證券投資基金、資本市場及貨幣政策傳導機制

黃國平，李 捷，程寨華

1 中國社會科學院 金融研究所，北京 100028 2 中國保險行業協會，北京 100140 3 中國電子信息產業集團有限公司，北京 100846

證券投資基金、資本市場及貨幣政策傳導機制

黃國平1，李 捷2，程寨華3

1 中國社會科學院 金融研究所，北京 100028 2 中國保險行業協會，北京 100140 3 中國電子信息產業集團有限公司，北京 100846

從宏觀和市場發展層面上，在SVAR分析框架內，結合有向非循環圖技術和Granger因果方法，對2006年至2015年中國證券投資基金與M2、M0、SHIBOR、股票、債券以及居民存款之間的聯動關系進行分析，研究證券投資基金與股票、債券、居民存款等金融市場和服務之間的因果聯系以及證券投資基金發展對貨幣政策在資本市場的傳導機制的影響效果。

證券投資基金；資本市場；貨幣政策；有向非循環圖；結構VAR模型

1 引言

證券投資基金憑借其機制優勢[1]和歷史業績受到投資者歡迎，規模不斷增長，種類日益豐富[2](本研究中的投資基金均指證券投資基金)。投資基金是金融服務需求和資本市場發展到一定階段的產物，本身也是構成層次清晰、功能完善、形式多樣、服務高效和競爭有序的資本市場的重要內容[3]。從市場和投資者的金融服務需求角度講，經濟發展、居民收入不斷提高需要更加專業化的金融和投資服務，投資基金則是滿足市場和投資者日益增長的多樣化的金融服務需求的基本形式[4]。同時，包括股票、債券和保險等在內的基礎金融產品和資本市場不斷發展也為投資基金業提供了更為豐富和多樣化的選擇和機會[1]。再者，投資基金通過投資于股票和債券等金融市場及認購、贖回等交易行為，促進資金流在不同層次貨幣間轉換[5]，對貨幣政策在金融市場的傳導機制和效果產生重要影響[6]。中國現行貨幣政策仍采用貨幣供應量作為貨幣政策的中介目標，金融資產價格變化對貨幣需求的影響考慮不足。投資基金的發展影響貨幣政策執行效果[7]，模糊了貨幣供應的層次，削弱了中央銀行對貨幣供應的控制力。分析和探索中國投資基金、資本市場和貨幣政策調控與傳導關系，尋求資本市場發展與貨幣政策的有效協調機制具有重要的理論、實踐和政策意義。

2 相關研究評述

當前，關于投資基金與資本市場關系研究主要從微觀市場運行和信息處理效率層面分析投資者行為對資本市場的影響和作用。投資基金等機構投資者對資本市場具有穩定作用[8]，他們在價格發現中的規模發現機制對市場的非理性具有糾偏作用[9]。相反，羊群效應[10]會導致證券買賣和交易時機趨同性[11]，擴大市場波動性水平。史永東等[3]運用傾向得分匹配模型，篩選出與機構重倉股“相仿”但未被機構重倉持有的股票，從微觀層面檢驗中國投資基金對市場波動性的影響；程天笑等[12]研究發現，QFII群體內的羊群行為強度明顯低于以基金為代表的境內機構投資者；SCHWARZ[13]分析發現，在以年度為單位的不同時間段上，表現較差的基金經理會在下半年增大風險。與投資風格相對穩定的基金相比，增加風險的基金，其未來業績表現可能更差[14]。孟慶斌等[15]研究還發現，基金經理的職業憂慮越高，基金的投資風格越保守。

投資基金等機構投資者的信息優勢主要在于市場發現機制創新[16]以及較強的信息挖掘[17]和處理能力[18]上，從而使基金經理擁有比普通投資者更強的擇時和選股能力[19]。基金流量含有的信息具有預測績效的能力，高流量基金績效優于低流量基金[20]，而基金營銷對基金資金流有顯著影響[21]。韓燕等[4]以基金能否預測未來的并購交易為標準，發現能夠預測并購交易的基金的確具有更強的信息搜集和分析能力，從而更有效地提高股價的信息含量。另外，基金規模與業績間的正向關系會受到監管改革的顯著影響[22]，新任職基金經理傾向賣出輸家組合以提高基金業績[23]。

隨著投資基金對國際金融體系乃至全球經濟的影響日益顯現，有更多研究從市場制度[24]和機構行為[25]層面探討投資基金的作用和影響。VITTAS[26]認為投資基金的繁榮前提是資本市場的發達與完善。鑒于機構投資者在推動創新、提高效率等方面的重要作用，養老基金、保險資金等機構投資者應優先發展。ARAS et al.[27]根據經合組織(OECD)23個國家的實證研究結果，認為為了促進證券市場發展和完善，政府應采取必要措施，鼓勵機構投資者發展。監管層應加大對各類機構投資者的政策支持力度，提高它們持股比例，充分發揮其治理作用[28]。

中國這方面早期研究主要集中于從理論和政策上分析和探討投資基金與金融體制改革、資本市場發展、商業銀行改革的相互關系方面。謝赤等[7]分析和探索基金行業總體行為對中國股市穩定性的影響，結果表明，在當前中國股票市場發展尚不完善的情況下，中國投資基金采取與股市同向波動的交易策略，這不利于資本市場的穩定發展。

本研究從市場層面，以宏觀視角，基于有向非循環圖(directed acyclic graphs,DAG)和Granger因果分析方法，利用結構向量自回歸(structural vector autoregressive，SVAR)模型對投資基金、資本市場和貨幣政策傳導機制的聯動關系進行分析，探索投資基金發展對貨幣政策在資本市場傳導機制的影響效果。

3 基于有向非循環圖技術的SVAR分析

考慮一個p階(簡化式)VAR(p)平穩過程{Yt,t=0,1,2,…}，對于任意時間t，有

Yt=C+Θ1Yt-1+…+ΘpYt-p+εt

(1)

簡化式VAR模型變量間的當期關系隱含在誤差項的相關結構中，不能明確地進行解釋和分析，因而通常被認為缺少經濟意義上的解釋力度。而SVAR模型則能夠顯性給出變量間的當期關系，從而可根據經濟理論的相關假設所形成的約束條件，賦予變量及其關系確切的經濟含義。將(1)式兩邊左乘Φ0并移項，(1)式變為

(2)

作為一個二元集合的圖G，可用G=(H,E)表示，H為G中節點所代表的變量集合，E為H中某些有序變量集合，E={(ω,ψ)|ω,ψ∈H}，ω和ψ為集合H中的節點。在G中表現為ω→ψ稱為有向邊，這樣的圖稱為有向圖。否則，稱為無向圖。如果在有向圖G中，從任意ω∈H出發沿相同方向走下去都不能回到ω，這樣的圖G稱為有向非循環圖。有向非循環圖用圖形中代表變量的節點(如以X和Y表示)及其連接形式表示變量間因果關系。Y→X表示在其他變量給定條件下，Y變化將導致X變化，從而存在Y到X的單向因果關系；同理，Y?X表示兩個變量存在雙向的因果關系；Y-X表示Y與X之間雖然存在因果關系，但指向性尚未明確。

根據有向非循環圖定義可知，利用DAG技術對SVAR模型變量間的同期因果關系進行分析，目的在于利用有向非循環圖與(I-Φ0)非零元素之間的對應關系(也即與Φ0中除主對角線以外的非0元素的對應關系)識別模型參數[31]。實際應用中，具體方法和步驟可概括如下：

(1)建立表示SVAR模型中k個變量可能存在同期因果關系的無向完全圖，通過變量的條件和無條件相關性分析，移除條件和無條件相關系數為0的無向邊，據此得到變量的條件獨立圖(conditional independence graph,CIG)。

(2)在變量相關分析基礎上，對條件獨立圖進行定向，獲得變量的有向非循環圖。

4 數據處理和分析

4.1 數據說明

根據第2部分的分析，理論上投資基金發展不僅與股市、債市等資本市場發展有關，也與居民的收入水平和儲蓄規模密切相關。貨幣政策作為影響經濟和金融體系的關鍵環境和政策變量，也會在不同層面上對投資基金產生影響。在此，本研究選擇基金總市值(FUND)代表投資基金發展水平，股票總市值(STOCK)代表股市發展水平，債券總市值(BOND)代表債市發展水平，儲蓄存款(DEPOSIT)代表居民的收入和儲蓄水平。以M2代表金融總體發展水平，M0作為反應貨幣政策的數量型調控指標，SHIBOR作為反應貨幣政策的價格型調控指標。需要說明的是，理論上選擇M1可能更合理。根據中國人民銀行公布的統計數據對M0、M1和M2水平和一階差分數據進行穩定性檢驗(單位根檢驗)的結果，M1的水平和一階差分系列都不穩定，但M0和M2的一階差分是穩定的，因此，本研究在此采用具有一階差分穩定性的M0替代M1。另外，為了考察投資基金對貨幣政策的影響效果，本研究選取M2與投資基金之和(記為M2+)作為M2的備用指標分析投資基金對資本市場和貨幣政策的影響效果。

原始數據來源方面，根據中國人民銀行網站統計數據整理得到股票市場價值、居民儲蓄存款、M2和M0，根據萬得資訊數據庫整理得到債券市值、SHIBOR和基金市值數。在實證中，首先對原始數據進行對數化處理，用原始指標加前綴LN_表示；再對對數化的原始數據取一階差分，用前綴D_表示，對數一階差分實質上就是原始指標以對數形式表示的增長率。

2006年以來，資本市場在實施一系列基礎性制度改革之后，中國投資基金發展與資本市場聯動性顯著提高，同時考慮SHIBOR數據可得性，因SHIBOR數據在2006年10月開始發布，本研究實證分析采用的樣本數據長度為2006年10月至2015年12月的月度數據，每項指標樣本數為111個。原始指標主要統計信息見表1。

表1 原始指標統計結果Table 1 Results of Statistics for Primitive Indexes 單位：億元人民幣，Unit：100 million Chinese yuan

4.2 穩定性檢驗

為保證穩定性檢驗結果的可靠性，本研究采用Ng-Perron檢驗和ADF檢驗兩種方法，穩定性檢驗結果見表2。由表2可知，以10%的置信度為評判標準，水平變量(對數化)在Ng-Perron檢驗中全部沒有通過穩定性檢驗，在ADF檢驗中，除LN_STOCK在統計上是平穩之外，其他指標也是不平穩的。對原始數據(對數化)取一階差分，所有指標一階差分在兩種檢驗中都是平穩的(SHIBOR以增量表示)。另外，備用指標LN_M2+在Ng-Perron檢驗和ADF檢驗中都是非平穩的，其一階差分D_LN_M2+在Ng-Perron檢驗和ADF檢驗中都在1%置信水平下是平穩的。

5 DAG同期因果與Granger時間因果分析

首先，對全部7個變量做Granger因果檢驗和DAG同期因果分析，找出變量間內在因果關系。然后，在此基礎上進一步分析投資基金與資本市場和貨幣政策的互動聯系。

5.1 Granger因果檢驗

原始水平系列存在非平穩過程，Granger因果檢驗可能會存在偽回歸問題。為此，本研究只對水平系列的對數一階差分系列(SHIBOR僅取一階差分)進行Granger檢驗。檢驗結果表明：

(1)D_LN_STOCK是D_LN_FUND的Grange原因，且與D_LN_M2、D_SHIBOR、D_LN_DEPOSIT、D_LN_BOND、D_LN_M0成為Granger引起D_LN_FUND的共同因素。同樣，D_LN_FUND是D_LN_STOCK的Grange原因，且與D_LN_M2、D_SHIBOR、D_LN_DEPOSIT、D_LN_BOND、D_LN_M0成為Granger引起D_LN_STOCK的共同因素。D_LN_FUND與D_LN_STOCK之間是雙向Granger因果關系。

(2)除D_LN_FUND外，其他5個變量都是D_LN_DEPOSIT的Granger原因。D_LN_FUND與其余6個變量構成Granger引起D_LN_FUND的共同因素。

表2 單位根檢驗結果Table 2 Results of Unit Root Test

注：水平變量檢驗采用趨勢項加常數項，差分變量檢驗只帶常數項；最優滯后階數采用AIC準則選擇；SHIBOR及其差分不取對數，直接采用原始數據；***為在1%顯著性水平上拒絕存在單位根原假設，**為在5%顯著性水平上拒絕存在單位根原假設，*為在10%顯著性水平上拒絕存在單位根原假設。

(3)D_LN_BOND是D_LN_M0的Grange原因，且與D_LN_STOCK、D_SHIBOR、D_LN_FUND、D_LN_DEPOSIT、D_LN_M2成為Granger引起D_LN_M0的共同因素。

(4)D_LN_DEPOSIT、D_LN_M0、D_SHIBOR是D_LN_M2的Grange原因，且與D_LN_DEPOSIT、D_LN_STOCK、D_LN_BOND、D_LN_FUND成為Granger引起D_LN_M2的共同因素。

(5)D_LN_STOCK、D_LN_BOND、D_LN_M0是D_SHIBOR的Granger原因，且與D_LN_FUND、D_LN_DEPOSIT、D_LN_M2成為Granger引起D_SHIBOR的共同因素。

5.2 DAG同期因果分析

Granger因果關系在本質上是一種時間上的先后關系，并不是通常意義上“原因導致結果”的所謂因果效應，DAG技術則可用于分析變量間的同期因果效應。在此，本研究根據SPIRTES et al.[31]提出的PC算法，利用軟件TETRADIII進行7變量的DAG分析，以Fisher′z統計量作為判斷標準，在20%的顯著性水平下，本研究獲得7個變量DAG圖，見圖1。需要說明的是，當樣本數據較小時，DAG分析存在一定程度的低估。實際檢驗中，如果在通常顯著性水平下變量間因果關系還相對模糊，可適當提高顯著性水平。如當樣本量小于100時，可采用20%的顯著性水平系數。DAG同期因果分析表明：

(1)同期因果關系上，僅僅存在著D_LN_STOCK→D_LN_FUND單向因果關系。

(2)D_LN_M2是導致D_LN_DEPOSIT的原因，同時，D_LN_DEPOSIT和D_LN_BOND是D_LN_M0的共同原因。

(3)D_SHIBOR與其他變量之間在統計學意義上不存在同期因果關系。

圖1 7個變量DAG圖Figure 1 Seven Variables DAG Graphs

根據以上同期和時間因果分析結果，本研究發現：①股票與基金存在緊密的互動關系，但與其他變量之間還沒形成有效聯動。②M0、M2和SHIBOR作為貨幣政策中介目標工具，三者之間存在較為緊密的相關性，圖2給出三者之間的關系。相對于貨幣政策數量型調控目標工具M0和M2而言，SHIBOR與金融市場中主要指標變量之間在統計學意義上相關性最小，這基本上反映了中國以貨幣供應量作為主要中介目標的現狀和利率未市場化的事實。

圖2 貨幣政策變量DAG圖Figure 2 Monetary Policy Variables DAG Graphs

隨著金融系統結構完善和創新的推進，投資基金貨幣屬性日益凸顯，流動性不斷提高。實踐操作中，股票型、混合型和債券型基金主要投資于股票和債券市場，其資金投向和運用與股票保證金類似，可視同股票保證金計入M2。而貨幣市場基金具有類似活期儲蓄存款的性質，也可參照美國的貨幣統計口徑，計入M2的范疇[6]。為進一步分析投資基金對貨幣政策在資本市場傳導機制的影響，用M2+替代M2和投資基金，分析M2+與其他5個變量之間的因果關系，探索如果將投資基金計入廣義貨幣M2是否對貨幣政策在資本市場的傳導效果有所改善。M2+與其他變量的同期因果關系見圖3，因果分析表明，計入投資基金的廣義貨幣在Granger因果關系上沒有提高貨幣政策與金融市場的互動效果，但對貨幣政策與資本市場同期因果互動關系有所改善，從而提高了貨幣政策對資本市場的敏感性。

圖3 6個變量DAG圖Figure 3 Six Variables DAG Graphs

6 DAG結構識別及SVAR分析

根據前面的分析結果，在此，本研究從簡化式VAR擾動項相關系數矩陣(協方差矩陣)出發，利用DAG技術對反映變量同期因果關系的約束系數矩陣進行結構識別，在SVAR框架中對投資基金、資本市場聯動關系以及投資基金對貨幣政策傳導機制的影響效果做進一步分析。

一旦得出反映變量同期約束關系的約束系數矩陣，就可以展開方差分解。基于有向非循環圖7變量預測方差分解見表3，基于有向非循環圖6變量預測方差分解見表4。

根據基于DAG的7變量預測方差分解結果，投資基金市值增長率當期波動源于自身的解釋程度達84.946%，隨著時間的推移有所下降，但基本穩定在61.800%左右。同時，投資基金市值增長率當期波動來源于股票的貢獻度為15.054%，并在第3期就攀升至29.584%。M0、M2和SHIBOR三者在第3期的共同貢獻不到5%，說明當前的貨幣政策對投資基金的影響較低。股票市值增長率當期波動全部來源于自身，但基金增長率對其貢獻率有逐漸增大趨勢，第15期之后穩定在5.866%。M0、M2和SHIBOR三者對股票波動的共同貢獻不到4%，說明當前貨幣政策對股票影響與基金一樣，也是很小的。

股票與投資基金相互影響較大，但與其他變量的互動作用較小。這可能意味著當前中國金融體系發展還不完善，投資基金的投資渠道狹窄，扎堆于高風險股票類資本市場，加劇了股票市場的劇烈波動和風險集中。

對于作為貨幣政策中介目標、反映貨幣政策和金融系統發展狀況的M2、M0和SHIBOR這3個指標而言，M2增長率的當期波動全部來源于自身，但在第2期就降至91.940%，第3期降至78.614%，隨后，SHIBOR、債券、M0和基金對M2增長率的波動貢獻率隨時間有逐漸加大趨勢。其中，SHIBOR達9.767%，債券達4.843%，M0達7.191%，基金達1.613%。股票對M2增長率波動的貢獻率在第3期達到最大值2.517%，隨后有所下降。存款影響最小，穩定在1.019%。M0增長率的波動受債券和存款影響最大，在第15期之后債券和存款對M0增長率波動的貢獻率分別穩定在13.969%和12.547%。SHIBOR增量的波動主要源于自身，其他因素對其波動的整體影響不到20%。債券和股票對SHIBOR增量波動的貢獻率也呈現隨時間增大的趨勢，在第15期之后分別穩定在5.564%和4.039%。總體而言，債券、股票和基金這3個反映資本市場發展的變量對M2增長率、M0增長率和SHIBOR增量的波動貢獻都不是很大，同時，M0、M2和SHIBOR對股票市值增長率、債券增長率和基金增長率的波動影響也不大，說明當前的貨幣政策與資本市場相互影響較小，貨幣政策通過資產價格傳導渠道影響資本市場的功能尚未發揮。

表3 基于有向非循環圖7變量預測方差分解/%Table 3 Seven Variables Predicted Variance Decomposition Based on DAG/%

續表3

指標預測期(月)D＿LN＿FUNDD＿LN＿STOCKD＿LN＿BONDD＿LN＿DEPOSITD＿LN＿M0D＿LN＿M2D＿SHIBORD＿LN＿M210．0000．0000．0000．0000．000100．0000．00020．0050．5800．0700．3130．16891．9406．92430．6482．5173．4760．4455．51478．6148．786101．6122．4934．8401．0187．18673．0909．761151．6132．4964．8421．0197．19173．0729．767201．6132．4964．8431．0197．19173．0729．767D＿SHIBOR10．0000．0000．0000．0000．0000．000100．00021．1560．3541．0700．4221．5393．31492．14431．0500．9913．4632．9982．3253．08486．089101．0634．0255．5633．1012．6192．93680．693151．0634．0395．5643．1032．6232．93680．672201．0634．0395．5643．1032．6232．93680．671

表4 基于有向非循環圖6變量預測方差分解/%Table 4 Six Variables Predicted Variance Decomposition Based on DAG/%

續表4

指標預測期(月)D＿LN＿M2+D＿LN＿STOCKD＿LN＿BONDD＿LN＿DEPOSITD＿LN＿M0D＿SHIBORD＿LN＿DEPOSIT10．0000．0000．000100．0000．0000．00021．1886．8470．23682．8655．8223．04331．4867．0801．51772．94713．7123．258102．2916．5542．72766．94017．6033．884152．2936．5552．73066．92317．6113．887202．2936．5552．73066．92217．6123．887D＿LN＿M010．0000．0002．68716．22281．0900．00022．3250．05510．50715．09269．4672．55534．2590．20313．28818．54459．1784．528104．2040．41813．53318．86858．4504．526154．2030．42013．53518．87458．4424．526204．2030．42013．53518．87458．4424．526D＿SHIBOR10．0000．0000．0000．0000．000100．00021．3240．7540．9490．2821．20795．48332．5171．5983．1151．6301．95889．181102．3025．8374．9862．1132．19882．564152．3025．8444．9902．1162．20282．546202．3025．8444．9902．1162．20382．546

從表3和表4綜合看，債券增長率波動主要來源于自身，受其他變量的影響較小。至于債券對其他變量的影響，相對于基金、股票等金融市場變量而言，債券對M0、M2和SHIBOR這3個貨幣政策的中介目標變量影響更大。根據7變量方差分解結果，債券對M0增長率波動的貢獻率穩定在13.969%，對M2增長率波動的貢獻率穩定在4.843%，對SHIBOR增量波動的貢獻率穩定在5.564%。同時，根據6變量方差分解結果，債券對M0增長率波動的貢獻率穩定在13.535%，對M2+增長率波動的貢獻率穩定在2.937%，對SHIBOR增量波動的貢獻率穩定在4.990%。中國債券市場在一定程度上反映了財政政策取向，說明將M2+替代現行的作為貨幣政策主要中介目標的M2對減小財政政策對貨幣政策的沖擊，提高中國貨幣政策執行的獨立性和可控性有一定的正面作用。

儲蓄存款作為投資基金需求方面的主要因素應該對投資基金具有重要影響，但是實證結果表明，儲蓄存款不僅對投資基金影響較小，而且對股票、債券、M2、SHIBOR沖擊也不大。相反，儲蓄存款本身則受股票、基金等金融市場以及貨幣政策因素沖擊較大。其原因可能在于儲蓄存款本身的波動性被各種類型的可作為存款替代品的理財產品所吸收，從而對投資基金、股票等沖擊較小。另外，股票、基金等資本市場資金在基金賬戶、銀行存款賬戶和股民保證金賬戶間頻繁流動，資金短期內在不同層次貨幣供應量間發生轉換和變動，從而導致股市、債市、基金、M0、M2的波動對儲蓄存款產生較大沖擊。

7 結論

本研究以宏觀視角從市場發展層面，在SVAR分析框架內，結合有向非循環圖技術和Granger因果方法，對2006年至2015年中國投資基金與M2、M0、SHIBOR、股票、債券和儲蓄存款之間聯動關系進行分析，研究投資基金與股票、債券、儲蓄存款等金融市場和服務之間的因果關系以及投資基金發展對貨幣政策在資本市場的傳導機制的影響效果，得到以下研究結果。

(1)因果分析顯示，股票與投資基金存在緊密的因果互動關系，但它們與其他變量之間還沒形成有效聯動，表明當前中國金融體系發展還不完善，市場還仍然處于分割狀態；相對于M0和M2，SHIBOR與金融市場中主要指標變量之間在統計學意義上相關性更小，基本反映了中國以貨幣供應量作為主要中介目標的現狀以及利率還未完全市場化的事實。

(2)方差分解表明，股票和投資基金相互沖擊較大，但與其他變量的互動作用較小，可能意味著當前中國金融市場還不成熟，投資基金的投資渠道狹窄，扎堆于高風險股票類資本市場，加劇了股票市場的劇烈波動和風險集中；M0、M2和SHIBOR的波動性對基金、債券和股票的沖擊較小，同時，它們自身受基金和股票沖擊也不大，但債券對M0具有較強沖擊作用，說明當前的貨幣政策與資本市場相互影響較小，貨幣政策通過資產價格傳導渠道影響資本市場的功能尚未發揮。

(3)將計入投資基金的廣義貨幣M2+作為貨幣政策的中介目標，方差分解表明，M2+作為目標工具在當前的經濟和金融市場環境下對改善貨幣政策對資本市場監測和調控效果不大，但對減小財政政策對貨幣政策的沖擊、提高中國貨幣政策執行的穩定性和獨立性有正面作用。另外，因果分析表明，盡管從Granger因果關系看，M2+沒有提高貨幣政策與金融市場的互動效果，但從DAG因果關系上看，改善了貨幣政策與資本市場同期因果互動關系，從而提高了貨幣政策對資本市場的敏感性。

本研究主要從經驗和統計角度對投資基金、資本市場和貨幣政策的互動關系進行實證分析。研究結果符合現實觀察，也具有較強的政策意義。由于受到指標數據的穩定性和可得性影響，沒有選擇貨幣供應量M1(不穩定)等令人感興趣的指標進行分析，可能會使分析結果存在局限性，這既是本研究的主要不足，也是將來進一步完善的方向。

[1]何德旭.中國投資基金制度變遷分析.成都:西南財經大學出版社,2003:7-10.

HE Dexu.AnalysisofinstitutionalchangeofChinainvestmentfund.Chengdu: Southwestern University of Finance and Economics Press,2003:7-10.(in Chinese)

[2]劉玉珍,張崢,徐信忠,等.基金投資者的框架效應.管理世界,2010(2): 25-37.

LIU Yuzhen,ZHANG Zheng,XU Xinzhong,et al. The framing effect of fund investors.ManagementWorld,2010(2):25-37.(in Chinese)

[3]史永東,王謹樂.中國機構投資者真的穩定市場了嗎？.經濟研究,2014,49(12):100-112.

SHI Yongdong,WANG Jinle.Do Chinese institutional investors really stabilize the market?.EconomicResearchJournal,2014,49(12):100-112.(in Chinese)

[4]韓燕,李平,崔鑫.哪些基金有超群的分析能力?.管理世界,2011(2):27-39.

HAN Yan,LI Ping,CUI Xin.Which mutual funds have skills?.ManagementWorld,2011(2):27-39.(in Chinese)

[5]王彬.證券投資基金對我國貨幣統計口徑的影響分析.證券市場導報,2009(10):34-39.

WANG Bin.Division approach in China.SecuritiesMarketHerald,2009(10):34-39.(in Chinese)

[6]LAGOS R,ZHANG S.Monetaryexchangeinover-the-countermarkets:atheoryofspeculativebubbles,theFEDmodel,andself-fulfillingliquiditycrises.NBER Working Paper No.21528,2015.

[7]謝赤,張太原,禹湘.證券投資基金投資行為對中國股市波動性影響研究.中國社會科學,2008(3):68-78.

XIE Chi,ZHANG Taiyuan,YU Xiang.On the impact of the investment behavior of securities investment funds on China′s stock market fluctuations.SocialSciencesinChina,2008(3):68-78.(in Chinese)

[8]EDWARDS F R,ZHANG X.Mutual funds and stock and bond markets stability.JournalofFinancialServiceResearch,1998,13(3):275-282.

[9]DUFFIE D,ZHU H.Sizediscovery.NBER Working Paper No.21696,2015.

[10] WERMERS R.Mutual fund herding and the impact on stock prices.TheJournalofFinance,1999,54(2):581-622.

[11] NOFSINGER J R,SIAS R W.Herding and feedback trading by institutional and individual investors.TheJournalofFinance,1999,54(6):2263-2295.

[12] 程天笑,劉莉亞,關益眾.QFII與境內機構投資者羊群行為的實證研究.管理科學,2014,27(4):110-122.

CHENG Tianxiao,LIU Liya, GUAN Yizhong.The empirical research of herding behavior between QFII and domestic institutional investors.JournalofManagementScience,2014,27(4):110-122.(in Chinese)

[13] SCHWARZ C G.Mutual fund tournaments:the sorting bias and new evidence.TheReviewofFinancialStudies,2012,25(3):913-936.

[14] HUANG J,SIALM C,ZHANG H.Risk shifting and mutual fund performance.TheReviewofFinancialStudies,2011,24(8):2575-2616.

[15] 孟慶斌,吳衛星,于上堯.基金經理職業憂慮與其投資風格.經濟研究,2015,50(3):115-130.

MENG Qingbin,WU Weixing,YU Shangyao.Fund managers′ career concern and their investment style.EconomicResearchJournal,2015,50(3):115-130.(in Chinese)

[16] SUNDARESAN S,WANG Z.On the design of contingent capital with a market trigger.TheJournalofFinance,2015,70(2):881-920.

[17] 張宗新,楊通旻.盲目炒作還是慧眼識珠?基于中國證券投資基金信息挖掘行為的實證分析.經濟研究,2014,49(7):138-150,164.

ZHANG Zongxin,YANG Tongmin.Chasing noise or recognizing value:an empirical study on information seeking behavior of Chinese mutual funds.EconomicResearchJournal,2014,49(7):138-150,164.(in Chinese)

[18] MENDEL B,SHLEIFER A.Chasing noise.JournalofFinancialEconomics,2012,104(2):303-320.

[19] Elton E J,Gruber M J,Blake C R.An examination of mutual fund timing ability using monthly holdings data.ReviewofFinance,2012,16(3):619-645.

[20] 林煜恩,陳秀玲,池祥萱.共同基金流量具有信息內涵嗎？.經濟研究,2014,49(S1):176-188.

LIN Yuen,CHEN Xiuling,CHIH Hsianghsuan.Does mutual fund flow have information content?.EconomicResearchJournal,2014,49(S1):176-188.(in Chinese)

[21] 山立威,申宇.基金營銷與資金流動:來自中國開放式基金的經驗證據.金融研究,2013(1):192-206.

SHAN Liwei, SHEN Yu.Marketing and fund flows:evidence from Chinese open-ended funds.JournalofFinancialResearch,2013(1):192-206.(in Chinese)

[22] BHOJRAJ S,CHO J Y,YEHUDA N.Mutual fund family size and mutual fund performance:the role of regulatory changes.JournalofAccountingResearch,2012,50(3):647-684.

[23] JIN L,SCHERBINA A D.Inheriting losers.TheReviewofFinancialStudies,2011,24(3):786-820.

[24] MERTON R C,THAKOR R T.Customersandinvestors:aframeworkforunderstandingfinancialinstitutions.NBER Working Paper No.21258,2015.

[25] 毛磊,王宗軍,王玲玲.機構投資者持股偏好、篩選策略與企業社會績效.管理科學,2012,25(3):21-33.

MAO Lei,WANG Zongjun,WANG Lingling.Institutional investors preferences,screening and corporate social performance.JournalofManagementScience,2012, 25(3):21-33.(in Chinese)

[26] VITTAS D.Institutionalinvestorsandsecuritiesmarkets:whichcomefirst?.The World Bank:Policy Research Working Paper Series No.2032,1998.

[27] ARAS G,MüSLüMOV A.Institutional investors and stock market development: a causality study.ISEReview,2005,8(29):1-14.

[28] 袁知柱,王澤燊,郝文瀚.機構投資者持股與企業應計盈余管理和真實盈余管理行為選擇.管理科學,2014,27(5):104-119.

YUAN Zhizhu,WANG Zeshen,HAO Wenhan.Institutional ownership and the choice between accrual and real earnings management activities.JournalofManagementScience,2012,27(5):104-119.(in Chinese)

[29] 高鐵梅,王金明,梁云芳,等.計量經濟分析方法與建模:EViews應用與實例.2版.北京:清華大學出版社,2009:268-287.

GAO Tiemei,WANG Jinming,LIANG Yunfang,et al.Themethodsandmodelingofeconometricanalysis:EViewsapplicationsandexamples.2nd ed. Beijing:Tsinghua University Press,2009:268-287.(in Chinese)

[30] 胡援成,張朝洋.美元貶值對中國通貨膨脹的影響:傳導途徑及其效應.經濟研究,2012,47(4):101-112,123.

HU Yuancheng,ZHANG Zhaoyang.Impacts of dollar depreciation on in China′s inflation:transmission channels and effect.EconomicResearchJournal,2012,47(4):101-112,123.(in Chinese)

[31] SPIRTES P,GLYMOUR C N,SCHEINES R.Causation,prediction,andsearch.Cambridge,MA:MIT Press,2000:50-73.

SecuritiesInvestmentFund,CapitalMarketsandConductionMechanismofMonetaryPolicyinChina

HUANG Guoping1，LI Jie2，CHENG Zhaihua3

1 Institute of Finance & Banking, Chinese Academy of Social Science, Beijing 100028, China 2 Insurance Association of China, Beijng 100140, China 3 China Electronics Corporation, Beijing 100846, China

The analyzing framework that consist of structural vector autoregressive(SVAR) model, Granger Causality Test, and technique of directed acyclic graphs(DAG), is taken to investigate interacting effects betweenM2,M0,SHIBOR, stocks, bonds, resident deposits and securities investment funds from macro level and market development. Meanwhile, an exploration on how securities investment funds affect Monetary Policy Conducting Mechanism on capital markets in China is also done. Using monthly data from 2006 to 2015, the positive analysis is taken which is based on securities investment fund,M2,M0,SHIBOR, stocks, bonds, and resident deposits.

Causal analysis results show that stocks and securities investment funds are closely related to each other, but are not effectively linked with other variables. And it is proved that current status of China′s financial market is in segmentation, and the development of financial system is still imperfect. Compared withM0andM2,SHIBORis less correlated with stocks, bonds, resident deposits, and securities investment funds, and it reflects the current situation of China′s money supply as the main intermediary objective, as well as interest rate is not yet fully market-oriented.

Variance Decomposition results show stock has a big impact on securities investment funds, vice versa, and it may indicate that the current Chinese financial market is not mature, and the investment channels of securities investment funds are so narrow that they exacerbate the stock markets′ volatility and risk concentration. There exists less impact forM0, as well asM2andSHIBOR, on securities investment funds, bonds and stocks. In addition, there is no impact for securities investment funds and stocks onM0,M2, andSHIBOR, while bonds have a strong impact on theM0.This shows that the transmission channels of monetary policy through asset price have not played a role that affects capital markets.

Under the current economic and financial market environment, adding securities investment funds in the broad money calledM2+, variance decomposition results demonstrate that it has less effect on improving monitoring and regulation of monetary policy in capital market ifM2+would be taken as monetary policy intermediary objective, yet reducing the impact of fiscal policy on monetary policy, and improving the stability and independence of monetary policy. In addition, from Granger causality,M2does not enhance the interactive effects of monetary policy and financial markets, but improve the contemporaneous causal interaction between monetary policy and capital markets from DAG causality so as to better the sensitivity of the monetary policy on the capital market.

securities investment funds；capital markets；monetary policy；directed acyclic graphs；structural vector autoregressive model

Date:December 3rd, 2015

DateApril 29th, 2016

FundedProjectSupported by the National Social Science Foundation of China(12&ZD086)

Biography:HUANG Guoping, doctor in economics, is a researcher in the Institute of Finance & Banking at Chinese Academy of Social Science. His research interests include financial asset pricing, management and measurement of finance risk. His representative paper titled “Regulatory capital, economic capital, and regulatory arbitrage——evolution of the Basel accord resulting from compromise between regulatory authorities and financial institutions” was published in theChinaEconomicQuarterly(Issue 3, 2014). E-mail：huangguoping@vip.sina.com LI Jie, doctor in management, is a research associate in the Insurance Association of China. His research interests include management of financial risk. His representative paper titled “Application of cellular automata in financial market modeling” was published in theChineseReviewofFinancialStudies(Issue 4,2013). E-mail：lijie@iachina.cn CHENG Zhaihua, doctor in economics, is a senior economist in the China Electronics Corporation. His research interests include financial electronization. His representative paper titled “Review and outlook of the reformation of monopoly industries in China” was published in theEconomicManagementJournal(Issue 23-24, 2008). E-mail：czh.c@163.com

F830.2

A

10.3969/j.issn.1672-0334.2016.03.012

1672-0334(2016)03-0136-12

2015-12-03修返日期2016-04-29

國家社會科學基金(12&ZD086)

黃國平，經濟學博士，中國社會科學院金融研究所研究員，研究方向為金融產品定價、風險管理和度量等，代表性學術成果為“監管資本、經濟資本及監管套利——妥協與對抗中演進的巴塞爾協議”，發表在2014年第3期《經濟學(季刊)》，E-mail：huangguoping@vip.sina.com 李捷，管理學博士，中國保險行業協會副研究員，研究方向為金融風險管理等，代表性學術成果為“元胞自動機理論在金融市場建模中的應用”，發表在2013年第4期《金融評論》，E-mail：lijie@iachina.cn 程寨華，經濟學博士，中國電子信息產業集團有限公司高級經濟師，研究方向為金融電子化等，代表性學術成果為“中國壟斷行業改革的回顧與展望”，發表在2008年第23-24期《經濟管理》，E-mail：czh.c@163.com