金融资产构造调整与产业构造论文

金融资产构造调整与产业构造论文一、PVAＲ模型估计(一)指标设置及数据选取金融资产构造包括金融资产内部构造和金融资产外部构造。其中金融资产内部构造是指一个国家或地区内货币、证券、保险、债券等各类金融资产在该国或地区金融资产总量中各自占有的比例关系，详细包括货币性金融资产/金融资产总量、证券类金融资产/金融资产总量、保险类金融资产/金融资产总量等指标，衡量的是金融资产多元化的程度。为了反映西部地区金融资产多元化程度与产业构造升级之间的关系，本文采用金融资产内部构造指标来反映西部地区金融资产构造，主要选取的指标有HB、ST、IN。其中，HB=M2/金融资产总额，代表货币资产构造;ST=股票市值总额/银行信贷余额，代表证券资产构造;IN=保费收入总额/金融资产总额，代表保险资产构造。从产业构造升级指标看，根据钱纳里的相关理论可知，当一个国家或地区的产业构造出现升级时，第一产业产值在国内生产总值或地区生产总值中所占有的比重会下降，第二三产业产值在国内生产总值或地区生产总值中所占有的比重会上升。考虑到与东部地区相比，西部地区生产力发展水平相对滞后，产业构造升级更多表现为第二三产业所占比重的增长。为此，本文的产业构造升级指标=(第二产业产值+第三产业产值)/国内生产总值，即非农产业占比FN来代表。在数据选取上，本文以1993－2011年间中国西部地区12省市的金融资产构造和产业构造面板数据作为样本。由于1990年12月和1991年6月中国上海证券交易所和深圳证券交易所才相继成立，1992年以后中国证券市场才有一个完好的会计年度数据，1993年之前西部地区上市公司数量及股票市值较小。因而，这里将实证样本数据的选取跨度定为1993－2011年，数据;为该期间西部地区各省市的（城市统计年鉴）、（经济统计年鉴）、（统计公报）。为了保证各数据序列具有可比性，以1993年为基期，运用1993－2011年间西部地区各省市的CPI指数对相应数据指标序列进行调整。调整后的数据序列FN、HB、ST、IN分别为产业构造升级指标、货币资产构造指标、证券资产构造指标、保险资产构造指标，其特征值见表1。由表1可见，1993－2011年间，西部地区货币资产构造指标的均值最大，保险资产构造指标的均值最小。货币资产构造指标均值是保险资产构造指标均值的69．833倍，是证券资产构造指标的3．551倍。货币资产在西部地区金融资产构造中占有举足轻重的地位，保险资产发展明显缺乏。从残差项看，西部地区证券资产构造指标的残差项最大，保险资产构造指标的残差项最小，这和现实情况基本一致。(二)面板单位根及协整检验在进行面板协整检验和PVAＲ模型分析之前，需要先对各数据序列的平稳性进行检验。这里的序列为面板型数据，运用传统的单位根检验方法可能会产生效力偏低的偏误。为此，这里分别采用了LLC、ADF和Fisher－PP三种适用于面板数据序列的方法进行检验，以保证检验结果的可靠性，结果见表2。由表2的检验结果可知，1993－2011年间西部地区金融资产构造与产业构造数据序列的水平值都无法完全拒绝“存在单位根〞这一原假设，各序列的一阶差分检验值全部能够显著拒绝原假设。因而，西部地区金融资产构造和产业构造指标序列均知足一阶单整，可运用面板协整检验方法来检验该期间金融资产构造调整与产业构造升级之间能否存在协整关系。为了保证检验结果的稳健性，这里采用了Pedroni［15］和Johan-sen面板协整两种方法进行检验，结果见表3。从表3中的Pedroni检验结果可见，除PanelPP和GroupPP－Statistic两个指标不显著外，其他指标均显著拒绝“不存在协整关系〞的原假设，这表明变量间存在长期协整关系。同时，Fisher检验值也在1%的显著度水平下显著拒绝原假设，所以存在协整关系。(三)PVAＲ模型估计Chamberlain创始了基于面板数据的PVAＲ模型。以此为基础，DouglasHoltz－Eakin、WhitneyNewey和Harvey［16］建立了如下基于个体固定效应时变系数的PVAＲ模型和广义距估计(GMM)法。PVAＲ模型拥有一个前提假设，即每个省市的金融资产构造变量HB、ST、IN对产业构造升级的影响具有一样的基本构造，这显然与现实存在较大差距。为此，这里把固定效应ηt和时间效应Φt引入模型，分别代表不同省市变量间存在的区域异质性和解释系统变量里的趋势特征，εi，t为白噪声。在有效去除模型中固定效应和时间效应的干扰之后，即可采用GMM估计法来估计PVAＲ模型参数，详细结果见表4。根据AIC信息准则可得知模型的最佳滞后期为1期。由表4的估计结果可知，西部地区FN对本身在1%水平上具有显著的正向影响，影响度为0．923%;对HB在5%水平上具有显著的正向影响，影响度为1．448%;对ST在10%水平上具有显著的正向影响，影响度为0．581%;对IN有微弱的正向影响，影响度为0．025%，但并不显著。HB对FN在5%水平上具有显著的反向影响，影响度为－0．823%;ST对FN在10%水平上具有显著的正向影响，影响度为1．051%;IN对FN具有微弱的反向影响，影响度为－0．051%，并不显著。二、面板脉冲响应及方差分解为了让误差项实现正交，以便克制因误差项相关而对估计效果产生影响，这里采用的方法是Cholesky残差的方差—协方差矩阵分解。由于方程顺序或内生变量顺序在大多数情况下会影响Cholesky残差的方差—协方差矩阵分解结果，需要建立相应的置信区间来避免这一问题。为此，本文以GMM方法估计出的系数以及方差—协方差矩阵为基础，采用MonteCarlo模拟实验随机生成大量系数，重复计算变量间的冲击响应，这一经过共进行了500次，用模拟结果所获得的两个标准误差置信区间来评价变量间的冲击响应能否显著。图1给出了西部地区金融资产构造调整与产业构造升级之间的PVAＲ正交化脉冲响应图，其中横轴为追溯期，这里共考察了6个追溯期;纵轴为其他变量产生一个标准差冲击时因变量的响应程度;中间一条曲线为因变量的响应函数线，外侧两条曲线为2倍标准差的置信区间。图1中第一行分别是FN对来自HB、ST、IN一个标准差冲击的响应情况。由图可见，当HB产生一个标准差冲击时，FN在即期的响应值为0，随后表现为一种反向效应，这讲明1993－2011年间西部地区的货币资产增长并没有促进产业构造升级。究其原因，这或许是由于货币资产的增加意味着社会融资环境变得愈加宽松，在融资成本较低的条件下企业缺乏动力进行产业构造升级的缘故。当ST产生一个标准差冲击时，FN在即期的响应值为0，之后则呈现为一种正向响应，讲明证券资产构造的调整促进了西部地区产业构造升级，这与证券市场的资源优化配置功能相符。当IN产生一个标准差冲击时，FN的即期响应值为0，之后逐步呈现为一种反向响应，这或许与西部地区企业效益不高有关。当企业效益较差时，保险资产构造的提升意味着企业将为更多员工投保，或为原有员工增加投保金额，这可能会加重企业负担，在一定时期内不利于企业发展，因而表现出一种微弱的反向响应。图1中第二行分别是HB、ST、IN对FN一个标准差冲击的响应。从图中可见，当FN产生一个标准信息差冲击时，HB的响应为正向，这讲明西部地区产业构造升级有利于货币资产构造的提升。这是由于产业构造升级后，其产出效率更高，企业和居民个人将拥有更多存款和财富，其显现出来的效应就是整个社会的货币资金增加。当FN产生一个标准差信息冲击时，证券资产构造在即期固然表现为一种微弱的反向响应，但很快转变为一种稳定的正向响应。讲明从整体上看，产业构造升级有利于证券资产的发展。当FN产生一个标准差冲击时，IN在即期表现为一种正向响应，之后逐步向0收敛。讲明西部地区产业构造升级能促进保险资产的发展，但从总体上看这种促进效应还相对较小。为了进一步揭示各变量波动的;，下面分别从10、20、30个预测期对HB、ST、IN和FN的预测均方误差进行分解，进一步分析HB、ST、IN和FN间冲击作用的详细构成，结果见表5。由方差分解结果可知，在10、20、30个预测期，FN的变动中分别有37．288%、34．513%和34．493%的比例;于本身，;于HB的影响分别为17．336%、17．192%和17．178%，;于ST的影响分别为41．343%、44．947%和44．991%，;于IN的影响分别为4．033%、3．349%和3．339%。对FN变动影响的大小顺序分别为证券资产构造调整、货币资产构造调整、保险资产构造调整。与此相应，FN对HB的影响分别占到32．369%、34．488%、34．492%，对ST的影响分别为29．191%、34．450%、34．492%，对IN的影响的分别为34．945%、34．498%、34．492%。由此可见，产业构造升级对证券资产构造调整、货币资产构造调整、保险资产构造调整的影响大小较为接近。三、面板Granger因果检验根据Granger的研究结论，假如两个非平稳时间序列变量存在协整关系，那么这两个变量间至少存在一个单向格兰杰因果关系［19］。在假设变量已包含全部预测信息的前提下，Granger构建了下面检验模型。该模型主要适用于时间序列数据。Hurlin和Venet以为，当检验对象为既有时间维度特征，又有截面维度特征的面板数据序列(PanelData)时，由于样本量明显增大，自由度提高，解释变量间的共线性程度会降低，基于面板数据序列为基础的模型检验具有更强的稳定性和可靠性［20］。模型(8)假设变量Y与其本身的过去值以及变量X的过去值相关，如检验结果显示变量X的系数和显著不等于0，则讲明系统中仅存在X到Y的单向格兰杰因果关系。模型(9)假设变量X与其本身的过去值以及变量Y的过去值相关，如估计结果显示变量Y的系数和显著不等于0，则讲明系统中仅存在Y到X的单向格兰杰因果关系。假如检验结果显示变量X和变量Y都显著不等于0，则讲明变量X和变量Y之间存在双向因果关系，即X是Y的格兰杰原因，Y也是X的格兰杰原因。以上模型中，Δ代表变量的一阶差分，p为变量的滞后期数。如检验结果显示模型中的差分项显著，则讲明在短期内变量间存在格兰杰因果关系;如检验结果显示模型中的误差修正项ecmt－1显著，则讲明在在长期内变量间存在格兰杰因果关系。运用面板数据对西部地区12省市金融资产构造调整与产业构造升级变量进行格兰杰因果关系检验，结果见表6。由表6的检验结果可得出下面结论:第一，无论是FN与HB、FN与IN，还是FN与ST的格兰杰因果关系检验的ecm均至少在5%水平显著。讲明在长期内，西部地区金融资产构造调整与产业构造升级之间存在双向格兰杰因果关系，即产业构造升级是金融资产构造调整的格兰杰原因。同时，金融资产构造调整也是产业构造升级的格兰杰原因。第二，在短期内，FN和HB、FN和ST、HB与ST之间只存在单向因果关系，即HB是FN的格兰杰原因，但FN不是HB的格兰杰原因;ST是FN的格兰杰原因，FN不是ST的格兰杰原因。第三，短期内，IN与FN之间不存在格兰杰关系，即FN不是IN的格兰杰原因，IN也不是FN的格兰杰原因。四、结论及政策建议本文从金融资产构造调整视角出发，在构建面板向量自回归模型(PVAＲ)的基础上，综合运用面板协整检验、面板脉冲响应和方差分解、面板格兰杰因果关系检验等多种模型对1993－2011年间西部地区金融资产构造调整与产业构造升级之间的互动关系进行研究，获得下面基本结论。(1)西部地区金融资产构造调整与产业构造升级之间存在长期协整关系。金融资产构造调整对产业构造升级的作用方向是:货币资产构造调整对产业构造升级具有反向作用;证券资产构造调整对产