货币政策、股票市场与物价产出的互动关系
——基于非线性Grange因果关系的验证
胡一博 赖玉洁
（西安航空学院，陕西西安 710077）
摘 要： 本文首先验证货币政策、股票市场和实体经济存在长期均衡关系，并基于回归残差的两两变量间BDS检验证实变量间存在显著的非线性关系。非线性Grange因果关系检验发现货币政策在直接作用到实体经济的同时也会通过股票市场影响物价与产出水平，由此说明我国股市存在通胀效应、财富效应和流动性效应，并且发现股价提升可以增加托宾q值，同时发现股票市场对实体经济存在着非对称的双向因果关系。因此，央行应该提高价格型货币政策的调控水平，在制定货币政策时需考虑股票市场，并对股市流动性保持关注。
关键词： 货币政策；股票市场；实体经济；非线性Grange因果关系检验
一、引言
随着我国金融体制改革的不断深入，股票市场已成为货币政策十分重要的传导渠道和路径，在制定货币政策的过程中应该密切关注股票市场的变化。从整体上来看，我国股票市场发展水平较低，股票市场发展还不够成熟，投机的成分很大，资本市场的投资者不够理性，同时政策市和资金市特征十分明显。央行应该采取更为灵活的货币政策，对股票市场的变化进行实时监控，对股票市场进行科学的分析，通过股票市场来对宏观经济进行调控。货币当局在进行宏观调控时，有必要借助股票市场，来测度当前股市处于转好状态还是恶化状态，通过对不同股票市场状态下的货币政策对实体经济的影响程度进行科学的测度，进而确保所制定和选择的货币政策更加科学有效。央行的货币政策主要通过改变利率和货币供应量，而两个变量的变化又会引起股票市场波动。作为个人财富的组成部分、企业直接融资渠道，股市将影响到个人、企业的消费与投资，从而影响到实体经济。基于货币政策、股票市场与物价产出的互动关系，研究我国股票市场对货币政策的传导程度和对经济的促进作用具有重要意义，并可根据研究结论为货币当局制定货币政策提供建议。西方学者对货币政策传导股票市场的研究起步较早，并形成较为成熟的理论。Sellin(2001)认为，股市与货币政策的内在联系密切，即调整货币政策会在一定程度上影响到股市价格水平，同时股票市场会影响到货币政策对实体经济的传导过程，股市效率决定着货币政策既定目标能否实现。
货币政策、股票市场与实体经济间的关系错综复杂，于此相关的理论也早有研究。费雪在自己的著作中对古典货币数量理论进行了详细的阐述，提出了现金交易数量论。在货币流通速度以及商品交易总额保持不变的情况下，市场中流动的现金数量越多，物价水平越高；在市场中流动的现金量和商品交易总额不变的情况下，物价水平越高，货币流通速度越快；在现金总量和货币流通速度不变的情况下，物价水平越高，商品交易总额越低。以弗里德曼为代表的经济学家认为货币是一种资产或是一种财富的持有形式，它不仅是一种交易媒介，也是一种储藏手段，因此其需求是由人们通过资产选择来决定的。弗里德曼在永久性收入假说的基础上，以资产需求为研究视角，提出了现代货币数量论。他认为，实际利率与预期通货膨胀率之和为名义利率，当政府实行扩张性货币政策，初期可以适当降低名义利率，这表示货币收益率下降，但其他资产的收益率有所上升，引发货币资产的重新配置，导致债券、股票及其他实物资产价格的上涨。
Tobin（1969）通过研究发现股票价格和投资支出之间存在着紧密的联系，估价增值和投资成本之间的比率称为边际比率，用q表示，主要利用可再生真实资本的市场状况和重置成本比率来对边际比率进行衡量。q理论认为真实资产市场和股票市场之间存在着密切的联系。股票市场不仅可以为企业提供更大的融资平台，同时还可以根据股票市场的变化来评估未来预期收益和风险，根据评估结果来决定投资的方向。Modigliani（1976）基于消费支出与个人财富层面分析股票传导实体经济的影响效应，即消费者在决定消费支出时不仅考量当期收入，还会理性且前瞻性的预测一生的财富变化，在生命周期内进行跨期消费决策，消费者一生的财富是决定消费支出的重要因素。在居民财富结构当中，股票是十分重要的组成部分，股票价格上涨就意味着居民财富增加，进而会刺激居民扩大消费。货币政策会对股票价格产生影响，同时会对居民的财富结构和数量产生影响，导致国民收入发生变化。Mishkin（1976）提出了货币的流动性效应，即货币供应量的增加会导致居民名义财富量增加，从而改变消费者的资产负债表状况，因此货币供应量对居民陷入财富困境的概率有较大影响。如果股票价格下降，居民的财富总量就会下降，消费者对于耐用品的消费支出也就会相应的减少；如果股票价格上涨，居民财富总量就会增长，消费者所持有的资产就会增多，针对耐用品的消费支出也会增加。
由此可见，货币政策、股票市场与实体经济间的关系错综复杂，一方面货币政策直接影响着实体经济，另一方面货币政策的变动又会对股市产生影响，股市通过“通货膨胀渠道”、“托宾的q值效应”、“财富效应”和“流动性渠道”等影响物价和产出。因此本文通过非线性Grange因果关系检验，对各变量的非线性传导效应做出判断。
二、非线性Grange模型构建及变量的选取
货币政策、股票市场与实体经济的相互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，如果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&Jones（1994）、Diks& Panchenko（2006）提出的非线性因果关系检验方法的基础上，构建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。
（一）线性Granger因果关系检验
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
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
原假设进行检验。通过验证结果判断，如果拒绝（1）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（2）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。
大刚惊讶地说：“噫，你还懂得这些？可别瞎蒙啊。”赵大刚是特种部队转业出身，一向对公子哥形象、富二代的刘志武有些看不惯。志武不以为然地说：“我蒙？对这个可是有一定研究的，四肢发达有什么用？干刑警得有知识得有头脑才行。”
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：
（二）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。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m维的时间序列Zt，其观测值为（zt，zt+1，…，zt+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，
为指标函数（Indicator Function），
、
代表m维时间序列。序列Zt可以分为Tm个m维的子样本，且
，
。
为两个序列
、
间的欧式空间距离，当I函数满足条件〈d时，
；否则，
。综上所述，可对BDS检验的统计量做出定义：
Granger因果检验能够客观准确的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&Granger提出了协整理论，协整理论认为多数变量并不是平稳变量，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。
式中，
为概率值，
表示向量的极大范数，
代表Xt领先序列m期的向量，
、
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（5）可表示为：
（三）非线性Granger因果关系检验
Diks&Panchenko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&Panchenko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。
为了克服Hiemstra&Jones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&Panchenko提出的非参数Tn检验统计量。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Xt、Yt是两个时间序列变量，定义Xt的m维领先向量（Leading Vector）为
，Xt的Lx期滞后向量（Lag Vector）和Yt的Ly期滞后向量分别为
和
，见公式（5）。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，可更好的识别非线性因果关系。参照Diks&Panchenko，利用相关积分原理对跨时间的空间相关概率做出估计。若Xt和Yt都属于严平稳弱相关的时间序列，那么公式（5）成立，称之为序列Yt概率不是序列Xt的严格非线性Granger原因：
4）要素表示示例修改的有44个：地面河流、地下河段、干涸河（干涸床）、高于地面干渠、高于地面支渠、常年湖、塘、水库、适淹礁、海岛、制水坝、单幢房屋、普通房屋—建成房屋、单幢房屋、普通房屋—建筑中房屋、高层房屋、架空房、廊房、废弃矿井、盐田、盐场、温室、大棚、公园、陵园、动物园、植物园、露天舞台、北回归线标志塔、庙宇、清真寺、教堂、路灯、喷水池、地铁、轻轨、机耕路（大路）、地铁站、收费站、固定堤坝码头、栈桥式码头、浮码头、里程碑、泥石流、熔岩流、未加固斜坡、岸垄、田埂、残丘地。
本次调查主要采用路线调查与典型调查相结合的方法。路线调查主要在保护区不同植被型、不同海拔梯度、不同生境类别选择适宜的路线进行调查，如海拔千米以上的有大吴地至桂和、桂和至马家坪、罗地至青石坑、马家坪至建魁岭的小路，海拔千米以下的有下车至龙龟、龙龟至坪水、青婆渡-林斜等林间小道；典型调查选择了太平僚、大斜、桂和、池家山等原生性风水林。此外对23个珍稀植物监测点样方内所有植物种类、区域内房前屋后绿化盆栽植物以及一些特殊生境等进行调查。在此基础上查阅相关文献资料，把近年发现的新种、在保护区的新分布、新记录种整理录入。
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&Panchenko在基于Yt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（7）：
脑组织血供情况取决于颈部血管的供应，而颈内动脉和椎动脉的动脉压可决定颅内血流灌注情况[25]。覃旭辉[26]证实睡眠障碍人群的双侧颈内动脉以及椎动脉的血管血流阻力指数明显高于睡眠正常的人群。
对于小学阶段的学生来说，儿童哲学绘本可以给他们带来启迪，学生也喜爱绘本。因此，教师也要重视起学生绘本的阅读，将绘本作为学生课外阅读的最主要内容，激发学生对于课外阅读的兴趣，使学生积极主动地进行阅读，养成良好的阅读习惯，从而促进学生核心素养的发展。
图书馆的专用培养教室一般在一至六个左右，这远远不能满足我国目前的高校学生规模，我国高校教育已经由原有的精英教育向普及化教育转变，对于相应的图书馆信息素养教育的设施需求也在不断扩大，而具有专用教室的高校只有4.1%。除了教学场所的不足外，教学设施也不足以满足信息素养教育的需求，配置的电脑数目已经不能满足教学需求。由于目前学生一般自行配置电脑，图书馆对电脑的配置也就缺乏重视，但是素养教育需要一些特殊的软件与材料，图书馆配置的台式电脑未能满足需求。相应的投影仪设备也有所不足，这些都需要校方重视并改善。
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&Brock（1992）、Hiemstra& Jones（1994）、Diks&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。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、股票市场和实体经济变量间的非线性因果关系的检验上，以揭示货币政策、股票市场和实体经济间的非线性传导效应。
（四）变量选取
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，数据来源于中经网络数据库。本文在根据利率指标的选取原则，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。
选取股价和股市系统流动性作为股票市场的代理变量。选取上证综合指数作为股价的代理变量，为消除单位根对原始数据进行了取对数差分处理，文中记作SPR。采取Chordia&Roll（2011）提出股市系统流动性指标作为股市流动性的代理变量，文中记作LIQ，数据来源于RESSET金融数据库。
选取CPI和工业增加值作为实体经济的代理变量。选取CPI，即居民消费价格指数的月度同比数据来描述通货膨胀水平。本文将工业增加值月度同比增速作为产出水平的代理变量，文中记作IAV。由于M2、CPI和工业增加值存在季节性波动，本文首先对原始数据进行季节性调整，原始数据来自中经网络数据库。本文设定研究样本期间为1997年1月至2018年8月，采用月度时间序列数据，共260组数据，研究时期长达20余年。
三、检验结果
（一）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）、股市系统流动性（LIQ）、通货膨胀率（CPI）和工业增加值（IAV）指标均不存在单位根，均为平稳数据。检验结果如表1所示：
表1 各变量AFD单位根检验结果
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）变量的Johansen协整检验
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。
本文采用Johansen协整检验方法来对6个变量间是否存在协整关系进行检验，分析结果如下表2所示。表中的检验结果表明在1%的置信水平下6个变量存在至少5个协整向量，而最大特征根检验结果表明在1%的置信水平下6个变量同样至少存在4个协整向量，由此可以说明货币政策、股票市场和实体经济存在长期均衡关系。
其中，
是修正的检验统计量的渐进方差。通过（7）式中统计量，检验式（1）和式（2）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。
表2 协整检验结果
（三）变量的非线性BDS检验
在对货币政策、股票市场和实体经济变量的非线性Grange因果关系检验之前，有必要对各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、股票市场和实体经济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① 表中“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、股票市场和实体经济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因果检验方法考察各变量间的非线性传导效应。
表3 各变量非线性BDS检验
（四）非线性Granger因果检验
Diks&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 各变量非线性Granger因果关系检验
表4展示了非线性Granger因果关系检验共同滞后阶数阶的检验结果。通过综合的对比分析可知：（1）滞后1-4阶在10%显著性水平下，拒绝“货币量不是CPI的非线性Granger原因”的假设（滞后2、3阶更显著），即货币量对CPI具有非线性传导效应；滞后1-4阶在5%显著性水平下，拒绝“货币量不是工业增加值的非线性Granger原因”的假设，即货币量对工业增加值具有非线性传导效应。（2）同理滞后2-4阶在10%显著性水平下，利率对工业增加值具有非线性传导效应；滞后1-4阶在1%的显著性水平下，股价对CPI具有非线性传导效应；滞后1-4阶在10%显著性水平下，股价对工业增加值具有非线性传导效应。（3）滞后1-4阶，1%显著性水平下，股市系统流动性对CPI性均具有非线性传导效应。（4）滞后2阶5%的显著性水平下CPI对货币量和股市系统流动性具有非线性传导效应。（5）滞后1-4阶10%显著性水平，工业增加值对股市系统流动性均具有非线性传导效应（滞后3、4阶更显著）；滞后3、4阶5%的显著性水平下，工业增加值对股价具有非线性传导效应。
在实际应用中，由于发射和接收平台振动、探测器噪声以及转台机械噪声等因素的影响，光通信终端接收光轴与入射光束夹角存在随机抖动.一般认为随机偏差角θ满足瑞利分布，其概率密度分布函数表达式为[19-20]
四、结 论
本文选取货币量和利率代表货币政策、选取股价和股市流动性作为股票市场的代理变量、选取CPI和工业增加值作为实体经济的代理变量，利用非线性Grange因果关系检验对货币政策、股票市场与实体经济间的关系进行检验。Johansen协整检验的结果表明1%的置信水平下6个变量存在至少5个协整向量，而最大特征根检验结果表明在1%的置信水平下6个变量同样至少存在4个协整向量，由此可以说明货币政策、股票市场和实体经济存在长期均衡关系；在10%显著性水平下，基于回归残差的两两变量间BDS检验均拒绝线性关系的原假设，这意味着货币政策变量与股票市场变量存在显著的非线性关系，可进一步运用非线性Grange因果关系检验变量间的非线性传导关系。
货币量对CPI和工业增加值均具有显著的非线性传导效应，而利率对实体经济的影响表现为滞后2-4期对工业增加值的影响，同时货币量虽对股价不存在非线性传导效应，但对股市流动性存在显著的传导效应；利率对股价和股市流动性均存在显著的非线性传导效应，股价和股市流动性对CPI均存在显著的非线性传导效应，由此说明我国股市存在通胀效应、财富效应和流动性效应。股价对工业增加值存在显著的非线性传导效应，说明股价提升可以增加托宾q值。检验结果同时表明，CPI对货币量和股市流动性具有非线性传导效应，工业增加值对股市流动性均具有非线性传导效应，工业增加值对股价具有非线性传导效应，说明实体经济变量对货币政策与股市变量表现为相对较弱的影响。由此可见，股票市场对实体经济存在着非对称的双向因果关系。股票市场在较大程度上影响着实体经济，同时实体经济也会对股票市场产生相对较小的影响。
从调控方式来看，数量型货币政策主要通过货币供给量来对实体经济产生影响，价格型货币政策主要通过资产价格来对微观主体的经济行为产生影响，进而对社会总体的消费和投资行为产生影响。价格型货币政策的传导路径比较长，因此利率对实体经济的直接作用不大，但利率却对股票市场产生较大影响，进而作用于实体经济。所以，只有金融市场变得更加成熟以及微观主体对价格的反应较为敏感，这样才能使得货币政策发挥出真实的作用。我国长期以来利率市场化的水平不高，金融市场发展还不够成熟，以企业为代表的微观主体对利率变化的反应不够敏感，这主要是因为我国国有企业的数量众多，并且有政府作为担保，对利率变动的反应并不敏感，利率的变动对其投资行为不会产生太大的影响。但同时可以发现，利率对股价和股市流动性影响均较大，而股市流动性最容易受到其他变量的冲击。因此，央行应进一步提高利率市场化水平，提高价格型货币政策的调控水平，在制定货币政策时需考虑到股票市场，并对股市流动性保持关注。
有研究[63]指出，IPA患者会呼出特定的挥发性有机化合物(volatile organic compounds，VOCs)，电子鼻可以通过分析呼出的VOCs来区分各种肺部疾病，从而诊断IPA(准确性为90.9%)。此法价廉且无创，在几分钟内即可得出结果，但其有效性目前缺乏临床大样本研究验证。
参考文献:
[1]Sellin P. Monetary policy and the stock market：theory and empirical evidence[J]. Journal of economic surveys， 2001， 15(4)： 491～541.
[2]Tobin J. A general equilibrium approach to monetary theory[J]. Journal of money， credit and banking， 1969， 1(1)： 15～29.
[3]Modigliani F， Ando A. Impacts of fiscal actions on aggregate income and the monetarist controversy： theory and evidence[J]. Monetarism，North-Holland Publishing Company， Amsterdam，1976， 1976：17-42.
[4]Mishkin F S. Illiquidity， consumer durable expenditure， and monetary policy[J]. The American Economic Review， 1976， 66(4)： 642～654.
[5]刘鹏.通货膨胀、资产价格波动与货币激活效应[J].财经科学，2014，(06)：12～21.
[6]Hiemstra C， Jones J D. Testing for linear and nonlinear Granger causality in the stock price volume relation[J]. The Journal of Finance，1994， 49(5)： 1639～1664.
[7]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.
[8]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.
[9]Baek E G， Brock W A. A nonparametric test for independence of a multivariate time series[J].Statistica Sinica， 1992： 137～156.
[10]Becher D A， Jensen G R， Mercer J M.Monetary policy indicators as predictors of stock returns[J]. Journal of Financial Research， 2008，31(4)： 357～379.
[11]Chordia T， Roll R， Subrahmanyam A. Recent trends in trading activity and market quality[J].Journal of Financial Economics， 2011， 101(2)： 243-263.
[12]Engle R， Granger C. Long-run economic relationships： Readings in cointegration[M]. Oxford University Press， 1991.
[13]Granger C W J， Newbold P. Forecasting economic time series[M]. Academic Press， 2014.
The Interaction of Monetary Policy, Stock Market and Price Output—— Verification Based on Nonlinear Grange Causality
HU Yibo LAI Yujie
Abstract: This paper first indicates that there is a long-term equilibrium relationship among monetary policy, stock market and real economy. BDS test between two variables based on regression residuals confirms that there is a significant non-linear relationship between variables. The nonlinear Grange causality test found that monetary policy not only directly affects the real economy, but also affects the price and output level through the stock market. This shows that China's stock market has inflation effect, wealth effect and liquidity effect, and that stock price increase can increase Tobin Q value. At the same time, it finds that the stock market has asymmetric two-way causality to the real economy.Therefore, the central bank should improve the level of price-based monetary policy control, take stock market into account when formulating monetary policy, and keep an eye on stock market liquidity.
Key Words: Monetary Policy;Stock Market;Real Economy;Nonlinear Grange Causality Test
中图分类号： F830
文献标识码： A
文章编号： 1009 - 3109（2019）06-0008-08
作者简介： 胡一博，男，博士，西安航空学院经济管理学院。
赖玉洁，女，博士研究生，西安航空学院经济管理学院。
基金项目： 陕西省教育厅专项科研计划项目“我国货币政策对股票市场的传导效应研究”（17JK0390）；陕西省教育科学“十三五”规划课题“基于本科生毕业论文质量控制与提升的统计学教学改革研究”（SGH16H245）。
（责任编辑：何昆烨）
标签：货币政策论文; 股票市场论文; 实体经济论文; 非线性Grange因果关系检验论文; 西安航空学院论文;