时间：2023-10-12 09:45:40
导语：在宏观经济因素的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了九篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。
关键词：汇率制度；多元排序logit模型；汇制选择；人民币
中图分类号：F015 文献标识码：A 文章编号：1001-828X（2013）11-00-01
一、对于汇率制度选择的研究综述
汇率制度的选择是全球宏观经济里一个具有循环性热度的问题，对它的研究由来已久。直到今天，对于汇率制度的最佳选择、决定因素、汇率制度的可持续与否都没有达成一致的意见，主要原因是在实证研究中缺乏对一个具体模型的一致认同，以及不同的研究采取横截面或时间序列样本的多样性。
汇率制度选择的实证研究始于19世纪70年代后期，早期的研究主要基于最优货币区理论选取可能的决定因素，随后的研究考虑加入能反映不同经济冲击或稳定化策略的变量，甚至把体制和政治变量作为可决变量进行研究。近些年的研究更是采取了包含范围广泛的决定因素的综合性方法1，这篇文章里我们所做的探讨也正是基于此种方法。
二、决定汇率制度选择的变量选取
同多数的研究一样2，我们根据最佳货币区域理论选择了衡量贸易开放性、经济发达程度的经济变量，变量相应为贸易占GDP的比重、人均GDP。另外，选取GDP的增长率，衡量资本流动性的FDI以及通货膨胀率和外汇储备这两个宏观经济变量。结合IsamuKato（2007）把货币区域、地理区域作为汇制选择影响因素的研究显示，GDP作为汇率制度选择的决定因素，在所有货币区域样本中都一致显著，通胀率这一决定因素在1985年之后的数据样本中显著；贸易开放性、资本流动性等也被作为决定因素进行了比较，也是重要决定因素。
以上是解释变量选取的理论依据，区别于以往的研究，本文侧重点在于考察一个国家在汇率制度选择时所受整体经济运行、及自身开放性等特质的影响。
三、数据来源
自变量样本数据选取主要来源于World Bank公布的各国每年经济运行数据。
因变量的数据选取，参考IMF2009-2011年公布的《Annual Report on Exchange Arrangements and Exchange Restrictions》。实证采用事实分类法而不是法定分类法的数据，主要是为了探究这些解释变量对各国实际的汇率制度安排的影响，Agnieszka Markiewicz（2006）关于转轨经济中汇率制度选择的决定因素所作的研究也指出，考虑到经济运行情况时，事实分类法能更好地描述运用的汇率策略。
四、模型简介及数据处理
汇率制度的分类本身表现出从固定到浮动的有序排列，残差的分布经统计分析与逻辑分布拟合性较好，因此实证选取多元离散排序logit模型。
依据IMF的实际分类并基于研究的普适性意义，把事实分类法的十种分类重新归为三类4，简记为固定汇制、中间汇制和浮动汇制。结合IMF近三年的年度报告里的细致分类（2010年有些许调整，减少为九种），我们将分类中前两类较为固定的安排归为固定汇制，在实际建模中作为因变量（REG），记作1；同样的，后两类较为浮动的归为浮动汇制，记作3；把中间的分类统一归为中间汇制，记作2。
模型简记为：
其中， DGDP为GDP的增长率、INF为通货膨胀率、TRA为贸易占GDP的比重、PGDP为人均GDP、RES和FDI分别为外汇储备和对外直接投资，运用Eviews对317个数据样本进行非平衡面板处理，得到如下表1的估计结果：
（2）符号***、**、*分别表示参数的估计值在1%、5%与10%的显著性水平下显著。
表1离散排序logit模型输出结果
模型各自变量显著性检验结果良好，FDI统计量的p值未通过，但是其本身的系数过小，可以选择忽略。并且我们首要关心的并不是各个自变量系数的大小，系数的大小可以用来衡量自变量变化对汇率在三种制度之间选择的影响程度，而探究自变量与汇率制度选择之间的相关性，主要关注系数本身的正负性。
依据高铁梅5关于离散选择模型的著作，可以看出，GDP的增长率、通货膨胀率、人均GDP以及对外直接投资（FDI）与汇制安排的灵活性呈正相关；外汇储备和贸易占GDP比重与汇制安排的灵活性呈负相关。
简单分析，通货膨胀率相对较高的国家，如果采取固定汇率制度，为了保持其竞争力需不断调整固定汇率，不如采用爬行钉住等一些中间汇率制度；贸易开放程度越高的国家越倾向于选择固定汇制，可以减少由于外部冲击所带来的不利影响，保证本国进出口商的资本稳定性等；而金融开放性程度越高的国家越倾向于选择灵活的汇率制度，可以确保其货币政策的独立性，从而实施稳定性政策3；人均GDP和GDP增长率则反映出大部分经济实力较强发展前景较好的国家倾向于选择灵活汇制，以减少通过汇率传导的外部冲击等；同样的，外汇储备较充裕的国家，有能力应对这些外部冲击，并且自身稳定性需要，可能更倾向于选择相对固定的汇率制度。
五、结论及对人民币汇率制度选择的理论支持
通常来讲，一个国家的GDP增长率、人均GDP、通货膨胀率以及对外直接投资，与其做出相对较灵活的汇制安排的倾向呈正相关；而较充裕的外汇储备和较高的贸易开放性则会使一个国家倾向于做出相对较固定的汇制安排。本文的独特之处在于，我们从国家的整体经济运行、及自身开放性等特质这方面去探讨其对汇率制度选择的影响，并且从对近几年的数据分析得出了与大多数学者基本一致的结论。
一些国内学者对人民币汇改问题做过探讨，但是现阶段要推行独立浮动汇率制度却不现实，我国当前的汇率制度是适合国情的，不存在某些国家所说的操纵汇率情况。我国的人均GDP处在不容乐观的中等水平，作为一个发展中国家，我们的金融体制也还不够完善，资本流动性不强，对外直接投资没有想象中的高。虽然通货膨胀现象一直存在，国家采取稳健的货币政策，使通货膨胀率在可控范围内，并不算太高。再考虑上我国充实的外汇储备以及贸易开放性的提升，综合上述国情，以模型所得结论来看，中国现阶段类爬行钉住汇制安排是符合国情、有利于经济稳定与发展的。
参考文献：
[1]Grace John and Paolo Mauro（2002），Long-Run Determinants of Exchange Rate Regimes： A Simple Sensitivity Analysis，IMF Working Paper No. 02/104
[2]Ahmet At1l As1c1， Exchange rate regime choice and currency crises[J]. Economic Systems， 2011， 35， P419-436.
[3]Shu Lin， Haichun Ye： The role of financial development in exchange rate regime choices [J]. Journal of International Money and Finance， 2011， 30， P641-659.
关键词：国际黄金价格；自回归模型；美元指数；岭回归
中图分类号：F0 文献标志码：A 文章编号：1673-291X（2013）07-0011-03
引言
回顾历史，黄金作为与现代信用货币对立的货币形态，其美元价格的涨落很大程度上体现了美元国际地位相对强弱。纵观国际金价长期变迁的历史，可将之大致划分为四个阶段，即1970 年以前的稳定期、20 世纪70 年代的快速上升期、20世纪80年代至2001年的稳定缓慢下降期、2002 年以来的再次快速上涨期（见图1）。国外研究表明，金价与多数金融资产价格负相关。史密斯（2004）研究显示，金价与主要工业国家的股指负相关；卡派、米尔斯、伍德（2005）研究显示，金价与主要货币汇率之间反向变动；莱文（2004）等发现金价与美国CPI存在长期稳定的正相关。国内学者有杨叶（2007）、宋蕊、刘月来（2008）认为金价和油价存在正向关系的主要原因是两者都受美元汇率、通货膨胀和国际重大事件等因素影响；张莹、胥莉、陈宏民（2007）对金价和石油价格之间的关系进行格兰杰检验，得出两者同向变动，并由石油价格向金价单向传导。以往文献研究主要侧重各种因素的影响分析，本文在此基础上考察逐步回归和岭回归方法处理多重共线性问题。
一、国际主要宏观经济因素与国际黄金价格的关系分析
1.道琼斯工业指数（DQS）。当证券市场繁荣时，黄金投资与之相比有明显的不足。当股市泡沫破灭、虚拟经济走弱时，大量闲散资金和原来证券市场中的资金就极有可能转向黄金等实物投资。因此两者呈反向关系，但是这种反向关系也只应该在主要股票市场中得到反映，比如DQS。
2.美元货币发行量（M2）。美国总是在维护美元国际地位、稳定购买力与超发美元占用世界资源之间摇摆。次贷危机以后，美联储进行了两轮QE，向市场总计放出1.6万亿美元的资产，货币供应量的增加超过经济基本面的承受能力。美元流动性过剩导致金价也加速上涨。
3.国际原油的价格（OP）。石油是重要的战略和经济资源，是衡量世界经济发展的指标。石油价格过高往往会引发通货膨胀。投资者就会买入黄金进行保值，从而使得金价上涨。此外，石油价格波动也会影响美国经济乃至世界经济，从而引发美元的涨跌，反过来对金价产生影响。
二、黄金价格模型的实证分析
（一）自回归模型
数据的选取与处理。黄金期货周末收盘价为被解释变量，其滞后值为解释变量，采用 COMEX黄金期货价格，记为GP。时间选取2007年3月22日至2011年10月28日。根据ADF统计量可以判断序列是非平稳的，t值为0.05，p值为0.96。将GP序列取一阶差分，得到序列DGP。根据ADF统计量，序列DGP平稳，t值为-14.72，p值为0.00，且DGP是白噪声序列，其内部信息已被完全提取。对GP序列的分析，在自回归模型意义下已经结束。
（二）建立多元回归模型
1.国际各种宏观经济因素对国际金价影响的模型构建。
变量选择及多重共线性检验。黄金期货每周末的收盘价格作为被解释变量，记为GP；解释变量分别为DQS、美元指数（USI）、M2、CPI、OP。各变量都采用月度数据，时间为2007年3月至2011年9月。根据经济理论分析，共选择5个解释变量。但是模型包含过多解释变量易产生多重共线性。利用SPSS统计软件的特征值检验可得如下结果：
由表1的方差比来看，第4个特征根既能解释DQS的51%，也能解释CPI的39%。第6个特征根既能解释USI的90%，也可解释DQS的38%，并从条件指数来看，变量间确实存在多重共线性。
2.逐步回归方法。采用逐步回归法建立模型得：GP=
-3017.524+0.412M2+0.062DQS+21.857CPI （1）
3.岭回归法。在SPSS统计软件Syntax语法窗口输入相应命令后，从结果可以看出，自变量X4岭回归系数比较稳定且绝对值很小，应该删除。我们再用y与其余4个自变量做岭回归。把岭参数步长改为0.01，范围减小到0.4，得图2，发现当岭参数k在0.10～0.15之间时，岭回归系数已经基本稳定，再参照复决定系数R2，当k=0.11时，R2=0.9057仍然很大，因此可以选择岭参数k=0.11。重新做岭回归，得到如下结果：
未标准化岭回归方程：GP=-2076.64+0.049DQS-3.69USI+
0.34M2+1.71OP （2）
标准化岭回归方程：GP=0.3443DQS-0.063USI+0.846M2+
0.127OP
三、计量结果分析
通过对比模型（1）和模型（2）有如下结果：运用不同回归方法，得到的解释变量会有所不同。逐步回归模型中，CPI、DQS、M2对模型有显著影响。而岭回归模型中，DQS、USI、M2、OP对模型有显著影响。可见，多重共线性问题，会对模型产生结构性变化。而且在逐步回归的模型中，模型没有考虑美元指数的影响；而在岭回归模型中，体现了美元指数的影响，且系数为负。结合实体经济各变量的联系来看，由于美元指数下跌会显示出美元疲软，以美元计价的资产价格会大幅上升。因此，当美元指数下降时，很可能会带动国际金价的上升，所以美元指数前系数为负可能更加符合实际情况，即采用岭回归模型更符合实际情况。而且在岭回归方法中，还包括了石油价格这一重要因素。从美国实体经济的发展来看，每次石油价格的变化都会引起一定程度的通货膨胀，投资者会寻求避险工具，来减小通货膨胀带来的影响，而黄金是投资者通常的选择。因此，岭回归模型更加符合实际经济状况。
综上所述，在本文中，在逐步回归和岭回归两者相比较时，我们倾向于选择更加符合实际经济现象的岭回归结果作为最终的模型。采用标准化岭回归方程来具体分析，当在其他解释变量不变的情况下影响最显著的变量是M2，M2每增加1%，会使国际金价增加0.846%。
参考文献：
[1] 刘曙光，胡再勇.黄金价格的长期决定因素稳定性分析[J].世界经济研究，2008，（2）.
[2] 张莹，胥莉.石油与黄金产业价格联动关系研究[J].财经问题研究，2007，（7）.
[3] 蒋立群.黄金价格波动的决定因素探讨[J].时代经贸，2007，（12）：117-119.
[4] 周华林.黄金价格影响因素的实证分析[J].重庆交通大学学报：社科版，2008，（6）：42-46.
[5] 温博慧，陈杰.国内外黄金价格互动关系的分阶段实证研究——以中国上海和英国伦敦黄金市场为例[J].华北金融，2008，（11）：10-13.
[6] 范思琦，孙黎，白岩.影响黄金价格因素及应对策略[J].黄金，2006，（12）：8-11.
[7] Graham Smith，The Price of Gold and Stock Price Indices for the United States （EB/OL）.http：//.au/pdf/gold_
关键词：资产负债率；银行实际贷款利率；经济增长率；通货膨胀率
中图分类号：F2
文献标识码：A
doi：10.19311/ki.1672-3198.2016.29.005
1 问题的提出
相对于从微观角度分析对上市公司的影响的研究，各国从宏观经济角度考虑影响上市资本结构研究的理论出现的比较晚。直到从20世纪80年代开始，国内外学者才重视到宏观经济条件下的经济发展状况等因素对企业资本结构的影响，并发现以下几点：（1）在通货膨胀的情况下会使企业的负债增多。一方面，通货膨胀使物价上涨，货币贬值，实际的真实负债成本减少；而另一方面，通货膨胀率降低，公司的债券收益高于股票收益，对债券需求上升。（2）银行实际贷款利率变动对上市公司融资的选择具有重大影响。基于Probit模型的实证研究表明，有时利率期限这种结构也会影响公司的资本的。经济周期波动的情况体现在GDP增长率的波动，当经济增长速度较快时，上市公司预期会有较好的盈利，从而融资时偏向于债券，使得企业财务杠杆作用得到充分发挥。经过江苏省的上市公司与湖南民营上市公司的比较和财务杠杆效应的分析发现，湖南民营上市公司存在很多不合理的地方，最显著的问题是湖南民营上市公司的负债水平普遍偏低。当利润率大于利率时，说明湖南民营上市公司的财务杠杆正面效应在融资过程中充分的发挥了作用，但从下表的实际情况看，大多数企业在利润率高于利率时，实际的负债水平并没有提高。说明湖南民营上市公司对财务杠杆效应的利用还不充分，负债水平需要提高。
2 相关研究成果
经过探讨发现利率和GDP的增长都会导致杠杆效应的降低。通货膨胀与杠杆效应呈同向变化正相关。而且发达国家与发展中国家对杠杆效应的使用还存在明显差异，新起的市场国家对杠杆比率的利用对于发达国家来说也还有很大的上升空间Cook和Tang（2010）以1977年至2006年以美国公司为研究对象，采用两类二阶段局部动态调整模型进行实证分析得出GDP增长率、期限利差和信贷利差等宏观经济状况都影响着公司资本结构的调整，公司资本结构的调整速度符合Hackbarth，MM（2006）建立的理论模型，处于良好宏观经济环境中的公司向目标结构调整的速度比处于恶劣宏观经济环境中的公司要快。Chen（2010）认为不同商业周期中的预期增长率、经济不确定性和风险性是如何影响公司融资决定的，回归结果表明宏观经济条件是影响公司融资的重要因素之一。
3 研究方法
3.1 问题的提出和假设
根据相关文献和各研究者的研究成果，我们可以明显的看出湖南民营上市公司存在很多问题，其中最明显的就是负债水平的明显偏低，在宏观经济条件下为了研究影响负债水平高低的因素是什么，本文假设影响负债水平高低的因素主要有：银行实际贷款利率、经济增长率、通货膨胀率、股票交易总额增长率、利率这些因素。但是在实证研究中，根据研究过的资本组成结构中，大多数研究者的数据是采用的横截面数据，在社会经济发展不稳定的情况下，这些数据也会受到经济的影响而上下波动。为了解决减少由于这些因素的变动而带来的影响，本文采用SPSS的T检验的方法，采用控制变量的方法剔除变量的影响，使得变量影响最小化，使数据更真实可靠。根据数据的显著性的影响来分析相关性，而且数据采用了连续五年，也剔除了年份的偶然性。采用T统计检验和线性相关性，假设资产负债率与的T检验是相关的。用负债/总资产比率表示公司的资本结构资产负债率，变动指标包括：实际贷款利率、经济增长率、通货膨胀率和利率的变动。T检验的相关性分析的置信度为95%，若显著性值P小于α=0.05，则假设成立，反之则假设不成立。
3.2 被选择变量的来源
本文中选取的42家作为样本湖南民营上市公司，选取时间为2011年到2015年。现在大部分公司的财务杠杆系数都是由研究者从公司的账面价值入手进行验算得到，但是由于市场经济的变动，企业的账面和实际价值经常存在差异，不能真实的反映企业的现状。本文联系了宏观经济条件下来确定资产负债率影响主要有哪几个方面，以使得实证结果更加合理。在选择被解释变量的方面，本文从对资产负债率的影响大小选取了实际贷款利率、经济增长率、利率、通货膨胀率和股票交易总额增长率这几个数据：
实际贷款利率=商业银行3到5年期贷款利率-当年通货膨胀率
通货膨胀率=（现期物价水平―基期物价水平）/基期物价水平
经济增长率=（人均GDP-前年人均GDP）/前年人均GDP
股票市场年交易总额增长率=（股票市场年交易总额-前年股票市场年交易总额）/前年股票市场年交易总额
3.3 数据模型的建立
模型具体形式如下：
TDRnt=C0+LRt+CPIt+GDPt+TORt
其中t=1，2，…72；t=2011，2012，…2015。TDRt表示了第n个企业在第t年的资产-负债比。C0为截距项，CPI表示了第t年的通货膨胀率（按物价实际通胀计算），Rt表示第t年的实际贷款利率（由名义贷款利率减去当年通货膨胀率计算而得），LRt表示t-1年较t-2年的实际增长率（计算方法同R3t-1），GDPt表示第t年实际的GDP增长率（直接来自于《中国统计年鉴》）。LR、CPI、GDP、TOR均为宏观经济变量，因此只随时间变化而变化。
本文选定了42家湖南已经上市的民营公司作为样本单位，数据如表2。
3.4 检验结果
本文在接下来的分析中采用T检验方法检验经济增长、利率、分析通货膨胀和银行实际贷款利率对资本结构的影响。在T检验方法中，将各观测点所对应的通货膨胀率和经济增长率用置信度的大小做出显著性表格来确定谁的影响最大。从表中得出在不同的资产负债率水平下，假设通货膨胀率、股票交易总额和银行贷款利率对资产负债率有影响。在下表中，显著性都是小于α=0.05有利率和通货膨胀。所以，暂拒绝原假设，即通货膨胀和利率对湖南民营上市公司资本结构没有显著影响，而银行贷款利率在对经济增长率的T检验结果中，假设经济增长率对资产负债率有影响，表中表示经济增长率的显著性均大于α=0.05，即暂不拒绝原假设，经济对资本结构有影响。
3.5 结果分析
企业的整体经营业绩大致与宏观经济的增长呈同向变化，同时企业想要进一步发展也离不开宏观经济的增长。而且财务杠杆效应也要求，流动资金中流动负债占大多数，而长期资金中则是所有者权益和长期负债。从湖南民营上市公司资产负债表的结构看，在已有资料的湖南民营上市公司中，公司的流动以负债为主，达到了总资产的38.7%，而长期负债的比例很低，仅占总资产的9.7%，所以要想增加企业的流动负债就必然伴随着经济的增长，使得企业提高负债水平。
根据比率分析可以得到所研究的42家企业的近五年（2011年―2015年）的企业发展状况，首先看股票市场对于资本结构的影响。股票市场得总额无论是增多或是减少，所有GDP增长率的系数都显著为正的公司都利用了杠杆效应，说明了股票市场会与公司债务水平呈现顺周期，公司负债率的下降（上升）也会受到经济的下行（上行）的影响。
由表中数据可以看出资产负债率总体来说是下降的，说明企业的融资能力下降，而且经济的增长率也下降的，进一步说明了经济的上行或下行会造成资产负债率的上升或下降。实际贷款利率与通货膨胀成反比，由于贷款利率会影响企业贷款，所以资产负债率基本与实际贷款利率呈同向变化。利率与股票交易总额也是反向关系利率越高则股票交易总额增长得越慢，说明投资受到收入影响.
4 总结及建议
通过本文的分析可以得出以下结论：在已有的宏观经济条件下，影响湖南民营上市公司的资本结构的最大因素是经济的增长，而银行贷款利率对资本结构的影响是次要的。虽然股票市场交易总额的大小不影响资本结构，但活跃程度会影响企业的资本结构：使湖南民营上市公司可以利用活跃的股票市场获得更多的股票融资。民营上市公司从融资往往是更倾向于股权融资，其次是内部融资，最后才是债务融资。并且在债务融资的次序中主要是银行贷款、企业债券。而且公司的资本结构更是受股票市场的直接影响，说明我国湖南民营上市公司在确定负债一权益融资的情况下会优先选择股权融资。因此在宏观经济条件下，湖南民营上市公司想要优化资本结构主要从下几个方面入手：一是增加长期借款，减少股权融资，充分发挥财务杠杆效。二是提高留存收益比率，增加资本内部积累，从而扩大企业规模。三是加大公司的债务融资中债券融资，但是目前我国的债券市场还没有取得很大的发展，所以不能充分利用债券筹资的避税功能。因此，企业应该意识到选择恰当的资本结构的必然性，并且适当的调整企业的资本结构；而且从宏观经济条件下的环境讲，应该把上市公司负债融资的渠道拓宽，特别是对于长期负债的融资信息更完善和及时发展、完善债券市场的信用。
参考文献
[1]张娅.信贷政策影响企业资本结构机理及实证研究[D].长沙：湖南大学，2014.
[2]姚琼.宏观经济环境下对农业上市公司资本结构的影响[J].经济问题探索，2004，（6）：102-106.
[3]苏锡宝.宏观经济因素影响上市公司资本结构的实证研究[J].金融经济，2011，（22）：69-71.
[4]宫兴国，于金凤.股权融资与企业研发效率相关性研究―以创业板上市公司为例[J].会计之友，2015，（24）：18-20.
关键词：宏观经济波动；投资；消费；出口；SVAR模型
中图分类号：F0641文献标识码：A文章编号：2095-3283（2016）11-0083-05
[作者简介]邢国繁（1963-），男，朝鲜族，吉林省吉林人，教师，经济学博士，研究方向：国际贸易；王爽（1979-），女，蒙古族，辽宁朝阳人，教师，经济学博士，研究方向：文化贸易，宏观经济学；王涛（1980-），男，安徽合肥人，副院长，研究方向：宏观经济学，国际金融。
[基金项目]海南省哲学社会科学规划课题（项目编号：HNSK（YB）16-52）；三亚市哲学社会科学资助课题（项目编号：SYSK2016-22）。
一、变量选取、数据预处理与模型设定
（一）变量选取
本文以吉林省历年国内生产总值的变动代表吉林省宏观经济的波动；鉴于数据的可得性，以全社会固定资产投资代表总投资需求；考虑到民间固定资产投资对宏观经济发展的重要影响，将民间固定资产占全社会固定资产投资的比重也作为模型的一个重要影响因子；用社会消费品零售总额代表消费需求；用出口总额代表出口需求。因此，本文共选取5个变量，分别是：国内生产总值（GDP）、全社会固定资产投资（SI）、民间固定资产投资占全社会固定资产投资的比重（MI）、社会消费品零售总额（SCP）和出口总额（EX）。
（二）数据预处理
本文采用的数据是1978―2014年吉林省年度数据，数据主要来源于《吉林统计年鉴2015》。为了消除价格变动的影响，根据吉林省历年国内生产总值指数计算出实际GDP；采用固定资产投资价格指数对全社会固定资产投资额进行换算，其中1992年之前的固定资产投资价格指数缺失，以100进行补缺。采用居民消费价格指数对社会消费品零售总额、出口总额数据进行换算，消除价格因素的影响。为了降低序列中可能存在的自相关性和异方差性，对上述序列取自然对数，分别记作LnGDP、LnSI、LnMI、LnSCP、LnEX。
（三）模型设定
SVAR模型是结构向量自回归模型的简称，是对向量自回归模型的改进，这类模型采用多方程联立的形式，在模型的每一个方程中用当期内生变量对模型中全部内生变量的滞后值进行回归，从而估计全部内生变量的动态关系。本文采用SVAR模型，揭示吉林省宏观经济波动与投资、消费、出口之间的关系，一个含k个内生变量的p阶SVAR模型可写成如下形式：
Byt=C+Α1yt-1+Α2yt-2+…+Αpyt-p+μt， t=1，2，…，T（1）
其中，y为经济变量向量，C为常数向量，B和A均为系数矩阵，且都为k×k方阵，B的主对角线的元素为1，下标t为时间变量，p为最大滞后阶数，T为样本个数，μ为结构式冲击，且μ～VMN（0，I）。
二、实证检验与分析
（一）平稳性检验
SVAR模型要求时间序列数据是平稳的，因此，需要对5个经济变量进行单位根检验以确定其平稳性。本文利用ADF检验对序列LnGDP、LnSI、LnMI、LnSCP、LnEX进行平稳性检验，检验结果如表1所示：
由表1可知，序列LnGDP、LnSI、LnMI、LnSCP、LnEX的ADF值均大于5%显著性水平下的临界值，且P值均大于005，因此，5个序列均是不平稳的。在一阶差分之后，序列LnGDP、LnSI、LnMI、LnSCP、LnEX的ADF值均小于5%显著性水平下的临界值，且P值均小于005，因此，5个时间序列均是平稳的。从而可以将其带入SVAR方程中进行模型估计与脉冲响应分析。
（二）滞后阶数的选择
SVAR模型的估计结果受到滞后阶数选择的影响，而滞后阶数的选择由其相对应的简化式VAR模型决定，因此，首先需要构建变量的简化式VAR模型，对其进行滞后长度标准的检验，结果如表2所示：
从表2可知，LR、FPE、AIC标准均认定应选取滞后长度为3。
（三）模型稳定性检验
模型的稳定性是判断经济理论与模型滞后阶数选择合理性的标准，同时也是脉冲响应函数分析的前提，图1为AR特征根分布情况。
从图1可知，被估计的模型所有根的倒数均小于1，即位于单位圆之内，则说明SVAR模型是稳定的，可以用于脉冲响应函数分析。
（四）施加限制性约束
如果SVAR模型能得到唯一的估计参数，则需要对结构变量进行限制性约束，否则会出现模型不可识别的问题。k元SVAR模型需要对结构式施加k（k-1）/2个约束条件才能识别出结构式冲击。而本文SVAR模型中包含5个内生变量，因此，模型需要施加10个约束条件才能有效识别结构式冲击。
（五）脉冲响应函数分析
本文选取滞后长度为20期，图中横坐标表示冲击发生后的时间间隔，纵坐标表示GDP对4个变量冲击的反应程度。
1全社会固定资产投资、民间固定资产投资、消费、出口对GDP的20期脉冲冲击（见图2―5）
（1）从图2可以看出，GDP受到全社会固定资产投资的一个冲击后表现为上升―下降―上升的趋势，第3期受到的冲击最大，响应为0011。第8期至第15期GDP受到冲击后反应为负，但负效应在第10期达到最大，也仅为0003，16期之后，又恢复为正效应。
（2）从图3可以看出，GDP受到民间固定资产投资的一个冲击后在前10期响应波动幅度比较明显，表现为上下波动。第10期之后波动幅度非常小。第3期正效应最大，为0010，第6期负效应最大，为0006。
（3）从图4可以看出，GDP受到消费的一个冲击后表现为上升―下降―上升的趋势，在20期内波动幅度很小，第2期受到的冲击最大，但响应仅为0004。
（4）从图5可以看出，GDP受到出口的一个冲击后在第6期响应达到最大，为0006，其余期几乎没有响应，幅度波动非常小。
2全社会固定资产投资、民间固定资产投资、消费、出口对GDP的20期累积脉冲冲击（见图6―9）
（1）从图6可以看出，长期内，全社会固定资产投资是影响吉林省宏观经济波动的重要因素，对经济影响的长期累积效应较大，第8期达到最大值0037，且全社会固定资产投资的增加对吉林省宏观经济的增长具有明显的正向效应，即具有较大地促进作用。全社会固定资产投资短期内有助于吉林省经济增长，长期内对经济影响的累积正效应较大，说明全社会固定资产投资对吉林省经济增长确实起到较大地的拉动作用。因此，吉林省应进一步地突出全社会固定资产投资对稳增长、调结构的关键作用，加大对三大产业的固定资产投资，特别是加大对新兴战略性产业，如新能源汽车、航天信息产业等领域的投资以及对服务业的固定资产投资，建设本省的服务外包基地、开展制造业信息服务、云计算及智慧城市云共享服务等业务。总之，吉林省仍处于典型的要素拉动阶段，在产能与内需错位、出口能力有限的情况下，全省经济的持续稳定增长依然要依靠投资拉动，因此，全省应保持投资增长的连续性，全社会固定资产投资更要保持适度规模增长。
（2）从图7可以看出，长期内，民间固定资产投资对吉林省宏观经济波动的影响小于全社会固定资产投资，这是因为民间固定资产投资是全社会固定资产投资的一部分，但其仍是吉林省宏观经济波动的重要影响因素。第4期响应达到最大，为0017，且民间固定资产投资的增加对吉林省宏观经济的增长具有明显的正向效应，即具有一定程度的促进作用。而这与吉林省民间投资呈现出的增速快、占比大、结构优的特征相一致，近年来吉林省民间投资主要投向高技术制造业和技术改造业。因此，两大投资热点对经济的拉动作用较显著。且从2006年开始，吉林省先后设立了产业创新引导资金、服务业发展引导资金、科技创新、旅游发展等一批省级专项资金，引导民间投资进入重点领域，有力推动了全省民间投资的快速发展。从长期来看，民间固定资产投资确实拉动了吉林省经济的增长。
（3）从图8可以看出，长期内，消费对吉林省宏观经济波动的影响由正效应转为负效应，第4期正效应达到最大，为0008，第12期负效应达到最大，为0004。从第9期开始，消费对吉林省经济增长由拉动作用开始转变为阻碍因素。究其原因，吉林省作为东北老工业基地，其主要是生产生产资料，而在生活消费品产业方面并不发达。因此，消费结构与本省资源与生产制造能力结构不符，存在错位现象。在对生产资料消费低迷的情况下，吉林省资源不能得到充分利用，实际产量远远少于潜在的产量，生产能力就不会转化为现实的经济增长；而当吉林省对生活消费品消费过热时，本省资源与生产能力与消费需求存在错位，不能满足其内在的消费需求，这种消费需求又超出了本省资源和生产能力的约束，则“欲速而不达”，表现为通货膨胀式的经济增长，其实质就是负增长，由此导致消费的增加对吉林省宏观经济的增长起到一定的阻碍作用。总之，吉林省庞大的产能没有对接本省的消费需求，消费端的需求不能在本省得到较好的满足，这在传统意义上是产能过剩，而本质上是市场形势的变化带来的产能与需求的错位。因此，吉林省消费更多地是带动省外经济的发展，长期看，对吉林省经济增长还起到反作用。
（4）从图9可以看出，长期内，出口也会对吉林省宏观经济造成冲击，但是影响较小。第7期达到最大值0009，出口增加对吉林省宏观经济的增长具有一定的正向效应，即促进作用。但冲击效果较小的原因主要是吉林省出口总量过小，以至于难以对经济产生足够的拉动作用。1978―2014年吉林省出口总额占GDP的比重均值为59%，因此，吉林省应重视发展外向型经济，在国家实施“一带一路”战略背景下，吉林省是向北开放的重要窗口，也是东北亚丝绸之路的源头和起点，有多个城市沿边近海，因此，吉林省要在国家“一带一路”战略布局中找到契合点；对外，打通向东出海口，对内，向西拓展，构筑开发开放的战略新格局，进一步提升外向型经济的发展水平。
（六）方差分解
本文用于说明全社会固定资产投资、民间固定资产投资、消费、出口对吉林省宏观经济波动的贡献程度。具体方差分解结果如表3所示：
从表3可知，产出冲击对吉林省宏观经济波动的影响最大，其次是全社会固定资产冲击和民间固定资产冲击，二者是影响吉林省宏观经济波动的重要因素，而消费冲击和出口冲击的影响较小。根据20期冲击均值可知，产出冲击解释了728%的自身波动，全社会固定资产冲击解释了124%的产出波动，民间固定资产投资冲击解释了108%的产出波动，消费冲击解释了19%的产出波动，出口冲击解释了18%的产出波动。由此可知，投资仍是拉动吉林省经济增长的主要驱动力。以上方差分解的结果与脉冲响应函数分析所得的结论一致，互相印证。
三、对策建议
（一）保持投资增长的连续性。吉林省经济发展仍处于典型的要素拉动阶段。在产能与内需错位、出口能力有限的情况下，全省经济的持续稳定增长依然要依靠投资拉动。因此，全省应保持投资增长的连续性，全社会固定资产投资和民间固定资产投资更要保持适度规模增长，进一步优化二者的投资结构，不仅要加大对基础设施、社会民生、科技创新等领域的政府投资，更要引导民间投资投向战略性新兴产业、现代服务业、重点制造业等新的领域，努力提高投资质量与效益。
（二）加快供给侧结构性改革步伐，提高供给结构对本省消费需求变化的适应性和灵活性。吉林省庞大的产能没有对接本省的消费需求，消费端的需求不能在本省得到较好的满足，这在传统意义上是产能过剩，而本质上是市场形势的变化带来的产能与需求的错位，这也正是供给侧结构性改革的主要内容，用改革的办法推进结构调整，矫正要素配置扭曲，扩大有效供给，提高供给结构对需求变化的适应性和灵活性，提高全要素生产率，更好地满足广大人民群众的需要，使消费拉动经济发展。
（三）扩大出口对经济的拉动作用。出口是影响吉林省宏观经济波动的次要因素，虽然表现为正效应，但总体影响效果较小。为了进一步提升出口对吉林省经济的拉动作用，应该继续坚定不移地实施“走出去”战略，重点在装备制造、农林牧生产、食品加工和冶金建材等领域开展国际产能合作。大力发展服务贸易，推进服务外包和跨境电子商务。完善出口服务体系，提升出口产品附加值。
[参考文献]
[1]赵留彦.供给、需求与中国宏观经济波动[J].财贸经济，2008（3）：59-65.
[2]任希丽，张兵，李可爱.中国经济波动的影响因素分析[J].西安交通大学学报（社会科学版），2013（2）：9-14.
[3]袁吉伟.外部冲击对中国经济波动的影响――基于BSVAR模型的实证研究[J].经济与管理研究，2013（11）：27-34.
2014年我国外贸进出口的主要特点如下：
1、由商品进出口贸易四个主要指标观之
2014年商品进出口贸易额分为进出口各自贸易额与进出口总额、差额角度观之，按美元计价，如下图1-1换算为亿元（人民币，）[1]我国进出口总值43，030亿美元即286，282亿元人民币，比2013年增长3.4%。[2]其中，2014年出口贸易额23，427亿美元即155，861亿元人民币，比2013年22，100亿美元增长6%；进口19603亿美元即130，420亿元人民币，上升0.5%；贸易顺差3824亿美元即25，441.3亿元人民币，同比扩大47.27%。我国进出口、出口、进口贸易顺差额分别增长3.4%、6%、0.5%和47.27%。[3]由此可见在四项类别中，中国对外贸易主要依赖于出口总额的增长，因而由出口增加6%，进而导致相对进口减少，所以贸易顺差大致超过40%，相较之下进口总额只加了0.5%，说明2014年我国对外贸易政策以出口导向性型为主导。
2、由商品进出口贸易四个时间阶段观之
2014年四个季度观之，2014年第1、2、3季度进出口值分别为9754.1亿美元、10220.2亿美元、10629.4亿美元，同比分别增长13.5%、4.3%和6%。前三季度累计进出口总值3.06万亿美元，同比增长7.7%。其中出口1.61万亿美元，增长8%；进口1.45万亿美元，增长7.3%；贸易顺差1694亿美元，扩大14.4%。其中，7、8月份外贸增速分别为7.8%、7.1%，9月份回落至3.3%。前三季度，我国出口价格总体下跌0.6%，进口价格总体下跌1.8%。价格条件指数为1.01，表明我国对外贸易条件有所改善，对外贸易效益有所提升。[4]
二、固定汇率制国家宏观经济政策对对外贸易层面
本处采用蒙代尔弗莱明模型，该模型相交于IS―LM模型考虑国际资本流动因素，如上图AR直线为所代表的r0为世界利率平均水平，AR直线之上，代表本国利率高于r0，资金流入本国；AR直线之下，代表本国利率低于r0，资金流出本国，三线同时相交，表示经济达到均衡状态。而政府发行货币量不变处于LM1时，单纯采取财政政策，因此固定汇率制度下，财政政策比较有效。如下图2-1固定汇率下财政政策的效果图。财政政策可以通过控制利率，进而影响国际资金流动。
而政府发行货币量不变处于LM1时，单纯采取财政政策，由上图财政政策效果图可得出以下可能情况
1、政府若采取扩张性的财政政策
政府投资增加，使IS1曲线向右移动IS2曲线，在货币政策不变即货币供给不变的前提下，短期内本国利率高于世界平均利率，即资金大量流入国内，外汇流入量增加，即外汇在本国市场供过于求，国家应增加本国货币的供给，因此会出现LM1曲线向右移动至LM2曲线，本国货币供给量增加，在国民收入上升的同时，维持初始时的利率E，E'等于E，那么E'为新的经济均衡，财政政策的效果显著。E上升至E''点，利率上升会吸引国际资金流入本国，给本国带来升值压力，政府必须卖出本币，买进外币，进而增加本国的货币供给，进而采取扩张性的货币政策的配合，因此使财政政策的扩张效果进一步增强。
2、政府若采取紧缩性的财政政策
政府投资减少，使IS2曲线向左移动至IS1曲线，在货币政策不变即货币供给不变的前提下，短期内本国利率低于世界平均利率，即资金大量流出本国，外汇流出量增加，即外汇在本国市场上供不应求，中国应减少本国货币供给，因此会出现LM2曲线向左移动至LM1曲线位置，本国货币供给量减少，在国民收入下降的同时，维持初始时的利率E，即E为新的经济均衡，财政政策的效果显著。E'上升至E''下降至E，利率水平会下降，这会使外国资本流出本国，政府需要减少本国的货币供给，相当于配合紧缩性的货币政策，可使财政政策的紧缩效果有所加强。
因此，固定汇率下，货币政策趋于被支配地位，财政政策比较有效，处于主导地位。若实行固定汇率制度，货币政策无法独立发挥作用，必须以财政政策作为支撑，政府无法实际控制本国货币供应量。而政府可以通过对利率的影响进而引导国际资金流动，使财政政策效力增强。
财政政策具体体现层面在于：
（1）国际收支与国民收入层面。于是紧缩性的政策在贸易顺差和国内通货膨胀并存的环境下，一般会导致顺差的进一步强化也即国际收支的不平衡加剧；这也符合米德冲突关于内外均衡冲突矛盾的论断，虽然有利于稳定物价，同时也造成顺差扩大；支出增减性政策有利于解决内部均衡而对外部均衡不利的论断也验证了这种效果。国际收支顺差程度的增加必然导致本国货币国内供给量的增加，这会使国内过热的经济更加深化，价格上涨的趋势进一步强化，人民币内贬外升造成国民收入水平的下降。
（2）人民币币值与国际进出口层面。加大了人民币升值的压力，有可能造成未来国际收支逆差的急剧增加，不利于未来出口。
（3）国际贸易条件层面。加剧了国际贸易间的摩擦，贸易条件恶化并且增加了未来国际间经济交流的不确定性，尤其对中国这样的以出口需求为主而不是内需拉动GDP的贸易大国更是加剧了未来经济发展的波动。
（4）机会成本层面。付出外汇储备的机会成本，从而造成国民收入损失，降低货币政策的有效性；这对于未来的国际收支稳定同样不利。
三、浮动汇率制国家宏观经济政策对对外贸易层面
1、政府若采取扩张性的货币政策
货币供给量的增加即顺箭头方向LM曲线向右移动到LM'曲线，只考虑货币政策的影响，政府的投资曲线IS不变的前提条件下，均衡利率从E点下降到E'点，利率降低会刺激投资需求，进而IS'曲线向右推至为IS'曲线，而IS'曲线与LM'曲线的交点为E''，即是政府投资增加，国民收入增加，而利率维持先前E点的均衡，达到世界利率的平均水平，利率下降导致本国货币大量外流，致使本国货币面临贬值压力，外币由于数量相对较少，则出现外币相对升值的局面，有利于本国出口增加，进口相对减少，从而增加经济中的净出口需求，进而增强货币政策的扩张性。
2、政府若采取紧缩性的货币政策
货币供给量减少进而导致利率上升，抑制经济中的投资需求，并且利率提升，导致国外资金大量流入国内市场，外币贬值，本币升值，降低经济中净出口需求，加强货币政策的紧缩性。
若一国实行的浮动汇率制，则货币政策在宏观经济政策中具有导向性的作用，货币政策利用中介利率工具，对于进出口贸易额产生影响，相较于财政政策相对有效。
【注 释】
[1] 中美汇率1美元=6.65人民币.
[2] 贸易额增长率=2014年贸易额-2013年贸易额/2013年贸易额（单位忽略）.
宏观经济超预期反弹的表现
在强大的刺激政策与存货调整周期的作用下，2009年中国宏观经济成功走出了自2008年3季度以来深度下滑的低谷。虽然外贸形势依然严峻，但在投资和消费扩张的引领下，实体经济出现超预期反弹，通胀预期开始抬头，资产价格快速提升，宏观经济景气快速回升，中国宏观经济整体开始进入“政策刺激性反弹阶段”向“市场需求反弹阶段”的过渡阶段，2009年的宏观经济在超预期反弹的表现下呈现出以下几大特点：
第一，各种GDP、投资、消费、工业增加值、财政收入、企业利润以及总体宏观经济景气指数等指标都出现了大幅度回升，远远超过各级经济主体的预期，中国宏观经济成功摆脱了世界经济危机冲击下的深度下滑，实现了超预期的触底反弹。
第二，从总量来看，GDP同比增速逐季提升，呈现“V”型反弹的态势，但从环比增速来看，呈现“v”+“倒V”型，中国宏观经济并没有出现2个季度以上的持续加速局面，环比增速的波动表明中国宏观经济政策刺激效应已经度过其加速阶段，开始步入平稳增长阶段。
第三，从经济增长的因素来看，触底回升与超预期反弹的因素是多元的，既有内需扩张、存货调整的因素、也有基数效应的因素，经济增长的核心动力源依然来源于政策刺激性反弹和存货周期调整，市场性自发需求依然低迷，具有强烈的局部性和易变性，标志着经济全面复苏的核心指标――“市场自我循环、自我驱动的内生增长动力机制”还远远没有形成。中国宏观经济处于“政策刺激性反弹阶段”向“市场需求反弹阶段”的过渡阶段，具有强烈的结构不平衡性、动力不稳定性、增长要素缺少互动性等特点。这决定了中国宏观经济具有“易变性”，产出缺口依然存在大幅波动的可能。
第四，从经济结构来看，经济下滑以及经济刺激的双重作用使中国宏观经济结构出现了外需比重、重化工比重、东部比重以及单位GDP能耗等指标下降的重大变化，但这些变化大部分具有短暂性和过渡性的特点，中国重化工业的率先反弹、下游产业和出口产业的持续低迷意味着中国结构性问题将进一步凸现。
第五，在极度宽松的货币政策与流动性向实体经济渗透性低下的双重力量作用下，资产价格快速上涨，地产价格与房产价格同步提升的“正反馈机制”的形成将使房地产复苏的可持续性受到挑战。
第六，在货币极度扩张、中国经济率先反弹、全球大宗商品价格恢复性上涨等因素的作用下，中国通货膨胀预期抬头，在引领经济预期逆转的同时，给中国宏观经济复苏带来了巨大的冲击。
第七，虽然由于基数效应、全球经济走出低谷等因素，自2009年第4季度起，进出口同比增速将大幅度改进，但进口增速的反弹力度将明显超过出口反弹的速度，中国外需的形势依然较为严峻。
上述七大方面说明了中国宏观经济目前超预期反弹具有“政策主导性”、“结构不平衡性”、“动力不稳定性”、“增长要素缺少互动性”以及“总体发展方向的易变性”等特点，未来中国宏观经济将发生以下几种变化：
经济将会呈现“双W轮动”的调整模式
在经济内在惯性、政策持续刺激和世界经济反弹等多元因素的作用下，中国宏观经济将在2010延续增长的态势，但从周期角度来看，中国宏观经济调整很可能呈现出“双W轮动”模式，即从GDP同比增速来看，中国宏观经济在短期为“V”型，但中期却呈现为“W”型。中国宏观经济在2010虽然没有“二次探底”的可能，但内在矛盾累积的作用下，在2011-2012年依然存在较强的中期下行力量；从环比增速来看，中国宏观经济在2008-2010年将呈现“W”轮动的模式，内生的、持续加速的力量还没有形成，产出缺口存在强烈波动的趋势。
2010年中国宏观经济将步入经济增长动力机制转换的关键阶段，“政策刺激性反弹阶段”向“市场需求反弹阶段”的全面过渡决定了2010年中国宏观经济及其政策选择可能进入一个“进退两难”的困境。一方面，刺激政策的持续或进一步放大很可能带来短期的快速回升和经济的过热，但却可能使政策主导性反弹压制市场复苏力量的培育，未来投资驱动增长模式的内在矛盾越来越激化，结构恶化、产能过剩将进一步恶化，从而导致宏观经济在中期的不可持续，甚至出现在中期的“第二次探底”；另一方面，简单采取退出政策将使政策刺激性需求急剧萎缩，刚刚启动的局部的、还没有形成自我循环的市场动力机制夭折，宏观经济在短期内出现“第二次探底”。因此，如何摆脱“进退两难”的困境，避免宏观经济在短期或中期内出现“第二次探底”，成为考验2010年宏观经济政策组合和政策实施节奏的核心焦点。
“进退两难”困境需要“以进为退”的策略
“进退两难”困境还集中体现在以下几个方面：一是重工业主导的经济复苏与结构调整力度加强之间的冲突；二是无就业复苏与增加就业的刺激方案之间的困境；三是进一步出口刺激、出口快速回升与不平衡调整之间的冲突；四是房地产作为民生产业与作为经济支柱产业之间的冲突；五是作为地方政府核心财源的房地产土地与作为中央政府农业基础的土地之间的冲突；六是结构调整进程中“存量调整”与“增量调整”之间的冲突；七是汇率政策调整中“贬”与“升”两难选择；八是被中长期投资项目和地方政府“双重绑架”的货币政策在“数量主导型退出”与“价格主导型退出”上的两难选择；九是战略调整问题在短期战术层面进行独立实施带来的“长”与“短”之间的冲突。
关键词：宏观经济政策；投资行为；投资效率
企业的投资活动既是公司权益价值创造的驱动力（Modigliani & Miller，1958），也是我国经济整体经济增长的驱动力。其投资效率的高低既关乎企业的成败，也关乎一个国家的整体经济发展水平。
企业的投资效率受到内外部环境的双重影响，目前的大多数研究集中在内部环境。例如公司治理水平、公司特征等等。改革开放以来我国经济取得了跨越式的巨大发展，对于微观企业的投资效率，国家层面的宏观经济政策发挥了一定的作用。宏观经济政策是国民经济的“调节器”，尤其是我国正处于转型时期，宏观经济政策更是发挥着巨大的导向作用。然而目前对于宏观经济政策是如何影响微观企业投资效率的研究不是很多，出现了一定的割裂现象。本文基于国内外的文献，对于宏观经济政策如何影响微观企业投资效率的文献进行了综述。
一、宏观经济政策
（一）宏观经济政策的定义
宏观经济政策是一个国家采取的对经济进行干预的手段，是政府为了协调和发展整个国民经济而制定和实施的一系列政策。主要有经济周期、财政政策、货币政策、信贷政策、税收政策、汇率政策、产业政策、监管政策以及收入分配政策等。
（二）宏观经济政策的作用
国家实行宏观经济政策就是为了实现经济的长期稳定发展、稳定物价水平、平衡国际收支以及实现充分就业。为应对2008全球金融危机对我国经济的巨大冲击，缓和惨淡的经济局面，我国当局实施了积极的财政政策以及宽松的货币政策，推出了4万亿救市计划并取得了预期效果，我国经济逐渐实现复苏。自2010年以来我国GDP增速逐渐回落，进入经济发展新常态的重要战略时期，宏观经济政策正逐渐引领中国经济向集约型、质量型转变，不断刺激需求，调整经济结构。
二、企业投资效率
在新古典经济学中，企业的投资取决于投资项目的边际价值，只有边际收益大于边际成本，企业的投资活动才是有效率的。在Modigliani等的完美市场假设中，投资机会是企业投资效率的决定性因素。抓住好的投资机会可以使企业获得巨大的竞争优势。但是我国并不存在完美的市场机制，现实中的投资并不完全取决于投资机会，企业中的非效率投资即过度投资和投资不足现象也广泛存在，影响企业价值最大化的实现，从长远利益上不利于企业的生存和发展。根据资本成本的锚定效应，企业进行投资项目的选择应以资本成本为取舍率，只有企业的投资项目的预期报酬率大于企业的资本成本，投资才是有效率的，才应被管理层采纳。改善投资效率是企业财务管理的主要目标，所以投资效率问题至关重要，引起了国内外学者和实务界的广泛关注。
（一）企业投资效率的衡量
投资效率的衡量是投资决策的核心问题。近年来国内外学者运用数学、计量经济学等原理对企业投资效率的的衡量方法和测度模型进行了不断地探索，主要有：（1）Fazzari等（1988）从融资约束角度提出的投资-现金流敏感度测量模型，基于信息不对称理论，外源融资成本大于内源融资成本。模型中的敏感性程度可以反映企业所受的外部融资约束情况。（2）Vogt（1994）在Fazzari等的测量模型基础上提出了现金流与投资机会交互项测量模型，通过该模型中交互项的符号可以判断企业是受融资约束出现了投资不足还是由于问题出现了过度投资情况。（3）Richardson（2006）基于自由现金流与过度投资的关系提出的残差项度量模型，通过模型中残差项的符号可以判断企业非效率投资的类型。（4）Biddle等（2009）提出的无条件测试模型，首先通过模型测度企业的预期投资水平，然后分行业逐年进行回归，再把残差项按照小到大的顺序分成四组，第一组是投资不足，中间两组为正常的基准组，最后一组为投资多度，再采用Multinomial Logit模型来测度企业投资出现在投资不足或过度投资组的概率，以此来衡量企业的投资效率。
（二）企业投资效率的影响因素
对于企业投资效率影响因素的研究可以分为公司内部因素和外部宏观经济环境因素两部分。
对于内部环境因素，目前的研究主要有公司信息披露状况、会计稳健性、董事会以及管理者特征、公司治理水平、公司异质性等方面。国内外学者比较注重企业内部对于其投资效率的研究，出现了一定程度的宏观经济环境与微观企业投资行为的割裂现象，然而随着金融危机的爆发以及国家相关政策的颁布，宏观经济政策对企业投资效率的影响越来越得到理论界以及实务界的重视。外部宏观环境对于企业投资效率的影响主要有环境不确定性、外部治理水平、经济周期、货币政策，信贷政策、以及财政政策等因素。
三、宏观经济政策与企业投资效率
（一）宏观经济政策对企业投资效率影响的传导路径
一个国家的宏观经济政策对微观企业投资效率影响的传导路径主要有两条：（1）通过宏观经济政策导向作用改变企业对国家经济、行业经济的整体判断和预期进而影响投资机会来影响企业投资行为（2）通过宏观经济政策对利率等的影响进而改变企业的资本成本来以及融资约束影响企业投资行为
（二）宏观经济政策对企业投资效率的影响
不同的发展阶段，国家为了更好地促进企业的发展，采取了不同的宏观经济政策来实施调控，但是这对企业的投资效率的影响效果到底如何，引起了学者的关注和研究。该部分依据划分的宏观经济政策影响微观企业投资效率的两条传导路径分别进行了梳理。
1.路径一：宏观经济政策通过改变企业对国家经济、行业经济的整体判断和预期进而影响投资机会来影响企业投资行为
宏观经济周期的变化会加大企业对未来预期的不确定性，影响企业投资机会的发现，加大企业对未来经济活动状况以及信息的判断的难度，进而影响企业的投资支出。经济周期反映了一个国家总体经济发展的波动状况，一般我们可把它划分为扩张和紧缩两个阶段。在经济危机阶段，一般来说企业对经济前景预期会比较差，国家就会相应实施宽松的财政货币政策来刺激投资和需求，缓解投资不足。在经济繁荣阶段，一般来说企业对国家的经济前景预期会比较乐观，国家也会相应实施紧缩的宏观经济政策来抑制盲目以及过度投资来提高企业的投资效率。此外宏观经济政策也会通过影响企业的资本成本和融资能力等因素来间接影响企业的投资机会。
Bloom 等（2007）研究认为宏观环境的不确定性会影响企业管理层对企业信息的判断能力，会更加保守和谨慎，从而影响投资。应惟伟（2008）通过研究证实了经济周期与企业投资的相关关系，不同阶段不同的财政货币政策会影响企业的经营活动和融资环境进而影响企业的投资-现金流敏感性。陈艳（2013）通过实证研究发现企业的投资机会和投资支出与经济危机负相关，而宽松的宏观货币政策会增加企业投资机会以及投资支出从而起到正的调节作用。邱静（2014）实证研究证实了当货币政策比较宽松时，会有较好的投资机会，进而企业投资效率也会比较高。张超等（2015）研究了经济增长平稳时期，货币供给和信贷供给与非效率投资的相关关系，货币政策会提高企业的投资效率。刘放等（2015）实证检验了投资效率的顺周期效应，并且国有企业和处于低经济发展水平地区企业的投资效率的顺周期效应更强。
2.路径二：宏观经济政策通过对利率等的影响进而改变企业的资本成本来以及融资约束来影响企业投资行为
资本成本是企业在投资时所考虑的必须要达到的最低报酬率，也是企业通过有效的管理必须应该达到的价值创造能力。国家的宏观经济政策可以通过影响企业的资本成本来影响投资。而且企业投资与其外部融资能力密切相关，宏观经济政策也会通过缓解企业的融资约束来影响投资效率，其中我国货币政策主要通过企业的货币渠道（又称利率渠道或资本成本渠道）和信用渠道来发挥作用，这两种渠道都是通过影响企业的融资成本以及融资规模来对企业投资效率产生影响。
Mojon 等（2002）通过对欧盟中的法国、德国、意大利和西班牙的研究发现利率政策会通过影响资本成本影响企业的投资行为。我国的彭方平等（2007）研究发现宏观经济政策通过改变政策利率和国债到期收益率等来影响企业的资本使用成本来影响投资，进而说明了我国宏观经济政策微观传导机制的有效性。但是对于我国的资本成本与投资行为敏感性的问题却一直存在着争议，其投资行为与资本成本的敏感性关系并不十分明显，特别是在国有企业中。徐明东等（2012）研究发现货币政策通过资本成本影响企业投资决策的的作用比较微弱，而国有企业对资本成本不敏感。喻坤等（2014）揭示了我国的投资效率之谜，认为我国货币政策加大了国有与非国有企业融资约束的不同，从而非国有企业的信贷资源被国有企业挤出，我国非国有企业的投资效率因此而降低。贺京同等（2015）通过对宽松的货币政策与企业非效率投资行为之间的关系进行的研究得出，宽松的货币政策是否对企业非效率投资行为有抑制作用要取决于企业的产权性质和投资机会。
四、评述与展望
对于企业投资效率的影响因素，目前国内外研究大多还是基于微观层面，从而出现了一定程度的宏观经济政策和微观企业投资行为的割裂现象，但是对于宏观经济政策的微观效应也逐渐得到了学者们的重视与深入研究。鉴于此本文对宏观经济政策影响微观企业投资效率的传导路径内分为两条分别进行了梳理。未来对企业行为的研究应该更加注重宏观政策的调控作用，并且应该在宏观经济政策的具体传导路径方面应该更加明确与深化。
对于企业投资效率的衡量模型方面，目前大多采用投资-现金流敏感度测量模型，投资-投资机会敏感度模型以及Richardson的残差项模型，但是这些模型都各有利弊，能否真正测度企业的投资效率，其合理性和准确性都有待于探讨，期待能够建立更加科学的测量模型。
对于企业来说，资本成本是其投资决策时必定要考虑的与其将担负的风险相对应的必要报酬率率，其投资支出对资本成本的敏感性可以检验货币政策的资本成本传导路径是否顺畅。资本成本在公司财务决策中具有锚定作用，但是在我国尤其是国有企业中，资本成本敏感性并不高。因此要深化我国国有企业改革，并且加强我国宏观政策传导的通畅性和落实的有效性。
宏观经济政策要指导转变经济发展方式的的同时要提高投资效率而不是投资率。在宏观经济政策影响企业投资效率的同时，企业的投资效率也会影响宏观经济的波动和宏观经济政策的制定，所以在研究时也应注意投资效率的反作用机制。
宏观经济政策在一定程度上会抑制或刺激企业的投资支出，从而影响企业的投资效率。由于我国正处于经济转型的特殊阶段，针对不同产权性质的企业、不同类型的行业、不同的市场化程度的地区以及不同的现实宏观环境，宏观经济政策的制定和实施不应出现“一刀切”的现象，而是应更加细化。同时中央和地方更应该有效的协调和配合，更好的建设服务型政府，更好地发挥财政政策和货币政策等的宏观调控作用，以促进我国企业投资效率的提高，实现我国宏观经济政策与微观企业投资行为的更好融合以及协调运转。
参考文献：
[1]Steven M.Fazzari，R.G.Hubbard and B.C.Petersen.Financing constraints and corporate investment[J]. Brookings Papers on Economic Activity， 1988，19（1）：141-206.
[2]Stephen C. Vogt.The Cash Flow /Investment Relationship：Evidence from U.S.Manufacturing Firms[J].Financial Management，1994，23（2）：3-20.
[3]Scott Richardson.Over-Investment of Free Cash Flow [J].Review of Accounting Studies，2006，11（2）：159-189.
[4]Gary C. Biddle，Gilles Hilary and Rodrigo S. Verdi.How Does Financial Reporting Quality Relate to Investment Efficiency？[J].Journal of Accounting and Economies，2009，48（2）：112-131.
[5]姜国华，饶品贵.宏观经济政策与微观企业行为-拓展会计与财务研究新领域[J].会计研究，2011（3）：9-18.
[6]应惟伟.经济周期对企业投资影响的实证研究-基于投资现金流敏感性视角[J].财政研究，2008（5）：30-34.
[7]陈艳.宏观经济环境、投资机会与公司投资效率[J].宏观经济研究，2013（8）：66-72.
[8]邱静.货币政策与我国上市企业投资效率研究[J].财经理论与实践，2014 （5）：34-39.
[9]张超，刘星，田梦可.货币政策传导渠道、宏观经济增长与企业投资效率[J].当代财经，2015（8）：108-119.
[10]刘放，杨峥，杨曦.宏观经济周期性波动与公司投资效率-基于金融危机的自然实验[J].财会通讯，2014（7）：85-88.
[11]彭方平，王少平.我国利率政策的微观效应-基于动态面板数据模型研究[J].管理世界，2007（1）：24-29.
[12]徐明东，陈学彬.中国工业企业投资的资本成本敏感性分析[J].经济研究，2012（3）：40-52.
[13]喻坤，李治国，张晓蓉，徐剑刚.企业投资效率之谜：融资约束假说与货币政策冲击[J]. 经济研究，2014（5）：106-120.
【关键词】营运资本管理 宏观经济环境
一、引言
营运资本维持着企业日常的生产经营，是企业的血液，但是长久以来并没有得到与其地位相当的重视。国外对营运资本的研究早于我国，始于20世纪30年代，形成了一套比较完善的评价、管理体系，营运资本管理水平较高。营运资本管理现有的研究，主要集中在营运资本管理影响因素、营运资本管理评价指标、营运资本管理政策、营运资本管理与企业盈利的关系和营运资本管理与企业价值最大化的关系上。其中营运资本管理因素可分为企业获利能力、发展能力、偿债能力、企业规模等内在微观因素和融资环境、宏观经济增长、贷款利率、行业等企业外在宏观因素。2008年金融危机爆发，营运资本的管理再一次引起国内外学术界的关注。目前微观环境对营运资本研究的影响研究较多，而宏观环境对营运资本管理的影响及其作用机制研究相对较少。本文拟就国内外宏观环境对营运资本的相关研究进行归纳和整理。
二、国外营运资本关于宏观经济对营运资本管理的研究
全球化的竞争压力，资金的不确定性、融资的压力，新的法规、新的政策和高昂的融资成本约束着营运资本的管理。尤其是2008年的金融危机后，职业经理人发现合理高效地管理营运资本是一项艰巨的任务。
Merville和Tavis（1973）认为，影响公司营运资本管理策略的一个非常重要的因素是持续的经济周期。由于不同行业其业务性质的差异，在应对经济周期时其采用的营运资本政策是不相同的。Nunn和Kenneth（1981）从企业所处行业环境就公司的应收账款和存货进行研究，认为处在不同行业的公司营运资金策略存在较大差异。
Chiou et al（2006）、Zariyawati et al（2010）发现在经济繁荣时企业营运资本需求高，企业会将更多资金投入营运资本。而Lamberson（1995）探讨了小型企业如何改变营运资本管理以应对经济环境变化，他认为经济扩张期小型企业倾向于减少流动资产以较少流动性，在经济衰减期反之。该研究在理论上进行了解释，由于实证上没有得到验证，且该研究只包含1980-1991年的50个样本企业，不具有普遍适用性，但Lamberson认为中小企业和大型企业在应对经济环境的变化时采取的营运资本管理政策是不同的，值得进一步研究。
Baum et al（2006）认为宏观环境的波动性会影响非金融企业对流动资产的分配效率。环境的高度不确定性减弱经理人员预测与公司相关信息的准确性，使得他们做出的决策与当前现金管理政策相似。相反，当宏观环境的波动较为平和时，经理人员有更强的意愿根据公司的具体需求调整流动资产，使得资产的分配效率提高。而Sathyamoorthi et al（2008）调查发现经济波动较大的环境下，企业倾向于选择保守的营运资金管理模式。
Baum et al（2008）以制造业上市公司为研究对象，在研究宏观经济的不确定时，还加入公司本身的不确定性。实证发现无论是宏观经济还是公司自身不确定性的提高，均使公司的现金持有量增加，反之减少现金持有量。这种在经济衰退期间对信息不对称的更加敏感，使得公司囤积大量现金，失去了潜在的投资机会，这在一定程度上减缓了宏观经济的复苏。
三、国内关于宏观经济因素对营运资本管理的研究
姜国华（2011）认为宏观经济政策研究与微观企业行为研究普遍存在割裂现象。从宏观经济出发，宏观经济政策与微观企业行为的关系主要表现为以下步骤：第一步，一项宏观经济政策的推出首先会影响企业的行为（如增加企业的融资成本）；第二步，受到影响的企业影响其产出；第三步，企业产出的加总影响经济产出；第四步，政府通过经济产出的变化评估之前的宏观政策并做出相应的改变。会计学、财务学研究第二个步骤，研究企业行为与企业产出的关系，但忽略了宏观环境对微观企业行为的重大影响，不利于更好地预测企业未来的行为和产出。
王治安、吴娜（2007）以2003-2005年沪深两市的所有A股上市公司作为研究样本，发现我国上市公司不同行业之间的营运资本管理具有普遍明显差异，并且这种差异不是由个别行业的差异引起的。
吴娜、孙宇（2013）采用2002-2011年在我国沪深两市上市的73家钢铁行业公司的面板数据为样本，发现营运资本的管理与国家货币政策相关，通过固定资产投资的调节，营运资本占总资产的比例与货币流量增速之间存在负相关关系。
于博（2014）认为当企业面临宏观经济的冲击式，营运资本往往通过降低营运资本的规模来减少现金流波动对固定资产的负面影响，产生“平滑”效应。这种平滑效应增强了企业投资对金融供给的敏感性及货币政策对投资规模和投资效率的影响能力。因此，内生平滑对外生调控具有正向协同作用，企业内生治理（营运资本平滑）程度越高，越会提升货币政策对投资效率的影响程度。
肖明等（2013）以2001-2011年沪深两市843家上市公司的平衡面板数据为样本，就宏观经济环境对不同控股性质上市公司现金持有行为的影响进行了实证研究。表明上市公司现金持有量与经济周期和财政政策呈显著负相关，而与货币政策呈显著正相关；现金持有量调整速度与经济周期变化和财政政策变化正相关，而与财政政策变化显著负相关。
张西征（2014）利用上市公司季度面板数据进行实证检验宏观经济因素发展状况、货币政策和通货膨胀水平对中国上市公司商业信用周期性变化的影响机理。结果显示，随着宏观经济扩张、货币政策宽松和通货膨胀水平的增加，中国上市公司提供的商业信用净额显著降低。
[关键词] 信用风险；宏观经济环境；信用循环指标；违约概率
[中图分类号] F830.2 [文献标识码] A [文章编号] 1006-5024(2008)01-0152-05
[基金项目] 国家自然科学基金重点项目“中国宏观经济中期发展建模：预测方法与应用研究”(批准号：70531010)；国家自然科学基金“创新研究群体科学基金基于行为的若干社会经济复杂系统建模与管理”(批准号：70521001)
[作者简介] 曹汉平，北京航空航天大学经济管理学院博士生，中国银行总行高级经理，研究方向为金融工程与风险管理；任若恩，北京航空航天大学经济管理学院教授，博士生导师，研究方向为国际竞争力比较、金融工程与风险管理。(北京 100053)
一、问题的提出
近20年来，信用风险的研究如雨后春笋，取得了长足发展。但这些早期的信用风险模型大多集中对违约可能性(信用评分)的预测，主要强调对样本截面数据，而不是从时间序列角度来分析辨别“好”或“坏”的公司，并且这些模型大部分仅仅考虑了公司本身的状况与能力，而未将外在的环境因素纳入其中。近年来，随着经济的快速发展和经营环境的快速变迁，公司必须面对许多不确定性，增加了公司经营的风险。信用风险的时间序列或动态行为分析已经广受学术界、业界以及监管机构的重视。
首先，信用风险市场的流动性越来越大。抵押证券(ABS)，如债券抵押证券(CBO)与贷款抵押证券(CLO)，与信用衍生产品(Credit Derivatives)相似，都允许金融机构在不用破坏客户关系的情况下降低信用风险敞口。这些新信用工具的定价需要利率、违约率、回收率、以及信用利差等的动态行为的足够数据。一般而言，可利用直接观测这些变量的历史数据，或者利用流动性信用敏感工具定价模型来计量这些相关经济变量的动态行为即为信用违约互换(credit default swaps)。其中信用衍生工具或证券有效性弥补了早期信用评分方法在管理信用风险时的适应能力，同时它也使违约分析的重点从截面分析、时间点分析转换到动态的信用风险管理。
其次，信用风险组合管理需要动态信用风险分析。虽然这些模型基本上都能作为分析信用风险组合的工具，但是对于不同风险种类的分析却存在很大的差异。在可辨别的独特性风险与系统风险情况下，绝大多数独特性风险都能被分散，系统性风险对信用组合最重要。而目前的信用组合模型，如CreditMetrics、CreditRisk+都较少关注系统风险因素的行为。通常而言，系统信用风险因素经常与宏观经济环境有关。因此，如果能将宏观经济环境与系统信用风险因素建立联系，那么有关宏观经济变量的趋势与状态的知识就可以帮助商业银行评价组合信用风险。
第三，监管的发展也需要对信用风险进行动态分析。新巴塞尔协议(Basel Committee on Bank Supervision (2003))建议银行的资本需求(capital requirements)必须直接与交易双方的履约能力(creditworthiness of the counterparties)相联系。同时，新监管架构的一个主要关注点就是银行资本需求的亲周期性(pro-cyclical capital requirements)，并且按照这样的方法来增加经济周期的冲击，这可能会恶化经济周期波动。经济增长期间，银行可能会降低经济资本水平，而经济资本水平的降低可能是受到基于近期违约概率估计的风险敏感性资本需求(risk sensitive capital requirements)的刺激。因此，在经济周期的波峰时，经济资本水平可能非常低以致于无法应付后续的经济下降趋势。而在经济下降期间，经济资本的积累同样可能很低。此外，经济资本的增加可能会导致银行信用紧缩(credit crunch)并且因此恶化已经不利的经济环境。亲周期(pro-cyclicality)的问题进一步凸现了对信用评级、违约概率、信用利差以及其它信用风险驱动因子进行动态分析的需要。
本论文主要尝试将宏观经济环境和行业竞争环境纳入信用风险模型，来辨别外在因素对信用风险的影响程度。希望利用辨别出的外在因素对信用风险的影响，为投资者在评估投资时提供多一层的考量，并建立一个能够纳入外在因素的信用风险评估模式，以供后续研究与实务界应用。
二、信用风险模型的发展历程
信用风险分析最早起源于Beaver (1967) 和Altman (1968)的工作，并且在过去近四十年来取得了广泛的研究与探讨，发展出许多类型的信用风险模型。不同的模型具有不同的特性及相关的理论基础，大致而言可以划分为两大类。第一类是基于会计信息与市场价值所发展出来的模型，如Altman，Haldeman and Narayanan(1977)的ZETA模型，第二类则是以股票价格为基础的模型，如KMV、Moody’s等机构用期权理论发展出来计算违约概率的模型。但到目前为止，并未有具体将宏观经济因素纳入信用风险模型的研究。不过，经由Belkin，Suchower and Forest(1998)与Jongwoo Kim(1999)两篇对信用转移矩阵(credit transition matrix)的研究，替信用风险模型纳入宏观经济变量的方式提供了一个可行的研究方向。Belkin，Suchower and Forest(1998)首先将公司价值变动的因素分成两部分，个别公司单独面对的风险与所有公司共同面对的风险，前者可称为个别风险，后者则为系统风险。Jongwoo Kim(1999)运用前述研究的概念，进一步建立较为具体的信用循环指标。
近年来，一些学者对违约概率与宏观经济变量的相关性展开了研究，较具有代表性的是Pesaran等(2005)建立的全球自回归宏观经济矩阵模型GVAR。该模型以Merton(1974)的期权理论为基础架构，以经济的全球化为背景，用横跨25个国家、时间段为1979―1999的季度相关数据，通过建立模型，分析国内宏观经济变量，包括GDP、CPI、短期利率、汇率、以及全球变量(如石油价格等)的冲击对资产信用组合风险的影响，证明银行冲销坏帐损失与国内外宏观经济变量的变化具有重要关系。另一个比较有代表性的是Koopman等(2005)直接应用时间序列模型研究违约概率的周期性变化。
综合以上文献，我们可以发现信用风险作为商业银行业所面临的主要风险，一直是银行风险管理的核心内容，同时也是监管机构及学术界研究的主要话题。目前我国商业银行的信用分析和评估技术仍处于传统的比率分析阶段。随着全球经济越来越相互依赖，商业银行与中央银行都必须面对并分析宏观经济波动对信用风险(或损失分布)的影响。因此，在此领域，尤其是宏观经济环境与信用风险相关性研究方面，将有大量的工作去做、值得深入研究。
三、基于宏观经济因素的信用风险评估模型
考虑到本论文旨在尝试将其忽略的外在因素(可分成宏观经济环境和行业竞争环境两部分)纳入信用风险模型，来辨别外在因素对信用风险的影响程度，因此主要参照Jong-woo Kim(1999)的研究方法建立宏观经济模型，并利用宏观经济变量(GDP增长率，CPI通膨率、货币供应量、失业率等)建立信用循环指标(Z)值，来表示宏观经济情况，然后以此信用循环指标的结果搭配Belkin-Forest-Suchower(1998)的方法，去调整不同经济情况下企业信用质量改变的概率，并修正研究期间银行放款组合价值之信用风险的变动型态。希望利用辨别出的外在因素对信用风险的影响，为投资者在评估投资时提供多一层的考量，并建立一个能够纳入外在因素的信用风险评估模式，以供后续研究与实务界应用。
(一)模型的建立
本论文假设影响公司价值的因素有三个方面，分别为宏观经济风险(Z)、公司经营绩效(M)与个别公司风险(ε)。现将此三种变量定义如下：
1.宏观经济风险
宏观经济风险以Z表示，为所有公司都必须面临的风险，可视为系统性的。这种整体且全面性的风险可能导因于国内GDP的变动、货币供应的变化、进出口成长或衰退、产值提升或下降等。为识别宏观经济风险，首先需要辨别哪些宏观经济变量可以合理仿真未来宏观经济状态。不同的国家，其经济状态各有其特定的全局变量组合代表，Wilson(1997)建议至少应有3个以上的宏观经济变量。此外，随着行业、评级的差异，其辨别的解释变量亦随之不同。再者，在模型估计方法上，随着模型设定而有所差异，其共同处则在于利用过去的变量资料来预测未来变量的可能。
本论文主要是依据Jongwoo Kim(1999)的研究方法，运用宏观经济变量建立信用循环指标(Z)，来表示整体经济情况，再依据信用循环指标的结果，去调整企业信用质量改变的概率。以下是分析方法的介绍。
(1)建立复回归模型
首先，分析投机级公司的违约概率与宏观经济变量的线性回归关系，再以变量分析(Analysis of variance)、系数估计(Parameter Estimates)、变量膨胀因子(Variance Inflation Fac-tors)三个方法作整体模型分析解释。其中：变量分析(Analysis of variance)的主要目的是分析解释变量与被解释变量有无直线线性关系；而变量膨胀因子(Variance Inflation Factors，VIF)则作为该模型共线性(Multi-Collinearity)的判断标准。
本研究先利用Probit函数对被解释变量(投机级公司的违约概率)作转换，得出的转换值再与选定的宏观经济变量做复回归分析，并利用最小平方法(Ordinary Least Squares，OLS)推算宏观经济变量的估计系数。
其中，Yt：表示第t期投机级公司的违约机率，Xi，t-1：表示第i个宏观经济变量在t-1期的值，β：为未知的参数，εt：为随机误差项，h：为选定的宏观经济变量个数。
(2)建立信用循环指标表示宏观经济状况
由公式(1)估计下一期的投机级公司违约机率的转换值后，即可建立信用循环指标表示经济状况。其公式可表示为：
其中，Zt表示第t期的信用循环指标，Φ-1为标准正态之累积分配的反函数，Yt表示第t期投机级公司的违约概率，μ为平均数，σ为标准差。
2.公司经营绩效
公司经营绩效以M表示，本论文以税前息前资产报酬率作为经营绩效变量。Mt值的转换主要应用统计上标准差距离的计算公式：
其中，RAt表示t期公司资产报酬率，μ为平均数，σ为标准差。
为了符合Mt~N(0，1)的假设，本研究假定同行业内各公司资产报酬率成标准正态分布。换句话说，即公司经营绩效的好坏概率呈标准正态分布。式(3)分子中的μRAt即为行业平均资产报酬率，也可用ITAt表示，用数字式表示为：
其中，RAt表示t期公司资产报酬率，IRAt表示t期行业平均资产报酬率，N为同行业内公司数量。
从式(3)可知，本研究将资产报酬率作为衡量公司经营绩效的指标。为了将宏观经济环境对资产报酬率的影响剔除，并消除行业特性差异，将其减去行业平均资产报酬率后再除以行业资产报酬率标准差，得到的经营绩效指标Mt就等于该公司经营表现与行业平均间的标准差距离。若公司资产报酬率小于行业平均报酬率，则Mt0，表示有正面的经营绩效。若两者相等，则Mt=0。
3.个别风险
个别风险以ε表示，此风险仅与个别公司相关，如新产品开发等。
根据以上分析，那么可以以下列回归式来估计宏观经济风险对公司价值变动的影响，并据此建立基于宏观经济因素的信用风险评估模型。
Rt=w1Mt+w2Zt+w3εt(5)
其中，Rt为t期公司价值变动，Mt为t期公司的经营绩效指标，Zt为t期宏观经济指标，εt为t期个别价值变动风险，w1、w2、w3分别为Zt、Mt、εt的权重。为了保证正态分布的假设，即Rt～N(0，1)，不失一般性，假设①Mt、Zt与εt也为N(0，1)的标准正态分布，即Mt、Zt、εt～N(0，1)；②Mt、Zt与εt间相互独立；③w12+w22+w33=1。
除了以数学式表示本研究模型外，也可以图形表示(如图1)。从图1中可以发现，公司价值变动可以区分为三部分，如同前文定义，分别为宏观经济风险、公司经营绩效与误差限。图中V0代表0期公司资产价值，Nt则为t期公司可能价值概率函数，Vt则代表其期望值。V0至Vt的变动中，V0至V′为受公司经营绩效影响的部分，影响幅度为w1Mt；V′至Vt则是受宏观经济影响的部分，影响幅度为w2Zt。
此图的例子是当Mt为负，而Zt为正，且w2Zt大于w1Mt的情况。若Mt与Zt两者均为正，Vt、V′皆会位于V0右边；反之，则Vt、V′皆会位于V0左边。换句话说，公司价值可能会因为Mt与Zt而变动，变动的幅度分别为wtMt与w2Zt，总变动幅度则为w1Mt+w2Zt。
(二)模型的求解
在期权模式的信用风险模型中，违约率的估计是以低于临界值的累计概率加以表示。该概率为：
其中，t为期间，V0为0期公司资产价值，Dt为t期负债帐面价值，μ为平均数，σ为标准差。
违约概率也能够在图形上看出。图2为期权模式下t期的公司可能价值分布图，公司可能价值为标准正态分布，所以此公司价值线Nt代表的一样是标准正态分布的概率函数。图中的横轴并非公司绝对价值表示，而是期望值的距离，以一个标准差为单位。此时只要求出临界值b的数值，即能得到临界值以下的累计概率，以τ表示。
此临界值也可称为违约点(default point)，根据公式(6)，可得临界值b为：
公式(7)所计算的临界值隐含的假设为公司价值低于负债面值就发生违约，但在现实生活中，违约不会在低过负债时即刻发生，而是已经低过负债一定程度之后。其中KMV的EDF模型也不根据上式，而是以公司长期负债加上二分之一流动负债来作临界点。
本研究为求出更精确的信用组合风险及违约概率，将依KMV的方式以公司长期负债加上二分之一流动负债来作临界点。因此，每家公司的临界点均不同。
bt=IDt+ SDt(8)
为了不失一般性，假设t期年底公司普通股市价为P(ST)t；CSt为t期期末流通在外普通股数，则公司t期末的价值与公司价值变动可分别表示为
Vt=P(ST)t×CSt(9)
根据Merton(1974)违约模型，在时间t-1的信息条件下，如果下式成立违约将在时间t发生：
假设：
那么λt将是正的违约门槛，它将随着时间与企业的特定属性(如行业区分)而变化。
因此，在末期t时的违约概率为：
τ=p(default)=p(Rt
综合以上的叙述，本研究的信用风险模型将外在环境因素纳入；外在环境因素又可以分成两部分，一为宏观经济因素，另一则为行业竞争因素。前者指的是宏观经济状况的影响，如资金是否宽松、进出口贸易兴衰、GDP增减等因素对公司信用风险的冲击。后者为行业特性因素，如行业竞争情况、行业特性等。
四、实证分析
本文选取的宏观经济变量包括年度实际GDP、实际全社会总投资、信贷余额、汇率、全国实际零售总额、全国进出口总额等。各变量均以各个指标各年名义值除以各年相对于1985年的物价指数，折算为以1985年基准的可比值，并以上海证券交易所上市公司为研究对象。由于论文篇幅的限制，本论文在行业与公司的选择上只选择了IT行业作相关分析研究。根据前文分析，我们可以利用最小平方法(OLS)来计算出方程(1)中的相关参数(如表1)
那么，我们可以得到投机级公司(SG)的违约概率与信用循环指标的预测值(表2与图3表示其预测值与实际的值非常接近)。
各风险因子的权重系数如表3所示。
因此，IT行业的条件信用风险模型(5)可以写成：
Rt=0.277Mt-0.202Zt+0.939εt (14)
下面我们可选择一家IT行业的上市公司进行具体分析。假设该公司在1999年度与2000年度的基本信息如表4所示。
因此，在考虑宏观经济与行业风险因素后，该公司2000年的条件违约概率(PD)可表示为：
τ=p(default)=p(Rt
实证表明，利用本论文建立的信用风险模型，可以计算出公司的信用风险，即可能的违约概率，而且根据违约概率，也能看出信用风险的大小与其变动。
五、结束语
本研究通过信用循环指标表示宏观经济景气状况，将宏观经济周期因素纳入到现有信用风险模型之中，分析了宏观经济变量与行业竞争环境因素等对信用风险的影响，建立了能够纳入外在因素的信用风险评估模式。本论文的分析结果可以帮助我们思考在考虑宏观经济与行业风险因素后信用风险的度量问题。在我国当前经济环境下，从信用风险管理的角度入手，将能够测量到的不稳定因素纳入到信用风险计量模型中去，使商业银行能够按照新巴塞尔协议的资本要求，建立具有长远性、稳定性、前瞻性的更为有效的信用风险管理体系，对增强金融体系和宏观经济的稳定性将具有非常现实的意义。需要指出的是：为了简化分析，本论文以上市流通的普通股股票价格计算公司价值，除必须假设国内股票市场为完全市场外，又忽略了其他影响因素；另外，本研究虽然尽力依文献或实务界的经验去选择合适的变量，并希望能找出最能解释宏观经济的经济变量，但由于宏观经济变量的选取存在一定主观性，容易遗漏重要的经济金融变量，使得选取变量与应变量的关联性不够显著，或多或少会影响模型的预测。
参考文献：
[1] Altmen and Sironi.The link between default and re-covery rates：effects on the procyclicality of regulatory capital ra-tios，2002.
[2] Barry and Lawrence.A one-parameter representation of credit risk and transition matrices，1998.
[3] Basel Committee on Banking Supervision.Quantita
tive Study 3-Technical Guidance，Oct 2002.
[4] Jongwoo Kim.A way to condition the Transition Matrix on Wind，1998.
[5] Jose A. Lopez.The Empirical Relationship between Average Asset Correlation，Firm Probability of Default and Asset size，June 2002.
[6] Belkin-Forest -Suchower(1998). A One-Parame-ter Representation of Credit Risk and Transition Matrices.CreditMetrics Monitor，Third Quarter，JP Morgan，New York.
[7] Kim(1999).A Way to Condition the Transition Matrix on Wind， RiskMetrics Group.
[8]蔡方，孙文祥.信用风险的度量和实证分析[J].投资研究，2003，(7).
[9]龚朴，何旭彪.信用风险评估模型与方法最新研究进展[J].管理评论，2005，(5).
[10]赵玉旭.现代信用风险量化模型在我国银行中的应用研究[D].长沙：中南大学管理科学与工程系，2003.
购物车(0)