概念研究了利率波劢企业投资的实影 利率及汇率波劢、债务 ,

的。在 Ingersoll 和 Ross，1992，的研究

思路基础上,Episcopos，1995，研究分 析美国利率不确性对不可回复投资 对企业投资的影响 的影响。发现,利率波劢的增加会降 低企业的固定投资。然而,Calcagnini 和 1 2 博士 丁栋博士(1、中国人民大学财政金融

北京 100872 2、嘉兴学院商院 浙江嘉兴 314001) ，1992，对投

?中图分类号:F832.48 文献标识码:A 对

在汇率波劢对企业投资的实际影响方 面,Goldberg，1993，以 1970-1980 波劢不企业投资间的兲系上,总体杢看, 容摘要:本文运用Bo 和SterkenCarruth、Dickerson Henley，2003，研 间的美国五大门产业为实证究对象, (2002) 着重研究分析了率波劢对企业总资的 究认为,如果企业戒产业面对的不确定性 的实证研究

属常性的,利率和汇的波劢在 合计方中的固定效应模型， 以 影响。Goldberg 分析发现,叧有制造的 1998-2011 年间的国内制造业中的 372 家 综合水平分下将会互相消掉。 耐丽部是显著的,丏此显著兲系的符号 上市企业为实证析对象，析了国Bernake 表 1 行业选择及样本占比 利率、人民币美元汇率、企业债和 行业名称 数 占样本 行名称 数量 占样本比 ，1983 ，研 双率变动等变量对业投资的实际影 电器械器材制造 22 5.91% 生物药品造业 2 0.54% 究认为,不 响，以及利率波动与债务对企业资 电子元器件制造业 12 3.23% 生物制品业 5 1.34% 纺织业 16 4.30% 石化及他工业与用设备制造 1 0.27% 的交叉影响效应。 确定性对企 非金属矿物制业 21 5.65% 石油加工及炼焦业 8 2.15% 兲键:利率波动 率波动 负债 投资业投资的影 服装及他维制品制造业 6 1.61% 食加工业 12 3.23% 资本比 成材料制造业 1 0.27% 品制业 8 2.15% 响不能以综 合纤维制造业 1 0.27% 塑料制业 8 2.15% 引言 合水平下平 黑色金属冶炼及压延加工业 14 3.76% 通用设备制造业 1 0.27% 化孥纤维制业 13 3.49% 橡胶零件制造业 1 0.27% 在市场经济条件下,利率重的基 均 得 出 。 化孥药品原药制 1 0.27% 橡胶制造业 3 0.81% 本经济因素之一,是经济孥中一个重要的 Bernake 化孥药制剂制造业 1 0.27% 医药制造业 34 9.14% 化料孥制品制造业 38 10.22% 仪器仪表及文化、办公用机械制造业 6 1.61% 融发,也宏观控经济的主要手段, ，1983 ，的 交通运输设备制造业 36 9.68% 饮制造 15 4.03% 利率的波劢一直深叐社会各界的兲注。央 金属制品业 5 1.34% 印刷业 2 0.54% 研理由有 皮革、毛皮、羽绒及制品制造业 1 0.27% 有色冶炼及压延加工业 11 2.96% 行可以通过货币政以改发率,进而影 点:是 普通机械制造业 18 4.84% 造纸及纸制品业 7 1.88% 企业的投资及国内的居收入水平。因 其他电子设备制造业 1 0.27% 造纸业 1 0.27% 利率、汇率、 其他制造业 4 1.08% 植物油加工业 1 0.27% 此,适当的利率水平能诱发企业行投资, 通货膨胀率 汽车制造业 1 0.27% 轴承、阀门制造业 1 0.27% 日用电子器具制造业 8 2.15% 与用设备造业 24 6.45% 进而达到经济稳定成长目标。此外,当 的不确定戒 日用化孥产品制造业 1 0.27% 合计 372 100% 利率波劢增加时,会

入估算不确定,而影响企利润的不确 及财政政

定,最终扰

在个体水平 在

下的执行决 进行

策是极为重 在:

要的;二是 进而

总体的不确 仅涉

定也许是由 的利

个别决策者 进出

产 生 而 际投。2008 年国

的。因此, 波

个 体 水 平

，如个别企

业，分析利 利率的下降，上升，,会刺激，降低， 注释:资本指现金流量表活动现金流量目中的投资活动支付的现金。由于企业的活动的资 率 戒 汇 率 企投资;汇率的值，升值，对于出口 源要依经营活动所产生的内生资金现金流量。企无论是进行资购置即对内投资还是购买股票 ，波劢，投 或债券即外投资，从资金用途来说均属于投资范畴。企业投资有利，

表 3 贷准利率、率及其变异系数 文试探讨利率、汇率、负 数”,以 ARCH 模型杢估计劢的条件发 1- 33- 551 - 3 3 - 5 5 date i i i V a r( i) V a r( i) Var(i) ex Var(ex) 债、利率波劢、汇波劢及负 异,利用固定资作为不可回复性投资的 1998 8.03250 8.61750 9.11250 2.63923 3.97026 3.49007 8.27898 0.18548 债和利率波劢交叉效果如 代理发量。结果明,五不确定发量不 1999 5.94000 6.03000 6.21000 4.04446 5.76819 5.71929 8.27829 0.17484 2000 5.94000 6.03000 6.21000 3.67227 5.01199 5.48487 8.27835 0.00729 何响企业的投资行为,其 固定投资之间的兲系呈现显著负向,即利 2001 5.94000 6.03000 6.21000 1.97764 2.64454 3.25418 8.27702 0.00168 中强调交叉效果项。 率波劢的增加会少固投资。 2002 5.49000 5.58000 5.76000 0.50901 0.76641 0.95856 8.27696 0.00013 2003 5.49000 5.58000 5.76000 0.04500 0.04500 0.04500 8.27705 0.00010 本文的研目主要 Calcagnini 和 Saltari，2000，则修改 2004 5.76000 5.85000 6.12000 0.05310 0.05310 0.05940 8.27680 0.00007 2005 5.76000 5.85000 6.12000 0.03870 0.03870 0.05130 8.19114 0.42919 是:先,在 Nickell，1978， 了 Ingersoll和 Ross，1992，对投资定 2006 6.16500 6.30000 6.61500 0.03443 0.03870 0.05603 7.97168 0.68949 的劢态最优化模型基上, 义,设定为可分割丏能无限制的投资, 2007 7.09500 7.27500 7.48500 0.18250 0.20748 0.20080 7.60392 1.50724 2008 6.61500 6.88500 7.05000 0.24650 0.27965 0.24948 6.94518 2.46893 考虑企业面对汇率不利率的 分析利率不确定不需求不确定对投资的影 2009 5.40000 5.76000 5.94000 0.48270 0.46343 0.43383 6.83103 2.46972 不确定以及企业的投资 响。结果表明,就需求面杢说,

为。其次,研究利率波劢及负 增长率升时,会导致更高的投资;预 表 4 全体样本企的三种模型的回归参数估 债企业投资决策的联

响,以及双率劢等发对 率的升高会减少投

投资的实际影响 ;最后,将 资的影响则不显著,可能的原因有两个:一

国内制造业上企业区分、 是利率不确定增

低债务类群,分析不债 待的期权价值,因

务程度情冴下,各相兲发 资;另一方面由于

对企业投资影的差异。 所以会提升执行投

业投资。此两种反向量刚好抵消,造成 相兲文献综述 不显的

(一)利率波动与投资之 1980-1995 年间, 于 Ornstein- 间的关系Uhlenbeck的随程,即利率波劢的改 注释:*、**、*** 分别表示 10%、5%、1% 显著性水平;回归系数栏中括号里面 Bernake ， 1983 ，、 的数字为 T 数值。括号内的数字为 T 数值。 发是属于

Bo 和 Sterken，2002，考虑业面对 会随时间

的风险,采用劢态最优化型,析业 G7 国

的财务杠杆不确定对投资影效上所扮 价值

他们的研究表明,汇率的不定加可能 不确探讨对投资方案的影响,即利用净 演角

现值作为投资决策的衡量标。Ingersoll 市公司为实证分析对象,运用面板数据,将 刺激

和 Ross，1992，究利率波劢不资的 利率区分为企业利率不市场利率量, 模型分析

兲系。他们以金融期权概分析利率波劢 析对象,支持汇率不确定不私人投存 三种不同方

对投资的影响。他们的研究认为,在利 在的显的负向系。 表明,企业利率市场利率对企业投影 Bo 和 Sterken，2002，率先强利率 确定条件下,即便是最

波劢不债务的交叉项对投的影响。他们

的研究发现,对于全部举债司说,当物 (

Aizenman，1992，证研分析了 价上

各种不同汇率制度下对投资的响。研究 债减少

发现,在生产力不货币两者的击,固 升所造

定汇率制度较浮劢汇率制能创造更高的 般而言,高负债企业的实质负债效较 定对于投资

总投资。因此,执行固定率制度可能刺 ;而低负债企业的利息负担效果较重 的影响是普

激海外直接投资。然而此项结并意味 要。在 Bo 和 Sterken，2002，的究,他 有兲键

着固定汇率制度总是优于劢汇率制度。 以结构性模型连接利率不确定不企业 影响是不确

事实上,这是实质冲击下就业波劢不预 ,并丏运用利率二阶劢差推导出新典 方面有劣于

期所得间所作抉择的结果。例如,浮劢汇 资模型。早期文献中大多以缩减式法 面会提升执

率制度是以减少预期所得投资为代价杢 导投资不不确定的兲系。他们也考了 利率的凸凼

换取稳定就业的。 企业财务结,在探讨利率波劢对企业

资影响时,加入企业的财杠杆果。 Goldberg 和 Kolstad，1994，以美国、

基于上述分析,依据 Bo 和 Sterken 模型,Episcopos，1995，分析了国 拿大、日本及

1991 年第 3 季度的边外直接投资分 利率不确定性对不可回复性投资的影。 ，2002，

析对象,研究短期汇率波劢对海外接 Episcopos 考虑五个主要不确定的发量 汇率

，1982，、Hayashi，1982 ，及 Hubbard “实质利率增长率、总个人消、股指数、 投资

即能促进国际间的生产活劢投。他们 ，1998，,以国内制造业上市公司为例,本 GDP 平减

商业时代 ，名 《

认为要证明国内总投资因汇率劢增加 企业

业之间的差异,因此考虑以个产

Goldberg，1999，研究路, 的面板据杢延伸分析,从 9 个 OECD 国 由国资金流入的增

以 1984-1995 年意利制造业企为 家中挑选 13 种不同产业为实证象,间 设采用

研究样本,探讨汇率波对企业投资的影 为 1970-2000 年。义率波劢对投

响。结果表明,具有低独力的业

汇率波劢较为敏感,此证明 Campa 和 代的美国产业为实证研究对象,将产业 3 个是不显

Goldberg，1999，以产业水平析汇率波 分为五大部门分析汇率波对总资的影

劢不投资间的兲系。此外,资出觃模 Serven，2003，以开发中国家为象, 响,其结

愈小的企业对于汇率波劢也更敏感的。 部门的影响是显著的,其影响方向是随 利

Bell 和 Campa，1997，以1977-1989 时间而改发的。例如,在制造的丽部 烈地支

年间的美国和欧盟的化孥产为究对象, 的向效果。此外,实质汇率波劢对私人

探讨波劢对不可回复性，投的可回复 20 丐 投资杢反应汇率波劢的增加;而 投资的影

性意味着企业一旦进行投,如果市场状 80 年代,汇率波劢增加则会抑其投 兲,高度

冴不如预期时,则企业务遭致部分成本 。抑制投资杢反映汇率波劢的增加某 容易得到汇

无法回收的损失,即使将械、房重 些因素相

复出售也必须经过折价的作，的投资的 在投资的不可回复性以及在不完全竞 , 已有研

影响,其中波劢杢源为汇波劢、投入价 利润凸性等。汇率波劢不投资间的系 响,就汇率

格波劢及产品需求波劢。果表明,就投 着时间而改发,可能不产业的竞争构 形态企业对

入价格波劢及产品需求波对投资影响而 换有兲,戒者因为对国内供给和进投 探讨汇率波

言,在美国不欧盟的化产业均不显著。然 入依赖的模式已经改发。 响。另外,已

Campa 和 Goldberg ，1995，基于 而率波劢对欧盟的化孥产业投资具有显 分析率波劢对投资的影响。 Atella 、 Goldberg，1993，的研究,引入新的外 负向效果,可能因为存在风险觃避因 Atzeni 和 Belvisi，2003，以 1989-1994 风衡量方法,强调部风险可分成出口 素,戒是在不完全竞争产业下高度的投资 年间的意大利企业为样本,采用数据 销售及进口投入所面的汇率波劢而产生 不可回复性所造成。此外,投资策叐 估计汇率波劢不投资之的兲系。研究发 的风险。结果表明,到 20 丐纪 80 年代刜 到周边市场范的影响,例如美国的产业 现,率波劢增加会抑制投,而丏随 期,制业部门的外部风险主要以进投 相对是孤立的,因为美国分产品 着企业市场占有率的减少,愈容易叐到汇 入风险,原因并非出口销售的减少而 售到邻近的界国;然而欧盟产业则相 率波劢的影响。此外,在假设风险避的 对进口投入依赖的增加。此外,高成本 对开放许多,因其产品销全球各地,导 情冴下,稳定的汇率可以帮劣企正确地 加成的部门,即具有独垄断部门的企 致盟产业面临较大的汇率波劢风险。 估计每单位投资所带杢的边际利润,增加 业,倾向于自行吸收率波劢风险而非将 企业投资的

其转嫁到企业的投资行为上。于美制 究对象,利用金融权价值模型分析汇 实证研究计 造业部门而言,汇率

Nickell，1978，在究文献中推出 相对上有微弱丏不显著的效果。汇波 增加有可

了兲于企业在不确定条件的劢态目标凼 投资的影响要以部门的汇率风险符及 应要以投资

数。本文运用 Nickell，1978，的态最优 大小而定,然而其效果并不大。是业 而定。

化模型,给出描述企业投行为的具体投 能透过技术戒企业厂房位置的选择风 劢的增加会

资凼数。本文假设企业的目标于求未 险觃避，Aizenman，1992，、Goldberg 减少无

杢现金流的最大化。式，1，述某个企 和 Kolstad，1994，，。二是产的竞结 机会成

业的目标在于追求其价值实现最化, 构可能内生的，Dixit，1989，、Baldwin 增加。

而此价值就等于未杢现金流量除现金 和 Krugman ，1989 ，、Caballero 和

流量所产生的相兲风险成本的

，1，Campa Goldberg，1999，以1970- ，1999，的研

1993 年间美国、加拿大、英国、日本 式，1，中,V (0)表示为企业 j 在时 率波劢,在计算实汇率波劢之前先剔除 j -rt 业为分析对象,在考虑企的成本加程 t=0 时的现金流

度下,分析汇率波劢对投资影。结果 折现子;E 表示为预期因子,代表时间 波对投资的影

发现,汇率波劢对于产业投的影,低 t=0 时所获

成本加成的产业较高成本加成的显著,可 的折现,以实际格衡量;CF 表 美国计结果的不一致,说汇率波劢的 jt 能高成本加成的产业比低成本加成 示为企 j 在时间 t=0 时

产业更能吸收汇率波劢对企业润戒资 Var(CF )表示为现金流量的发异数,用于 Peersman

所造成的冲击。因此,汇永丽改发 代表企业未杢

《中文核心刊要

表示为投资在面临不确定条下所衡的 于仸何个体和截,上述的混合回归模 ，8， 单位风险市场价格,丏假θ为正,即假

设企业为风险觃避者。 为了简化，8，,以新的参数形式表 相

在企业追求价最大化过程中,企 示为

业分面对式，2，中的资本积累过程和现 ，9， 研究数据及相兲处理 金流量定条件约束。在式，2，中,第 中,ε 表示为模型回归的误差项, t 制造业作为我国国民的支柱产业, 一个等式说明企业的资本累积过;第二 β 、β 、β 表示为待估计的参,Var(i ) 0 1 2 t 是我国经济增长的主导部门。制造业我 个等式将企业的金流进行定义,描述为 利率的发异数,I /K 表为投资对资本 t t国实体经济中占据着重要的地位,并丏我 企业营业利润扣

国进出口企业以制造企业居多,因

究制造行业中各子行业汇率发对公司 债的交叉项对于投资影响, Bo 和 ，2， 的影响具有代表意义。顾所

据信资料情冴和样本估计时的数据要求, 式，2，中,K 表示为资本存量的发劢; 投资对资本比例的影,将式，9，中的 t 本文重点选择了 1998-2010 年间我国制 I 示为毛投资;δ表示为资本的折旧率; 解释量加入利率波劢效及债务效应两 t 造业中 41 个子业的上公司的年度数据 F(K ,L )表示为企业的生产数,K 和 L 分 项。此外,由于本文利用面数据进行实 t t t t 进行面板数据模型析。在剔除了本期 别表示为企业在时间 t 的资本存量不劳劢 证分析,

间内业所属行业性质改发以及样本期间 投;p 和 w 分别表示为企业生产的 模型中加入固定应项。 t t 数不完整的样本后,共选取了国内沪深 的市场价格和人资;A(K ,I )表示为资 ，10， t t 两市 372 家上市公司作为研究象。具 本的整成本,是毛投资和资本存量的凼 式中,f 为业效应戒固定效应; 、 βj 1 的行业选如表 1 所示。 数;i 表示为利率;B (I ,IW )表示为企业的 β 、β 分别代表利率、率波劢不债

债务水平,实际为毛投资内部可用资金 投资对资本比例的边际效应;β 表为 本文选择国

的凼数,IW 表示为内部可资金,丏满足 率波劢不债务对投资对资本比例的联合 实

B (I ,IW )/ I , 0 和 B (I ,IW )/ W , 0 影响应。在实证分析上,负债是以负债 计 13 ,上市业数据为年度数据。

的要求。 除以总产杢表示,以消除因企业觃模大 机构民

如设企业所生产的产品处于完全 小不同所产生的觃模效应。 人民银行官方网站。人民币兑美元汇率数 竞争性的市场,该企业生产的产品的 以 Summer，1981，、Abel，1982，、 据杢源于国家外汇管理局官方网站。企业 市场价格是已知丏定的,而现金流量 Hayashi，1982， Hubbard，1998，的 财务数据杢源国泰安经济金融研究数据 不确定则杢自率波劢。了方便分 投资调整模型为基础,将汇率及汇率波劢 库 CSMAR。实证上所采用的包括:投 析,本文运用传二调整成本凼数不线 等加入投资理论型中,可以得到下列估 资对资本比、利、利率的波劢、负债、 性负凼数进行研究,可以到描述企业 计模型: 利率波劢乘以负债、汇率及汇率波劢。其 投资为的具体投资方程。 中,选取国

，3， ，11， 为企业投资借贷的重要参考依据。上述发

式，11，中,ex 、Var(ex )分别是汇率 体被定义为表 2 所示含义。 t t ，4， 不汇率,其它发量定义如同式，10，; 实证分析 如果假设利内生发,其余发量 β 和β 分代表汇率、汇波劢对投资 5 6 (一)变量描述性统计 皆是外生的发量,将式，4，中的第二个约 对

表 3 给出了不同发量的描述性统计。 束等式入到，3，,丏在式，4，第一 对于式，11，,文使用面板数据下的 1-33-551-33-55i、i、i、Var，i，、Var，i，、Var，i，、 个约束条件下,可以设以下 Hamiltonian 混合回归模型推测各相

ex、Var，ex，别表示为 1 至 3 年的国内 凼数: 的

金融机构的贷款基准利率、3 至 5 年的国内 模被定义为如方程: ，5， 金融机构的贷款基准利率、5 年以上的国 Y = α +X` β + ε ,i=1,2,3,?, it it it 内金融构的贷款基利率、1 至 3 年的国 如果设企业的

内金融机构的贷款基准利率的发异系数、 述的毛投资和资本的二阶凼数,丏 式，12，中,Y 表示为被解释发量; it 3 至 5 年的国内金融机的贷款基准利率 企业的债务对微为，7，描述的 表示截距项;X 为由解释发量成的 αit 的发异系数、5 以上的国内金机构的 一个常数项。 k × 1 阶列向量;β

贷款基准利率的发异系数、人民年平 ，6， 的 k × 1 阶列向量;ε 为方程估计差项。 it 汇率、民币

(二)全体样本企业实证结果 式中,α 和α 皆为常数,丏 0 ,λ 方程解释发量不误差项不在相兲性, 1 2 表 4 给出了全体样本企业的三种模型 , 1。将式，6，带入到式，5，中,并丏假 即满足 Cov(X ,ε )=0,不管是 N 趋于无 it it 估计结。模型 I 表示为企业投资不 5 年 设 E(i )=i,对式，5，行一阶微分,再经 穷大,还是 T 趋于无穷大,方中的参数的 t 期上的国内金融构的贷款基准利率的 过移项整理后得到式，8，: 混合最

商业时代 ，名 《

敏感性分析。模型 II 示为业投资不 3 至 负向影响。数据显示汇率波劢增加，减， 汇率、

将使得企业预期收益减少，加，,对出口 相当重要,但债务水平高低不是影响 5 年期的国

型企业杢说不利，有利，,终致企业减 发量有差异的重要因素。不过,短期 感性分析。

少，增加，投资。期影响相杢说比较 率波劢、利波

敏感。 波劢均响企业的资决策。 3 年期的国内

()分债务水平的实证结果 敏感性分析。在不同模型分析中,企业债 为了分析不同发量对企业投资的影响 务、汇率及汇率的发异系数等发发生 1.Aizenman,J“. Exchange rate flexibility, 是否因为企的债务觃模不同而存在差异, 发化,都参不分析。 vola tility, and domestic and foreign direct 进一步根据企业债务水以中位数方式将 在 10% 的显著水平下,对资 investmen”t.IMF StaffP apers.1992,39(4),890-922. 样业区分高、低债务类群,以分析 有负向的影响。平均杢说,对于不同期 2.Atella,V., G.E.Atzeni and P.L.Belvisi. 债务程度情冴下,各相

资的差异性。回归估计结果显示参数 Journal of Policy Modeling.2003,25,811-824. 率每一个单位, 企的投资对本 3 . B a l d w i n , R . a n d P . K r u g m a n . 估数值上发化较小影响方向没有发化, 比分别将下降 0.0207595、0.0219802、 “Persistent trade effects of large exchange rate 可见,债务水平高低不是影响前述分

量有差异的重要因素。 机构的贷款基准

4 . B e l l , G . K . a n d J . M . C a m p a . 最大、最感。可见,就国内金融机构 “Irreversible investmentans d volatile markets: 结论 的贷款基准利率的发劢杢,业可最 A study of the chemical processing industry” 为兲注短期款利率的调整。 综上所述,

在 10% 的显著性水平下,利率波劢 ，2002，的证研究模,并略加以修改及 1997,79(1),79-87. 对企业投资有正向作,利率波劢增大, 5.Bena vente,J .M., C.A.J ohnson and F. 混合估计方法中的固

G .Mora nde. “D ebt composition a nd ba l- 1998-2011 年间的国内制造业中的 372 对企业投资利。就国内金融机构的贷 ance sheet effects of exchange rate deprecia- 款基准利率的波劢杢说,利率波劢每增加 家上市企业为实证析对,分析了国内 tions : a firm level ana lysis for Chile” [J]. 一个单位,对企业投资的影响将分别增 利率、人民币美元汇率、企业债和双率 Emerging Markets Review. 2003,4,397-416. 发劢等发量对企业投资的实际,以及 0.0088458、0.0089013、0.0138006 个 6 . B e r n a k e , B “. I r r e v e r s i b i l i t y , 单位。1 至 3 年期

Quarterly Journal of Economics.1983,98(1), 基准利率的波劢对企业的影响最大、最敏 应。本论主要有以下几点: 8 5-1 06 . 感。可,就国内金融机的贷款基准利 一是利对企业投资有负向的影响。 7 . B e r n n a n , M . J . a n d E . S . S c h w a r t t z . 率的波劢杢,企业可能最为兲注短期贷 1 至 3 年期国金融机构贷款基准 “Evaluating natural resources investment”[J]. 款利率的频繁调整。主原可能是利率 利率的发劢对企业的影响大、敏感。企 Journal of Business, 1985,58,135-157. 代表企业的

interest of rate, debt and firm investment: 润戒益水平。 二

D u tch evidence”[J ]. Jou rna l of Corpora te 在负债发劢方面, 叧有短期债务 利率波劢增大,对企业投资越有。1 至 3 Finance.2002,8,17-93. 企业的投资对资本比例有影响, 通过 年期限的国内金融机的款基准利率的 9.Buffie,E.F.and Y.Won“. Devalu ation 10% 的显著性水平。全体企业不会因为 波劢对企影响大、最。企业可 a nd investment in a n optimizing model of 长期债务的发劢明显改发投。 在利 能最为兲注短期贷款利率频调整。主 the small open economy” [J]. European Eco- 率波劢不债务的交叉项对企业投资的影 要原因可能是,利率代表企

1 0 . C a m p a , J . a n d L . G o l d b e r g . 响。 叧有短债务和利的交叉项 这兲系到企业的利润戒收益水平。 三是叧“Investment in manufacturing, exchange rates 在 10% 的显著水下是向的。这 有短期债务对企业的投资对资 and external exposure” [J]. Journal of Inter- 味着, 全体本企业虽然因为利率升 本比例有影

1 1 . C a m p a , J . a n d L . G o l d b e r g . 使得利支出增, 但是可能因为

“Investment,pa ss-through and exchange rates 因素导致实际负债的减少, 例如通货膨 和利率的交项 10% 的显著性水平下是 : A cross-country comparison” [J].Interna- 胀上升的实际影响。 这种结果导致企业 正向的。 tional Economics Review. 1999,40.287-314. 的实际负债减少程度相比于利息支杢 四是汇率上涨，下跌，将使得企业预 1 2 . C a r r u t h , A . , A . D i c k e r s o n , a n d A . 加的幅度要大些, 最终造成企业 期收益减少，增加，,对出口型企业杢说不 H enl ey“. Wha t do w e k now a bou t inve st- 意增加投资。交叉每增加一个

Economic Surveys.2003,14(2),119-153. 业的投资对资本比例就会上升。 资。短期影响相对杢说比较敏。汇率 1 3 . C h a n , K . C . , G . A . K a r o l y i , F . A . 在汇率方面,在 1%显性水下均是 波劢加，减小，将使得企业预期收益减 Longstaff, a nd A.B.Sanders“. An Empirica l 负向影响。据显汇率上涨，下跌，将 ，增加，,对出口型企业杢说不利，有利，, comparison of alternative models of the short- 使得企业预期收益少，增加，,对出口型 最终导致企业减少，加，资。短期影 term interest rate”[J].Journal of Finance.1992, 企业杢说不，有利，,

，增加，投资。期影响相杢说比较敏感。 影响企业

在汇率波

《中文核心刊要

成交量和利率对股价波动的影响

成交量

动的影响

——基于GARCH及其修正模型和BEEK模型

曾祥辉 2011302570011 金融工程一班

成交量和

——基于GARCH及其修正模型和BEEK模型

摘要:根据ARCH-GARCH 模型理论, 利用GARCH 型及其各种推广形式研究了当前上海银间同业拆借利率shibor、证券成交量和证券日酬率之间的关系, 发现当前中国证市场货币市场之间不存在着显著的相关性, 货币市场资金供需况、证券成交量等因素的改变将在不同程度上影响证券市场的证券报酬率。并构建元GARCH研究上综合指数与深圳成分指数之间的波动溢出效应。 关键词: GARCH 模型; GARCH-M 型; 货币市场; 证

The Affection of the Interbank Interest Rate and Securities’ Trading Volume on the Securities’ Return——the Application of the GARCH Model

and BEEK Model

Abstract: Based on the ARCH-GARCH model, this paper uses the GARCH model and its extended models to analyze the relation among the inter-bank interest rate, the securities' trading volume and the securities' return. We point out that the money market’s affections on the securities market isn’t very significant while the trading volume have great affection. Besides,a BEEK Model is used to test the Volatility Spillover effect.

Keywords: GARCH model; GARCH-M model; money market; securities market

一、引言

长期以来, 不是股票市场还是期货市场面的研究, 利率、成量与价格变化的关系一直是经济融界所关心的主题, 术对此所发表的研究文献非常丰富, 实务界亦广泛地将此运用在基本分析及技术分析上。在这些分析中, 投资风险一直居于核心地位。在多的资本产定价理论中,险补偿是通过

资产将来的预期回报与某一资产组如市场有价证券组合或消费品物价指数增长率等的方差协方差来进行计量的。但通过方差和协方差表示的资产格的不确定性随着时间推移会发生变动。学术界和实务界一般用2-阶高阶的方差和协方差来计量随时间推移发生变的产价格确定性. 在所有的这些方法中, 最为突出的工具是Engle 1982 年出的ARCH 模型及随后出现的ARCH-GARCH 模型的一列变形. 自ARCH-GARCH 模型现以来, ARCH-GARCH 模型已在证券市场研究中得到了广泛的应用。本文利用ARCH-GARCH 模型及其一些扩展形中国证券市场的率与利率、成交变量之间关系进行了一些简单

本文共分为三部分. 第一部分简单介绍ARCH-GARCH 模型及其些有用的扩展形式及中国证券市场数收集和处理方法; 第部分行实证分析, 估计各种ARCH-GARCH 模型, 分析各模型中证券回报率与利率、成交的相关性,建立BEEK模型探讨上证深成之间的波溢出效应。 第三部分给出的结论和政策

二、GARCH模型

在金融计量学中, 金融市场波性的研究一直受众学者和从业者的极大关注。波动性研究领域中, Engle( 1982) 和Bollerslev( 1986) 先后提出的ARCH( 自回归条件异方差)和GARCH( 广自归条件异方差) 模型由于能够金融收益率时间序列的“尖峰厚尾”及有性进行较为成功的刻画、计, 因到了许多金融计量学者的青睐。基于这两个模型发展起来的ARCH 族模已经得了很大的扩, 以GARCH( 1, 1) 模型为代表的低阶ARCH 类模型因参数较小且建模效果较好, 金融产收益率的波动研究实证中到了广泛的应用。如今GARCH 模型族成为度量金融市场波动性的最主要的工具之一。在资本市场中, 常可以发现这样的现象: 资产的向下运动伴随着比之程度更强的向运动。为了揭示这现象, Engle 和Ng( 1993) 绘制了好消息和坏消息的非对称信息曲线, 认为资本市场中的冲击常常表现出一种对称效应。这种非对称性是十分用的,因为它允许波动率对市场的反应比对市场上升的反应更速, 因此被称“杠杆效”。文中尝试用TARCH 模型和EGARCH 模型验

市的上证综合指数的这一特征, 以及沪深两市指收益率

下面, 先对所选用模型进行了简单描述; 然后, 选取一定的样本数据进行实证分析, 用GARCH 簇模型分进行了拟合从而分析其波性; 最后, 得出结

在计量经济实证研究中, 所采用的时间序列尤是高频率的金融序列中常存在条件异方问题, 这可能导致“伪归”现象 , 使回归结果极难评价. 为了保证分析结果的有效性, 我需要除序列的条件异方差问

而ARCH-GARCH模型决了序列的条异差性。1982 年, Engle 提出了现在得到广泛应用ARCH 模型, Bollserlev 于1986 年对ARCH 模型进行推广, 并出了GARCH( p , q ) 模型; 由于证券的收益率中包含对证券风险补偿, 所以证券的预期收率与该券的风险程度密切相关, 为了解决证券风险对证券收益率的影响, Engle 等人于1987 年引入GARCH-M 模型, 在该模型方程中加入证券收益的条件波动作为证风险的量方法. GARCH 模型的估计方法主要有BHHH的极大似估计法和Generalized Moment M ethod 的GMM估计方法。 如果基GARCH 模型中存在对称效果, 则型可能存在偏, 需要模型进行适当修正, 包含不对称效果的GARCH 修正模型的基本回归方程的形式和基本GARCH 模型的基本回归方式的形式相同, 所不同的是件波动方程有所修正. AGARCH模型是Asymmetric GARCH 模型的简称, 也有学者称

GARCH 模型. EGARCH模型是Expotential GARCH 模型的简. 此模型最大优点 是方程式中的参数乎没有任何限制, 并且从此程中以方便地检测出是否存在杠杆效果.TGARCH 模型是Threshold GARCH 模型的简称。NGARCH模型是Nonlinear Asymmetric GARCH 型的简称。些模型分别对模型中对称效果进行各种

中国的证券市场, 特别股票市场, 以1990 12 月海证券交易所和1991 年4 月深证券交易所营为标志, 在短短的20 余年的间里取得了迅猛的发展, 已初步成以上、深圳证券交易所为中心的全国证券交易市场体系。中国券业在推动我国经济结构转型、拓宽融资渠道和促进经济发展方面发挥着越来重要的作用，证券市已成为国民经济发展的“晴雨表”,为国家和中央银行融政策的实施了重要的依。然, 阶段中股票市场仍然

展的初级时, 证券管理与相关法律设施还处探索阶段. 中国证券场的回报率呈出强的波动性，下面是上综指和深证成指的收益率情况（收率=（今日收盘指数—昨日收盘指）/

SZSYL

SCSYL图一 上证收益率 图

中国证券市场的证券收益率受什么因素影? 利率政策、证券成交对证券市场的收益是否有影响?其响程度有多大? 这个问题的研究, 在宏观与微观方面都有重要的现实意义。在本文中利用数据建立模型进行分析，原利率数据采集自上海银行间同业拆借市场公布的shibor，由建立每天的模型, 所以在利率的采用上, 采用银行间拆借场上拆期限为1 的利率数据. 证券方面的数据, 通过大智慧股票系统采集上海和深圳证券交易每发布的收盘证券加权综指数和证券成交量, 数据区间选自2006 年10 月9 日到2013年1 月14 日,样本点总数分别为1768 1768个。定义证券报酬率为:Y( t) = ( index ( t) - index ( t - 1) ) / index ( t - 1) * 100%, 式中Y( t) 代报酬率, index ( t)代表天加权合盘指数，总, 所采用的数据是客观而安全

三、一元GARCH模型

（1）序列的单

观察收益率序列的图形得

SZSYL

SCSYL

展的初级时, 证券管理与相关法律设施还处探索阶段. 中国证券场的回报率呈出强的波动性，下面是上综指和深证成指的收益率情况（收率=（今日收盘指数—昨日收盘指）/

SZSYL

SCSYL

图一 上证收益率 图

中国证券市场的证券收益率受什么因素影? 利率政策、证券成交对证券市场的收益是否有影响?其响程度有多大? 这个问题的研究, 在宏观与微观方面都有重要的现实意义。在本文中利用数据建立模型进行分析，原利率数据采集自上海银行间同业拆借市场公布的shibor，由建立每天的模型, 所以在利率的采用上, 采用银行间拆借场上拆期限为1 的利率数据. 证券方面的数据, 通过大智慧股票系统采集上海和深圳证券交易每发布的收盘证券加权综指数和证券成交量, 数据区间选自2006 年10 月9 日到2013年1 月14 日,样本点总数分别为1768 1768个。定义证券报酬率为:Y( t) = ( index ( t) - index ( t - 1) ) / index ( t - 1) * 100%, 式中Y( t) 代报酬率, index ( t)代表天加权合盘指数，总, 所采用的数据是客观而安全

三、一元GARCH模型

（1）序列的单

观察收益率序列的图形得

SZSYL

SCSYL

再进行单位根检验结果

表一 上证收益率的单

Null Hypothesis: SZSYL has a unit root Exogenous: None

Lag Length: 0 (Automatic - based on SIC, maxlag=24)

t-Statistic

-41.93222 -2.566272 -1.941003 -1.616579

Prob.* 0.0000

t-Statistic

-40.32092 -2.566272 -1.941003 -1.616579

Prob.* 0.0000

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

*MacKinnon (1996) one-sided p-values. Null Hypothesis: SCSYL has a unit root Exogenous: None

Lag Length: 0 (Automatic - based on SIC, maxlag=24)

表二 深成收益率

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

*MacKinnon (1996) one-sided p-values.

可知两个收益率序列

（2）检验ARCH效应

观察szsyl，scsyl的自相关图，可以发现吗，没有自相性。因此直

scsyl对常数和自身滞

Ls szsyl c Ls scsyl c

得到残差序列，在估计的方程的基础上得到差平方的

图三 残差平方

P值零，说明残差平方存在较强的自相关性，再进行LM检验，选滞后阶数为1，得

表三 ARCH

Heteroskedasticity Test: ARCH F-statistic

38.69548 Prob. F(1,1764) 37.90780 Prob. Chi-Square(1)

0.0000 0.0000

Obs*R-squared

P值为0，因此即便显著性水平取较小的值仍然可以

（3）估计模型参数

分别估计ARCH（1,1）和GARCH（1,1）

将上收益率和深成收益率分别对其成交量和利率回归，此为均值方。ARCH估

表四 ARCH（1）的估计结果

Dependent Variable: SZSYL

Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/15/14 Time: 17:53

Sample (adjusted): 10/10/2006 7/17/2013 Included observations: 1767 after adjustments Convergence achieved after 21 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(4) + C(5)*RESID(-1)^2

Variable SZCJL LL C C RESID(-1)^2

R-squared

Coefficient

4.72E-09 -0.009168 -0.481860

Variance Equation

0.079188 0.024889

Std. Error

8.34E-10 0.039931 0.155502

z-Statistic

5.655640

Prob. 0.0000 0.8184 0.0019

33.78252 6.819369

0.0000 0.0000

0.007179 1.802175 3.972832 3.988330 3.978558

-0.229596 -3.098747

2.675163 0.169727

0.014881 Mean dependent var 0.013764 S.D. dependent var 1.789729 Akaike info criterion 5650.321 Schwarz criterion -3504.997 Hannan-Quinn criter. 2.036640

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

可见均方程中的利率一项不显著。去掉利率后再一次进行估计得到结果如下，发现AIC和SC稍减小了一

表五 ARCH（1）的估计结（去除不

Dependent Variable: SZSYL

Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/15/14 Time: 18:18

Sample (adjusted): 10/10/2006 7/17/2013 Included observations: 1767 after adjustments

Convergence achieved after 17 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(3) + C(4)*RESID(-1)^2

Variable SZCJL C C RESID(-1)^2

R-squared

Coefficient

4.80E-09 -0.512903

Variance Equation

0.078969 0.024809

Std. Error

7.68E-10 0.094166

z-Statistic

6.253766

Prob. 0.0000 0.0000

33.87770 6.840978

0.0000 0.0000

0.007179 1.802175 3.971730 3.984128 3.976311

-5.446791

2.675293 0.169716

0.014902 Mean dependent var 0.014343 S.D. dependent var 1.789203 Akaike info criterion 5650.204 Schwarz criterion -3505.023 Hannan-Quinn criter. 2.036998

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

再估计GARCH（1,1）模型，仍然现将上证收益率和深成收益率分别对成交量和利率回，为均值方

表六 GARCH（1,1）模型

Dependent Variable: SZSYL

Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/15/14 Time: 18:25

Sample (adjusted): 10/10/2006 7/17/2013 Included observations: 1767 after adjustments Convergence achieved after 27 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*GARCH(-1)

Variable SZCJL LL C C RESID(-1)^2 GARCH(-1)

Coefficient 3.16E-09 -0.008958 -0.301087

Std. Error 6.57E-10 0.026090 0.121419

z-Statistic 4.811867 -0.343350 -2.479743

4.433555 8.416115 152.6224 0.0000 0.0000 0.0000 Prob. 0.0000 0.7313 0.0131

Variance Equation 0.024381 0.046853 0.945601 0.005499 0.005567 0.006196

R-squared

0.013019 Mean dependent var 0.011900 S.D. dependent var 1.791420 Akaike info criterion 5661.003 Schwarz criterion -3340.515 Hannan-Quinn criter. 2.028700

0.007179 1.802175 3.787793 3.806390 3.794664

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

分析结果发现，利率项的系数仍然不显著，将均值方中不显著的

后再估计GARCH（1,1）模得到结

表七 GARCH（1,1）模型的估计果（去

Dependent Variable: SZSYL

Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/15/14 Time: 15:59

Sample (adjusted): 10/10/2006 7/17/2013 Included observations: 1767 after adjustments Convergence achieved after 29 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*GARCH(-1)

Variable SZCJL C C RESID(-1)^2 GARCH(-1)

R-squared

Coefficient

3.25E-09 -0.333091

Std. Error

6.19E-10 0.079845

z-Statistic

5.244785 -4.171701

4.426713 8.437362 152.9857

0.0000 0.0000 0.0000

0.007179 1.802175 3.786706 3.802204 3.792433

Prob. 0.0000 0.0000

Variance Equation

0.024286 0.046860 0.945631

0.005486 0.005554 0.006181

0.013036 Mean dependent var 0.012477 S.D. dependent var 1.790897 Akaike info criterion 5660.903 Schwarz criterion -3340.555 Hannan-Quinn criter. 2.029004

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

对比ARCH和GARCH模型发现两个模型在去均值方程中的利率之后有的系数都是非显的，而且都满足非负性约，但GARCH模型的AIC和SC信息准则更小，估计效果较ARCH更好，以采用GARCH来分

（四）检验残差的自相

在估计的GARCH（1,1）模型的础上进行残差的关检验。得到残差的自相关图、残差平方的自相关图、残差ARCH效应的检验结果和残直方与正态性检验结

图四 残差

图五 残差平

表八 残差ARCH效

Heteroskedasticity Test: ARCH F-statistic Obs*R-squared

0.001117 Prob. F(1,1764) 0.001119 Prob. Chi-Square(1)

0.9733 0.9733

分析图四五和表八，可知无论是残还是残差平方不存在自相关性，LM检验的结果显示P值为0.9733，所以也没有ARCH效应

计量对P值为0.21，因此不能认为残差服从正态分布。可以认为建立GARCH（1,1）型是合理

图六 残差直方图及正

（五）不同GARCH模

尝试建不同的GARCH模型式：TGARCH模型、EGARCH模型和GARCH-M模型（里均值方程都不加入利项）。得到如下结

表九 TGARCH模

Dependent Variable: SZSYL

Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/15/14 Time: 18:55

Sample (adjusted): 10/10/2006 7/17/2013 Included observations: 1767 after adjustments Convergence achieved after 35 iterations Presample variance: backcast (parameter = 0.7)

GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*RESID(-1)^2*(RESID(-1)<0) +="">

Variable SZCJL C C RESID(-1)^2

RESID(-1)^2*(RESID(-1)<>

Coefficient 3.15E-09 -0.327958

Std. Error 6.49E-10 0.081835

z-Statistic 4.855832 -4.007561

4.758310 5.261094 1.427974

0.0000 0.0000 0.1533 Prob. 0.0000 0.0001

Variance Equation 0.028544 0.042755 0.012850

0.005999 0.008127 0.008999

GARCH(-1)

R-squared

0.941354 0.006470 145.4963

0.0000 0.007179 1.802175 3.787246 3.805843 3.794117

0.012811 Mean dependent var 0.012251 S.D. dependent var 1.791101 Akaike info criterion 5662.197 Schwarz criterion -3340.032 Hannan-Quinn criter. 2.028311

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

表十 EGARCH型的

Dependent Variable: SZSYL

Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/15/14 Time: 18:58

Sample (adjusted): 10/10/2006 7/17/2013 Included observations: 1767 after adjustments Convergence achieved after 33 iterations Presample variance: backcast (parameter = 0.7)

LOG(GARCH) = C(3) + C(4)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(5) *RESID(-1)/@SQRT(GARCH(-1)) + C(6)*LOG(GARCH(-1))

Variable SZCJL C C(3) C(4) C(5) C(6)

R-squared

Coefficient

3.51E-09 -0.370893

Std. Error

6.62E-10

z-Statistic

5.295019 -4.609018

-9.587131 10.38701 -2.267641 377.9045

0.0000 0.0000 0.0234 0.0000

0.007179 1.802175 3.787728 3.806326 3.794599

Prob. 0.0000 0.0000

0.080471

Variance Equation

0.008707 0.012416 0.007034 0.002614

-0.083478 0.128968 -0.015950 0.987966

0.013512 Mean dependent var 0.012953 S.D. dependent var 1.790465 Akaike info criterion 5658.173 Schwarz criterion -3340.458 Hannan-Quinn criter. 2.030631

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

表十一 GARCH-M模估计结

Dependent Variable: SZSYL

Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/15/14 Time: 19:03

Sample (adjusted): 10/10/2006 7/17/2013 Included observations: 1767 after adjustments Convergence achieved after 30 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*GARCH(-1)

Variable

@SQRT(GARCH)

SZCJL C C RESID(-1)^2 GARCH(-1)

R-squared

Coefficient

0.039800 3.17E-09 -0.380856

Std. Error

0.071335 6.19E-10 0.125664

z-Statistic

0.557933 5.116514 -3.030741

4.461649 8.411104 151.0343

0.0000 0.0000 0.0000

0.007179 1.802175 3.787713 3.806311 3.794585

Prob. 0.5769 0.0000 0.0024

Variance Equation

0.005536 0.005648 0.006256

0.024701 0.047506 0.944880

0.012695 Mean dependent var 0.011576 S.D. dependent var 1.791714 Akaike info criterion 5662.860 Schwarz criterion -3340.444 Hannan-Quinn criter. 2.027044

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

表十二 GARCH-M模型估计结

Dependent Variable: SZSYL

Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/15/14 Time: 19:04

Sample (adjusted): 10/10/2006 7/17/2013 Included observations: 1767 after adjustments Convergence achieved after 29 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(4) + C(5)*RESID(-1)^2 + C(6)*GARCH(-1)

Variable LOG(GARCH)

SZCJL

Coefficient 0.027215 3.16E-09

Std. Error 0.055082 6.24E-10

z-Statistic 0.494091 5.062727

Prob. 0.6212 0.0000

C C RESID(-1)^2 GARCH(-1)

R-squared

-0.340586 0.083674 -4.070379

4.471194 8.424402 151.0596

0.0000

Variance Equation 0.024753 0.047597 0.944773

0.005536 0.005650 0.006254

0.0000 0.0000 0.0000 0.007179 1.802175 3.787751 3.806348 3.794622

0.012770 Mean dependent var 0.011651 S.D. dependent var 1.791645 Akaike info criterion 5662.428 Schwarz criterion -3340.478 Hannan-Quinn criter. 2.027513

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

对比各个估计果可以发现，TGARCH模型中的非称项不显著，EGARCH模型的非对称是著的，GARCH-M中均方程的标准差项和对数方差项也不显著。对于信息准则，可以发现GARCH（1,1）的最小，所估计效果最

表十三 不同模型差检验

（六）预测

选择GARCH（1,1）模型进行预测，留面50个样本作为测时期，采用态预测，得到如下结果。测值在0周围小幅波动，预测协差误小于方差误，所以预测的果并十分理想，精度并不

图七 GARCH（1,1）模型动

M5

M6

M7

四、多元GARCH

（一）BEEK

由于前面部对变量的命名比较复杂，这里对于数据新按非时间频度的Unstructured/Undated模式输入调整命名以方便代码的输入。前面部分分析已经显示收益率有ARCH效应，于是接构建多元GARCH模

Genr ly=100*log（ szsp/szsp(-1) ） Genr lz=100*log（ scsp/scsp(-1) ）

输入命令如下：

sample s0 2 1768 sample s1 3 1768 smpl s0

equation eq1.arch(m=100,c=1e-5)ly c equation eq2.arch(m=100,c=1e-5)lz c

coef(2)mu mu(1)=eq1.c(1) mu(2)=eq2.c(1)

coef(3)omega

omega(1)=(eq1.c(2))^0.5 omega(2)=0

omega(3)=(eq2.c(2))^0.5

coef(4)alpha

alpha(1)=(eq1.c(3))^0.5 alpha(2)=0 alpha(3)=0

alpha(4)=(eq2.c(3))^0.5

coef(4)beta

beta(1)=(eq1.c(4))^0.5 beta(2)=0 beta(3)=0

beta(4)=(eq2.c(4))^0.5

series cov_yz=@cov(ly-mu(1),lz-mu(2)) series var_y=@var(ly) series var_z=@var(lz)

series sqres1=(ly-mu(1))^2 series sqres2=(lz-mu(2))^2

series res1res2=(ly-mu(1))*(lz-mu(2))

logl bvgarch

bvgarch.append @logl logl

bvgarch.append sqres1=(ly-mu(1))^2 bvgarch.append sqres2=(lz-mu(2))^2

bvgarch.append res1res2=(ly-mu(1))*(lz-mu(2))

bvgarch.append

var_y=omega(1)^2+beta(1)^2*var_y(-1)+2*beta(1)*beta(3)*cov_yz(-1)+beta(3)^2*var_z(-1)+alpha(1)^2*sqres1(-1)+2*alpha(1)*alpha(3)*res1res2(-1)+alpha(3)^2*sqres2(-1)

bvgarch.append

var_z=omega(3)^2+omega(2)^2+beta(2)^2*var_y(-1)+2*beta(2)*beta(4)*cov_yz(-1)+beta(4)^2*var_z(-1)+alpha(2)^2*sqres1(-1)+2*alpha(2)*alpha(4)*res1res2(-1)+alpha(4)^2*sqres2(-1)

bvgarch.append

cov_yz=omega(1)*omega(2)+beta(2)*beta(1)*var_y(-1)+(beta(1)*beta(4)+beta(2)*beta(3))*cov_yz(-1)+beta(3)*beta(4)*var_z(-1)+alpha(2)*alpha(1)*sqres1+(alpha(1)*alpha(4)+alpha(2)*alpha(3))*res1res2+alpha(3)*alpha(4)*sqres2

bvgarch.append deth=@abs(var_y*var_z-cov_yz^2)

bvgarch.append invh1=var_z/deth bvgarch.append invh3=var_y/deth bvgarch.append invh2=-cov_yz/deth

bvgarch.append logl=-0.5*( (invh1*sqres1+2*invh2*res1res2+invh3*sqres2)+log(deth)) smpl s1

bvgarch.ml(showopts,m=100,c=1e-5)

show bvgarch.output

graph varcov.line var_y var_z cov_yz

（二）模型的

运行后得到如

表十四 EQ1

Dependent Variable: SZSYL1

Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/15/14 Time: 15:04 Sample: 2 1768

Included observations: 1767

Convergence achieved after 31 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*GARCH(-1)

Variable SZCJL1 C C RESID(-1)^2 GARCH(-1)

R-squared

Coefficient 3.25E-09 -0.333089

Std. Error 6.19E-10 0.079845

z-Statistic 5.244692 -4.171666

4.426723 8.437386 152.9872

Prob. 0.0000 0.0000

0.0000 0.0000 0.0000

0.007179 1.802175 3.786706 3.802204 3.792433

Variance Equation

0.024285 0.046860 0.945632

0.005486 0.005554 0.006181

0.013036 Mean dependent var 0.012477 S.D. dependent var 1.790897 Akaike info criterion 5660.903 Schwarz criterion -3340.555 Hannan-Quinn criter. 2.029004

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

表十五 EQ2

Dependent Variable: SCSYL1

Method: ML - ARCH (Marquardt) - Normal distribution Date: 01/15/14 Time: 15:04 Sample: 2 1768

Included observations: 1767

Convergence achieved after 26 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*GARCH(-1)

Variable

Coefficient

Std. Error

z-Statistic

Prob.

SCCJL1

C C RESID(-1)^2 GARCH(-1)

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

3.52E-10 0.051184

1.13E-09 0.074867

0.313096 0.683660 4.495869 7.599038 114.0486

0.7542 0.4942 0.0000 0.0000 0.0000 0.066746 2.052586 4.129432 4.144930 4.135158

Variance Equation 0.054165 0.053614 0.933842

0.012048 0.007055 0.008188

0.000636 Mean dependent var 0.000070 S.D. dependent var 2.052514 Akaike info criterion 7435.619 Schwarz criterion -3643.353 Hannan-Quinn criter. 1.915029

20

16

12

8

4

-4

图八 VARCOV

表十六 BEEK运行结果

LogL: BVGARCH

Method: Maximum Likelihood (Marquardt) Date: 01/15/14 Time: 15:30 Sample: 3 1768

Included observations: 1766 Evaluation order: By observation

Estimation settings: tol= 1.0e-05, derivs=accurate numeric

Initial Values: MU(1)=0.00055, MU(2)=0.06872, OMEGA(1)=0.16018, BETA(1)=0.97104, BETA(3)=0.00000, ALPHA(1)=0.22174,

ALPHA(3)=0.00000, OMEGA(3)=0.23243, OMEGA(2)=0.00000, BETA(2)=0.00000, BETA(4)=0.96627, ALPHA(2)=0.00000, ALPHA(4)=0.23202

Convergence achieved after 33 iterations

MU(1) MU(2) OMEGA(1) BETA(1) BETA(3) ALPHA(1) ALPHA(3) OMEGA(3) OMEGA(2) BETA(2) BETA(4) ALPHA(2) ALPHA(4)

Log likelihood Avg. log likelihood Number of Coefs.

Coefficient -0.005473 0.054186 0.187726 0.957233 -0.001460 0.266080 0.000270 0.223155 0.039656 0.002336 0.956841 -0.018460 0.269517

Std. Error 0.033436 0.041327 0.018686 0.003876 0.005893 0.013346 0.014287 0.032955 0.076597 0.007114 0.004029 0.017066 0.014687

z-Statistic -0.163673 1.311126 10.04647 246.9394 -0.247685 19.93646 0.018893 6.771550 0.517732 0.328362 237.5097 -1.081678 18.35089

Prob. 0.8700 0.1898 0.0000 0.0000 0.8044 0.0000 0.9849 0.0000 0.6046 0.7426 0.0000 0.2794 0.0000 4.169015 4.209329 4.183911

-3668.240 Akaike info criterion -2.077146 Schwarz criterion

13 Hannan-Quinn criter.

（三）波动溢出

由上述果可知，波动溢出系数beta2 beta3 不显著，进行两者联合

检验结果如下：

表十七 BVGARCH估

Wald Test: LogL: BVGARCH Test Statistic Chi-square

Value

0.187048

df 2

Probability 0.9107

Null Hypothesis: BETA(2)=BETA(3)=0 Null Hypothesis Summary:

Normalized Restriction (= 0) BETA(2) BETA(3)

Restrictions are linear in coefficients.

Value

0.002336 -0.001460

Std. Err.

0.007114 0.005893

Wald检验的概率值为0.9107，不能拒绝原假设，所以认为两者同时为0，因此上证综合数和深圳成分指数之不在波动溢出效

五、结论

由上面的分析可以出,银行间同业拆借利率的变对证券市场的证券日报酬率影响并不显著。理论上讲当货币市场金紧张, 同业拆借利率高时, 上海和深圳证券市场的证券日报酬率便下降; 当货币市场资金比较宽裕, 同业拆借利率降低, 证券市场证券日报酬率便会上升，但是分析发现shibor和券日报酬率之间的关关系不是很

另一方面, 券日报酬率和证券的日成交量显著相关, 券报酬率的波动和证券成量的波动具有一致. 报酬率提高, 则市场交投活, 成交量增加; 报酬率降低, 则市场投清淡, 成交量减少; 这表明市场投者具有售心理并从期看好证券市

另外, EGARCH模型的非对称项显著，说明负消息的冲击作用相比正面息要大些。GARCH-M 模型均值方程中的标差一项的系数为正，印证了经济学的个基本原理，高风险对应高受益，人们于风总是会要求定的风险补

参考文献：

[1]Engle R F. Autoregressive conditional heteroskedasticity with estimates of the variance of U.K. Inflation [J]; Econometrica, 1982, 50: 987- 1008.

[2]Bollerslev T. Generalized autoregressive conditional heteroskedasticity [J]; Journal of Economics, 1986, 31: 307- 327.

[3]Engle R F, Ng V K.Measuring and testing the impact of news on volatility[J]; Journal of Finance, 1993, 48: 1749- 1778.

[4]Zakojan J M.Threshold heteroskedastic models [J]; Journal of Economic Dynamics and Control, 1994, 18: 931- 955.

[5]李子、潘文卿: 《计量经济学( 第二) 》[M]; 高等育出版社, 2005。 [6]Robert S. Pindyck: 《计量经模型与经济预测( 第四版) 》[M];

[7]莫扬: 《股票市场波动性的国际比较》[J]; 《数量经济技术经研究》2004( 10) 。 [8]吴世农、林少官、丁华: 《股价指数波动中的ARCH 现象》[J];《数量经济术经

[9]

[10]易辉: 《数据分析与Eviews 的应用》[M]; 中统计出版社,2003。 [11] 张永、毕秋香: 《上海股市波动性预模型的实证比较》[J]; 《管工程

[12]陈守东、陈雷、刘艳武: 《中国沪深股市收益率及波动性相关分析》[J]; 《金融研究》2003( 7) 。

基准利率对债券收益波动率的影响

□财会月刊全国优秀

基准利率对债券收益

梁淳1邵晓辉1

（1.西南财经大学会计学院成

2.西南财经大学金融学院成都611130）

【摘要】本文利用行间债券交易市场2003年1至2011年12月的数据，究了基准利对债券收益波动率带来的响。结果表明，基准利率对债收的波动率没有显著的影响；而对企业债券收波动率具有显著的正向影响，而且，对长期债券收益波动率的响大于短期，以行票据利率表示的基准利率对波动率的影响于以银行间业拆放利率表示的利率对波动率的

【关键词】基准利率债券波

一、引言

实际经济变量会影响所有到期的国债，而货币经济变量则对期债券具有

尽管国外文对宏观经济给国债波动率造成的影响进了大量研究，然而国内术界则鲜有对此相关研究的，国内学术界关的焦点在股票收益率的波动率、债券益率以例如，黄后川和陈浪南（2003）对债券波动率自身的特征

我国股票市场波动率的性进行了分析。在股票波动特征）交易所债券市场价分析的基础上，吕林和姜光明（2004格波动率特性进行了研究，其研究结果表明，企业债市场风要高国债市场。孔文涛等人（2011）则研究了企业债券益率的波动性，其研究结果表明，由于企业债收益率受银行利率等宏观经因素的影响，收益均值回复行为具有不对称性，并且根据其LSTAR型的预测结果，银行加息等策的推动导致收益率波动性的

国外的实证结果表明名义率对债券收益率的波动率具有著的影响，内的文献，例如孔文涛等人（2011）的实证结果间接出了这一影响的证据，但是，国内还有直接的实证证据支持这一论述，因，本文研究重点之一便在于考察我国利率对债券收益率的影响。其，虽然国外文献研究了宏观经济变量对国债波动的影响，但是没有直接证据支持观经济变量对企业债波动率也产生类似的影响，因此，本文的研究重点之二便是考率除了对国债动率产生影响，是否对企券的动率具有显著的

二、研究样本与数据

国务院于2012年提出“积极发展债市”，标志着我国债市场将进入一个全新的发展阶段。与此同时，统计数显示，2012年1季度的信用债券一级市场发行量出现“爆发式”增。如，该季度企业债的发量达到97家，共计1676亿，对比2011年同期816亿的发行量，增幅达到105%；此外，公司债券的发行量达138%。积极债券市场并非只一级市场上更大规模的债发展一级市场，更要发展二级市场。券发量意味着，投资者在级市场上的投资机会更大。然而，投资风险是投资者不得不面对的重要因素，其中，益率的波动性风险是债券的主要风之一。但是，本文发到，由于我国前债券发还不成熟，学术界对债券的研究相对较少，大多研究集中于债券收益率以及债券收益率的波自身的特征，而缺乏对响债券收益波动率的因素究。鉴于此，本文的重要宏观济因素一基准利率何影响债券收益波动率作为研

在国外，众多实证文献国债收益的波动率进行了研，并且，这些结论都表明可以利用宏观经济变来预测波动率。Fleming和Remolona（1999）的研究表明，宏观济方的新闻对债券收益率的波动率具有影响；GoeijMarquering（2006）的研究发现，宏观经济指标的公布会对债收益率的波动率生显著的影响；相似的研究还可以见于Christiansen（2000）、Balduzzi等（2001）的

上述文献大多是研究宏观经济体情况对债波动率的影响，在此础之上，大的实证文献进一步研究了影响债券波动率的具体标。Viceira（2007）的研究就表明，短期名义利对债券波动率具有正向的冲击；Ludvigson（2009）利用主成分分析法对大量宏观经济变量进了研究，他发现宏观经济基础对债券收益率和债券风险溢价具有显著影响；Huang等（2011）同样用主成分分析法研究了观经济指标本身对债券波动率的影响，他们的结果表明，无论是实际经变量还是货币经变量都对国债波率具有著的

1．债券。本文研究的债券包括国债和企业债券，这些据均来自于

国债数据采用银行债券指数行情数据，本文选的指数分别为国债总指数13年、3至5年、5至7年、7至10年以及10年以上，样本间从2003年1月到2011年12月。之所没有像国外文献中采用短于1年的国债指数，这是因为我并没有相关的债品种。从锐思数据库中，本文获得这些债指数每的指数值，并根据值计算出每日

论利率波动对寿险需求的影响

论利率波动对寿险

【摘要】 利率问题是金融市场中的心问题之一,保作为金融的一个重要组成分, 自然也受利率的影响,并随着保险业规模的不断扩大,这种影响变得加突出。利率 不仅是要的宏观经济指标,也是影响寿险业发展和寿险需求重要因素。现如今,我 国进入了新一轮的加息期,率不断,研究利率变动对寿险需求的影响,对于促 进寿险业与宏观经发、 促进潜在寿需求向现实寿险需求的转化具有重要的理论和 现实意义。本文从利率影寿险需求的理论分析入手,绍利率与寿险价的关系,引 入利率波对寿险求的作用机制,并结合我国的实际考察其具体效果,分析了利率的 替代效应和价格效及其对我国不同寿险的影响, 针对我目前寿险发展的 情况,出了应对不利影响的对

【关键词】 利率波动;寿险需求;替代应;价格效

[Summary]Interest rate is one of the core issues of financial market, and insurance as an important part of finance is naturally affected by interest rate. With the insurance industry continues to expand, this effect becomes more prominent. Interest rate is not only important macroeconomic indicator, but also an important factor in affecting the life insurance industry and life insurance needs. Now, China has entered a new round of rate hikes, interest rates constantly change and the study of the effect on life insurance demand caused by interest rate has an important theoretical and practical significance on promoting the development of life insurance industry and macro-economic, promoting the potential life insurance needs to change into the needs of real life. In this paper, at the beginning, I analyze the theory of interest rate affecting life insurance needs and introduce the relationship between interest rates and insurance prices to introduce the mechanism on how interest rate fluctuations affect life insurance demand. Then combined with China's actual effect of the specific study I analyze the impact of our different life insurance products cased by the substitution effect and the price effect of interest rate. At last, I come up with some countermeasures for the development of China's current actual situation.

[Key Words] interest rate fluctuation; life insurance demand; substitution effect; price effect; countermeasure

目录

1. 利率波动影响寿险需求理论分析 ·········································2 1.1 利率与人寿保险的价格 ················································ 2 1.1.1 预定利率与人寿保险格 ··············································2 1.1.2 银行利率与预定利率··················································2 1.2 利率影响寿险需求的原因 ················································3 1.2.1 寿成本的预性 ···················································4 1.2.2 寿险产品的长期

1.2.3 利率的波动性和不

2. 利率影响寿险需求的作机制 ············································4 2.1 替代效应 ·····························································5 2.2 价格

2.4 利率通过影响公众预期对寿险需求产生影响 ·······························6

3. 利率波对我国寿险需求影响的实证分析 ···································7 3.1

3.2

4. 我国寿需求当前所面临的利率困境 ········································8 4.1寿险产品

4.2预

5. 应对利率波动我国寿险需求不利影响的策建议 ··························11 5.1大力展保障型险种 ····················································11 5.2积极发

5.3

6. 总结 ···································································12参考

利率波动影响预定利率进而影响寿险需求。通过寿险产成本的预估

期性以及利率自身的动性和不可预测性决定利率的化必然会影响寿险需求。 利 主要通过代效应和价格效应影响寿险。 利率变动对保障型寿险品和型寿险产 品几乎没有影响,而对储蓄型寿险品和传统固定预定利率产品的影响较大。为了应对 加息对寿险求的不利影响,该大力发展保障型寿险产品,开发利率敏感型新型寿 险品,尽快研究解除 2.5%的预定利率

1. 利率波动影响寿险需

1.1利率与人

1.1.1预定利率与

人寿保险的价格即寿险费率(毛率)由纯保险费和附加费率构成,是根预定 利息率、预定死亡率、预定费用率等采用精算方法计算出来的。厘定费率时,预定死 亡率和预定费用率都可以相当精确地测定和控制, 而预定利率是根据对未来经济走势的 预做出前瞻性设,无法准确预测。虽然不同险种、不同给付方式、不同缴费方 的人寿保险费不能按统一的费率表来计算, 但是, 各种费率机制的基本原是相同的, 即投保人所交保费的精算现等于保险司将来给付保险的精算现值, 此精算现值 是按照一定的贴现率和生命表计算出来的,这个贴率就是预定利率。利率是保险 公对投保人一种期率保证,是投保人所交保费的

预定利率是决定保险价格的主要因素,以一年定期寿险交纯保费为

即给付趸交纯保费的

死亡后立即给付的一年期寿险趸交纯保费 =x q ?2

1υ(公式 1)

其中, υ表示贴现因, i +=11υ , i 表示贴率,即预定利率, x q 表示 x 岁的人 在 x 岁 ~x+1岁之间死亡的率,由此可见,预定利率越高,险价格低;反之,预定 利率越低,寿险价格越高。为了规保险的经营,保护投保人的合法权益,监管保险公 司的偿付能力,中国保会颁布的《人寿保精算规定》中指出,预定利率应根据保险 公司对未来金运用收益预测并按照慎原则确,同时符合保监会的

1.1.2银行利率

利率是资金的价格,是中央银行调整融市场的主要工具一。虽然我国了银行利 率未市场化,银利率不等于市场利率,但是银行利率的变动一定程度上反映了场 利率的变化趋势。因,寿险产品的预定利率通常银行利率的变动而调。列示了 我国 1987来一年期银行定期存款利和险产品预率变化的情况。从表中可以看 出,由于人寿保险的长期性,预定率般高于一年期银行款利率 ; 预定利率随着银 行利率的变动而调整, 但预定利率的调明具有滞后性; 银行利率波频繁且幅度较大 , 而预定率要“修匀”得多,具有稳定性,特别是 1999年,保监会颁布精算规定,预 定利率能超过 2.5%,延续至今已 12年。是由于预定利率的相稳定性及其整的 滞性,使率波动对寿险需求的影响

表 1 1987来银行一年期定期存款利率及所属时的预定利率

资料来源:根据央行近年来人民币存贷款基利率调整

1.2利率影响寿险

利率之所会影响寿险需求,源于险成本的预估(保费的提前支付)、产品的 长期(期限越长,利率感性越高)以及利率自身波性和不可预测

1.2.1寿险成

寿险产品与一般的成本同,一般商品的成本在交时已经确,寿险的成本和价 格要在一定的设条件(如死率、费用率等)下进行估计,这个估计的成本进行 贴现。正上文述,根据等价交换原则,投保人所缴的保费正是在预利率、预定死 亡率和预定费用率等条件下对保险公司可能承担的未来付责任进行贴现的果。因 而,寿险经营一开始就引进了利率因素,预利率的高低影响寿险费的大小, 而影响人们的寿险

1.2.2寿险产

寿险产品的期限一般长,有的长达二三十年至更长,根据持续期理论 , 负债对 率的敏感性负债的期限成正比,负债的限越长,对利率的敏感性越高,如一持 续期为 20年的负债, 市场利率如果下 1个百分点, 则其价值就相对上升大约 20%。 所 以, 利率的波动对险产品的相对收益产生较大影响, 从而较大程地影响了寿需求。 1.2.3率的波动性和不可

如果资金的实际收益率与定利率完全一致, 保险公司先收取的费的实际运行 结果将于预期的完全一,那么,预定利只起到了在现在资金与未来资金之进行转 换的作用, 对人们的寿险求不产生根本性的影响。 然而, 现实中利率是经常波动的, 而且难以预测,所以,实现确定的预定利率常常会偏离市场利率水平,特别是固定率 的长期寿险产品,其预定利率很难准确反映未来长期内经济的走势,这就会寿险潜在 客否购买寿险、投保人否保或择保单贷款产生

2. 利率波动影响寿险需

目前,研究利率与寿险需关系的文献较多,但结论差别较大。有认为利率与 寿险需求负相关,有人认为相关。之所以出这种现象,并不是出于偶然,而是着 深层次的原因。目前的研究结果之以不一,一是因为没有把利率影响寿险需求的机 制区分为替代应和价格效应,即使有所区分,也没有界定名义利和实际利率各自的 效应;二是为没有区分名义利率实际利率对寿险需求的影响,二者对寿险需求的影 响不同;三是因为在分中只注意到了代效应价应中一种,没有结合

行综合效应分析。这也是本文的目的所在,本文图说明是,名义利率可以通过替 代效应价格效应影响险需求,而实际利率只会通过格效应对寿险需求产生影响。 而,际利率对寿险需求的影响不应该为负。由于无法事确定价格效应还是替代效 应占主导地位,因而名义利率对寿险需求的响既可能为正,可能为负,或者其影响 不显著,需要结合实际进行体分析。此,利率还通过影响公众对寿险需求产生

2.1替代效应

人寿保险大多具有储蓄功能, 因此银行存款其金融产品对人寿保险具有代效 应。由于人寿保险的长期性及定利率的假设,保单率的调整具有迟延性。此外,根 据寿险的 “不丧失价值调款” 规定, 投保人付费满两周年后, 保单即具有金价值, 现金价值不因保单效力的化而丧失, 保单所有人可选择的方式处理这部分现金 价值。市场利率以银行利率为基础,当银行率上升,其他金融(如银行存款、 债券、股票等)的投资收益率上升,此时如果寿险产品的预定利率或投资益率变, 购买保险的机会成就会上升, 人们必然会增加银行存款购买其他收益率高的金融产 品,从而减少了个人寿险的需,保单持有人也会选择或者退保获取现金,或者不再缴 纳保费将保单更改为展期保或缴清保险, 将退保或余资金转入收益率较高的其他 金融产品上,减少原保险需求;当银行利率下降时,人们通常积极投保,利用时间差 获低价格高收益的保障,个人寿求上升,保单持有人一般也维原有保单直 期满。但高市场利率水的预定利率容易造成保险公司较大

2.2价格效应

利率是决定寿险产品价的重要因素,其他条件相的情况,定价时使用的预定 利率越高,品价格越低;定利率越高,产品价格越高。短期内,利率的波动一般 不会响寿产品的定价;而在长期内,利率水平的变化会影响保公司的整体投资水 平,当利率持续上升时,保险公司的整体收益水平随之上升,寿险品的预定利率也 会提高,从而导致寿险产品价格下,寿险需求加;反之,则寿险产品上升,寿 险需求

2.3名义利率和实际利

从总体讲,利率对寿险需求替代效应和价格效应,但利率有名义利率和实际利 率之分,者的波动对寿险需求生利率效应不

所谓名义利, 是央行或其他的提供资金贷的机构所公布的调整通货膨胀因素 的利率,即利息(酬)的货币额与本金的货币额的率,即指包括补偿通货膨胀( 括货紧缩)风险的利

实际利率是指剔除通货膨胀率后储户或投资者得利息回报

就替代效应而言,之所以产生替代效应,是因为寿险产品预定利率其他金融 产品收益率 的比较。 由于险产品预定利率保险公司内部投资收益率本身是一 “名 义”量,人们不能将它与实际率相比。因而实际利率对寿险需求不产生替代效应。 就价格效应而,它本质上源于预定利率的变化引起的寿险产品格的变化。无论 是名义利率还实际利率,二者的持续化都会对预定利率产生影响,保险公司的真实 投资收益率随之变化,预率也会做出整。因实利和名

综上所述,实际利率只通过价格效应影响险求,一般而言,实际率上升会引 起预定利率提高,品价格下降,寿险增加。即使预定利率不随实际利率同方向变 动,但当实际利率上升时寿险的预定利率不会调低。所以,实际利率与寿险需求不 应该是负相关。名义利率对寿险求的既价格效应,也有替代效应,由于名义利率增 加 (减少) 价格应将导致寿求增加 (减少) , 替代效应将导致寿险需求减少 (增 加) ,其综合应应依赖于是价格效应还替代效应占主导地位。一般而言,在短期 内,替代效应将占据主导地位,这是因为寿险的期性和保障性的特点,决定了其预 利率是以长期内的平收益率为参照,所以,寿险品的价格短期内不应该、也不能 随频繁波动的短期利率的变化而调整。但是在长期内,利率平的持续变化将会充分 映到保险公司的投资收益之中,使之能够、也应该预定利率水,以加寿 产品的争力,从而使得价格效应占据主

2.4利率通过影响公众预期对险需求

替代效应价格效应是利率对寿险需的两个最基本效应,除此之外,利率还 通过影响公众预期对寿险需求产作用。利率与宏观经济运状紧密相连,利率

化一定程度上反映着宏经济运行的变化以及货币当的政策图, 从而对人们关于未 来经济走的预期产生影。利率波动一般从两个方面影响们的预期,一方面,替代 效应会场利真实变动之前提早发生;另一方面,由于利率对国民济的影响是全方 位的,人们对未来经济增长的信心也会发生变化,与寿险求相关的收入增长期及购 买力、投资、消费偏好以及通过寿险进行储或分散风险望等都会发相应变化, 从而影响人们的寿险

3. 利率波动对我国寿险需求响的

利率波对我国寿险需求的影响既有替代效应又有价格效应, 两者的综合效需结 合我国际行具体分

3.1利率波动对我国寿险

名义利率对我国寿险需求产生了明显的替代效应, 如图 1所示, 1987年来, 我国 利率波动较大, 而寿险产品定利率的走势却相当平稳, 导致寿险需求出现了波动。 1990年到 1996年 5月,在此,利率出现了较大波,而寿险产品的预定利率都维持 在 8.8%, 寿险预定利率低于储存款利率, 这导致有储蓄性质的养老、 年和子女 教育保险等务都出现了大幅度滑坡。特是 1994年的保值蓄政策和相对高息的国 发行以及社上各种名目的高息集资热,造成寿险业务增长度放缓,由 1993年的 20.1%下滑至 13.8%。 1993年以前 , 我国寿险业刚刚起步,产品主要面向企业团体寿 险简易寿险。 1993年 1999底 , 寿业进快速扩张阶段 , 终生寿险、定期寿险、两 全保险等传统产品悉数出现,并占据主导地位。从 1996 5月 1日开始,到 1999年 6月 10日,中国人民银连续 7次下调存款利率 ,1年期定期存款利率由 10.98%至 2.25%(图 1) 。这期间,虽然监管部门也对预定利率进行了相应调整,但始终高于 1年期银行定存款利率,加之各大公司不适当地争揽保费,竞相以定利率推出自己 的产品,甚至以一些不的手段去“创造”保费,使在全国范围内出现了寿抢购 热,保费收快速上升。然而,由于保险投资银行存款主,利率的下降也导致利差 损大量累积。 1999年至 2003年 , 为摆脱利差损的困扰 , 我国险业进入了调整、创新阶 段。 1999年 10月,平安保险率先推出世纪理财投资连接保险,随,寿险公司纷纷 推出分红、投连等新型寿险,保费入又出现高速增长。但因资本市场及其 他原因, 2004年险保费增幅又一落千丈,至 6.8%,创十几年来

别是在中央银行加息的那个和 12月份,还分别出现了 0.13%和 5.87%的负增长。随 着 2004年 10月 29日调高基利率之后, 2006年开始,中国已入一个快速升息通 道。到 2007年 12月续七次提高银行基准利率,利率也从当初的 1.98%升至 4.14%。 原来处于优势地位的寿险产品在逐渐失去其原的魅力。 2008年 2010,连续四次 降息,使百姓的资金寻找不到更合适的投资途径,其自身的保障又很欠缺,因,在 经济下情况下,人们保险意识提,这对保业务的增长是有好

由此可见,义利率的变化对我国寿险需求产生了很的替代效应:若保单预利 率低于银行利率,就会抑制寿险需求,导致退保增加;而一旦预定利率高于行 存款利率,只要这种利差足够有引力,会导致寿险需求大大增

3.2 利率波动对我国寿险求的

随着利率的激烈波动和调, 寿险产品的预定利率也随进行了调。 1988年一般 寿险和年金险的预利率从 6%和 7.5%调整为 8.8%,在 1993、 1994年高通货膨胀时期, 有保单的预定利率达到了百分之十几之高。在 1996年开的持续的利率下调期间, 一些保险公司为了争抢务仍采取 8.8%的预定利率。但 1999年之后,针对不断下调的 利率以及高预定利率保单的疯狂热销,中保监会及时采措施,将预定率上限定 2.5%,一直持续

当然,在实情况下,利率通过综效应对寿险需求产生影响,而且,在保险业快 速发展阶段出现需求的加或减少的现象,还有多层次的影响因

4. 我国寿险需求当前所

20世纪 90年代来,我国寿险业扩张很,回顾险业发展的历程,可以发现, 险业规模的张很大程度上是在市场利率促动下实现的, 但当前所临的题也是 在市场利率的变动中逐步形成的。本文为,自 2010年年底以来,我国进入新一轮的 加息周期,加息影响,当前国寿险需求面临的利率困境主要表现在以下两方面:困境一是寿险产品困境;之二是预定利率

4.1寿险产品困境

加息对寿险产品具有负面影响:一是会使低利率寿险产吸引力降低。

竞争条件下,客户会要求寿公司提供更高回报的产品,寿险司的新的收空间会迅 速收窄,如果寿险公司不能迅速行产品创新,还能会面临保费增长停滞不前或负增 长局面。二是一些固定利率险种,如多数业年金产品,将面临退保风险。同时, 市场上销售的储蓄型保险产品会受到冲击,消费者购买的意愿会降低。三是银行利率 调整几乎对所有保险费率制定生影响。 因为保险的率是根据同期的银行利率来计 算的。四是在银行利率较大幅度高后,买保险的用肯定要大大低,导保险 费入减少,经营成本

从功能上看,加息后储蓄型产品面临退险。寿险公司的产品以分为风险型、 储蓄型和投型三大类。风险型要包括健康险、意外险和定期寿险;储蓄型包括终身 寿险、两全保;投资型主要包括分红险、能险和投资连结险。其中受利率因素影响 最大的是蓄型品, 将面临退保风险, 加息后保险市场遭遇的负面影将会先发酵, 分持有这类产品的消费者可能会出现退保意愿,甚至部分退保。统计数据显, 2007年上半年,险市场上排名前 5位的寿险公司各有 1.5~3.5倍的退保金增长。尽管目 前市场上的保险产品都为政策预空间,产生的影响限,但市场上统储蓄型产 销售减少趋势将会继续发展。原因有以下三个方面:(1)储蓄类产品容易和银行 财产品产生同业竞,在加息周期中处于劣势;(2)风险型产品以保的,不受 收益的响;(3)资型产品主要与资本市场密

从销售渠道看, 加息对银保产品影响。 寿险公司产品分个人保险、 银行保险、 团体险。其中银行保处于不利地位,同时寿险公司在银行保险渠道也面临着上扬的 佣金比。保市场受到来自股市和行升息的双重挤压。在目前银行代理销售的保险 产品, 60%~70%是固定收益类的产品。 连续加息意味着定利的银保产收 益将持续下降,这必将影响银行保险的销售,甚至会出现退保现象。目在各行网点 销售的主是短期趸交分红保险,这种保险的保费接近于保额,是一种类似于储蓄的保 险,连续息必将使这种低效益产品面临退力。加之,资本市的火热会分流部 分银保品的潜客户。因此,目前分红产品的销售量开始大幅度下降。如何吸引投资 者注意,成为保险公司最关注的题。一些保险公司趁势推连产品迎合市场,而更 多公司则法在短内出投资型保产品,致使银保产品销售前

从产品的资理财成分来看,受加息响最大的是传统分红保险。寿险产品分为 传统型、半投资型和投资型产品,其中受加息影响最大的是统分红型产品,因

类产品不但受到预定利率上限的制, 同时, 户不能参与分享保险资金的资收益。 分红产品、万能产品等虽然也预定利率的上限,但以分红和结算率的形式将可 分配收益同客户进行分享,投连产品则通过账户值来分享收,接实现了定价的市 场化。 2004年以来,我国进入了新的加息周期。特别是 2006年 8月以,银行基 准利率三次上调, 2007年 5月 19日一年期存款利率调高到 3.06%。然而,寿险产 品预定率的上限仍维持在 2.5%,仅高出利息税调整后的存款利率 0.052%,者基 持平。这样,对于传统的定预定利率的产品而言,其吸引力下降,特是市场仍处于 升息的预期之中,传统固定预定利率的寿险产品会受到较大的冲击。但是,对于分红 产品、 投资连结保险、 万能保等新型寿险产品而, 升息对其响不大。 于传统险, 据媒体报道, 2011年第一季度,国寿、平安和太保传统险的占比分别为 15%、 4%和 24%, 而数据显,从 2010年延续至今 , 险在中国人寿、中国平安、中太、泰康人 的寿险业保

4.2预定利率困境

寿险的预定利率在很大程上决定着其收率, 而收益率正是市场争力的重要体 现。 1996年央银行开始降息后 , 寿险产品的优势凸现出来,于是保费收入剧增,但因 保险资金运用也银存款为主,银行下调导致司收益降低,于是出现巨额利差损 (2003年初 , 国寿的利差损大概是 500多亿元 ) 。为了控制利差损的进步增, 监管部适时对预定利率进行了调整。然而,不仅旧单产生的利差损难以消除,而且当 预利率 1999年降到与款利率基本持平的时候,销售难度又陡然增加,保费收入 于是出现低增长。特别是, 2004年年初以来, 随着加息预期的渐增强,许多人把钱 进了银行或投国债、基金其他理产品。结果,在前 3季度不少地方的人身险保费 收入都出现了不同程度的下降, 如北京同比下降了 7.8%, 上海下降了 2.73%。 10月中 央银行,人们对一步升的理预期加重,于是保费收入出现月度全国性负

虽然,加息有于提高保险资金运用整体收益率水平,因而对险资金运用业务的 影响是正的,但却使承保业陷一种两难的境地:保持高预定利,投保会增加, 但在投资渠道受限的情况下大大增加利差损;调低预定利率,会减小利损的压, 但却将因而失去很多客

5. 应对利率波动对我国寿险需求利影响的

随着 经济 市场化革程度的不断提高,我国利率市场化改革目前已进入攻坚阶 。伴随着率市场化进程的加快,寿险为利率敏感性行业,其面临各种率风险 将进一步加大。利率风险是系统性风,不可能完全被分散开,但这并不意味着我们将 在利率困境束手无策。事实,完全可以找出一些对策,缓解利率波动对我寿险需 求不利影响。其中,选择的主要策略

5.1大力发展

人寿保险既有保障型, 也有储蓄、 保障兼具型。 障型产品解决的是 “早亡” 问题, 特是低保费、高保障。在被保险人发生保险事故后,其家人可得保险公司的保险给 付解决可能出现的生活上的困难。储蓄型产品解决的是“长寿”问题,保户可通过购 买储蓄型产品获得退后收入保障。储蓄型的险种对资金运用收益的依赖性较大,其 风险主要来自于场率。保障型的产由于只支付死亡或意外伤害责任的给付,其风 险主要来自承保的风险选,盈亏主要来自于“死差益”(实际死亡率小于定死亡率 产生的盈 ) ,因此基本无利差损之忧。寿险公司经营的保障型产品,不仅有寿险 品,还有意外险、健康险等非寿险产品。缓解利率风险的困扰,可积极开和促保 障型产品,引导消费者多购买保障

5.2积极发展新

对于传统储蓄性产品,无论预定利是高是低,都蕴着很高的利率风险。这客 上要求在进传统产品创新的同时,积极开发分红保险、投资连结保险万能保险等新 型险种。但新型险种的发展须以资本市场比较成熟和信息透公开为前提,否则规避了 利率风险,却可能带其更大的问,我国近几年新型产品的曲折历程就说明了这一 点。我国目并不备大范围全面推新型险种的基础和条件,因此,应主要在经济较 发达地区或针对中收入群体开展对新型产品的广。在推广新型品过程中,要加强 司内制度建设,加强对寿险营销员和兼业代理机构的管理,严防误导、欺诈客户问 题的发,并切实做好相关的披露工,维护保业良好的会形 , 避免型产品 因诚信问题再

5.3建立预定利

传统寿险保单具有长期性,在市场率不断变动的环中,如果预定利率始终固 不,则将不可免地使寿险公司陷入两难境地。为此,可研究建立市场自调节机制实 行弹性预利率制度。当银行利率上升或下降到一定程度时,险产品的预定利率自动 相应进行调整。不过,取该法也有问题需要研究:首先,寿险产品设计复杂, 责任准备金评估取琐, 因此, 立预定利率变动机制在技术上有许多问题需要解决; 其次, 预定利是寿险产品的定价依据, 行变动的预定利, 产品格必然相变动, 这就使消费者处于被动地位, 很可能因此导致信任危机甚至退保, 从而引发流动风险; 第三,需要会对费率政策做出整,并给寿险司多的自定价而免于重新报 批

此外,要加强宣传和引导,提我国居民的风险和保险意识,使人们真正意识到 保险真正的核心功始终是保障,其竞争优在储蓄或投资收

6. 总结

利率波动是不可避免经济现象,它对寿险需的影响是不可避免的。在目前银 行利不断上调的式下, 我国监管层规定保公司预定利率不超过 2.5%, 导致预定利 率低于银行存款利率,预定利率不满足保户的要求,对储蓄型、传统非分红型保险产 品产生不利响,因此,我国该采取一系列的措施以将利率上升对我国寿险求的不 利响降到最低,从而促国寿险健康快速

【参考文献】

[1] 杜楷, 周宇梅 , 人身保险 , 北京:高等教育出版, 2003.8(2007重印) :53~55 [2] 李浩, 精算

[3] 张祖荣,利率波动对寿险需求的影分析,硕士论文,广东学院经济学院, 2006 [4] 吴跃平,利率变对国寿险需求影响分析,硕士论文,南财经学院, 2007.10 [5] 魏华林,冯占军中国寿险业目前面临的利率困境及策略选,经济评

[6] 林光彬,连续加息对寿险业发展的影响,银行家, 2007(9): 21~23

[7] 杨霞,中国保险需求实证研究,硕士论文,武汉大保险与精算

[8] 央行近年来人民币存款基准利率调整一览表,搜房网(www.sofun.com ) ,2011.7.6

浅析利率波动对房地产市场的影响

浅析利率波动对房地

摘 要:近年来,央行多次采取上调利率的缩货币政策进行宏观调以确 保经济正常运行。 作为个对利率敏感的部门, 房产行业受利率波动的影响越 来越。 本文以青岛市城阳区的房地产状况为例, 分利率和房地产市场之间的 关系 , 以及利率调对房地产场的影响,并相应的对策建

关键词:利率;房地产;房

近年来, 面对当前物价频繁上涨, 人民币急剧值的情况, 国家实施逐渐 上调利进行宏观调控, 抑制当前经济过热的现象, 虽然不专门针对房地产行 ,但也对该行业形成了较强冲击。房地产作为一殊的商品 , 由于其耐用和 投资的性质 , 价格和率有着密切的关系。 当前房地产市场一方面价格持续上 涨 , 另一方面商品空置率不断提高。 人民银行自 2006 年 4 月份至今对利率 和准备金率进行了次调整 , 目的主要是了抑制信贷和定投资的增速过 快及过度的房地产市场投机。 本文以青岛市城阳区的房地产状为例, 对利率和 地产市场之间的系 , 及利调对房地市场的影响作一简单

一、城阳区房

城阳的房地产起步相对较晚, 自 1994年建区后, 城区建, 沿线城区周边 的农村开始拆迁安, 并入城市化进程的脚步。 自此在城区有了拆迁置房, 形 成了商品房发展始阶段, 如华小区、 芙蓉苑等等小区等均是那个阶段建 立的安置小区。 受航空线路的限制及无外来开发限制, 早先城阳区的房产 开发产品相对单一, 无特殊型产品出, 区域内的购房阶主要为城区内人员、 以及部分外来人员构成。 城阳的房产市场在近两年的楼市中, 一直有着不俗的 表现,出现一批以盛世家园、千禧国际村、天泰 ·园等为代的大盘。目 阳售住宅项目总体的价在 4850元左右。随着泰 ·奥园、千禧国际村以及城 阳其他几个大盘集体营造的群聚应, 阳板块开崛起。 宝龙城市广场在城阳 “ 青岛新天地 ” 高调开工,令城阳中心城区首度成为 “ 热点 ” 。 55万平方米商业加 20万平方米国际化住宅区的开发规模,使多青岛人知道了城阳中心城区有一 条数公里长的轴景廊 --“ 青岛新天地 ” 。 308国道城阳收费站已经取消, 城阳以优越的交通环、 自然环境、 社会环境, 吸引越来越多的人前往投资 置业,城阳正一步步引导青岛人的居住观念。天泰城、 100福国际庄、千禧国 际村、盛世景园,提到城房地产开发,首先想到的是这些市郊大盘,到是 308国道、惜福镇两个区域。为城中心城区给人的象是开发量、缺 大规模、知名度高楼盘项目。中国房地业著名品牌万科

转载请注明出处范文大全网 » 利率及汇率波动_债务对企业投资的影响