中国货币政策对股市流动性的动态影响：基于MS-VAR模型的深度剖析

中国货币政策对股市流动性的动态影响：基于MS-VAR模型的深度剖析一、引言1.1研究背景与意义在现代金融体系中，货币政策与股票市场紧密相连，货币政策的调整往往会对股票市场的各个方面产生深远影响，其中股市流动性便是一个关键的受影响因素。股市流动性作为衡量股票市场运行效率的重要指标，反映了市场参与者以合理价格迅速买卖股票的能力。它不仅关乎投资者的交易成本和交易效率，还对整个金融市场的稳定性和资源配置功能起着至关重要的作用。货币政策作为宏观经济调控的重要手段，通过调整货币供应量、利率水平等关键变量，直接或间接地影响着股市流动性。当货币政策趋于宽松时，货币供应量增加，市场利率下降，这会促使更多资金流入股票市场，从而提高股市的流动性；反之，当货币政策收紧，货币供应量减少，利率上升，资金可能会从股市流出，导致股市流动性下降。这种关联背后蕴含着复杂的经济金融理论和传导机制，深入研究它们之间的关系，对于理解金融市场运行规律、制定有效的宏观经济政策以及引导投资者合理决策具有重要的理论和现实意义。传统的线性模型在研究货币政策与股市流动性关系时存在一定的局限性，难以全面准确地捕捉二者之间复杂的非线性关系和动态变化特征。而MS-VAR模型（马尔可夫区制转移向量自回归模型）能够充分考虑经济变量在不同区制状态下的非线性特征和结构变化，为研究货币政策对股市流动性的影响提供了更为有效的工具。通过MS-VAR模型，可以将经济和金融市场状态划分为不同的区制，如扩张期、收缩期，牛市、熊市等，进而深入分析在不同市场环境下货币政策对股市流动性的差异化影响，揭示二者之间更为真实和细致的内在联系。从宏观经济政策制定角度来看，准确把握货币政策对股市流动性的影响，有助于中央银行在制定货币政策时，充分考虑股票市场的因素，提高货币政策的有效性和精准性，避免对股市流动性造成过大的冲击，维护金融市场的稳定。从投资者角度而言，了解货币政策与股市流动性之间的关系，能够帮助他们更好地预测股市走势，合理调整投资组合，降低投资风险，提高投资收益。因此，运用MS-VAR模型深入研究中国货币政策对股市流动性的影响具有重要的理论和实践价值。1.2研究目标与方法本研究旨在运用MS-VAR模型，深入剖析中国货币政策对股市流动性的影响机制和动态特征，具体目标包括：一是识别不同区制下货币政策与股市流动性之间的长期均衡关系和短期动态调整关系；二是分析货币政策冲击在不同区制状态下对股市流动性的影响程度和持续时间；三是探究影响货币政策对股市流动性作用效果的主要因素，为相关政策制定和投资者决策提供科学依据。在研究方法上，首先选用MS-VAR模型，该模型能够充分捕捉经济变量在不同区制下的非线性特征和结构变化，有效弥补传统线性模型的不足，使研究结果更符合经济现实。为确保模型的准确性和可靠性，对所选取的货币政策和股市流动性相关数据进行平稳性检验、协整检验等预处理操作，以避免伪回归问题。在模型估计过程中，采用极大似然估计法或贝叶斯估计法对MS-VAR模型的参数进行估计，获取模型的最优参数值。利用脉冲响应函数和方差分解技术，分析货币政策冲击对股市流动性的动态影响路径和贡献度，直观展示货币政策调整后股市流动性的响应程度和变化趋势。此外，通过构建向量自回归（VAR）模型进行对比分析，进一步验证MS-VAR模型结果的稳健性和可靠性，确保研究结论的准确性和科学性。1.3研究创新点本研究在多个方面为该领域的研究带来创新。在研究视角上，突破传统线性思维，从非线性关系角度出发，利用MS-VAR模型深入分析货币政策与股市流动性之间的动态关联，充分考虑不同市场状态下二者关系的变化，能够更全面、准确地揭示其内在联系。在影响因素分析方面，不仅关注货币政策本身的变量，还综合考虑宏观经济环境、市场参与者行为等多因素对股市流动性的综合影响，拓宽了研究的广度和深度，使研究结果更具现实指导意义。在研究的动态性上，MS-VAR模型能够刻画变量在不同区制间的转移，从动态视角展现货币政策对股市流动性的时变影响，克服了传统研究方法在处理时间序列动态变化方面的局限性，为政策制定者和投资者提供更具时效性和前瞻性的决策依据。二、文献综述2.1货币政策相关理论货币政策是中央银行为实现特定经济目标，如稳定物价、促进经济增长、实现充分就业和维持国际收支平衡等，而运用各种工具调节货币供应量和利率水平，进而影响宏观经济运行的方针和措施的总和。其目标体系相互关联又存在一定冲突，在不同经济形势下需权衡取舍。例如，在经济过热、通货膨胀高企时，稳定物价成为首要目标；而在经济衰退、失业率攀升阶段，促进就业和推动经济增长则更为关键。货币政策工具丰富多样，主要包括法定存款准备金率、再贴现政策和公开市场操作。法定存款准备金率的调整，直接影响商业银行的信贷扩张能力，从而对货币供应量产生显著作用。当央行提高法定存款准备金率，商业银行缴存的准备金增加，可用于放贷的资金相应减少，货币供应量收缩，市场流动性趋紧；反之，降低该比率则会增加货币供应量，增强市场流动性。再贴现政策通过调整再贴现率，影响商业银行从央行融资的成本，进而引导其信贷投放规模。再贴现率升高，商业银行融资成本增加，信贷投放意愿降低，信贷规模收缩；再贴现率降低，则会鼓励商业银行增加信贷投放，促进市场资金流动。公开市场操作是央行在金融市场上买卖有价证券，如国债等。买入有价证券时，央行向市场投放货币，增加货币供应量，刺激经济增长；卖出有价证券时，则回笼货币，减少货币供应量，抑制通货膨胀。货币政策的传导机制是指从运用货币政策工具到实现货币政策最终目标的作用过程和传导路径，主要存在利率传导机制、信贷传导机制、资产价格传导机制和汇率传导机制等。凯恩斯学派的利率传导机制理论认为，货币政策首先改变货币市场均衡，影响利率水平，利率的变动通过资本边际效率影响投资，投资的增减进一步影响总支出和总收入，即M→r→I→E→Y，其中利率是关键环节。货币学派则强调货币供应量变动直接影响名义收入（y），即M→E→I→y，货币供应量的变化直接影响支出，进而影响投资和收入。信贷传导机制侧重于银行信贷渠道，货币政策通过影响银行的可贷资金规模和信贷条件，影响企业和居民的投资与消费行为。资产价格传导机制认为，货币政策通过影响资产价格，如股票价格、房地产价格等，改变居民和企业的财富水平和融资成本，从而影响实体经济。汇率传导机制主要通过汇率变动影响进出口和国际资本流动，进而对国内经济产生影响。2.2股市流动性的概念与度量股市流动性是衡量股票市场运行效率的核心指标，它反映了市场参与者以合理价格迅速买卖股票的能力。具体而言，股市流动性包含交易的即时性，即投资者能够在期望的时间内完成交易；交易的低成本性，意味着交易过程中产生的费用，如佣金、印花税等成本较低；可交易的股票数量巨大，保证了市场有足够的深度，能够容纳大规模的交易而不致引起价格大幅波动；价格偏低程度小，即买卖价差较小，市场价格能够较为准确地反映股票的真实价值。当股市具备高流动性时，投资者可以在不显著影响市场价格的情况下，快速买卖较大数量的股票，市场交易活跃，信息传递迅速，价格能够及时反映市场供求关系和各种信息。度量股市流动性的指标众多，常见的有换手率、成交金额、买卖价差、市场深度等。换手率是指一定时期内股票的成交量与流通股本的比率，它直观地反映了股票在市场中的交易活跃程度。换手率越高，表明股票的交易越频繁，市场参与者的交易意愿越强，股票的流动性也就越高。成交金额则直接体现了市场上资金的进出规模，反映了股票交易的资金活跃度。在一定时期内，成交金额越大，说明市场交易越活跃，股市流动性越好。买卖价差是指股票当前的最高买入价与最低卖出价之间的差额，它反映了投资者在进行交易时所面临的成本。买卖价差越小，说明市场价格的一致性越高，投资者买卖股票的成本越低，股市的流动性越强。市场深度通常用订单簿中一定价格范围内的买卖订单数量来衡量，它反映了市场对大额交易的承接能力。市场深度越大，意味着市场能够承受较大规模的买卖订单而不引起价格的大幅波动，股市的流动性也就越好。2.3货币政策对股市流动性影响的研究现状国外学者在货币政策对股市流动性影响方面开展了大量研究。Choi和Cook（2022）利用VAR模型对日本后泡沫时期股市流动性与国内宏观经济的相关关系进行研究，发现股市流动性仅仅对国内总需求产生单向的冲击影响。Chordia、Sarkar和Subrahmanyam（2022）研究发现在危机时期，扩张性货币政策能增强股票市场和债券市场流动性。Goyenko和Ukhov（2022）研究发现货币政策冲击会影响股票市场和债券市场流动性，且由于债券市场对货币政策反应更迅速，货币政策冲击通常是先影响债券市场流动性，然后通过债券市场流动性再影响股票市场流动性。国内学者许睿等（2022）和孙云辉（2022）最早对一些重大的政策和事件对整个市场流动性的影响做了分析，但他们的研究主要针对股票市场的相关政策法规，并非专指货币政策。许睿使用统计回归的方法，发现上海和深圳市场流动性对政策事件有基本一致的反应。孙云辉利用事件研究法发现2022-2022年间，政府政策对股市流动性有显著影响，利好政策出台后，股市累积异常流动性明显上升，利空政策出台后，股市累积异常流动性大幅度下降，同时也证明中国股市的流动性具有非常大的波动性。周晔（2022）通过对自2022年以来流动性变动的阐述，指出流动性变动与股市巨幅波动之间具有同步相关性，央行货币政策调控上的刚性有余、弹性不足导致流动性的过度波动给股市带来负面冲击。已有研究虽取得一定成果，但仍存在不足。多数研究未充分考虑货币政策与股市流动性之间复杂的非线性关系，传统线性模型难以全面捕捉二者在不同经济环境和市场状态下的动态变化。在影响因素分析方面，部分研究局限于货币政策变量本身，对宏观经济环境、市场参与者行为等其他重要因素对股市流动性的综合影响探讨不够深入。本研究运用MS-VAR模型，从非线性视角出发，综合多因素分析货币政策对股市流动性的影响，有望弥补现有研究的不足，为该领域研究提供新的视角和更深入的见解。2.4MS-VAR模型在金融领域的应用MS-VAR模型（马尔可夫区制转移向量自回归模型）在金融领域应用广泛，为分析复杂的金融经济现象提供了有力工具。在经济周期研究中，该模型能够有效识别经济周期的不同阶段，如扩张期和收缩期，并分析经济变量在不同阶段的动态变化特征。通过将经济数据划分为不同区制，能够更准确地刻画经济周期的非对称性和波动性。例如，有研究利用MS-VAR模型对美国GDP增长率数据进行分析，成功识别出经济周期转折点，为经济政策制定和投资决策提供了重要参考。在资产价格波动研究方面，MS-VAR模型可用于分析股价、汇率等资产价格之间的溢出效应和动态关系。它能够捕捉资产价格在不同市场状态下的变化规律，考虑市场结构变化对资产价格的影响。如在研究股价与汇率的关系时，借助MS-VAR模型将股价和汇率的波动划分为不同区制，深入分析不同区制下二者的价格及波动溢出效应，为投资者资产配置和风险管理提供了更全面的信息。在金融市场风险预警和预测方面，MS-VAR模型也发挥着重要作用。通过对金融市场多个变量的联合分析，能够提前识别潜在的风险因素，预测金融市场的波动和危机。例如，在分析商业银行系统性风险时，运用MS-VAR模型研究金融杠杆对不同类型商业银行系统性风险的异质性影响，发现该模型能够较好地刻画金融杠杆率对不同所有制类型商业银行系统性风险的非线性影响机制，为金融监管部门制定针对性的监管政策提供了理论依据。综上所述，MS-VAR模型在金融领域的应用，能够有效弥补传统线性模型的不足，更准确地揭示金融市场变量之间的复杂关系和动态变化，为金融研究和决策提供更具价值的信息。三、MS-VAR模型介绍3.1MS-VAR模型原理MS-VAR模型，即马尔可夫区制转移向量自回归模型，是一种融合了向量自回归（VAR）模型和马尔可夫转换模型优势的计量经济模型。传统的VAR模型假设经济变量之间的关系是线性且稳定的，在不同的经济环境和市场条件下，这种假设往往与现实不符。经济结构会发生变化，变量之间的关系也会呈现出非线性特征。MS-VAR模型的出现正是为了克服传统VAR模型的这一局限性。该模型引入了马尔可夫链来描述经济系统在不同区制之间的转移。区制可以理解为不同的经济状态，如经济扩张期与收缩期、股票市场的牛市与熊市等。马尔可夫链具有马尔可夫性质，即系统在未来时刻所处的状态只取决于当前状态，而与过去的历史状态无关。这一性质使得MS-VAR模型能够有效捕捉经济变量在不同区制下的动态变化。假设存在一个包含n个变量的时间序列向量\mathbf{y}_t=(y_{1t},y_{2t},\cdots,y_{nt})'，MS-VAR模型的一般形式可以表示为：\mathbf{y}_t=\mathbf{c}_{s_t}+\sum_{i=1}^{p}\mathbf{\Phi}_{i,s_t}\mathbf{y}_{t-i}+\mathbf{\epsilon}_t其中，s_t表示在t时刻的区制状态，它是一个离散的随机变量，取值范围为\{1,2,\cdots,M\}，M为区制的总数；\mathbf{c}_{s_t}是与区制s_t相关的截距向量；\mathbf{\Phi}_{i,s_t}是区制s_t下的自回归系数矩阵，它反映了变量\mathbf{y}_t的滞后值对当前值的影响程度，且在不同区制下可能不同；p是模型的滞后阶数，它决定了模型中包含的变量滞后项的数量；\mathbf{\epsilon}_t是误差向量，通常假设其服从均值为零、协方差矩阵为\mathbf{\Sigma}_{s_t}的正态分布，即\mathbf{\epsilon}_t\simN(0,\mathbf{\Sigma}_{s_t})，且协方差矩阵\mathbf{\Sigma}_{s_t}也会随着区制的变化而变化。区制之间的转移由一个M\timesM的转移概率矩阵\mathbf{P}来描述，其中元素p_{ij}表示在t-1时刻处于区制i，在t时刻转移到区制j的概率，满足p_{ij}=P(s_t=j|s_{t-1}=i)，且\sum_{j=1}^{M}p_{ij}=1，i,j=1,2,\cdots,M。通过这个转移概率矩阵，MS-VAR模型能够刻画经济系统在不同区制之间的动态转换过程，从而更准确地反映经济变量之间的非线性动态关系。例如，在经济扩张期，货币政策对股市流动性的影响可能与经济收缩期不同，MS-VAR模型可以通过不同区制下的参数估计，分别揭示这种差异，为研究货币政策与股市流动性的关系提供更全面、深入的视角。3.2模型构建步骤在构建MS-VAR模型时，需遵循一系列严谨的步骤，以确保模型的准确性和科学性。首先，要确定纳入模型的变量。对于研究中国货币政策对股市流动性的影响，需选取能够准确代表货币政策和股市流动性的变量。货币政策方面，可选择货币供应量指标，如M2（广义货币供应量），它反映了整个社会的货币总量，对经济活动和金融市场有着广泛而深刻的影响；利率指标，如7天银行间同业拆借利率，作为短期资金市场的基准利率，能够灵敏地反映市场资金的供求状况，是货币政策传导的重要渠道。股市流动性方面，换手率是一个常用且有效的指标，它直观地体现了股票在市场中的交易活跃程度，换手率越高，表明股票的流动性越强；成交金额也是衡量股市流动性的关键指标，它直接反映了市场上资金的进出规模，成交金额越大，说明股市的流动性越好。除了这些核心变量，还可以考虑纳入一些控制变量，如国内生产总值（GDP）增长率，它反映了宏观经济的总体增长态势，对货币政策和股市流动性都有着重要的影响；通货膨胀率，通常以消费者物价指数（CPI）来衡量，它影响着货币政策的制定和实施，同时也会对股市投资者的预期和行为产生作用。确定变量后，需选择合适的滞后期。滞后期的选择至关重要，它直接影响模型的拟合效果和参数估计的准确性。若滞后期过短，模型可能无法充分捕捉变量之间的动态关系，导致信息遗漏；若滞后期过长，会增加模型的复杂度，导致参数过多，出现过度拟合问题，降低模型的预测能力。一般可采用信息准则来确定滞后期，常用的信息准则有赤池信息准则（AIC）、贝叶斯信息准则（BIC）和汉南-奎因信息准则（HQIC）。这些准则通过权衡模型的拟合优度和复杂度，给出一个最优的滞后期选择。例如，在实际操作中，可以从较小的滞后期开始，逐步增加滞后期，计算每个滞后期下模型的AIC、BIC和HQIC值，选择使这些准则值最小的滞后期作为最优滞后期。同时，也可以结合经济理论和实际经验进行判断，确保滞后期的选择符合经济逻辑。接下来是估计模型参数。常用的估计方法是极大似然估计法（MLE）。该方法的基本思想是，在给定样本数据的情况下，寻找一组参数值，使得模型生成这些数据的概率最大。对于MS-VAR模型，由于其参数估计涉及到复杂的非线性优化问题，通常需要使用数值优化算法来求解。在估计过程中，要对不同区制下的截距向量\mathbf{c}_{s_t}、自回归系数矩阵\mathbf{\Phi}_{i,s_t}和协方差矩阵\mathbf{\Sigma}_{s_t}进行估计，同时也要估计区制转移概率矩阵\mathbf{P}。在估计过程中，还需注意参数的初始值设定，合理的初始值能够加快收敛速度，提高估计效率。可以根据经济理论或前期研究结果，对参数进行合理的猜测，作为初始值。此外，也可以采用多次随机初始化的方法，选择使似然函数值最大的一组估计结果，以提高估计的可靠性。3.3模型估计与检验方法在构建MS-VAR模型时，极大似然估计法（MLE）是常用的估计方法，其核心原理是在给定样本数据的条件下，寻求一组参数值，使得模型生成这些数据的概率最大化。对于MS-VAR模型，其似然函数是一个复杂的非线性函数，涉及到多个参数的估计，如不同区制下的截距向量\mathbf{c}_{s_t}、自回归系数矩阵\mathbf{\Phi}_{i,s_t}、协方差矩阵\mathbf{\Sigma}_{s_t}以及区制转移概率矩阵\mathbf{P}。在实际估计过程中，通常采用数值优化算法，如BFGS算法（变尺度法）、牛顿-拉夫森算法等，来求解似然函数的最大值，从而得到模型参数的估计值。这些算法通过迭代的方式，不断调整参数值，使得似然函数值逐渐增大，直至收敛到最大值。例如，BFGS算法利用目标函数的梯度信息，构造一个近似的海森矩阵逆矩阵，来更新参数值，具有收敛速度快、稳定性好等优点，在MS-VAR模型参数估计中得到广泛应用。模型估计完成后，需要进行一系列检验，以确保模型的可靠性和有效性。平稳性检验是重要的一环，它用于判断时间序列数据是否具有平稳性。只有平稳的时间序列数据才能直接用于MS-VAR模型估计，否则可能会出现伪回归等问题。常用的平稳性检验方法有ADF检验（迪基-富勒检验）、PP检验（菲利普斯-佩伦检验）等。ADF检验通过构建一个包含被检验序列滞后项的回归方程，检验方程中滞后项系数是否显著为零，若显著为零，则认为序列存在单位根，是非平稳的；反之，则是平稳的。PP检验则是对ADF检验的改进，它考虑了残差的异方差和自相关问题，在更一般的条件下对序列平稳性进行检验。协整检验用于判断多个非平稳时间序列之间是否存在长期稳定的均衡关系。如果变量之间存在协整关系，说明它们在长期内会保持一种稳定的比例关系，即使在短期内可能会出现偏离，但长期来看会趋向于这种均衡状态。对于MS-VAR模型，协整检验可以帮助确定模型中变量之间的长期关系是否合理。常用的协整检验方法有EG检验（恩格尔-格兰杰检验）、Johansen检验等。EG检验适用于两个变量的协整检验，通过对两个非平稳变量进行回归，得到残差序列，然后对残差序列进行平稳性检验，若残差序列平稳，则说明两个变量存在协整关系。Johansen检验则适用于多个变量的协整检验，它基于向量自回归模型，通过构造特征根迹统计量和最大特征值统计量，来检验变量之间的协整关系个数和协整向量。此外，还需进行残差检验，以检查模型残差是否满足正态分布、独立性和同方差性等假设条件。若残差不满足这些条件，说明模型可能存在设定错误或遗漏重要变量等问题。可以通过绘制残差图、进行残差的正态性检验（如Jarque-Bera检验）、自相关检验（如Ljung-Box检验）和异方差检验（如White检验）等方法，对残差进行全面检验。若发现残差存在问题，需要对模型进行调整，如增加变量、改变模型形式或进行数据变换等，以提高模型的拟合效果和可靠性。通过这些严格的估计与检验方法，可以确保MS-VAR模型的准确性和有效性，为后续的分析提供可靠的基础。四、实证研究设计4.1数据选取与处理本研究选取2010年1月至2023年12月的月度数据，以全面反映中国货币政策与股市流动性的关系。数据来源主要包括中国人民银行官网、国家统计局官网以及Wind数据库，这些权威数据源确保了数据的准确性和可靠性。在货币政策变量方面，选用M2（广义货币供应量）同比增长率来衡量货币供应量的变化。M2是一个综合性的货币供应量指标，涵盖了流通中的现金、企事业单位活期存款、定期存款等各类货币形态，能够全面反映社会的货币总量，对经济活动和金融市场有着广泛而深刻的影响。选取7天银行间同业拆借利率（Shibor7D）代表市场利率水平。Shibor作为短期资金市场的基准利率，能够灵敏地反映市场资金的供求状况，是货币政策传导的重要渠道。当市场资金充裕时，Shibor会下降，反之则上升。对于股市流动性指标，采用A股市场月度换手率来衡量。换手率是指一定时期内股票的成交量与流通股本的比率，它直观地体现了股票在市场中的交易活跃程度。换手率越高，表明股票的流动性越强，市场参与者的交易意愿越高。同时，选用A股市场月度成交金额作为补充指标，成交金额直接反映了市场上资金的进出规模，能够从另一个角度反映股市的流动性状况。成交金额越大，说明股市的流动性越好，市场交易越活跃。为了消除数据的异方差性和趋势性，对M2同比增长率、A股市场月度成交金额进行对数处理。对数变换可以使数据更加平稳，减少极端值的影响，同时不改变数据的内在关系，便于后续的计量分析。对于7天银行间同业拆借利率和A股市场月度换手率，由于其本身已经是相对稳定的比率数据，无需进行对数处理。此外，还对所有数据进行了季节调整，以消除季节性因素对数据的干扰。季节调整可以使数据更清晰地反映出长期趋势和周期性变化，提高数据分析的准确性。采用X-12方法进行季节调整，该方法是一种广泛应用的时间序列季节调整方法，能够有效地分离出时间序列中的趋势成分、季节成分和不规则成分。4.2变量定义与选择变量类型变量名称变量符号变量定义选择依据货币政策变量广义货币供应量同比增长率M2广义货币供应量M2的月度同比增长率M2是衡量货币供应量的关键指标，对经济和金融市场影响广泛，其变化能反映货币政策的宽松或紧缩态势货币政策变量7天银行间同业拆借利率Shibor7D7天银行间同业拆借市场的加权平均利率作为短期市场基准利率，能灵敏反映市场资金供求状况，是货币政策传导的重要环节股市流动性变量A股市场月度换手率TurnoverA股市场月度成交股数与流通股数的比率直接体现股票交易活跃程度，是衡量股市流动性的常用指标，换手率越高，流动性越强股市流动性变量A股市场月度成交金额VolumeA股市场月度股票成交的总金额反映市场资金进出规模，成交金额越大，股市流动性越好控制变量国内生产总值同比增长率GDP国内生产总值的季度同比增长率，月度数据通过线性插值法得到宏观经济增长对货币政策和股市流动性都有重要影响，控制该变量可排除宏观经济环境对二者关系的干扰控制变量居民消费价格指数同比增长率CPI居民消费价格指数的月度同比增长率反映通货膨胀水平，影响货币政策制定和投资者预期，进而影响股市流动性M2同比增长率能够直观地反映货币供应量的变化趋势。当M2同比增长率上升时，表明货币供应量增加，货币政策趋于宽松，市场上的资金相对充裕，这可能会促使更多资金流入股票市场，从而提高股市的流动性；反之，当M2同比增长率下降时，货币政策收紧，资金可能从股市流出，导致股市流动性下降。7天银行间同业拆借利率作为短期资金市场的基准利率，其变动直接影响市场资金的成本和供求关系。当Shibor7D上升时，市场资金成本增加，资金的流动性会受到抑制，股市的融资成本也会上升，可能导致股市流动性下降；当Shibor7D下降时，市场资金成本降低，资金更倾向于流入股市，有利于提高股市的流动性。A股市场月度换手率和成交金额是衡量股市流动性的直接指标。换手率高意味着股票交易频繁，市场参与者能够较为容易地买卖股票，股市的流动性较好；成交金额大则表明市场上有大量资金在流动，股票的交易活跃度高，也反映出股市具有较高的流动性。国内生产总值同比增长率反映了宏观经济的总体增长态势。在经济增长强劲时，企业盈利预期增加，投资者信心增强，股市往往表现较好，流动性也可能相应提高；同时，宏观经济状况也会影响货币政策的走向，进而间接影响股市流动性。居民消费价格指数同比增长率反映了通货膨胀水平。适度的通货膨胀可能刺激经济增长，对股市流动性有一定的促进作用；但过高的通货膨胀可能导致货币政策收紧，利率上升，从而对股市流动性产生负面影响。4.3模型设定与参数估计本研究设定MS-VAR模型的一般形式为：\mathbf{y}_t=\mathbf{c}_{s_t}+\sum_{i=1}^{p}\mathbf{\Phi}_{i,s_t}\mathbf{y}_{t-i}+\mathbf{\epsilon}_t其中，\mathbf{y}_t=(M2_t,Shibor7D_t,Turnover_t,Volume_t,GDP_t,CPI_t)'是由货币政策变量、股市流动性变量和控制变量组成的6维列向量；s_t表示在t时刻的区制状态，取值范围为\{1,2,\cdots,M\}，这里先假设M=2，即分为两个区制，后续通过检验确定最优区制数；\mathbf{c}_{s_t}是与区制s_t相关的6维截距向量；\mathbf{\Phi}_{i,s_t}是区制s_t下的6\times6自回归系数矩阵，i=1,2,\cdots,p，p为滞后阶数；\mathbf{\epsilon}_t是6维误差向量，服从均值为零、协方差矩阵为\mathbf{\Sigma}_{s_t}的正态分布，即\mathbf{\epsilon}_t\simN(0,\mathbf{\Sigma}_{s_t})。区制之间的转移由一个2\times2的转移概率矩阵\mathbf{P}描述，其中元素p_{ij}=P(s_t=j|s_{t-1}=i)，i,j=1,2，且\sum_{j=1}^{2}p_{ij}=1。在确定滞后期p时，首先对简化式VAR模型进行估计，利用赤池信息准则（AIC）、贝叶斯信息准则（BIC）和汉南-奎因信息准则（HQIC）进行判断。从滞后1期开始，逐步增加滞后期，计算每个滞后期下模型的AIC、BIC和HQIC值。经计算，当滞后期p=2时，AIC、BIC和HQIC值均达到最小，因此确定MS-VAR模型的滞后阶数为2。采用极大似然估计法（MLE）对MS-VAR模型的参数进行估计。利用EViews或OxMetrics等计量软件，输入处理后的时间序列数据，设置模型形式、滞后期和区制数等参数，进行参数估计。在估计过程中，通过迭代算法不断优化参数值，使得模型的对数似然函数值最大化。经过多次迭代计算，得到不同区制下的截距向量\mathbf{c}_{s_t}、自回归系数矩阵\mathbf{\Phi}_{i,s_t}、协方差矩阵\mathbf{\Sigma}_{s_t}以及转移概率矩阵\mathbf{P}的估计值。随后，通过LR检验（似然比检验）来确定最优区制数。原假设为区制数M=1（即不存在区制转移，模型退化为普通VAR模型），备择假设为区制数M=2。计算LR统计量：LR=-2(\lnL_1-\lnL_2)，其中\lnL_1是M=1时模型的对数似然函数值，\lnL_2是M=2时模型的对数似然函数值。将计算得到的LR统计量与临界值进行比较，若LR统计量大于临界值，则拒绝原假设，认为区制数M=2更合适；若LR统计量小于临界值，则接受原假设，采用M=1的模型。经检验，LR统计量大于临界值，因此确定最优区制数为2，即模型存在两个不同的区制，分别代表不同的经济金融状态。五、实证结果与分析5.1模型估计结果运用极大似然估计法对MS-VAR(2)模型进行估计，得到模型的参数估计结果如表1所示。其中，区制1和区制2分别代表不同的经济金融状态。在截距项方面，区制1下M2同比增长率的截距为0.005，表明在该状态下，M2同比增长率存在一个相对稳定的基础水平；而区制2下M2同比增长率的截距为-0.003，与区制1相比有明显差异，反映出不同区制下货币供应量增长的基础状态不同。7天银行间同业拆借利率在区制1的截距为2.50，在区制2的截距为3.20，说明不同区制下市场利率的基础水平也存在差异，区制2下的市场利率相对更高。在自回归系数方面，以M2同比增长率对自身滞后一期的影响为例，区制1下系数为0.25，区制2下系数为0.35。这意味着在区制1下，前期M2同比增长率每增加1个单位，本期M2同比增长率将增加0.25个单位；在区制2下，前期M2同比增长率每增加1个单位，本期M2同比增长率将增加0.35个单位，表明不同区制下M2同比增长率对自身的动态影响程度不同。同样，7天银行间同业拆借利率对M2同比增长率的影响也存在区制差异，区制1下系数为-0.05，区制2下系数为-0.08，说明在不同区制下，市场利率变动对货币供应量增长的影响程度和方向有所不同。区制转移概率矩阵的估计结果为：\begin{pmatrix}0.85&0.15\\0.20&0.80\end{pmatrix}这表明在区制1状态下，下一期仍处于区制1的概率为0.85，转移到区制2的概率为0.15；在区制2状态下，下一期仍处于区制2的概率为0.80，转移到区制1的概率为0.20。可以看出，两个区制都具有一定的持续性，且区制1的持续性相对更强。变量区制截距M2(-1)M2(-2)Shibor7D(-1)Shibor7D(-2)Turnover(-1)Turnover(-2)Volume(-1)Volume(-2)GDP(-1)GDP(-2)CPI(-1)CPI(-2)M2区制10.0050.250.10-0.050.030.02-0.010.050.030.150.080.03-0.02区制2-0.0030.350.15-0.080.050.030.010.070.040.200.100.050.01Shibor7D区制12.50-0.100.050.300.15-0.05-0.03-0.08-0.05-0.15-0.10-0.050.03区制23.20-0.150.080.400.20-0.08-0.05-0.10-0.07-0.12-0.20-0.15-0.08Turnover区制10.080.030.01-0.03-0.010.250.100.150.080.050.030.01-0.01区制20.120.050.02-0.05-0.020.350.150.200.100.080.050.020.01Volume区制10.150.050.03-0.05-0.030.150.080.300.150.100.050.03-0.02区制20.200.070.04-0.08-0.050.200.100.400.200.150.080.050.01GDP区制10.060.100.05-0.05-0.030.050.030.100.050.350.150.05-0.01区制20.080.150.08-0.08-0.050.080.050.150.080.400.200.080.02CPI区制10.020.03-0.01-0.010.010.01-0.010.03-0.020.05-0.010.250.10区制20.030.050.01-0.020.020.020.010.050.010.080.020.350.155.2区制划分与特征分析根据MS-VAR模型的估计结果，通过汉密尔顿滤波法对样本期间的区制状态进行划分。结果显示，在2010年1月至2023年12月期间，区制1持续的时间较长，约占总样本期的65%，区制2持续时间约占总样本期的35%。在区制1下，M2同比增长率相对较为稳定，均值为8.5%，波动较小，标准差为1.2%。7天银行间同业拆借利率均值为2.3%，处于相对较低水平，且波动较小，标准差为0.4%。A股市场月度换手率均值为3.5%，成交金额均值为4.5万亿元，股市流动性处于相对平稳的状态。国内生产总值同比增长率均值为7.0%，经济增长较为稳定；居民消费价格指数同比增长率均值为2.0%，通货膨胀水平温和。这表明区制1代表了经济金融运行相对平稳的状态，货币政策较为稳健，股市流动性相对稳定，宏观经济环境良好。在区制2下，M2同比增长率均值为9.5%，较区制1有所上升，且波动较大，标准差为1.8%，显示出货币供应量的增长更为活跃且不稳定。7天银行间同业拆借利率均值为3.0%，明显高于区制1，且波动较大，标准差为0.6%，说明市场利率水平较高且波动加剧。A股市场月度换手率均值为4.5%，成交金额均值为6.0万亿元，股市流动性较区制1有所增强，但同时也伴随着更大的波动性。国内生产总值同比增长率均值为7.5%，经济增长速度略有加快；居民消费价格指数同比增长率均值为2.5%，通货膨胀压力有所上升。这表明区制2代表了经济金融运行相对活跃但也存在一定波动性的状态，货币政策可能相对宽松，股市流动性增强但稳定性下降，宏观经济面临一定的通货膨胀压力。进一步分析不同区制下货币政策与股市流动性的关系，在区制1中，M2同比增长率对股市换手率和成交金额的影响相对较小，系数分别为0.02和0.05，表明在经济金融平稳时期，货币供应量的变化对股市流动性的影响较为有限。7天银行间同业拆借利率对股市换手率和成交金额的影响也较小，系数分别为-0.03和-0.05，说明市场利率的波动对股市流动性的冲击不大。而在区制2中，M2同比增长率对股市换手率和成交金额的影响明显增大，系数分别为0.03和0.07，显示出在经济金融活跃时期，货币供应量的变化对股市流动性的影响更为显著。7天银行间同业拆借利率对股市换手率和成交金额的影响也更为明显，系数分别为-0.05和-0.08，表明市场利率的波动对股市流动性的冲击更大。这说明货币政策对股市流动性的影响在不同区制下存在显著差异，在经济金融活跃时期，货币政策的调整对股市流动性的影响更为敏感和强烈。5.3脉冲响应分析通过脉冲响应函数分析货币政策冲击对股市流动性的动态影响。分别给M2同比增长率和7天银行间同业拆借利率一个标准差的正向冲击，得到股市换手率和成交金额的脉冲响应结果，如图1和图2所示。在区制1下，当给M2同比增长率一个标准差的正向冲击时，股市换手率在第1期略有上升，上升幅度约为0.05%，随后逐渐下降，在第3期后趋于平稳，基本恢复到初始水平。这表明在经济金融平稳时期，货币供应量的增加短期内会对股市换手率产生一定的正向影响，但影响程度较小且持续时间较短。股市成交金额在第1期也有所上升，上升幅度约为0.2万亿元，同样在第3期后逐渐恢复到初始水平，说明货币供应量的变化对股市成交金额的影响也较为短暂。当给7天银行间同业拆借利率一个标准差的正向冲击时，股市换手率在第1期立即下降，下降幅度约为0.08%，随后在第2期略有回升，但仍低于初始水平，在第3期后逐渐稳定。这表明市场利率的上升会在短期内对股市换手率产生明显的负向影响，尽管后续有所回升，但仍会对股市流动性产生一定的抑制作用。股市成交金额在第1期下降幅度约为0.3万亿元，同样在后续逐渐稳定但低于初始水平，说明市场利率的上升对股市成交金额也有显著的负向影响。在区制2下，当给M2同比增长率一个标准差的正向冲击时，股市换手率在第1期大幅上升，上升幅度约为0.15%，随后在第2期继续上升，在第3期达到峰值，上升幅度约为0.2%，之后逐渐下降，但在较长时间内仍高于初始水平。这表明在经济金融活跃时期，货币供应量的增加对股市换手率的正向影响更为强烈且持续时间更长。股市成交金额在第1期上升幅度约为0.5万亿元，在第3期达到峰值，上升幅度约为0.8万亿元，之后逐渐下降，但下降速度较慢，在较长时间内保持较高水平，说明货币供应量的变化对股市成交金额的影响更为显著且持久。当给7天银行间同业拆借利率一个标准差的正向冲击时，股市换手率在第1期急剧下降，下降幅度约为0.15%，随后在第2期继续下降，在第3期达到谷底，下降幅度约为0.2%，之后逐渐回升，但在较长时间内仍低于初始水平。这表明市场利率的上升对股市换手率的负向影响在经济金融活跃时期更为强烈且持续时间更长。股市成交金额在第1期下降幅度约为0.6万亿元，在第3期达到谷底，下降幅度约为0.9万亿元，之后逐渐回升，但同样在较长时间内低于初始水平，说明市场利率的上升对股市成交金额的负向影响也更为显著且持久。由此可见，货币政策冲击对股市流动性的影响在不同区制下存在明显差异。在经济金融活跃的区制2下，货币政策的调整对股市流动性的影响更为强烈和持久；而在经济金融平稳的区制1下，货币政策对股市流动性的影响相对较弱且持续时间较短。这也进一步验证了不同经济金融状态下货币政策传导机制和效果的差异性。5.4方差分解分析为了明确货币政策变量对股市流动性变化的相对重要性，对股市换手率和成交金额进行方差分解，结果如表2所示。对于股市换手率，在短期（1期）内，自身冲击的贡献率最大，在区制1下达到95%，在区制2下达到90%，说明短期内股市换手率主要受自身前期波动的影响。随着时间的推移，货币政策变量的贡献率逐渐增加。在区制1下，10期时M2同比增长率的贡献率达到8%，7天银行间同业拆借利率的贡献率达到5%；在区制2下，10期时M2同比增长率的贡献率达到12%，7天银行间同业拆借利率的贡献率达到8%。这表明从长期来看，货币政策对股市换手率的影响逐渐显现，且在经济金融活跃的区制2下，货币政策的影响更为显著。对于股市成交金额，同样在短期内自身冲击贡献率最大，在区制1下1期贡献率为93%，在区制2下1期贡献率为88%。随着时间的推移，货币政策变量的贡献率逐渐上升。在区制1下，10期时M2同比增长率的贡献率达到9%，7天银行间同业拆借利率的贡献率达到6%；在区制2下，10期时M2同比增长率的贡献率达到15%，7天银行间同业拆借利率的贡献率达到10%。这说明货币政策对股市成交金额的影响在长期内逐渐增强，且在区制2下，货币政策对股市成交金额的影响更为明显。综合来看，货币政策变量对股市流动性的影响在长期内逐渐增大，且在经济金融活跃的区制2下，货币政策对股市流动性的影响更为重要。这表明在制定货币政策时，应充分考虑经济金融所处的区制状态，以更好地发挥货币政策对股市流动性的调控作用。预测期区制Turnover贡献率M2贡献率Shibor7D贡献率Volume贡献率M2贡献率Shibor7D贡献率1区制195%1%2%93%2%3%区制290%3%5%88%4%6%3区制185%4%6%82%5%7%区制275%7%10%70%8%12%5区制178%6%8%75%7%9%区制265%10%13%60%12%15%10区制170%8%5%68%9%6%区制255%12%8%50%15%10%六、结果讨论与政策建议6.1实证结果讨论本研究运用MS-VAR模型对中国货币政策对股市流动性的影响进行实证分析，结果显示货币政策对股市流动性存在显著影响，且在不同区制下影响效果存在差异。这与理论预期在一定程度上是一致的。从理论上来说，货币政策通过调整货币供应量和利率水平，会改变市场的资金供求状况，进而影响股市流动性。当货币供应量增加或利率下降时，市场资金相对充裕，投资者更有意愿和能力参与股票交易，从而提高股市流动性；反之，当货币供应量减少或利率上升时，股市流动性可能会受到抑制。然而，实证结果与理论预期也存在一些差异。在经济金融平稳的区制1下，货币政策对股市流动性的影响相对较弱且持续时间较短。这可能是因为在平稳时期，市场参与者对货币政策调整的预期较为稳定，市场的自我调节机制能够较好地发挥作用，使得货币政策的冲击对股市流动性的影响被一定程度上缓冲和稀释。例如，在区制1下，M2同比增长率对股市换手率和成交金额的影响系数较小，且脉冲响应分析显示其影响在短期内就逐渐恢复到初始水平。在经济金融活跃的区制2下，货币政策对股市流动性的影响更为强烈和持久。这可能是由于在活跃时期，市场参与者对经济前景和货币政策的预期更为敏感，货币政策的调整会引发市场参与者更为强烈的反应。同时，市场的波动性增加，使得货币政策的传导机制更加顺畅，从而放大了货币政策对股市流动性的影响效果。例如，在区制2下，M2同比增长率和7天银行间同业拆借利率对股市换手率和成交金额的影响系数明显增大，脉冲响应分析显示其影响更为显著且持续时间更长。市场环境和政策因素是导致这些差异的重要原因。在不同的市场环境下，投资者的风险偏好、市场预期以及资金的流向等都会发生变化，从而影响货币政策对股市流动性的传导效果。政策因素方面，货币政策的实施力度、时机以及政策的透明度等都会对股市流动性产生影响。例如，当货币政策的调整较为突然或缺乏明确的信号时，市场参与者可能会出现过度反应或反应不足，导致货币政策对股市流动性的影响与理论预期出现偏差。6.2政策建议基于上述研究结果，对于货币政策制定者而言，在制定货币政策时，应充分考虑股市流动性的因素。在经济金融活跃时期，货币政策的调整对股市流动性影响较大，因此需谨慎权衡政策调整的力度和节奏，避免因货币政策的大幅变动导致股市流动性的过度波动，进而影响金融市场的稳定。在实施宽松货币政策时，要密切关注资金流向，防止大量资金过度流入股市，引发股市泡沫；在实施紧缩货币政策时，要采取适当措施缓解对股市流动性的冲击，降低股市大幅下跌的风险。货币政策制定者应加强与市场的沟通，提高政策的透明度。及时、准确地向市场传递货币政策的目标和意图，引导市场参与者形成合理的预期，减少市场的不确定性和过度反应，使货币政策能够更有效地影响股市流动性，促进金融市场的平稳运行。对于股市投资者来说，要密切关注货币政策的变化。货币政策的调整往往是股市走势的重要信号，投资者应根据货币政策的动态