基于非线性Grange检验的货币政策与股市波动关系研究
胡一博，赖玉洁
（西安航空学院 经济管理学院，西安710077）
摘 要： 首先构建了股市稳定性的指标评价体系，并利用非线性Grange模型判断导致股市不稳定的货币政策原因。非线性Grange因果关系检验证实了货币量对股市流动性以及利率对股价和股市流动性具有显著的非线性Grange因果影响；导致股市不稳定的货币政策原因除表现在利率滞后3、4阶对股价的影响外，更表现在货币政策对股市流动性更为显著和长期的影响，同时股市流动性也在一定程度上对货币政策产生非线性Grange影响。研究发现货币政策对股市流动性长期剧烈的冲击是导致股市不稳定的主要货币政策原因，因此，中央银行应该密切关注股票市场的流动性。
关键词： 货币政策；股市稳定性；非线性BDS检验；非线性Granger检验
一、引言
现阶段，我国金融体制改革正在深入推进，货币政策执行体系在对股票市场产生影响的过程中会受到很多复杂因素的影响。由于西方国家和中国的国情不同，西方国家相关的研究理论和模型对我国的借鉴意义十分有限，所以我国应该在深化金融体制改革的过程中对货币政策与股市稳定性影响这一问题进行深入研究。货币当局通常通过控制货币供应量和利率对股票市场和实体经济进行宏观调控，在这个过程中必然会导致股票市场的波动。股票市场的波动性是指资产的预期收益与实际收益的偏离程度，是股票市场的本质属性，是证券市场与生俱来的特性。一般情况下会从两个方面理解股票市场的波动性特征：一方面是股票其内在价值的变动所引发的价格波动；另一方面是股票的市场价格发生变动所引发的波动。因此也有人认为，股票市场产生波动的根本原因是其市场价格同内在价值偏离所引发的，因为这种波动是以股票价格的方式体现出来，所以又被称为股价波动性。
股市波动性受交易成本、市场效率、政策因素等多重因素影响，能够综合反映股票市场价格行为、质量和效率等特征，与此同时，投资者的“羊群效应”也会对股票市场的波动性产生影响，将放大股票市场的波动性。较多学者用股票市场的波动性特征来反映股票市场的稳定性，因为股票价格的适度波动是证券市场正常运行的基础，另外波动性也是投资者收益的来源。股票市场的波动性具有集群性、持续性、传递效应等特征，但是，如果股票市场波动较大，价格变化高度跳跃，则市场偏重于投机使股票价格与其真实价值产生严重偏离，进而引发资本市场的资源无效配置和资本市场运行效率的降低。因此，股票市场价格波动性常常作为衡量一个证券市场质量的重要指标，很多专家学者也专门针对股票市场的波动性开展研究。最早见于Markowitz（1952）年提出用收益率的标准差来度量投资风险，后常见于用方差结构来定量描述和研究股票波动性，尤其在波动性的测度和检验方面取得了较大进展。随着对波动率研究的不断深入，目前主要是从静态和动态两方面构建衡量波动率的模型，其中相对于静态模型，动态模型可以更好地切合现实的金融市场，更好地估计股市的波动性。
近3年来，通过以上改革措施，山西工商学院电子技术课程期末考试成绩有了明显提高，电子设计大赛成绩也取得了可喜的成绩。在2017年省赛中该校有6至队伍参赛，获得了1项一等奖，2项2等奖，3项三等奖的。2018年山西工商学院有7支队伍参赛，全部获奖。大学生电子设计竞赛不仅促进“电子技术基础”课程的教学内容和教学质模式不断追求进步，探索改革措施，而且帮助我们继续解决教学中存在的问题，同时验证了本科生的电子技术课程教学改革是有一定成果的。我们将继续以电子大赛为契机，在探索课程建设、教学模式改革的道路上继续前进。
从目前的研究现状可以看出，学者对货币政策和股票市场波动之间的因果关系检验主要利用线性Granger因果关系模型，如Gallo and Hann（2016）运用Granger因果关系模型检验发现货币政策会显著的影响股票市场［1］。在国内，赵景兰（2018）通过Granger因果检验发现利率对股票交易量存在负向因果关系，货币应给量与股市不存在Granger因果关系［2］。从目前的研究现状可以看出，学者对货币政策和股票市场之间的相关关系检验的过程中主要利用线性Granger因果关系模型检验，但是很少有学者尝试使用非线性Granger因果关系检验变量之间的影响关系。Granger and Newbold（2014）认为，从本质上讲，世界是由非线性关系构成，通过构建非线性Granger因果关系模型可以对真实世界进行解释和解读［3］。由于本文选取的数据时间跨度大，在这个过程中，经济周期、政策制度及其它相关经济变量会发生很大的变化，线性Granger因果很难准确描述变量关系。因此，本文选取非线性Granger因果关系检验货币政策与股市稳定性的相互影响，这也是本文的创新所在。
在近期于伦敦召开的世界核协会(WNA)2018年年会上，经合组织核能机构(OECD/NEA)总干事威廉·马格伍德表示，如果各国仍致力于应对气候变化，则应改革电力市场。
(3)从图中可知，蓝色越深，代表任务越密集，该区域越繁华，则价格越低；反之蓝色越浅，越接近黄色，代表任务越稀疏，该区域离中心城市越远，则价格越高。
由检验结果可见，经过处理的各组数据，在1%的显著性水平下都拒绝原假设，变量均不存在单位根，数据为平稳的，可以用于非线性Grange模型的建立与分析。
二、股市稳定性指标体系与非线性Grange模型
（一）股市稳定性指标体系构建
本文选取货币量和利率作为货币政策代理变量。货币量选取M2环比增速的月度数据，文中记为LM2。由于M2存在季节性波动，首先利用Census x12方法对M2原始数据进行季节性调整。选用的利率指标为1年期存款基准利率的月度数据，文中记为OYR，数据来源于中经网络数据库（http：／／db．cei．cn）。本文从股票价格指数、股市波动性和股市流动性三方面的指标考察我国股票市场稳定性，本文研究1997年1月至2018年8月共260组月度数据，研究时期长达20余年。
1．股票价格指数
自然资源是发展之基、生态之源、民生之本。改革开放以来，我省紧紧围绕实现人口、资源、环境协调发展，坚持十分珍惜、合理利用每一寸土地和切实保护耕地的基本国策，建立并实施严格的耕地、林地、海洋等用途管制制度，多措并举，强化自然资源保护，推动资源可持续利用。
股票价格通常由股票价格指数来衡量，股票价格指数是一个相对数，把某一基期的股价与报告期的股价作比较，可以把股票的总体价格水平以及变化更好的反映出来。有很多指标可以反映出股票价格的变化，主要有上证综合指数、上证A股指数、上证B股指数、上证180指数，以及深证综合指数、深证A股指数以及沪深300指数等。多数学者认为，沪深300股价指数作为股票价格的代理变量更具有代表性，但沪深300指数是由沪深证券交易所于2005年4月起发布，由于本文研究时间跨度较大，遵循数据的完备性和可获得性，选取上证综合指数月度数据作为股价的代理变量。为了说明这一代理变量的合理性，图1比较了月度上证综合指数（实线表示）与月度深证综合指数（虚线表示）20余年的走势，可以发现，上证综合指数和深证综合指数变动具有较高的同步性。进一步计算在样本期1997年1月到2018年8月两者之间相关系数为0．8168，说明两者具有高度的相关关系。故本文选取上证综合指数作为股价的代理变。为消除单位根，文中对原始数据进行了取对数差分处理，文中记作SPR，原始数据来自中经网络数据库。
图1 上证综指和深证综指走势
2．股市波动率
目前常见的描述股市波动性模型主要有：收益率的样本方差法、移动平均模型（即EWMA模型）、广义自回归条件异方差模型（即GARCH模型）和随机波动率模型（即SV模型）。SV模型基础是混合分布假说和潜在的信息到达过程，由Harvey and Ruiz（1994）等引入经济学领域研究［4］。目前，SV模型己成为模拟时变方差、捕捉金融资产收益率序列波动聚类和尖峰分布的一种有效工具。SV模型主要涵盖了随机自回归模型以及对数正态随机模型等，其估计方法主要有：基于极大似然估计、基于矩阵股市、基于辅助模型估计。随机波动模型目前被广泛应用于金融衍生品研究或资产定价方面，它能够有效的解释波动集群特性、波动的长记忆和持续性等波动性的各种特征，因此常用于反映整个市场的波动状况。基本的离散随机波动模型的表达式如下：
岭南建筑是岭南文化的现象和表征，也是岭南文化的典型载体。“余地三弓红雨足，荫天一角绿云深”，余荫山房外封闭、内开放的空间布局与疏密有致的植物景观配置高度凝练和浓缩了岭南建筑的审美特征，充分表现出岭南建筑“求真而传神，求实而写意”的艺术风格[16]，体现了岭南人崇尚自然真趣的审美趣味。受到岭南地形和湿热多雨气候的影响，余荫山房以庭院为中心来进行空间围合，即可巧妙地解决炎热潮湿的岭南地区的通风、防晒等问题，又可争取园内景观最大化，在庭院中巧妙布置山、石、水池[17]，点缀建筑小品，并与环绕的建筑一起共同形成“满院绿荫人迹少，半窗红日鸟声多”宁静而优美的环境。
急性脑梗死是导致人类死亡的一个因素,急性脑梗死有四分之三的患者会出现肢体功能障碍,因此患者的生活受到了威胁,增加了患者的负担[1]。临床中给患者提供合理的护理,让患者接受康复训练,能够有效的促进患者的生活质量提升。我国老龄化社会问题突出,该疾病的发生率也在增加,因此临床中关注度高,该疾病的死亡率和残疾率居高不下。在研究中,脑梗死患者的抢救几率比较高,但是由于脑组织缺氧缺血,导致了脑组织的损伤,治疗后,患者存在不同程度的肢体功能障碍情况。此次我院就肢体功能障碍患者接受康复护理的效果来进行报道分析。
式中，yt为消去均值后第t期的收益，β表示持续性参数，且|β|＜1，α代表常数项。式中，｛εt｝与｛ht｝独立存在，｛εt｝为鞅差分序列，允许扰动项｛εt｝和｛ηt｝同期相关。如果假设εt服从标准正态分布，那么ηt则服从均值为0，方差为σ2η的正态分布，同时σ2η未知，β代表当期波动对未来波动产生的影响。
假设取h1=Inσ2t，那么上述两个公式就可以改写为：
也曾有学者提出如下表达式：
小珍得了宝似的，攥着手往回跑。我抬脚就撵，母亲一把拽住我，狠狠地说：“赶啥热闹！别以为我不知道你放学也去了梨园！”
3．股市流动性指标
货币政策对股票市场稳定性的影响是一项十分复杂的系统性工程，两者之间的关系受到很多因素的影响，只使用线性因果关系检验变量之间的关系不够科学和全面。所以，本文在Himestra and Jones（1994）［7］、Diks and Panchenko（2006）［8］提出的非线性因果关系检验方法的基础上，构建的基于非参数统计量的检验方法，通过对残差提取相应信息分析变量间的非线性Granger因果关系。
式中，Volume为成交量，%ΔP为价格变动比率。Amivest流动性比率越高，表明当价格波动情况相同条件下，交易量更大，市场流动性越高；如果Amivest流动性比率越低，也就意味着价格会受到成交量很大的影响，市场流动性越低。然而需要特别指出的是，在公式当中，如果只有分子有成交量，那么流通股数较多的股票的平均交易量也就相应较高，使得股票的流通股数变得更多，从而出现Amivest流动性比率越高的情况。
国家防总充分发挥决策指挥调度和组织协调作用，国务院有关部门和国家防总成员单位主动承担防汛抗灾任务。在抗洪抢险的最艰难时刻，解放军、武警部队31位将军带领2.5万名官兵日夜奋战在抗洪抢险前线一线，累计解救、转移、安置群众17.1万人，加固堤坝850km，封堵渗漏、管涌2 500余处，充分发挥了主力军和突击队作用。
（二）非线性Granger因果关系检验
Harris（1994）提出了股市流动性的四维标准，即宽度（width）、深度（depth）、弹性（resiliency）和即时性（instantaneity）的四维标准［6］。目前为止，Harris所总结的流动性的四维标准依然得到多数学者认同，在股票市场流动性研究方面被广泛应用。股票市场的流动性反映了股票的变现能力，当市场的交易成本越低，成交规模越大，价格恢复的速度越快，时间越短，意味着流动性就越强。流动性成为判断市场质量的重要标准，成为一个市场能否具有合理价格迅速交易资产能力的衡量依据。一个好的市场就是一个交易成本低廉、资源配置高效以及投资者乐观，有投资倾向的市场，也就是流动性好的市场。因此，对于股票市场流动性的研究成为近三十年来发展最快的金融研究领域之一，学者们提出了不同的衡量流动性的相关指标，不同指标所衡量的方面和维度不一样。考虑到Harris的股市流动性的四维标准，本文选取Amivest比率作为股市流动性的代理变量，文中记作LIQ，数据来自Resset金融数据库。Amivest比率的定义为股价每变动一单位对成交量的影响，也可以理解为需要多少成交量才能使股价变动一个单位。计算公式为：
1．线性Granger因果关系检验
若Xt是一个平稳序列，Yt是另一个平稳序列，Granger因果关系检验主要就是对两者之间的因果关系进行考察。线性Granger因果关系检验采用的方法为：第一步，估计当前Yt值被其自身滞后期取值所能解释的程度；第二步，验证通过引入序列Xt的滞后期数值是否可以提高Yt的被解释程度。解释程度如被提高，则称序列Xt是Yt的Granger原因。首先在VAR模型框架下对两个时间序列进行Granger因果检验，线性Granger因果关系检验可表述为：
式中，Xt、Yt为时间序列变量，α、β、δ、φ表示被估计参数ε1、ε2为残差序列项，θ1、θ2、θ3、θ4代表滞后阶数。通过以下两种方式来对特定滞后阶数的线性Granger因果关系进行测度：一是使用Xt统计值对H0∶∑βj=0原假设进行检验，也就是验证一个序列的过去值是否对另一个序列的未来值预测产生帮助；二是对H0∶∑φj=0原假设进行检验。通过验证结果判断，如果拒绝（5）式中H0原假设，那么Y是X的Granger原因，即Y对X存在传导效应；同样地，如果拒绝（6）式中的H0假设，则可以认为X是Y的Granger原因，即X对Y存在传导效应。
2.非线性BDS检验
为确保非线性Granger检验的有效性，需要先对时间序列进行非线性BDS检验。Broock（1996）认为，使用非线性BDS检验方法可以对跨期空间概率（Spatial Probabilities Across Time）的估计量对时间序列是否独立同分布进行检验［9］。通过使用VAR模型过滤线性关系，进而得到了ε1、ε2两个残差序列，然后检验两个残差序列是否独立同分布。如果拒绝独立同分布原假设，那么残差序列就可能存在非线性特征，在这种情况下，进一步利用非线性Granger因果检验是合理的。非线性BDS检验给定一个 维的时间序列 ，其观测值为（z t，zt+1，… ，z t+m-1），根据跨期空间概率的估计量关联积分（Correlation Integral）的定义：
式中，T为总样本数，d为带宽，I（Zmt，Zms，d）为指标函数（Indicator Function），Zmt、Zms代表m 维时间序列。序列Zt可以分为Tm个m维的子样本，且Zmt= （zt，zt+1，…，zt+m-1），Zms= （zt，zt+1，…，zt+m）。‖Zmt，Zms‖为两个序列Zmt、Zms 间的欧式空间距离，当I函数满足条件 ‖Zmt，Zms‖ ＜d时，I（Zmt，Zms，d）=1；否则，I（Zmt，Zms，d）=0。综上所述，可对BDS检验的统计量做出定义：
式中，Wm（T，d）为BDS统计量，σm（d）是给定m维样本的标准差。BDS统计量渐进服从标准正态分布，若BDS统计量拒绝原假设，可以说明时间序列表现为非线性关系。
3．非线性Granger因果关系检验
通过Granger因果检验的整体发展趋势可以看出，传统的线性检验方法逐步被非线性检验方法替代，Baek and Brock（1992）、Hiemstra and Jones（1994）、Diks and Panchenko（2006）对传统的线性Granger因果检验方法进行了创造性的改进，提出了非线性Granger因果关系检验，该方法基于对非参数统计量检验，从而检验变量间的非线性动态关系［10］。非线性Granger因果检验对于变量间的非线性关系识别具有明显优势，本文将其拓展应用到货币政策与股票市场变量间的非线性因果关系的检验上，以揭示货币政策对股票市场稳定性的非线性传导效应。
为了克服Hiemstra and Jones（1994）提出的非参数检验方法可能存在“过度拒绝”问题，本文参照Diks and Panchenko（2006）提出的非参数 检验统计，在线性Granger因果检验的基础上，把不同序列之间的线性“预测能力”过滤掉，从残差中提取相应信息，以此确定变量间的非线性Granger因果关系。假设X t、Yt是两个时间序列变量，定义Xt的m维领先向量（Leading Vector）为Xmt，Xt的Lx期滞后向量（Lag Vector）和Y t的Ly期滞后向量分别为XLxt-Lx和YLyt-Ly，见公式（9）。由于传统的线性因果分析不能有效的识别变量间的非线性影响，非线性Granger因果关系检验模型可以有效的弥补这一缺陷，可更好地识别非线性因果关系。参照Diks and Panchenko（2006），利用相关积分原理对跨时间的空间相关概率做出估计。若X t和Yt都属于严平稳弱相关的时间序列，那么公式（9）成立，称之为序列Yt概率不是序列Xt的严格非线性Granger原因：
式中，Pr（·）为概率值，‖·‖表示向量的极大范数，Xmt代表Xt领先序列m期的向量，XLxt-Lx、YLyt-Ly代表序列Xt和序列Yt滞后Lx和Ly期的向量。参数e＞0，且m、Lx和Ly为给定的大于或等于1的数值。非线性Granger因果关系的检验方法的条件概率是以联合概率的比值的形式表示，则公式（9）可表示为：
评价工作完成后，对相关数据进行统计分析和差异性分析，处理偏差数据，保证评价结果的准确性，得出了全院职能部门227个岗位的岗位价值分级分档结果。总结这项工作，王慧卿认为通过岗位评价初步搭建了名称规范、分工明确、职责清晰、任职有据、有机衔接的岗位管理体系，为优化医院人力资源配置、薪酬结构和绩效管理奠定了基础。
假设Xt和Yt是属于严平稳的时间序列，同时满足混合条件。Diks and Panchenko（2006）在基于Y t不是Xt的严格Granger原因的原假设下构造了渐进正态分布的T统计量，如式（11）：
其中，n=T+1-m-max（Lx，Ly），σ2（·）是修正的检验统计量的渐进方差。通过（11）式中统计量，检验式（5）和式（6）向量自回归模型中的估计残差序列，如果原假设被拒绝，就意味着两时间序列存在非线性Granger因果关系。
Diks and Panchenko（2006）认为一个序列的残差值对另一个序列的残差值存在额外预测能力，那么这种预测能力就是非线性的。通过VAR模型可以把线性因果关系过滤掉，在进行非线性因果检验的过程中使用VAR的残差估计值可使两个变量的非线性因果关系更好体现。参照Diks and Panchenko（2006）的Monte Carlo模拟结果，本文设定领先程度m=1，同时对于所有的滞后阶数均设定Ly=Lx，设定规模参数e为1．5倍标准差，选择1-4阶的滞后阶数依次检验两个序列之间的非线性Granger因果关系。
三、检验结果
（一）货币政策与股市变量的ADF单位根检验
一般而言，时间序列模型是针对平稳数据所建立的，因此在建立模型之前，要对数据的平稳性进行检验。平稳性是时间序列分析的必要条件，若分析的数据是不平稳的，则会出现“伪回归”现象。时间序列平稳性的原则是数据方差、均值不随时间变化，如果序列的随机过程为平稳的，随机过程的均值和方差都是固定的，并且两阶段间的相关系数仅基于两阶段的距离而不是计算相关系数的实际时间。本文使用Eviews8检验数据的平稳性。检验结果表明，经过处理后的货币量（LM2）、利率（OYR）、股价（SPR）、股市波动率（VOL）和股市流动性（LIQ）均为平稳数据。检验结果如表1所示。
表1 货币政策与股市稳定性指标的AFD单位根检验结果
营运成本受区域、市场行情、管理模型影响，不同企业有差异，参照马施云会计师事务所(Moore Stephens)《航运运营成本》发布的公开数据，北极航线营运成本在普通航线营运成本的基础上增加5%。
法律制度是每个国家根据各国的经济文化与历史因素为背景制定的。全球的法律体系大致分为两类：英美法系与大陆法系。英美法系一般不通过立法做出具体会计规定，更多注重的是公允性与真实性，强调向社会大众反映真实的公司财务状况，其会计准则拥有更多的创造性，适应性与灵活性。相比大陆法系(中国，德国)，将会计准则纳入国家法律体系之中，涵盖方方面面的具体规则，更多地注重会计准则的合法性与准确性，灵活程度与市场适应能力也将会受到一定限制。
（二）货币政策与股市变量的Johansen协整检验
Granger因果检验能够客观准确地描述经济变量间的因果关系，而协整检验用来分析变量之间是否存在长期稳定的均衡关系。Engle and Granger（1991）提出了协整理论，协整理论认为多数变量并不是平稳变量［11］，但是这些非平稳的变量通过一定的线性组合可以形成平稳的时间序列，这些非平稳变量形成的线性组合方程称为协整方程。通过协整方程可以对不同变量是否存在长期静态均衡关系进行衡量。假如不同变量之间存在着长期均衡关系，那么即使一个变量受到某些因素的干扰而偏离均衡点，系统会自动调整到均衡点。
①具体的情况，请参看李未明、杨绿荫、梁茂春三人合写的《中国钢琴音乐的拓荒者—新发现的早期钢琴家李树化的照片史料》一文，载《钢琴艺术》，2015年第7期。
本文采用Johansen协整检验方法来检验5个变量间是否存在协整关系，利用EViews8实现，分析结果如表2所示。
式中标准差σ为代表市场平均波动水平，结合收益率的样本方差法，方舟和倪玉娟等（2011）等通过股票的日收益数据，计算不同月份股票日收益率的标准差，以衡量股票市场的总体波动性［5］。本文参照上述做法，以日收益率的标准差计算月度股市波动率数据，以此作为股市波动性指标的代理变量，文中记作VOL，原始数据来源于Resset金融数据库。
表2 货币政策与股市稳定性的协整检验结果
表2中的检验结果表明，迹统计量和最大特征根统计量在5%的置信水平下5个变量存在至少3个协整向量，由此可见，货币政策变量与股市稳定性变量存在长期协整关系。
（三）货币政策与股市变量的非线性BDS检验
在对货币政策与股市稳定性的非线性Grange因果关系检验之前，有必要对货币政策变量与股票市场变量进行非线性检验，确定各个变量在传导过程中是否具有显著的非线性特征。本文选取非线性BDS检验方法检验货币政策变量以及股票市场变量之间的非线性关系。首先构建两两时间序列的VAR模型，过滤其线性依存成分；再对基于过滤后的残差序列进行非线性BDS检验，检验过程通过EViews8实现，检验结果如表3所示。
表3 货币政策与股市稳定性指标间的BDS检验
表3中“回归残差1”和“回归残差2”分别指基于VAR系统中以“双变量对应关系”，前者作为被解释变量和后者作为被解释变量所获得的回归残差；由HQ信息准则确定各个双变量VAR模型的最优滞后阶数；BDS嵌套维度（Embedding Dimension）为4。在1%显著性水平下，绝大多数回归残差的BDS检验拒绝“线性关系”的原假设，在5%显著性水平下，非线性BDS检验均拒绝“线性关系”的原假设，说明两两间的货币政策变量与股票市场变量存在显著的非线性变化关系，在此基础上，可进一步采用非线性Granger因果检验方法考察货币政策对股票市场的非线性传导效应。
（四）货币政策与股市变量的非线性Granger因果检验
Diks and Panchenko（2006）经过相关的研究发现，现阶段的非线性Granger检验的最优滞后阶数选择没有确切的标准和规则可以遵循。通常来讲，如果在全部滞后阶数下的检验结果均接受不存在非线性Granger因果关系原假设，这就意味着变量之间可能不存在非线性传导关系；在所有滞后阶数检验当中，如果出现一个拒绝原假设，那么变量之间存在的传导关系就无法排除；假如所有的滞后阶数检验的结果均拒绝原假设，那么变量之间就存在着稳定的非线性传导关系，这些传导关系就会形成关联系统，也可以称之为稳健性传导系统。本文通过C语言编程实现变量间的非线性Granger因果关系检验。
表4 货币政策和股市稳定性指标的非线性Granger检验
续表4
表4报告了共同滞后阶数（LX=LY）1-4阶的检验结果，结合滞后1-4阶检验结果进行综合对比分析可得知以下结论。
（1）滞后1-4阶在5%的显著性水平下，拒绝“货币量不是利率的非线性Granger原因”的原假设，即货币量对利率具有非线性传导效应；滞后1-4阶在1%的显著性水平下，拒绝“货币量不是股市流动性的非线性Granger原因”的原假设，即货币量对股市流动性具有非线性传导效应。
（2）滞后1-4阶在5%的显著性水平下，利率对股价具有非线性传导效应（滞后2、4阶更显著）；滞后1-4阶在1%的显著性水平下，利率对股市流动性具有非线性传导效应。
物理教学“对分课堂”教学模式正在各大高中如火如荼的开展中，我校也应当把握住课程改革的机遇，及时调整教学方案，培养一批高素质、高水平的物理教学人才，从扎实教学基本功做起，鼓励开展教育创新和教育突破，为实现新课标大背景下物理教学的新目标而努力，遵循人教版教材的教学大纲和“对分课堂”的教育理念，将物理教学办好办精，培养高中学生的物理学习兴趣，为高级人才的培养做出贡献.
（3）滞后1-4阶在10%的显著性水平下，股价对股市流动性具有非线性传导效应（滞后2、3阶更显著）。
（4）滞后1-4阶在1%显著性水平下，股市波动率对股市流动性均具有非线性传导效应。
（5）股市流动性滞后2阶在5%的显著性水平下对货币量和股价具有非线性传导效应；滞后1-4阶10%显著性水平，股市流动性对股市波动率均具有非线性传导效应（滞后3、4阶更显著）。也就是说，货币政策在相当大程度上是导致股市不稳定的非线性Granger原因。
四、结论
本文通过非线性Grange因果关系检验发现，货币量虽然对股价不存在非线性传导关系，但货币量在滞后1-4阶均对股市流动性产生非线性传导效应。而利率在滞后1-4阶均对股价均产生非线性传导效应，并在滞后1-4阶体现在对股市流动性的传导效应上。由此可见，利率对股市的调控起到了较大作用，同时发现货币政策的变动对股市流动性影响均很大。
从股价和股市波动率对股市流动性影响的非线性Grange检验结果来看，股价和股市波动率均对股市流动性产生了显著的非线性传导效应，特别是利率在1%显著性水平下滞后1-4阶均对股市流动性产生显著影响，可见导致股市不稳定的货币政策原因除表现在利率对股价的影响，更表现在货币量和利率对股市流动性较为显著的持续影响，因此，中央银行应该密切关注股票市场的流动性。
研究发现股市流动性对股市波动性产生较为显著的长期影响。股市流动性在滞后2阶、5%的显著性水平下对货币量和股价具有非线性传导效应，可见股市流动性是最容易收到货币政策冲击的变量，并对股市波动率和货币政策指标产生了非线性传导效应。研究发现货币政策与股票市场存在着非对称的双向因果关系，货币政策在较大程度上影响着股票市场，同时股票市场也会对货币政策产生相对较小的影响。
参 考 文 献
［1］GALLO L A，HANN R N，LI C．Aggregate earnings surprises，monetary policy，and stock returns［J］．Journal of accounting and economics，2016，62（1）：103-120．
［2］赵景兰．我国货币政策对股票市场影响的实证研究［J］．经济界，2018（3）：10-20．
［3］CAMPBELL J Y，GROSSMAN S J，WANG J．Trading volume and serial correlation in stock returns［J］．The Quarterly Journal of Economics，1993，108（4）：905-939．
［4］DOAN T，SHEPHARD N ，HARVEY A C，et al．Multivariate Stochastic Variance Models［J］．Review of Economic Studies，1994，61（2）：247-264．
［5］方舟，倪玉娟，庄金良．货币政策冲击对股票市场流动性的影响——基于Markov区制转换VAR模型的实证研究［J］．金融研究，2011（7）：43-56．
［6］HARRIS L E．Minimum price variations，discrete bid-ask spreads，and quotation sizes［J］．The Review of Financial Studies，1994，7（1）：149-178．
［7］JONES H J D．Testing for Linear and Nonliner Granger Causality in the Stock Price-Volume Relation［J］．The Journal of Finance，1994，49（5）：1639-1664．
［8］DIKS C，PANCHENKO V．A new statistic and practical guidelines for nonparametric Granger causality testing［J］．Journal of Economic Dynamics and Control，2006，30（9）：1647-1669．
［9］BROOCK W A，SCHEINKMAN J A，DECHERT W D，et al．A test for independence based on the correlation dimension［J］．Econometric reviews，1996，15（3）：197-235．
［10］BAECK E G ，BROCK W A ．A Nonparametric Test for Independence of a Multivariate Time Series［J］．Working papers，1992，2（1）：137-156．
［11］ENGLE R，GRANGER C．Long-run economic relationships：Readings in cointegration［M］．Oxford：Oxford University Press，1991．
Research on the Relationship between Monetary Policy and Stock Market Volatility Based on Nonlinear Grange Test
HU Yi-bo，LAI Yu-jie
（School of Economic Management，Xi′an Aeronautical University，Xi′an 710077，China）
Abstract： Firstly，this paper constructs the index evaluation system of stock market stability，and uses the nonlinear Grange model to judge the monetary policy reasons leading to stock market instability．The nonlinear Grange causality test confirms money quantity and interest rate have the significant nonlinear Grange causality effect on the liquidity of stock market and stock price and stock market liquidity respectively；the reason for the instability of the stock market is not only the impact of interest rate lagging of order 3 and 4 on the stock price，but also the more significant and long-term impact of monetary policy on the stock market liquidity，which also has a nonlinear Grange impact on the monetary policy to a certain extent．The study reveals that the long-term severe impact of monetary policy on stock market liquidity is the main reason for the instability of the stock market，so the central bank should pay close attention to the liquidity of the stock market．
Key words： monetary policy；stock market stability；nonlinear BDS test；nonlinear Granger test
中图分类号： F224．1
文献标识码： A
文章编号： 1008-9233（2019）04-0065-08
收稿日期： 2019-05-28
基金项目： 陕西省教育厅专项科研计划项目（17JK0390）；陕西省教育科学“十三五”规划课题（SGH16H245）
作者简介： 胡一博（1981-），男，河北承德人，博士，讲师，主要从事系统工程研究。
［责任编辑、校对：东 艳］
标签：货币政策论文; 股市稳定性论文; 非线性BDS检验论文; 非线性Granger检验论文; 西安航空学院经济管理学院论文;