1.2 研究思路、内容及方法

1.2.1 研究思路

分析货币政策对股票价格影响情况及影响机制对于完善中国货币政策、调控宏观经济以及稳定股票市场具有重要作用。有鉴于此，本研究结合最新的国外研究和中国货币政策的具体实践，系统、深入和细致地分析中国货币政策对股票价格的影响问题。

本研究的基本思路是，立足国外研究前沿和中国货币政策操作的特定情况，沿着“中国货币政策度量➝中国货币政策对股票价格的影响➝中国货币政策影响股票价格的传导机制➝中国货币政策和股票市场反思”的路线，层层递进地展开研究。具体的研究框架为：

1.2.2 研究内容

本研究主要包括三个部分：一是中国货币政策的合意度量，二是货币政策对股价的不同影响，三是货币政策影响股价的传导机制。其中，货币政策对股票价格的影响研究包括：宏观经济信息、货币政策对股价的影响，预期的（anticipated）和未预期的（unanticipated）货币政策对股价的影响、货币政策对股价影响的非对称性（asymmetry）；传导机制研究体现为在中国特定经济制度安排下，结合理论和实证研究，分析货币政策通过何种传导渠道影响股票价格。

具体研究内容为：

第1章为绪论，主要对本研究的选题背景，选题意义，研究思路和研究方法做一总体说明。

第2章为文献综述，主要综述货币政策度量指标、货币政策对股票市场影响的相关理论和实证研究。

第3章对货币政策和股票价格相关理论进行概述，同时，结合中国处于经济转型时期的特定事实，从理论上阐述中国经济转型时期的货币政策演进以及构建中国经济转型时期特定经济结构下的股票定价模型。

第4章为本研究的第一部分主要内容。在分析货币政策的影响时，首先需要考虑的问题就是如何理解货币当局的政策状况、如何度量货币政策变化情况。目前国内对货币政策度量合理性的讨论尚不充分，大多数研究只是从定性分析的角度选择货币政策的度量指标，对于当前货币政策指标的选取较为随意。实际上，找到一个或一组准确反映货币当局政策立场的合意度量指标，对于分析货币政策对股票价格的影响情况以及传导机制都至关重要。本部分将结合前文的国外文献（如Bernanke和Blinder, 1992等），以及我们的货币政策行为方式的不同阶段性特征，细致讨论和检验各种货币政策指标的优劣，尝试找到一个或一组能够较为准确地度量中国中央银行货币政策的度量指标。

第5、6、7章为本研究的第二部分主要内容。具体而言，第5章主要给出中国宏观经济信息和货币政策对股票价格影响的直观印象，让我们对中国股市的运行状况以及货币政策与股票价格之间的关系有一个直观了解。由于中国的货币政策制定和执行情况仍然不够公开和透明，对于货币政策走势，公众也难以把握。而根据现代宏观经济学理论（相关著作见Ljungqvist和Sargent, 2000或Stokey和Lucas, 1989等），预期和未预期的货币政策对股票市场的影响可能完全不同。预期的货币政策对股票市场可能不会产生激烈影响。预期的政策在还没有执行以前就已经产生作用，当政策真正实施时，其影响可能很小甚至没有；而未预期的政策将引起股市参与者行为的跳跃性调整，从而导致股票价格发生剧烈波动。因此我们在第6章将货币政策分解为预期和未预期的两个部分，分析货币政策对股票市场的影响。如果货币政策确实对股票价格有显著影响，那么扩张性货币政策和紧缩性货币政策对股票价格的影响是否会相同呢？即这种影响是否具有非对称性呢？第7章分析货币政策对股票价格影响的非对称性问题，具体包含两方面：一是同等强度的扩张性货币政策和紧缩性货币政策对股票价格的影响是否显著不同；二是在不同的股市背景下（牛市和熊市），相同的货币政策对股票价格的影响是否显著不同。

第8章为本研究的第三部分主要内容，由于中国正处于一个经济转型时期，我们将结合中国这种特定的经济结构背景，构建一个包含股票市场、货币政策、货币市场和商品市场的一个一般均衡系统，然后通过理论引导下的结构向量自回归（Structure Vector autoregression）方法分析中国货币政策影响股票价格的传导机制问题。

第9章在系统研究了中国货币政策对股票价格作用特征和机制的基础上，对中国当前的货币政策和股票市场进行反思，及提出相应建议，为货币当局有效制定货币政策，促进经济平稳健康发展提供依据和指引，为避免重蹈日本和美国的覆辙提供帮助；也为股市参与者提供学术支持。

1.2.3 研究方法

本研究立足国外研究前沿和中国货币政策操作的特定情况，运用主流的宏观经济理论，采用理论与实证分析并举的研究方法，对中国货币政策如何影响股票市场及传导机制进行系统阐述。

本研究采用的具体研究技术包括：理性预期（Rational expectation）、自回归移动平均模型（Autoregressive Integrated Moving Average Model, ARIMA模型）、马尔科夫机制转换模型（Markov-Switching Model）、向量自回归（VAR）和结构向量自回归（SVAR）。

（1）理性预期。理性预期起源于Muth（1961），后来被卢卡斯（Lucas, 1971）等发展应用，目前已经成为主流宏观经济学的核心概念和标准分析工具。它在思想上讨论的是主观概率分布与客观概率分布的关系，其一般定义是“经济主体利用可以获得（available）的信息，做出的有关未来的最好的（best）或有效的（efficient）预测”（见D. Romer,1990; J. Sachs, 1992等）。

（2）ARIMA模型是由Box和Jenkins在20世纪70年代提出的时间序列预测方法，因此ARIMA模型又被称为Box-Jenkins模型。ARIMA模型的基本思想是：对于某个待预测变量，认为所有的影响因素作用都反映在该变量的历史数据中；于是，将预测变量的历史数据视为一个随机序列，其中定然存在规律；这样，就可以采用一定的数学模型来近似地描述这个规律。当模型被识别后，我们就可以利用时间序列的已知信息（过去值及现在值）来预测未来值。

实证研究中，ARIMA模型通常被设定为ARIMA（p, d, q），其中，AR表示自回归，p表示自回归项的最大滞后阶数，MA表示移动平均，q表示移动平均项的最大滞后阶数，I表示单整，d表示时间序列变化成平稳序列需做的差分次数，即时间序列的单整阶数。根据各参数p, d以及q的不同，在具体分析中ARIMA模型又可分为两大类、四种具体的形式：①当d =0时，时间序列为平稳过程，ARIMA模型转化为ARMA（p, q）模型；②当d=0, q=0时，ARIMA模型简化为AR（p）模型，称为自回归模型；③当d=0, p=0时，ARIMA模型简化为MA（q）模型，称为移动平均模型；④当d≠0时，时间序列为非平稳过程，ARIMA模型即为ARIMA（p, d, q）模型，称为非平稳自回归移动平均混合模型。

（3）马尔科夫机制转换模型。时间序列的显著性变化可被视作时间序列的内在生成机制的变化，如果这种生成机制的变化是一次性的，而且变化的时间点已知的话，可以用邹氏检验法来进行检验。如果这种结构性的变化是连续性的，并且变化的时间点并不确定，对此Markov机制转换模型能够将这种结构性的变化视作一种机制向另一种机制的转换，在模型的估计过程中能将结构的变化内生化，因此该模型在识别数据变化过程中有其独特的一面。

Markov机制转换模型的简单表述：

φ（L）= 1 -L -L2-… -Lk，其中L是滞后算子，εt～i. i. d. N（0, ）, μSt和分别是依存于状态的yt的均值和方差。不可观察的状态变量St是潜在的虚拟变量，等于0或1。

如果假定St 表示两种状态的马尔科夫过程，其转换的概率矩阵为：

其中，p00 = P（St = 0| St-1 = 0）, p11 = P（St = 1| St-1 = 1）。

（4）向量自回归（VAR）和结构向量自回归（SVAR）：一般意义上的VAR也被称为无约束的向量自回归（Unrestricted VAR），常用于预测相互联系的时间序列系统以及分析随机扰动对系统变量的动态影响。VAR方法通过把系统中每一个内生变量作为系统中所有内生变量的滞后解释变量来构造模型。一个VAR（p）模型的数学形式是：

这里yt是一个n维的内生向量。如果yt是协方差平稳的，那么式（1-2）可以表示为：

但VAR分析的问题是，分析者不能完全识别内生变量冲击（详见Hanmilton, 1994和Enders, 1998）。解决方法是使用结构向量自回归（SVAR）模型。SVAR就是用某种方法对同期向量进行约束，以解决系统识别不足的问题。

一种可采用的方法是Cholesky分解：由于 Ω 是对称正定的，那么通过Cholesky分解，存在下三角矩阵P，满足PP′ = Ω，方程（1-3）可表示为：

其中，Γt = ΠtP, vt = P-1εt , E[vtvt′] = I, t =0,1, …,。方程（1-4）表示内生向量yt 可以写成正交冲击（vt-i）的函数。

另一种方法是直接利用经济理论对向量的同期冲击性质进行约束（见Sims, 1986; Bernanke和Mihov, 1998；王曦、冯文光，2009）。