【《不同金融状况下SHIBOR与股票市场的联动实证检验分析案例》7200字（论文）】

不同金融状况下SHIBOR与股票市场的联动实证检验分析案例目录TOC\o"1-3"\h\u11405不同金融状况下SHIBOR与股票市场的联动实证检验分析案例 1145331.1时间划分 1168821.2变量选择与数据来源 2258871.3VAR模型介绍 399651.4单位根检验 4269281.5不同时期SHIBOR与股票市场的联动实证检验 51.1时间划分1.1.1金融状况因素为了进一步分析SHIBOR与金融市场发展的阶段性特征和波动转折情况，本文参考张龙和刘金全（2019）的研究，将根据金融状况指数进行经济收缩和扩张期划分。金融状况指数（financialconditionsindex），最早由Goodhart和Hofmann提出,目的是为了反映未来通货膨胀压力。具体而言,FCI由货币状况指数（Monetaryconditionsindex；MCI）发展而来,在MCI的基础上加入包含了未来通货膨胀信息的资产价格。FCI的变量除MCI中的短期实际利率与有效实际汇率变量外,还包含房价与股价等资产价格。本文将中国金融状况指数连续一年及以上的下降（上升）定义为金融市场收缩期（扩张期），其他情况则定义为金融市场平稳期。根据已有文献对金融市场收缩期、扩张期和平稳期的界定，在2012年2季度至2017年3季度研究区间内，我国在2015Q1—2017Q3等出现金融市场扩张期，2012Q2—2013Q2出现金融市场收缩期，2013Q3—2014Q4出现金融市场平稳期。不同阶段下的金融市场运行态势存在较大差异，具体来说有以下几方面。（1）从金融市场的收缩均值和极值看，金融市场收缩期和金融市场扩张期的均值变化较大，金融市场平稳期的均值较为接近；金融市场收缩期和扩张期的极值差较大，金融市场平稳期的极值差较小；金融市场的收缩均值和极值数值特征符合中国金融市场扩张收缩的基本属性。（2）从金融市场的标准差看，金融市场收缩期和金融市场扩张期的标准差较大，金融市场波动较为明显，而金融市场平稳期的标准差较小，且较为接近，说明金融市场平稳期下的金融市场运行极为平稳，波动较小。下文将上述金融市场发展的不同阶段称为三个时期：第一时期（2012Q2—2013Q2）；第二时期（2013Q3—2014Q4）；第三时期（2015Q1—2017Q3）。1.1.2利率市场化因素在2012-2017年间，利率市场化的进程也在逐步推进，这也可能对SHIBOR与股票市场间的关系产生影响。中国利率市场化的进程如下：2012年6月，央行将存款利率浮动区间的上限调整为基准利率的1.1倍，存款利率上限首次浮动。同时，贷款利率浮动区间的下限调整为基准利率的0.7倍。2013年7月，金融机构贷款利率管制全面放开，金融机构贷款利率的下限取消，金融机构可自主确定贷款利率水平，贷款利率完全实现市场化，但金融机构形成风险定价能力的水平高低不一。2014年11月,为加速推进利率市场化改革，存款利率浮动区间的上限调整至基准利率的1.2倍，并对基准利率期限档次作适当简并。后来，2015年，又缓步提升至1.3倍、1.5倍。当时大部分银行一般都是在政策出台后将存款利率上浮到顶，足可见存款的“均衡利率”远高于当时的上限。2015年10月24日，央行决定对商业银行和农村合作金融机构等不再设置存款利率浮动上限。至此，中国利率市场化进程在形式上基本完成。1.2变量选择与数据来源1.2.1Shibor的介绍与选取 上海银行间同业拆放利率（简称Shibor）指的是特定银行报价团报出的人民币同业拆借利率，经剔除最低和最高各4家报价后确定的算术平均值。首批报价银行只有16家，包括6家股份制商业银行、4家国有商业银行、3家城市银行、2家外资银行和1家政策性银行，后期报价团加入了广发银行和邮政储蓄银行。Shibor目前共有八种期限品种，分别是：隔夜、1周、2周、1个月、3个月、6个月、9个月和1年，位于上海的全国银行间同业拆借中心在每个交易日的11:30对外公布当日Shibor值。Shibor正式运行时间开始于2007年1月4日。 在Shibor的八种期限品种当中，考虑短期、中期和长期三类Shibor：分别选取隔夜Shibor作为短期的代表，1个月Shibor作为中期的代表，1年Shibor作为长期的代表，分别记为SHON，SH1M，SH1Y。Shibor数据范围为2012年4月5日到2017年9月30日（数据来源：）。1.2.2三类股指的选取（1）上证50指数。上证50指数是挑选上海证券市场规模最大、流动性好、最具代表性的50只股票组成样本股，综合反映了上海证券市场最具市场影响力的一批龙头企业的整体状况。在下文中用SSE50表示。（2）上证综指。上海证券综合指数（简称上证综指）包含了上海证券交易所所有挂牌上市的股票，其权数即为相应的发行量。上证综指能够较好地反映上海证券交易所的整体走势。在下文中用SSEC表示（3）创业板指。创业板指数，就是按照创业板所有股票的流通市值进行加权平均的指数。创业板市场最大的特点就是进入门槛低，合规要求严格，有助于有潜力的中小企业获得融资机会。在下文中用CNT表示。1.3VAR模型介绍 Simons于1980年提出向量自回归模型（VectorAutoregressiveModel，简称为VAR），从此经济系统的动态分析得到了广泛的应用，VAR是目前国内外研究经济问题的主流模型之一。VAR模型的建立过程并不考虑经济理论，而是直接研究各个变量间的关系，常用来对多变量时间序列系统进行分析。 模型的定义如下： 设Yt=(y为VAR(p)）可表达为：Y=其中U 其中，p表示模型最大滞后阶数，Ui=(u1t,u2t……uNt 由模型定义我们可以看出，VAR(p)是将第t期变量y1t,y2t……Y= 用矩阵可表示为：yt1.4单位根检验 为了避免虚假回归问题的出现，我们在对时间序列建立动态回归模型时，有必要先对进入到模型中的各个序列的平稳性进行检验。当模型中的各个变量序列均平稳时，才能放心地运用动态回归模型对多元序列进行拟合。本文使用ADF单位根检验来判断序列平稳性。 时序分析中一般要求所研究的变量是平稳的，所以在进行时序分析与建立向量自回归模型（VAR）之前，必须要判断进入模型的变量是否是平稳的，般会使用单位根来进行平稳检验。表1.4-1单位根检验结果 序列单位根检验的原假设是：H表1.4-1单位根检验结果变量名称R统计量1%水平5%水平P值结论SSE50-41.79462-1.963079-1.4122730.0000平稳SSEC-40.87608-1.963079-1.4122730.0000平稳CNT-40.25090-1.963079-1.4122730.0000平稳SHON-7.225567-1.963095-1.4122810.0000平稳SH1M-4.250868-1.963101-1.4122840.0038平稳SH3M-2.035668-1.433747-2.8629270.0272平稳1.5不同时期SHIBOR与股票市场的联动实证检验1.5.1第一时期（2012Q2—2013Q2，收缩期）建立VAR模型、协整检验与格兰杰因果检验 上文中已经确定了序列的协整类型，下面对它们进行协整分析。为了保证能在统计学意义上协整检验结果是可靠和真实有效的。在协整检验需要先确定滞后的合理阶数，我们采用无约束的VAR(p)模型来确定合理的滞后阶数，滞后阶数的选择对VAR模型有着重要的意义。太小的最大滞后阶数p会导致残差出现自相关性。 本文选择六个指标来确定最优滞后阶数，当这六个指标有一半以上或者更多都达到最佳时，所对应的滞后阶数就是想要得到的最优阶数。常见的判断合理阶数的指标有以下五种：LogL、LR、FPE、AIC、SC和HQ。在使用Eviews软件进行分析时，设定测量阶数为20。软件输出结果如下表-1所示，表中为各滞后阶数对应的指标值。表-1滞后阶数选择表-1滞后阶数选择LagLogLLRFPEAICSCHQ02187.624NA6.15e-15-15.69514-15.61685-15.6637313131.4721840.1638.96e-18-22.22641-21.67836-22.0065423236.068199.41085.47e-18-22.71992-21.70209*-22.31157*33297.896115.20514.55e-18-22.90573-21.41814-22.3089243340.02676.680994.36e-18-22.94982-20.99247-22.1645553379.41769.996964.27e-18-22.97422-20.54711-22.0004863478.026170.97092.73e-18-21.42465-20.52777-22.2624473509.54151.280972.83e-18-21.39238-20.02574-22.0417183578.319111.30902.26e-18-21.62819-19.79179-22.0890593614.18457.540312.28e-18-21.62723-19.32106-21.89962103661.08476.33890*2.10e-18*-21.72003*-18.94409-21.80396113688.31538.301172.30e-18-21.64255-18.39686-21.53802123709.20030.801322.61e-18-21.53381-17.81835-21.24081 本文使用AR根来研究VAR(10)模型的稳定性。对于VAR模型来说，如果它的AR根的模的倒数都是在1以内时，那么模型稳定。反之，如果有AR根位于单位圆之外，则表示该模型不稳定，不稳定的模型是不能用来进行下一步的分析的。因为不稳定的模型它的长期协整检验的结果不准确。AR根检验结果如图-2所示。 由下图我们可以看到，模型所有AR根的绝对值倒数都是小于1的，落在单位圆之内，表示我们建立的VAR模型是稳定的。图图-2单位根检验图 为了准确的衡分析序列之间是否具有长期均衡关系，我们需要对序列间进行协整分析。假设解释变量序列为{x1}…{xk}，被解释变量序列为{y 如果回归模型的残差序列{εt}是平稳的，则称被解释变量序列{yt}与解释变量序列{x1 在建立了VAR(10)模型后，我们便能确定协整检验的滞后阶数了，从而研究汇率与利率间是否存在着长期均衡关系，本文采用Johansen协整检验来分析SHIBOR与股票市场间的长期均衡关系。协整检验分析结果如表-3所示。 根据下表可以看到，五个协整关系原假设对应的检验P值为0.0000、0.0000、0.0000、0.0001、0.0441、0.9218，在0.05的显著性水平下，表明上述VAR模型中含有五个协整关系。也就是说，在SHON、SH1M、SH3M、SSE50、SSEC以及CNT六个变量形成的系统中，有着长期的协整关系。表表-3协整检验HypothesizedTrace0.05No.ofCE(s)EigenvalueStatisticCriticalValueProb.**None*0.208557216.524881.937120.0000Atmost1*0.181034147.992860.061410.0000Atmost2*0.14774989.4770240.174930.0000Atmost3*0.09729142.6339524.275960.0001Atmost4*0.04218812.6439012.320900.0441Atmost54.93E-050.0144314.1299060.9218 Granger因果关系的定义如下：在其它条件不变的情况下，如果输入序列xt的滞后项后对响应序列yt的预测没有明显地提升，那么我们称输入序列的滞后项xt−1表-4格兰杰因果检验 表-4格兰杰因果检验NullHypothesis:ObsF-StatisticProb.SH1MdoesnotGrangerCauseCNT2881.962620.0376CNTdoesnotGrangerCauseSH1M0.954180.4840SH3MdoesnotGrangerCauseCNT2882.895260.0019CNTdoesnotGrangerCauseSH3M1.052680.3996SHONdoesnotGrangerCauseCNT2882.207730.0177CNTdoesnotGrangerCauseSHON1.058510.3949SSE50doesnotGrangerCauseSH1M2881.750450.0399SH1MdoesnotGrangerCauseSSE501.796100.0613SSECdoesnotGrangerCauseSH1M2881.726050.0449SH1MdoesnotGrangerCauseSSEC1.620020.1007SSE50doesnotGrangerCauseSH3M2880.573490.8351SH3MdoesnotGrangerCauseSSE501.875400.0487SSECdoesnotGrangerCauseSH3M2880.450610.9200SH3MdoesnotGrangerCauseSSEC2.107380.0242SSE50doesnotGrangerCauseSHON2881.153560.3227SHONdoesnotGrangerCauseSSE502.618560.0047SSECdoesnotGrangerCauseSHON2881.492140.1420SHONdoesnotGrangerCauseSSEC2.690960.0037 通过上述图表，可以确定建立VAR（10）模型，且模型平稳。同时六变量之间存在5个协整关系，说明该系统的变量之间，存在长期的协整关系。 同时，通过格兰杰检验可以发现，不同期限SHIBOR均是CNT的格兰杰原因，而反之则不成立。SSEC与SSE50是SH1M的格兰杰原因。而SHON与SH3M是SSEC与SSE50的格兰杰原因。

脉冲响应分析与方差分解 脉冲响应函数反映的是随着时间的推移，模型中的各变量对于冲击是如何反应的。本文通过观察各个SHIBOR与不同股指的脉冲响应来分析考察其敏感性、主导性及稳定性。表表-1CNT脉冲响应图 图-1显示的是给不同期限SHIBOR一个单位的正向冲击后，CNT对应产生的变化。在给SHON一个单位冲击后，CNT随之产生负反馈，且在第3期达到峰值，在第5期反应逐渐消失。CNT对SH1M的反应与SHON相似，但强度较低。而在给SH3M一个单位冲击后，CNT产生正反馈，并且在第2期达到峰值，随后反应逐渐衰弱。图1.图-2SH1M脉冲响应图图-3SSE50脉冲响应图 图-3SSE50脉冲响应图 图-3显示的是分别给SHON和SH3M一个单位的正向冲击后，SSE50对应产生的变化。在给SH3M一个单位冲击后，SSE50在第1期和第3期产生负反馈，其余期数几乎没有影响。在给SHON一个单位冲击后，SSE50在第三期产生负反馈且达到极值，随后负反应逐渐减小。图图-4SSEC脉冲响应图 方差分解(variancedecomposition)是通过分析每一个结构冲击对内生变量变化(通常用方差来度量)的贡献度来评价不同结构冲击的重要性。因此，方差分解给出对VAR模型中的变量产生影响的每个随机扰动的相对重要性的信息。图-5CNT方差分解表图-5CNT方差分解表VarianceDecompositionofCNTPeriodS.E.CNTSH1MSH3MSHON10.015712100.00000.0000000.0000000.00000020.01579699.409650.2848940.0243920.28106730.01604796.495920.3388932.2303680.93482240.01637795.835270.3388942.1470681.67876450.01637995.819960.3484182.1463901.68523360.01689291.079431.6217332.7768792.52195570.01699390.878891.5836671.0324452.50499880.01715989.316164.1464421.1129971.42440290.01749186.470604.3474545.6892841.492666100.01769184.553224.2540056.8960014.296773图-6SH1M方差分解表 图图-6SH1M方差分解表VarianceDecompositionofSH1MPeriodS.E.SSECSSE50SH1M10.0111230.0023140.04228099.9554120.0112311.0475670.05252298.8999130.0112440.9676020.08584198.9465640.0112500.9492020.15797498.8928250.0112540.9308710.19787598.8712560.0112570.9170140.22133798.8616570.0112600.9073260.23747798.8552080.0112630.9003650.24925198.8503890.0112650.8951080.25814398.84675100.0112680.8910100.26506898.84392 图-6显示每一单位SH1M的变化中，不同变量的解释程度。SSEC对SH1M的解释程度在第2期最大，SSEC达到1.05%。SSE50对SH1M的解释程度始终低于0.3%。综上，SSEC和SSE50对SH1M的解释程度并不显著。图图-7SSE50方差分解表VarianceDecompositionofSSE50:PeriodS.E.SSE50SSECSHONSH3M10.013799100.00000.0000000.0000000.00000020.01388999.231520.6789680.0106940.07881630.01400097.681110.7327771.4991820.08693540.01406696.783340.7346032.3793800.10267950.01410196.296590.7310232.8362200.13616460.01412595.972520.7286881.1318070.16698770.01414295.745700.7272411.3361920.19086880.01415495.584030.7261831.4819060.20788590.01416395.466810.7254171.5883240.219450100.01416995.380870.7248631.6671720.227099图-8SSEC方差分解表 图-7图-8SSEC方差分解表VarianceDecompositionofSSEC:PeriodS.E.SSE50SSECSHONSH3M10.01101891.254906.7451030.0000000.00000020.01106792.657087.2457030.0795250.01769230.01115291.280167.1416991.5603350.01780940.01120890.386987.0796552.4934570.03991150.01124089.869907.0391001.0152920.07571260.01126289.518847.0117581.3628150.10658370.01127889.269536.9925151.6085750.12937680.01128989.089096.9785791.7873610.14496890.01129888.956306.9683241.9202560.155117100.01130488.857366.9606914.0204630.161483 图-8显示每一单位SSEC的变化中，不同变量的解释程度。与SSE50类似，SHON对SSEC的解释程度最大，达到4.02%。SH3M对SSE50的解释程度仅为0.16%。

1.5.2第二阶段（2013Q3—2014Q4，平稳期）建立VAR模型、协整检验与格兰杰因果检验图-1滞后阶数选择 对第二阶段的滞后阶数选择、单位根检验协整检验与格兰杰因果检验分别如图-1~图-1滞后阶数选择LagLogLLRFPEAICSCHQ02719.175NA1.24e-14-14.98991-14.92541-14.9642714571.1063632.2415.47e-19-25.02269-24.57117-24.8431924748.016341.11362.51e-19*-25.80119*-24.96266*-25.46785*34775.50452.091602.63e-19-25.75417-24.52862-25.2669744810.05564.329652.66e-19-25.74616-24.13360-25.1051154845.94665.633782.66e-19-25.74556-21.74598-24.9506564876.12054.18065*2.75e-19-25.71337-21.32678-24.7646274901.79248.768992.89e-19-25.66736-22.89375-24.5647584928.61942.932891.08e-19-25.60563-22.44501-24.34917图-2协整检验图-2协整检验图-2单位根检验HypothesizedTrace0.05No.ofCE(s)EigenvalueStatisticCriticalValueProb.**None*0.238800285.230495.753660.0000Atmost1*0.189297185.636869.818890.0000Atmost2*0.157709109.040547.856130.0000Atmost3*0.07301946.3956029.797070.0003Atmost4*0.04019918.7205715.494710.0157Atmost50.0102081.7448951.8414660.0530图图-4格兰杰因果检验NullHypothesis:ObsF-StatisticProb.SH1MdoesnotGrangerCauseCNT3681.079270.0472CNTdoesnotGrangerCauseSH1M0.366760.6932SH3MdoesnotGrangerCauseCNT3680.297990.7425CNTdoesnotGrangerCauseSH3M0.071340.9312SHONdoesnotGrangerCauseCNT3681.888600.1528CNTdoesnotGrangerCauseSHON0.397120.6725SSE50doesnotGrangerCauseSH1M3681.172540.3107SH1MdoesnotGrangerCauseSSE500.477660.6206SSECdoesnotGrangerCauseSH1M3681.381090.2526SH1MdoesnotGrangerCauseSSEC0.476460.6214SSE50doesnotGrangerCauseSH3M3682.231480.1088SH3MdoesnotGrangerCauseSSE501.310750.0376SSECdoesnotGrangerCauseSH3M3682.301770.1015SH3MdoesnotGrangerCauseSSEC4.098990.0174SSE50doesnotGrangerCauseSHON3680.404730.6675SHONdoesnotGrangerCauseSSE500.054950.9465SSECdoesnotGrangerCauseSHON3680.859380.4243SHONdoesnotGrangerCauseSSEC0.257680.7730 通过上述图表，可以确定建立VAR（2）模型，且模型平稳。同时六变量之间存在5个协整关系，说明该系统的变量之间，存在长期的协整关系。 同时，通过格兰杰检验可以发现，SH1M是CNT的格兰杰原因。SH3M是SSEC与SSE50的格兰杰原因。其余变量之间不存在格兰杰因果关系。脉冲响应分析与方差分解图1.图-1CNT对SH1M的脉冲响应图 图-1显示的是给SH1M一个单位的正向冲击后，CNT对应产生的变化。在给SH1M一个单位冲击后，CNT产生负反馈，且在第2期达到峰值，在第4期反应转为正向，但影响微弱。图1.图-2SSE50与SSEC对SH3M的脉冲响应图图-3CNT方差分解图图-3CNT方差分解图PeriodS.E.CNTSH1M10.017199100.00000.00000020.01735098.838591.16141430.01741598.785771.21422540.01741998.754001.24599750.01742398.709691.29031160.01742698.674091.32590870.01742998.641721.35828080.01743298.612161.38783690.01743498.586001.413996100.01743698.563061.436942图-4SSE50方差分解图 图图-4SSE50方差分解图VarianceDecompositionofSSE50:PeriodS.E.SH3MSSE50SSEC10.0184480.32632999.673670.00000020.0376140.32938799.662830.00778730.0575910.32736299.624380.04825640.0774770.33284599.618460.04869450.0967650.34774999.603510.04873760.1151890.37448799.576780.04872970.1326220.41165199.539640.04871080.1490230.45770999.493600.04869590.1643980.51082999.440490.048683100.1787800.56928999.382040.048671图1.图-5SSEC方差分解图VarianceDecompositionofSSEC:PeriodS.E.SH3MSSE50SSEC10.0142010.36046684.2772715.3622620.0142170.36013284.2561315.3837430.0142640.36311681.9542915.6826040.0142650.37891181.9356615.6854350.0142670.40459981.9114915.6839160.0142690.44317881.8788015.6780370.0142710.49185181.8377715.6703880.0142750.54830281.7902015.6614990.0142780.61065281.7376515.65169100.0142830.67727881.6815015.64122 图-4、图-5分别显示每一单位SSE50和SSEC的变化中，SH3M的解释程度。SH3M对SSE50和SSEC的解释程度均小于1%。1.5.3第三阶段（2015Q1—2017Q3，扩张期）建立VAR模型、协整检验与格兰杰因果检验 对第三阶段的滞后阶数选择、单位根检验协整检验与格兰杰因果检验分别图-1滞后阶数选择如图1.5.图-1滞后阶数选择LagLogLLRFPEAICSCHQ05304.468NA1.89e-15-16.15387-16.11283-164610134.677.17e-22-31.65993-31.37270-31.54857210925.49978.29181.75e-22-31.07162-32.53820*-32.86481*310972.9992.248941.69e-22-31.10668-32.32707-32.80442411011.0571.223661.68e-22-31.11297-32.08717-32.71525511080.26131.86891.52e-22-31.21420-31.94221-32.72104611134.61102.57741.43e-22-31.27016-31.75198-32.68154711157.8441.415651.49e-22-31.23123-31.46686-32.54716811196.3271.207161.48e-22-31.23878-31.22822-32.45926911222.7648.441041.53e-22-31.20963-30.95287-32.334661011266.4579.258741.49e-22-31.23308-30.73013-32.262661111316.7090.226821.43e-22-31.27651-30.52737-32.210631211359.9176.810551.40e-22-31.29851-30.30317-32.137181311406.1981.411731.36e-22*-31.32984*-30.08832-32.073061411435.4450.929561.39e-22-31.30928-29.82157-31.957051511457.0237.157701.46e-22-31.26529-29.53138-31.817611611499.9071.08222*1.43e-22-31.28627-29.30617-31.74314图图-2单位根检验

图图-3协整检验UnrestrictedCointegrationRankTest(Trace)HypothesizedTrace0.05No.ofCE(s)EigenvalueStatisticCriticalValueProb.**None*0.226519481.968095.753660.0001Atmost1*0.197754310.646569.818890.0001Atmost2*0.169836161.679547.856130.0000Atmost3*0.04401339.5294129.797070.0028Atmost40.0101529.50703115.494710.3205图图-4格兰杰因果检验NullHypothesis:ObsF-StatisticProb.SH1MdoesnotGrangerCauseCNT6594.141911.E-06CNTdoesnotGrangerCauseSH1M1.494370.1141SH3MdoesnotGrangerCauseCNT6591.629790.0725CNTdoesnotGrangerCauseSH3M1.277430.2215SHONdoesnotGrangerCauseCNT6591.339070.1850CNTdoesnotGrangerCauseSHON0.431850.9583SSE50doesnotGrangerCauseSH1M6591.390370.1585SH1MdoesnotGrangerCauseSSE504.376034.E-07SSECdoesnotGrangerCauseSH1M6591.367210.1700SH1MdoesnotGrangerCauseSSEC5.554041.E-09SSE50doesnotGrangerCauseSH3M6590.417320.9639SH3MdoesnotGrangerCauseSSE501.759850.0458SSECdoesnotGrangerCauseSH3M6590.659860.8028SH3MdoesnotGrangerCauseSSEC1.785760.0417SSE50doesnotGrangerCauseSHON6590.952560.4976SHONdoesnotGrangerCauseSSE502.657590.0012SSECdoesnotGrangerCauseSHON6590.917110.5347SHONdoesnotGrangerCauseSSEC2.088700.0132 通过上述图表，可以确定建立VAR（13）模型，且模型平稳。同时六变量之间存在4个协整关系，说明该系统的变量之间，存在长期的协整关系。 同时，通过格兰杰检验可以发现，SH1M是CNT的格兰杰原因。三大SHIBOR均是是SSEC与SSE50的格兰杰原因。相比第二阶段，第三阶段SHIBOR与股指之间存在更紧密的联系。图-1图-1CNT对SH1M的脉冲响应图 图-1显示的是给SH1M一个单位的正向冲击后，CNT对应产生的变化。在给SH1M一个单位冲击后，CNT总体产生负反馈，且在第2期达到峰值，随后影响逐渐减弱。图图-2SSE50对SHON、SH1M、SH3M的脉冲响应图 图-2显示的是给不同期限SHIBOR一个单位的正向冲击后，SSE50对应产生的变化。在给SHON一个单位冲击后，SSE50总体产生负反馈，仅第2期达到峰值，其后滞后期对SHON变化并不显著。SSE50对SH1M的响应与对SHON的相应相似，而SSE50对SH3M的响应更加微弱。图图-3SSEC对SHON、SH1M、SH3M的脉冲响应图图-4CNT方差分解图-4CN