金融月度總結精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的金融月度總結主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：金融月度總結范文
做了一個學期的班長，我受益匪淺，班長這一職責像個管家，班級里大大小小的事情都需要打理，在班導的正確指導，和全班同學的積極配合下，金融3班成為一個團結，充滿朝氣的大家庭。
一開始做班長的時候，我覺得壓力真的很大，聽班導說，大一是形成一個班級凝聚力十分重要的階段。經過了半個月的摸索，我對做大學班長熟悉了很多。
首先班長要及時通知學院下發的各項通知，我通過每個星期的院系樓簽到，每天的收取郵件，飛信等等的方式獲取每個一天學院發下來的通知，并及時通知全班同學。每天都會有很多的通知，并且都有嚴格的時間要求，這項工作挺繁瑣的，但經過我的努力，都一項項的落實得不錯。
然后就是最重要的一塊，團結班集體，增強班級凝聚力，讓同學之間可以相互的了解，一學期以來，我和其他班委積極響應新生杯籃球賽，迎新晚會，田徑賽，團日，做亞運文明觀眾等等的學院活動，同時也多次在班上組織唱k，放風箏，生日會，班委慰問男生宿舍，月度聯歡，開班會等等的一系列活動。每一次我盡量的聽取大家的意見來組織一項活動，使我們班的同學更加的了解對方。通過我們班同學的積極配合，活動的取得了不錯的成效，也希望下個學期我們班會因此而更加活躍。
另外，為了更了解我們班的同學，我會時不時的竄宿舍，多點與每個同學溝通，了解大家的需要。同時，每一次活動前，我都會很高興的聽到部分同學對活動的意見，每當這個時候，我都感到十分的欣慰和高興！重中我吸收了很多新鮮的觀點。正因為大家的配合，每一次活動才會成功！
同時，在這個學期，我會不斷的讓班委工作步入正軌，召開班委會議，制定班級的相關制度，讓我們班更加的和諧。
經過一個學期的努力，我和各班委都可以分工合作，明確各自的分工，和各班委之間也可以更好的協調，讓這個班更加的團結和溫馨。
下面總結一下我們班這個學期的一些狀況。
一．班委工作方面
可取之處：
1.，同時班委會成員之間增添了不少默契。大部分班委都有自己的社團工作，但都夠很好的協調好社團工作與班級工作，積極的參與每一次的班級活動，相處的十分的融洽。
2. 班干部分工明確，都能夠合格的完成自己的職責，班務工作有所提高。班委會議發言比較積極，對班級的工作提出可行的意見和建議。
3..班級氣氛和諧融洽，每一次的班級活動，大部分同學都會積極的參與。例如新生杯籃球賽，田徑賽，組織唱k，團日，放風箏，開生日會，班委慰問男生宿舍，月度聯歡，開班會，迎新晚會的班級參賽等等的一系列活動，男女生參與度都較為的活躍。
需要改進的方面：
1. 班上少數同學比較的憂郁，希望下學期可以放松心情。同時心理委員應該多多的關注這部分同學，給予必要的關心。
2.對班委的每一次提議，同學們的反應度不算的高，希望平時同學們多點的向班委提出更好的建議。
二．學習方面
可取之處：
1.同學們出勤率還算客觀，大部分同學可以做到不遲到、有事請假。能夠按時地完成作業。
2.同學們學會利用學校圖書館以及方便的互聯網資源，涉獵更多的知識，豐富了自己的知識庫。
3.臨近考試時越來越多的同學為學習所投入的時間與精力大于以前。
4.期末考試，我們班同學基本都能過關。
需要改進的方面：
1.班級上課氣氛不算活躍。不太認真的思考老師在課堂上給出的問題。
2.學習氛圍還有待加強。
有的同學在學習態度上暴露了不足，偶爾上課遲到或曠課，對于某些課程態度不積極，課下自主學習意識不強，成績不理想 。
三．活動方面
可取之處：
1.半年的時間班委組織過新生杯籃球賽，田徑賽，組織唱k，團日，放風箏，開生日會，班委慰問男生宿舍，月度聯歡，開班會，迎新晚會的班級參賽等等的一系列活動，很感謝團支書，學習委員，組織委員、宣傳委員、文體委員，生活委員，心理委員的協助，活動辦得算是成功吧，發現班里的同學多才多藝，總是有一陣高過一陣的喝彩。
2.我們班的部分同學還參加了亞運會閉幕式的演出。
3.在學校其它社團組織的活動，我們班同學也表現出很高的積極性。
需要改進的地方：
1.部分同學不能很好的協調社團活動和班級活動。
2.宿舍同學的融洽度有待提高，希望可以通過帶動每個宿舍這個小集體來帶動金融3班這個大集體的進步。
總結：
大學不同中學，它更自由，它更獨立，班級的凝聚力不僅僅的需要各個班委的努力，更重要的是每個同學的支持和參與，金融3班屬于每一位同學，也希望每一位同學因為金融3班而大學生活更加的精彩！
第2篇：金融月度總結范文
關鍵詞：新增信貸；時間序列模型；ARMA；預測
Abstract：In order to improve the ability of liquidity and risk management and to reduce the effect of near periodicityfor commercial banks， to improve the function of monetary policy for supervision department， it is important to carry out the quantitative analysis of credit growth for commercial banks. Based on the statistical analysis of credit growth， this paper modeling the fluctuating of loan growth and forecast its trend. Analysis shows credit growth is statistically significant and time serial model can be applied in the loan quantity management.
Key Words：loan growth，time serial model，ARMA，forecast
中圖分類號：F830.33 文獻標識碼：B文章編號：1674-2265（2009）04-0050-04
中國經濟在經歷了近8年的持續上升后出現了調整的態勢。在經濟周期的上升階段，持續的流動性過剩為商業銀行信貸擴張提供了充足的資金來源；不斷市場化的我國商業銀行更加重視資產收益和股東回報，產生了增加信貸投放創造價值的內在驅動力；商業銀行“早投放、早收益”的指導思想及內部傳統的信貸規模計劃、管理模式等等，導致了我國商業銀行的信貸投放總量加大，增速加快。而在經濟的下行階段，由于出現了部分企業經營困難虧損甚至倒閉等情況，銀行為規避金融危機所帶來的新增信用風險，往往采取謹慎的信貸投放態度，出現信貸投放增量下降、增速減緩的情況。由此，為更有效地把控信貸投放，在控制自身信用風險的同時增加效益產出，合理承擔金融行業對宏觀經濟的支撐和促進作用，商業銀行需要對信貸投放的總量及規劃趨勢進行量化預測和研究。
政府監管部門在經濟周期的上升階段，為有效遏制通貨膨脹，控制信貸過快增長，采取了提高利率與準備金率、發行定向票據、加強窗口指導等一系列信貸投放調控舉措；而在經濟的下行階段，監管部門又逐步放開了信貸規模的控制。因此，為更加有效的進行銀行信貸投放監管，減少或避免銀行業和宏觀經濟波動的“親周期”效應，政府監管部門也需要有更加有效的信貸投放預測分析和管理工具。
目前，國內的相關研究主要集中在基于歷史數據和經驗判斷對信貸投放進行特點總結、趨勢分析和經濟規律研究，對運用商業銀行內部數據進行信貸流量的時序分析尚不多見。比如王敏（2006）分析了“十五”期間山東省的信貸投放特點；沈如軍（2000）分析了影響信貸規模的銀行內外部因素，提出了合理把握信貸總量，做好信貸資源的地區、行業、集中度配置的設想等等。同時，有學者采用時間序列方法對信貸投放進行了分析。夏天、程細玉（2006）運用SARIMA模型，對中國人民銀行月度信貸總量進行了預測分析。董占斌（2007）運用“累積曲線”和季節調整ARIMA模型對浙江省2002年以來的信貸投放進行了時序分析，發現具有明顯的“早投放”、“季末沖高”、“春節影響大”三大特點。
本文基于某商業銀行內部信息系統，提取了該行1999年至2006年間的新增貸款數據及相關地區、行業、貸款品種等信息，期望通過采用實證研究方法對商業銀行新增貸款進行基本統計分析和時間序列的研究。一方面，通過對新增貸款每日、每周、每月的基本特性的統計，計算得到貸款投放的中位值、標準差等統計指標，從而對貸款投放頻率分布特性進行總結分析；另一方面，采用時間序列模型的多種技術方法對新增貸款進行研究，以刻畫新增貸款的時間波動特性，進而對2006年的實際發生數和模型預測數進行有效性對比，以驗證模型擬合效果，從而為商業銀行提供一個能夠有效輔助制訂信貸投放計劃的量化模型。
一、信貸投放的日、周、月統計分析
運用Eviews軟件的統計功能，分析得到新增貸款日、周、月的相關統計特征值如下。
（一）每日新增貸款統計特性
1. 統計區間共有2922天，其中2590天（占比88.6%）有新增貸款，332天（占比11.4%）沒有新增貸款。
2. 日貸款投放呈現顯著的雙峰分布。1億元以下的貸款投放日有800多天，其中，投放低于1000萬元的有300多天；1億元以上貸款的投放日有近1800天，并呈現顯著的偏峰肥尾分布和少量大額貸款投放日的稀疏分布。
3. 進一步統計分析得到，貸款投放在1000萬元以下的投放日、1000萬元至1億元之間的投放日，均呈現比較均勻的分布；貸款投放超過1億元的主要分布區間在1至10億元之間，中位值為5億元，統計特性顯著。
（二）每周新增貸款統計特性
1. 每周新增貸款呈現顯著的偏峰肥尾分布，且峰度較高，稀疏的尾部較長。統計分布的均值和中位值較接近，同時每周新增貸款多數集中在60億元以內。
2. 每周內不同日子的新增貸款統計特征值有較大差異。周一到周四新增貸款的統計特性比較接近，與總體每日的特性接近。周五新增貸款的均值、中位值都明顯高于周一至周四的新增貸款。周六、周日，由于是休息日，其投放的數額要明顯小于工作日。
3. 新增貸款投放最大值發生在周一，可能是由于銀行對于大額信貸投放比較謹慎，因此往往在上周籌集資金，待周一實現貸款的發放。
（三）每月新增貸款統計特性
1. 每月新增貸款呈現偏峰肥尾分布，但峰度和偏度均明顯低于日、周新增貸款。
2. 不同月份新增貸款的統計特性差異顯著。每年3、6、9、12月新增貸款的均值、中位值均明顯高于其他月份，且其中的3、6、9月新增貸款最大值也明顯高于其他月份。每年的1、2、10月份，由于有長假期的原因，導致新增貸款明顯低于其他月份。每年的4、5、7、8、11月的新增貸款統計特性接近，且與月度均值接近。
3. 月度新增貸款具有明顯的季度波動周期，具有季末沖高的顯著特征。
（四）新增貸款統計特性
1. 商業銀行的信貸投放具有顯著的統計特性和規律，這為商業銀行加強資金管理、提高信貸管理水平，奠定了良好基礎。
2. 日、周、月新增貸款的統計分布特性具有很多共性，如均呈現偏峰肥尾的分布特征等，但分布的峰度、偏度值有隨統計期間延長而依次下降的趨勢。
3. 日、周、月新增貸款有各自的分布特性，如每周不同日子的新增貸款有顯著差異；每年不同月份的投放也存在統計上的顯著差別等。
4. 綜合不同時間尺度信貸投放的統計特性，商業銀行可以更加有效地進行資金管理、流動性管理，如采用在險價值（Var）方法，可以更為準確地預測日、周等的新增貸款需求。
二、信貸投放的時序模型研究
為有效地進行月度新增貸款的分析和預測，本文運用ARMA等時間序列模型作為主要分析技術，對1999年至2005年月度新增貸款數據進行了多維度的模型擬合，并對2006年的實際發生數和模型預測值進行了有效性對比分析，以驗證模型的運用效果。
（一）全行月度新增貸款分析預測
1. 模型的建立與檢驗。以時序數據的自相關和偏相關圖為基礎，并以AIC和SC指標值最小化為目標，確定ARMA模型的p、q的階數分別為3、3。對模型殘差進行單位根檢驗，在99.9%的置信區間下，可以認定殘差為白噪聲序列，因此上述ARMA（3，3）模型較充分地提取了原始數據序列的各方面信息。模型擬合參數和殘差檢驗、分布特征如表2。
由此可得模型預測函數為：
L=1.014*MEAN05＋0.430656*AR(1)－0.283269*
AR(2)＋0.672164*AR(3)－0.066168*MA(1)＋0.680341
*MA（2）－0.587238*MA（3）
其中：MEAN05是指2005年（含）之前年份各月度新增貸款平均值，其他參數參考ARMA模型定義。
2. 模型的預測與驗證。依托此模型對2006年全行各月份新增貸款數據進行預測，并將其與實際發生值進行對比分析，結果如圖1。
不同月份的模型預測值與實際值均非常接近，且變動趨勢同步；各月份的實際新增值基本上都分布在模型預測區間內（預測值的上下一個標準差）。各月份實際新增貸款量往往高于預測量，表明2006年處在信貸規模擴張的階段，貸款增速高于往年平均增速。模型預測2006年該銀行的新發放貸款總量與實際值相差5.67%，表明了模型預測精度比較可靠（預測精度為94.33%）。
（二）區域月度新增貸款分析預測
利用ARMA（1，2）模型對該銀行某省級區域分行的新增貸款進行擬合預測，結果如圖2。
模型預測的該區域不同月份新增貸款值與實際值非常接近，且變動趨勢同步；各月份的實際新增值分布在模型預測區間內（預測值的上下一個標準差）。2006年，該地區實際發放500多億元貸款，模型預測值僅比實際值小了3.37億元，誤差僅為0.62%，實證模型預測精度為99.38%。
（三）行業月度新增貸款分析預測
根據該銀行內部的行業分類準則，用ARMA（1，2）模型對某行業2006年新增貸款進行擬合預測，結果如圖3。
模型預測結果與實際值比較接近，變動趨勢同步性較強；預測結果存在一定誤差，預測值比實際值小了14%。主要原因是在5月至7月期間，新增貸款有一個明顯的沖高，越出了模型預測值邊界。當然，年度內其他月份的實際發放額基本落在模型預測區間內。
（四）不同業務品種月度新增貸款分析預測
本文嘗試采用四種不同的時間序列方法對該銀行2006年各月的流動資金貸款進行了時序擬合和預測分析，結果見表3。
分析認為，各模型均對新增貸款的波動趨勢作出較好的預測，預測值與實際值的偏差均在可接受的范圍內；不同時序模型的預測效果比較接近，模型之間具有較好的替代性；四個模型方法中ARMA模型具有更佳的表現。
（五）信貸投放時序特性
綜合分析多個維度的時序模型，本文認為：
1. 時間序列模型可以對信貸投放進行有效的預測，該方法具有較強的適用性。模型預測精度較高，但是不同維度模型的預測效果存在一定的差異（表現在預測值與實際值之間的偏差）。
2. 不同類別、維度的新增貸款時間序列，均可以使用ARMA模型進行預測，但是由于數據的歷史波動規律存在差異，因此模型的參數（p、q值）的選取有一定差別。
3. 可以使用不同的時序模型方法對信貸投放進行預測，預測效果近似。通過對比分析，可提供更為準確有效的信貸投放預測結果。
4. 多維度的信貸投放預測模型精度較高，可以為商業銀行合理有效把握信貸投放節奏，進行分行業、分地區和分業務品種的信貸資金配置管理，開展信貸組合管理，提供有價值的參考信息和奠定數據基礎。
5. 商業銀行可以根據自身管理維度和精細度的要求，開展更為深入的信貸資金時序規劃和預測研究。
三、政策建議
商業銀行的日、周、月新增貸款具有差異明顯的統計特性和時序波動特點。運用多種時間序列模型方法，可較好地擬合歷史新增貸款數據，并進行有效預測。基于此，時序模型可以在以下方面發揮應有的作用：
（一）輔助信貸投放監管
新增貸款的時序分析，可以為政府主管部門進行貨幣政策的效果分析和窗口指導的計劃安排，提供一個有效的技術工具。通過對全國貸款資金投放的時序分析，可以制定出更為合理的信貸投放規模和計劃，同時通過信貸投入的變化對經濟進行周期和反周期的調控，減少商業銀行“親周期性”，有效貫徹國家宏觀調整政策，規避銀行業整體風險。
（二）改善信用風險管理工具和技術手段
新增貸款的時序分析，可以將信貸投放與行業經濟周期進行有效匹配，以更有效地規避由行業波動帶來的信用風險；將區域的信貸投入力度與該地區經濟發展走勢有效匹配，不僅支持了國家區域發展規劃，而且實現了銀行的有效信貸市場的開拓。進而，通過運用時序模型，對新增貸款行業、區域、品種等多維度的合理配置，為實現信貸結構的調整、優劣信貸市場的進退、全面的風險管理、穩健的可持續經營提供必要的技術支撐，以幫助銀行不斷實現風險與效益相匹配的均衡發展。
（三）提升銀行流動性管理水平
基于新增貸款的時序分析，做好資金規劃，改善資金的調配和使用，從而更好地進行資金運作，不斷提高資金使用效率，從而有效改善銀行的流動性，提升經營業績。
基于本文的研究，可以進一步深入分析微觀的商業銀行信貸投入與宏觀的經濟走勢之間的內在統計規律特性；研究如何結合信用限額管理目標，全面構建信貸流量和存量預測分析框架；也可研究如何逐步構建動態的、數據驅動的資金計劃計量體系。
參考文獻：
[1]易丹輝.數據分析與Eviews應用[M].北京：中國統計出版社.2002.106－132.
[2]王敏.“十五”期間山東省信貸投放研究[J].濟南金融.2006，（7）： 2－4.
第3篇：金融月度總結范文
關鍵詞：貨幣政策；股市；DAG方法； VAR模型；馬爾科夫轉換模型
Abstract:Using technique of DAG and VAR model,this paper study the effects of Chinese monetary policy on stock market. The analysis results indicate monetary shocks have negative effects on stock market price in short-term and medium-term.We also apply Markov-switching model to investigate whether Chinese monetary policy have asymmetric effects on stock market.The analysis results show that contractionary monetary policy will decrease stock returns more in bear markets than in bull markets and lead to a higher probability of switching from the bull markets regime to the bear markets regime.
Keywords：monetary policy，stock market，DAG Methods，VAR Model，Markov-switching Model
中圖分類號：F830.91 文獻標識碼：B文章編號：1674-2265（2009）03-0035-06
一、引言
二十世紀90年代以來，隨著中國經濟市場化改革的深入，貨幣政策日益成為宏觀經濟調控的主要政策手段，同時以股票市場為核心的資本市場迅速成長，對國民經濟的影響和作用越來越大，貨幣政策與股票市場的關系成為經濟學界討論的熱點問題。國內外學術界對這一問題的研究主要集中在以下三方面：第一，股市在貨幣政策傳導過程中的角色與作用；第二，貨幣政策是否應對股市價格波動做出反應；第三，貨幣政策是否對股市的定價和收益產生影響以及貨幣政策對股市價格波動的預測力。
國內學者從理論和實證兩方面對我國股票市場發展與貨幣政策的傳導關系做了大量的研究工作。許多研究者認為中國股票市場的發展壯大改變了傳統貨幣政策傳導單純依賴金融機構信貸的局面，形成了傳導貨幣政策的新渠道，即貨幣政策的調整引起股票的價值重估，再通過財富效應、托賓q效應、流動性效應以及資產負債表效應等影響實體經濟和通貨膨脹。同時研究者也認為，我國股票市場對貨幣政策的傳導渠道是存在的，但由于中國股票市場建立時間尚短、規模較小、運行不規范、制度不完善等原因，傳導效率并不高（郭金龍，2004；劉劍，2004；薛永剛，2008）。
各國大量經驗證據表明，隨著資本市場的深化和廣化，資產價格波動的效應大大超出了對資本市場本身的影響，資產價格的劇烈波動會導致金融不穩定甚至引發嚴重的經濟危機，因此二十世紀90年代以來資產泡沫及其影響尤其受到廣泛關注。但貨幣政策是否應對股市價格波動做出反應呢？在國外經濟學界和央行，對這一問題的解答爭議較大。一種意見認為，央行應設定一個股市價格目標，當股市出現明顯泡沫時，央行應積極采取對策抑制股價、刺破股市泡沫。另一種意見認為，央行不應直接對資產價格波動做出反應（即資產價格不應進入貨幣當局的最優政策函數），其理由包括股市泡沫難以判斷和度量、刺破資產泡沫可能導致經濟衰退、貨幣政策對股市波動的頻繁反應增大而非緩和了宏觀經濟波動等（Roubini，2006）。有趣的是，從國內相關文獻看，國內研究者似乎對這一問題形成了某種共識：由于技術、制度和作用機制上存在許多困難和障礙，中國央行現階段還不能將資產價格納入貨幣政策的直接調控目標，但央行應關注資產價格的波動，并做出適當反應，從而加強貨幣政策的前瞻性，簡言之，對股市要“關注”但不要“盯住”（瞿強，2001；孫華妤，2003；郭田勇，2006；王勁松，2008）。
本文主要對中國貨幣政策是否對股市的定價和收益產生影響做實證考察，包括運用基于DAG方法的VAR模型研究貨幣政策與股市收益的動態因果性，運用馬爾科夫轉換模型（Markov-switching）研究貨幣政策對股市的不對稱效應。從內在聯系看，研究貨幣政策對股市的定價和收益的影響應視為是否將股市價格納入貨幣政策目標這一問題的前提問題，因為只有貨幣政策能夠有效影響股市價格走勢時，將股市價格納入貨幣政策目標才有可能性和可行性。因此，本文的研究加深了對貨幣政策傳導渠道和結果的認識，為央行制定有效的貨幣政策，當然也為投資者進行股票市場投資提供了有益參考。
二、貨幣政策與股市價格水平的動態因果性
（一）基本方法與數據
對于貨幣政策與股市收益動態因果性的研究，現有文獻通常采用Granger因果檢驗和傳統VAR方差分解、脈沖響應的方法。但以上方法存在較大局限性，楊子暉（2008）對此做了一個很好的總結。Granger因果檢驗建立在這樣的假設前提下，用過去解釋將來，因此它不能給出變量之間的同期因果關系。而傳統的VAR方差分解、脈沖響應使用的是Choleski結構分解方法，這一方法的最大問題在于對VAR系統內的變量關系施加了一個相當武斷的設定，認為結構新息之間存在著遞歸的同期因果關系，即第一個變量的結構新息同期影響所有變量，第二個變量的結構新息同期影響除第一個變量之外的其它所有變量，依此類推，最后一個變量的結構新息不同期影響其它所有變量。以后學者又發展了Sims-Bernanke分解和Blanchard-Quah分解等結構分解方法，使研究者可以靈活地設定擾動的同期因果關系，但這些方法都需要借助先驗信息和理論對擾動的同期關系進行設定，因此不可避免地存在相當的主觀色彩（參見Enders，2003）。而Spirtes（2000）和Pearl（1995，2000）等人提出了DAG（Directed Acyclic Graph，有向無環圖）方法，通過分析變量之間的條件相關特征來辨識變量的同期因果性，從而對Granger因果檢驗作出了有益的補充和擴展，而且為VAR結構分解提供了較為客觀科學的識別約束，使研究貨幣政策與股市收益的動態因果性獲得了新的方法和視野。
簡言之，DAG是一個表征多個變量間因果關系和方向的圖，如果變量X是Y的原因，表示為XY，如果變量Y是X的原因，表示為YX，如果變量X與Y獨立，則二者無線段相連。但DAG中沒有環路，即不可能從一個端點（變量）循有向路徑回到原端點，舉例而言，如XYZX是不可能的。Spirtes，Glymour和Scheines（2000）提出了PC算法從而實現數據的DAG。PC算法從變量集的完全無向圖開始，在此圖中每個變量和其它變量相連，然后根據變量之間的零相關或零偏相關消去變量之間的線段，直至最終獲得DAG。本文運用軟件TETRAD實現數據的DAG分析。
在建立VAR模型之前，還有一個貨幣政策的識別問題值得討論，即用什么變量來代表貨幣政策。在國外早期的關于貨幣政策的文獻中，通常用貨幣總量作為貨幣政策的度量，但二十世紀90年代后，隨著越來越多的發達經濟體央行放棄貨幣總量作為政策中介變量，研究者們也逐漸放棄貨幣總量作為貨幣政策的度量轉而采用其它指標（如美國的聯邦基金利率、貼現率等）。但現有的貨幣政策指標始終受到內生性問題的困擾，即貨幣政策指標的變動可能并不反映央行的政策傾向，要完滿地解決這一問題尚需時日。就中國目前的情況看，由于貨幣總量（M2）的可控性較差，是否保持貨幣總量為政策中介變量頗受爭議（劉明志，2006），因而將M2作為貨幣政策變量并不是一個好的選擇。本文認為采用央行制定的金融機構法定存款利率可能是度量中國貨幣政策的一個較好的選擇，因為它比較直接地反映了央行的政策意圖，但是這一方法也存在缺陷，因為法定存款利率并不是央行唯一重要的政策工具，當央行更多地運用其它政策工具調控經濟時，只用法定存款利率代表央行貨幣政策可能會低估實際的政策調整，例如從2004年以來中國央行頻頻調整法定存款準備金率以回收銀行體系的流動性，因此為了更敏銳地反映中國央行的政策傾向和力度，本文用金融機構基準存款利率加上法定存款準備金率構造了一個貨幣政策指標。同時，由于貨幣總量（M2）仍然是中國央行實際關注的政策中介變量之一，本文也將M2增長率納入VAR模型中作為研究貨幣政策效應的參考。本文的VAR模型還包括以下變量：股市價格水平，以上證指數月度收盤價為代表變量；實際產出，以中國工業增加值月度增長率為代表變量；通貨膨脹率，以月度CPI變化為代表變量。本文估計VAR所用的數據為各變量1998年1月到2008年6月的月度數據，之所以選擇1998年為實證分析的起點，是因為1998年中國央行正式放棄了信貸規模控制，轉而采用主要以公開市場操作、利率調整和存款準備金率調整為組合工具的調控方式。本文所有數據來源于CCER數據庫和中國人民銀行的各期《中國貨幣政策執行報告》。
（二）實證分析
1. 單位根檢驗。對于VAR模型中的變量，首先進行單位根檢驗判斷這些序列是否平穩。ADF（Augmented Dickey-Fuller）檢驗和PP(Phillips-Perron)檢驗的結果表明所有的變量均為非平穩的I(1)過程。
2. 塊外生（Block Exogeneity）檢驗。二十世紀90年代以來，隨著金融市場的發展與創新，大多數發達經濟體央行放棄了貨幣總量作為政策中介變量，許多國外學者也認為貨幣總量在宏觀經濟研究和央行的政策考量中失去了有用信息變量的價值（Cuthbertson，2007），而國內的一些研究者則認為中國央行將貨幣總量（M2）作為中介變量之一仍是明智的選擇，而且貨幣總量中介目標可以使央行和公眾獲得更多的信息，有利于做出預期和決策（陳利平，2006）。本文使用塊外生檢驗考察貨幣總量（M2）是否提供有價值的信息，如果不能，則變量M2增長率可以從其它變量方程中排除掉，本文可能只需要估計一個4變量VAR即可。
本文使用似然比檢驗，檢驗統計量為
其中為受約束模型的協方差矩陣， 為不受約束模型的協方差矩陣， 和分別為 和 的行列式， 為模型中包含在方程中的最多的回歸元的數目， 為所用觀察值的數目。檢驗臨界值是自由度為模型約束個數的分布值（給定的顯著水平下），如果似然比檢驗統計量超過臨界值則拒絕約束模型成立的原假設，反之則接受原假設。對包含6階滯后的VAR模型檢驗結果似然比值近似為0，顯著水平接近1，對包含12階滯后的VAR模型檢驗結果似然比值為39.9811，顯著水平為0.7881。因此似然比檢驗表明，在這個研究貨幣政策與股市收益關系的VAR模型中，貨幣總量增長率似乎是一個沒有任何信息價值的多余變量。由于似然比檢驗是建立在大樣本漸進理論基礎上的，為了增加塊外生檢驗的穩健性，本文還進行了AIC（Akaike Information Criterion）和SBC（Schwartz Bayesian Criterion）檢驗，檢驗結果同樣支持受約束模型。綜合以上分析，本文將變量M2增長率從VAR模型中排除。
3. 協整檢驗。VAR模型包含四個變量：通貨膨脹率、工業增加值增長率、貨幣政策指數和股市收益率。本文根據AIC和SBC信息準則選定水平VAR的最優滯后階數為12，并依此進行Johansen協整檢驗。檢驗結果表明，此VAR系統存在2個協整關系。協整檢驗結果表明應用向量誤差修正模型（VEC）來估計本文的VAR體系。
4. DAG分析。本文運用向量誤差修正模型對VAR體系進行了參數估計，得到如下回歸殘差相關系數矩陣：
其中變量的排列順序為：貨幣政策指數MP、通貨膨脹率IF、工業增加值增長率IP、股市價格水平ST。回歸殘差相關系數矩陣是DAG分析的源數據，我們將它輸入TETRAD軟件，在10%的顯著性水平下，最終得到MP、IP、IF和ST四個變量的DAG（見圖1）。由圖1可知，在同期因果關系的意義上，通貨膨脹率IF是貨幣政策指數MP的原因，貨幣政策指數MP是股市價格水平ST的原因。因此可以說通貨膨脹率IF同期影響貨幣政策指數MP，貨幣政策指數MP同期影響股市價格水平ST，而其它同期影響的關系不存在。由此得到本文的VAR模型Sims-Bernanke結構分解的識別條件（Enders，2003）。
5. 基于DAG的脈沖響應函數和方差分解。根據以上分析，得到基于DAG的脈沖響應函數和方差分解，結果如圖2、3、4所示。
從脈沖響應函數圖可以得到以下觀察結果：（1）股市價格沖擊在當期對通貨膨脹沒有影響，但之后有顯著的正效應，對通貨膨脹的方差分解表明股票價格指數對未來通貨膨脹有很強的解釋力，這支持了引言中一些研究者的觀點，即通過關注股市價格并實施對應的貨幣政策，有助于預先防范未來的通貨膨脹，加強貨幣政策的前瞻性和預調能力（見圖4）。（2）股票價格指數在貨幣政策沖擊的同期就有負反應，并且在之后的10期（月）負反應逐步增強，在10期以后負反應逐步減弱為0，這表明貨幣政策沖擊對股票市場短期和中期都有顯著的負影響。對股票價格指數的方差分解同樣表明貨幣政策沖擊對股票價格指數的變化有較大的影響（見圖2）。劉晃松（2005）對1998年到2004年中國存款準備金率升降與股市漲跌做了一個簡略的案例分析，得出了與本文相同的結論。（3）雖然脈沖響應圖表明在7期以前通貨膨脹沖擊對股票價格指數有微弱的正效應，在7期以后有不斷增加的負效應，但是對股票價格指數的方差分解表明通貨膨脹沖擊對股票價格指數的變化缺乏解釋力（見圖3）。
三、貨幣政策對股票市場的不對稱效應
2006年初，中國股市告別長達4年的低迷期，進入新一輪的暴漲暴跌行情。2006年1月，上證指數從1200點啟動，到2007年10月16日沖上6124的歷史最高點，隨后在短短10個月內又迅速跌回到2400點左右。幾乎同時，2006年初中國經濟出現了信貸投放過多、投資增長過快、資產價格膨脹、通貨膨脹抬頭等經濟過熱的跡象，央行貨幣政策開始從緊。從2006年4月至2008年6月央行共計上調人民幣存貸款基準利率8次、提高存款類金融機構人民幣存款準備金率16次。有的股市投資者和研究者認為，央行頻繁的緊縮貨幣政策導致了這一輪大牛市的終結。前文我們用DAG和VAR的方法證實了貨幣政策對股市收益有迅速顯著的負影響，這里我們將用實證檢驗的方法進一步研究兩個令人感興趣的問題，第一，貨幣政策在牛市和熊市對股市收益是否有不同的影響。理論研究表明，由于金融市場存在著成本和信息不對稱，金融資產起著重要的信貸抵押品的功能，因此當股市處于熊市時，緊縮的貨幣政策通過股票市場“金融加速器”的作用放大了信貸緊縮和總需求緊縮的效應，所以貨幣政策在熊市對股市收益有更大的影響。我們將運用固定轉移概率馬爾科夫轉換模型考察這一問題。第二，貨幣政策是否會推動股市的周期轉換，即是否貨幣政策沖擊會改變股票市場從牛市到熊市或從熊市到牛市的轉移概率，本文將運用時變轉移概率馬爾科夫轉換模型考察貨幣政策是否影響股市狀態轉移概率。
（一）1998年1月―2008年6月中國股票市場周期的識別
首先運用固定轉移概率馬爾科夫轉換模型劃分1998年到2008年中國股票市場的牛市和熊市，使用的數據為1998年1月到2008年6月上證指數月度收益率。假定股市收益率服從如下二狀態馬爾科夫轉換模型：
其中，為滯后算子，和
分別是股市收益率的狀態依賴均值和方差，不可觀察的狀態變量取值為1或者2，分別代表股市的牛市和熊市，狀態轉移概率矩陣為：
其中，為狀態1轉移到狀態2的概率。，為狀態2轉移到狀態1的概率。
二狀態馬爾科夫轉換模型的估計結果表明，馬爾科夫轉換模型識別了兩個機制，一個為高均值收益機制（），一個為低均值收益機制（），狀態1代表牛市，狀態2代表熊市。狀態轉移概率的估計結果表明，牛市的平均持續期為 17個月，熊市的平均持續期為40.8個月。圖5中上圖為1998年1月到2008年6月上證指數月度收益率，下圖為馬爾科夫轉換模型估計的股市處于狀態1（牛市）的平滑概率，對比上下兩圖可見，馬爾科夫轉換模型清楚地識別了股市的牛市和熊市，而且估計結果與經驗觀察十分吻合。
（二）貨幣政策對股票市場的不對稱效應
本文假定貨幣政策對股市的影響服從如下馬爾科夫轉換模型：
其中為t時的股市收益率， 為t時的貨幣政策沖擊。通過估計貨幣政策狀態依賴影響系數（）
這個模型可以度量貨幣政策沖擊在不同的股市狀態下對股市收益率的不同的影響。這里使用兩種方法度量貨幣政策，第一種是貨幣總量M2增長率，第二種仍然用金融機構基準存款利率加上法定存款準備金率構造一個貨幣政策指標，然后用這個貨幣政策指標的一階差分代表貨幣政策沖擊。本文用兩種貨幣政策度量分別估計如上馬爾科夫轉換模型，得到如下結果：
首先看表1的第一列，，，， 都顯著小于0，表明緊縮性貨幣政策沖擊（貨幣政策指標差分大于0）會降低股市收益率，貨幣政策指標增加1個百分點（例如法定存款準備金率上升1個百分點），在熊市當期會使股市月度收益率降低9.63個百分點，而滯后1期的貨幣政策指標增加1個百分點，在熊市會使股市月度收益率降低7.84個百分點。但是在牛市貨幣政策沖擊的影響則很小，貨幣政策指標增加1個百分點在牛市當期會使股市月度收益率降低0.66個百分點，而滯后1期的貨幣政策指標增加1個百分點，在牛市會使股市月度收益率降低1.46個百分點，這可能是由于在熊市緊縮性貨幣政策有更強的金融約束效應，也可能在熊市股市投資者對不利的宏觀經濟信息反應更為敏感。和 表明貨幣政策沖擊對中國股市確實存在不對稱效應，同時以
為原假設的Wald統計量和以為原假設的Wald統計量也進一步證實了貨幣政策不對稱效應的存在。
表1第二列對M2增長率的估計結果表明，M2增長率的變化對股市收益率的影響是高度不確定的。例如緊縮性貨幣政策沖擊，當M2增長率減少5個百分點，在牛市當期會使股市月度收益率降低0.5個百分點，而在熊市當期會使股市月度收益率增加0.8個百分點，而當滯后1期的M2增長率減少5個百分點，在牛市會使股市月度收益率增加13個百分點。這似乎也表明M2增長率并不是一個好的貨幣政策度量。
（三）貨幣政策對股票市場狀態轉移概率的影響
假定股票市場收益率服從如下二狀態馬爾科夫轉換模型：
轉移概率矩陣為
其中 為t時狀態1轉移到狀態2的概率，
為t時狀態2轉移到狀態1的概率。這里狀態的轉移概率不再保持恒定，而是依賴于貨幣政策沖擊，因此這是一個時變轉移概率馬爾科夫轉換模型（Diebold和Lee，1994；Chen，2007）。轉移概率函數有如下形式：
其中 為t時的貨幣政策沖擊，由貨幣政策指標的一階差分代表，如前文貨幣政策指標等于金融機構法定存款利率加上法定存款準備金率。轉移概率函數對貨幣政策沖擊求偏導數可得：
由于 和 都大于0，則 對貨幣政策沖擊
的偏導數的符號取決于 的符號。因此如果 大于0，則表明當期正的貨幣政策沖擊（即緊縮性貨幣政策）會使股市從牛市轉入熊市的概率增大，反之如果小于0，則表明緊縮性貨幣政策會使股市從牛市轉入熊市的概率減小。同理，如果大于0，則表明滯后一期緊縮性貨幣政策會使股市從牛市轉入熊市的概率增大，反之如果 小于0，則表明滯后一期緊縮性貨幣政策會使股市從牛市轉入熊市的概率減小。
和取值的符號也有類似的經濟學含義。
使用1998年1月到2008年6月上證指數月度收益率和同期貨幣政策指標的一階差分數據，表2給出了時變轉移概率馬爾科夫轉換模型的估計結果。
估計結果清楚地表明，當不存在貨幣政策沖擊時（和 都等于0），股市從牛市轉入熊市的概率（）為0.074，而股市從熊市轉入牛市的概率（）為0.035。由于 和 的估計值都大于0，因此正的貨幣政策沖擊（即緊縮性貨幣政策）使股市從牛市轉入熊市的概率增大，而由于的估計值小于0，因此正的貨幣政策沖擊（即緊縮性貨幣政策）使股市從熊市轉入牛市的概率減小。進一步分析，當期1個百分點的貨幣政策指標的上升，會使股市從牛市轉入熊市的概率增大0.11，而滯后1期的貨幣政策指標增加1個百分點，會使牛市轉入熊市的概率增大0.17，另一方面當期1個百分點的貨幣政策指標的上升，使股市從熊市轉入牛市的概率減小0.01，而滯后1期的貨幣政策指標的變化對股市從熊市轉入牛市的概率影響十分微弱，因此本文的計量分析結果表明中國央行強的緊縮性貨幣政策確實會大大增加股市從牛市轉入熊市的可能性。
四、結論
本文使用1998年1月到2008年6月的中國月度經濟數據，主要考察了如下問題：第一，運用DAG方法和VAR模型考察了貨幣政策對股市價格水平的影響。DAG分析表明，通貨膨脹率同期影響貨幣政策指數，貨幣政策指數同期影響股市價格水平。基于DAG的脈沖響應函數和方差分解結果表明，貨幣政策沖擊對股票市場價格水平短期和中期都有顯著的負效應。第二，考察了貨幣政策沖擊是否對股市收益存在非對稱效應的問題。固定轉移概率馬爾科夫轉換模型的估計結果表明，緊縮性貨幣政策沖擊在熊市會更大降低股市收益率，但是在牛市貨幣政策沖擊的影響則較小，這可能是由于在熊市緊縮性貨幣政策有更強的金融約束效應，也可能是熊市投資者對不利的宏觀經濟信息反應更為敏感。第三，本文運用時變轉移概率馬爾科夫轉換模型考察了貨幣政策沖擊會否改變股票市場從牛市到熊市或從熊市到牛市的轉移概率，計量分析結果表明中國央行的緊縮性貨幣政策確實會增加股市從牛市轉入熊市的可能性。
參考文獻：
[1]陳利平.貨幣存量中介目標制下我國貨幣政策低效率的理論分析[J].金融研究，2006，（1）.
[2]郭金龍，李文軍.我國股票市場發展與貨幣政策互動關系的實證分析[J].數量經濟技術經濟研究，2004，（6）.
[3]郭田勇.資產價格、通貨膨脹與中國貨幣政策體系的完善[J].金融研究，2006，（10）.
[4]劉晃松.低效率股市投資理論及制度創新[M].上海：上海人民出版社，2005.
[5]劉劍，胡躍紅.股票市場發展與我國貨幣政策的有效傳導[J].中國軟科學，2004（11）.
[6]瞿強.資產價格與貨幣政策[J].經濟研究，2001，（7）.
[7]孫華妤，馬躍.中國貨幣政策與股票市場的關系[J].經濟研究，2003，（7）.
[8]王勁松，韓克勇.股票價格與貨幣政策調控目標[J].經濟評論，2008，（1）.
第4篇：金融月度總結范文
【關鍵詞】Liv-ex 500紅酒指數 美元的貨幣供應量 相關性 回歸方程 ADF單位根檢驗 格蘭杰因果檢驗 協整檢驗 VAR模型 脈沖響應函數
引言
Liv-ex500紅酒指數（以下簡稱Liv-ex500）是國際上最具公信力的紅酒銷售指標之一，通過Liv-ex嚴格挑選的500支紅酒作為成分股編制而得出，每個月公布一次，該指標主要是為紅酒投資者或消費者提供買賣參考，并直接對世界紅酒市場產生直接的影響。值得一提的是由于能夠作為指標的紅酒價格往往不菲，并且買得起這些頂級紅酒的消費者和投資者多屬于金字塔的頂端消費階層，因而它又被稱為“富人指數”，通常被用來觀察上流社會的消費意愿，反應出上流社會的投資傾向。由于上流階層的投資者能夠掌握更多的市場投資信息，他們往往能夠提前發現市場的風險和機會，因此該指數往往會非常有趣的提前“覺察”到市場的變化。由于世界大宗商品的價格大部分都是使用美元計價的，所以文章擬研究美元的貨幣供給量M1、M2、美元指數（USDX）的月度收盤價格和liv-ex500之間的內在關系，那么M1和M2的變化會引起liv-ex500的變化嗎？USDX會對liv-ex500產生影響嗎？雖然關于紅酒投資的文獻很多，但是采用實證的方法來研究紅酒投資的分析還較少，因此本文將通過實證研究的方法來解決這些問題，將紅酒的投資研究實證化，并且對紅酒的投資做一些初步探討，為紅酒的投資做出一些參考的根據。
一、研究中使用的方法與數據的來源
（一）研究使用的分析方法簡介
為了研究liv-ex500紅酒指數與美國的貨幣供給量和美元指數之間的關系，本文主要采用相關分析法、johansen協整檢驗法、格蘭杰因果檢驗法、VAR模型法和脈沖響應函數法。
根據計量經濟學的觀點，相關性的分析從研究方法上保證了模型了準確性和嚴謹性。為了建立向量自回歸模型，先把研究對象進行單位根檢驗，然后對一階單整的變量使用格蘭杰因果檢驗法，最后對可以通過格蘭杰因果檢驗的變量建立VAR模型，并且通過脈沖響應函數來檢驗變量在不同滯后期對函數的沖擊。另外，為了說明變量之間存在的長期均衡關系，文章在進行單位根檢驗的基礎進行了協整檢驗。
（二）研究數據的可靠性及處理方法
為了研究liv-ex500紅酒指數與美國的貨幣供給量和美元指數之間的關系，文章選取了倫敦國際酒類交易中心的liv-ex500紅酒指數的月度數據和美國狹義的貨幣流通量(Ml)、廣義貨幣流通速度(M2)和月度美元指數（USDX）等主要指標進行分析。相關數據都來自于倫敦國際酒類交易中心及美聯儲網站公布的月度數據以及自己的收集，由于使用的是月度指標，在分析之前，先對各指標進行調整，另外，考慮到異方差性對結架的影響，分別對各絕對指標取了自然對數，對數據取自然對數并不改變原數據的性質和關系。
考慮到對于紅酒實證研究的相關資料較少，而且相關的數據和資料難找，因此本文僅能選取2005～2010年的月度數據為研究樣的本區間。在實證研究過程中，采用月度數據進行分析，本文的分析通過spss軟件及Eviews5.0來實現的。
二、相關性分析
首先采用相關性分析的方法對LIV-EX500與M1、M2和USDX的關系進行初步分析。如表1顯示的是相關分析的結果．從表中可以看出M1和M2與LIV-EX500之間都存在顯著的正相關關系，其中LIV-EX500和M1之間存在著正相關關系，相關系數達到0.759，而LIV-EX500和M2之間存在著高度的正相關關系，相關系數達到了0.950；然而LIV-EX500和USDX之間存在著顯著地負相關關系，負相關系數達到-0.628，因此LIV-EX500及M1、M2和USDX之間的關系可以通過顯著性檢驗。
通過回歸方程，我們可以看出LIV-EX500與M1、M2和USDX之間顯然存在著較高的相關關系。
三、實證分析
（一）ADF單位根檢驗
當我們在分析宏觀經濟指標的時間序列時，由于變量之間的關系具有非平穩性，假設直接對這些變量分析可能會發生分析結果非有效性的情況，因此，我們對這些變量進行平穩性檢驗，并分析具有同階單整性的變量。可以運用ADF方法進行的單位根檢驗，通過表2顯示各指標的原序列均不能通過ADF檢驗，這說明幾者都是非平穩序列。
表2 變量的ADF檢驗
表3 變量的一階ADF檢驗
注：帶*表示在10%的水平上顯著，帶**表示在5%的水平上顯著，帶***號表示在1%的水平上顯著。
但是對這些指標進行一階差分檢驗，幾者都可以達到平穩的狀態。檢驗結果如表3所示。從表中可以看出M1、M2和USDX指標的一階差分都可以在1%顯著性水平上通過ADF檢驗，Liv-ex500的一階差分可以5%的顯著性水平上通過檢驗。因此，這些指標都是一階單整序列。
（二）Johansen協整檢驗
通過單位根的檢驗顯示，我們可以用誤差修正模型進行格蘭杰因果關系檢驗來分析LIV-EX500與M1、M2和USDX之間存在的因果關系。但是誤差修正模型分析要求各變量之間具有協整關系，所以在使用誤差修正模型分析之前，有必要對相關變量進行Johansen協整檢驗。這樣就可以判斷變量之間是否具有穩定的關系，只有在各變量之間存在協整時，才能使用誤差修正模型來確定這種長期均衡關系的情況。在檢驗中，首先要解決滯后期的問題，根據趙松山［ ！］研究的總結，即年度數據的滯后期取值1～2，季度數據的滯后期取值為4～5，月度數據的滯后期取值為12～13。文章使用的是月度數據，所以采用滯后期12～13進行檢驗。檢驗結果如表4所示。
表4變量之間的Johansen協整檢驗
通過協整檢驗的結果可知，在5%的水平上各變量之間都存在著一個協整關系。
（三）格蘭杰因果檢驗
為了進一步探討LIV-EX500與M1、M2和USDX的關系怎樣反應了因果關系，也就是說到底是誰影響誰或者還是相互影響，然后寫出合理的模型，我們進行表5中的因果關系檢驗。
從表5說明，本文分別選取滯后期一期、七期和十期的情況，因為這個滯后期比較具有代表性，同時也表示的時間周期為短期、中期和長期的情況。當滯后期為短期的時候，LIV-EX500既是M1的格蘭杰原因，同時也是M2的格蘭杰原因；當滯后期為中期的時候，LIV-EX500既是M1、M2的格蘭杰原因，同時也是USDX的格蘭杰原因；當滯后期為長期的時候，LIV-EX500僅是M1的格蘭杰原因。因此我們可以看出他們之間是存在著因果關系的，這也充分的說明了LIV-EX500指數的預測性和具有的富人指數效用。
表5LIV-EX500和其他變量的關系
（四）向量自回歸模型（VAR）的建立
對通過ADF檢驗的一階單整序列M1、M2、LIV-EX 500和USDX建立向量自回歸模型，采用赤池和施瓦茨準則來選擇滯后項，同時通過對殘差進行正態獨立分布診斷，然后反復試驗確定最優化的滯后項為一到二階，最后建立
以上的回歸方程基于OLS的結果，其中的個別變量的t值不能達到顯著水平，這是因為方程中出現同種變量多種滯后變量造成的多重共線性造成的，但是對于方程而言，顯著性水平和擬合程度是非常好的，所以說這個回歸的結果是可靠的。
通過這個模型可以看出，LIV-EX500隨著滯后二期M1的影響要強于一期的，這說明LIV-EX500隨著后期數的增加而受到的影響程度增加，同樣LIV-EX500也顯著地受到M2、USDX對于LIVEX500的影響有一個加強的作用，但是其他因素的影響由于異號的抵消作用，雖然能夠顯著地影響LIVEX500，但是放在一起的作用難以判斷。為了解決這一個問題，本文使用了脈沖響應函數(IRF)和方差分解這兩個工具來進行解釋。
（五）建立脈沖影響函數（IRF）
圖1各個變量對LIV-EX500的響應路徑
為了考慮M1、M2、USDX在不同時間里對LIV-EX500的影響，我們生成了LIV-EX500的脈沖響應圖，從圖1上可以看出，在M1的沖擊之初，LIV-EX500出現負向反映，但僅維持四期左右，從第四期廾始，LIV-EX500出現正向反映，并且逐漸趨于平穩時。這說明，M1的變動開始對LIV-EX500的影響不大，但是從長期來看影響較大。在M2的沖擊下，在六期之前是正向反映，然后成負向反映，但是無論在長期還是短期都較為平穩。USDX的影響是負向反映，并且從長期來影響是較大的。
四、檢驗結果分析
通過以上的檢驗，我們可以得到下面的結論：
一是從05年1月到10年12月份的LIV-EX500與M1、M2和USDX的經驗來看，Liv-ex500和M1、M2都處于一個平穩上升的趨勢，具有很強的正相關性，并且在5%的顯著性水平下存在著長期均衡的關系；同時，Liv-ex500和USDX之間從經驗上看具有負相關關系，原因是世界大宗商品的價格和美元之間具有負效用，當美元強勢的時候，世界大宗商品的價格相對而言就便宜啦，反之亦然，從檢驗中我們也可以發現，Liv-500和USDX之間在長期內也具有均衡關系。
二是LIV-EX500與M1、M2和USDX經調整后的自然對數值是一階單整的時間序列，這說明變量是平穩的，格蘭杰因果檢驗顯示在短期內LIV-EX500是M1、M2的格蘭杰原因，在中期內LIV-EX500是M1、M2、USDX的格蘭杰原因，但是在長期Liv-ex 500是M1的格蘭杰原因，這說明幾個變量之間是存在有因果關系的。
三是最后通過對向量自回歸(VAR)模型的觀測，可以大致看出LIV-EX500與M1、M2和USDX的影響關系，最后進行了比較精確的預測還使用了脈沖響應函數(IRF)，其結果為：LIV-EX500除了受到M2的影響較小外，受到另外兩個變量的影響都較大。M1在期初的沖擊是負反映且較小，但是在后期卻是正反映且影響大；USDX的沖擊都是負反映并且在期初的沖擊小，但是長期內的沖擊大。當然這一結論與格蘭杰因果檢驗的中長期結論并不相悖，這也說明了格蘭杰因果檢驗的中長期預測精準性要高于短期。
參考文獻
[1]李子奈，葉阿忠.高等計量經濟學.[M].高等教育出版社， 2003-08
[2]艾建國.論房價和地價的相互關系.[J].城市發展研究，2008 -01
[3]陳震.上海房價與地價關系的實證分析.[M].云南財經大學出版社， 2011-10-01
[4]張曉峒.EViews使用指南.[J].南開大學出版社，2003-07
[5]彭維湘.中國貨幣流通速度與股票市場的關系研究.[M].經濟縱橫，2011-09
第5篇：金融月度總結范文
論文提要：1997年的亞洲金融危機表明，宏觀經濟政策的不一致性會危害金融體系的安全，而脆弱的金融體系反過來又可以很容易地損害宏觀經濟基礎。隨著全球化和國際資本流動的深入發展，一個經濟體的脆弱性能夠很快溢出并影響到另一個經濟體。明智的政策選擇和制度改革不僅會使本國受益，還會使與其有緊密經濟聯系的鄰國受益。因此，自從危機以來，各國家、地區一級全球層面上對加強經濟金融風險管理的興趣不斷提高。人們日益認識到，在一國內部和國與國之間強化風險管理機制，包括信息交換、區域經濟監測和政策對話，對于維護一個國家、一個地區乃至全球經濟金融穩定至關重要。而在眾多倡議之中，一個引起政府、多邊組織、投資機構和學術界關注的倡議是早期預警系統。這個系統能夠對正在逼近的金融危機發出信號。早期預警系統模型為系統研究危機事件和相關因素提供了一個有用框架。
一、貨幣危機和銀行危機理論:文獻回顧
(一)貨幣危機理論。對于過去30年來發生在拉丁美洲、歐洲和亞洲的貨幣危機和銀行危機的起因，目前已經有了大量的文獻。研究貨幣危機的文獻通常在一開始就介紹有關模型用來解釋一些拉丁美洲國家在20世紀七十年代末所經歷的危機。這些模型把貨幣危機看作是脆弱經濟基礎的結果。第一代模型開始于Krugman(1979)、Flood和Garber(1984)的創造性研究，重點關注廣義的宏觀政策的不一致性，這些宏觀不一致性可能包括過度的國內信貸增長、脆弱的財政狀況和疲軟的經濟表現。這些研究的貢獻不在于指出不一致性會導致貨幣調整，因為這一點我們都能很好的理解，而是在于它預言:當有遠見的市場參與者意識到目前的匯率不能再維持下去的時候，外匯儲備可能會急劇突然流失。
Obstfeld開創了第二代貨幣危機模型。Obstfeld強調在一個國家追求的各種政策目標之間可能存在相互抵消的關系。由于銀行體系崩潰預期，財政出于救助而導致的財政赤字也可能觸發貨幣危機——這種政府不得不救助銀行體系的預期可能會導致債權人抽離資金，從而引起貨幣崩潰并產生危機。這意味著一個國家可能會遭受自我實現式的貨幣危機。也就是說，因為一些時間或行動(例如由一個投機者所發起的時間或行動)，這種均衡可能會從固定匯率體制轉換到浮動匯率體制，或從一個固定匯率水平轉換到另外一個貶值了的固定匯率水平。
自從1997年亞洲金融危機以來，貨幣危機的理論研究已經深入了許多。所謂的第三代模型將貨幣危機看作是一國的資金外逃或者金融恐慌。第三代模型更關注對一國債權的結構，因為它會影響金融危機的風險。債權人，特別是那些短期債權人，能夠突然撤回債權，從而導致該國外匯和流動性的急劇短缺，從而觸發貨幣或金融崩潰。
廣而言之，第三代模型已經注意到資產負債表效應對貨幣目標可持續性的重要影響。這方面的文章認為，資產負債表的不匹配會迫使銀行或公司快速產生外匯需求。當很大一部分金融部門或者公司部門都有外匯需求時，匯率就會面臨壓力。但匯率貶值時，會有更多的金融機構或企業為了應對無止境的頭寸需要而尋找外匯，進一步加劇資本流出，引發貨幣危機。
(二)銀行危機理論。銀行業的困境有兩個:一是單個銀行困境;二是系統性銀行困境。有關第一種類型銀行困境的原因，理論上更多地是從微觀角度展開研究。一些主要發達國家使用的實證模型廣泛運用這一理論來預測金融困境。單個銀行困境可以導致系統性銀行困境。Chari和Jagannathan(1988)的模型假定銀行危機是這樣的誤解造成的:沒有信息來源的存款人錯誤地認為，其他提取存款是因為一些有關銀行資產的不利信息而行動的。
危機的另一個傳播機制是通過銀行間存款進行傳導。單個銀行困境的溢出效應通過同業拆借可以影響整個銀行體系。金融機構的規模、銀行間市場和其他金融市場的功能等因素將決定傳染的可能性。從這個意義上說，新型市場中的銀行風險更大。
決定銀行體系困境的重要微觀因素是一國整體制度框架的質量。由于道德風險、信息披露有限、公司治理框架薄弱、存款保險過度或者監管水平低所導致的市場紀律差，是決定信息不對稱的程度、銀行管理的質量以及脆弱性積累的關鍵因素，這些都會引發系統性銀行危機。在系統層面上，宏觀經濟因素——對利率的沖擊、匯率貶值、商品價格的沖擊、經濟增長減速和資本外流——也是危機的重要決定因素。
二、預測金融危機
(一)開發早期預警模型的原因
第一，發生銀行危機和貨幣危機的國家損失慘重——由危機溢出效應而影響的其他國家受損也特別嚴重。自從20世紀七十年代后期以來，已有93個國家發生了100多次系統性銀行危機事件(Caprio和Honohan，2001)。從公共部門解決危機的成本來看，其中約有18次危機(均發生在發展中國家)的成本達到了危機發生國GDP的10%或更多。根據貨幣基金組織1998年的一項研究報告，一國在銀行業危機爆發后需要約3年時間才能使產出恢復到正常趨勢，平均累積產出達GDP的12%。
危機還有“傳染”的特征。即使是在一個相對較小的經濟體中發生的金融行業嚴重問題也會有廣泛的溢出效應。若世界某地發生了貨幣危機，其他國家(經濟體)遭到投機性沖擊的概率上升7%，即使相關國家對其政治經濟基本因素采取了控制措施。
第二，簡單觀察貨幣風險及違約風險的傳統市場指標往往不能獲得多少關于即將發生危機的預警信號。目前的證據表明，在亞洲金融危機的發展過程中，利差和信用評級等指標的表現令人失望。研究表明，3個月期限的離岸證券利差這一指標沒能對印度尼西亞、馬來西亞和菲律賓的困境發出預警。也就是說，這類指標不是平坦就是下降，只是對泰國給出了斷斷續續的信號。
在新興經濟體中，預測單個銀行困境和破產也存在一些問題。最近一項研究分析了一些國家的銀行困境，結果表明，傳統的銀行脆弱性指標，如資本資產比率、凈邊際利潤率、營運成本與資產的比率、流動比率等，在找出有問題銀行方面的作用十分有限。也就是說，傳統的CAMIL類型的比率——資本充足率、資產質量、管理穩健程度、收益、流動性——將不能預測單個銀行是否要陷入困境。總而言之，僅僅集中精力于一個或者兩個“包治百病式”指標的“廉價做法”不太可能得到一個良好的早期預警系統。若投資于一個綜合的早期預警系統，則更可能獲得成功。
(二)早期預警實驗的一般規則。第一，在金融危機起源中尋找系統性模式意味著不能局限于最近的一次危機(或者一系列危機)，而是要研究一個更大的樣本。否則，在重要因素與不太重要因素之間進行區分就可能會有太多解釋，或者所得出的最后結果經不起更多實際經驗的檢驗;第二，要像關注貨幣危機一樣關注銀行危機。關于金融危機先行指標的文獻大都涉及貨幣危機。然而，發展中國家銀行危機的成本比貨幣危機成本更大。銀行危機似乎是引致貨幣危機的一個更重要的原因;第三，盡量使用比較廣泛的早期預警指標集合。因為在新興經濟體中，金融危機的根源很多，因此需要大量指標來反映潛在風險源;第四，采用樣本外檢驗來判斷先行指標的有用性。一個模型的樣本內表現會使人們樂觀地誤以為模型在樣本外也能表現良好。
(三)早期預警實驗中有意義的發現。通過實際數據的運用，Goldstein、Kaminsky和Reinhart(2000)從早期預警模型中獲得了一些實證結果。下面介紹一些有代表性的發現:(1)新興市場中，銀行危機和貨幣危機在爆發前都有征兆，有些現象有重復發生的行為特征;(2)對于新興經濟體而言，利用月度數據對銀行危機進行準確預測的難度要大于貨幣危機。在樣本內，銀行危機的平均噪音信號比貨幣危機的要高;同樣，在樣本外，該模型對貨幣危機的預測表現也比對銀行危機的預測表現要好很多;(3)對于貨幣危機來說最好的月度指標是實際匯率(相對于趨勢)的升值，而對于銀行危機來說最好的月度指標是證券價格的下跌、出口的下降、M2與國際儲備比率的偏高以及經濟衰退;(4)銀行危機和貨幣危機的最優先行指標之間既有很多共同之處也存在很大的區別，因此應單獨考慮這兩種危機;(5)在預測新興經濟體的貨幣危機和銀行危機方面，主權信用評級變化的表現比經濟基本因素中較好的先行指標的表現要差很多;(6)先行指標的樣本外檢驗結果一直是令人鼓舞的——至少在貨幣危機方面是這樣;(7)國家間危機傳染效應表明，在理解新型市場發生貨幣危機的脆弱性時，要更加關注國家特有的經濟基本因素。
三、總結
國家應該預期到未來的金融危機，并為此做好準備。為了限制金融危機的風險和實際危機的沖擊效應，需要對脆弱性和金融風險進行實時監測。這可以通過運用設計良好的分析和預測框架——早期預警系統經常對金融穩定進行評估來實現。一定的危機應急計劃也很有用，特別是如何應對早期銀行危機的第一個信號的計劃。因為最初銀行危機的第一個信號經常決定是否會產生更加系統性的銀行危機。然而更重要的是，國家要不斷改進其整體激勵框架，以使私人部門的金融機構及企業有意愿也有能力合理地管理其金融風險。這需要良好的宏觀經濟管理水平，包括適度的匯率管理，并確保實現金融部門和公司部門穩健的所有支柱都到位。
主要參考文獻
第6篇：金融月度總結范文
【關鍵詞】股市波動 宏觀經濟 格蘭杰檢驗
一、引言
證券市場股票價格波動和宏觀經濟波動之間的關系一直是國內外學者關心的問題，也是國際經濟學界的熱點問題之一。2008年以來由美國次貸危機發展而來的全球金融危機，給世界經濟帶來了嚴重的影響，我國經濟雖然一直保持平穩運行，國民生產總值增速也出現了明顯的放緩，由2007年的14.2%到2008年～2012年分別為9.6%、9.2%、10.4%、9.3%和7.8%，而期間我國股市，以上證綜指收盤價為例，也由2007年年末的5261.56下降到2013年8月末的2098.38。在此背景下，對我國股市波動與我國宏觀經濟波動之間關系的研究越來越受國內外眾多學者的關注，其宏觀經濟指標的選取也越來越成為研究的焦點問題。
二、文獻綜述
有關股市波動和宏觀經濟波動，國內外眾多研究者從不同角度對其進行了研究和分析，Fama的研究表明，股票價格與經濟增長之間存在著正相關關系。[1]Engsted主要研究丹麥股票市場的波動影響因素，總結了股票價格、利率、匯率、消費、儲蓄、國際收支、稅收平滑指數、通貨膨脹、勞動力需求、貨幣需求等因素相互之間的影響。[2]Dritsaki實證研究希臘的股票價格指數和希臘國內的宏觀經濟因素的長期關系，宏觀經濟因素主要是工業生產值、通貨膨脹率和利率。同時，這些變量都通過了Johansen檢驗和格蘭杰因果檢驗。[3]
我國學者對股市波動的分析主要是從基本面和政策面進行。比較具有代表性的是靳云匯、于存高（1998）對中國股票市場與國民經濟關系的實證研究。他們分別研究了股票市場規模與國民生產總值GDP、居民儲蓄、通貨膨脹等變量的關系，股票市場與經濟周期以及股票價格與宏觀經濟因素之間的關系，認為中國股票市場已經基本具備了經濟晴雨表的作用，在一定程度上提前反映中國經濟周期的變動。[4]
從前述文獻看來，已有研究普遍認為經濟增長、工業生產、通貨膨脹、利率以及匯率等宏觀經濟因素波動與股市波動有較強的聯系，是重要的有代表性的宏觀經濟變量指標，但在對我國股市波動與我國宏觀經濟波動之間關系的研究上，所選用的宏觀經濟變量指標普遍較少，也缺乏對全球金融危機后我國股市波動與宏觀經濟波動的研究。
三、指標選取與數據來源
首先，在指標選取上，通常用股價指數等指標來描述股票市場的波動，而在股價指數種類的選擇上，最具代表性的是上海綜合指數和深證成分股指數。本文選擇上海綜合指數進行研究，主要基于以下幾方面的考慮：一是綜合指數以在證券交易所掛牌上市的全部股票作為編制對象，能夠反映證券市場總體變動情況；二是中國證券市場歷來存在著滬強深弱的現象，上海證券市場相對而言更能代表中國證券市場的發展狀況。[5]因此，本文采用上證指數進行研究。
另一方面，根據相關經濟理論和我國經濟發展實際情況，我們從眾多宏觀因素中選取了有代表性的12個指標：反映國民經濟整體運行狀況的工業增加值增長速度（GY）和制造業采購經理人指數（PMI）；反映通貨膨脹的居民消費價格指數（CPI），工業生產者出廠價格指數（PPI）和商品零售價格指數（RPI）；反映貨幣政策的一年期存款基準利率（LL），狹義貨幣供應量（M1）和廣義貨幣供應量（M2）；反映財政政策的財政支出增長速度（LGV）；反映對外貿易的進出口差額（XM）；反映匯率水平的人民幣美元匯率（HL），外匯儲備（WH）。這些指標基本涵蓋了我國宏觀經濟情況。
其次，在上證綜指和有代表性的宏觀因素的樣本選取上，本文采用2008年1月～2013年8月的月度數據，相對于大多數研究采用季度或年度數據，擴展了樣本容量，使研究結果更可信。在實證研究中，所使用的上證綜指收盤價（SZ）、匯率收盤價來自大智慧，所使用的其他宏觀經濟數據來自于中華人民共和國國家統計局、中國人民銀行和東方財富網。
四、實證過程分析
（一）單位根檢驗
由于我們采用的是月度數據，因此首先通過eviews6.0軟件對部分缺失數據采用指數平滑法計算，然后用X11方法分離出季節影響，再對季節調整后的時間序列進行單位根檢驗，檢驗其平穩性，在10%的顯著性水平下，且根據SIC準則選擇滯后階數，運用ADF法進行單位根檢驗，根據ADF統計量和P值數據可知，SZ、GY、PMI、CPI、PPI、RPI、LGV、XM均表現平穩，而LL、M1、M2、HL、WL表現為一階單整。其中，通過對以上一階單整非平穩宏觀經濟變量進行一階差分所得DLL、DM1、DM2、DHL以及DWH均表現為平穩。
（二）協整檢驗
由上述單位根檢驗，我們可以知道SZ、GY、PMI、CPI、PPI、RPI、LGV、XM以及經過一階差分處理后的LL、M1、M2、HL、WH在10%的顯著性水平下均表現出平穩性。接下來我們通過協整檢驗考察其是否存在長期均衡關系，方法有兩種：一種是基于回歸殘差的EG兩步法協整檢驗。主要適用于檢驗兩變量的協整關系，另一種是基于回歸系數Johanson協整檢驗，適用于多變量之間協整關系的檢驗。[6]在這里，我們采用第一種方法EG兩步法進行協整檢驗，檢驗結果如下：
由以上協整方程可以得出，在5%的顯著性水平下，所有宏觀經濟變量均與上證綜指呈現比較顯著的協整關系，即長期均衡關系。且與進出口差額（XM）、工業增加值增長速度（GY）、制造業采購經理人指數（PMI）、居民消費價格指數（CPI）、工業生產者出廠價格指數（PPI）、商品零售價格指數（RPI）、財政支出增長速度（LGV）、外匯儲備（WH）、一年期存款基準利率變動率（DLL）以及狹義貨幣供應量變動率（DM1）正相關，與廣義貨幣供應量變動率（DM2）、人民幣美元匯率變動率（DHL）負相關，這些檢驗結果與相關經濟理論的結論基本相符。
（三）格蘭杰因果檢驗
我們采用以上12個平穩宏觀指標對上證綜指（SZ）進行雙變量格蘭杰因果檢驗它們是否是彼此的格蘭杰原因，并且采用AIC準則來確定滯后期數，相伴概率P值越小，表明解釋變量對被解釋變量的統計上的因果關系及預測能力越強。
由檢驗結果我們可得出如下結論：在10%的顯著性水平下，上證綜指（SZ）是狹義貨幣供應量變動率（DM1）、廣義貨幣供應量變動率（DM2）、制造業采購經理人指數（PMI）、工業增加值增長速度（GY）、工業生產者出廠價格指數（PPI）、商品零售價格指數（RPI）變動的顯著原因，而居民消費價格指數（CPI）、工業生產者出廠價格指數（PPI）、商品零售價格指數（RPI）又是上證綜指（SZ）變動的顯著原因。而國際收支、匯率、外匯儲備、政府支出則與股市波動相關性很低。
五、結論與政策建議
本文采用2008年1月～2013年8月的月度數據，對其進行格蘭杰因果檢驗，由以上實證分析可以得出，全球金融危機以來，我國股市波動性對我國宏觀經濟變量的解釋能力較好，在某種程度上能反映我國經濟發展的趨勢水平，發揮經濟周期變化的“晴雨表”的作用，但是從檢驗結果中我們可以發現兩個問題，一是宏觀經濟變量對我國股市波動性解釋能力較弱，二是某些傳統意義上對股市波動有影響的宏觀經濟因素卻與我國股市相關性較弱，如國際收支、匯率、外匯儲備等。這可能是我國股市發展不夠完善、不夠開放的原因造成的。
針對我國股市的現實情況，為使我國股市與宏觀經濟健康協調發展，本文提出如下幾點政策建議：
第一，應完善證券市場監管體系，加強股票市場的立法和規范化管理，建立一個公平的市場競爭環境，保護投資者利益。當前，我國的監管主要是以政府為導向的監管，政府監管是市場經濟和股市正常運行的保證，但是不能過度替代市場功能，否則將會降低股市效率，阻礙股市的良好發展，因此，市場機制與政策導向要合理結合，增加行業自律的比重，這樣，我國股票市場才會越來越成熟與完善。
第二，應提高上市公司的質量，統一入市準則，完善退市機制，降低信息不對稱性，提高股市透明度。正是因為我國上市公司質量普遍不高，不具備投資價值，因此我國許多投資者尋求短期投機獲利，因此，完善我國上市公司的信息披露制度，保護投資者利益時尤為重要的。
第三，要堅持對外開放，促進股票市場的產業創新，努力創建統一的、多層次的市場體系，促進股市的可持續發展，積極推動我國股票市場的國際化進程。由市政分析結論也可看出，相對于發達國家股票市場，我國股市還不夠完善與開放，這也就造成了宏觀經濟波動對我國股市波動的解釋能力較弱，因此，堅持對外開放，與國際接軌，對我國股市與宏觀經濟健康協調發展是十分重要的。
參考文獻
[1]Fama，E，F.Stock returns， expected returns and real activity[J].Journal of Finance，1990，45：1089-1108.
[2]Engsted， T.1. Measures of Fit for Rational Expectations Models[J].Journal of Economic Surveys；2002，Vol.16 Issue3：301-355
[3]Dickson，David G.Stock market integration and macroeconomic fundamentals：an empirical analysis[J].Applied Financial Economics；2000，l0：261、276
[4]靳云匯，于存高.中國股票市場于國民經濟的實證研究（上）.金融研究，1998（3）：40-45.
[5]林毓鵬.中國股市波動的宏觀經濟因素分析，2009.4.1
第7篇：金融月度總結范文
xx年全球金融危機時刻警示著我們，在新的一年里，財務部工作人員應在廠領導的正確領導下制定對全廠其他部門的考核制度或者相關辦法。在國家各項財務法律、法規的監督下制定如下考核制度：
1、組織財務部各員工對國家有關法律法規、會計制度、安全法、財務制度、管理制度等有關法律法規進行系統學習。
2、在財務部內部明確考核制度：財務人員的分工及各職能部門的協作，要分工明確并帶有互相協作補充性，相互配合的工作中不斷學習，對各項費用的合理支出起到監督作用，對違規違紀行為起到監督智能。
3、在應收帳款上起到有效的監督作用：明確各分管會計的職責，制定相應的制度，如對應收款的監督，應制定相應的規定，對貨款回收的期限把握、回款具體事宜、相關銷售責任人都應有相應的監督，加大財務監督力度。
4、在對公司其他部門的工作方面：對各科室產生的各項費用進行核算，為公司節省每一筆支出，從一角一元做起。在對各種原料的發票接收方面，認真做好本職工作盡自己的能力去做好每一筆業務的考察及發票的接收工作，認真完成每月的報稅工作。
5、對車間的耗用、檢修期間產生的各項費用進行把關，為節約成本、減少開支做好每一項工作，對各項費用的節、超進行考核并報公司領導，協助領導做好決策工作。
第8篇：金融月度總結范文
關鍵詞：固定資產投資;消費價格指數;負相關性
一、研究背景
中國經濟在改革開放后的三十多年里突飛猛進，當然也遇到了一些困難和挑戰，其中在上世紀90年代的我國開始經濟轉軌，在粗放型經濟增長的方式下，中國通貨膨脹于經濟增長之間的關系，和許多國家相比有著極大的不同之處。中國的經濟增長不是推動通貨膨脹上漲的直接原因，而是通貨膨脹導致的結果。
2006年湖南大學金融學院的喬海曙和王軍華運用統計方法對投資與通貨膨脹關系進行檢驗。他們通過Eviews軟件對2002年1月到2005年8月我國消費價格指數與固定資產投資增長指數進行相關性檢驗與時間序列回歸分析，得出了關于通貨膨脹與投資的因果關系的實證性結論檢驗，即滯后1期、2期、3期的固定資產投產對通貨膨脹率均起助推作用，且滯后三期的固定資產投資增長對通貨捧膨脹的助推作用明顯大于前二期，這與投資對經濟影響的周期也是相符的。
2007年復旦大學中國經濟研究中心的張軍和方紅生通過Toda-Yamamoto長期因果檢驗程序和廣義脈沖反應技術研究了全社會實際固定資產投資與零售價格水平變動之間的長期因果及其沖擊——動態反應關系，然后進一步考察了貨幣供給量M1和貿易依存度在促成上述關系中所扮演的角色。通過對1978——2003間的全社會實際固定資產投資、零售物價總指數、對外貿易依存度的對數、貨幣供給量M1的數據進行模型檢驗，得到的結論是：
1、投資變量在影響零售物價水平變動的過程中起著決定性的作用。
2、反過來，零售物價水平在5%顯著性水平上是影響實際投資變動的長期直接因，即實際投資于零售物價水平互為因果關系。
3、貨幣供給量M1作為唯一的外生變量，其增長不是價格水平變動的直接因，而是通過全社會實際固定資產的投資的增長，間接地成為影響價格水平變動的原因。這表明控制住M1的增長，就可在很大程度上控制住實際投資的增長。
綜上所述，對于通貨膨脹尤其是2002年之后到2005年之間的通貨膨脹，國內學者基本一致觀點是，投資的增長在推動通貨膨脹的誘因中扮演著十分重要的角色，無論是從其重要性與顯著性的角度來看，無疑是可以基本肯定的。那么對于當前的通貨膨脹，我們將借鑒相關學者的實證分析方法，對其與投資的關系進行分析。
二、實證分析與結論
在對通貨膨脹進行度量時因為是對當前經濟現狀的分析，我們采用消費者價格指數來描述，因此通貨膨脹用消費者價格指數來表示，而投資則用固定資產投資完成額增長指數來表示由于我們分析的是當前的的物價上漲及通貨膨脹與投資的關系，用月度數據更能說明問題，我們便采用了月度數據來分析。由于每年1月份的固定資產投資增長指數國家統計局并不公布，我們利用相關的統計方法進行了缺失值的處理。選取數據的樣本期間為2010年1月份到2011年2月份，經處理后的消費者價格指數與固定資產投資增長指數的月度數據顯示如表。
我們首先對兩個指數的樣本數據進行時間序列的平穩性分析。通過ADF檢驗，由下表的檢驗數據可知，對消費者價格指數和固定資產投資增長指數進行二階差分后，二者的檢驗T統計量分別在1%和10%的顯著性水平下是平穩的序列。消費價格指數
ADF Test Statistic -4617646 1% Critical Value* -4326
5% Critical Value -32195
10% Critical Value -27557
固定資產投資增長指數
ADF Test Statistic 2991275 1% Critical Value* -44613
5% Critical Value -32695
10% Critical Value -27822
接下來，對消費者價格指數作關于固定資產投資增長指數的回歸分析后，我們得出的回歸結果是：Variable Coefficient Std Error t-Statistic Prob
C 193815 2872637 6746937 0
X -072494 0229125 -316394 00082
其中可決系數R^2=05，F統計量=10，說明方程擬合較好，F檢驗也比較顯著。但是，在這樣的結果下我們得出的結論是，當前的通貨膨脹形成過程中，投資的增長不僅沒有扮演推動者的角色，反而與消費者價格指數是呈負相關性的。
在此基礎上我們得出了一個結論：投資增長對于當前的通貨膨脹的產生，并不是主要的推動作用，甚至在當下的經濟環境下，投資作為三駕馬車之一所發揮的作用很可能是對通貨膨脹的一定程度的抑制。那么，當前的通貨膨脹很顯然是披著投資增長的外衣的。
三、投資增長只是通貨膨脹外衣的可能性分析
當前的通貨膨脹中投資增長只是一層外衣的，而并不是真正的推動者。這樣的結論顯然是與之前國內學者們的研究結論是背道而馳的。但是，我們認為投資增長只是一層外衣的可能性是存在的。
1.誘發通貨膨脹的因素有很多也很復雜，投資的增長只是其中之一，但并不是推動通貨膨脹的永久或者主要角色。總體而言，這些因素中,有國際和國內經濟發展和體制等環境變化因素,也有供給瓶頸和需求增長等因素，歸納起來主要有以下幾方面:a.新一輪經濟增長客觀上帶來價格上升的壓力；b.世界經濟復蘇和國際市場價格波動給我國價格變動帶來一定影響；c.供給瓶頸制約引起生產價格大幅度上漲；d.信貸資金高增長引起價格總水平上漲；e.體制因素形成的中央和地方政府在經濟增長目標上的差異,在一定程度上導致價格上漲。其中只有a和c項與投資有著密切的聯系。
2.我們所采取的樣本數據或者實證分析方法的不合理，也會導致我們的實證分析結果產生偏差，從而得出與事實不符的結論。比如，我國的消費價格指數是與國外不同的，主要區別在于居民住房未納入其計算中去，所以我們認為數據本身的不合理性很可能是研究結論偏差的原因之一。（作者單位：西南財經大學財稅學院）
參考文獻
［1］ 王軍，投資的需求效應與供給效應的分析，財經科學，2001（4）；
第9篇：金融月度總結范文
在宏觀經濟學理論中，宏觀經濟的調控主要有四大目標：經濟持續均衡增長、價格水平穩定、充分就業和國際收支平衡。由于經濟系統內在的“自動穩定器”作用效果十分有限，所以按照凱恩斯的需求管理理論來說，此時針對市場的需求和經濟環境的波動狀況政府應當相機抉擇，按照逆經濟風向來進行調整，將整個國民經濟的運轉拉回到正常的軌道上。這樣凸顯了我們對于貨幣政策宏觀調控效應的研究是十分迫切必要的。
隨著2008年金融危機后世界經濟形勢陷入更大的不確定性，廉價勞動力的比較優勢逐漸減弱，產業過剩問題逐步凸顯，中國經濟逐步邁入中高速發展的新常態，在“增長速度換擋期、結構調整陣痛期、前期刺激政策消化期”的新形勢下，2014年國內生產總值增長7.4%，十年來首次低于7.5%。如何實現通脹較低水平狀態下的經濟穩步增長，成為當前中國經濟發展研究中非常重要的課題。從整體上看，由于我國金融市場發展較晚，加之金融分業經營和分業監管，我國影子銀行體系發展處于初級階段，復雜度遠低于西方發達國家和地區。但隨著金融創新的不斷發展，我國影子銀行進入一個較快發展時期。央行統計的社會融資總量中，非銀行信用融資占比從2008年的28.5%增長到現在的一半左右，而2015年新增影子銀行信貸已占全社會總信貸增量的三分之一左右。由于對貨幣政策有效性的研究主要是假設貨幣供給外生的基礎上。影子銀行的發展，導致貨幣供給內生性不斷增強，央行對貨幣數量的控制能力被大大削弱，貨幣供應與實體經濟變量如GDP和CPI的相關性關系降低，數量型工具面臨挑戰，影響傳統貨幣政策有效性。總體而言，在金融創新步伐不斷加快、影子銀行規模擴張的今天，傳統的貨幣政策是否仍然有效問題不僅具有理論價值，從另一方面來說，也具有非常重要的現實意義。
本文首先對貨幣有效性研究和協整研究進行文獻回顧，梳理相關的理論基礎，之后用TVP_VAR模型對中國宏觀經濟的數據與貨幣政策變量數據之間的關系進行實證研究，其中，本文所使用的時間序列模型叫TVP_VAR模型，其中系數和沖擊的協方差矩陣都是時變的，時變系數能捕捉模型滯后結構的時變特性和可能的非線性特征。
二、文獻梳理
從基本理論發展的脈絡來看，我們將上世紀七八十年代做為從貨幣主義向新凱恩斯主義理論轉變的分水嶺時代。上世紀七八十年代以前，關于通貨膨脹與經濟增長問題的研究很多是以1956年弗里德曼提出“現代貨幣數量論”為基礎的。貨幣與價格或者貨幣增長率與通貨膨脹率也就是價格增長率之間的關系成為相關研究的焦點。但是，隨著新凱恩斯主義黏性價格理論和動態隨機一般均衡（DSGE）模型相結合在1983年的提出，說明隨著學術探討的深入，西方國家在1982年以后已經開始拋棄貨幣總量而選擇更加貼近經濟環境的利率作為貨幣政策工具之后，強調隨著經濟結構的復雜，貨幣總量已經不足以顯現它在貨幣主義理論中的重要性，所以在宏觀經濟學分析框架的比重越來越不明顯。直至到現在，人們認為的現代宏觀分析的主流模型指的是包含真實經濟產出、通貨膨脹率和利率的分析而不是貨幣框架的模型。這個模型它又叫做現代宏觀分析的“玩具模型”，玩具模型顧名思義，因為它模型系統相對簡約，但又能相對全面地刻畫經濟環境中各種宏觀經濟指標的動態關系。隨著中國對宏觀經濟數據的逐步積累和完善，國內學者通過對國外成熟理論研究的基礎上，對貨幣政策調控這一問題進行了一系列經驗研究。經過十幾年的研究，我們仍舊停留于當前經濟環境基礎的假設或者沒有足夠估計當前金融創新加快的步伐，導致通貨膨脹、經濟增長與貨幣供應的相互影響機制不但沒有變得日益清晰，反而越來越模糊，更沒有形成廣泛共識，這無疑給宏觀決策帶來了極大困擾。從已有文獻來看，既有貨幣增長率顯著驅動通貨膨脹率的結論，又有貨幣增長率并非通貨膨脹率顯著驅動因素的結論。我們看到最近幾年影子銀行業務規模快速增長，互聯網金融等新金融業態快速崛起，這些新金融的發展不僅擾亂了傳統的貨幣供應量的定義和統計，也弱化了貨幣供應量的可控性和相關性，在這樣的新常態新環境下，以貨幣供給量作為主要的貨幣政策變量的貨幣政策有效性值得進一步深入探索研究。
三、基于TVP-VAR模型的實證研究
本文選用的TVP-VAR模型，在這個模型中所有的參數和協方差都可以根據時間變化而不斷地進行變化，通過這個模型便可以有效捕捉到我們要觀測的經濟變量間的相關關系的時變特征。設置檢驗變量（p，x，i），其中p代表的是通貨膨脹率，根據文獻，此處選用居民消費物價指數（CPI），x表示產出，由于我國國民生產總值缺乏月度數據，因此采用我國月度工業增長率來替代。i表示貨幣投放量，本文中采用廣義貨幣量M2的同比增長率，同樣是月度頻率數據。
在對數據進行預處理中，本文首先采用Census X12方法對數據進行季節調整，使用對數化后變量。本文中的模型均要求所選取的經濟變量平穩，則將各個經過季節調整和對數化后的變量進行單位根檢驗，不平穩變量進行一階差分或者二階差分后變為平穩。各原始數據來源于中國人民銀行和國家統計局網站所公布的統計年鑒以及wind萬得數據庫。通過本文的目的是看出使用隨機波動下的時變參數向量自回歸模型（TVP-VAR）中通貨膨脹和國民產出及貨幣投放量的時變關系。
四、結論和建議
