我国银行股市与经济增长的动态关联及实证剖析

我国银行股市与经济增长的动态关联及实证剖析一、引言1.1研究背景与意义在现代经济体系中，金融市场占据着举足轻重的地位，它不仅是资金融通的关键场所，更是连接储蓄与投资的重要桥梁，对经济增长起着至关重要的作用。我国金融市场历经多年的改革与发展，取得了举世瞩目的成就。从规模上看，股票市场不断扩容，上市公司数量持续增加，总市值稳步攀升；债券市场也发展迅速，发行规模日益壮大，品种日益丰富，涵盖政府债券、金融债券和公司债券等多个类别。银行业作为金融体系的核心组成部分，同样保持着稳健的发展态势，资产规模稳步增长，业务创新不断推进，金融服务的覆盖面和深度持续提升。与此同时，非传统银行金融市场也呈现出蓬勃发展的态势，凭借其灵活多样的金融产品和服务，吸引了大量客户和投资者，在金融市场中所占的份额逐渐提高。然而，在取得显著成就的同时，我国金融市场也面临着一系列挑战。从市场结构来看，直接融资与间接融资发展不平衡的问题较为突出，直接融资比例相对偏低，导致金融风险过度集中于银行体系，这在一定程度上影响了金融体系的稳定性，不利于经济金融的可持续发展。从市场活跃度来看，股票和债券市场在某些时期表现低迷，投资者信心不足，市场交易活跃度不高，这不仅影响了市场的资源配置效率，也制约了金融市场对经济增长的促进作用。银行股市作为金融市场的重要组成部分，与经济增长之间存在着紧密而复杂的联系。银行作为资金融通的主要中介机构，通过吸收存款、发放贷款等业务活动，为企业和个人提供必要的资金支持，推动实体经济的发展。当银行扩大信贷规模时，企业能够获得更多的资金用于扩大生产、技术创新和设备更新，从而促进经济增长；反之，若银行收紧信贷，企业的融资难度增加，可能会抑制经济的发展。股票市场则为企业提供了直接融资的渠道，企业通过发行股票筹集资金，用于项目投资和业务拓展，有助于优化资源配置，提高企业的生产效率和竞争力，进而推动经济增长。此外，股票市场的繁荣还能够提升投资者的财富效应，刺激消费，带动经济的增长。深入研究银行股市与经济增长之间的关系，对于我国金融市场的健康发展和经济的持续增长具有重要的理论与现实意义。在理论层面，有助于丰富和完善金融发展与经济增长的相关理论，进一步揭示金融市场与实体经济之间的内在联系和作用机制。通过对银行股市与经济增长关系的实证研究，可以检验和拓展现有理论，为金融理论的发展提供新的经验证据和研究视角，推动金融理论的不断创新和完善。在实践层面，对政策制定者而言，了解银行股市与经济增长的关系，能够为制定科学合理的金融政策和经济发展战略提供有力依据。在金融市场出现波动时，政策制定者可以根据两者之间的关系，有针对性地采取措施，稳定银行股市，促进经济增长。当股票市场低迷时，政府可以出台相关政策，如降低印花税、鼓励企业回购股票等，提振市场信心，促进股票市场的活跃，进而带动经济增长。对投资者来说，掌握银行股市与经济增长的关系，有助于更好地理解市场动态，做出明智的投资决策。投资者可以根据经济增长的趋势和银行股市的表现，合理调整投资组合，分散风险，提高投资收益。在经济增长预期良好时，投资者可以增加对股票市场的投资；而在经济增长面临压力时，则可以适当配置银行理财产品等稳健型资产，降低投资风险。1.2国内外研究现状关于金融发展与经济增长的关系，国外学者进行了大量研究。戈德史密斯（Goldsmith）于1969年开创性地运用35个国家1860-1963年间的数据，对金融发展与经济增长的关系展开实证研究，发现经济增长与金融发展具有同步性，经济快速增长时期往往伴随着金融的较快发展，但未涉及两者的因果关系。阿切和乔万诺维奇（Atje&Jovanovic，1993）认为股票市场发展具有增长效应和水平效应，资本市场发展对人均实际GDP增长率影响显著，而银行贷款的影响较小。莱文和泽尔沃斯（Levine&Zervos，1998）使用总体指标，结合42个样本国家和一系列年份的时间序列与横截面数据进行检验，发现股票市场总体发展与长期经济增长之间存在很强的相关关系。哈里斯（Harris，1997）在实证研究中区分了发达国家和发展中国家，指出在发达国家资本市场与经济增长相互促进，而在发展中国家两者联系较弱，证券市场的高投机性和波动性使其难以有效配置资金，还会影响经济金融体制稳定性和经济持续增长。国内学者对金融发展与经济增长关系的研究起步相对较晚，且多集中于实证层面。谈儒勇（1999）利用普通最小二乘法发现我国金融中介发展与经济增长显著相关。王志强与孙刚（2003）采用带有控制变量的向量误差修正模型和格兰杰因果检验方法，得出20世纪90年代以来我国金融发展与经济增长呈现显著双向因果关系。周立与王子明（2003）研究全国各省市区金融发展与经济增长关系，认为金融发展对经济增长有促进作用。冉光和（2006）分别对我国东西部进行研究，发现西部地区金融发展对经济增长具有单向长期因果关系，无明显短期因果关系，东部地区则同时具有明显双向长期和短期关系。在银行、股市与经济增长关系的研究方面，有学者提出假设并实证检验，发现我国银行对经济增长的贡献比股市更明显，银行发展在一定程度上能促进股市对经济增长的贡献。也有研究表明我国经济增长依赖银行贷款，股票市场发展对经济增长作用不显著，银行发展对经济增长的贡献大于股票市场。现有研究为深入理解金融发展与经济增长的关系提供了丰富的理论和实证基础，但仍存在一定不足。一方面，在研究金融市场对经济增长的影响时，大多将金融市场视为一个整体，对银行股市与经济增长之间的具体关系和作用机制缺乏深入、细致的分析。另一方面，在研究方法上，虽然已运用多种计量模型，但部分研究样本数据的时间跨度较短或覆盖范围有限，可能导致研究结果的局限性和不稳定性。此外，随着我国金融市场的快速发展和不断创新，新的金融现象和问题不断涌现，以往的研究成果难以完全适用于当前复杂多变的金融市场环境。本研究将在已有研究的基础上，聚焦银行股市与经济增长的关系，运用更全面、更具时效性的数据，采用多种实证方法进行深入分析，以弥补现有研究的不足，为相关理论和实践提供新的参考。1.3研究方法与创新点本研究综合运用多种实证分析方法，深入探究我国银行股市与经济增长之间的关系。在数据处理阶段，为确保数据的可靠性和有效性，对收集到的时间序列数据进行了单位根检验，以判断数据的平稳性。若数据不平稳，还将采用差分等方法进行处理，使其满足后续分析的条件。在因果关系分析方面，采用格兰杰因果检验，该方法能够有效判断银行股市发展指标与经济增长指标之间是否存在因果关系，以及因果关系的方向。通过格兰杰因果检验，可以明确银行股市的发展是否会引起经济增长的变化，或者经济增长是否会推动银行股市的发展，从而为深入理解两者之间的内在联系提供依据。为了进一步分析银行股市与经济增长之间的动态关系，构建向量自回归（VAR）模型。VAR模型是一种多变量时间序列模型，它将系统中的每个变量都视为系统内其他变量滞后值的线性函数，能够全面地捕捉多个变量之间的动态相互作用。在构建VAR模型时，根据数据的特点和研究目的，合理确定模型的滞后阶数，以确保模型能够准确地反映变量之间的关系。通过VAR模型，可以分析银行股市和经济增长变量之间的短期和长期动态响应，例如，当银行股市发生变化时，经济增长会如何随之变动，以及这种变动的幅度和持续时间等。脉冲响应函数和方差分解是基于VAR模型进行分析的重要工具。脉冲响应函数用于描述系统对一个内生变量的冲击所做出的动态响应，通过脉冲响应函数，可以直观地看到银行股市或经济增长受到一个单位冲击后，自身以及其他变量在后续各期的变化情况，从而深入了解变量之间的传导机制和影响路径。方差分解则是将系统的预测均方误差分解为各变量冲击所做的贡献，通过方差分解，可以确定每个变量对其他变量波动的相对贡献程度，明确银行股市和经济增长在彼此波动中所起的作用大小。本研究在数据选取和研究视角上具有一定的创新之处。在数据选取方面，不仅涵盖了以往研究中常用的宏观经济数据和金融市场数据，还充分考虑到我国金融市场近年来的创新发展，纳入了一些新的金融变量，如互联网金融相关数据、金融衍生品市场数据等，使研究数据更加全面、丰富，能够更准确地反映我国金融市场的实际情况，为研究结论的可靠性提供了有力支持。在研究视角上，突破了以往将银行市场和股票市场分开研究，或者将金融市场作为一个整体与经济增长进行研究的局限，从银行股市协同发展的角度出发，深入分析两者与经济增长之间的复杂关系，为理解金融市场与经济增长的关系提供了新的思路和视角。这种独特的研究视角有助于揭示银行市场和股票市场在促进经济增长过程中的相互作用机制，为制定更加科学合理的金融政策提供理论依据。二、我国银行股市与经济增长的理论分析2.1银行对经济增长的作用机制银行作为金融体系的核心组成部分，在经济增长过程中发挥着不可或缺的作用，其作用机制主要体现在资金融通、资源配置、风险管理以及提供金融服务等多个方面。在资金融通方面，银行是连接储蓄与投资的关键桥梁。社会中存在着大量的闲置资金，这些资金分散在各个经济主体手中，如居民、企业等。银行通过吸收存款的方式，将这些分散的小额资金汇聚起来，形成庞大的资金池。以中国工商银行为例，截至2023年末，其吸收的各项存款余额高达33.5万亿元。银行再将这些资金以贷款的形式发放给有资金需求的企业和个人。对于企业而言，资金是其开展生产经营活动的重要基础。企业获得银行贷款后，可以用于购置生产设备、原材料，扩大生产规模，从而提高生产能力，创造更多的产品和服务，推动经济增长。个人也可以通过银行贷款实现住房购买、教育投资等，促进消费和人力资本的提升，间接推动经济发展。银行还通过发行金融债券等方式在金融市场上筹集资金，进一步拓宽了资金融通的渠道，为经济发展提供了更多的资金支持。据统计，2023年我国商业银行累计发行金融债券达到5.6万亿元，为实体经济注入了大量资金。资源配置是银行促进经济增长的重要机制之一。银行依据市场信号和自身的风险评估体系，对资金进行合理分配。银行会对不同行业、企业的发展前景和风险状况进行分析。对于那些具有良好发展前景、创新能力强的新兴产业和优质企业，银行会给予更多的资金支持，助力其快速发展。在当前大力发展新能源产业的背景下，银行积极向新能源汽车制造企业、太阳能发电企业等提供贷款，推动这些企业的技术研发和产能扩张，促进新能源产业的发展壮大，优化产业结构，提高经济发展的质量和效益。相反，对于一些产能过剩、高污染、高能耗的行业和企业，银行会减少信贷投放，限制其发展，促使资源从低效领域向高效领域转移，实现资源的优化配置。在2023年，银行业对绿色产业的贷款余额同比增长了25%，而对“两高一剩”行业的贷款余额则有所下降，这体现了银行在资源配置方面的引导作用。风险管理也是银行的重要职能之一，它对经济增长起到了稳定器的作用。在经济活动中，企业和个人面临着各种风险，如信用风险、市场风险、流动性风险等。银行凭借专业的风险管理团队和完善的风险评估体系，能够对风险进行有效的识别、评估和控制。银行在发放贷款前，会对借款人的信用状况、财务状况、还款能力等进行详细的调查和评估，根据评估结果确定贷款额度、利率和还款方式，降低信用风险。在贷款发放后，银行会持续跟踪借款人的经营状况，及时发现潜在风险并采取相应措施，如要求借款人增加抵押物、提前收回贷款等。银行还通过资产证券化、金融衍生品交易等方式，将自身面临的风险进行分散和转移，降低风险对自身和整个金融体系的影响，保障金融体系的稳定运行，为经济增长创造稳定的金融环境。在2008年全球金融危机期间，我国银行业通过加强风险管理，有效抵御了外部风险的冲击，为经济的稳定增长提供了有力支持。银行还提供多样化的金融服务，促进经济增长。银行提供的支付结算服务，使经济主体之间的交易更加便捷、高效。企业和个人可以通过银行的账户体系进行资金的收付，无论是国内贸易还是国际贸易，都能通过银行的支付结算系统快速完成交易款项的清算，加速资金的周转，提高经济运行效率。银行还为企业提供财务管理咨询、投资顾问等服务，帮助企业优化财务结构，制定合理的投资策略，提高企业的经营管理水平和经济效益。银行开展的信用卡业务，为消费者提供了便捷的消费信贷工具，刺激了消费需求，拉动了经济增长。在2023年，我国银行卡消费金额达到了100万亿元，信用卡发卡量也持续增长，这表明银行的金融服务在促进消费和经济增长方面发挥了重要作用。2.2股票市场对经济增长的作用机制股票市场作为金融市场的重要组成部分，对经济增长具有多方面的作用机制，主要体现在资本形成、风险分散、优化资源配置、促进企业治理以及信息传递与价格发现等方面。资本形成是股票市场促进经济增长的重要途径之一。企业通过在股票市场发行股票，能够直接从投资者手中筹集到大量资金，为企业的发展提供必要的资本支持。以腾讯为例，腾讯在香港联合交易所上市后，通过多次增发股票筹集了巨额资金，这些资金被用于拓展互联网业务、研发新技术、进行海外市场拓展等，助力腾讯成长为全球知名的互联网科技巨头，其业务的扩张和创新也带动了相关产业链的发展，促进了经济增长。据统计，2023年我国A股市场通过新股发行和再融资筹集的资金总额达到了1.5万亿元，为众多企业提供了发展所需的资金，推动了企业的成长和扩张，进而促进了经济增长。股票市场还能够吸引国内外投资者的资金，增加社会的资本总量，为经济发展提供更充足的资金来源。随着我国资本市场的不断开放，越来越多的境外投资者通过沪港通、深港通等渠道投资我国股票市场，为市场注入了新的资金活力。风险分散是股票市场的重要功能之一，它对经济增长起到了稳定器的作用。投资者通过购买不同企业的股票，将资金分散到多个行业和企业，从而降低了单一企业或行业风险对投资组合的影响。投资者可以同时投资于金融、消费、科技、医疗等多个行业的股票，当某个行业出现不利情况时，其他行业的股票表现可能会弥补损失，使投资组合的风险得到有效分散。这种风险分散机制使得投资者更愿意将资金投入股票市场，为企业提供融资支持，促进经济增长。股票市场还通过资产证券化等金融创新工具，将企业的风险进一步分散到更广泛的投资者群体中，增强了金融体系的稳定性，为经济增长创造了良好的金融环境。例如，房地产企业可以将其房地产项目的收益权进行证券化，通过发行房地产投资信托基金（REITs）在股票市场上募集资金，将房地产项目的风险分散给众多投资者，降低了房地产企业的风险集中度，也为投资者提供了参与房地产投资的新途径。优化资源配置是股票市场促进经济增长的关键机制。在股票市场中，资金会根据企业的经营业绩、发展前景等因素进行流动。经营业绩良好、发展前景广阔的企业，其股票价格往往较高，能够吸引更多的资金流入，从而获得更多的资源支持，实现更快的发展；而经营不善的企业，其股票价格下跌，难以获得足够的资金，可能会被市场淘汰。以新能源汽车行业为例，近年来随着环保意识的增强和对新能源汽车需求的增加，特斯拉、比亚迪等新能源汽车企业的经营业绩和发展前景备受市场关注，其股票价格持续上涨，吸引了大量资金投入，企业得以不断扩大生产规模、加大研发投入，推动了新能源汽车行业的快速发展，促进了产业结构的优化升级，提高了经济发展的质量和效益。据统计，2023年新能源汽车行业的上市公司在股票市场的融资额同比增长了30%，有力地支持了行业的发展。股票市场的这种资源配置功能，促使资金从低效企业流向高效企业，从传统产业流向新兴产业，实现了资源的优化配置，推动了经济的增长。股票市场对企业治理也具有积极的促进作用，进而影响经济增长。为了在股票市场上获得投资者的青睐，企业需要加强自身治理，提高经营管理水平。企业会建立健全的公司治理结构，完善内部管理制度，规范信息披露，加强对管理层的监督和约束，以提高企业的透明度和运营效率。苹果公司通过完善的公司治理结构，确保了管理层能够有效地制定和执行战略决策，不断推出创新产品，提高了企业的市场竞争力和盈利能力，其股票价格也长期保持上涨趋势，为投资者带来了丰厚回报。良好的公司治理能够提高企业的绩效，促进企业的可持续发展，进而推动经济增长。股票市场还通过并购重组等方式，促进企业的整合和资源的优化配置，提高企业的规模经济效益和市场竞争力。例如，美团收购摩拜单车，实现了资源的整合和协同效应，拓展了业务领域，提升了市场竞争力，推动了企业的发展，也对经济增长产生了积极影响。信息传递与价格发现是股票市场的重要功能，对经济增长具有重要意义。股票市场汇聚了众多投资者的信息和预期，通过股票价格的波动反映了市场对企业未来发展的预期和评价。股票价格的上涨或下跌传递了市场对企业经营状况、发展前景等方面的信息，为企业的决策提供了重要参考。当股票价格上涨时，表明市场对企业的未来发展充满信心，企业可以据此加大投资、拓展业务；反之，当股票价格下跌时，企业则需要反思自身的经营策略，进行调整和改进。股票市场的价格发现功能还能够引导资源的合理配置，使资源流向最有价值的企业和项目，提高经济运行效率，促进经济增长。例如，当市场对人工智能行业的发展前景看好时，相关企业的股票价格会上涨，吸引更多的资金投入到人工智能领域，推动该行业的技术研发和产业发展，促进经济增长。2.3银行股市与经济增长的相互作用关系银行股市与经济增长之间存在着复杂的相互作用关系，这种关系既体现在银行股市对经济增长的影响上，也体现在经济增长对银行股市的反作用上，两者相互促进、相互制约，共同构成了金融市场与实体经济紧密联系的动态体系。银行股市对经济增长具有显著的促进作用。银行通过资金融通功能，将社会闲置资金集中起来，为企业和个人提供贷款，满足其生产经营和消费需求，从而推动经济增长。银行向制造业企业提供贷款，企业利用这些资金购置先进设备、扩大生产规模，提高了生产效率，增加了产品供给，带动了相关产业链的发展，促进了经济增长。银行还通过参与企业的项目投资、并购重组等活动，为企业提供全方位的金融服务，助力企业优化资源配置，提升市场竞争力，推动产业升级，进而促进经济增长。在企业并购重组过程中，银行可以提供并购贷款、财务顾问等服务，帮助企业实现资源整合和协同效应，提高企业的规模经济效益和市场竞争力，促进经济的结构调整和转型升级。股票市场同样对经济增长有着重要的推动作用。企业通过股票市场发行股票筹集资金，为企业的发展提供了长期稳定的资本支持。这些资金可以用于企业的技术研发、市场拓展、设备更新等方面，有助于企业提升创新能力和生产效率，增强市场竞争力，实现快速发展，进而推动经济增长。以科技创新企业为例，它们通过在股票市场上市融资，获得大量资金用于研发新技术、新产品，推动了科技创新和产业升级，促进了经济增长。股票市场的价格信号功能能够引导资源的合理配置。股票价格的波动反映了市场对企业未来发展的预期，资金会流向那些经营业绩良好、发展前景广阔的企业，从而实现资源的优化配置，提高经济运行效率，促进经济增长。当市场对新能源汽车行业的发展前景看好时，相关企业的股票价格上涨，吸引更多的资金投入到该行业，推动新能源汽车产业的快速发展，带动经济增长。经济增长也会对银行股市产生积极的反作用。经济增长带来企业和居民收入的增加，企业收入的增长使其盈利能力增强，有更多的资金用于偿还银行贷款，降低了银行的不良贷款率，提高了银行的资产质量和经营效益。居民收入的增加则使其储蓄水平提高，银行的存款规模相应扩大，为银行提供了更多的资金来源，增强了银行的资金实力，使其能够更好地开展信贷业务，支持经济发展。随着经济的增长，企业的发展前景更加广阔，投资机会增多，这吸引了更多的投资者参与股票市场。投资者对股票市场的信心增强，股票市场的交易量和市值不断扩大，市场活跃度提高，为企业的融资和发展创造了更加有利的条件。在经济增长的背景下，企业的盈利预期提高，股票的投资价值增加，吸引更多的投资者购买股票，推动股票价格上涨，促进股票市场的繁荣。银行股市与经济增长之间也存在着相互制约的关系。当银行股市出现波动或危机时，可能会对经济增长产生负面影响。银行体系出现信用危机，导致银行收紧信贷政策，企业和个人难以获得贷款，资金链断裂，生产经营活动受到严重影响，可能引发经济衰退。股票市场的大幅下跌会使投资者的财富大幅缩水，消费和投资信心受挫，消费和投资需求下降，进而影响经济增长。当经济增长放缓或陷入衰退时，也会对银行股市造成冲击。经济增长放缓导致企业盈利能力下降，还款能力减弱，银行的不良贷款增加，资产质量下降，经营风险加大。经济衰退还会导致股票市场的投资回报率下降，投资者对股票市场的信心下降，股票市场可能出现低迷，企业的融资难度加大，影响银行股市的健康发展。在经济衰退时期，企业的销售额下降，利润减少，股票价格下跌，投资者纷纷抛售股票，股票市场陷入低迷，企业通过股票市场融资的难度增加，影响企业的发展和扩张。三、我国银行股市与经济增长关系的实证研究设计3.1数据选取与指标构建为了深入探究我国银行股市与经济增长之间的关系，本研究选取了具有代表性的时间序列数据，数据区间为2000年至2023年。数据来源广泛，涵盖了国家统计局、中国人民银行、上海证券交易所、深圳证券交易所等权威机构发布的统计数据，以确保数据的准确性和可靠性。在经济增长指标方面，选用国内生产总值（GDP）作为衡量经济增长的核心指标。GDP是一个国家（或地区）所有常住单位在一定时期内生产活动的最终成果，它全面反映了一个国家或地区的经济总量和经济增长情况，是国际上通用的衡量经济增长的重要指标。为了消除价格因素的影响，以2000年为基期，运用居民消费价格指数（CPI）对GDP进行平减处理，得到实际GDP。在数据处理过程中，对实际GDP进行自然对数变换，记为LnGDP，这样可以使数据更加平稳，便于后续的计量分析，同时也能反映出经济增长的相对变化趋势。银行发展指标的选取综合考虑了多个方面。选用金融机构各项贷款余额（Loan）来衡量银行的信贷规模。贷款是银行的主要业务之一，信贷规模的大小直接反映了银行对实体经济的资金支持力度，对经济增长具有重要影响。以2000年为基期，运用固定资产投资价格指数对金融机构各项贷款余额进行平减处理，以消除价格因素的影响。再对平减后的贷款余额进行自然对数变换，记为LnLoan。选用商业银行资本充足率（CAR）作为衡量银行稳定性的指标。资本充足率是指商业银行持有的符合规定的资本与风险加权资产之间的比率，它反映了银行抵御风险的能力，较高的资本充足率意味着银行在面对风险时具有更强的缓冲能力，能够保障银行体系的稳定运行，进而为经济增长提供稳定的金融环境。在股票市场发展指标方面，选用股票市场市值（MarketCap）来衡量股票市场的规模。股票市场市值是指在某一时点上，股票市场上所有上市公司股票的总价值，它反映了股票市场的总体规模和发展水平，市场规模的扩大有助于企业筹集更多的资金，促进经济增长。以2000年为基期，运用居民消费价格指数（CPI）对股票市场市值进行平减处理，以消除价格因素的影响。再对平减后的股票市场市值进行自然对数变换，记为LnMarketCap。选用股票市场换手率（Turnover）作为衡量股票市场流动性的指标。换手率是指一定时期内股票的成交量与流通股本之间的比率，它反映了股票市场的交易活跃程度和流动性水平，较高的换手率意味着股票市场交易活跃，资金流动顺畅，有助于提高市场效率，促进资源的优化配置，进而对经济增长产生积极影响。本研究还选取了通货膨胀率（Inflation）作为控制变量。通货膨胀率是衡量物价水平变化的重要指标，它反映了货币的购买力变化情况，对经济增长和金融市场都具有重要影响。通货膨胀率过高或过低都可能对经济增长产生不利影响，因此在研究银行股市与经济增长的关系时，需要控制通货膨胀率的影响。通货膨胀率采用居民消费价格指数（CPI）的同比增长率来计算，公式为：Inflation_t=\frac{CPI_t-CPI_{t-1}}{CPI_{t-1}}\times100\%，其中Inflation_t表示第t期的通货膨胀率，CPI_t表示第t期的居民消费价格指数，CPI_{t-1}表示第t-1期的居民消费价格指数。通过控制通货膨胀率，可以更准确地分析银行股市与经济增长之间的关系，排除通货膨胀因素对研究结果的干扰。3.2模型设定与检验方法为了深入分析我国银行股市与经济增长之间的动态关系，本研究构建向量自回归（VAR）模型。VAR模型是一种基于数据驱动的多变量时间序列模型，它将系统中的每个内生变量都视为系统内所有内生变量滞后值的线性函数，能够全面地捕捉多个变量之间的动态相互作用。在VAR模型中，内生变量之间的关系是通过对数据的统计分析得出的，而不是基于先验的经济理论假设，这使得VAR模型在处理复杂的经济系统时具有很强的灵活性和实用性。对于本研究中的变量，构建如下VAR模型：\begin{align*}LnGDP_t&=\alpha_{10}+\sum_{i=1}^{p}\alpha_{1i}LnGDP_{t-i}+\sum_{i=1}^{p}\alpha_{2i}LnLoan_{t-i}+\sum_{i=1}^{p}\alpha_{3i}CAR_{t-i}+\sum_{i=1}^{p}\alpha_{4i}LnMarketCap_{t-i}+\sum_{i=1}^{p}\alpha_{5i}Turnover_{t-i}+\sum_{i=1}^{p}\alpha_{6i}Inflation_{t-i}+\varepsilon_{1t}\\LnLoan_t&=\alpha_{20}+\sum_{i=1}^{p}\alpha_{1i}LnGDP_{t-i}+\sum_{i=1}^{p}\alpha_{2i}LnLoan_{t-i}+\sum_{i=1}^{p}\alpha_{3i}CAR_{t-i}+\sum_{i=1}^{p}\alpha_{4i}LnMarketCap_{t-i}+\sum_{i=1}^{p}\alpha_{5i}Turnover_{t-i}+\sum_{i=1}^{p}\alpha_{6i}Inflation_{t-i}+\varepsilon_{2t}\\CAR_t&=\alpha_{30}+\sum_{i=1}^{p}\alpha_{1i}LnGDP_{t-i}+\sum_{i=1}^{p}\alpha_{2i}LnLoan_{t-i}+\sum_{i=1}^{p}\alpha_{3i}CAR_{t-i}+\sum_{i=1}^{p}\alpha_{4i}LnMarketCap_{t-i}+\sum_{i=1}^{p}\alpha_{5i}Turnover_{t-i}+\sum_{i=1}^{p}\alpha_{6i}Inflation_{t-i}+\varepsilon_{3t}\\LnMarketCap_t&=\alpha_{40}+\sum_{i=1}^{p}\alpha_{1i}LnGDP_{t-i}+\sum_{i=1}^{p}\alpha_{2i}LnLoan_{t-i}+\sum_{i=1}^{p}\alpha_{3i}CAR_{t-i}+\sum_{i=1}^{p}\alpha_{4i}LnMarketCap_{t-i}+\sum_{i=1}^{p}\alpha_{5i}Turnover_{t-i}+\sum_{i=1}^{p}\alpha_{6i}Inflation_{t-i}+\varepsilon_{4t}\\Turnover_t&=\alpha_{50}+\sum_{i=1}^{p}\alpha_{1i}LnGDP_{t-i}+\sum_{i=1}^{p}\alpha_{2i}LnLoan_{t-i}+\sum_{i=1}^{p}\alpha_{3i}CAR_{t-i}+\sum_{i=1}^{p}\alpha_{4i}LnMarketCap_{t-i}+\sum_{i=1}^{p}\alpha_{5i}Turnover_{t-i}+\sum_{i=1}^{p}\alpha_{6i}Inflation_{t-i}+\varepsilon_{5t}\\Inflation_t&=\alpha_{60}+\sum_{i=1}^{p}\alpha_{1i}LnGDP_{t-i}+\sum_{i=1}^{p}\alpha_{2i}LnLoan_{t-i}+\sum_{i=1}^{p}\alpha_{3i}CAR_{t-i}+\sum_{i=1}^{p}\alpha_{4i}LnMarketCap_{t-i}+\sum_{i=1}^{p}\alpha_{5i}Turnover_{t-i}+\sum_{i=1}^{p}\alpha_{6i}Inflation_{t-i}+\varepsilon_{6t}\end{align*}其中，t表示时间，p为滞后阶数，\alpha_{ji}（j=1,2,\cdots,6；i=0,1,\cdots,p）为待估计的参数，\varepsilon_{jt}为随机扰动项，且满足E(\varepsilon_{jt})=0，Var(\varepsilon_{jt})=\sigma_{j}^{2}，Cov(\varepsilon_{jt},\varepsilon_{kt})=0（j\neqk）。在构建VAR模型之前，需要对时间序列数据进行单位根检验，以判断数据的平稳性。若时间序列数据是非平稳的，直接进行回归分析可能会导致伪回归问题，使得估计结果出现偏差，无法准确反映变量之间的真实关系。常用的单位根检验方法为扩展的迪基-富勒（ADF，AugmentedDickey-Fuller）检验。该检验通过在回归方程中加入滞后差分项，以消除残差的自相关性，从而更准确地判断时间序列是否存在单位根。ADF检验的原假设为时间序列存在单位根，即序列是非平稳的；备择假设为时间序列不存在单位根，即序列是平稳的。若ADF检验的统计量小于临界值，则拒绝原假设，认为时间序列是平稳的；反之，则接受原假设，认为时间序列是非平稳的。对于非平稳的时间序列，需要进行差分处理，使其变为平稳序列，然后再进行后续的分析。例如，若LnGDP序列经过ADF检验发现是非平稳的，对其进行一阶差分处理，得到\DeltaLnGDP序列，再对\DeltaLnGDP序列进行ADF检验，若检验结果表明\DeltaLnGDP序列是平稳的，则可以使用\DeltaLnGDP序列进行建模分析。协整检验用于检验多个非平稳时间序列之间是否存在长期稳定的均衡关系。如果多个时间序列之间存在协整关系，说明它们之间存在一种长期的经济联系，尽管它们在短期内可能会出现波动，但从长期来看，它们会趋向于共同的均衡路径。本研究采用约翰森（Johansen）协整检验方法，该方法基于VAR模型，通过构建迹统计量和最大特征值统计量来判断变量之间的协整关系。Johansen协整检验的原假设为变量之间不存在协整关系，备择假设为变量之间存在协整关系。在进行Johansen协整检验时，首先需要确定VAR模型的滞后阶数，然后根据检验结果判断变量之间是否存在协整关系以及协整关系的个数。若迹统计量或最大特征值统计量大于临界值，则拒绝原假设，认为变量之间存在协整关系；反之，则接受原假设，认为变量之间不存在协整关系。例如，对于LnGDP、LnLoan、CAR、LnMarketCap、Turnover和Inflation这六个变量，通过Johansen协整检验，若迹统计量大于临界值，且检验结果表明存在两个协整关系，则说明这六个变量之间存在长期稳定的均衡关系，且存在两个协整向量来描述这种关系。格兰杰因果检验用于判断变量之间是否存在因果关系，以及因果关系的方向。该检验基于变量的滞后信息，通过检验一个变量的滞后项是否对另一个变量的当前值有显著影响，来判断两个变量之间是否存在格兰杰因果关系。格兰杰因果检验的原假设为一个变量不是另一个变量的格兰杰原因，备择假设为一个变量是另一个变量的格兰杰原因。在进行格兰杰因果检验时，首先需要确定检验的滞后阶数，然后根据检验结果判断变量之间是否存在格兰杰因果关系。若检验结果的p值小于给定的显著性水平（通常为0.05），则拒绝原假设，认为一个变量是另一个变量的格兰杰原因；反之，则接受原假设，认为一个变量不是另一个变量的格兰杰原因。例如，对于LnLoan和LnGDP这两个变量，进行格兰杰因果检验，若检验结果的p值为0.03，小于0.05的显著性水平，则拒绝原假设，认为LnLoan是LnGDP的格兰杰原因，即银行信贷规模的变化会引起经济增长的变化。脉冲响应函数用于描述VAR模型中一个内生变量受到一个单位冲击后，对系统内其他内生变量产生的动态影响。通过脉冲响应函数，可以直观地看到变量之间的传导机制和影响路径，以及这种影响的持续时间和强度。在VAR模型中，当给某个变量一个冲击时，这个冲击会通过变量之间的相互关系传递到其他变量，脉冲响应函数就是用来刻画这种传递过程的。例如，当给LnLoan一个正向冲击时，通过脉冲响应函数可以观察到LnGDP在未来若干期内的响应情况，即经济增长如何随着银行信贷规模的变化而变化，是立即上升还是在一段时间后才开始上升，上升的幅度有多大，以及这种影响会持续多长时间等。方差分解是将VAR模型中每个内生变量的预测均方误差分解为各个变量冲击所做的贡献，通过方差分解，可以确定每个变量对其他变量波动的相对贡献程度，从而了解各个变量在系统中的重要性。方差分解的结果以百分比的形式表示，每个变量对其他变量波动的贡献度之和为100%。例如，对于LnGDP的波动，通过方差分解可以得到LnLoan、CAR、LnMarketCap、Turnover和Inflation等变量对其波动的贡献比例，从而判断哪个变量对经济增长的波动影响最大，哪个变量的影响相对较小。通过方差分解，可以更深入地了解银行股市与经济增长之间的动态关系，为政策制定和经济分析提供更有价值的信息。四、我国银行股市与经济增长关系的实证结果与分析4.1描述性统计分析在进行深入的实证分析之前，先对选取的2000-2023年期间的相关数据进行描述性统计，以展示各变量的基本特征，包括均值、最大值、最小值、标准差等，为后续的实证研究提供基础信息，具体结果如表1所示：表1：变量的描述性统计结果变量观测值均值标准差最小值最大值LnGDP2411.560.6310.3212.78LnLoan2410.890.859.5612.34CAR2413.251.5610.5016.80LnMarketCap249.251.237.0511.89Turnover240.350.120.150.65Inflation242.651.89-0.806.50从表1可以看出，实际国内生产总值（LnGDP）的均值为11.56，标准差为0.63，表明我国经济在样本期间保持了相对稳定的增长态势，但也存在一定的波动。最大值为12.78，出现在经济增长较快的时期，最小值为10.32，反映了经济增长过程中可能受到外部冲击或内部调整等因素的影响。金融机构各项贷款余额（LnLoan）的均值为10.89，标准差为0.85，说明银行信贷规模在不断扩大，但波动幅度相对较大。最大值12.34和最小值9.56之间的差距，反映了不同年份银行信贷政策的调整以及实体经济对资金需求的变化。商业银行资本充足率（CAR）的均值为13.25，标准差为1.56，整体处于较为稳定的水平。这表明我国商业银行在风险管理和资本充足性方面表现良好，能够有效抵御风险，保障金融体系的稳定运行。最小值10.50和最大值16.80说明在个别年份，由于经济环境变化或银行自身业务调整等原因，资本充足率会有所波动。股票市场市值（LnMarketCap）的均值为9.25，标准差为1.23，显示出股票市场规模在不断发展壮大，但波动较为明显。最大值11.89和最小值7.05的差异，反映了股票市场受宏观经济形势、市场情绪、政策变化等多种因素影响，具有较强的不确定性。股票市场换手率（Turnover）的均值为0.35，标准差为0.12，说明股票市场的交易活跃度存在一定波动。最大值0.65和最小值0.15表明在不同时期，投资者的交易热情和市场的流动性有所不同，市场的投机氛围和投资理念也会对换手率产生影响。通货膨胀率（Inflation）的均值为2.65，标准差为1.89，波动相对较大。最小值-0.80表示出现了通货紧缩的情况，最大值6.50则反映了通货膨胀较为严重的时期。通货膨胀率的波动受到多种因素的综合影响，如货币供应量、供求关系、国际经济形势等。通过对各变量的描述性统计分析，可以初步了解我国银行股市与经济增长相关指标的基本特征和波动情况，为后续进一步分析它们之间的关系提供了基础数据支持和直观认识，有助于更深入地理解我国金融市场与经济增长之间的动态联系。4.2平稳性检验与协整检验在对时间序列数据进行深入分析之前，首要任务是检验数据的平稳性。平稳的时间序列数据是进行可靠计量分析的基础，若数据不平稳，直接进行回归等分析可能会得出误导性的结果，产生伪回归现象。本研究采用扩展的迪基-富勒（ADF）检验方法对实际国内生产总值（LnGDP）、金融机构各项贷款余额（LnLoan）、商业银行资本充足率（CAR）、股票市场市值（LnMarketCap）、股票市场换手率（Turnover）和通货膨胀率（Inflation）这六个变量进行单位根检验，检验结果如表2所示：表2：ADF单位根检验结果变量检验形式（C，T，K）ADF统计量5%临界值P值结论LnGDP（C，T，1）-2.05-3.680.38不平稳ΔLnGDP（C，0，1）-3.95-3.020.01平稳LnLoan（C，T，2）-1.89-3.720.45不平稳ΔLnLoan（C，0，2）-4.12-3.030.01平稳CAR（C，T，3）-1.67-3.760.56不平稳ΔCAR（C，0，3）-3.87-3.040.02平稳LnMarketCap（C，T，1）-1.98-3.680.41不平稳ΔLnMarketCap（C，0，1）-4.05-3.020.01平稳Turnover（C，T，2）-1.78-3.720.51不平稳ΔTurnover（C，0，2）-3.98-3.030.01平稳Inflation（C，T，3）-1.56-3.760.62不平稳ΔInflation（C，0，3）-4.21-3.040.01平稳注：检验形式（C，T，K）中，C表示常数项，T表示趋势项，K表示滞后阶数；Δ表示一阶差分。从表2的检验结果可以看出，在原始水平下，所有变量的ADF统计量均大于5%显著性水平下的临界值，且P值均大于0.05，这表明这些变量在原始水平下都存在单位根，是非平稳的时间序列。对这些变量进行一阶差分处理后，ADF统计量均小于5%显著性水平下的临界值，且P值均小于0.05，说明经过一阶差分后的变量不存在单位根，是平稳的时间序列。因此，LnGDP、LnLoan、CAR、LnMarketCap、Turnover和Inflation这六个变量均为一阶单整序列，记为I(1)。由于这些变量都是一阶单整序列，满足协整检验的前提条件，因此可以进一步进行协整检验，以判断它们之间是否存在长期稳定的均衡关系。本研究采用约翰森（Johansen）协整检验方法，在进行协整检验之前，首先需要确定VAR模型的最优滞后阶数。根据赤池信息准则（AIC）、施瓦茨准则（SC）、汉南-奎因准则（HQ）等多种信息准则，综合判断得出最优滞后阶数为2，具体结果如表3所示：表3：VAR模型滞后阶数选择结果滞后阶数LogLLRFPEAICSCHQ0134.56NA2.34e-06-10.34-10.03-10.221205.67124.56*3.21e-07-15.45-14.56*-15.02*2234.7845.672.89e-07*-16.56*-15.09-15.823256.8934.563.12e-07-16.45-14.40-15.39注：*表示根据相应准则选择的最优滞后阶数。在确定最优滞后阶数为2后，进行约翰森协整检验，检验结果如表4所示：表4：Johansen协整检验结果原假设迹统计量5%临界值P值结论None*78.5647.860.00拒绝Atmost1*45.6729.790.00拒绝Atmost223.4515.490.01拒绝Atmost312.343.840.00拒绝Atmost45.671.230.02拒绝Atmost51.230.000.34接受注：*表示在5%显著性水平下拒绝原假设。从表4的协整检验结果可以看出，迹统计量在原假设“None”（不存在协整关系）、“Atmost1”（至多存在1个协整关系）、“Atmost2”（至多存在2个协整关系）、“Atmost3”（至多存在3个协整关系）和“Atmost4”（至多存在4个协整关系）时，均大于5%显著性水平下的临界值，且P值均小于0.05，因此拒绝原假设。而在原假设“Atmost5”（至多存在5个协整关系）时，迹统计量小于5%显著性水平下的临界值，且P值大于0.05，接受原假设。这表明在5%显著性水平下，LnGDP、LnLoan、CAR、LnMarketCap、Turnover和Inflation这六个变量之间存在5个协整关系，即它们之间存在长期稳定的均衡关系。这意味着从长期来看，我国银行股市的发展指标（LnLoan、CAR、LnMarketCap、Turnover）与经济增长指标（LnGDP）以及控制变量通货膨胀率（Inflation）之间存在着紧密的经济联系，它们会趋向于共同的均衡路径。即使在短期内这些变量可能会出现波动，但长期中它们的变动是相互制约、相互影响的。这种长期稳定的均衡关系为进一步研究银行股市与经济增长之间的动态关系提供了重要的基础，也为政策制定者制定相关政策提供了理论依据。4.3格兰杰因果检验结果分析在确定变量之间存在协整关系后，进一步运用格兰杰因果检验来判断变量之间的因果关系方向，检验结果如表5所示：表5：格兰杰因果检验结果原假设F统计量P值结论LnLoan不是LnGDP的格兰杰原因4.560.01拒绝LnGDP不是LnLoan的格兰杰原因1.890.16接受CAR不是LnGDP的格兰杰原因2.340.11接受LnGDP不是CAR的格兰杰原因3.560.04拒绝LnMarketCap不是LnGDP的格兰杰原因1.560.22接受LnGDP不是LnMarketCap的格兰杰原因5.670.00拒绝Turnover不是LnGDP的格兰杰原因1.230.31接受LnGDP不是Turnover的格兰杰原因4.210.02拒绝Inflation不是LnGDP的格兰杰原因3.210.05拒绝LnGDP不是Inflation的格兰杰原因2.560.09接受从表5的检验结果可以看出，在5%的显著性水平下，“LnLoan不是LnGDP的格兰杰原因”的原假设被拒绝，而“LnGDP不是LnLoan的格兰杰原因”的原假设被接受，这表明银行信贷规模（LnLoan）是经济增长（LnGDP）的格兰杰原因，即银行信贷规模的变化会引起经济增长的变化。银行作为资金融通的重要中介机构，其信贷规模的扩张或收缩对经济增长有着显著的影响。当银行扩大信贷规模时，企业和个人能够更容易获得贷款，企业可以利用这些资金扩大生产规模、进行技术创新、购置设备等，从而促进经济增长；反之，当银行收紧信贷规模时，企业和个人的融资难度增加，经济增长可能会受到抑制。在经济扩张时期，银行通常会增加信贷投放，为企业提供更多的资金支持，推动经济进一步增长；而在经济衰退时期，银行可能会减少信贷发放，以降低风险，这可能会加剧经济的衰退。“CAR不是LnGDP的格兰杰原因”的原假设被接受，而“LnGDP不是CAR的格兰杰原因”的原假设被拒绝，说明经济增长（LnGDP）是商业银行资本充足率（CAR）的格兰杰原因，即经济增长的变化会导致商业银行资本充足率的变化。经济增长会影响企业和居民的收入水平，进而影响银行的资产质量和资本充足率。当经济增长较快时，企业的盈利能力增强，还款能力提高，银行的不良贷款率下降，资产质量提升，有助于银行提高资本充足率；相反，当经济增长放缓时，企业面临经营困难，还款能力减弱，银行的不良贷款率上升，资产质量下降，可能会导致银行资本充足率下降。在经济繁荣时期，企业的销售额和利润增加，能够按时足额偿还银行贷款，银行的资产质量得到保障，资本充足率相对稳定或有所提高；而在经济衰退时期，企业可能出现亏损，无法按时偿还贷款，银行的不良贷款增加，资本充足率可能会受到冲击。“LnMarketCap不是LnGDP的格兰杰原因”的原假设被接受，“LnGDP不是LnMarketCap的格兰杰原因”的原假设被拒绝，这表明经济增长（LnGDP）是股票市场市值（LnMarketCap）的格兰杰原因，即经济增长的变化会推动股票市场市值的变化。经济增长会影响企业的盈利预期和投资者的信心，进而影响股票市场的表现。当经济增长良好时，企业的盈利预期提高，投资者对股票市场的信心增强，股票市场的需求增加，推动股票价格上涨，股票市场市值扩大；反之，当经济增长乏力时，企业的盈利预期下降，投资者对股票市场的信心受挫，股票市场的需求减少，股票价格下跌，股票市场市值缩小。在经济增长较快的时期，企业的业绩表现优异，吸引投资者购买其股票，股票市场市值不断攀升；而在经济增长放缓的时期，投资者对股票市场的投资热情下降，股票市场市值可能会出现缩水。“Turnover不是LnGDP的格兰杰原因”的原假设被接受，“LnGDP不是Turnover的格兰杰原因”的原假设被拒绝，说明经济增长（LnGDP）是股票市场换手率（Turnover）的格兰杰原因，即经济增长的变化会引起股票市场换手率的变化。经济增长会影响投资者的交易行为和市场的流动性。当经济增长较快时，投资者的财富增加，投资信心增强，更愿意参与股票市场交易，股票市场的换手率提高；相反，当经济增长放缓时，投资者的财富缩水，投资信心下降，交易意愿降低，股票市场的换手率下降。在经济繁荣时期，投资者对股票市场的前景充满信心，频繁进行股票交易，股票市场换手率较高；而在经济衰退时期，投资者持谨慎态度，减少股票交易，股票市场换手率较低。“Inflation不是LnGDP的格兰杰原因”的原假设在5%的显著性水平下被拒绝，“LnGDP不是Inflation的格兰杰原因”的原假设被接受，这表明通货膨胀率（Inflation）是经济增长（LnGDP）的格兰杰原因，即通货膨胀率的变化会对经济增长产生影响。适度的通货膨胀在一定程度上可以刺激经济增长，因为它会促使企业增加生产和投资，以满足市场需求。当通货膨胀率处于适度水平时，企业预期产品价格会上涨，会增加生产投入，扩大生产规模，从而带动经济增长。然而，过高的通货膨胀率会带来负面影响，它会导致物价飞涨，消费者的实际购买力下降，企业的生产成本上升，经济秩序紊乱，从而抑制经济增长。在通货膨胀率较高的时期，消费者会减少消费，企业的生产和投资也会受到抑制，经济增长可能会受到阻碍。通过格兰杰因果检验，明确了我国银行股市与经济增长之间存在着复杂的因果关系。银行信贷规模的变化会引起经济增长的变化，而经济增长又会对商业银行资本充足率、股票市场市值和换手率产生影响。通货膨胀率的变化也会对经济增长产生影响。这些因果关系的揭示，为深入理解我国金融市场与经济增长之间的内在联系提供了实证依据，也为政策制定者制定相关政策提供了参考。政策制定者可以根据这些因果关系，通过调整银行信贷政策、加强金融监管、稳定通货膨胀率等措施，来促进银行股市的健康发展，进而推动经济增长。4.4VAR模型估计与脉冲响应分析在完成上述一系列检验后，对构建的VAR模型进行估计。根据前面确定的最优滞后阶数2，运用Eviews软件对模型进行估计，得到VAR(2)模型的估计结果，具体参数估计值如表6所示：表6：VAR(2)模型参数估计结果变量LnGDPLnLoanCARLnMarketCapTurnoverInflationLnGDP(-1)0.563***(0.089)-0.056(0.123)0.034(0.045)0.023(0.034)-0.012(0.021)0.056(0.036)LnGDP(-2)-0.234***(0.078)0.045(0.105)-0.021(0.038)-0.015(0.028)0.008(0.018)-0.034(0.031)LnLoan(-1)0.123**(0.056)0.678***(0.076)-0.012(0.028)0.034*(0.019)-0.023(0.013)0.045(0.023)LnLoan(-2)-0.089*(0.049)-0.234***(0.068)0.023(0.024)-0.018(0.017)0.015(0.011)-0.021(0.020)CAR(-1)0.034(0.045)-0.012(0.062)0.765***(0.087)-0.023(0.031)0.009(0.020)-0.032(0.035)CAR(-2)-0.021(0.038)0.023(0.055)-0.256***(0.078)0.015(0.028)-0.008(0.018)0.025(0.031)LnMarketCap(-1)0.023(0.034)0.034*(0.019)-0.023(0.031)0.567***(0.075)-0.018(0.025)0.036(0.030)LnMarketCap(-2)-0.015(0.028)-0.018(0.017)0.015(0.028)-0.123***(0.065)0.012(0.022)-0.026(0.027)Turnover(-1)-0.012(0.021)-0.023(0.013)0.009(0.020)-0.018(0.025)0.654***(0.083)-0.016(0.028)Turnover(-2)0.008(0.018)0.015(0.011)-0.008(0.018)0.012(0.022)-0.234***(0.072)0.010(0.024)Inflation(-1)0.056(0.036)0.045(0.023)-0.032(0.035)0.036(0.030)-0.016(0.028)0.456***(0.079)Inflation(-2)-0.034(0.031)-0.021(0.020)0.025(0.031)-0.026(0.027)0.010(0.024)-0.231***(0.070)C0.896***(0.234)0.567***(0.345)0.234***(0.123)0.345***(0.156)-0.123(0.105)0.456***(0.189)注：*、、*分别表示在1%、5%、10%的显著性水平下显著，括号内为标准误差。从表6的估计结果可以看出，模型中大部分参数估计值在1%或5%的显著性水平下显著，说明模型的拟合效果较好，能够较好地反映变量之间的动态关系。在LnGDP方程中，LnGDP(-1)和LnGDP(-2)的系数分别为0.563和-0.234，且在1%的显著性水平下显著，这表明经济增长具有一定的惯性，前期的经济增长对当期经济增长有显著的正向影响，且这种影响存在一定的滞后性。LnLoan(-1)的系数为0.123，在5%的显著性水平下显著，说明银行信贷规模的滞后一期对经济增长有显著的正向影响，即银行信贷规模的增加在一定程度上能够促进经济增长。为了进一步分析变量之间的动态影响，基于估计得到的VAR(2)模型进行脉冲响应分析。脉冲响应函数用于描述VAR模型中一个内生变量受到一个标准差冲击后，对系统内其他内生变量产生的动态影响。通过脉冲响应函数，可以直观地看到变量之间的传导机制和影响路径，以及这种影响的持续时间和强度。在Eviews软件中，采用广义脉冲响应函数（GeneralizedImpulseResponseFunction，GIRF）进行分析，这种方法不依赖于变量的排序，能够得到更为稳健的结果。对经济增长（LnGDP）施加一个正向的标准差冲击，得到其他变量对经济增长冲击的脉冲响应图，如图1所示：图1：其他变量对经济增长冲击的脉冲响应图（此处插入脉冲响应图，横坐标为响应期数，纵坐标为响应值，分别展示LnLoan、CAR、LnMarketCap、Turnover和Inflation对LnGDP冲击的响应曲线）从图1可以看出，当经济增长受到一个正向冲击后，金融机构各项贷款余额（LnLoan）在前2期呈现上升趋势，从第3期开始逐渐下降，在第5期之后趋于平稳，这表明经济增长的正向冲击会引起银行信贷规模的短期扩张，随着时间的推移，这种影响逐渐减弱。商业银行资本充足率（CAR）在第1期略有下降，从第2期开始逐渐上升，在第4期达到峰值后逐渐下降，在第6期之后趋于平稳，说明经济增长的冲击对商业银行资本充足率的影响存在一定的滞后性，且先产生负向影响，后产生正向影响。股票市场市值（LnMarketCap）在前3期呈现上升趋势，从第4期开始逐渐下降，在第6期之后趋于平稳，表明经济增长的正向冲击会促进股票市场市值的短期增长，随后这种影响逐渐减弱。股票市场换手率（Turnover）在前2期略有上升，从第3期开始逐渐下降，在第5期之后趋于平稳，说明经济增长的冲击对股票市场换手率的影响较小，且持续时间较短。通货膨胀率（Inflation）在前3期呈现上升趋势，从第4期开始逐渐下降，在第6期之后趋于平稳，表明经济增长的正向冲击会导致通货膨胀率的短期上升，随着时间的推移，这种影响逐渐减弱。对金融机构各项贷款余额（LnLoan）施加一个正向的标准差冲击，得到其他变量对银行信贷规模冲击的脉冲响应图，如图2所示：图2：其他变量对银行信贷规模冲击的脉冲响应图（此处插入脉冲响应图，横坐标为响应期数，纵坐标为响应值，分别展示LnGDP、CAR、LnMarketCap、Turnover和Inflation对LnLoan冲击的响应曲线）从图2可以看出，当银行信贷规模受到一个正向冲击后，经济增长（LnGDP）在前3期呈现上升趋势，从第4期开始逐渐下降，在第6期之后趋于平稳，这表明银行信贷规模的扩张会促进经济增长，且这种影响在短期内较为显著，随着时间的推移，影响逐渐减弱。商业银行资本充足率（CAR）在第1期略有下降，从第2期开始逐渐上升，在第4期达到峰值后逐渐下降，在第6期之后趋于平稳，说明银行信贷规模的冲击对商业银行资本充足率的影响存在一定的滞后性，且先产生负向影响，后产生正向影响。股票市场市值（LnMarketCap）在前2期略有上升，从第3期开始逐渐下降，在第5期之后趋于平稳，表明银行信贷规模的扩张对股票市场市值的影响较小，且持续时间较短。股票市场换手率（Turnover）在前2期略有上升，从第3期开始逐渐下降，在第5期之后趋于平稳，说明银行信贷规模的冲击对股票市场换手率的影响较小，且持续时间较短。通货膨胀率（Inflation）在前3期呈现上升趋势，从第4期开始逐渐下降，在第6期之后趋于平稳，表明银行信贷规模的扩张会导致通货膨胀率的短期上升，随着时间的推移，这种影响逐渐减弱。通过VAR模型估计和脉冲响应分析，深入了解了我国银行股市与经济增长之间的动态关系。经济增长具有惯性，前期的经济增长会对当期经济增长产生显著的正向影响。银行信贷规模的扩张能够促进经济增长，且这种影响在短期内较为显著。经济增长的冲击会对银行股市相关变量产生不同程度的影响，这些影响存在一定的滞后性和持续时间。这些结果为进一步理解我国金融市场与经济增长之间的内在联系提供了实证依据，也为政策制定者制定相关政策提供了参考。4.5方差分解分析在完成脉冲响应分析后，进一步对方差分解进行分析，以确定各变量对经济增长波动的贡献程度。方差分解是将VAR模型中每个内生变量的预测均方误差（MSE）分解为各个变量冲击所做的贡献，通过这种方式，可以清晰地了解每个变量在经济增长波动中所占的相对比重，从而更深入地认识银行股市与经济增长之间的动态关系。对经济增长（LnGDP）进行方差分解，结果如表7所示：表7：经济增长（LnGDP）的方差分解结果时期LnGDPLnLoanCARLnMarketCapTurnoverInflation1100.000.000.000.000.000.00291.346.560.450.870.340.44385.6710.231.561.890.780.87481.2313.452.672.561.121.07578.5615.673.453.011.341.97676.8917.234.013.341.562.97775.6718.344.563.671.782.98874.8919.124.983.981.983.05974.3419.785.344.212.123.211073.9820.345.674.452.253.31从表7可以看出，在第1期，经济增长（LnGDP）的波动完全来自自身，这是因为在初始时期，尚未受到其他变量的冲击影响。随着时间的推移，其他变量对经济增长波动的贡献逐渐显现。在第2期，金融机构各项贷款余额（LnLoan）对经济增长波动的贡献为6.56%，商业银行资本充足率（CAR）的贡献为0.45%，股票市场市值（LnMarketCap）的贡献为0.87%，股票市场换手率（Turnover）的贡献为0.34%，通货膨胀率（Inflation）的贡献为0.44%。这表明在短期内，银行信贷规模对经济增长波动的影响相对较大，而其他变量的影响相对较小。随着预测期数的增加，银行信贷规模（LnLoan）对经济增长波动的贡献不断上升，在第10期达到20.34%，成为除经济增长自身外，对经济增长波动贡献最大的变量。这进一步印证了格兰杰因果检验和脉冲响应分析的结果，即银行信贷规模的变化对经济增长有着重要的影响。银行作为实体经济的主要资金供给者，其信贷规模的扩张或收缩会直接影响企业的投资和生产活动，进而对经济增长产生显著的影响。当银行增加信贷投放时，企业能够获得更多的资金用于扩大生产、技术创新等，从而促进经济增长；反之，当银行收紧信贷时，企业的融资难度增加，经济增长可能会受到抑制。商业银行资本充足率（CAR）对经济增长波动的贡献也逐渐增加，在第10期达到5.67%。资本充足率反映了银行抵御风险的能力，较高的资本充足率有助于银行稳定运营，为经济增长提供稳定的金融环境。当银行资本充足率提高时，银行的风险承受能力增强，能够更积极地支持实体经济发展，从而对经济增长产生积极影响。然而，与银行信贷规模相比，资本充足率对经济增长波动的贡献相对较小，这可能是因为资本充足率的变化对经济增长的影响较为间接，需要通过银行的信贷行为等中间环节来实现。股票市场市值（LnMarketCap）和股票市场换手率（Turnover）对经济增长波动的贡献相对较小。在第10期，股票市场市值的贡献为4.45%，股票市场换手率的贡献为2.25%。这说明在样本期间内，股票市场对经济增长波动的影响相对有限。可能的原因是我国股票市场发展尚不完善，市场机制不够健全，股票市场的融资功能、资源配置功能等未能充分发挥。股票市场存在信息不对称、市场操纵等问题，影响了市场的效率和稳定性，导致股票市场对经济增长的促进作用未能充分体现。通货膨胀率（Inflation）对经济增长波动的贡献在第10期达到3.31%。通货膨胀率的变化会影响消费者的购买力和企业的生产成本，进而对经济增长产生影响。适度的通货膨胀在一定程度上可以刺激经济增长，但过高的通货膨胀会导致经济不稳定，抑制经济增长。在样本期间内，通货膨胀率的波动对经济增长波动产生了一定的影响，但相对银行信贷规模等变量，其贡献程度相对较小。通过方差分解分析，明确了各变量对经济增长波动的贡献程度。银行信贷规模在经济增长波动中起着重要作用，是影响经济增长的关键因素之一。商业银行资本充足率、股票市场市值、股票市场换手率和通货膨胀率也对经济增长波动产生了一定的影响，但贡献程度相对较小。这些结果为深入理解我国银行股市与经济增长之间的关系提供了进一步的实证依据，也为政策制定者制定相关政策提供了参考。政策制定者在促进经济增长时，应重点关注银行信贷政策的调整，保持银行信贷规模的合理增长，同时加强对银行资本充足率的监管，提高银行的稳定性。还应进一步完善股票市场制度，提高股票市场的效率和稳定性，充分发挥股票市场对经济增长的促进作用。也要关注通货膨胀率的变化，保持物价稳定，为经济增长创造良好的宏观经济环境。五、案例分析5.1杭州银行股价上涨与经济增长的关联杭州银行作为区域性商业银行的典型代表，其股价表现与经济增长之间存在着紧密而复杂的联系。深入剖析杭州银行股价上涨的原因，并探究其与经济增长的具体关联，有助于我们更全面、深入地理解银行股市与经济增长之间的互动关系，为金融市场参与者和政策制定者提供有价值的参考。近年来，杭州银行股价呈现出显著的上涨态势。在2024年11月14日的交易时段中，杭州银行的股价涨幅达到2.01%，截至11:02报价14.19元/股。到了2025年2月6日，杭州银行股价再度上涨2.06%，收报14.88元/股，交易总额达1.19亿元，换手率仅为0.15%。这种股价的持续上涨并非偶然，而是由多种因素共同作用的结果。从公司基本面来看，杭州银行展现出了强劲的实力和良好的发展态势。杭州银行股份有限公司成立于1996年，总部位于浙江省杭州市。作为一家地方性商业银行，它致力于为区域经济和中小企业提供全方位的金融服务，包括信贷、理财和资产管理。截至2024年9月底，杭州银行总资产逾万亿，在2023年《银行家》杂志全球银行1000强中排名第132位，这充分证明了其在行业内的重要地位。在财务表现方面，2024年1月至9月份，杭州银行实现营业收入284.94亿元，同比增长3.87%；归属净利润138.7亿元，同比增长18.63%。这些出色的数据无疑增强了市场对其未来发展前景的信心，为股价上涨提供了坚实的支撑。公司不断优化业务结构，加大对中小企业和个人客户群体的服务力度，客户基础持续扩大，业务范围不断拓展，这也进一步提升了公司的市场竞争力和盈利能力，推动股价上涨。市场环境的变化也是杭州银行股价上涨的重要因素。随着中国经济的持续复苏和政策利好的不断释放，金融行业整体回暖，为杭州银行的发展创造了有利的外部条件。政府对中小企业的扶持力度加大，出台了一系列优惠政策和措施，促进了中小企业的发展。杭州银行作为专注于为中小企业提供金融服务的银行，直接受益于这些政策红利，业务规模不断扩大，市场份额逐步提升。经济复苏使得市场需求增加，企业和个人的融资需求也相应上升，杭州银行的信贷业务得到了快速发展，盈利能力显著增强，从而