论文部分内容阅读
[摘 要]金融危机对各国的产出增长带来很多不确定性。目前一些学者对发达国家的产出增长与波动之间的关系进行了研究,而没有对发展中国家的产出增长与波动进行研究。本文用GARCH模型研究中国的产出增长与波动之间的关系,得出中国产出增长与波动不存在显著的相关性,但是中国产出增长具有明显的周期性。
[关键词]产出增长 波动 GARCH模型
一、引言
金融危机以来,经济增长受到人们热切关注。经济可能以什么样的方式增长?是U型,V型还是W型?经济增长与波动似乎存在着某种联系。但是有关经济增长与经济波动的实证研究很少。Zarnowiz 和 Moore(1986)研究得出美国在波动较大的时期产出增长反而下降;Caporale 和 Mckiernan(1996)发现对于英国和美国,产出增长与经济波动性存在正相关性;Fountas 和 Karanasos(2006)对G3研究后发现,对于日本和英国,产出增长与经济波动存在正相关性;Kormendi 和 Meguire根据跨国数据得出,如果产出增长的标准差较高,则产出增长的平均值也较高;Jim Lee(2010)用面板数据对G7研究得出较高的产出增长往往伴随较高的波动性,但不必然导致较高的不确定性。Ramey (1995)与 Martin和 Rogers(2000)用不同的样本研究得出产出增长与波动存在负相关性。
上述研究都是针对发达国家,而对发展中国家尤其是中国的研究很少。在金融危机影响下,中国经济波动比较大,见图1。2008年11月份工业产值增长率为5.4%,同月,中国政府提出4万亿救市计划,随后经济保持了较高的增长速度,到2009年11月份,工业产值增长率达到19.2%,实现了全年经济增长保8的目标。
本文利用1999年到2009年的月度数据,通过GARCH模型探讨中国的产出增长与波动的关系。
二、GARCH模型建立
产出增长一般情况下用GDP增长率表示,但由于GARCH模型需要大量的样本数据,而且自1993年之后, 官方网站只公布GDP季度数据,为了保持足够的样本数量,本文用工业产值增长率代替产出增长。数据来源于贸易经济_世界经济研究(http://www.tradingeconomics.com)。
GARCH模型是从ARCH发展过来的。Engle 于1982年提出ARCH模型, Bollerslev于1986年提出了广义ARCH模型,即GARCH模型。由于模型中的条件方差是描述波动性很好的指标,GARCH模型在经济领域和金融领域获得了广泛的运用。GARCH(1,1)是比较经典的GARCH模型,本文用GARCH(1,1)模型来进行研究。
本文建立的GARCH(1,1)模型如下:
三、实证分析
首先进行ADF单位根检验来判断产出增长率是否满足协方差平稳, 结果见表1。表1结果显示在5%水平上,1999年1月到2009年12月的产出增长率不存在一个单位根,该数据是平稳的。
其次要检验产出增长率是否存在条件异方差。本文用ARCH-LM方法来检验。首先估计自回归模型(1):
估计结果见表2。再用ARCH-LM检验,检验统计量的P值为0.0000,说明产出增长率的自回归模型的残差中存在条件异方差。
然后进行GARCH(1,1)估计,估计结果见表3。为-0.038523,P值为0.6452,大于10%,说明中国的产出增长与波动不存在显著的负相关。中国产出增长和波动不存在明显的相关性。
最后用ARCH-LM方法进行模型检验。ARCH-LM检验统计量的P值为0.719548,因此可以认为GARCH(1,1)模型的残差不存在条件异方差。因此可以用GARCH(1,1)模型的条件方差表示产出波动。产出增长与产出波动的关系如图2所示。
从图中可以看出,1999年到2009年产出增长保持一个平稳的水平;结合具体月份可以发现,2000年至2009年的每年年初(1月份和2月份)和年末(11月份和12月份)衔接处产出波动较大,产出增长有升有降。这说明中国产出增长出现明显的周期性波动;产出增长与产出波动没有明显的正相关性或负相关性,即较大的波动不一定伴随着较高的产出增长率,较小的波动不一定伴随着较低的产出增长率;产出增长有多种方式,并不保持固定增长方式,见
表4。
四、结论
与对发达国家研究结果不同,中国的产出增长与波动没有显著的正相关或者负相关。中国的产出增长具有明显的周期波动性,具体表现为每年11月份到次年2月份产出增长有较大的变化,但是产出增长变动没有固定模式,可能会出现∧、∨和W型。∨增长方式居多。2008年11月到2009年3月产出增长出现少见的W型,说明金融危机对中国的经济增长影响显现。
中国产出增长出现明显的周期波动性,这与投资波动密切相关。刘金全(2003) 通过对投资波动性与经济周期之间的关联性分析得出,投资波动是诱导经济周期的重要原因,因此,可以认为投资波动会引起产出增长的周期性波动。一般情况下,年末投资减少,年初投资增加,从而导致∨型增长方式。马洪(2004)研究当前中国GDP增长的中周期波动特征得出,1999—2001年属于新一轮GDP中周期波动的衰退期,2001年为谷底,这部分解释了2001年12月到2002年2月产出增长以∧方式增长。
2008年11月到2009年3月,产出增长以W型出现,并且2009年4月至12月,产出以较高速度增长,2009年产出增长最高达到19.2%(11月份)。这说明政府在2008年11月份宣布的4万亿投资计划获得了显著成效。由于2009年产出增长已经达到较高水平,根据产出增长的周期波动特性,可以预见从2009年11月到2010年3月,产出增长在短期内将经历V型增长。鉴于全球经济走向复苏的预期,长期内中国产出增长将以W方式增长。
参考文献:
[1]周宏山,吴诣民.中国通货膨胀、通货膨胀波动与产出增长:基于MGARCH模型分析.统计与信息论坛,2008.
[2]高伟生,赵昕东.中美两国通货膨胀及其波动性关系的实证研究.亚太经济,2009.
[3]刘金全.投资波动性与经济周期之间的关联性分析.中国软科学,2003.
[4]马洪.中国发展研究国务院发展研究中心报告选.中国发展出版社,2004.
[5]Jim Lee. The link between output growth and volatility: Evidence from a GARCH model with panel data. Economic Letters, 2010(106):143-145.
[6]Bernanke. Irreversibility, uncertainty, and cyclical investment. Quarterly Journal of Economics, 1983(98):85–106.
[7]Fountas, S., Karanasos, M.. The relationship between economic growth and real uncertainty in the G3. Economic Modelling , 2006(23):638–647.
[关键词]产出增长 波动 GARCH模型
一、引言
金融危机以来,经济增长受到人们热切关注。经济可能以什么样的方式增长?是U型,V型还是W型?经济增长与波动似乎存在着某种联系。但是有关经济增长与经济波动的实证研究很少。Zarnowiz 和 Moore(1986)研究得出美国在波动较大的时期产出增长反而下降;Caporale 和 Mckiernan(1996)发现对于英国和美国,产出增长与经济波动性存在正相关性;Fountas 和 Karanasos(2006)对G3研究后发现,对于日本和英国,产出增长与经济波动存在正相关性;Kormendi 和 Meguire根据跨国数据得出,如果产出增长的标准差较高,则产出增长的平均值也较高;Jim Lee(2010)用面板数据对G7研究得出较高的产出增长往往伴随较高的波动性,但不必然导致较高的不确定性。Ramey (1995)与 Martin和 Rogers(2000)用不同的样本研究得出产出增长与波动存在负相关性。
上述研究都是针对发达国家,而对发展中国家尤其是中国的研究很少。在金融危机影响下,中国经济波动比较大,见图1。2008年11月份工业产值增长率为5.4%,同月,中国政府提出4万亿救市计划,随后经济保持了较高的增长速度,到2009年11月份,工业产值增长率达到19.2%,实现了全年经济增长保8的目标。
本文利用1999年到2009年的月度数据,通过GARCH模型探讨中国的产出增长与波动的关系。
二、GARCH模型建立
产出增长一般情况下用GDP增长率表示,但由于GARCH模型需要大量的样本数据,而且自1993年之后, 官方网站只公布GDP季度数据,为了保持足够的样本数量,本文用工业产值增长率代替产出增长。数据来源于贸易经济_世界经济研究(http://www.tradingeconomics.com)。
GARCH模型是从ARCH发展过来的。Engle 于1982年提出ARCH模型, Bollerslev于1986年提出了广义ARCH模型,即GARCH模型。由于模型中的条件方差是描述波动性很好的指标,GARCH模型在经济领域和金融领域获得了广泛的运用。GARCH(1,1)是比较经典的GARCH模型,本文用GARCH(1,1)模型来进行研究。
本文建立的GARCH(1,1)模型如下:
三、实证分析
首先进行ADF单位根检验来判断产出增长率是否满足协方差平稳, 结果见表1。表1结果显示在5%水平上,1999年1月到2009年12月的产出增长率不存在一个单位根,该数据是平稳的。
其次要检验产出增长率是否存在条件异方差。本文用ARCH-LM方法来检验。首先估计自回归模型(1):
估计结果见表2。再用ARCH-LM检验,检验统计量的P值为0.0000,说明产出增长率的自回归模型的残差中存在条件异方差。
然后进行GARCH(1,1)估计,估计结果见表3。为-0.038523,P值为0.6452,大于10%,说明中国的产出增长与波动不存在显著的负相关。中国产出增长和波动不存在明显的相关性。
最后用ARCH-LM方法进行模型检验。ARCH-LM检验统计量的P值为0.719548,因此可以认为GARCH(1,1)模型的残差不存在条件异方差。因此可以用GARCH(1,1)模型的条件方差表示产出波动。产出增长与产出波动的关系如图2所示。
从图中可以看出,1999年到2009年产出增长保持一个平稳的水平;结合具体月份可以发现,2000年至2009年的每年年初(1月份和2月份)和年末(11月份和12月份)衔接处产出波动较大,产出增长有升有降。这说明中国产出增长出现明显的周期性波动;产出增长与产出波动没有明显的正相关性或负相关性,即较大的波动不一定伴随着较高的产出增长率,较小的波动不一定伴随着较低的产出增长率;产出增长有多种方式,并不保持固定增长方式,见
表4。
四、结论
与对发达国家研究结果不同,中国的产出增长与波动没有显著的正相关或者负相关。中国的产出增长具有明显的周期波动性,具体表现为每年11月份到次年2月份产出增长有较大的变化,但是产出增长变动没有固定模式,可能会出现∧、∨和W型。∨增长方式居多。2008年11月到2009年3月产出增长出现少见的W型,说明金融危机对中国的经济增长影响显现。
中国产出增长出现明显的周期波动性,这与投资波动密切相关。刘金全(2003) 通过对投资波动性与经济周期之间的关联性分析得出,投资波动是诱导经济周期的重要原因,因此,可以认为投资波动会引起产出增长的周期性波动。一般情况下,年末投资减少,年初投资增加,从而导致∨型增长方式。马洪(2004)研究当前中国GDP增长的中周期波动特征得出,1999—2001年属于新一轮GDP中周期波动的衰退期,2001年为谷底,这部分解释了2001年12月到2002年2月产出增长以∧方式增长。
2008年11月到2009年3月,产出增长以W型出现,并且2009年4月至12月,产出以较高速度增长,2009年产出增长最高达到19.2%(11月份)。这说明政府在2008年11月份宣布的4万亿投资计划获得了显著成效。由于2009年产出增长已经达到较高水平,根据产出增长的周期波动特性,可以预见从2009年11月到2010年3月,产出增长在短期内将经历V型增长。鉴于全球经济走向复苏的预期,长期内中国产出增长将以W方式增长。
参考文献:
[1]周宏山,吴诣民.中国通货膨胀、通货膨胀波动与产出增长:基于MGARCH模型分析.统计与信息论坛,2008.
[2]高伟生,赵昕东.中美两国通货膨胀及其波动性关系的实证研究.亚太经济,2009.
[3]刘金全.投资波动性与经济周期之间的关联性分析.中国软科学,2003.
[4]马洪.中国发展研究国务院发展研究中心报告选.中国发展出版社,2004.
[5]Jim Lee. The link between output growth and volatility: Evidence from a GARCH model with panel data. Economic Letters, 2010(106):143-145.
[6]Bernanke. Irreversibility, uncertainty, and cyclical investment. Quarterly Journal of Economics, 1983(98):85–106.
[7]Fountas, S., Karanasos, M.. The relationship between economic growth and real uncertainty in the G3. Economic Modelling , 2006(23):638–647.