中国股票市场发展与经济增长关系的动态实证分析
中国股票市场发展与经济增长关系的动态实证分析
郑长德马俊*
（西南民族大学经济学院西南民族大学资本市场研究所四川成都610041）
摘要：本文选用我国1995—2004年间股票市场和宏观经济中的相关季度时间序列数据，对我国股票市场与经济增长之间的关系进行了计量经济学分析。实证分析发现，我国经济增长对于股票市场的发展起到了较为明显的促进作用，而我国股票市场的发展对经济增长的促进作用则表现的不明显。
关键词：股票市场；经济增长；季度时间序列；计量经济学
1.引言
20世纪90年代以来的20多年里，中国股票市场从试点到大规模发展，目前股票市场已成为我国社会主义市场经济体系的重要组成部分。关于我国股票市场发展与经济增长的关系也已成为一个令人们非常关注的问题。有很多学者就我国股票市场和经济增长的关系进行了广泛的研究和深刻的探讨。郑江淮和袁国良（2000）、谈儒勇（2000）、孙小素（2000）、韩廷春（2001）、佘运久（2001）、赵北亭和于鸿君（2001）、殷醒民和谢洁（2001）、冉茂盛和张卫国（2002）、王军（2002）、张碧琼与付琳（2003）、郑长德（2003、2005）等都对于中国股票市场的发展与经济增长关系进行了实证研究，其结论是有冲突的，有的研究认为我国股票市场发展与我国经济增长之间存在相关关系，有的研究则认为股票市场发展与我国经济增长之间不存在相关关系。导致研究结论不一致有许多因素，一个重要的方面是大多数研究使用的年度时间序列数据，研究中使用的计量经济学方法也比较粗糙。
本文选取我国股票市场和国民经济在1995～2004年10年间的相关季度数据指标，并
*作者简介：郑长德，男，四川广元人，经济学博士，西南民族大学经济学院教授。主要研究方向：金融经济学。马俊，男，西南民族大学资本市场研究所研究人员。
借鉴目前较为前沿的计量经济学方法对我国股票市场和经济增长的关系进行实证检验。在研究方法上，本文进行了以下几个方面的改进：一是文章扩大了样本数据的时间跨度，并且全部采用了季度数据，有利地避免了以往研究中由于时间跨度和样本数量较小而对实证检验效果带来的局限性。二是本文进行动态分析时，主要采用了协整检验、建立向量误差修正模型并在此基础上进行广义脉冲响应函数的检验和方差分解分析，等。
2．数据与指标
为了更好地研究我国股票市场发展与经济增长之间的关系，本文构造了以下几组指标。同时，对于这些指标本文截取了1995年第1季度到2004年第4季度的季度时间序列数据来进行分析。
2.1 经济增长指标
通常国内生产总值(GDP)或国民生产总值(GNP)都可以作为衡量一个国家或地区宏观经济总量的理想指标，本文对于我国经济增长的指标就选用了季度GDP的实际增长率GY。由于可以查找到的GDP季度数据都为名义值，所以本文以1995年第4季度作为基期来分别计算出各季度的实际GDP，然后再计算出其相应的增长率。
2.2 股票市场发展指标
为了测度股票市场的发展程度，Levine和Zervos（1998）提出了以资本化率和流动性指标来衡量股票市场的发展。其中包括：
资本化率一（CAP1）是指每季度三个月月末股票市价总值的算术平均值和该季度名义GDP的比值，根据Levine和Zervos的分析，虽然大的市场和高的市场运行效率不是等价的，但是使用这一指标进行研究时，可以假定股票市场的规模和股票市场提供的资本流动性以及分散风险的能力是正相关的。另外，这里之所以采用算术平均值，是因为股票市场的市价总值本来应该反映某一时点的数值，而我国的统计资料中却只有其累计值，所以本文进行
了这样的处理以反映我国股票市场市价总值的客观性和代表性。下文股票市场的流通市值也采用了同样的处理方法。
资本化率二（CAP2）是指每季度三个月月末股票流通市值的算术平均值与该季度平均市价总值的比值。
可见资本化率是对股票市场规模和股票市场流通规模的测度，资本化率越高说明股票市场的规模及流通规模都很大，并且其筹集资本和分散风险的能力也越强。由于我国股票市场的筹资额与市场发展和价格指数之间有很大的相关性，因此我们把筹资额引入衡量股票市场的指标中。
净筹资率（NC），它表示该季度末股票市场的筹资总额减去上季度末的筹资总额再除以该季度的名义GDP，它衡量了股票市场对于经济增长的贡献程度同时它也反映了股票市场的发展规模。
另外，反映股票市场流动性的指标有四个，分别是：
季度交易率（VAL）是指每季度股票的成交金额与该季度名义GDP的比值。该指标的不足之处在于它不能很好的反映和特定交易场所相联系的交易成本和某些不确定性，但是可以假定其上升反映了整体经济范围内流动性的提高。该指标是以经济总量为基础的流动性，反映了相对于经济规模的交易数量，与周转率相比是有区别的，周转率是相对于股票市场规模的交易。因此，一个规模较小的流动性市场可能会有较高的周转率，而同时交易价值较小。
季度周转率一（TR1），等于每季度股票的成交金额除以该季度股票的平均市价总值。Levine和Zervos（1998）分析认为，较高的周转率一意味着较低的交易成本。
季度周转率二（TR2），等于每季度股票的成交金额除以该季度股票的平均流通市值。该指标度量的是相对于股票市场规模交易的国内权益数量，较高的周转率二也意味着较低的交易成本。
季度换手率（TO）等于季度总成交股数除以季度末总股本，以衡量市场的投机程度。
本文所需数据主要来自《中国证券监督委员会公告》，《中国经济景气月报》，《中国人民银行统计季报》，《中国证券期货统计年鉴》以及中国咨询行数据库(https://www.docsj.com/doc/7710616464.html,)、和讯网(https://www.docsj.com/doc/7710616464.html,)、中华人民共和国国家统计局（https://www.docsj.com/doc/7710616464.html,）、中国人民银行（https://www.docsj.com/doc/7710616464.html,）、中国证券监督管理委员会（https://www.docsj.com/doc/7710616464.html,）、上海证券交易所(https://www.docsj.com/doc/7710616464.html,)、深圳证券交易所(https://www.docsj.com/doc/7710616464.html,)等相关网站、国研网（https://www.docsj.com/doc/7710616464.html,）、中经网（https://www.docsj.com/doc/7710616464.html,）等等。
3．我国股票市场与经济增长关系的统计检验
3.1变量的季节调整
对于季度数据指标而言，传统的经济研究很少考虑其季节因素，因而这些具有明显季节性变化趋势的数据指标必然会严重影响到后续研究成果的准确性和科学性。因此，本文在对所采用的季度数据指标进行实证分析之前，对其分别进行了季节调整。对于经过季节调整的变量后面都附加有“SA”。
3.2 相关性检验
在进行正式的实证统计检验之前，我们必须搞清楚当期的经济变量和证券市场变量之间是否存在相关性关系，表1便是我国经济增长与股票市场之间各个变量指标的配对相关系数矩阵。
表1 经济变量和股票市场变量的配对相关系数矩阵
GYSA CAP1SA CAP2SA NCSA VALSA TR1SA TR2SA TOSA
GYSA 1.000000 -0.095455 -0.003574 0.007907 0.137371 0.261877 0.259380 0.250166
CAP1SA -0.095455 1.000000 0.956253 0.573353 0.460209 -0.342998 -0.406413 -0.403031
CAP2SA -0.003574 0.956253 1.000000 0.502022 0.410213 -0.299638 -0.363294 -0.355459
NCSA 0.007907 0.573353 0.502022 1.000000 0.438630 -0.095919 -0.140655 -0.134787
VALSA 0.137371 0.460209 0.410213 0.438630 1.000000 0.574610 0.513551 0.487405
TR1SA 0.261877 -0.342998 -0.299638 -0.095919 0.574610 1.000000 0.997001 0.984783
TR2SA 0.259380 -0.406413 -0.363294 -0.140655 0.513551 0.997001 1.000000 0.989728
TOSA 0.250166 -0.403031 -0.355459 -0.134787 0.487405 0.984783 0.989728 1.000000
从表1可以看出，我国的经济增长速度与股票市场的季度净筹资率、季度交易率、季度周转率和季度换手率具有较弱的正相关关系，而与资本化率呈负相关。对于股票市场内部而言，股票市场的资本化率与其季度净筹资率和季度交易率之间存在适度的正相关关系。股票市场的季度净筹资率与其季度交易率之间有着适度的正相关关系。股票市场的季度交易率与其季度周转率和季度换手率有适度的正相关关系。股票市场的季度周转率与其季度换手率有强的正相关关系。
3.3 经济增长与证券市场各变量指标平稳特性的ADF单位根检验
对于变量GYSA、NCSA、VALSA、TR1SA、TR2SA、TOSA而言，它们的数据图形的轨迹属于随机行走，因此我们设定其ADF检验为含截距（或不含截距），但不含时间趋势项。而对于变量CAP1SA和CAP2SA而言，其图形轨迹有较明显的时间趋势，所以设定其ADF检验为含截距，但含或不含时间趋势项。如图1所示。类似地，对于所有的变量的一阶差分而言，其图形轨迹都属于随机行走，所以我们设定它们的ADF检验为含截距（或不含截距），但不含时间趋势项，如图2所示。
图1 变量的数据图
图2 变量一阶差分的数据图
1.GYSA 不含截距也不含趋势项的ADF 检验
2. GYSA 一阶差分序列不含截距也不含趋势项ADF 检验
由上表可知，我国实际经济增长速度的时间序列GYSA 不是I(0)序列，因为在t 值、F 值等各项统计指标都比较显著的情况下，其ADF 检验值均大于各临界值。而GYSA 序列的一阶差分序列是平稳序列，其ADF 检验值均小于各临界值，且t 值、F 值等指标都很显著，AIC 值很小，残差平方和RSS 也比较小，DW 值基本离二较近说明自相关不是很强，同时可决系数R^2值也很理想，由此GYSA 是一个一阶单整I(1)序列。
3.CAP1SA 含截距不含趋势项的ADF 检验
4. CAP1SA 一阶差分序列不含截距也不含趋势项的ADF 检验
ADF Test Statistic
-1.151073 1% Critical Value*
-2.6243 5% Critical Value -1.9498
10% Critical Value
-1.6204
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic Prob. GYSA(-1) -0.149618 0.129981 -1.151073 0.2573 D(GYSA(-1)) -0.687136 0.090784
-7.568934
0.0000 R-squared
0.787393 Mean dependent var -0.003295 Adjusted R-squared 0.781488 S.D. dependent var 0.092910 S.E. of regression 0.043431 Akaike info criterion -3.384095 Sum squared resid 0.067905 Schwarz criterion -3.297906 Log likelihood 66.29781 F-statistic 133.3267 Durbin-Watson stat
2.382949 Prob(F-statistic)
0.000000
ADF Test Statistic
-8.889592 1% Critical Value*
-2.6261 5% Critical Value -1.9501
10% Critical Value
-1.6205
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic Prob. D(GYSA(-1)) -2.298486 0.258559 -8.889592 0.0000 D(GYSA(-1),2) 0.209776
0.123327 1.700977
0.0978 R-squared
0.957023 Mean dependent var 0.002995 Adjusted R-squared 0.955795 S.D. dependent var 0.180429 S.E. of regression 0.037935 Akaike info criterion -3.653347 Sum squared resid 0.050367 Schwarz criterion -3.566270 Log likelihood 69.58692 F-statistic 779.3931 Durbin-Watson stat
2.273750 Prob(F-statistic)
0.000000
ADF Test Statistic -1.790988 1% Critical Value* -3.6117
ADF Test Statistic -2.820694 1% Critical Value* -2.6261
5% Critical Value -2.9399
5% Critical Value -1.9501
10% Critical Value -2.6080
10% Critical Value -1.6205 *MacKinnon critical values for rejection of hypothesis of a unit root.
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic Prob.
Variable Coefficient Std. Error t-Statistic Prob.
CAP1SA(-1) -0.064570 0.036053 -1.790988 0.0819
D(CAP1SA(-1)) -0.575609 0.204066 -2.820694 0.0078 D(CAP1SA(-1)) 0.207895 0.157436 1.320508 0.1952
D(CAP1SA(-1),2) -0.234209 0.167085 -1.401730 0.1698
C 0.097243 0.048787 1.993205 0.0541
R-squared 0.410622 Mean dependent var -0.001652 R-squared 0.127752 Mean dependent var 0.022667
Adjusted R-squared 0.393783 S.D. dependent var 0.163627 Adjusted R-squared 0.077909 S.D. dependent var 0.129506
S.E. of regression 0.127400 Akaike info criterion -1.230430 S.E. of regression 0.124359 Akaike info criterion -1.255632
Sum squared resid 0.568078 Schwarz criterion -1.143353 Sum squared resid 0.541281 Schwarz criterion -1.126349
Log likelihood 24.76295 F-statistic 24.38467 Log likelihood 26.85700 F-statistic 2.563098
Durbin-Watson stat 2.041357 Prob(F-statistic) 0.000019 Durbin-Watson stat 2.110177 Prob(F-statistic) 0.091454
由上表可知，我国股票市场的资本化率一时间序列CAP1SA不是I(0)序列，因为在各项统计指标都比较显著的情况下，其ADF检验值均大于各临界值。而CAP1SA序列的一阶差分序列是平稳序列，其ADF检验值均小于各临界值。虽t值有点不太显著但AIC值却是最小的、其它F值等指标都比较显著，DW值几乎接近于二说明没有自相关，同时可决系数R^2值也可以接受，只是残差平方和RSS有点偏大。综上可判断GYSA是一个一阶单整I(1)序列。
5. CAP2SA 含截距也含趋势项的ADF 检验
6. CAP2SA 一阶差分序列不含截距也不含趋势项的ADF 检验
对于上表经相同的分析可知，我国股票市场的资本化率二时间序列CAP2SA 是一个一阶单整I(1)序列，其各项统计指标都比较显著。
7. NCSA 不含截距也不含趋势项的ADF 检验 8. NCSA 一阶差分序列含截距不含趋势项的ADF 检验
对于上表经相同的分析可知，我国股票市场的季度净筹资率时间序列NCSA 是一个一阶单整I(1)序列，其各项统计指标都比较显著。
ADF Test Statistic
-1.843425 1% Critical Value*
-4.2242 5% Critical Value -3.5348
10% Critical Value
-3.1988
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic
Prob. CAP2SA(-1) -0.126401 0.068569 -1.843425 0.0745 D(CAP2SA(-1)) 0.283503 0.157634 1.798490 0.0815 D(CAP2SA(-2))
0.202240 0.143465 1.409682 0.1683 C
0.037573 0.018670 2.012431 0.0527 @TREND(1995:1) 0.000112
0.000144
0.779521
0.4414 R-squared
0.232411 Mean dependent var 0.001368 Adjusted R-squared 0.136462 S.D. dependent var 0.005107 S.E. of regression 0.004746 Akaike info criterion -7.737899 Sum squared resid 0.000721 Schwarz criterion -7.520208 Log likelihood 148.1511 F-statistic 2.422239 Durbin-Watson stat
2.326934 Prob(F-statistic)
0.068529
ADF Test Statistic
-2.835851 1% Critical Value*
-2.6261 5% Critical Value -1.9501
10% Critical Value
-1.6205
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic
Prob. D(CAP2SA(-1)) -0.545157 0.192238 -2.835851 0.0075 D(CAP2SA(-1),2) -0.204520
0.130649 -1.565421
0.1265 R-squared
0.432490 Mean dependent var 0.000424 Adjusted R-squared 0.416276 S.D. dependent var 0.006522 S.E. of regression 0.004983 Akaike info criterion -7.712986 Sum squared resid 0.000869 Schwarz criterion -7.625909 Log likelihood 144.6902 F-statistic 26.67294 Durbin-Watson stat
2.102670 Prob(F-statistic)
0.000010
ADF Test Statistic
-1.018883 1% Critical Value*
-2.6243 5% Critical Value -1.9498
10% Critical Value
-1.6204
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic
Prob. NCSA(-1) -0.089928 0.088261 -1.018883 0.3151 D(NCSA(-1)) -0.422779
0.151977 -2.781869
0.0085 R-squared
0.241799 Mean dependent var 0.000156 Adjusted R-squared 0.220738 S.D. dependent var 0.007834 S.E. of regression 0.006916 Akaike info criterion -7.058861 Sum squared resid 0.001722 Schwarz criterion -6.972672 Log likelihood 136.1184 F-statistic 11.48084 Durbin-Watson stat
2.134624 Prob(F-statistic)
0.001716
ADF Test Statistic
-4.014947 1% Critical Value*
-3.6289 5% Critical Value -2.9472
10% Critical Value
-2.6118
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic
Prob. D(NCSA(-1)) -2.042957 0.508838 -4.014947 0.0004 D(NCSA(-1),2) 0.540026 0.442066 1.221597 0.2314 D(NCSA(-2),2) 0.352236 0.326202 1.079809 0.2888 D(NCSA(-3),2)
0.338989 0.185047 1.831909 0.0769 C
0.000494
0.001203
0.410284
0.6845 R-squared
0.776851 Mean dependent var -4.35E-05 Adjusted R-squared 0.747098 S.D. dependent var 0.014004 S.E. of regression 0.007043 Akaike info griterion -6.942123 Sum squared resid
0.001488 Schwarz criterion -6.719930 Log likelihood 126.4871 F-statistic 26.10986 Durbin-Watson stat
2.020645 Prob(F-statistic)
0.000000
9. V ALSA 不含截距也不含趋势项的ADF 检验 10. V ALSA 一阶差分序列不含截距也不含趋势项的ADF 检验
对于上表经相同的分析可知，我国股票市场的季度交易率时间序列VALSA 是一个一阶单整I(1)序列，其各项统计指标中除t 值和RSS 值不太理想外其余都比较显著。
11. TR1SA 不含截距不含趋势项的ADF 检验 12. TR1SA 一阶差分序列不含截距不含趋势项的ADF 检验
对于上表经相同的分析可知，我国股票市场的季度周转率时间序列TR1SA 是一个一阶单整I(1)序列，其各项统计指标除t 值和RSS 值不太显著外都比较显著。
ADF Test Statistic
-0.876433 1% Critical Value*
-2.6243 5% Critical Value -1.9498
10% Critical Value
-1.6204
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic
Prob. VALSA(-1) -0.068643 0.078321 -0.876433 0.3866 D(VALSA(-1)) -0.427790
0.151687 -2.820213
0.0078 R-squared
0.230480 Mean dependent var 0.005433 Adjusted R-squared 0.209105 S.D. dependent var 0.209990 S.E. of regression 0.186749 Akaike info criterion -0.466907 Sum squared resid 1.255506 Schwarz criterion -0.380719 Log likelihood 10.87124 F-statistic 10.78243 Durbin-Watson stat
2.126977 Prob(F-statistic)
0.002286
ADF Test Statistic
-6.042109 1% Critical Value*
-2.6261 5% Critical Value -1.9501
10% Critical Value
-1.6205
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic
Prob. D(VALSA(-1)) -1.719690 0.284618 -6.042109 0.0000 D(VALSA(-1),2) 0.174698
0.166345
1.050219
0.3008 R-squared
0.740352 Mean dependent var -0.000452 Adjusted R-squared 0.732933 S.D. dependent var 0.364262 S.E. of regression 0.188245 Akaike info criterion -0.449605 Sum squared resid 1.240269 Schwarz criterion -0.362528 Log likelihood 10.31769 F-statistic 99.79771 Durbin-Watson stat
1.963891 Prob(F-statistic)
0.000000
ADF Test Statistic
-1.314222 1% Critical Value*
-2.6243 5% Critical Value -1.9498
10% Critical Value
-1.6204
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic
Prob. TR1SA(-1) -0.111856 0.085112 -1.314222 0.1971 D(TR1SA(-1)) -0.163684
0.164055 -0.997740
0.3251 R-squared
0.092428 Mean dependent var -0.000298 Adjusted R-squared 0.067217 S.D. dependent var 0.209679 S.E. of regression 0.202510 Akaike info criterion -0.304862 Sum squared resid 1.476367 Schwarz criterion -0.218673 Log likelihood 7.792369 F-statistic 3.666267 Durbin-Watson stat
2.004390 Prob(F-statistic)
0.063497
ADF Test Statistic
-4.542478 1% Critical Value*
-2.6280 5% Critical Value -1.9504
10% Critical Value
-1.6206
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic
Prob. D(TR1SA(-1)) -1.550653 0.341367 -4.542478 0.0001 D(TR1SA(-1),2) 0.309568 0.267929 1.155412 0.2562 D(TR1SA(-2),2) 0.222367
0.169757
1.309912
0.1993 R-squared
0.633173 Mean dependent var 0.003923 Adjusted R-squared 0.610941 S.D. dependent var 0.335079 S.E. of regression 0.209004 Akaike info criterion -0.213269 Sum squared resid 1.441532 Schwarz criterion -0.081309 Log likelihood 6.838834 F-statistic 28.48031 Durbin-Watson stat
2.056308 Prob(F-statistic)
0.000000
13. TR2SA 不含截距不含趋势项的ADF 检验 14. TR2SA 一阶差分序列不含截距不含趋势项的ADF 检验
对于上表经相同的分析可知，我国股票市场的季度周转率时间序列TR2SA 是一个一阶单整I(1)序列，其各项统计指标都比较显著，除RSS 值偏大。
15. TOSA 不含截距不含趋势项的ADF 检验 16. TOSA 一阶差分序列不含截距不含趋势项的ADF 检验
对于上表经相同的分析可知，我国股票市场的季度净筹资率时间序列NCSA 是一个一阶单整I(1)序列，其各项统计指标除t 值和RSS 值不太显著外都比较显著。
ADF Test Statistic
-1.366435 1% Critical Value*
-2.6243 5% Critical Value -1.9498
10% Critical Value
-1.6204
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic
Prob. TR2SA(-1) -0.117235 0.085796 -1.366435 0.1803 D(TR2SA(-1)) -0.146031
0.164352 -0.888527
0.3802 R-squared
0.089485 Mean dependent var -0.003878 Adjusted R-squared 0.064193 S.D. dependent var 0.712504 S.E. of regression 0.689256 Akaike info criterion 2.144788 Sum squared resid 17.10266 Schwarz criterion 2.230977 Log likelihood -38.75097 F-statistic 3.538058 Durbin-Watson stat
2.002887 Prob(F-statistic)
0.068083
ADF Test Statistic
-4.701725 1% Critical Value*
-2.6280 5% Critical Value -1.9504
10% Critical Value
-1.6206
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic
Prob. D(TR2SA(-1)) -1.576923 0.335392 -4.701725 0.0000 D(TR2SA(-1),2) 0.349424 0.262845 1.329393 0.1928 D(TR2SA(-2),2) 0.255109
0.167650
1.521675
0.1376 R-squared
0.632216 Mean dependent var 0.013803 Adjusted R-squared 0.609926 S.D. dependent var 1.128424 S.E. of regression 0.704767 Akaike info criterion 2.217756 Sum squared resid 16.39098 Schwarz criterion 2.349716 Log likelihood -36.91961 F-statistic 28.36333 Durbin-Watson stat
2.056571 Prob(F-statistic)
0.000000
ADF Test Statistic
-1.066920 1% Critical Value*
-2.6280 5% Critical Value -1.9504
10% Critical Value
-1.6206
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic
Prob. TOSA(-1) -0.100121 0.093841 -1.066920 0.2940 D(TOSA(-1)) -0.142202 0.175331 -0.811047 0.4233 D(TOSA(-2)) -0.134399 0.169320 -0.793759 0.4332 D(TOSA(-3)) -0.212808
0.168402 -1.263695
0.2155 R-squared
0.134337 Mean dependent var -0.001442 Adjusted R-squared 0.053181 S.D. dependent var 0.070517 S.E. of regression 0.068616 Akaike info criterion -2.416137 Sum squared resid 0.150662 Schwarz criterion -2.240190 Log likelihood 47.49047 F-statistic 1.655295 Durbin-Watson stat
1.988105 Prob(F-statistic)
0.196234
ADF Test Statistic
-4.952496 1% Critical Value*
-2.6280 5% Critical Value -1.9504
10% Critical Value
-1.6206
*MacKinnon critical values for rejection of hypothesis of a unit root.
Variable Coefficient Std. Error t-Statistic
Prob. D(TOSA(-1)) -1.632963 0.329725 -4.952496 0.0000 D(TOSA(-1),2) 0.435125 0.249761 1.742165 0.0908 D(TOSA(-2),2) 0.253116
0.164453
1.539139
0.1333 R-squared
0.608282 Mean dependent var 0.001639 Adjusted R-squared 0.584541 S.D. dependent var 0.106677 S.E. of regression 0.068760 Akaike info criterion -2.436738 Sum squared resid 0.156021 Schwarz criterion -2.304778 Log likelihood 46.86129 F-statistic 25.62211 Durbin-Watson stat
2.008148 Prob(F-statistic)
0.000000
综上所述，我国经济增长和证券市场的各变量序列都属于一阶单整I(1)序列。由此，我们可以对其进行后续的进一步检验。
3.4 Granger因果检验
只有在变量序列的单整阶数相等的情况下，变量之间因果关系的确定才是准确和有效的。所以，基于以上的单位根检验结果，我们可以分别对经济变量和股票市场变量执行格兰杰因果检验。结果，如表2所示。
表2 经济增长与股票市场变量之间的格兰杰因果检验
Pairwise Granger Causality Tests
Sample: 1995:1 2004:4
Null Hypothesis: Obs F-Statistic Probability
CAP1SA does not Granger Cause GYSA 37 4.08949 0.01511
CAP2SA does not Granger Cause GYSA 37 3.02561 0.04484
NCSA does not Granger Cause GYSA 37 1.67390 0.19361
VALSA does not Granger Cause GYSA 37 1.63406 0.20232
TR1SA does not Granger Cause GYSA 37 2.10133 0.12100
GYSA does not Granger Cause TR1SA 3.84027 0.01938
TR2SA does not Granger Cause GYSA 37 2.31939 0.09540
GYSA does not Granger Cause TR2SA 4.16191 0.01406
TOSA does not Granger Cause GYSA 37 2.55849 0.07369
37 1.98246 0.13783
CAP2SA does not Granger Cause
CAP1SA
CAP1SA does not Granger Cause CAP2SA 2.38280 0.08906
NCSA does not Granger Cause CAP1SA 37 1.05996 0.38071
CAP1SA does not Granger Cause NCSA 4.25078 0.01288
VALSA does not Granger Cause CAP1SA 37 0.89908 0.45313
TR1SA does not Granger Cause CAP1SA 37 0.38132 0.76717
TR2SA does not Granger Cause CAP1SA 37 0.36685 0.77742
TOSA does not Granger Cause CAP1SA 37 0.31334 0.81558
NCSA does not Granger Cause CAP2SA 37 3.18316 0.03802
VALSA does not Granger Cause CAP2SA 37 1.26245 0.30494
TR1SA does not Granger Cause CAP2SA 37 0.26795 0.84797
CAP2SA does not Granger Cause TR1SA 3.45304 0.02875
TR2SA does not Granger Cause CAP2SA 37 0.26474 0.85025
CAP2SA does not Granger Cause TR2SA 3.59311 0.02490
TOSA does not Granger Cause CAP2SA 37 0.37198 0.77378
VALSA does not Granger Cause NCSA 37 7.12651 0.00094
TR1SA does not Granger Cause NCSA 37 0.97353 0.41818
TR2SA does not Granger Cause NCSA 37 0.78178 0.51347
NCSA does not Granger Cause TR2SA 0.98242 0.41417
TOSA does not Granger Cause NCSA 37 0.48350 0.69625
NCSA does not Granger Cause TOSA 0.90043 0.45247
TR1SA does not Granger Cause VALSA 37 1.39262 0.26417
TR2SA does not Granger Cause VALSA 37 1.26879 0.30282
TOSA does not Granger Cause VALSA 37 0.99608 0.40809
TR2SA does not Granger Cause TR1SA 37 1.39583 0.26324
TOSA does not Granger Cause TR1SA 37 2.96155 0.04797
TR1SA does not Granger Cause TOSA 3.78892 0.02041
TOSA does not Granger Cause TR2SA 37 3.06635 0.04296
TR2SA does not Granger Cause TOSA 3.58652 0.02507
由上表可知，在1%的显著水平上，我国股票市场的季度交易率序列VALSA是导致我国股票市场季度净筹资率NCSA的格兰杰原因。在5%的显著水平上，我国股票市场的资本化率一、二序列CAP1SA和CAP2SA都是导致我国经济增长速度序列GYSA的格兰杰原
因。同时，我国经济增长速度序列GYSA和我国股票市场资本化率二序列CAP2SA是导致我国股票市场周转率一、二序列TR1SA、TR2SA和换手率序列TOSA的格兰杰原因。我国股票市场的资本化率一序列CAP1SA是导致我国股票市场季度净筹资率NCSA的格兰杰原因。我国股票市场季度净筹资率NCSA是导致我国股票市场资本化率二序列CAP2SA的格兰杰原因。我国股票市场的季度交易率序列VALSA是导致我国股票市场周转率一TR1SA 的格兰杰原因。我国股票市场换手率序列TOSA与我国股票市场周转率一TR1SA和周转率二序列TR2SA之间分别存在双向格兰杰因果关系。在10%的显著水平上，我国股票市场周转率一TR1SA和换手率序列TOSA是导致我国经济增长速度序列GYSA的格兰杰原因。我国股票市场的资本化率一序列CAP1SA是导致我国股票市场的资本化率二序列CAP2SA 和周转率二序列TR2SA的格兰杰原因。我国股票市场的季度交易率序列VALSA是导致我国股票市场周转率二序列TR2SA和换手率序列TOSA的格兰杰原因。可见，我国经济增长速度与我国股票市场各变量之间以及股票市场内部各变量之间存在着至少是单向的格兰杰因果关系。
4．中国经济增长与股票市场关系的长期均衡分析和动态分析
4.1 方法
如果一组非平稳时间序列存在一个平稳的线性组合，即该组合不具有随机趋势，那么这组序列就是协整的，这个线性组合被称为协整方程，表示一种长期的均衡关系。正如Angle 和Granger(1987)指出，尽管两个或两个以上变量序列为非平稳序列，但它们的某种线性组合却具有稳定性，则这些变量序列之间就存在长期的均衡关系即协整关系。也就是说，由若干个服从单位根过程的变量组成的系统中，若这些变量的某一线性组合是稳定的，则称这一稳定的线性组合为协整关系。这种关系在经济学上的意义是：①对经济学中规律性的很好
的定量描述。即每个变量序列都是有自身长期的波动规律，当这些变量序列有协整关系时，说明它们之间存在一个长期稳定的比例关系。反之，则它们之间不具有这样一个长期稳定的比例关系。②避免伪回归。因为对没有协整关系的时间序列进行回归分析，结果常常会是取伪的。③区分变量之间的长期均衡关系和短期波动关系。长期均衡关系就是两个时间序列共同漂移的方式。短期波动是指被解释变量对于长期趋势的偏离与解释变量对长期均衡偏离之间的关系。基于以上对我国经济增长指标和股票市场指标单整阶数和格兰杰因果关系的检验，本文采用Johansen方法对其长期的动态均衡关系进行协整检验。
接下来，在确定了我国经济增长指标和股票市场指标之间是否存在协整关系以及存在几个协整方程之后，建立了向量误差修正模型VECM，即每个变量指标对其他变量指标的滞后项和用协整关系表示的误差修正项的滞后项做回归。以关于经济增长速度的误差修正模型为例，如果误差修正项在误差修正模型中的回归系数显著，则说明经济增长速度适应先前与股票市场变量指标之间的均衡误差，即过去的股票市场变量指标对当前的经济增长速度有显著的解释能力，而且这些股票市场变量指标可以显著的预测经济增长速度的变化趋势；反之，如果误差修正项在误差修正模型中的回归系数不显著，则说明过去经济增长速度与股票市场变量指标之间的均衡关系对当前经济增长速度的变化没有影响。
最后，在前面分析的基础上文章对我国经济增长指标和股票市场指标之间的动态特征进行分析。广义脉冲响应函数描述的是一个内生变量对误差变化大小的反应程度。也就是说，在扰动项上加一个标准差大小的冲击对内生变量的当期值和未来值所带来的影响。这里对于每一个误差项，内生变量都对应着一个脉冲响应函数。而方差分解分析是给出随机新息的相对重要性，也就是给出关于某个特定的新息所引起的方差占总方差的百分比。这里方差分解分析能够进一步量化我国经济增长变量指标和股票市场变量指标之间格兰杰因果关系的相对强弱和动态交互作用。
4.2 协整检验
Sample: 1995:1 2004:4
Included observations: 38
Test assumption: Linear deterministic trend in the data
Series: GYSA CAP1SA CAP2SA NCSA VALSA TR1SA TR2SA TOSA
Likelihood 5 Percent 1 Percent Hypothesized
0.822477 221.7247 156.00 168.36 None **
0.714158 156.0358 124.24 133.57 At most 1 **
0.672631 108.4478 94.15 103.18 At most 2 **
0.468074 66.01450 68.52 76.07 At most 3
0.352545 42.02696 47.21 54.46 At most 4
0.311595 25.50814 29.68 35.65 At most 5
0.164413 11.31979 15.41 20.04 At most 6
0.111543 4.494207 3.76 6.65 At most 7 *
*(**) denotes rejection of the hypothesis at 5%(1%) significance level
L.R. test indicates 3 cointegrating equation(s) at 5% significance level
Unnormalized Cointegrating Coefficients:
GYSA CAP1SA CAP2SA NCSA VALSA TR1SA TR2SA TOSA
8.142791 2.928453 -79.87212 -5.122616 -6.402606 70.58818 -20.45248 12.16536 -4.638367 3.595987 -115.6930 -24.79203 -10.94481 129.6830 -37.67251 19.37683 -6.686090 -0.815091 26.83009 23.73029 3.561274 -44.79214 12.76729 -1.271867 -1.924183 -0.860285 23.74049 -44.61704 4.152756 -27.37185 7.113422 2.274552 3.456621 1.290889 -26.79356 -5.360624 -4.009175 34.30668 -7.997998 -11.61302 -1.555669 -2.058508 38.95691 2.505509 6.744147 -43.48399 12.36123 -9.090351 -2.428238 -2.429654 52.19068 4.710419 3.182200 -15.18731 3.746513 1.067032 -0.817331 -0.316428 15.33605 -3.671839 1.774691 -15.11044 3.904232 1.497498 Normalized Cointegrating Coefficients: 1 Cointegrating Equation(s)
GYSA CAP1SA CAP2SA NCSA VALSA TR1SA TR2SA TOSA C
1.000000 0.359638 -9.808936 -0.629098 -0.786291 8.668794 -
2.511728 1.494003 2.544907
(0.05471) (1.57557) (0.53083) (0.14861) (1.60760) (0.46601) (0.31404)
775.2286
Log
likelihood
Normalized Cointegrating Coefficients: 2 Cointegrating Equation(s)
GYSA CAP1SA CAP2SA NCSA VALSA TR1SA TR2SA TOSA C
1.000000 0.000000 1.203380 1.264013 0.210609 -
2.938002 0.857941 -0.303226 -0.449630
(0.31039) (0.52165) (0.04783) (0.66939) (0.19818) (0.20902)
0.000000 1.000000 -30.62060 -5.263944 -2.771958 32.27360 -9.369628 4.997337 8.326542
(0.69477) (1.16765) (0.10707) (1.49835) (0.44360) (0.46786)
Log
799.0226
likelihood
Normalized Cointegrating Coefficients: 3 Cointegrating Equation(s
GYSA CAP1SA CAP2SA NCSA VALSA TR1SA TR2SA TOSA C
1.000000 0.000000 0.000000 -
2.120281 -0.118226 1.688688 -0.460595 -0.397146 -0.000775
(1.33436) (0.12476) (1.13501) (0.30593) (0.33278)
0.000000 1.000000 0.000000 80.85110 5.595397 -85.45482 24.18119 7.387164 -3.094784
(37.0015) (3.45957) (31.4734) (8.48344) (9.22801)
0.000000 0.000000 1.000000 2.812324 0.273259 -3.844746 1.095694 0.078046 -0.372995
(1.21162) (0.11328) (1.03060) (0.27779) (0.30217)
Log
820.2392
likelihood
Normalized Cointegrating Coefficients: 4 Cointegrating Equation(s)
GYSA CAP1SA CAP2SA NCSA VALSA TR1SA TR2SA TOSA C
1.000000 0.000000 0.000000 0.000000 -0.222217 1.982515 -0.507591 -0.674841 -0.004429
(0.20193) (1.48520) (0.38170) (0.50853)
0.000000 1.000000 0.000000 0.000000 9.560833 -96.65910 25.97326 17.97629 -2.955458
(6.31561) (46.4508) (11.9378) (15.9045)
0.000000 0.000000 1.000000 0.000000 0.411193 -4.234475 1.158030 0.446379 -0.368149
(0.21155) (1.55593) (0.39987) (0.53274)
0.000000 0.000000 0.000000 1.000000 -0.049046 0.138579 -0.022165 -0.130971 -0.001723
(0.04679) (0.34416) (0.08845) (0.11784)
Log
832.2330
likelihood
Normalized Cointegrating Coefficients: 5 Cointegrating Equation(s)
GYSA CAP1SA CAP2SA NCSA VALSA TR1SA TR2SA TOSA C
1.000000 0.000000 0.000000 0.000000 0.000000 0.163946 -0.099703 0.302078 -0.030714
(0.25587) (0.06709) (0.54415)
0.00000 1.000000 0.000000 0.000000 0.000000 -18.41571 8.424005 -24.05533 -1.824566
(7.99537) (2.09626) (17.0030)
0.000000 0.000000 1.000000 0.000000 0.000000 -0.869380 0.403271 -1.361319 -0.319511
(0.32179) (0.08437) (0.68433)
0.000000 0.000000 0.000000 1.000000 0.000000 -0.262802 0.067861 0.084647 -0.007525
(0.06206) (0.01627) (0.13197)
0.000000 0.000000 0.000000 0.000000 1.000000 -8.183741 1.835536 4.396230 -0.118284
(0.96525) (0.25307) (2.05272)
840.4924
Log
likelihood
Normalized Cointegrating Coefficients: 6 Cointegrating Equation(s)
GYSA CAP1SA CAP2SA NCSA VALSA TR1SA TR2SA TOSA C
1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -0.124305 0.970113 -0.019890
(0.14634) (1.44260)
0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 11.18741 -99.09445 -3.040372
(9.79903) (96.6004)
0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.533727 -4.903813 -0.376908
(0.44770) (4.41351)
0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.107296 -0.986200 -0.024875
(0.09219) (0.90884)
0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 3.063561 -28.95033 -0.658575
(2.93824) (28.9657)
0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.150057 -4.074733 -0.066020
(0.38806) (3.82558)
Log
847.5866
likelihood
Normalized Cointegrating Coefficients: 7 Cointegrating Equation(s)
GYSA CAP1SA CAP2SA NCSA VALSA TR1SA TR2SA TOSA C
1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -0.307105 -0.021750
(0.08756)
0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 15.85506 -2.872972
(5.07566)
0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.580180 -0.368921
(0.22559)
0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.116257 -0.023269
(0.04251)
0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 2.527460 -0.612734
(1.33296)
0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 -2.532916 -0.063775
(0.21949)
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 -10.27490 -0.014963
(0.68491)
850.9994
Log
likelihood
上表是在序列有均值和线性趋势项，协整方程只有截距项的条件下对我国经济增长速度序列和股票市场指标序列所组成的数组X=[GYSA，CAP1SA，CAP2SA，NCSA，VALSA，TR1SA，TR2SA，TOSA]进行的Johansen检验和估计。其输出结果可分为三部分。第一部分为协整检验的结果。在5%的显著水平上该系统存在着协整关系并且迹统计量表明协整秩r=4即存在四个协整方程。而在1%的显著水平上该系统也存在着协整关系且迹统计量表明协整秩r=3即存在有三个协整方程。第二部分为非标准化的协整参数向量。第三部分为标准化的协整参数向量（括号中的数据为各个系数的标准差）。最后，该系统在1%显著水平下第一个协整向量的协整关系为：
GYSA = 0.3596CAP1SA - 9.8089CAP2SA - 0.6291NCSA - 0.7863VALSA +
(0.05471) (1.57557) (0.53083) (0.14861)
8.6688TR1SA –2.5117TR2SA + 1.494TOSA + 2.5449
(1.60760) (0.46601) (0.31404)
由此可见，我国股票市场对我国经济增长速度的整体影响不是很明显。同时，这一协整关系反映的是系统各变量之间的长期稳定趋势，它趋向于长期稳定，即我国的经济增长和股票市场的发展只有实现了这一状态，才能达到长期的稳定。长期来看，我国股票市场的规模指标资本化率一即CAP1SA的扩大会轻微地促进我国经济增长速度的提高，也就是说作用是不显著的。资本化率一对经济增长速度的弹性系数为0.3596，表明当资本化率一增长1%时，经济增长速度会增长0.3596%。而我国股票市场的流动性指标换手率即TOSA，尤其是周转率一即TR1SA的提高则可以明显的促进我国经济增长速度的提高。换手率和周转率一对经济增长速度的弹性系数分别为1.494和8.6688。而股票市场的流通市值规模、筹资率、交易率、交易额相对于流通市值的周转率(TR2SA)的增大都会因为制度约束和金融抑制等原因而对我国的经济增长速度产生抑制作用，尤其是股票市场流通市值规模(CAP2SA)扩大所产生的这种抑制作用将更为明显。另外，方程的常数项为正，表明存在一个外生不变的因素对我国经济增长的速度产生积极的促进影响。
总体而言，在我国股票市场对经济增长的这种不很明显的促进作用中，股票市场的流动性指标对于经济增长速度的促进作用要强于股票市场的规模指标。我们的这一结论与Levine和Zervos(1998)的相关结论是基本上较为一致的。根据他们对47个国家1976-1993年数据的实证检验，用以考察股票市场的流动性、规模、易变性、与国际资本市场一体化程度等各指标是否与当前及未来的经济增长率、资本积累率、产出改进率有显著的相关关系。
结果认为股票市场的流动性与长期经济增长率有很强的正相关关系，而其它的股票市场指标如规模指标等与长期经济增长率不具有显著的相关关系。然而对于流动性指标而言，Levine 和Zervos(1996)在建立于Atje和Jovanovic(1993)研究基础上的关于股票市场流动性与经济增长的研究中，他们考察了两个衡量股票市场流动性的指标即交易率和周转率对经济增长的影响是否存在差异和分歧。他们对49个国家1976-1993年的数据在控制了一系列影响经济增长的变量后的研究中发现，无论用交易率还是用周转率来作为衡量股票市场流动性的指标，它们都与经济增长率、资本积累率和产出增长率具有显著的正相关关系。
由此看来，本文的结论与他们的结论的主要区别便在于，我国股票市场的流动性指标中只有周转率指标对经济增长速度有非常显著的促进作用，而交易率指标却对经济增长速度产生着负面的影响。对于其中的原因我们依旧可以从Levine的统计分析中得到解释。他在对自己和Zervos(1998)的统计数据进行分析时说：“周转率(TRSA)可能不同于交易率(VALSA)，因为规模小但流动性强的市场可能具有高的周转率但低的交易率。”而我国的股票市场由于自身发展历史短、投机性强等原因正好具备了以上规模小但流动性强的市场特点。
4.3 向量误差修正模型（VEMC）
Sample(adjusted): 1995:3 2004:4
Included observations: 38 after adjusting endpoints
Cointegrating
CointEq1
Eq:
GYSA(-1) 1.000000
CAP1SA(-1) 0.359638
(0.05471)
(6.57380)
CAP2SA(-1) -9.808936
(1.57557)
(-6.22563)
NCSA(-1) -0.629098
(0.53083)
(-1.18512)
VALSA(-1) -0.786291
(0.14861)
(-5.29086)
TR1SA(-1) 8.668794
(1.60760)
(5.39239)
TR2SA(-1) -2.511728
(0.46601)
(-5.38988)
TOSA(-1) 1.494003
(0.31404)
(4.75741)
C 2.544907
D(GYSA) D(CAP1SA) D(CAP2SA) D(NCSA) D(VALSA) D(TR1SA) D(TR2SA) D(TOSA) Error
Correction:
CointEq1 -0.948020 0.807156 0.123892 0.013054 -2.865013 -3.954427 -13.84568 -1.538843
(0.30767) (1.07395) (0.03884) (0.05016) (1.22999) (1.07740) (3.67199) (0.36671)
(-3.08127) (0.75157) (3.18978) (0.26026) (-2.32930) (-3.67034) (-3.77062) (-4.19640) D(GYSA(-1)) -0.313220 -0.233150 -0.057399 -0.022863 1.015118 1.133377 3.993823 0.508423
(0.17719) (0.61850) (0.02237) (0.02889) (0.70836) (0.62049) (2.11474) (0.21119)
(-1.76770) (-0.37696) (-2.56605) (-0.79148) (1.43305) (1.82659) (1.88857) (2.40743) D(CAP1SA(-1)) 0.110200 0.217406 -0.001020 -0.024252 1.199742 1.164610 3.917957 0.399214
(0.12965) (0.45257) (0.01637) (0.02114) (0.51832) (0.45402) (1.54739) (0.15453)
(0.84996) (0.48038) (-0.06231) (-1.14740) (2.31467) (2.56511) (2.53198) (2.58340) D(CAP2SA(-1)) -2.032318 0.088742 0.128107 0.667988 -26.99805 -24.65637 -82.27532 -7.729111
(2.80849) (9.80329) (0.35454) (0.45785) (11.2276) (9.83477) (33.5187) (3.34737)
(-0.72363) (0.00905) (0.36133) (1.45898) (-2.40462) (-2.50706) (-2.45461) (-2.30901) D(NCSA(-1)) -0.025654 4.141933 0.108365 -0.323259 -4.834905 -4.088323 -13.48947 -0.907727
(0.89054) (3.10849) (0.11242) (0.14518) (3.56012) (3.11847) (10.6283) (1.06140)
(-0.02881) (1.33246) (0.96392) (-2.22665) (-1.35807) (-1.31100) (-1.26920) (-0.85521) D(VALSA(-1)) -0.308986 -0.695599 -0.014051 0.087404 -4.468364 -4.400497 -14.77418 -1.457222
(0.25801) (0.90062) (0.03257) (0.04206) (1.03147) (0.90351) (3.07934) (0.30752)
(-1.19756) (-0.77236) (-0.43139) (2.07798) (-4.33204) (-4.87044) (-4.79785) (-4.73863) D(TR1SA(-1)) 4.608980 7.055659 0.039335 -0.616317 39.94838 40.86877 138.3992 13.79351
(2.72714) (9.51931) (0.34427) (0.44458) (10.9024) (9.54987) (32.5478) (3.25040)
(1.69004) (0.74119) (0.11426) (-1.38628) (3.66420) (4.27951) (4.25219) (4.24363) D(TR2SA(-1)) -1.486607 -1.999606 -8.40E-05 0.171814 -11.20858 -11.30117 -38.28114 -3.824188
(0.77591) (2.70839) (0.09795) (0.12649) (3.10189) (2.71708) (9.26034) (0.92479)
(-1.91595) (-0.73830) (-0.00086) (1.35831) (-3.61347) (-4.15930) (-4.13388) (-4.13520) D(TOSA(-1)) 2.019834 1.108959 -0.075100 -0.085904 4.471690 2.678969 8.935008 0.968158
(0.69511) (2.42632) (0.08775) (0.11332) (2.77884) (2.43412) (8.29593) (0.82848)
(2.90580) (0.45705) (-0.85584) (-0.75808) (1.60919) (1.10059) (1.07704) (1.16860)
C -0.003728 0.015340 0.001273 0.000104 -0.003747 -0.013763 -0.052300 -0.006660
(0.00646) (0.02253) (0.00081) (0.00105) (0.02581) (0.02260) (0.07704) (0.00769)
中国证券市场发展历程
中国证券市场发展历程 自1949年新中国成立以来，中国证券行业从零开始，经历了一段漫长而又曲折的发展历程。 1949年5月上海解放，上海证券交易所停业。旧中国半殖民半封建的证券市场从此结束。新中国从此开始考虑建立自己的证券交易所。 1949年6月，天津证券交易所重新设立，这是新中国设立的第一个证券交易所，标志着中国当代证券市场的正式启动。 1950年2月，新中国在北京设立了北京证券交易所。 1952年7月和10月，政府相继关闭了天津和上海证券交易所。1958年以后，受当时中国国内外政治局势影响，中国证券市场更是长期受到摒弃。 1953年12月，中央人民政府颁布了《1953年国家经济建设公债条例》，决定从1954年起发行国家经济建设公债，筹集经济建设资金。1954～1958年，政府连续5年发行了国家经济建设公债，总额35.54亿元，但到了1955年，中国取消商业信用，同时限制国家信用。1958年又完全否定了国家信用。1968～1978年中国进入既无外债又无内债的无债时期。 直到1978年中共十一届三中全会改革开放后，中国当代证券市场才得以逐步恢复。 1981年财政部首次发行国库券，揭开了新时期中国证券市场新发展的序幕。 1984年11月，中国第一股——上海飞乐音响股份公司成立。 1985年1月，上海延中实业有限公司成立，并全部以股票形式向社会筹资，成为第一家公开向社会发行股票的集体所有制企业。 1986年9月26日，新中国第一家代理和转让股票的证券公司——中国工商银行上海信托投资公司静安证券业务部宣告营业，从此恢复了我国中断了30多年的证券交易业务。 1986年11月14日，邓小平会见纽约证交所董事长约翰.范尔霖，并向其赠送了中国第一股——飞乐音响股股票。 1987年5月，深圳市发展银行首次向社会公开发行股票，成为深圳第一股。 1990年12月19日，数百名中外贵宾参加了上海证券交易所正式开业的庆典。黄浦江畔一声锣响，标志着中国证券市场正式诞生了。上市交易的有被称为“沪市老八股”的8只股票，“老八股”都是一些集体企业或国有小企业，带有很强的试水性质，试点不成功，也无关乎国民经济发展大局。 1991年7月3日，深圳证券交易所在改革开放的特区隆重地举行了开业典礼。 这两个特殊的日子，已经作为辉煌的起点，载入了史册。沪深两家交易所的正式开业，标志着我国改革开放后的证券市场正式诞生了，也象征着中国百年证券的历史长河，千折百回，历经险阻，终于汇流成涛天的大潮，即将朝着无垠的大海奔去。二十年的历史表明，证券市场的诞生顺应了经济改革和经济发展的需要，不但为市场经济的运作提供了样板，为深化企业改革提供了动力，而且极大地提高了人们的金融意识，有力地推动了资本市场的发展。 1991年8月28日，中国证券业协会在京成立。开始实行全国范围的证券发行规模控制与实质审查制度。从那之后直至2000年之前，股票发行依靠的是行政审批，投行经历的是“额度制”阶段。 1992年邓小平的南巡谈话，不仅给“股票市场到底姓社姓资”的争论画上了
中国股市个人投资者状况调查报告
数据结构实验报告 学生学院_____ 管理学院_______ 专业班级 12电子商务（1）学号02 学生姓名______ 阮健轩__ 2013年 12 月 24 日
中国股市个人投资者状况调查报告 一、调查设计 调查目的：通过典型抽样方式，了解当前中国证券市场个人投资者的状况，包括其基本现状、投资行为状况、权益保护状况，以及他们对当前证券市场一些热点问题的看法。 调查方式：问卷调查。问卷由35个题目组成，其中投资者基本情况5题、投资者行为15题、投资者对若干热点问题看法15题。 回收样本说明：调查中实际共发放问卷60份，回收的有效问卷58份，回收率％。 二、调查结果综述 调查围绕三个专题进行：个人投资者基本状况、个人投资者行为状况、、个人投资者对当前市场若干热点问题的看法。每个专题得到的调查结果概要如下： （一）个人投资者的基本状况 调查结果勾画出当前活跃于我国股市一线的个人投资者的基本状况。从年龄情况看，25岁到50岁的适业人群构成了中国个人投资者的主体（87％），但50岁以上的离退休人士也有不容忽视的份额（12％）；从入市时间看，中国股市一线投资者的平均股龄为2-4年， 教育程度方面。调查发现，为数庞大的中国证券市场投资者的总体受教育程度较低，其中不足中等文化程度的投资者（高中及中专以下）占了总被调查者的％，而初中以下的低学历者有％，这一数字意味着有较多的投资者未能接受初中以上的文化教育。进一步的分析表明，投资者的受教育程度与其股市的投资规模存在一定的相关性，受教育程度较高的投资者，其股市的投资规模也相对较大，但在较低学历者中，受教育程度与股市投资规模间的相关性并不强。 。
中国经济发展的历程与现状与发展趋势.
中国经济发展的历程与现状及发展趋势 社会经济的现代化贯通于资本主义产生、发展和社会主义确立、发展的全过程，是人类社会从传统的农业文明向现代工业文明转变的必然趋势。从内容上看，它是以科技为动力，以工业化为中心，以机器生产为标志，并引起经济结构、政治制度、生活方式、思想观念全方位变化的一场社会变革。 一、鸦片战争后中国社会经济结构的变动 1、自然经济开始解体 1842年五口通商以后，西方商品输人与日俱增，尤其是洋纱洋布的输入，摧毁了东南沿海地区中国传统的家庭手工棉纺织业，造成纺与织、织与耕的分离。传统的小农业与家庭手工业相结合的自给自足的自然经济开始解体。其后，随着更多的通商口岸的开放，洋纱洋布得以倾销，进而为机器棉纱纺织业的产生和发展准备了一定的原料和产品市场；陷入破产与失业的农民和手工业者，则为近代机器工业提供了劳动力市场。 传统的自给自足的自然经济开始瓦解只是发生在沿海局部地区，内地广阔的农村封建生产关系基本没变。另外，在东南沿海地区，棉纺等中国传统的手工业部门也同时受到打击和排挤，这些部门的资本主义萌芽受到遏制。 2、近代机器工业的出现 19世纪40年代外国资本的近代机器工业在中国出现。60年代开始的洋务运动，标志着中国工业近代化的开始。 鸦片战争后，外国商人为了贸易和航运的需要，在通商口岸私自创办了一批船舶维修厂、砖茶厂和机器缫丝厂等。外国企业在中国的开办，给中国带来了先进的机器与技术，打开了中国人的眼界，从而为中国资本主义机器工业的产生起了诱导的作用。
自19世纪60年代始，李鸿章、左宗棠等洋务派大官僚，先后创办了江南制造总局、金陵机器局、福州船政局、天津机器局等军事工业，清政府各省当局大多也创办了自己的军火生产机构。这些军事工业从外国购进设备生产船舰、枪炮、弹药，将大机器工业引入了中国。洋务派在这一时期所创办的上海机器织布局、汉阳铁厂等民用工业，也都属于使用机器生产的近代企业。除制造业外，洋务派大官僚李鸿章等人创办了上海轮船招商局、开平矿务局、天津电报总局，修筑了铁路，从而建立了中国自己的近代采矿、航运、铁路和通讯事业。 二、中国社会经济近代化进程的阶段 1．初步发展阶段（1840～1895 年） （1）鸦片战争后，西方列强利用不平等条约的特权向中国倾销商品，并非法开办企业（这是在中国最早出现使用机器生产的近代工业）。 （2）洋务运动，兴办了一批近代军事和民用工业。洋务运动是中国早期现代化的第一次大规模实践，产生了中国机器工业。 （3）19 世纪六、七十年代，中国民族资本主义工业兴起。民族资本主义工业冲击自然经济，中国社会的经济结构发生了重要的变化。 2．整体发展阶段：（1895—1927 年） （1）甲午战争后民族资本主义经济初步发展。 （2）1912—1919 年民族资本主义经济进一步发展。 3．曲折前进阶段（1927—1949 年） （1）国民政府统治前期，官僚资本形成，民族工业发展。 （2）抗战期间，原有的工业在军国主义的大举进攻下遭到严重摧残，近代化被打断。
中国资本市场的发展历程
中国资本市场得发展历程、情况及问题 上个世纪70年代末期以来得经济改革大潮,推动了资本市场在中国得出现与成长.中国资本市场从无到有,从小到大，从区域到全国，得到了迅速得发展，在很多方面走过了一些发达市场几十年，甚至就是上百年得道路。今天，资本市场已经成为我国社会主义市场经济得重要组成部分，总市值居于世界第二。 （一)中国资本市场得发展历程 与成熟市场自下而上得“自然演进”得发展模式不同，中国资本市场就是在政府与市场得共同推动下,逐步探索与发展起来得。 资本市场出现得直接原因就是股份制试点。上个世纪８0年代早期,少量企业开始自发地向社会或企业内部发行股票或债券集资,随后逐步形成了“股票热"。１99０年,上海、深圳两家证券交易所开始营业。 在资本市场创建之初,人们还有不少得犹豫与争论。19９2年1月，邓小平在南方讲话中指出:“证券、股市，这些东西究竟好不好，有没有危险，就是不就是资本主义独有得东西，社会主义能不能用?允许瞧，但要坚决地试”（详见《邓小平文选》第三卷).随后,股份制试点进一步扩大,中国资本市场开始了快速发展。同年8月，在深圳发生了因抢购股票而造成混乱得“８?10事件”,暴露出缺乏统一管理体制得弊端。10月,中国证监会成立，标志着市场纳入统一得监管框架。
１9９9年７月，《证券法》实施，以法律形式确定了资本市场得地位,规范了证券发行与交易行为,将资本市场纳入更高层次得发展轨道.20０４年，《证券投资基金法》实施，促进了证券投资基金得发展。在这些法律法规得保障下，银广夏、德隆系等一些重大案件先后得到及时查处,资本市场在不断规范中逐步成长壮大。 ２0０1年11月,中国正式加入世界贸易组织，资本市场也加快了对外开放与国际化发展得步伐，迄今已设立了12家中外合资证券公司与３８家中外合资基金管理公司，引入了116家QFＩI（合格境外机构投资者),并推出了50只QDIＩ(合格境内机构投资者)产品（截至于2011年9月底。）。 ２004年１月，国务院出台《关于推进资本市场改革开放与稳定发展得若干意见》(俗称“国九条”)，将大力发展资本市场提升到了完善社会主义市场经济体制、促进国民经济发展得战略高度。20０5年5月启动得股权分置改革，使得市场早期制度安排带来得定价机制扭曲得以纠正,打造了一个股份全流通得市场，市场得深度与广度大为拓展. 近年来,我国初步建立起主板、中小板、创业板、代办股份转让系统构成得多层次资本市场体系，以适应多元化得投资与融资需求;上市公司大股东清欠工作共清欠金额数百亿元，保护了中小投资者得利益,提高了上市公司质量；证券公司得综合治理化解了行业风险，夯实了发展基础;基金业得市场化改革带来了行业得迅速成长,基金规模已占到流通市值得近１0％,并带来了市场投资理念得深刻转变。
中国证券分析师行业的现状与发展思路
中国证券分析师行业的现状与发展思路 中国证券分析师行业伴随着中国证券市场的脚步已经走过十几年的发展历程,十几年来,证券分析师队伍从无到有,不断壮大,已经成为普及证券知识、推动理性投资和证券市场规范化发展的一支不可忽视的力量。当前,中国证券分析师行业正面临国内证券市场快速发展和加入世贸组织后外国同业竞争的双重挑战,这一新形势既蕴藏着发展的新机遇,又急切呼唤着新的改革。 中国证券分析师行业的发展历程和现状 中国证券分析师行业是伴随着中国证券市场的发展而发展壮大起来的,以管理部门实现监管为标准,其发展历程可以分为三个阶段。 第一阶段是起步阶段(1984—1991)。这个阶段是证券分析师行业的萌芽和孕育阶段。在这个阶段,中国证券市场刚刚开始,管理层、上市公司、证券公司和投资者都在“摸着石头过河”,全国性的有形交易市场尚未形成。在一些大城市一级半市场上,开始有人研究股市行情,传递信息,指导操作,但尚未形成稳定的证券咨询群体。 第二阶段是自发阶段(1991—1998)。这个阶段是证券分析师行业飞速发展阶段,也是管理部门监管处于真空的阶段。20世纪90年代初证券市场成立之时,为适应证券公司的需要,
证券咨询部门纷纷成立,最早是从券商的客户服务部门开始,准确地说是营业部对股民进行的“入门指导”,离严格意义上的咨询业务相距甚远。在这一阶段,证券市场刚刚成立,投资者还比较陌生,此时,证券分析师的作用更多的是起到一个“入门指导”的作用。接着,我国证券市场迎来了一个飞速发展的过程,由于证券市场投机风气弥漫,投资者的投资决策基本上是建立在对“政策”“、庄家”、“内幕消息”等概念上,为迎合投资者投机的需要,各类“股评家“”股评人士”“、市场人士”、“证券研究员”活跃在证券交易所和各种新闻媒体之上,新闻媒体也推波助澜,而且市场缺乏政策监管。在这种大环境下,证券分析师行业出现了大量的违规行为。 第三阶段是规范发展阶段(1998—至今)。这个阶段是证券分析师行业规范发展的阶段,各类管理法规和条规相继出台,管理部门开始监管。面对证券咨询业的放任自流和大量违规行为的出现,监管层开始引起注意,1998年4月1日《证券期货投资咨询管理暂行办法》及其《实施细则》公布并实施,开始对从业机构和人员实行资格审查,加上其后颁布执行的《证券法》,中国证券咨询监管法规在某些方面甚至比香港同类法规还要严格。2000年7月16日我国颁布实行了《中国分析师职业道德守则》,并且在2002年12月13日成立证券业协会证券分析师委员会,使证券分析师的管理趋于规范。但是,多年监管空缺造成行业总体素质偏低和短期的投机心态
中国近年来经济发展的现状及趋势
中国近年来经济发展的现状及趋势 进入21世纪之后，中国的经济环境有了很大的变化。从国 际形势看，欧元区国家的经济合作已经启动，但发展前景不明朗；美国自从经历“9．11”事件之后本国经济陷入低迷，至今尚未全 面恢复；日本经济则长期低速徘徊.尽管我国政府采取了一系列 积极的措施，例如：正式加入WTO；推动APEC的发展和中国——东盟自由贸易区的发展；加强同中亚国家的合作等；但整体外部形势依然严峻。这就需要我们从内部经济入手，找到推动经济增长的有效方法和途径。在国内经济中，由于存在众多的问题，无法一一列举，所以本文试图从通货膨胀、失业、GDP的增长几个方面来探讨影响中国经济的原因，并且试图找出解决问题的方法和途径。 一、对三条曲线的复合与分析 （一）三条曲线在一个坐标系中的复合：图一（% （二）三条曲线各自特点的分析 A、GDP增长率曲线 1、曲线走势：最近中国十几年的GDP增长率变动呈现前快后慢的特点。在第一个阶段，1991——1996年，GDP增长保持在一个较高的水平，平均达到11.6%；而在第二个阶段，1997——2001年间，GDP增长保持平稳中速的增长趋势，平均达到 7.8%。前后两个阶段平均增长率差异较大，呈现出比较明显的 阶段性特点。 2、原因
1）、1991——1996年的经济高速增长主要是基于以下方面： 第一，经历了二十世纪八十年代末的经济衰退，当时称之为“市 场疲软”之后，中央政府采取了一系列积极的财政、货币政策， 推动了经济的快速增长；第二，邓小平同志的南巡，一方面澄清 了许多人认识上的误区，另一方面，他以个人的远见，在宏观上 为中国创造了一种宽松、积极的氛围，加速了经济的增长。 2）、1997——2001年经济增速下降，主要是以下原因：首先，在经历了1991——1996年的经济高速增长之后，一些经济指标过热，造成诸如通货膨胀水平过高等方面的问题。所以国家在宏观上需要执行一套稳健、收缩的财政、货币政策。其次，1997年爆发的亚洲金融危机虽然没有对我国经济造成直接破坏，但也严重地影响了我国的整体外贸环境。重要表现之一就是传统东南亚国家进口市场的缩小，外贸行业整体效益的下滑，对我们这个外贸依存度非常高的国家来说，对经济增速的下降造成了实际的 压力。第三，为了适应经济全球化和加入WTO的要求，我国陆续开放了一批部门和行业，大力下调平均关税水平；这一系列的举措使国内原本受到很大程度保护的许多产业顿时感受到巨大 的压力，使得这些传统上的经济增长点在实际推动经济增长时显 得力不从心。 B、通货膨胀水平曲线 1、曲线走势：1992——2001年中国通货膨胀水平呈现先 高后低、先正后负的情况，同样具有阶段性的特点。1992——1996年间，平均商品零售物价指数保持在12.2%，而1997——2001年其平均水平仅为－0.6%。两个阶段相差13%，这种有趣的现象非常值得我们研究。 2、原因
中国股市发展史
中国股市历史详述 股市的诞生 上个世纪80年代，改革开放刚刚起步，整个社会都弥漫着除旧布新的气息和不破不立的激情，但是同时各种新潮思想也随时要应付相应的政治风险。 笔者认为资本市场构想的提出具有划时代的意义，非常佩服当时中国人民银行研究部的那20个研究生。他们在1984年写的一篇“中国金融改革战略探讨”引爆金融界。其中第一次谈到了在中国建立证券市场的构想，直接引发了当时的股份制热潮。 1984年11月18日，中国第一个公开发行的股票-飞乐音响向社会发行1万股（每股票面50元）。 飞乐当时得天时地利人和，在1984年7月，上海颁布了一个地方性法规-《关于发行股票的暂行规定》，飞乐抓住这一次机会，一切都顺理成章的发生了，用现在的话讲就是第一个吃螃蟹的人 中国第一张上市公司股票 就这样，“小飞乐”承担起了我国证券市场从无到有——零的突破。 1986年9月26日，中国工商银行上海分行信托投资公司（静安分公司曾于1984年公开发行“飞乐音响”股票）开设交易柜台-静安证券业务部，中国第一个证券交易部诞生，产生了股票交易。 ●这一阶段，涉及到两个重要人物 黄贵显（静安分公司经理，后更名为静安证券营业部）
主导“飞乐音响”股票的发行，在1986年9月静安营业部开设交易柜台批准成立，在他的努力下新中国真正意义上出现了股票交易 黄贵显在静安证券交易部 秦其斌（前飞乐音响董事长） 一个很有想法也很果断的人，跟吴邦国关系很要好，在领导下面自然得做出点成绩来啊，1984年上半年，他便提出了股份制的构想，通过发行股票向其他单位和内部职工集资。 秦其斌在接受采访 量变到质变：由于后续股票交易的火爆，已经越来越多的股份制公司开始发行股票，为了规范化，同时加深金融改革，大的背景是改革开放-证券交易所应运而生。 1990年11月20日，上海证券交易所成立，同年12月19日正式营业，以当日为基日，基日指数定为100点。有上证综合指数，俗称“沪指”。 1991年7月3日，深圳证券交易所正式开业。 请注意：目前所讲的深指全称为“深证成分股指数”，并不是指“深证综合指数”。 值得一提的是，在当时，国际上证券交易的交易模式主要有两种： ●口头竞价 ●电子计算机交易系统 尽管上交所的交易规则中规定的是口头竞价和计算机交易两种方式，其实“宝”全部押在电子计算机交易上。可以讲，这是一种极大胆的、跨越式的发展，因为当时连最简单、
我国股票市场发展现状
我国股票市场发展现状 姓名：王向红 班级：会计三班
学号：111102031332 2015-01-06 我国股票市场现状分析 摘要：任何国家的经济发展都离不开股票市场，所谓股票市场是宏观经济的 晴雨表，可见它对经济的重要性。中国股票市场是一潜力较大，发展前景非常广阔的市场，对于企业和投资者来说，对股市未来发展趋势 的判断，是其投融资成功与否的关键所在。我国股票市场成长之快和成绩之卓著是令人瞩目的。但是由于发展时间短, 制度不健全等原因, 存在着诸多问题。通过对我国股票市场的现状的分析, 总结了股票市场当前存在的问题, 探索了产生问题的原因, 并提出了解决问题的对策。 关键词：股票市场；现状分析;问题与发展趋势 一、引言我国股票市场现状分析 从1990 年上海交易所成立以来, 作为资本市场的核心,我国股票市场短短的几十年达到了许多国家几十年甚至上百年才实现的规模。中国股票市场经过二十多年的发展，在筹集企业发展所需资金、改善企业融资结构、优化社会资源配置、促进中国经济发展等方面起到了十分重要的作用。 （一）当前我国股票市场规模。截至2007 年12 月21 日, 沪、深两地上市已达1527家, 上市股票数量1613 只, 总股本达到16848. 86 亿元, 股票市价总值达到310448. 39 亿元.上海证券交易所上市的公司达到859 家, 来自全国31个省、市、自治区。其中, 44 家公司同时发行A、B 股; 19 家公司以A 股和H 股形式同时在上证所和香港联合交易所上市; 6 家公司以B 股和ADR 形式同时在上证所和纽约证券交易所上市; 1 家公司以B 股和GDR 的形式同时在上证所和伦敦证券交易所上市。深圳证券交易所865 只证券中包括A 股655 只, B 股55 只, 其余为基金、企业债券、可转换债券、国债、权证等 ( 二) 股权分置改革现状。我国上市公司股权分置改革目前已经顺利进入收尾阶段了, 这场史无前例的制度性变革用了一年多的时间, 取得了决定性胜利, 实现了中国股市从漫漫熊市向持续健康发展的历史性转折。自2006 年4 月29 日
中国股市现状分析
中国股票市场现状浅析 摘要：中国股票市场经过近20年的发展，已经形成了与我国经济发展相适应的特色道路。中国股票市场经过不断的发展和完善，已经取得巨大的成绩。股票市场作为中国证券市场的重要组成部分，对中国经济的发展和社会的稳定起着重要作用。在不断完善和发展的同时，我们也应该看到它的诸多不完善的地方。 经济活动的最终目的是满足人的需求或欲望，而“幸福和快乐是满足人欲望最好的药剂”(孟德斯鸠)。娱乐的特性是符合现代经济活动的目的。随着经济的不断发展，人们越来越重视生活质量的提高。更多地关注我们自身的幸福与快乐。 近几年来，全球金融动荡，中国采取各种金融政策见效甚微。中国各种问题仍然存在需要改进的地方。我国股票市场绵延不断的下跌，是否反映了“经济向下“的状况，这是大家都非常关心的问题。对于这个问题，大家要分清虚拟经济和实体经济是两回事。 对于中国股市的持续下跌不妨分长期和短期两个方面来看。从过去十年的跨度来看，中国股市有着估值回归的内在需求，这是近年来A股不断走低的重要原因。股市的不振更多是信心缺失所致，而不是经济下降所致。根据市场情况，我们可以看到投资者最为担心的是，国际经济金融形势依然比较严峻，尤其是欧洲债务危机仍有可能恶化扩散，国内经济受转型和周期调整等因素的影响，下行压力较大，这些基本面因素是导致市场走弱的主要原因。 众所周知，全球金融市场充满着泡沫，大家进入了一个泡沫化生存的时代。因此，尽管最近以来中国股市，甚至全球股市出现了全面性下跌，但是这种下跌只是市场价格的波动，并非是出现全球股市周期性的变化。对于国内股市大幅下跌，既有国际周边市场的影响，更重要的应该是是国内股市本身出了问题。 中国股市现象既与生活常识相背离，也脱离基本的经济原理，因此，其股市泡沫的吹大是无疑的。既然股市的泡沫已经吹得很大，因此，中国股市发展到一定程度在价格上进行调整也就十分正常了。股市的指数上下波动是很正常的事情，股票的市场价值总是围绕其内涵价值上下波动。因此，国内股市下跌了，特别是泡沫很大的股市下跌，对市场不是不好，而是股市未来发展的必要条件。 从股市是实体经济的睛雨表来看，尽管国内存在两大资产价格巨大的泡沫，但是国内经济向好这是谁也无法否认的。韩国的MV风靡我国，从表象上看，也许大家只是把它作为
中国经济发展现状、问题及对策
中国经济发展现状、问题及对策 本文以经济增长、物价稳定、充分就业和国际收支平衡四大指标为依据，综合 论证了中国经济发展的现状和基本特点，揭示了中国现时经济结构不合理、就业不充分、经济增长粗放的突出问题，系统提出了解决问题的基本对策，包括投资政策、财政政策、货币政策、产业政策、区域发展政策、外资外贸政策等。 中国经济发展现状分析 （一）经济增长分析。 改革开放以来，中国经济持续高增长，但是在高增长中也存在一定的周期波动。近几年来，中国经济的周期波动已呈振幅缩小、基本稳定的特点。1998～2003年中国经济增长率的谷底值与峰值在7.1％～9.1％之间，相差2个百分点；而在此之前，最低谷底值与最高峰值在3.8％～15.2％之间，相差11.4个百分点。这说明目前中国经济增长已不存在所谓“过热或过冷”的问题。按中国要在2020年全面建设小康社会的要求，在未来十几年内中国将保持年均7％的经济高增长速度。中国现时与未来的经济高增长是有持续动力支持的。这种动力支持主要源于五个方面：一是中国现在是一个发展中国家，经济总量水平低。2003年中国GDP只有11.7万亿元人民币（按汇率折算约合1.4万亿美元），只相当于日本经济总量的1/4，故中国有经济高增长的巨大潜力。二是中国劳动力供给充足，仅农村富余劳动力现在就有1～2亿人，尚且中国劳动力的工资水平低，隐藏着巨大的消费需求。三是中国资本或资金供给充足。到2003年底，中国居民储蓄存款高达10.4万亿元人民币，居民外币存款为800多亿美元，两者合计占GDP的比例已超过100％。此外，中国利用外资和现有外汇储备的规模也很大。四是中国非常重视利用和引进国外的先进技术和人才，并努力研发拥有自主知识产权的高新技术，从而可以依靠先进技术和人才，支撑现代产业的发展和传统产业的改造。五是中国现在具有经济型政府的特点，政府行政手段在配置资源方面发挥一定的重要作用。这种行政手段对资源的配置在很大程度上具有高效率。当然，目前中国经济增长也存在粗放型、质量不高、经济结构不合理的突出问题。所以，注重经济增长方式的转变，确立以人为本的协调发展观，是推进中国经济可持续发展的重要保障。 （二）物价稳定分析。 改革开放以来，中国经济增长长期受到通胀的困扰，尤其是在1988～1989年和1993～1995年中国的通胀曾达到严重的程度，年消费价格指数（CPI）分别为18.8％、18％、14.7％、24.1％和17.1％。但是近年来，中国又出现了通缩的迹象。1998～2002年中国的消费价 格指数分别为-0.8％、-1.4％、0.4%、0.7％和-0.8％，其中有三年出现了轻度的通缩。2003年中国消费价格指数又上升到1.2％，特别是原材料购进价格指数和工业品出厂价格指数分别上涨了4.8%和2.3％，这说明现在中国已走出了通缩的阴影，并呈现出通胀的苗头。总之，近几年来中国的物价是基本稳定的。未来中国也不会担心通缩的问题，但中国对通胀却一直非常敏感。主要原因：一是中国在20世纪80～90年代曾遭受过通胀的打击，并且在客观上存在一定的引发通胀的内在因素，特别是受粮食、石油等资源的制约以及受盲目投资、重复建设的影响。二是中国在调控货币供给量方面存在缺陷，特别是受地方政府“倒逼机制”的影响，使中央银行很难有效控制住货币供给量。例如，2003年中国货币发行量（M0）为2468亿元人民币，增长率为14.3％，超计划发行率为64.5％，创建国以来最高发行率；贷款新增加3万亿元人民币，比2002年增发放贷款1.1万亿元人民币，增长率高达58％，是多年来发放贷款最多、最猛的一年，从而不可避免地拉动了物价全面上涨。之所以出现这种
中国股票市场发展历程
中国股票市场发展历程 现如今中国股票市场经过20多年的发展，已取得巨大的成绩。股票市场作为中国证券市场的重要组成部分，对中国经济的发展和社会的稳定起着重要作用。股票市场的成长可以分为三个阶段，第一阶段股票市场的初创阶段(1990——1992)，1990年上交所成立，尽管当时规模有限，但标志着中国的股票市场进入了从小柜台到大市场的新时期。第二阶段股票市场的规范和发展阶段(1993——2001)，该阶段股票市场大起大落，政府行为成为股市最主要影响，1999年7月1日《中华人民共和国证券法》正式实施，标志着集中统一的监管体制建立，也标志着我国证券市场法制化建设步入新阶段。第三阶段股票市场的调整与创新阶段(2002——)，该阶段的显著特点是我们开始关注中国的具体国情，研究探索适合中国国情的股票市场制度，并结合国外的实践经验不断完善我国股票市场制度。 中国股票市场发展现状 中国股票市场经过不断的发展和完善，已经取得巨大的成绩。但是，在中国股票市场建立和发展过程中也存在许多问题。 一、股市功能导向存在误差，股市和宏观经济之间缺乏联系。 目前，中国股票市场参与者的投资理念存在问题，投资者往往不会考虑长期价值投资，只采取短线投资行为。股市参与者对股市的未来预期和上市公司是否盈利不存在直接关系，而是主要看参与者在消息市中的信息捕捉能力，这使得股票市场的投资能力弱化，出现投机行为过度的现象。另外，中国股票市场的融资能力不强，融资手段也较为单一。而对于投资者来说，进入到股市十有八九是赔钱的，群众对股市明显缺乏信心。 二、“政策市”成为股市发展制约因素，企业“圈钱”行为未得到有效遏制。 中国股市的结构性缺陷主要表现为股市始终跟着政府的发展思路而不断变化，并不符合市场规律，与西方较为成熟的股市相比差异明显。另外，企业通过上市“圈钱”的行为没有得到有效遏制，近年来类似“银广夏”等事件对股民信心的打击是非常大的，这种行为也伤害了众多的中小股民。 三、股市内部环境有待改善，制度建设急需加强。 随着我国经济的快速发展，中国股票市场的内部环境急需改善，相关制度也急需建立和完善，因为依靠法律制度保护股票市场的发展才是正路，行政干预过多只会影响股市的自我发展和完善。 四、治理结构不健全，内控机制不完善，抗风险能力差。 股本结构不合理，股权过于集中。股权流动性差。激励机制不合理，激励手段落后。股票市场的未来展望
浅析我国股市现状、成因及对策(一)
浅析我国股市现状、成因及对策(一) 关键词]股市现状成因对策 摘要]近年来，我国股市不断发展壮大，同时，许多缺陷也暴露出来，这些缺陷削弱了股市的功能，阻碍了股市的进一步发展，为引发金融危机埋下了隐患,本文试图通过分析这些现状及其成因，找出改善对策。 我国股市自建立以来，为经济发展做出了不小的贡献。但同时，股市现状也不容乐观，主要表现为：自我平衡和自我调节的能力弱，稳定性差，股价容易暴涨暴跌，市盈率高。这些缺陷削弱了股市筹集资金，宏观调控，合理配置资源，价格发现的功能，为引发金融危机埋下了隐患。 一、我国股市现状 1.自我调控能力相当弱，易暴涨暴跌，稳定性极差。上证指数从2005年6月的998.23点到2007年10月的6124.04点再到2008年1月的4383.39点,波动极为剧烈。而发达国家近30年中，年股指波动幅度多在10%以内。 2.过度投机，泡沫化现象严重。股市的暴涨暴跌使投机盛行，也正是由于投机，高换手率使股市经常处于严重超买的状态，从而导致了高市盈率，增大了投资风险。国际成熟股市换手率一般为40%～60%，我国股市平均换手率在2006年之前就高达500%左右，是其平均水平的10倍，2006年、2007年则更甚。 3.幕后交易操纵股价现象严重。“庄家”等通过幕后交易、操纵市场来操纵股价，从而获取暴利，这种现象极为严重，有名的“银广夏陷阱”就是例子。 二、我国股市现状的成因 1.市场机制不成熟是必然原因。我国没有经过资本主义商品经济阶段，直接由计划经济进入市场经济，市场机制发展不成熟。计划经济时期遗留的一些制度、做法都不可避免地会对股市这种资本主义商品经济自然发展的产物产生不利影响。比如:国民经济市场化程度低，信用基础薄弱，投资主体残缺，机构投资者不足，投资者素质低，股市中介服务水平较低、股市的运行机制设置不合理等，都是股市暴涨暴跌的隐患，也让投机者和内幕交易、市场操纵者有机可乘。 2.上市公司质量普遍不高是直接原因。我国股市是国企融资需求和政府催生的产物，其融资功能受到过分关注，导致我国股市的功能定位和股票发行制度不合理。国企为上市而改制，筹集资金是其最终目的，改制只是手段，改制后上市的公司经营机制并未发生根本变化，在市场机制下，其经营业绩不佳几乎成了必然。另一方面，我国股市退出机制不健全，一直没有确立严格的上市公司摘牌制度。这就造成一些劣质公司的股票仍然上市流通，降低了股市的投资价值，破坏了股市信用环境，阻碍了我国股市的进一步发展。 3.国有上市公司的股权结构是根本性原因。现有上市公司大部分是国有公司,这些公司中，不能上市流通的国家股和法人股占了三分之二。一方面,国家股是由国家委托给管理者进行代理管理的，由于委托人和代理人之间信息的不对称、利益的不对等,代理人就有可能在具体操作中损害委托人利益;另一方面，国家股的持有者全体人民，只通过公司的利润再分配间接和被动地获利,这使得他们没有关心公司经营管理和监督代理者行为的积极性。这些正是导致股市混乱、内幕交易、操纵市场现象盛行的根源。 三、改变我国股市现状的对策 1.改善市场环境。首先，我国必须逐步改善股市的生长环境，减少国家对市场的行政干预，充分发挥市场本身的调控功能，把计划经济的影响降到最低。其次，解决好市场管理体制与运行机制的矛盾。逐步改变由证监会审批几乎一切创新形式的管理体制，建立起由证监会管理基本行为规则，由交易所和市场中介机构自主进行具体的活动。最后，正确对待投资与投机，让二者相相辅相承。投资是股市的基础，为股市提供稳定性和方向性；适度投机具有股
中国股市的发展历程
中国股市的发展历程 从1980年第一次股票发行算起,改革开放以后当代中国的股票市场已经有二十几年的历史。股票市场的成长可以分为三个阶段，第一阶段股票市场的初创阶段上世纪80年代；第二阶段股票市场的规和发展阶段(1998——2001);第三阶段股票市场的调整与创新阶段(2002——)。中国股票市场的发育、发展，是中国经济从计划体制逐渐向市场体制转型过程中最为重要的成就之一，资本市场改革和发展的经验，也是中国经济改革成功经验的重要组成部分。 一、中国股市的起源 中国股票交易开始于19世纪末期，也就是清朝末年，当时随着洋务运动的发展，一些商业组织开始采用股份的形式，出现了股票，但数量极为有限，未形成集中的股票市场。1888年一些外商在组织了“股票客工会”，专门从事外国股票的交易业务，这是在我们中国出现的最早的股票交易市场。等到了1902年清政府将其改组为“众业公司”，除继续从事外国的股票交易外，也经营外商在华设立各公司的股票。国的股票从20世纪80年代初开始出现，但发行量很小，也不规。1986年美国证券代表团来，我国将一标准的股票飞乐音响，赠送给美方。这股票作为新中国第一只股票在美国纽约证交所展出。 之后，经过这么多年的发展和规，我国股票市场取得了长足的发展，已经具有一定规模。无论是从股市规模大小，还是在经济中所发挥的作用来看，股票市场在社会经济生活中已成为不可忽视的一部分。
二、我国股票市场取得的成就 沪、深股票市场虽然只有十几年的历史，却走过了西方股票市场近百年的成长过程，其成长之快和成绩之卓著是令人瞩目的。特别是进入90年代以来，沪、深股票市场在许多方面都取得了重大进步，有效地支持了国有企业的发展。新中国建立后数十年的实践证明，在计划经济体制下，国有企业由于目标不清、职责不明、产权不清而存在诸多问题。而市场经济要求建立自主经营、自负盈亏、自我发展、自我约束的现代企业制度。为了适应市场经济发展的需要，国有企业要进行必要的改革和改造，而公开发行股票上市则是达到这一目的很好办法。由于国家财政负担着科、教、文、卫、体、国防等多项开支，国家投资将不再是绝大多数国有企业资金的主要来源，发行股票上市是国有企业筹资的最佳方式，能有效地缓解国有企业生产发展资金不足的矛盾，并可以减少国有企业财务费用的支出，提高盈利水平。配股权的使用也为国有企业的长期发展不断提供资金来源。国有企业改制上市后，由于各种新闻媒体的广泛宣传和报道，无形中提高了企业的知名度，起到了广告宣传所无法起到的作用，从而大大提高了客户和消费者的认同感。另外，改制上市后的国有企业股本结构呈多元化，产权明晰，企业高层管理人员的行为置于广大股东、职工、社会舆论的监督之下，经营活动更加规。在沪、深股票市场2000多家上市公司中，绝大多数为原国有独资企业。 硬件设施建设居世界先进水平。90年代初期，投资者买卖股票还不得不到大中城市才行，股票的交割，过户也需等待几天时间，很
2015中国股市现状分析、问题及对策
2015中国股市现状分析 2015年承接的是一个处于技术高位的上证指数，且一线蓝筹上升动力明显不足；其次是新股发行节奏、高溢价及注册制对中小板及创业板的影响；三是经济运行在低位及不确定性因素形成的系统性风险。而2015年投资机遇，依然是依赖于改革推进和政策利好。 “一带一路”、国企改革、自贸区建设等板块将进一步推动行情；二是围绕新型产业，如大数据、移动支付、电子信息、4G、环保等成长性板块所展开的行情；三是新的政策利好推动行情。 在谨防小盘股再次“滑铁卢”的同时，对尚未大涨的二线蓝筹股，则可重点逢低布局。从中线角度看，逢低买入并持有低估值个股依旧是上上策。就机会而言，农垦改革、土地流转、机器人及智能制造、环保等题材，依旧可以逢低吸纳。 2015年，投资者仍应跟随政策面选择个股，“一带一路”、铁路基建低估值个股可以值得关注。还有就是核能板块，随着一些对外核能建设投资的大单陆续签定，以及国内核电站有望恢复审批，该板块有可能走出一波独立行情。 2015年市场关注的焦点仍然是国企改革、节能减排、T+0交易制度的推出、智能家居、工业4.0、信息安全及产业振兴规划等相关题材。我们认为，后市的投资风向仍然围绕上述题材展开，同时，在本轮行情中被错杀的成长白马股也会受到资金的青睐。 中国股票市场现状分析 中国股市经过将近20年的发展，我们有必要对中国股市现状好好分析一下。目前，已经形成了与我国经济发展相适应的特色道路。虽然，中国股市现状还有诸多不完善的地反，但是作为一个合格的投资者，我们应该认真分析中国股票市场现状，进而做出正确的判断。 一、中国股市现状：股市功能导向存在误差 目前，中国股票市场参与者的投资理念存在问题，投资者往往不会考虑长期价值投资，只采取短线投资行为。股市参与者对股市的未来预期和上市公司是否盈利不存在直接关系，而是主要看参与者在消息市中的信息捕捉能力，这使得股票市场的投资能力弱化，出现投机行为过度的现象。另外，中国股票市场的融资能力不强，融资手段也较为单一。而对于投资者来说，进入到股市十有八九是赔钱的，群众对股市明显缺乏信心。 二、中国股市现状：“政策市”和“圈钱”
中国经济发展现状分析
中国经济发展现状分析 经济是一个国家赖以生存的基础，毋庸置疑，中国的经济发展是非常迅猛的。经济的腾飞增强了中国的综合国力，市场经济日趋繁荣，人们的生活水平也在不断提高。但是近年来国际金融危机的大背景下，中国的经济发展速度有所减缓。中央为实现“保八”“维稳”等目的也采取了一系列措施。回归中国经济本质，其发展减缓的原因其实是多方面的。 从国际方面看，首屈一指的自然是世界经济危机的爆发对全世界经济产生了重大影响，作为活跃在世界市场上的中国自然也没能逃出它的魔爪。由美国次贷危机引发的经济危机在短时间内波及全球，中国作为“世界工厂”出口贸易受到严重影响。国内经济也受到干扰，通货膨胀，失业率上升，社会民生问题层出不穷。中国的经济发展形式严峻，加之中国经济自身存在弊端，其受影响程度可见一斑。 再者，美国等国家实施的贸易保护政策，对中国贸易的发展有着极强的制约作用。自加入世界贸易组织以来，中国在国际贸易发展极为迅速。占有的市场比率也在逐步上升，由此引得一些国家的焦虑和恐慌，更是被某些大国拿来当牵制中国发展的理由。 国内方面，主要有以下几点原因：第一，不合理的经济发展模式。中国现阶段经济发展主要依赖国际市场，能源资源消耗消耗大，环境损害成本低，经济结构不合理，科技强度不大，凡此种种皆对经济发展有直接的影响。我国现在经济仍以农业、制造业为主，尤其是加工制造业产品多用以出口。而其产品技术含量低，对外依赖大。众多“MADE IN CHINA”的背后体现的其实是中国的经济发展模式已经受到严峻挑战。物极必反，过犹不及，中国以能源资源、环境为代价，发展经济的方式显然已经不能适应当今经济的发展趋势。加大科技投入，扩大内需，大力发展文化产业，电子信息行业已经刻不容缓。 第二，经济发展差距日益扩大。中国经济发展存在很大的地区差异这是显而易见的。其原因有地理位置因素，有国家政策的影响，也有文化及教育水平的差异。沿海地区以其优越的地理环境和国家给予的优厚的政策扶持，经济发展水平较高，城镇化水平明显高于中西部地区。国家近年来虽然出台了相关措施来支援中西部地区的经济建设，也取得了一定的成果，但从整体看来，经济发展的地区差异仍旧很大，并且短时间内难以解决。除此之外，城乡差异就显得尤为突出。随着城市化的不断深入推进，城乡差异也愈趋拉大。无论是在基础设施、经济发展、民主政治的推进还是在文化教育方面，农村都明显的落后于城市。有些偏远山村甚至连温饱问题都难以解决，给不用谈达到小康水平了。这种畸形的发展使得中国的经济严重不平衡，从富人很富，穷人很穷的现状我们不难看出这种差异所导致的后果。 第三，法律法规不健全，不科学。作为一个法治社会，法律的完善是一个亟待解决的重要问题。市场经济时代，经济犯罪必然是不可避免的。可是事实上因为法律建设上的缺失，一些罪行没有对应的法律规范作依据，使得违法犯罪者钻空子，以不正当途径敛财，危害社会利益。
中国股票市场的发展历程分析
中国股票市场的发展历程分析 摘要：从1980年第一次股票发行算起,改革开放以后当代中国的股票市场已经 有近27年的历史。这段历史可划分为三个时期,即1980年至1991年的初步发展时期,1992年至1997年的快速发展时期,1998年至今的调整和规范时期。在这二十余年中,我国股票市场可以说是在发展中规范、在规范中发展,尽管出现了这样那样的曲折,但总的来说,是不断发展壮大和不断完善的,股票市场的复兴和发展与我国经济体制的改革基本形成了一种良性的互动关系。股票市场的变化与整个经济市场的发展密切相关，并且股票市场在市场经济中始终发挥着经济状况晴雨表的作用。当前我国的股票市场正处于发展过程中，股票市场正在成为越来越多人关注的焦点。实践证明,只有不断充分认识和尊重市场规律,政府才能有效地稳定和调控股票市场,好的服务于经济改革和社会发展。 正文 一、中国股市的起源 中国股票交易开始于19世纪末期，也就是清朝末年，当时随着洋务运动的发展，一些商业组织开始采用股份有限公司的形式，出现了股票，但数量极为有限，未形成集中的股票市场。1888年一些外商在上海组织了“股票客工会”，专门从事外国股票的交易业务，这是在我们中国出现的最早的股票交易市场。等到了1902年清政府将其改组为“上海众业公司”，除继续从事外国的股票交易外，也经营外商在华设立各公司的股票。国的股票从20世纪80年代初开始出现，但发行量很小，也不规范。1986年美国证券代表团来北京，我国将一张标准的股票飞乐音响，赠送给美方。这张股票作为新中国第一只股票在美国纽约证交所展出。 之后，经过这么多年的发展和规范，我国股票市场取得了长足的发展，已经具有一定规模。无论是从股市规模大小，还是在经济中所发挥的作用来看，股票市场在社会经济生活中已成为不可忽视的一部分。 二、中国股票市场的发展历程 1、1980年至1991年的初步发展时期,我国主要发生以下一些事件：1984 年11 月14 日，上海飞乐音响公司“小飞乐”股票发行。小飞乐是改革开放后我国公开发行的第一只股票。1986 年11 月，邓小平接见美国纽约证券交易所董事长约翰·范尔林，赠送一股飞乐音响的股票。1987-09-27第一家证券公司深圳特区证券公司成立。1988年7月9日，人民银行开了证券市场座谈会由人行牵头组成证券交易所研究设计小组。1990年12月19日，上海举行上海证券交易所开业典礼。时任上海市市长的朱镕基在浦江饭店敲响上证所开业的第一声锣上市交易的仅有30种国库券、债券和被称为“老八股”（延中、电真空，大、小飞乐，爱使，申华，豫园，兴业）的股票，同日申银证券公司开设了上海第一个大户室出现了中国第一代个人证券投资大户/股票大户。1991年7月11日，