您现在的位置: 3edu教育网 >> 免费论文 >> 经济论文 >> 证券投资 >> 证券论文 >> 正文    3edu教育网,百万资源,完全免费,无需注册,天天更新!

中国证券投资账户实证的分析

中国证券投资账户实证的分析

分类:证券论文   更新:2015/3/29   阅读:   作者:佚名   来源:本站原创

中国证券投资账户实证的分析

    证券投资账户在国际收支资本与金融账户中占有很重要的地位,研究证券投资账户对于一国的国际收支平衡是非常必要的。我国证券投资账户差额在1997年之前都很小,在资本与金融账户中所占的比重也很小,而1997年开始大幅上升。随着我国分别于2002年11月和2006年8月先后推出QFII和QDII制度,资本市场不断对外开放,不仅使得我国的资本市场得到了全球资本的空前关注,也为国内企业和个人购汇对外金融投资提供了规范的渠道。近年来,我国证券投资项目呈现两大特点:境外对我国证券投资,特别是股本证券的投资快速增长;我国机构对外证券投资大幅增长。但是,我国国际收支中证券投资账户大多表现为逆差,尤其是2006年逆差达676亿美元,是上年的12.7倍。逆差的形成是由多方面原因导致的。虽然证券投资逆差可以在一定程度上缓解我国的资本账户顺差,但是越来越多的证券投资逆差已经给中国经济造成了一些负面效应。调节证券投资账户要遵循经济发展的客观规律,同时要符合我国资本市场发展的现状。本文在解析中国证券投资现状的基础上,实证分析了证券投资账户运行的动态规律以及各种关键因素对它的影响,最后得出结论并提出了相关的政策建议。
    二、证券投资账户解释变量选取及数据整理
    (一)解释变量的选取
    总体来看,中国证券投资规模较小,管制较严,开放程度较低,因而影响的因素主要以政策及短期的冲击因素为主,另外还受一些长期的宏观影响因素的左右。从时间趋势来看,我国资本项目下证券投资的开放程度呈现一定的周期性特征,说明我国对证券投资政策时紧时松,是渐渐放松的过程。伴随着我国资本市场、债券市场的进一步开放,合格境外机构投资者(QFII)、合格境内机构投资者(QDII)等政策出台和业务的开展,证券投资项目更加活跃。从证券投资项目的特征和规律来看,解释变量具有以下重要的作用:
    1.证券市场的开放程度(EOSM):证券市场的开放程度对于中国这样一个证券投资规模小、管制较严的证券投资账户十分重要。开放程度高,则证券投资较活跃,可扩大投资规模,从而扩大证券账户的余额。但我国传统上对证券开放程度的测量没有一种固定而有效的方法。笔者现以美国为参照,假定美国的开放程度为完全开放,则中国证券账户的投资规模同GDP的比例除以美国证券账户同美国GDP的比例作为衡量我国证券市场开放度的指标。
    2.国内外的实际利差(ISRR):利率是资本的收益,同时也是资本的机会成本,一个国家国内外的利差,是驱动其资本流动的重要因素。但是名义的利率并不能反映中国与外国利差的真实情况,真正驱动国际资金流动的是真实利差。笔者选取以美国为代表的外国利率,剔除价格因素的影响,反映两者的真实利差。
    3.实际汇率(RFER):汇率是影响证券投资及国际资本流动的重要驱动因素。国际资金围绕汇率进行的套汇及投资行为对我国证券投资账户的影响同样十分重要。笔者认为,汇率的变动可能会影响我国证券投资规模的大小。
    4.外汇储备(BFR):一国外汇储备,表明了一个国家对外投资的需要和能力的大小,外汇储备多,则以外国债券形式表示的外汇的数量就多,购买的能力也越大。而我国商业银行外汇头寸的调拨又在证券投资账户中起重要作用,因而可作为对证券投资账户的解释变量。
    5.财政赤字:如果一国财政赤字严重,会引发物价的上升和影响经济的发展,但它有一定的通胀预期。加上税收的关系,通常会引起包括通过证券投资方式在内的资本外逃。
    6.汇率的预期:对汇率稳定的预期会减少证券投资活动的活跃程度,从而减少证券投资的余额规模;相反,对汇率变动的强烈预期是资本流动的重要驱动因素,会增加证券投资余额规模。1998年资本外逃现象的出现跟汇率贬值的预期有很大关系。近年来,人民币升值的强烈预期也是证券投资账户变动的重要影响因素。
    7.亚洲金融风暴:众所周知,1998年爆发了影响世界的亚洲金融风暴。很显然,这一因素对我国证券投资账户余额产生了极大的影响,由于确定市场经济的方向,从1993年开始,我国证券投资账户开始顺差,并逐年递增。我国在1998年之前证券投资账户余额还是顺差。但是由于1998年亚洲金融风暴的影响,我国证券投资账户受到外资的冲击,资本大量外逃。1998年我国证券投资账户出现大额逆差,针对这一影响因素,笔者选取了虚拟变量D2来度量这一影响因素,在1998年以前为0,在1998年及其之后为1。
    8.QFII:它是影响我国证券投资账户的一个重要因素。由于我国QFII启动较晚,2002年11月中国证监会与中国人民银行联合下发了《合格境外机构投资者境内证券投资管理暂行办法》,QFII制度进入试点,累计投资额度上限为40亿美元。2003年6月瑞士银行有限公司和野村证券株式会社成为首批获得投资额度的QFII。直到2007年12月,QFII投资额度扩大至300亿美元,QFII的额度相对证券投资账户额来说较小。笔者采用虚拟变量D3来度量这一影响因素。以2003年第一支QFII进入中国为分界线,2003年之前为0,2003年及其之后为1。
    9.经济增长率(GDPR):经济增速是反映我国经济发展水平最直接的指标,他反映我国的经济发展状况:经济增长率过低,预示着整体经济进入衰退期,如果出现持续降低,可能会动摇投资者的信心,引发资本外逃;经济增长率高,可以增强投资者对该国经济增长的信心,吸引资本进入。所以经济增长率因素对证券投资账户毫无疑问有着重要的影响。          三、实证部分
    (一)平稳性检验
    根据现代计量经济学理论,如果两个变量存在时间趋势,即使两者不相关,也有可能出现较高的R2值。所以,如果两个序列非平稳,即使两个序列互相独立,在经济上也无任何相关关系,但用传统的回归方法及显着性检验时,仍可能会显示出两者在统计上有高度的相关关系,即出现所谓的“虚假回归”现象。此时,传统的统计变量如R2、t、F检验都不能用来判断非平稳时间序列之间是否存在回归关系的依据。基于此,本文在对时间序列进行回归分析之前,首先对时间序列进行平稳性检验。鉴于实践中的运用,笔者采用ADF检验时间序列的单位根检验。利用Eviews5.1软件进行检验,结果如表1所示。
    从表1可以看出,PIB、ISRR、EOSM、GDP、BFR、RFERl六个变量在5%显着性水平下都没有通过检验,表明这六个变量是非平稳的。对这六个变量分别进行一阶差分处理后,再进行ADF检验,检验结果如表2所示。
    从表2可以看出,以上六个变量一阶差分后的时间序列在5%的显着性水平下拒绝了原假设,表明这六个变量一阶差分后的时间序列不存在单位根,是平稳的。因此这六个变量都是一阶单整,即均为I(1)过程。
    (二)模型的建立
    根据现代计量经济理论,当两个序列具有同阶单整,就可以对其进行协整分析,那么证券投资账户影响因素的待估计模型可以设定为:
    PIB=β0+β1ISRR+β2EOSM+β3RFER+β4GDPR+β5BFR+β6D1+β7D2+β8D3+μ
    其中β1,β2,β3,β4,β5,β6,β7,β8为各个影响因素的系数,β0为截距项,μ为随机误差项。
    1.显着性检验
    通过Eviews软件估计出各个系数的值,各个系数的显着性见表3。
    从上面的结果来看,估计出来的方程式为:
    PIB=24 116.68624×ISRR-13 229.64438×GDPR-12 863.66009
    ×RFER-975 335.5412×BFR-9 401.280526×D1+17 172.46207
    ×D2-3 674.981025×D3-797 208.3605×EOSM+60 737.88391
    从表3中可以看出,拟合出来的模型不十分理想。除ISRR、RFER、常数项的系数较为显着之外,其他的系数都不显着。从中可以推断出,虚拟变量D2的不显着,是由于1998年亚洲金融风暴和虚拟变量D1所表示的对将来汇率预期存在重复性,因为1998年金融风暴使得投资者产生了汇率预期。所以这里保留D1,剔除D2的影响。虚拟变量D3的不显着性是由于QFII的数量太小,所占证券投资账户额的比率太小导致的,也应给予剔除。
    2.相关性检验
    另外,通过对各个变量之间的相关性分析,可以得出个别变量之间存在较高的相关性:见表4。
    从表4中可以看出,ISRR和GDPR的相关系数为0.627925,这两者存在较高的相关性,当一个国家处于高经济增长率的情形下,资本在高经济增长的国家投资收益将高,并且投资者对该国的经济保持了较强的信心,外资流入增多。在这种情况下,货币当局为了防止经济的泡沫和经济过热,将会采取扩大利差的行为。因此可以只考虑ISRR的影响,而剔除掉GDPR的影响。
    还可以看到,ISRR和BFR之间的相关系数为-0.432356,这表明这两者之间存在较高的负相关性。在现实情况中,还可以了解到,我国通过外汇储备途径投放了大量的基础货币。当外汇储备增长越大时,通过这一途径投放的基础货币也越大,这将使得我国的利率下降,从而扩大利差。这两者之间存在较为明显的负相关性,有理由剔除BFR因素的影响,而用ISRR来代替这种影响。
    经过进一步分析,根据解释变量的多重共线性和相关因素经济意义的考虑,剔除了重复影响的因素及作用不明显的因素,保留了ISRR、RFER、D1、EOSM这四个有明显影响力和不存在明显相关性的解释变量,笔者重新建立了回归模型:
    PIB=β0+β1ISRR+β2EOSM+β3RFER+β4D1+μ
    通过OLS方法得出回归结果:
    PIB=41 728.99504+14 276.30835×ISRR-1 072 503.802×EOSM-7 711.491137×RFER-9 513.401765×D1
    其中,统计量的特征如表5所示。
    从表5可以看出,在重新设定了模型以后,各变量系数都是显着的,F检验的结果也显着。
    3.自相关检验
  

[1] [2] 下一页

| 设为首页 | 加入收藏 | 联系我们 | 版权申明 | 隐私策略 | 关于我们 | 手机3edu | 返回顶部 |