許偉 周園媛

摘? 要： 以2015年1月5日至2019年4月30日的日度數(shù)據(jù)為樣本，構(gòu)建VAR模型，研究大盤指數(shù)、利率、匯率等對新能源上市公司股價影響。研究發(fā)現(xiàn)：煤炭價格、石油價格以及股市大盤指數(shù)的變動對新能源公司股價的影響不顯著;利率和匯率通過影響新能源企業(yè)的投融資成本以及產(chǎn)品出口來影響其股價變動。通過構(gòu)建GARCH模型，發(fā)現(xiàn)新能源股票的系統(tǒng)風(fēng)險處于1148～1152之間，且利空消息引起的收益率波動可能比同等大小的利好消息引起的波動更大。

關(guān)鍵詞： VAR模型? GARCH模型? 傳統(tǒng)能源? 新能源股價

新能源產(chǎn)業(yè)作為戰(zhàn)略新興產(chǎn)業(yè)，備受國家政策的支持和資本市場的青睞，在此背景下，研究我國新能源股價的影響因素以及股票收益率的波動，有利于促進(jìn)我國新能源企業(yè)的健康可持續(xù)發(fā)展。以往的研究主要運用GARCH模型和自回歸模型等方法探討新能源股價與石油、煤炭、高新科技股價、利率、匯率中的某一個或某兩個因素之間的關(guān)系，多因素研究較少。本文結(jié)合已有的研究建立VAR模型和GARCH模型，研究利率、匯率、大盤指數(shù)、煤炭和石油價格波動對新能源股價的影響，以期為新能源股價研究提供借鑒。

一、數(shù)據(jù)來源與處理

用中證全指指數(shù)的收盤價代表股票市場價格，國證新能源指數(shù)收盤價代表新能源股價，數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫;利率指標(biāo)選用上海銀行間同業(yè)拆放利率，來源于上海同業(yè)拆放利率網(wǎng)站;匯率指標(biāo)采用人民幣兌美元匯率中間價，來源于中國人民銀行官網(wǎng);石油價格采用紐約商品交易所light-sweet合約1的收盤價，為了便于計算，將其轉(zhuǎn)化為以人民幣計價;煤炭價格選用大同動力煤車板價（Q6000），數(shù)據(jù)來自銳思數(shù)據(jù)庫。剔除節(jié)假日、周末和交易時間不相同的數(shù)據(jù)后，共得到1053組有效數(shù)據(jù)，采用stata12E軟件進(jìn)行數(shù)據(jù)處理。

三、模型的建立與實證分析

（一）VAR模型的建立

VAR：Yt=Σpi-1θiYt-i+εt

Yt是n維內(nèi)生變量列向量，P為滯后階數(shù)，θi是n×n維的待估計回歸系數(shù)矩陣，εt為隨機擾動項和n維列向量。

1單位根檢驗。表1①中的單位根檢驗結(jié)果顯示，只有l(wèi)nshibor在95%置信區(qū)間水平下是平穩(wěn)的，其余五個變量都未通過平穩(wěn)性檢驗。一階差分后，在95%置信區(qū)間下，六個變量均通過了平穩(wěn)性檢驗，即一階單整，所以這六個變量之間可能存在協(xié)整關(guān)系。

2協(xié)整檢驗。進(jìn)行協(xié)整檢驗之前，建立原序列的VAR模型，計算出最優(yōu)滯后階數(shù)。根據(jù)表2②，AIC2階對應(yīng)的AIC值-3856771最小，為最優(yōu)滯后階數(shù)，因此選2階滯后。根據(jù)表3③可得，該VAR（2）模型所有特征根倒數(shù)的模（最大為099798），全部落在單位圓之內(nèi)，所以該模型是穩(wěn)定的。

3Johansen檢驗。模型穩(wěn)定以后，對模型進(jìn)行Johansen協(xié)整檢驗，已知VAR模型的最優(yōu)滯后階數(shù)為2，所以Johansen協(xié)整檢驗的階數(shù)為1。根據(jù)表4④的檢驗結(jié)果可知，在原假設(shè)為0個協(xié)整向量時，5%顯著水平下，跡統(tǒng)計量的p值為00232<005，拒絕了原假設(shè)所說的變量不存在協(xié)整關(guān)系，即變量之間存在協(xié)整關(guān)系;而在5%顯著水平下，最多1個協(xié)整向量及后續(xù)的多個協(xié)整變量假設(shè)中p值均>005，都接受了原假設(shè)，所以各變量之間只存在一個協(xié)整方程，則新能源股價、大盤指數(shù)、shibor利率、匯率、石油價格和煤炭價格之間存在長期均衡關(guān)系。

4 Granger因果關(guān)系檢驗

格蘭杰非因果性檢驗的原假設(shè)是H0：β1=β2=0，接受原假設(shè)，則該變量不是被解釋變量的格蘭杰原因，反之則是。根據(jù)表1的因果關(guān)系檢驗結(jié)果可得，在lngz方程中，lnshibor在5%的顯著水平拒絕原假設(shè)，在lnshibor方程中，lngz接受原假設(shè)，即利率是新能源股價變動的格蘭杰原因，但新能源股價不是利率變動的格蘭杰原因。新能源上市公司作為資本密集型企業(yè)，融資成本的高低對其生產(chǎn)和研發(fā)等有較大的影響，而shibor利率一般可看作是我國市場基準(zhǔn)利率和無風(fēng)險利率，利率的變動通過影響企業(yè)決策以及投資者對股市的決策和預(yù)期，從而影響股市價格變動。

在lngz方程中，lnhl在10%的顯著水平下拒絕原假設(shè)，匯率變動是新能源股價變動的格蘭杰原因，這與我國新能源市場特別是太陽能光伏產(chǎn)品“兩頭在外”的現(xiàn)實情況相符，以出口為主的新能源產(chǎn)業(yè)受匯率變動的影響顯著。一方面中國的光伏組件和電池產(chǎn)能領(lǐng)先于世界，但光伏產(chǎn)業(yè)鏈上游的多晶硅提純新技術(shù)和新設(shè)備對國外依存度較高;另一方面，國內(nèi)新能源消費需求不足，加上531新政后國內(nèi)光伏政策未明確，國內(nèi)光伏裝機量大幅下將致使企業(yè)加大海外業(yè)務(wù)的布局。

國內(nèi)煤炭價格變動、國外原油價格變動以及大盤指數(shù)變動不是新能源股價變動的格蘭杰原因，可能是煤炭和原油的指標(biāo)選取上有局限性，忽視了經(jīng)濟周期和國際原油變動周期;大盤指數(shù)的波動不是新能源股價波動的格蘭杰因果，因為新能源公司受國家政策影響較大，股價波動對政策的變動更加敏感。

lnzz方程中，lnshibor和lnhl分別在1%和10%的顯著性水平下影響大盤股價，和大盤指數(shù)之間存在格蘭杰因果關(guān)系，我國不斷推進(jìn)資本市場的開放程度，匯率和利率的變動會引起國內(nèi)資本和國際資本的流入或流出，從而股票市場的價格變動。在lnhl方程中，只有l(wèi)nyy在1%的顯著水平下影響匯率波動，即匯率不是石油價格的格蘭杰因果，但原油價格是人民幣的格蘭杰因果，這跟周欣等的格蘭杰因果檢驗的結(jié)果相一致。lnmt和lnyy是單向格蘭杰因果關(guān)系，在5%的顯著水平下，國內(nèi)煤炭價格的變動會引起國際原油價格的變動。在lnmt方程中，lnzz和lnhl均在1%的顯著水平下影響煤炭價格的相對變動，與煤炭價格是單項格蘭杰因果關(guān)系，我國煤炭行業(yè)發(fā)展較為完善，而且部分出口到外國，所以煤炭價格變動跟股市行情變動和匯率變動有一定的關(guān)系。

（二）新能源公司股票收益率波動分析

1建立模型

Rt=ln（Pt/Pt-1）[JY]（1）

Pt指的是新能源指數(shù)當(dāng)日收盤價，Pt-1指的是前一個交易日的收盤價，Rt就是新能源股票收益率，為新能源指數(shù)當(dāng)日收盤價與前一個交易日收盤價的比值的自然對數(shù)。

均值方程Rtgz=c1+βNRtM+εt[JY]（2）

Rtgz代表新能源指數(shù)日收益率，RtM是大盤指數(shù)的日收益率，βN值表示相對于股市收益率的變動，新能源股票收益率相應(yīng)發(fā)生變動的概率，貝塔值越高，新能源股票收益率受股市波動的影響程度越高，還可以用來衡量新能源股票的風(fēng)險大小。

條件方差方程為σt2=c2+αεt-12+βσt-12[JY]（3）

εt-12就是ARCH項，通過利用均值方程的殘差平方的滯后一期來測算新能源指數(shù)收益率波動性;σt2是以前面信息為基礎(chǔ)的一期向前預(yù)測方差，σt-12則是上一期的預(yù)測方差，也就是我們通常所說的GARCH項;c1、c2分別為常數(shù)項。

結(jié)合模型1、模型2和模型3，構(gòu)建新能源指數(shù)日收益率的CAPM-GARCH模型，研究2015年1月5日至2019年4月3日之間我國新能源企業(yè)的股票收益率波動情況。

2實證分析

首先對方程（3）進(jìn)行條件異方差的ARCH-LM檢驗，結(jié)果見表6囿于篇幅，表6 方程（1）殘差序列的ARCH效應(yīng)檢驗由作者留存?zhèn)渌?，P值為00329<005，拒絕原假設(shè)，方程（2）的殘差序列存在ARCH效應(yīng)，所以選擇GARCH （1，1）模型。

由于利好消息和利空消息對新能源股票收益率的影響可能存在非對稱沖擊效應(yīng)，所以本文將增加TARCH（1，1）和EGARCH（1，1）兩個模型對新能源指數(shù)收益率進(jìn)行研究，并將其結(jié)果和GARCH（1，1）模型進(jìn)行比對。這三個模型的均值方程都是一樣的，但是方差方程有所區(qū)別，其中TARCH模型的條件方差方程為σt2=c2+αεt-12+γεt-12It-1+βσt-12（4），It-1是一個虛擬變量，εt-1<0時，是利空消息，虛擬變量It-1=1;當(dāng)出現(xiàn)利好消息時，虛擬變量It-1則為0;γ是非對稱效應(yīng)項的系數(shù)。EGARCH的條件方差方程為ln（σt2）=c2+α|εt-1/σt-1|+γ（εt-1/σt-1）+βln（σt-12）（5），由于等式左邊是對數(shù)形式，所以條件方差σt2是非負(fù)值。若要判斷不同的消息對新能源指數(shù)收益率是否存在非對稱沖擊效應(yīng)，則γ不為0即可。

從表7中可以看出，GARCH（1，1）、TARCH（1，1）和EGARCH（1，1）三個模型的均值方程的常數(shù)項c1均未通過顯著性水平檢驗;EGARCH（1，1）模型中，γ不顯著，不存在非對稱效應(yīng)，但其它參數(shù)都在95%置信區(qū)間顯著;對三個模型中殘差序列進(jìn)行ARCH-LM檢驗，p值大約為09，遠(yuǎn)大于005，所以接受原假設(shè)，模型中不再存在異方差，說明GARCH模型能較好的消除異方差。

在三個GARCH模型中，條件方差方程中的α和β值均在99%置信區(qū)間內(nèi)顯著，說明我國新能源股價異方差特征明顯，其波動符合金融時間序列“尖峰、厚尾”的分布特征。在均值方程中，三個模型的βN的估計值都在99%置信區(qū)間內(nèi)顯著，且新能源股票的系統(tǒng)風(fēng)險值與市場風(fēng)險值之差都集中在15%左右，說明這三個模型相對比較真實地反映了股市風(fēng)險。

在GARCH（1，1）模型中，α反映了波動對市場外部沖擊的反應(yīng)敏感度，α值均大于0小于025，說明外部沖擊影響我國新能源股價的波動;β反映了波動的持續(xù)性，模型中的β值均處于07<β<1之間，雖然存在長期記憶性，但隨著時間的流逝，過去的波動對當(dāng)期波動的影響呈衰減趨勢;α+β=0994<1，滿足參數(shù)約束條件。

在TARCH（1，1）模型中，非對稱效應(yīng)系數(shù)γ=003>0，所以外部消息對新能源股票收益率波動存在非對稱效應(yīng)。由表2可知，利好消息能給新能源股票收益率帶來0039倍的沖擊，利空消息則能帶來0039+003=0069倍的沖擊，利空消息所帶來的收益率波動比同等大小的利好消息所帶來的波動更大。

在EGARCH（1，1）模型中，非對稱效應(yīng)γ=-008<0，表示利好消息對波動率的影響要大于利空消息，但是γ值未通過顯著性檢驗，所以該結(jié)論不成立。綜合來看，三個模型中，GARCH（1，1）模型和TARCH（1，1）模型能更好地擬合新能源股票的收益率波動情況。

三、結(jié)論與建議

（一）結(jié)論

VAR模型的格蘭杰因果檢驗表明：石油和煤炭價格未能顯著性影響我國新能源公司股價，但利率和匯率對新能源公司股價有顯著影響。利率和匯率是宏觀調(diào)控的主要政策變量，通過利率和匯率傳導(dǎo)機制影響國內(nèi)股市的資本流動方向，以出口外銷為主的新能源企業(yè)股價受匯率變動的影響更大。大盤指數(shù)變動對新能源股價變動沒有顯著影響，可能是投資者關(guān)注的重點是國家出臺的某項扶持新能源的政策所帶來的熱度效應(yīng)，而非長期看好公司的新能源技術(shù)和未來發(fā)展?jié)摿Α?/p>

GARCH（1，1）、TGARCH（1，1）和EARCH（1，1）三個模型的估計結(jié)果顯示：我國新能源股市的系統(tǒng)風(fēng)險處于1148～1152之間，且新能源股票的收益率的波動可能存在非對稱效應(yīng)，利空消息引起的收益率波動比同等大小的利好消息引起的波動更大。

（二）建議

一是鼓勵創(chuàng)新。轉(zhuǎn)變傳統(tǒng)的以產(chǎn)量為依據(jù)的財政補貼行為，鼓勵企業(yè)專注于硅電池提純等上游產(chǎn)業(yè)鏈基礎(chǔ)技術(shù)的研發(fā)創(chuàng)新，通過提升產(chǎn)品附加值來提升國際競爭力;健全專利產(chǎn)權(quán)保護(hù)制度，提升企業(yè)創(chuàng)新意愿;構(gòu)建高校、科研院所和企業(yè)的合作共享平臺，推動創(chuàng)新成果快速產(chǎn)品化和市場化;營造一個良好的投融資環(huán)境，實現(xiàn)新能源企業(yè)的長期發(fā)展。二是尋找新的增長點遇。我國新能源產(chǎn)品主要用于出口，受國際經(jīng)濟政治環(huán)境影響大，在當(dāng)前大環(huán)境下，一方面加快推行國內(nèi)新能源電力平價上網(wǎng)，擴大內(nèi)需;另一方面調(diào)整新能源產(chǎn)品主要出口地，尋找新的出口機遇。三是要重視煤炭、石油等傳統(tǒng)能源的市場價格變動和供求變化對新能源股的影響。煤炭等傳統(tǒng)能源和新能源之間存在替代效應(yīng)，在制定新能源相關(guān)政策時，利用傳統(tǒng)能源價格傳導(dǎo)機制，實現(xiàn)新能源企業(yè)的穩(wěn)健發(fā)展。

參考文獻(xiàn)：

＼[1＼][ZK（#]秦天程傳統(tǒng)能源及碳交易價格與新能源股價——基于VAR和CAPM-GARCH模型的分析＼[J＼]技術(shù)經(jīng)濟與管理研究，2014（12）：120-124

＼[2＼]李紅霞，傅強能源價格沖擊、宏觀經(jīng)濟因素與行業(yè)股價決定——來自中國上市公司28個行業(yè)板塊的經(jīng)驗證據(jù)＼[J＼]山西財經(jīng)大學(xué)學(xué)報，2011（6）：11-19

＼[3＼]郭國峰，鄭召鋒國際能源價格波動對中國股市的影響——基于計量模型的實證檢驗＼[J＼]中國工業(yè)經(jīng)濟，2011（6）：26-35

＼[4＼]曾忠東，李萍基于GARCH-VaR模型的股票市場風(fēng)險度量與預(yù)測分析——以新能源行業(yè)為例＼[J＼]經(jīng)濟論壇，2015（6）：52-55[ZK）]

〔許偉、周園媛，中國地質(zhì)大學(xué)（武漢）經(jīng)濟管理學(xué)院〕