我国货币供应量对股市价格的影响研究

第三章指标体系的建立和模型简介本文坚持理论分析与实证分析相结合，在理论分析的指导下，构建以股票价格指数为因变量，以货币供给量包括、 、和其它经济变量为自变量系统，建立经济计量模型，用以考察货币供给量对股票价格指数的定量影响。下面介绍本文选取的指标和样本以及所使用的计量模型。指标的选取通过前面的理论分析可知，影响股票价格的因素较多，主要有货币供应量因素、通货膨胀因素和利率因素等。货币供应量会通过资产组合效应、股票内在价值增长效应、预期效应和通货膨胀效应来影响股票价格。而其他因素也会通过各自渠道影响到股价。为进一步探究货币供应量对股市价格的影响，我们选取股票价格指数指标作为因变量，选取货币供给量包括、 、以及其它对股票价格指数影响较大的宏观经济变量，为自变量系统，来量化货币供给量对股票价格指数的影响。因此，文中选取货币供应量、股票价格指数、利率和通货膨胀率这些指标来进行分析。其中，为上海股票价格综合指数，为反映通货膨胀的指标，为反映利率的指标，为反映货币供给量的指标。货币供应量货币供应量是单位和居民个人在银行的各项存款和手持现金之和，其变化反映着中央银行货币政策的变化，对公司生产经营、金融市场尤其是货币市场和证券市场的运行和居民个人的投资行为有着重大的影响。中央银行一般根据宏观调控和监测的需要，按照流动性的大小将货币供应量划分为几个不同的层次。根据一定的原则，我国现行货币统计制度将货币供应量划分为三个层次：流通中的现金（货币供应量统计机构范围之外的现金发行）单位活期存款（企业活期存款机关团体部队活期存款农村存款个人持有信用卡存款）乡居民储蓄存款单位定期存款其他存款即外币存款信托类存款股票价格指数在股票市场正式建立后的相当长一段时期内，中国都没有编制统一两个股票市场的股票价格指数，直到年月日沪、深证券交易所才联合发布了反映股市场整体走势的沪深指数。但是，经计算年月至年月，中国股票市场上具有代表性的两种股票指数，即上证综指和深圳成指间的相关系数高达，这说明在样本期内，这两种股票价格指数的走势十分相似，因此选择哪种股价指数对于结果而言都不会有太大的差别。而过往的研究中也通常选取上证综合指数作为股价代表，究其原因主要有三：一是大量研究表明深市的深成指与沪市的上证综合指数之间相关性很高；二是在学术研究时，考虑到数据样本容量的问题，沪深指数相对而言少得多；三是由于股票市场存在历史终会重演的特点，大多数投资者偏好于编制时期长又具有代表性的指数。正由于上面的原因，本文对股票市场价格水平进行度量时，采用上证综合指数。本文选取每月末上证综指的收盘价作为我国股票市场上的代表性指数。利率在金融市场比较发达的国家，基准利率是整个利率体系形成的基石和中央银行制定基准利率的价格信号和参照系数。市场利率一般由银行同业拆借利率、国债利率、银行存贷款利率等组成。在发达国家，基准利率具有基础性、市场化和传递性这几个基本特征。就我国而言，银行存贷款利率还未完全市场化，国债的市场化发行机制虽然已经建立，但由于其规模不大，因此目前无法作为基准利率。我国银行间同业拆借利率自年建立以来取得了长足的发展，已经成为完全市场化的利率，并且它能够基本反映货币市场的资金供求状况，因此本文选择银行间天内同业拆借加权平均利率作为利率的代理变量。通货膨胀率目前国内度量通货膨胀率的常用方法主要有两种，即消费者价格指数和商品零售价格指数，它们主要的区别在于消费者价格指数将服务价格计算在内。因此本文选取代表性更为全面的消费者价格指数作为通货膨胀率的代理变量，本文以年月为基期，将其后各月的环比消费者价格指数连乘，从而得到各月的定基消费价格指数。样本的选取本文选用年个月至年月共个样本点的月度时间序列数据进行实证分析，考察货币供给量对股票价格指数的影响。其中，为上证指数，为反映通货膨胀的指标，为反映利率的指标，为反映货币供给量的指标。数据来源本文使用的货币供应量 M2 和银行间天内同业拆借加权平均利率的数据均来自中国人民银行官方网站：http：/，上证综合指数数据来自中国宏观经济统计年鉴，CPI指数的数据来自东方财富网: 数据的统计学分析3.4.3 时间序列的相关性分析指标间的相关性系数直接关系到建模后的模型效果，以及同一模型中选取的有效性。因而对数据指标进行相关性系数检验显得尤为重要。下表是上证指数 SZ，M2 和 R 的相关性分析结果。在 0.01 的水平上是显著相关的。相关性SZ M2 RPearson 相关性 1 -.593* -.030显著性（双侧） .000 .798SZN 77 77 77Pearson 相关性 -.593* 1 .495*显著性（双侧） .000 .000M2N 77 77 77Pearson 相关性 -.030 .495* 1显著性（双侧） .798 .000RN 77 77 77*. 在 .01 水平（双侧）上显著相关。数据处理季节性调整从上面的时间序列统计学特征可以看出货币供应量指标以及股指等变量存在着明显的季节性波动趋势，我们采用法对 SZ、M2、CPI 以及 R 四个变量进行季节调整，由软件自动确定季节滤波和趋势滤波。由此得到各指标的季节性调整图像，分别用 A、B、C 和 R 表示。对股价影响的实证分析下面用第一组数据（、 、 、 ）来分析对股票价格指数的影响，通过用此数据组来估计向量自回归模型。模型在构建模型前，首先需确定的最优滞后阶数的滞后价数是因果检验、协整检验及模型建立时选择滞后价数的基准。若的滞后阶为，则因果检验滞后阶也为，而协整检验的滞后阶定与模型建立时的滞后阶定为。而脉冲响应函数分析和方差分解是直接以模型为基础进行的。因而，确定最优滞后阶数这步尤为关键。我们用对该组数据做滞后期为阶的检验，检验结果如表所示。表第一组数据的模型滞后阶数选择标准根据表格中所提供的选择标准数据显示，我们可知、 、统计量均为阶，因此确定模型的滞后阶数。由此我们将定为应变量，将包含在内的其他各指标为自变量来建立模型，结果显示模型的方程式（见附表）为：从上式可看出，滞后一期对的影响为正，即增长促进上升。但滞后两期和滞后三期对为负向影响。从经济学上来解释，即短期的现金增加会导致股价的上升，但从长期来看，会导致流动性剩余，造成通货膨胀，股票贬值。在得到模型的方程之后，我们还需对建立的该模型有效性进行分析：表第一组数据的模型结果分析从上表中模型检验结果显示，回归方程的判定系数，而调整的判定系数，充分反映出方程整体拟合效果很好，并且从、准则也可判断出该模型的整体效果基本令人满意。从方程中，可以看到上证综合指数与前期的是正相关的，与前期的是负相关的，与前期的也是负相关的。对前一期现金的弹性为，对前期现金的弹性为，对前期现金的弹性为。当上一期现金数量上升，那么股价指数上升。而前期的现金数量上升，那么股价指数下降，当前期的现金数量上升，那么股价指数下降。显然，股价指数对提前一期的现金更富有弹性。出于严密性考虑，我们在建立模型之后，还需对该模型进行平稳性检验。我们采用根检验法，得到以下检验结果：-1.52 4 6 8 10 12 14Response of LNSH to LNRResponse to Cholesky One S.D. Innovations 图第一组变量对一个标准新息的响应图给出了第一组变量中对来自各个变量的一个的反映情况，包括是正向或负向反映及反映的大小，反映期数为期。在上列各图中，横轴表示冲击作用的滞后期间数单位：月度，纵轴表示上证指数的响应，实线表示脉冲相应函数，代表了上证指数对、 、的冲击的反应，虚线表示正负两倍标准差偏离带。从图可以看出，对其自身的一个标准差新息立即有反映，增加了约，之后基本稳定在左右。对来自的影响为正向反应，第期为，之后逐步上升至，在第期之后基本呈现下降趋势。而对来自的影响为负向反应，对来自的影响为正向反应。容易看出，对为单方向的正向影响。方差分解分析方差分解是每一个结构冲击对内生变量变化的贡献度。为了进一步分析货币供应量扰动对股票价格影响的相对重要程度，我们需要接着做各指标对股票价格的方差分解。我们对包含、 、和的第一组数据基于做方差分解，得到的结果如下表所示。表第一组变量方差分解结果上表中的第一列是预测期，中数据为变量的各期预测标准误差，后四列均是百分数，分别代表以、 、 、为因变量的方程新息对各期预测误差的贡献度，每行结果相加是。由于是模型出现的第一个内生变量，根据算法要求，第一步预测误差全部来自该方程的新息。从表中可以看到，随着预测期的逐步增加，来自第一个方程即自身的的新息占预测误差从第期的逐步下降到第期的，而来自的新息所占比例从第期的逐步下降到第期的。来自其他两个变量、的新息所占比例则表现出逐步上升趋势。由此可见，对股票市场价格的影响力度不大。协整检验协整是用来表示一种长期的稳定关系或均衡关系，如果一组非平稳的、同阶的时间序列存在一个平稳的线性组合，那么这组序列就是协整的，这个线性组合被称为协整方程。在确定协整方程前，必须先确保时间序列都为同阶同整。由检验结果（） 、 （） 、 （） 、 （）均满足这一先决条件。由此，我们对该组数据进行迹检验和最大特征值检验。得到迹检验和最大特征值检验的结果如下： 表第一组数据的最大特征值检验由以上两个表格可知，迹检验中第一个特征根对应的值，因而拒绝：，即至少存在一个协整方程。在最大特征值检验中，在原假设为栏中最大特征根的统计量大于显著性水平为的临界值，也拒绝原假设：。因而该检验也说明第一组数据中至少存在一个协整关系，即在显著性水平下接受协整个数分别为。由于协整关系度量的是系统的长期稳定性，因此以上所定义的宏观经济系统是一个稳定系统。 、 、和的长期稳定关系为（）从上式可知，模型中各变量系数在的置信水平下都显著，除利率水平外，其他各个因素对股票价格指数（）上涨具有正向拉动作用。由于上述数据都进行了对数化处理，因此各变量的系数即为各自的股票价格指数弹性。误差修正模型根据定理，一组具有协整关系的变量一定有误差修正模型的存在。协整分析结果表明了各变量之间的长期关系及其变动趋势，而对于短期内的变动则可用误差修正模型来进行分析。基于协整方程的误差修正回归方程为（） （）表第一组数据的迹检验-0.074974误差项系数为，说明调整力度较小，在的置信水平下，显著的值说明协整关系或长期稳定关系对当期的股票价格指数（）会产生较弱的促进作用。格兰杰因果检验误差修正模型是一种基于数据统计性质建立的模型，也是一种非结构化建模的方法。因此，有必要通过方法检验变量之间的因果关系。对该组变量基于（）进行对的因果关系检验，相关的结果如表，在的显著性水平下，不是的因，只有是的因。这说明在第一组数据所构建的模型中，各个指标对于的影响不大，不是引起股票价格指数变化的原因。表第一组变量滞后阶因果关系检验结果序号：结论接受接受拒绝接受接受接受对股价影响的实证分析接下来用第二组数据（、 、 、 ）来分析对股票价格指数的影响，通过用此数据组来估计向量自回归模型。模型同样地，在构建第二组数据的模型前需先确定的最优滞后阶数。我们用该组数据做滞后期为阶的检验，检验结果如表所示。表第二组数据的模型滞后阶数选择标准根据表格中所提供的选择标准数据显示，我们可知、 、统计量均为阶，因此确定模型的滞后阶数。由此我们将定为应变量，将包含在内的其他各指标为自变量来建立模型，结果显示模型的方程式（见附表）为：从上式可看出，滞后一期和滞后两期对的影响为负，即增长造成下跌。但滞后三期对为正向影响。同样地，在得到模型的方程之后，我们还需对建立的该模型有效性进行分析：表第二组数据的模型结果分析从上表中模型检验结果显示，回归方程的判定系数，而调整的判定系数，充分反映出方程整体拟合效果很好，并且从、准则也可判断出该模型的整体效果基本令人满意。从方程中，可以看到上证综合指数与前期的是负相关的，与前期的也是负相关的，但与前期的却是负相关的。对前一期现金的弹性为，对前期现金的弹性为，对前期现金的弹性为。当上一期现金数量上升，那么股价指数下降。而前期的现金数量上升，那么股价指数下降，当前期的现金数量上升，那么股价指数上升。显然，股价指数对提前一期的现金更富有弹性。同样地，我们在建立模型之后，还需对该模型进行平稳性检验。我们采用根检验法，得到以下检验结果：图第二组数据（）的根图形脉冲响应函数分析下面我们对第二组数据所建立的（）模型行脉冲响应函数分析，其结果如下图所示。-.12Response to Cholesky One S.D. Innovations 图第二组变量对一个标准新息的响应图给出了第二组变量中对来自各个变量的一个的反映情况，包括是正向或负向反映及反映的大小，反映期数也是期。同样地，在上列各图中，横轴表示冲击作用的滞后期间数单位：月度，纵轴表示上证指数的响应，实线表示脉冲相应函数，代表了上证指数对、 、的冲击的反应，虚线表示正负两倍标准差偏离带。从图可以看出，对其自身的一个标准差新息立即有反映，增加了约，之后基本稳定在左右。对来自的影响为负向反应，第期为，之后逐步下降至，在期内基本呈现下降趋势。而对来自的影响先表现为正向反应，第期之后表现为负向反应，对来自的影响为正向反应。容易看出，对为单方向的负向影响。方差分解分析为了分析每一个结构冲击对内生变量变化的贡献度，我们对包含、 、和的第二组数据基于做方差分解，结果如下表所示。表第二组变量方差分解结果从表中可以看到，随着预测期的逐步增加，来自第一个方程即自身的的新息占预测误差从第期的逐步下降到第期的，而来自的新息所占比例从第期的逐步上升到第期的。来自其他两个变量、的新息所占比例则表现出逐步上升趋势。由此可见，对股票市场价格的影响力度不大。协整检验由检验结果（） 、 （） 、 （） 、 （）均为一阶单整。由此，我们对该组数据进行迹检验和最大特征值检验。得到迹检验和最大特征值检验的结果如下：表第二组数据的迹检验表第二组数据的最大特征值检验由以上两个表格可知，迹检验中第一个特征根对应的值，因而拒绝：，即至少存在一个协整方程。在最大特征值检验中，在原假设为栏中最大特征根的统计量大于显著性水平为的临界值，也拒绝原假设：。因而该检验也说明第一组数据中至少存在一个协整关系，即在显著性水平下接受协整个数分别为。由检验结果可得， 、 、和的长期稳定关系为从上式可知，模型中各变量系数在的置信水平下都显著，各个因素对股票价格指数（）上涨均有正向拉动作用。其中，对的影响最大。由于上述数据都进行了对数化处理，因此各变量的系数即为各自的股票价格指数弹性。误差修正模型基于协整方程的误差修正回归方程为误差项系数为，说明调整力度较小，在的置信水平下，显著的值说明协整关系或长期稳定关系对当期的股票价格指数（）会产生较弱的促进作用。格兰杰因果检验对第二组变量基于（）进行对的因果关系检验，相关的结果如表，在的显著性水平下，不是的因，而却是的因。此外，检测出是的因，而却不是的因。这说明在第二组数据所构建的模型中，不是变动的格兰杰原因，而却是的格兰杰原因。表第二组变量滞后阶因果关系检验结果序号：结论接受拒绝拒绝接受接受接受对股价影响的实证分析接下来用第三组数据（、 、 、 ）来分析对股票价格指数的影响，通过用此数据组来估计向量自回归模型。模型同样地，在构建第三组数据的模型前需先确定的最优滞后阶数。我们用该组数据做滞后期为阶的检验，检验结果如表所示。表第三组数据的模型滞后阶数选择标准根据表格中所提供的选择标准数据显示，我们可知、 、统计量均为阶，因此确定模型的滞后阶数。由此我们将定为应变量，将包含在内的其他各指标为自变量来建立模型，结果显示模型的方程式（见附表）为：从上式可看出，滞后一期对的影响为正，即增长促进上升。但滞后两期和滞后三期对为负向影响。和情况一样，从经济学上来解释，短期的广义货币增加会导致股价的上升，但从长期来看，会导致流动性剩余，造成通货膨胀，股票贬值。同样，在得到模型的方程之后，我们还需对建立的该模型有效性进行分析：表第三组数据的模型结果分析从上表中模型检验结果显示，回归方程的判定系数，而调整的判定系数，充分反映出方程整体拟合效果很好，并且从、准则也可判断出该模型的整体效果基本令人满意。从方程中，可以看到上证综合指数与前期的是正相关的，与前期的是负相关的，与前期的却又是正相关的。对前期广义货币的弹性为，对前期的弹性为，对前期的弹性为。当上一期货币数量上升，那么股价指数上升。而前期的现金数量上升，那么股价指数下降，当前期的货币数量上升，那么股价指数上升。显然，股价指数对提前一期的现金更富有弹性。同样地，我们在建立模型之后，还需对该模型进行平稳性检验。我们采用根检验法，得到以下检验结果：-1.5图第三组变量对一个标准新息的响应图给出了第三组变量中对来自各个变量的一个的反映情况，包括是正向或负向反映及反映的大小，反映期数也是期。同样地，在上列各图中，横轴表示冲击作用的滞后期间数单位：月度，纵轴表示上证指数的响应，实线表示脉冲相应函数，代表了上证指数对、 、的冲击的反应，虚线表示正负两倍标准差偏离带。从图可以看出，对其自身的一个标准差新息立即有反映，增加了约，之后基本稳定在左右。对来自的影响为正向反应，第期为，之后逐步上升至，在期内基本呈现上升趋势。而对来自的影响先表现为正向反应，第期之后表现为负向反应。对来自的影响为正向反应。容易看出，对为单方向的正向影响。方差分解分析为了分析每一个结构冲击对内生变量变化的贡献度，我们对包含、 、和的第二组数据基于做方差分解，结果如下表所示。表第三组变量方差分解结果从表中可以看到，随着预测期的逐步增加，来自第一个方程即自身的的新息占预测误差从第期的逐步下降到第期的，而来自的新息所占比例从第期的逐步上升到第期的。的新息所占比例表现出逐步上升趋势，则表现出先升后降趋势。由此可见，对股票市场价格的影响力度不大。协整检验由检验结果（） 、 （） 、 （） 、 （）均为一阶单整。由此，我们对该组数据进行迹检验和最大特征值检验。得到迹检验和最大特征值检验的结果如下：表第三组数据的迹检验表第三组数据的最大特征值检验由以上两个表格可知，迹检验中第二个特征根对应的值，因而拒绝：，即至少存在个协整方程。在最大特征值检验中，在原假设为栏中最大特征根的统计量大于显著性水平为的临界值，也拒绝原假设：。因而该检验也说明第一组数据中至少存在个协整关系，即在显著性水平下接受协整个数分别为。由于协整关系度量的是系统的长期稳定性，因此以上所定义的宏观经济系统是一个稳定系统。 、 、和的长期稳定关系为（）从上式可知，模型中各变量系数在的置信水平下都显著，除利率水平外，其他各个因素对股票价格指数（）上涨具有负向拉动作用。由于上述数据都进行了对数化处理，因此各变量的系数即为各自的股票价格指数弹性。误差修正模型基于协整方程的误差修正回归方程为误差项系数为，说明调整力度较小，在的置信水平下，显著的值说明协整关系或长期稳定关系对当期的股票价格指数（）会产生较弱的促进作用。格兰杰因果检验对第三组变量基于（）进行对的因果关系检验，相关的结果如表，在的显著性水平下，不是的因，也不是的因。其他变量间的因果关系检验中，也不存在格兰杰因果关系。这说明在第三组数据所构建的模型中，各个指标对于的影响不大，不是引起股票价格指数变化的原因。表第三组变量滞后阶因果关系检验结果序号：结论接受接受拒绝接受接受接受第五章实证检验的结果分析及政策建议实证检验的结果分析对脉冲分析检验结果进行分析通过对前面三组数据的脉冲响应分析可知， 、 、对股价指数的影响力度均不大，其中从第二期开始和对股价指数是正向影响，而对股价指数则是负向影响。给各个货币层次一个正面冲击对股价指数的影响并不相同。给的正向冲击，使得股票价格指数呈现正向波动。这在一定程度上与人们对货币的看法相关，自古以来，人们都认为现金才是真正的货币，别的货币等价物如银票、支票等，但黄金、物品等自身具有实际价值除外都只是替代物，虽然有一定的可信度，但它们究竟还是无法取代货币，只有现实的货币量指现金总量增加了，才算是真正意义上的货币供给量增加，人们才会拿出超意愿的货币量去购买其他资产。虽然从理论上看，货币供给量的增加会导致股票价格指数的上涨，但在脉冲分析函数分析中并没有支持该理论分析的结论。理论分析可知，货币供给量的变化会对股票价格产生影响，如公众会将其超过意愿的货币量购买股票，从而造成股票价格上涨；但不同层次的货币供给对股票市场的影响是不同的，增加会使公众持有的超过意愿的货币流向股票市场而导致股价的上涨。对方差分析检验结果进行分析从以上三组数据的方差分析结果可以看出，三组变量中，来自股票价格指数自身的新息占其股价指数预测误差的；来自其他变量的新息占股票价格指数预测误差的比例都是处在之间；而来自、 、的新息占股票价格指数预测误差的比例分别为、与左右。说明、对股价指数预测误差的贡献均不大，即对股票价格指数的影响力度不大，但对股价指数影响相对较大。、反映着经济中的现实购买力，不仅反映现实的购买力，还反映潜在的购买力。就、而言，方差分解结果表明在样本期间我国尚未具备通过货币供给量的变动来影响或稳定股票市场的能力，股票市场的自我调节能力还是占重要地位；就而言，方差分析检验结果表明，相关部门可通过调节的变化来稳定股票市场，避免股票价格指数大幅度地波动。协整关系检验结果分析从以上三组数据的协整关系检验可知， 、及与其他变量之间存在长期稳定关系。协整方程中各系数的显著性说明从长期来看相应的变量对股价指数的影响是否显著以及多大影响，从上文协整关系检验可得出：、对股票价格指数都是呈正向促进作用，其中与的系数分别为、 ，不仅相对较大而且显著，表明二者的促进作用相对较强；的促进作用最大，这与上面方差分析的结果相似。对股票价格指数都是呈负向抑制作用，其中的系数为，表明抑制作用较强。这与脉冲分析中，稳定之后， 、对股价指数的正向作用，而对股价指数有负向作用略有不同。误差修正模型分析从协整检验可知， 、 、与之间都存在长期协整关系或长期稳定关系，但从短期来看， 、 、对股票价格指数是否存在促进作用以及偏离长期均衡时的调整力度如何，还得从误差修正模型来考察。在各自的误差修正模型中可知，与所在模型中的误差项系数都很小且为负，这说明各个层次货币供给对偏离长期均衡的调整力度不大，且是抑制作用。而所在模型中的误差项很小为正，这说明各个层次货币供给对偏离长期均衡的调整力度不大，且是促进作用；同时，与所在模型中的误差项系数在的置信水平下不显著，而所在的误差项系数则不显著，表明、 、都与之间存在协整关系或长期稳定关系，但、对当期的股票价格指数产生促进作用较大，而的促进作用则相对较小。因果关系检验结果分析从三组数据的因果关系检验结果可知，在的显著性水平下， 、与均不是股价指数变化的因，而股票价格指数却是变化的因。因此，股票价格指数与所在的系统中不仅存在长期稳定关系，且股票价格指数还是变化的原因之一；而、 、虽分别与股票价格指数所在系统中存在协整关系，但、 、均不是股票价格指数变化的原因。综合上述分析，本文可得出以下结论：（）货币供给对我国股票价格指数有影响，但不同层次的货币供应量对股票价格指数的影响程度不同。通过对脉冲分析检验结果进行分析，得出、对股票价格指数影响远小于，按对股票价格指数影响程度从高到低依次为、 、 。 、 、与股价指数都存在长期的均衡关系。长期来看，货币供应量的增加必定会导致股票价格的变化。但在短期内， 、 、对股票价格偏离长期均衡的调整力度都很小。其中协整分析检验结果表明， 、与对股票价格指数都存在协整关系，且从长期来看， 、对股票价格指数都有正向的促进作用，对股票价格指数有负向的抑制作用。政策与建议货币供应量与股票市场价格存在长期均衡关系。从长期来看，货币供应量的变化会引起股市价格的波动，对股市造成冲击。股市的价格波动又会通过一定渠道引起货币供应量的变化，这两者之间相互影响。从另一方面来看，股票市场会传导和“消耗”部分货币政策的执行效率。因此，货币当局（中国人民银行）在制定和执行货币政策时应充分考虑对股票市场的影响。我国股票市场虽然经历了二十多年的发展，融资额也达到了一定的规模，但是自身也存在着诸多问题。上市公司信息披露不规范、内幕交易盛行、投机行为严重等都直接制约了股票市场的健康发展。这些违规行为都会导致“市场失灵” ，本来投资者可以通过公开透明的信息渠道分析股票的价值，由此来决定是否购买。还有，我国的股票市场参与者多为机