数则表示当收益率发生极端风险时，它对其他金融市场收益率波动的影响程度，即它可以反映一个股票市场的大波动是否会引起其他金融市场的大波动。因此，本文将主要研究内地、香港、台湾股票市场之间的尾部风险传染关系。
目前，已有大量方法被应用于金融风险传染实证研究之中，比较流行的研究方法主要包括相关系数法、以VAR方法为基础的协整、格兰杰因果检验等传统数理统计方法，尽管这些方法取得了较好的实证结果，但这些方法均是从线性视角研究不同金融市场间风险传染关系，因而也就无法对非线性的金融风险传染进行准确描述。相比上述方法，Copula模型不仅能有效解决上述问题，还尤其善于刻画不同金融市场之间的极端风险传染[2]。
Copula函数主要包括对称性的椭圆型Copula函数和非对称的阿基米德Copula函数两种类型，而金融风险传染常常呈现出非对称特征，所以阿基米德Copula函数受到了学者们的普遍青睐。阿基米德Copula函数包括Gumbel-Copula函数，Clayton-Copula函数和Frank-Copula函数。虽然Gumbel-Copula函数能够捕捉上尾相依关系，却无法捕捉下尾相依关系；Clayton-Copula函数能够捕捉下尾相依关系，却难以捕捉到上尾相依关系；而Frank-Copula函数只能刻画对称两尾的相依关系。如果单单使用一种Copula函数，很难准确描述金融市场之间的尾部相依关系。混合Copula函数虽然能够准确地描述金融市场之间非对称的上下尾相依性，但目前的绝大多数实证研究都是假设金融风险传染关系在研究样本范围内保持不变 [3]。事实上，金融市场之间的传染关系更应该被描述为随着外部环境的变化而产生波动 [4-7]。因此，本文在构造由Gumbel，Clayton，Frank构成的混合Copula的基础上，加入时变相关特征，力求对金融市场之间动态的尾部相依关系进行更为准确的描述。
需要指出的是，对金融市场间传染关系研究通常建立在金融收益时间序列上。金融收益时间序列又常常存在尖峰、厚尾、条件异方差等典型事实[8]，因此运用Copula模型对金融市场传染分析之前，必须消除上述典型事实对随机变量本身动力学特征的影响。同时考虑到学生t分布相比正态分布能更好拟合厚尾特征，因此本文运用GARCH-t模型对金融收益时间序列进行处理。
综上所述，针对金融市场普遍存在非正态性、尖峰、厚尾和条件异方差等典型事实，应用GARCH-t模型对边缘分布进行建模，得到“干净”蕴含波动率本源动力学特征的标准残差；再运用由Gumbel、Frank、Clayton构成的时变混合Copula分析香港、台湾和内地股票市场之间的传染效应，并着重分析代表不同市场同时急剧上涨和急剧下跌的尾部传染关系。
迄今为止，已有一些国内外相关学者对金融市场之间的尾部相关结构和风险传染效应进行了研究。吴恒煜等使用四种不同Copula对组合信用风险进行了度量 [9]；韦艳华、齐树天以内地、香港、日本、泰国等亚洲几个重要的经济体为研究对象，将Copula理论应用于它们之间的风险传染分析之中[2]；闫海梅和王波运用三种Copula函数，分别对我国证券市场三种最主要的股票指数之间的尾部相关关系进行了分析[10]。易文德将关注点放在股票指数和日交易量之间的相关关系，结合ARMA、GARCH和Copula模型对尾部进行了分析[11]。虽然以上研究已经取得了较好研究成果，但大多仅仅只是进行了静态研究，并未对金融市场风险传染时变特征展开分析，也较少有文献运用时变混合Copula进行研究，尤其是极少有文献对股市极端风险尾部传染关系进行深入细致分析。
最后，与已有的研究相比，本文的创新性在于：（1）应用由三种不同阿基米德Copula函数组成的混合Copula函数对金融市场间非对称传染结构进行描述，不仅如此，还构建了具有时变特征的时变混合Copula模型，使刻画的金融市场间传染关系更加准确和更加符合实际运行情况；（2）金融市场间同时急剧上涨和急剧下跌会造成经济的剧烈震荡，因此，本文着重分析了代表股票市场之间极端风险传染的尾部相关关系。（3）以大中华区内香港、台湾、内地股票市场为研究对象，对他们之间的尾部风险传染关系进行了深入分析，这对于加强大中华区内区域间经济合作、防范区域间金融风险传染具有极大的参考价值。
1 研究方法
1.1 典型事实约束条件下不同金融市场边缘分布建模方法
由于金融收益序列通常呈现出非正态性、尖峰、厚尾、条件异方差等典型事实特征，它们不仅不能被有效市场理论所解释，而且广泛存在不同金融市场之中。Cont指出，对金融收益进行建模时，将典型事实纳入到研究框架下的波动率动力学特征刻画才是准确、有效的[12]。
由于金融资产收益率的波动具有明显的异方差性，因此，本文使用相比ARCH所需阶数更小的GARCH模型对动态方差进行建模分析。GARCH（p，q）模型如下：
（1）
其中， 为条件方差。
在早期的研究中，金融收益序列的刻画大多以正态分布为基础而展开的。但在实践中，金融收益序列的经验分布常常呈现尖峰、厚尾等特征，如果运用高斯正态分布假设的GARCH模型来刻画金融收益序列的条件边缘分布，势必会出现偏差，得到的实证结果也将值得怀疑。大量实证研究结果表明，与正态分布相比，学生t分布能够更好对金融收益序列的厚尾特征进行刻画。因此，本文采用GARCH-t模型对金融收益序列进行建模，消除尖峰、厚尾等典型事实特征的影响。
1.2 基于典型事实的时变混合Copula函数的构造
Copula相关理论最早由Sklar提出[13]。1959年，Sklar将一个联合分布拆分为n个边缘分布和一个描述边缘分布之间相关结构的Copula函数。运用Copula函数，能够在不考虑单个金融市场边缘分布的情况下，研究各个资产间的相关结构或相关模式，为准确刻画金融市场间传染关系的多元分布函数提供了解决办法。
正如引言中所述，Copula函数主要包括两种类型，椭圆Copula函数族和阿基米德Copula函数族。椭圆Copula函数族包含高斯Copula函数、t-Copula函数，阿基米德Copula函数族包含Gumbel-Copula函数、Clayton-Copula函数和Frank-Copula函数。由于椭圆Copula函数族只能刻画金融市场之间对称的相依关系，而阿基米德Copula函数族既能够刻画金融市场对称又能够刻画不对称的相依关系，因此，这里主要介绍阿基米德Copula函数模型。它们的特点如下：
（1）Gumbel-Copula函数的函数表达式为
（2）
Gumbel函数具有不对称性，且上尾高于下尾，即Gumbel能够刻画金融市场间的上尾相关关系，但较难刻画市场间的下尾相关关系。也就是说，在金融市场急剧上涨的情况下，Gumbel能较好地刻画相关关系，但在急剧下跌的情况下，它不能准确地刻画相关关系。
（2）Clayton-Copula函数的函数表达式为
（3）
Clayton函数也具有不对称性，但其下尾高于上尾，即Clayton能够刻画金融市场间的下尾相关关系，而较难刻画市场间的上尾相关关系，这恰好与Gumbel函数的分布相反。也就是说，在金融市场急剧下跌的情况下，Clayton能较好地刻画相关关系，但在急剧上涨的情况下，它不能准确地刻画相关关系。
（3）Frank-Copula函数的函数表达式为
（4）
Frank函数具有对称性，即Frank能够刻画金融市场间对称的两尾相关关系，但较难刻画市场间的非对称结构。
以上三种阿基米德Copula函数各有优劣，为了更加全面、准确地刻画金融市场间的相关关系，本文运用阿基米德Copula函数中Gumbel-Copula函数、Clayton-Copula函数与Frank-Copula函数组成混合Copula函数，对金融市场间的传染效应进行拟合。混合Copula函数的表达式为：
（5）
其中， 表示Gumbel-Copula函数， 表示Clayton-Copula函数， 表示Frank-Copula函数， 表示三种Copula函数的权重， ，相依性参数 。
金融市场的相依关系并非是静止的，它可能会随着外部经济环境的改变而呈现出不同的状态，因而需要建立动态的Copula函数来刻画金融市场间的相依关系。Patton最早提出了时变Copula函数的概念[14]，也就是在Copula函数中引入时间参数。随后，Patton将时变Copula函数概念进一步完善[15]，令参数随着时间作动态变化，其函数表达式为：
（6）
其中，函数 是逻辑转换函数，其目的是为了确保相依性参数 一直在（-1，1）区间内。 ， 是由原序列进行概率积分变换后得到的标准收益序列。
1.3 金融市场极端风险传染测度方法
金融市场的极端风险（急剧上涨或急剧下跌）发生的概率很小，一旦发生投资者将承担过大的风险，甚至面临灭顶之灾。因此，与股票市场上平时的波动相比，投资者更关注股票市场极端风险的发生。在金融分析中，尾部系数通常用来描述金融市场极端风险发生的概率，因此本文将利用尾部相关系数分析股票市场间的尾部传染关系。
这里引入条件概率 ，它反映了当 时， 的概率，即一种资产价格高涨后，另一种资产价格高涨的概率。
设X，Y为两个随机变量，其分布函数的形式分别为F和G，则X和Y的上尾相关性和下尾相关性可分别定义为： ， 。其中 ， 。如果 或 存在且 或 ，那么X与Y具有上尾或下尾相关性，如果 或 ，那么X与Y在上或下尾独立。结合尾部相关系数的定义和Copula函数的定义，得到尾部相关系数的Copula表示形式：
（7）
（8）
2 实证分析
2.1 样本选取与说明
本文取恒生指数、台湾50指数、沪深300指数每日的收盘价为样本数据，分别代表香港地区、台湾地区和中国内地股市状况。选取样本时间段为2003年1月1日至2014年5月1日，恒生指数共3537个收盘价数据，台湾50指数共2859个收盘价数据，沪深300指数共2987个收盘价数据。由于三个股票市场的休市日期不同，因此需要对数据作简单的匹配处理。在剔除不匹配数据后，得到2609组收盘价数据样本。
2.2 描述性统计分析
用 表示第t日的收盘价，通过 得到对数收益率，并对收益率进行波动状况分析和描述性统计分析，分析结果如表1所示。从表中可以看出，在样本观察期内，恒生指数，台湾50指数，沪深300指数的收益序列呈现出明显的尖峰厚尾特点，且具有非正态性和异方差性。
2.3 边缘分布参数估计与检验
由于收益率有自相关性、异方差性等典型事实的存在，因此在运用Copula模型对收益序列建模之前，需要运用模型对金融收益序列进行处理，消除上述典型事实的影响，得到标准收益序列。本文运用GARCH-t模型对恒生指数、台湾50指数和沪深300指数收益率分别建模，并对积分转换后的标准残差进行K-S检验。模型的参数估计及检验结果如表2所示。
注：括号内为边缘分布模型参数υ、ω、α、β的p值。
如上表所示，表中K-S统计量值均大于K-S判断值，表明变换后的各收益序列均服从（0，1）的均匀分布。这说明GARCH-t模型的应用，能够充分地刻画以上各序列。
2.4 尾部相关性分析
通过运用GARCH模型对边缘分布进行建模，得到了消除典型事实影响后的标准收益序列。因此，我们可以运用由Gumbel、Frank、Clayton构成的时变混合Copula模型来描述大中华区内香港、台湾、内地股票市场之间的尾部相依关系。
与股票市场平时的波动相比，投资者通常更加关注当极端风险发生时，股票市场之间的相关程度。因此我们利用上尾相关系数和下尾相关系数刻画香港、台湾、内地股票市场两两之间的尾部相关性。上、下尾相关系数的变化情况如图1、图2、图3所示。
（a）HSI-CSI300上尾
（b）HSI-CSI300下尾
图1 香港股市与内地股市的尾部相关系数
图1为香港股市与内地股市的尾部相关系数图，可以看出，香港股市与内地股市的上尾相关系数在0.35左右波动，且没有呈现出明显上升或下降的趋势。我们惊讶发现，下尾相关系数较上尾相关系数低，大多在0.18-0.24之间波动，这与以往国际股票市场风险传染的特性不相符。另外，在样本1000-1800期间内，两地股市间的下尾相关系数稳定在一个较高的值，这恰好与2007年7月次贷危机爆发、2009年12月欧债危机爆发的时点相吻合，这说明在危机期间，香港股市与内地股市之间的相关性增强，出现同时急剧下跌的可能性较大，对于内地投资者来说，应尤其注意在危机时期来自香港股市的风险传染。
（a）HSI-TW50上尾
（b）HSI-TW50下尾
图2 香港股市与台湾股市的尾部相关系数图
图2为香港股市与台湾股市的尾部相关系数图，可以看出，香港股市与台湾股市间的上尾相关系数在0.15到0.25之间波动，波动幅度剧烈。下尾相关系数较上尾相关系数小，在0.1到0.2之间波动，趋势变化较大，时变性强。另外，从样本1000开始，两地股市的下尾相关性在逐渐增强，这恰好与2007年次贷危机爆发的时点相吻合，这说明，国际金融危机的爆发会使香港股市与台湾股市之间的风险传染的可能性增大。从整体上来说，随着时间的变化，两地股市的尾部相关系数有着一定程度的上升。因此，我们可以认为，香港股市与台湾股市的相关性在逐渐增强。
（a）CSI300-TW50上尾
（b）CSI300-TW50下尾
图3 内地股市与台湾股市的尾部相关系数图
图3为内地股市与台湾股市的尾部相关系数图，可以看出，内地股市与台湾股市的上尾相关系数大多在0.06到0.16之间波动，较前两组市场的上尾相关系数小。下尾相关系数与上尾相关系数的数值差异不大，在0.05到0.15之间波动。我们可以认为内地股市与台湾股市的风险联系较弱。
值得注意的是，内地股市与台湾股市的尾部相关性呈现出周期性变化。每隔400个样本，也就是每隔2年左右的时间，两地股市的尾部相关系数会出现一次周期性波动，且上尾相关系数与下尾相关系数的周期性波动大致相同。在样本2003年1月至2014年5月期间内，共发生了7次周期性波动。
从上述分析中我们可以看到，除内地股市与台湾股市之间的上下尾系数基本一致外，另外两个股票市场两两之间的尾部相关结构均呈不对称，其上尾相关性均高于其下尾相关性，这与以往国际股票市场风险传染的特性不相符。原因可能是中国内地股票市场尚处于发展的进程中，资本开放的深度较小，因此利好消息对股市的影响略大于利空消息对股市的影响。
3 结论
本文针对金融市场普遍存在异方差、波动聚集性、尖峰和厚尾等典型事实，应用GARCH-t模型对边缘分布进行建模，得到“干净”蕴含波动率本源动力学特征的标准残差；考虑到不同市场间存在非对称的传染效应，运用由Gumbel、Frank、Clayton构成的时变混合Copula分析大中华区中内地、香港、台湾股票市场之间的传染效应，尤其关注代表不同市场同时急剧上涨和急剧下跌的尾部传染关系。通过实证研究分析，得到以下一些有价值的研究结论：
（1）香港股市与内地股市之间的尾部相关系数较大，尾部相关性强，表明两地股市之间风险传染的可能性较大。但我们惊讶发现，香港股市与内地股市之间的上尾相关性高于下尾相关性，即两地股市同时上涨的概率高于同时下跌的概率，这与国际股票市场风险传染的特性不相符。并且在次贷危机和欧债危机期间，香港股市与内地股市之间的的下尾相关性较大，说明在危机期间，两地股市风险传染的可能性增大，对于内地投资者来说，应尤其注意在危机时期来自香港股市的风险传染。（2）香港股市与台湾股市之间的尾部相关性随着时间的变化，呈现出上涨的趋势，说明两地股市之间风险传染的可能性在逐渐增大。因此在作投资决策时，投资者应注意优化资产配置，调整资产组合中所持香港股票和台湾股票的比例，以达到控制风险的目的。（3）内地股市与台湾股市之间的尾部相关性较小，尽管表明两地股市之间发生金融传染的可能性不大，但也说明内地与台湾之间的经济联系有待于进一步加强，应更大力度推进两岸间经济交流与融合。值得注意的是，内地股市与台湾股市之间的尾部相关性呈现出周期性波动，其波动周期大约两年。这种情况在以前的研究中未曾出现过，值得在以后的研究中进行深入分析原因以及周期特征。
参考文献
[1]杨竹清，刘少波.境外股东持股对中国股市风险的影响研究[J].软科学，2013，27（5）：75-79.
[2]韦艳华，齐树天.亚洲新兴市场金融危机传染问题研究―基于Copula理论的检验方法[J].国际金融研究，2008：22-29.
[3]Muns S.Measuring and Explaining Systemic Risk with Stock Prices[R].Working Paper， Erasmus University Rotterdam，2011.
[4]Bartram S， Taylor S， Wang Y. The Euro and European Financial Market Dependence[J].Journal of Banking&Finance，2007，31（5）：1461-1481.
[5]Rodriguez J C. Measuring Financial Contagion： A Copula Approach[J].Journal of Empirical Finance，2007，14（3）：401-423.
[6]Hafner C M， Manner H. Dynamic Stochastic Copula Models： Estimation， Inference and Applications[J]. Journal of Applied Econometrics，2012，27（2）：269-295.
[7]王永巧，刘诗文. 基于时变Copula的金融开放与风险传染[J].系统工程理论与实践，2011，31（4）：778-784.
[8]林宇.典型事实―极值理论与金融市场动态风险测度研究[J].投资研究.2012：41-56.
[9]吴恒煜，李冰，严武.投资组合信用风险的测度和优化――基于Copula理论 [J].软科学，2010，24（10）：128-133.
[10]闫海梅，王波.沪深300指数与沪深股市尾部相关性分析[J].数学的实践与认识，2010，40（22）：50-55.
[11]易文德.基于ARMA-GARCH-COPULA模型的交易量与股价波动相依关系[J].系统管理学报.2012，21（5）：696-703.
[12]Cont. Empirical properties of assets returns： Stylized facts and statistical issues[J]. Quantitative Finance， 2001，（1）：223-236.
[13]Sklar， A. Fonctions de repartition à n dimensions et leurs marges [J]. Publ. Inst. Statistique Univ. Paris， 1959， 8： 229-231.
2010年前三季度我国CPI同比上涨2.9%，其中涨势最多有的食品上涨6.1%，居住上涨4.1%，医疗保健及个人用品上涨2.9%。其中，9月份CPI同比上涨3.6%。9月末，广义货币供给量(M2)和狭义货币供应量(M1)余额分别为69.6万亿元和24.4万亿元，同比分别上涨19.0%和20.9%。金融机构人民币各项贷款余额46.3万亿元，比年初增加6.3万亿元。10月份，CPI更是同比上涨了4.4%，环比上涨0.8%，超出了4%左右的先前预期。与前几个月相比，食品价格依然是领涨领域，涨幅达10.1%。其中，蔬菜价格上涨31%，水果上涨17.7%。整体通胀水平创近年来历史新高。 此次价格的上涨主要由食品价格推动，但分析人士指出，近期CPI的高企不再只是单纯的食品价格的单轮驱动，而成为食品和非食品的双轮驱动。食品价格的上涨气候因素。对于非食品物价上涨主要源于供给减少，出现准滞涨式上涨。另外，人民币升值的预期和美国第二轮的量化宽松的美元政策，加速了游资和热钱向国内的流入，给我国的通胀形成巨大的潜在威胁。针对可能引发的通货膨胀，今年以来央行连续四次上调存款准备金率，大型银行18%的存款准备金率已超过了历史最高点，一般金融机构的存款准备金率将达到17.5%，与2008年历史最高点持平，被采用差别存款准备金率的6家银行也提高至18%。10月20日，央行年内首次加息。央行的数次紧缩调控表明货币政策趋于回归常态。10月份，人民币新增贷款5877亿元，环比下降2.11%。刚刚结束不久的中央经济工作会议已定调明年的货币政策将由持续了两年的适度宽松转向稳健。这也表明应对通胀压力确实已经成为政府未来几个季度的调控重点。因此，研究信贷调控的通货膨胀效应对于把握政策制定方向、促进经济稳健发展具有重要的现实意义。 一、银行信贷与通胀关系的理论分析 目前外国学者对于信贷和通货膨胀的之间关系的研究主要基于以下角度。 (一)从货币政策的信贷渠道进行研究。该理论认为货币政策可以通过银行信贷对实体经济产生显著影响。KentMattheews和ChrisIoannidis(1997)构建了通货膨胀的向量自回归模型，发现信贷增长会对通货膨胀产生影响，不同的是虽然信贷的增长在短期内会带来通货膨胀的波动，但长期来看信贷量并不是通胀的决定因素。［1］MoritzSchularick和AlanM.Taylor(2009)论证了信贷对于宏观经济的稳定性起到重要作用，信贷的过快增长，将会带来通胀风险。［2］但是，也有学者提出了不同的看法，MichaelHume和AndrewSentence(2009)认为信贷的增长并不经常性的与通货膨胀之间存在关联。［3］ (二)从信贷周期和通货膨胀周期的角度研究二者之间的关系。Rajan(1994)提出了银行家具有羊群效应行为。该理论建立在行为金融学的基础上，它指出当经济分别出现向上和向下波动时，有限理性的银行家会出现依据这种形势分别作出群体性多贷和群体性惜贷的行为，从而形成信贷周期，信贷周期又加速了物价水平的上下波动，进而导致实体经济周期性的上涨和下跌。［4］KatalinMero(2002)基于信息不对称理论提出，商业银行信贷行为具有顺周期性特征。他指出经济比较活跃时，商业银行更多地相信借款人的还款能力，相信贷款违约的可能性会很低，从而更加倾向于扩张其信贷规模，使得本来有一定风险的项目也能得到贷款，可能导致整体宏观经济的扩张，引起通货膨胀周期性的波动。［5］ 目前我国学者对信贷和通货膨胀之间关系的研究主要从以下几个方面展开。 (一)从货币政策的信贷传导渠道角度考察货币政策变量和通货膨胀率的关系。代表性的文献有潘敏，缪海滨(2009)，他们通过2005–2009年月度数据，引入信贷量、M2、一年期贷款利率、人民币实际汇率、上证指数等变量，运用VAR方法全面考察了其对CPI的影响程度，他们认为上一期通胀预期是本期通胀的主要原因，银行信贷，M2，利率和上证指数对通胀影响均较小而汇率的冲击对通胀产生较大影响。［6］类似研究还可见于段瑞君(2008)［7］，她与潘敏等人的研究不同之处在于指标选择上采用银行间同业拆借利率，资产价格的变量为股票交易量，运用状态空间和脉冲响应函数方法肯定了汇率和货币供应量是导致通胀上升的主要原因，同样认为利率和股票交易额对通胀影响不显著。 (二)从信贷规模角度研究其对通货膨胀的影响。该类文献着重考察信贷量的上升在短期和长期分别会对通货膨胀产生怎样的影响。代表性的文献可见于章晟、李其保(2009)［8］，他们运用VAR模型对1998－2008年的季度数据进行实证检验，结论肯定了信贷对通胀的长期影响但短期内影响较小。其他学者的文献也支持了这一观点，所不同的是不同的学者对于信贷对通货膨胀影响的滞后期存在分歧，这可能是源于所选取的样本不同，但学者们普遍赞成信贷量的增长至少要滞后一年才能对通货膨胀率产生显著的影响。根据以上的分析可以发现，一方面，目前对于信贷对通胀影响的研究多集中于存量的视角，还没有学者从信贷增量的视角研究其对通货膨胀的影响;另一方面，考虑到我国信贷投放对于实体经济的影响巨大，研究信贷周期变化和通胀周期变化之间的关系显得极为重要，而国内学者在这方面还缺乏系统性的研究，所以本文力求从以上两个角度进行深入研究。 二、信贷量与通胀率的关系在我国的实证检验 (一)变量指标与样本数据的选取 本文主要从增量变化和周期变化的视角来考察信贷量与通货膨胀率的关系，以此来判断信贷传导渠道对当前我国的通货膨胀现象可能存在的影响，并着眼于如何透过信贷调控政策来防范高通胀风险。本文选择贷款总量作为信贷量的变量，选择消费价格指数作为通货膨胀率的变量，样本的选择范围是2001年1月至2010年8月，均为月度数据。考虑到消费价格指数的原始数据是同比数据，故以2001年1月的数据为定基调整为定基比数据，调整后的数据图具有明显的时间趋势特征。同时从时间序列图中还可发现变量均存在季节效应，故本文选择X12方法去除季节效应，并对数据做差分变换，得到的数据即可表示本期值与上一期值的差，也即各变量的增量值，将变换后的变量名分别设为LOAN(信贷增量)，CPI(通货膨胀率增量)。信贷总量的原始数据来源于巨灵金融数据库，消费价格指数的原始数据源于湖北省统计局。统计分析采用Eviews5.0计量软件。#p#分页标题#e# (二)实证模型 由于一般的多元回归模型无法有效反映自变量对应变量的影响程度，本文选择向量自回归模型(VAR)作为主要模型。VAR模型的实质是考察多变量之间的动态互动关系，通过脉冲响应函数和方差分解方法可以看出各变量的冲击值对通货膨胀的影响程度。一个P阶的VAR模型可定义为:。其中:C代表(N1)维的常数向量，表示(NN)维的自回归系数矩阵，代表(N1)的向量白噪音。因此，构建VAR－CPI模型，检验上述变量与通货膨胀率之间的关系。 (三)实证分析 1.信贷增量与通货膨胀率的关系分析 (1)变量的平稳性检验及模型最优滞后期选择 格兰杰因果关系检验是判别VAR模型中变量内生性的必备条件，不存在协整关系的非平稳变量不能进行格兰杰因果关系检验。上述变量具备明显的趋势特征，属于非平稳变量，经过有限次差分后将其转化为平稳变量。检验结果如表1所示。由上表可见，信贷量的增量和通货膨胀增量均是平稳变量。同时通过VAR最优滞后期检验可以发现，除LogL统计量外。其他检验统计量均认为最优滞后期为3期，根据多数原则，故选择3期作为模型的滞后期。模型的AR根全部落在单位圆内部，表明VAR模型特征多项式的特征根的倒数均小于1，模型是稳定的。最后进行协整关系检验可知在5%临界水平上存在协整关系。由此满足了非平稳变量进行格兰杰检验的所有条件。 (2)格兰杰因果关系检验 由于VAR模型不以经济理论为依据建模，格兰杰因果检验就成为了模型中变量内生性判别的重要依据。以上各变量的格兰杰检验结果见表2。由上表可知，信贷增量仅在10%的显著性水平上是通胀增量的格兰杰原因，而反过来，通胀增量在5%的显著性水平上即是信贷量的格兰杰原因。这说明，两变量之间均存在关联性，作为内生变量加入模型均可显著提升另一变量的解释力和预测精度。 (3)脉冲响应函数分析 在格兰杰因果关系的基础上，可以进一步得到信贷增量对通胀增量的脉冲响应函数，脉冲响应函数结果见下图1，实线为给自变量一个冲击后，应变量的变化轨迹，虚线是两倍标准差范围。由下图我们可以发现，在第一期给信贷增量一个冲击后，通胀增量在前两期会快速下降，在第2期会到达最低值，随后呈现快速上升趋势，约在第4期达到峰值，此后呈现震荡收敛的趋势。总体来看，信贷增量的变化对通货膨胀率增量的正向影响明显大于负向影响，从影响的力度来看，前10期的影响力度明显高于10期以后的影响力度，从影响的时间来看，信贷增量的冲击值带来的通胀增量的响应时间约要持续35期左右才会消除。以上分析表明，宽松的信贷政策所带来的通货膨胀效应不可忽视，短期内，信贷投放量的逐月增大虽然不会立刻带来通胀增量的显著变化，但是长期来看，将会导致通货膨胀率的上升。 (4)方差分解分析 脉冲响应函数仅定性的分析了变量之间的关系，无法判断每一个结构冲击对内生变量变化的贡献程度。而方差分解则较好的弥补了这一缺陷，它可以提供每个扰动因素影响VAR模型内个变量的相对程度。表3显示了通胀增量的方差分解结果。从通货膨胀率增量的方差分解结果来看，通胀增量的自身冲击是其方差的主要来源，说明我国物价上涨的动力主要源于市场对物价上涨的预期，信贷增量的影响虽然呈上升趋势，但是其影响力度较小，信贷扩张并不是物价长期上涨的主要驱动因素。 2．信贷周期性波动对通货膨胀波动的非对称性影响 (1)非对称冲击效应理论 金融市场的运行实践表明，许多时间序列的现期方差与前期的“波动”有关系，Engle(1982)将描述这类关系的模型称为自回归条件异方差(ARCH)模型，为解决ARCH模型中的解释变量之间的多重共线性问题，Bollerslev(1986)提出了广义自回归条件异方差(GARCH)模型，随后该模型被广泛应用于金融时间序列分析。TARCH或者门限ARCH(ThresholdARCH)模型由Zakoian(1990)和Glosten，Jagannathan，Punkle(1993)提出，这个模型中条件方差被设定为δ^21=ω+αμ^2t－1+γμ^2t－1di－1－βδ^2t－1，式中:dt－1是一个虚拟变量，当μ^2t－1＜0时，dt－1=1;否则，dt－1=0。只要γ不等于零，就存在非对称效应。 (2)相关数据处理 由于银行信贷的环比规模是逐年递增的，为了体现信贷规模变动的周期性，本文采用银行信贷的同比数据，其数值变化的大小可以体现信贷周期的波动。由于数据的可得性，本文所采用的数据范围是2001年1月至2010年10月。从上图可以注意到波动的“成群”现象，波动在一段时间内非常小，在其他一段时间内非常大，这说明误差项可能具有条件异方差性，下面进一步地进行ARCHLM检验:通过ARCH检验发现，在5%的显著水平下拒绝原假设，存在高阶ARCH，即存在波动积聚效应。对通货膨胀率进行T－GARCH检验发现，通货膨胀率波动存在非对称效应，如下:方差方程为:δ^21=0．44+1．17μ^2t－1+0．17μ^2t－1+0．17μ^2t－1－0．14δ^2t－1，在TARCH模型中，杠杆效应项的系数γ=0.17，说明通货膨胀的波动具有“杠杆效应”，通货膨胀对紧缩的信贷条件比宽松的信贷条件更敏感。适度的信贷扩张，可以促进经济的增长并带来较小程度的物价上涨，而紧缩的信贷调控则可以有效抑制通货膨胀的恶性发展，是解决通货膨胀和经济增长两难问题的有效手段。 结语 本文以宏观经济金融环境为背景，基于传统的信贷观理论，运用计量经济学的VAR模型方法，从两个角度来实证检验了信贷与通货膨胀之间所隐含的关系，其一是从增量变化的视角考察信贷量与通货膨胀增量之间的关系，其二是从事物的时间属性方面分析信贷周期波动对通胀周期波动的影响。通过对实证检验结果的分析，可以得知:#p#分页标题#e# (一)总体来看，信贷增量的变化对通货膨胀率增量的正向影响明显大于负向影响，两者存在明显的相关关系，信贷的扩张会引起通货膨胀率非平稳增长，超过人们的正常预期，在极端情况下，可能引致恶性通胀。 (二)在稳健的货币政策下，宽松的信贷政策所带来的通货膨胀效应不可忽视，短期内，信贷投放量的逐渐增加虽然不会立刻带来通胀增量的显著变化，但是长期来看，仍然会导致通货膨胀率的上升。通货膨胀的波动具有“杠杆效应”，通货膨胀对紧缩的信贷条件比宽松的信贷条件更敏感。在治理通胀时，紧缩信贷调控效果显著适度放宽信贷条件，保持合理的通胀水平可以促进经济增长。 (三)通货膨胀预期对通货膨胀自身的影响显著，我国物价上涨的主要动力主要源于市场对物价上涨的预期，信贷增量的影响虽然呈上升趋势，但是其影响力度较小，说明信贷扩张并不是物价长期上涨的主要驱动因素。 根据本文的研究成果结合现实情景，08年金融危机爆发以后，政府采取积极财政政策和宽松的货币政策来挽救岌岌可危的经济形势是关键性的抉择，其货币政策效应透过银行的信贷渠道对缓和经济金融内部矛盾发挥了至关重要的作用，使中国不致在危机的泥潭中积重难返，有足够的支撑力渡过难关。不久前的中央工作会议已定调明年的货币政策将转向稳健，这也证实了国家对当前全面通胀危机的深刻认识和高度警惕。据此，我们可以从相关方面进行努力: (一)在制定货币政策时，政府要重视银行信贷渠道对宏观经济的间接调控作用，完善信贷管理体制和投向机制。银行自身要关注增量变化，分析增量来源的安全性与流出的风险性，合理引导信贷资金流向实体经济，优化信贷结构，加强对中小企业和有发展前景企业的金融支持;关注资产价格与股市泡沫，防范信贷增加引发的流动性过剩和投机泛滥风险，谨防物价高涨与通货膨胀;强化风险管理，降低银行的不良贷款率，缓解金融体系的脆弱性。 (二)实施有效的通货膨胀预期管理，由于物价持续上涨造成居民恐慌并对未来的通胀率预期较高，加上工资的上涨远比不上物价上涨的幅度，老百姓的基本生活成本不断提高，生活压力和危机感显著增加，这种状况下政府需要明确表达政策动向来安抚民心，遏制恐慌势头，减少老百姓不必要的担忧，处理好涨价源头，维护社会生活的稳定。 (三)在宽松的信贷条件下，要警惕货币信贷量的投放泛滥，加强对信贷量的监控，保持合理的信贷规模，避免经济高通胀风险，万事过犹不及，周而复始地濒临危机会增添金融体系的脆弱性;一旦面临恶性通货膨胀，紧缩的信贷政策效果趋强，政府需要及时控制价格扭转全局，牢牢把握紧缩信贷调控的政策力度，防止信贷过度收缩造成投资资金短缺。因此，政府须重视对信贷周期性的管理，熨平信贷周期，消除预期归一化的形成，减少银行贷款市场上的羊群效应。
一、文献综述
自2003年初，中国经济已逐渐摆脱通货紧缩的束缚，但随之而来的通货膨胀压力却日益增强，其加速上升的势头似乎大大超出了人们的预期。反映通货膨胀的经济指标居民消费价格指数（CPI），2007年7月份同比上涨5．6%,月环比价格上升0．9%，创造了近十年来最高纪录。与此同时，货币供给量也在高速扩张，2007年6月份的M2比上年同期增长17．06%，M1增长20．92%。经济理论与国内外经验告诉我们，当货币供给量扩张非常快的时候，或迟或早会产生通货膨胀压力。
因此，分析这一轮的通胀压力原因就显得很有必要。近年来，中国外汇储备增长迅速，在强制结汇制度下，巨额外汇占款便成为众矢之的。大多数学者将通胀压力归于增长异常的外汇储备。周浩、朱启贵（2006）运用多变量向量自回归模型的协整分析方法与向量误差修正模型对我国外汇储备与物价指数之间的关系进行了协整检验，结果表明外汇储备与物价指数之间存在着正相关关系，且长期内存在着稳定的均衡关系，外汇储备每增加1%，价格指数上涨0．09%。[1](44-49)吴晓灵（2007）在第三届中国金融年会论坛上指出：“构成物价上涨压力的因素包括当前投资、信贷回落的基础还不稳固，国际收支不平衡等因素”。[2]安佳（2005）认为，2004年我国物价指数的升幅为4．7%，从数字上尚且不足考虑，但是这个数字是中国政府采取了多种调控手段的结果，尤其是中央银行通过大规模的公开市场业务操作使货币回笼；实际上这种控制政策下的价格稳定并不表示价格上涨压力的减轻。[3](43-45)
国家发改委与国家统计局侧重分析CPI构成，认为目前的物价上涨主要是结构性上涨，即物价上涨主要由食品价格上涨所推动。国家统计局（2007）发言人认为，近期国内肉禽及其制品、蛋类价格上涨的主要原因主要是粮食价格上涨，其他商品价格上涨并不突出。[4]国家发改委（2007）则进一步指出食品价格上涨的主要原因有三个：国际市场价格的带动、生产成本推动与供求结构失衡。[5]商务部部长助理黄海（2007）认为，“此次猪肉价格上涨，最根本的原因是猪肉供不应求。我国生猪以散养为主，由于信息传导不畅，经常发生“供不应求”和“供大于求”交替出现的周期性波动”。[6]
同时也有一些专家对目前的物价上涨表示了担忧。唐震斌（2007）认为虽然本轮物价上涨是由食品价格引发的，但其中包含了经济增长较快、货币投放过多、投资反弹压力较大、城乡居民收入上升、消费增速加快等诸多因素。[7]
二、理论分析与模型设定
（一）我们的观点
我们认为推动这次物价上涨的最直接因素是食品价格大规模上涨，但中国经济高位运行所释放出来的通货膨胀压力不容忽视。从2003年开始，我国经济进入了新一轮的景气周期，驱动经济增长的内生动力非常强劲，投资、消费、出口三大需求全面升温。如此高的经济增长速度必将刺激社会总需求上升，推动物价上涨。
表1描述了近期中国经济指标。实际国内生产总值增长率2007年第2季度同比上升了11．9个百分点，创造了10年来的最高纪录。规模以上工业增加值也不断攀升，2007年6月份同比提高了19．4个百分点。从需求角度看，驱动经济增长的主要因素还是投资。2007年上半年，全社会固定资产投资54168亿元，同比增长25．9％，增速比上年同期回落3．9个百分点。虽然同比增幅有所下降，但仍保持在较高的增长平台上，而且投资反弹的趋势比较明显，其中，6月份城镇固定资产投资同比增长26．7％，增速较1－5月份提高2．4个百分点。消费需求的表现也非常强劲。上半年，我国实现社会消费品零售总额42044亿元，同比增长15．4％，增速比上年同期加快2．1个百分点，增幅为1997年以来的新高。出口依然是拉动我国经济增长的主要动力之一。2007年6月份出口额达到了1032．7亿美元，顺差为269．1美元。
因此，我们有理由认为需求过热是推动这次物价上涨的重要因素，必须引起高度重视。如果食品价格上涨与其它商品价格上涨形成叠加效应，那么将会产生全面价格上涨的通胀风险。
（二）建立VAR模型
为了更好检验这一看法，我们将建立VAR模型从实证角度进行检验。基本模型设置如下：
inflation=f(y)=f(c+i+g+nx)②
其中，inflation代表通货膨胀，y代表国民收入，c代表消费，i代表投资，g代表政府购买，nx代表净出口。在这里我们不考虑政府购买对通货膨胀的影响，所以模型可以简化为：
inflation=f(c+i+nx)
对通货膨胀的衡量目前还没有很好的经济指标，我们用居民消费价格指数（cpi）来代替；消费用社会消费品零售总额来衡量（tc）；对于投资的指标，理论上用全社会固定资产投资额来衡量最为准确，但局限于数据的可得，我们用城镇固定资产投资额（ui）来代替，所以模型变为：
cpi=f(tc,ui,nx)
为了消除异方差，将各个变量取对数，显然这并不影响我们的分析。由经济理论可知，社会消费品零售总额、城镇固定资产投资与净出口对居民消费价格指数求偏导都应大于零，即：
（三）数据说明③
本文选取了2005年1月―2007年6月的月度数据作为研究样本，其中居民消费价格指数（CPI）、城镇固定资产投资（ui）与社会消费品零售总额（tc），2006年以后的数据来自国家统计局公布的月度数据，2005年的数据来自路透网。净出口（nx）的月度数据来自Wind资讯数据库。
三、计量分析与检验
（一）序列的平稳性检验
VAR建模方法要求时间序列必须是平稳的或者是同阶非平稳时间序列，所以在建模之前需要检验时间序列的平稳性。我们分别用扩充迪基―富勒（Dikey-Fuller）检验（ADF）与Phillops-Perron检验（PP）检验各时间序列的平稳性。表2中给出了本文中用于计量分析的各序列单位根检验结果。两种检验结果均显示lncpi、lntc、lnui、lnnx都不是平稳的时间序列，④它们的一阶差分是平稳的时间序列。这说明lncpi、lntc、lnui、lnnx时间序列都是一阶求积的，即I(1)型时间序列，符合VAR建模要求。
（二）滞后阶数的确定
无论是在VAR模型、Johansen协整检验中，还是向量误差修正模型的估计中，滞后阶数的确定都是一个重要的参数。如果滞后期太少，误差项的自相关会很严重，并导致参数的非一致性估计。但从另一方面看，k值又不宜过大。k值过大会导致自由度减小，直接影响模型参数估计量的有效性。[8](292)在这里，我们按照通常的做法，现估计一个VAR模型，通过检验它的滞后阶数来确定相应协整分析的阶数。利用似然比（LR）统计量、赤池（Akaike）信息、施瓦茨（Schwartz）等准则来确定最大滞后阶数。表3显示最大滞后阶数选择1时比较合理。
（三）VAR模型的稳定检验与脉冲响应函数分析
在滞后1期的条件下，用Eviews5．1可以估计出VAR模型的代数表达式。由于VAR模型参数的OLS估计量只具有一致性，单个参数估计值的经济解释是很困难的。要想对一个VAR模型做出分析，通常是观察系统的脉冲响应函数和方差分解，限于篇幅的需要，我们只做脉冲响应函数分析。
对VAR模型作脉冲响应函数分析之前需要先确定VAR模型是否稳定，如果不稳定，则所做的解释是没有说服力的。VAR模型稳定的充分必要条件是VAR模型所有特征根都小于1；用图形表示，则意味着所有根都应落在单位圆以内。表4显示VAR模型的所有特征根都小于1，这说明模型是稳定的。
表4VAR模型稳定性检验root0．80120．69970．6997-0．3068Modulus0．80110．72130．72130．306839下图中四个小图分别描绘了居民消费价格指数对自身、居民消费价格指数对社会消费品零售总额、居民消费价格指数对城镇固定资产投资及居民消费价格指数对净出口的脉冲响应函数。首先观察左上图。图中显示，居民消费价格指数对自己的一标准差的冲击反应由大变小，由0．0060降为第10个月后的0．0008。这说明投资、消费等具有时滞效应，对居民消费价格指数的冲击将越来越显著。右上图描绘了消费对物价指数的脉冲响应函数。可以看到消费对物价指数的冲击具有正的影响，在1―2个月内对物价指数的冲击比较小，在6个月冲击达到最大0．0021，之后逐渐减小。左下图表明，投资对物价指数的冲击在第1个月内并不显著，第2个月内具有负影响-0．0006，从第3个月内开始影响逐渐增大，第7个月达到最大值0．0021左右。对这问题的解释可能是投资增加，使得产出增加，在短期内，促进物价指数下降；不过投资是一种资本品消费，随着时间的延长，这一影响逐渐增大。右下图描绘了净出口对物价指数的冲击。净出口在第2月内就达到了最大值0．0015，之后影响逐渐减小。
（四）Johansen协整检验及误差修正模型（VECM）的估计
如果时间序列都是I(1)，且非平稳变量间存在协整关系。那么由这些非平稳变量组成的线性组合则是平稳的。建立单纯的差分VAR模型将丢失重要的非均衡误差信息。而向量误差修正模型（VECM）则能克服这一问题。由恩格尔―格兰杰（Engle-Granger）定理可知，VECM的建立的充分必要条件是时间序列之间存在长期稳定的协整关系。
***为常数项，（未在表3中报告），*为标准差，**为系数的t值。协整方程内的系数基本符合理论的预期：社会消费品零售总额的增加会促进居民价格指数上升，长期内社会消品零售总额每增加1%，引起居民消费价格指数上升19．91%；城镇固定资产投资的增加也同样促进居民消费价格指数上升，长期内投资每增加1%，引起居民消费价格指数上升10．75%。值得注意的是净出口前的系数并不显著，而且符号也与我们的预期相反。这说明净出口对居民消费价格指数的上升影响很弱。⑤
表4的第6行给出的是误差修正模型的调整系数，括号内是标准差。调整系数符号说明，当居民消费价格指数高于协整向量所对应的长期关系时，居民消费价格指数的增量会减少，消费增量与投资增量也会减少，这符合误差修正机制的反向修正原理。唯一与我们预期不一致的是净出口的调整系数。它既不显著，符号也与我们预料的相反。这也从另一个侧面说明了净出口与居民消费价格指数上升关系不大。
四、结 论
从研究的结果看，中国经济高速运行所释放出来的通货膨胀压力是引起近期物价上涨的重要因素之一。单纯从表面现象看，这次物价上涨是由食品价格上涨引起的，但背后驱动经济增长的内生因素所带来的通货膨胀压力需要我们认真分析，否则，如果食品价格上涨与其他物价上涨相互叠加，形成叠加效应，那么大规模的物价上涨是不可避免的。另外值得我们注意的有：（1）投资依然是驱动这次经济高速增长的最重要动力，其中房地产投资强力反弹。⑥这样，房价不可避免又进入新一轮新的上涨。⑦这固然与我国工业化阶段有关，但又于我国的投资体制、房地产剩余价值链的分配体系密切相关。抑制投资过快增长不能只从结果分析，更应从源头入手。（2）尽管从实证分析角度看，这次物价上涨与净出口关联度不大，但实际上双顺差还是给我们造成了很大的通货膨胀压力。正如中国人民银行副行长吴晓灵（2007）指出，“当前央行收回过多的流动性与宏观经济运行状况没有必然联系，其主要动因主要来自储备的增长。”[9](12-13)这样的后果是央行丧失了货币政策的独立性，从而使我国失去了一个重要的宏观调控工具。1万多亿的外汇储备、我国的汇率制度及我国的经济结构似乎都值得我们深思。适度降低外汇储备、使汇率浮动更有弹性及促进我国经济结构升级可能是化解这一问题的关键。
注 释：
①说明：限于篇幅，表1并没有报告，相关数据来源于国家统计局网站公布的数据。
②当然VAR模型不以经济理论为基础，只需明确那些变量是有关联的，本文的书写是便于确定哪些变量是有联系的。
③限于篇幅需要，我们这里没有给出本文计量所使用数据，如有需要，请联系作者。
④我们这里选取的是1%的显著性水平，显然lnnx在5%水平下平稳并不影响我们的分析。
⑤理论上，短期内，净出口的增加导致外汇储备增加；而外汇储备又直接构成一国基础货币的一部分，在其他条件不变的情况下，净出口的增加会导致货币供给增加。然而在实践中，由于央行的干预和不完全的市场机制，使得净出口增加与物价指数变动之间的动态均衡在短期内并不不存在；从长期来看，外汇储备与消费物价指数之间也不存在自接的双向格兰杰因果关系，但外汇储备可以通过影响货币发行而间接影响消费物价指数，从而增加物价上涨的压力。我们对净出口与物价指数变动作了Johansen协整检验，结果如下：r=0，迹统计量LR=19．70＞15．49（临界值）；r=1，迹统计量LR=0．008＜3．841。这说明二者存在这协整关系！标准化的协整向量为（1,-0．0534）。对这一问题的解释是不考虑其他因素时，二者存在着协整关系；当考虑到消费、投资等因素时，净出口对物价指数变动并不显著。
⑥2007上半年房地产投资同比增长28．5%，比去年同期提高4．3个百分点。
⑦2007上半年，全国70个大中城市房屋销售价格平均同比上涨5．95%。
主要参考文献：
[1]周浩、朱启贵：外汇储备快速增加与物价指数变动[J]．财经科学，2006（6）．
[2][4][5][6][7]新华网；
[3]安 佳．当前外汇储备积累过度引致的问题及应对策略[J]．山东社会科学，2005（7）．
[8]张晓峒．计量经济分析[M]．北京：经济科学出版社，2000．
[9]吴晓玲．国际收支双顺差下的中国货币政策[J]．中国金融，2007(1)．
China's Booming Economy to the Recent High Inflation Pressure: An Empirical Analysis
Xu Tianjiang1 Chen Dandan2 Abstract: This article uses in Jan., 20051-Jun., 2007 monthly data, with the aid of the VAR measurement analysis method, has analyzed relations between the near future inflation pressure and the Chinese strong economical movement. The findings show that the strong economical movement releasing the inflation pressure is not allowed to neglect. The investment demand, consumer demand for the price increase is relatively large, but net export (Surplus) on the impact of inflation is not significant. Key word: inflation; strong economical moves; the VAR model
