的临界值，那么否定原假设，该检验变量平稳。
通过在AIC信息原则下的ADF检验发现，i、INDEX、M0、M1、M2、E均存在不同程度的不平稳。利用差分法处理，i、INDEX、M0、M1、M2、E二阶差分平稳。
（2）VAR模型滞后期的选取。
VAR模型的滞后项选取对模型分析至关重要，首先应当确定模型的滞后项。在选取滞后项时，应当在滞后期和自由度上平衡考虑。根据AIC和SC信息准则，其最优选择滞后期选择是滞后1期。因此建立含滞后1期的VAR（1）模型。
（3）宏观经济变量与股票价格指数的VAR模型分析。
将经行过二阶差分处理的上证指数、回购利率、货币供给量和汇率指标建立VAR模型得到表7。
表7 宏观经济变量与上证指数VAR模型估计结果表
LOG(INDEX(-1))
LOG(M0(-1))
LOG(M1(-1))
LOG(M2(-1))
LOG(I(-1))
LOG(E(-1))
C
LOG(INDEX) 0.984846 (0.03588) [ 27.4487] 0.026238 (0.01886) [ 1.39085] -0.034124 (0.03051) [-1.11857] 0.029963 (0.08769) [ 0.34168] -0.042005 (0.03345) [-1.25589] 0.382493 (0.12958) [ 2.95189] -0.544318 (0.46967) [-1.15894]
LOG(M0) -0.119608 (0.21838) [-0.54771] -0.129195 (0.11482) [-1.12522] 0.484319 (0.18568) [ 2.60838] -0.808035 (0.53374) [-1.51390] 0.042260 (0.20357) [ 0.20759] -0.271739 (0.78866) [-0.34456] -1.393471 (2.85863) [-0.48746]
LOG(M1) 0.200616 (0.07777) [ 2.57969] -0.007718 (0.04089) [-0.18877] 0.760671 (0.06612) [ 11.5040] 0.198604 (0.19007) [ 1.04489] -0.200714 (0.07249) [-2.76872] 0.895926 (0.28085) [ 3.19006] -3.311878 (1.01799) [-3.25335]
LOG(M2) 0.069156 (0.02675) [ 2.58520] -0.023576 (0.01406) [-1.67622] -0.041421 (0.02274) [-1.82110] 0.868458 (0.06538) [ 13.2830] -0.104460 (0.02494) [-4.18903] 0.159367 (0.09661) [ 1.64964] -1.131788 (0.35017) [-3.23211]
LOG(I) 0.172264 (0.11719) [ 1.46994] -0.028634 (0.06162) [-0.46472] 0.223836 (0.09964) [ 2.24639] -1.110796 (0.28643) [-3.87810] 0.494342 (0.10924) [ 4.52513] -0.218597 (0.42322) [-0.51650] -2.067645 (1.53405) [-1.34783]
LOG(E) -0.004140 (0.00140) [-2.95988] -8.95E-05 (0.00074) [-0.12167] -0.002141 (0.00119) [-1.80012] 0.005318 (0.00342) [ 1.55555] -0.002303 (0.00130) [-1.76622] 0.985684 (0.00505) [ 195.124] 0.064114 (0.01831) [ 3.50154]
关注模型整体的显著性，见表8。其Adjusted R-squared为0.947，F统计量为
231.772。根据拟合优度指标Adjusted R-squared和F量检验得出VAR一阶滞后模型具有整体显著性。说明利用该模型分析变量关系时可行的。同时对模型稳定性做检验，其VAR（1）模型的所有根模的倒数都在单位圆内，即倒数小于1，说明该模型稳定。其结果均有效，得AR根图（如图2）。
表8 VAR模型检验结果表
R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent
adj.)
Determinant resid covariance
Log likelihood Akaike information criterion
Schwarz criterion
LOG(INDEX) 0.950774 0.946672 0.393388 0.073917 231.7728 97.34888 -2.287314 -2.077362 7.892582 0.320085
LOG(M0) 0.121789 0.048605 14.57307 0.449893 1.664141 -45.33038 1.324820 1.534771 -2.100477 0.461242 2.49E-14 1.43E-14 586.7578 -13.79134 -12.53163
LOG(M1) 0.933043 0.927463 1.848090 0.160212 167.2190 36.23801 -0.740203 -0.530252 -1.912077 0.594861
LOG(M2) 0.944683 0.940073 0.218673 0.055110 204.9309 120.5441 -2.874533 -2.664582 -1.716090 0.225123
LOG(I) 0.738509 0.716718 4.196795 0.241431 33.89071 3.841364 0.079965 0.289917 0.786305 0.453611
LOG(E) 0.998706 0.998598 0.000598 0.002882 9263.605 353.6693 -8.776439 -8.566488 1.943925 0.076975
Determinant resid covariance (dof
Inverse Roots of AR Characteristic Polynomial5.10.15.00.05.0-0.1-5.1-5.1-0.1-5.0-0.05.00.15.1图2 AR根表
根据宏观经济变量与上证指数VAR（1）模型估计中t统计量结果（见表7）。
对单个变量经行t检验，分析单个变量的显著性，发现上证指数INDEX的一期滞后指数、汇率E和货币供给量M0的一阶滞后项在5%的显著性水平下存在显著性。说明前一期的上证指数INDEX(-1)、货币供给M0量和汇率E对本期股票指数INDEX存在显著影响。
4.宏观经济变量与股票价格波动的因果关系检验
在VAR（1）模型估计的基础上，对宏观经济变量与股票价格指数波动进行Granger因果检验，验证上述结果的准确性。
结果发现，E、M0和前1期上证指数INDEX能Granger引起当期上证指数，是上证指数的格兰杰因。同时，INDEX的当期指数是E、M2的Granger原因。而且M2同i互为Granger原因。
以上结果说明，其市场整体表现和变量相关性基本出经典金融学理论，由于货币流通性和货币价值指标一方面是对货币价值的衡量，对市场的货币偏好产生影响，另一方面，利率和股票市场的变化，也会影响货币需求的变化。因此反映市场流动性越敏感的货币指标M0和货币汇率E能与股票市场指数的变化明显相关。同时由于股票市场与宏观经济变量内在的复杂性，其VAR模型估计结果和计量分析会显示出指标之间的联动关系。
5.宏观经济变量对股票价格波动的脉冲响应分析
利用脉冲响应函数分析法能描述一个内生变量对误差项所带来冲击的反应。因此在确定上述VAR(1)模型中的显著影响变量E、M0后，可以利用脉冲响应函数分析宏观经济变量E、M0对INDEX如何产生影响。脉冲响应分析结果如下图3、4。
从图3、图4可以看出，给即期货币供给量（M0）一个正面冲击时，上证指数会在第2期到达最高点，然后至第3期后恢复平稳。这表明，货币供给量的当期增长在一个月后对股票价格带来正面影响。另外，如果对即期利率（E）一个正面冲击，对上证指数的影响会被逐渐放大，最终在第9-10期指数增长才得到完全反应。
图3 上证指数（INDEX）对货币供给量（M0）
图4 上证指数（INDEX）对汇率（E）的冲击反应
总的来看，货币供给量和利率对上证指数的影响都具有滞后效应，指数对宏观经济变量的变化影响都存在一个消化的周期。并且不同指标在指数波动上的反应存在差异。
6. 长期宏观经济指标与股指变化的线性回归分析
根据宏观经济理论，可以建立长期宏观经济政策与股票指数的线性线性模型，分析宏观指标与股票价格走势的关系，作为对货币金融理论的验证分析。
假设模型如下：
LINDEX ? C?1? ? C?2?*LO ? C?3?*LT ? C?4?*LS ? C?5?*LM1 ? C?6?*LI2?μ
（公式4）
表9 参数估计结果表
Variable C LO LT LS LM1 LI
Coefficient 17.24272 0.380859 0.500100 -8.558542 4.990000 2.150370
Std. Error 5.701963 1.984539 1.744180 1.883980 1.943336 0.922909
t-Statistic 3.023997 0.191913 0.286725 -4.542800 2.567749 2.329992
Prob. 0.0193 0.8533 0.7826 0.0027 0.0371 0.0526
R-squared值和Adjusted R-squared值达到了0.86和0.76（见表10），因此可以看出模型的拟合度较高。利用F检验和t检验模型显著性发现，LO与LT变量的显著性为零，因此可以看出原假设中的财政收入和税收指标不能很好地对上证指数进
行解释。因此模型可调整为：
LINDEX ? 15.01 ? 5.751*LM1 ? 8.455*LS ? 2.266*LI2?μ （公式5）
（4.542）（4.642） （-5.096） （3.308）
R2=0.853，R=0.804，DW=1.71，F=17.4
2
表10 模型显著性检测结果表
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
0.860449 0.760769 0.226156 0.358026 4.902441 8.632146 0.006634 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat 7.475480 0.462381 0.168855 0.429601 0.115260 1.919906 从简单线性回归估计得到的公式4来看，一方面由于模型本身忽视了其他变量的影响，解释变量的自相关性没有纳入模型考虑，由此产生误差。另一方面，整体宏观经济指标与股票指数具有相关关系，但对股市的影响不明显。随着滞后期数增大，时间间隔越长，相互影响越小。
三、主要结论与政策建议 （一）主要结论
对宏观经济政策的分析包括了离散型经济政策和连续性宏观经济政策。离散型经济政策变化反映在独立政策的制定和颁布，其与股票市场的波动相关性反映在政策宣告前后股票市场价格对信息反映程度。连续性宏观经济政策变化反映在政策中介变量和总产出、通货膨胀以及失业率状况指标变化上。本文通过实证分析，可以就宏观经济政策变化与股票价格波动相关性问题得出以下结论：
（1）离散型经济政策与大盘指数波动关系较密切。离散型政策消息宣告前后对投资者预期以及投资行为都具有影响，从而引起股票市场的价格波动。一是政策的重要利空、利好消息与大盘指数异常震荡有关，有较大可能造成指数大幅波动。二是市场对政策上的利空消息更敏感。利空消息容易造成股指波动，利好消息容易给股价带来更大震动。三是2006-2010年市场表现与关于2006年之前的分析结果存在不同。政策对股市的影响程度在减弱，波动显著性在降低。一方面反映出投资者对经济政策消息的认识更加理性；另一方面，中国股市机制逐渐完善，市场的作用