人口老齡化對股票價格的影響及實證分析

鄭建炯

本文基于生命周期資產選擇理論、資產定價理論、生命周期儲蓄理論作為理論基礎，以此來分析人口老齡化對股票價格產生的影響。文章基于生命周期儲蓄理論和生命周期資產選擇理論，并應用實證分析的方法論證了：人口老齡化會對勞動力、儲蓄和利率產生影響，而相關指標又會進一步對股票價格產生影響。

一、研究背景

2001年，我國老齡人口（65歲以上）占總人口的7.1%，標志著我國正式進入了老齡化階段。截至2018年，中國的老年人口（65歲以上）約占總人口的12%。聯合國預計到2050年，中國60歲以上的老年人口將達到近5億，這一數量將超過美國的總人口數。這表明，中國人口老齡化趨勢非常明顯。如何科學的應對人口老齡化所帶來的問題和挑戰是一項極其重要的議題。

在此背景下，國家高度關注老齡化問題，并出臺了系列關于人口老齡化的政策。2015年10月，在第十八屆中央委員會第五次全體會議公報中提出，要積極開展應對人口老齡化的行動，實施全面二孩政策，被認為是提高人口生育率的重要政策。為了打破老齡化市場發展的障礙，完善老齡市場機制，需要不斷完善以家庭為基礎，以社區為依托，以養老機構為的補充和醫療護理服務體系，以有效地滿足老年人的需求。國務院從六個方面提出了二十八條具體的政策措施，直接促進了養老市場的發展。2019年11月，中共中央、國務院印發了《國家積極應對人口老齡化中長期規劃》，人口老齡化的發展直接納入到國家的發展規劃中，不僅體現了國家對老齡群體的關懷，更是從國家層面構建了應對人口老齡化的方略。盡管中國已經出臺了一系列政策，但隨著中國老齡化的不斷加深，人口紅利的不斷下降，老齡化分布不均等問題已經引起了中國的勞動力市場、傳統的家庭結構以及社會保障體系發生明顯變化。這些問題對中國的經濟和社會發展產生了系列影響，并影響了中國金融市場的發展。因此，研究老齡化對金融市場的影響具有重要意義。

二、研究方法

參考國內外文獻，我們可以發現：國外研究的內容主要偏向于對人口結構與股票市場二者相互影響的內在方式以及如何實現影響的作用機理，研究方法的重點在于理論模型的搭建。而國內的研究方法則主要是由研究人口結構對相關宏觀變量的影響之后，采取量化的方式驗證人口結構對股票市場的影響，其方式往往都是選取國內的宏觀數據搭建模型并以實證結果作為主要論據得出相關結論。

三、實證設計

基于資產定價理論視角，人口結構變化會對經濟發展水平產生影響進而影響股票價格。因此本文以股票價格相關指數、人口老齡化指標和經濟發展水平三個指標構建VAR模型進行實證分析。

（一）變量選取及數據來源

股票價格指標采用上證綜合指數來衡量。上證綜合指數是我國第一個實時發布的股票價格指數，該指數涵蓋了在上海證券交易所上市的所有股票，能夠綜合反映上證A股、B股的整體走勢，數據來源于Wind金融終端。

人口老齡化指標采用我國65歲以上人口數占總人口數的比例，該指標能夠反映我國的人口老齡化程度，數據來源于國家統計局。

經濟發展水平指標采用人均生產總值（人均GDP），數據來源于國家統計局。

以上指標數據的時間范圍跨度為1991-2019年。由于各個變量之間數量差距巨大，并且變量自身擁有比較明顯的趨勢性，同時為了減少變量之間的多重共線性以及消除量綱的影響，對上證綜合指數和人均GDP兩個指標進行對數化處理。

（二）計量模型的構建

盡管傳統的多元回歸分析可以很好地探索變量之間的關系和影響，但其分析的前提是清楚地區分內生變量和外生變量的不同影響。在分析實際問題的過程中，難以有效區分內部變量和外部變量，因此向量自回歸模型VAR已成為分析復雜系統的一種分析方法，每個變量都被用作一個整體的交互響應。VAR作為一種非結構化模型，通常用于預測相關時間序列，并分析隨機擾動對可變系統的動態影響。通過使用系統中的每個內生變量作為系統中所有變量的滯后項的函數來構建模型，VAR模型的建立使得檢查復雜現象的不同變量之間的關系成為可能，本文構建VAR模型如下：

ln_SZindext=α0+α1ln_SZindext-1+…αp1ln_SZindext-p+γ1oldpeople1+…γjoldpeoplet-j+β1ln_PGDPtβ1ln_PGDPt+…βqln_PGDPt-q+

其中ln_SZindex為被解釋變量上證綜合指數取對數，oldpeople為解釋變量65歲以上老年人口占比，ln_PGDP為人均GDP取對數。P、q、j為VAR模型的階數，在后續分析中將根據AIC和BIC準則確定最優的階數。

四、變量相關性分析

變量相關系數表顯示，上證綜合指數與65歲以上人口比的相關系數為0.864，在1%水平下顯著，上證綜合指數與人均GDP的相關系數為0.898，在1%水平下顯著。由此說明了上證綜合指數與人口老齡化、人均GDP高度相關。

五、模型的檢驗與構建

（一）ADF單位根檢驗與平穩性檢驗

根據時間序列數據的處理方法，為了避免出現偽回歸，應該在回歸之前進行平穩性測試。也就是說，盡管從結果中得出了合理的R2，但是可變系數并沒有實際意義。產生此結果的原因是，某些非平穩時間序列常常具有相同的變相趨勢，但彼此之間并不直接相關，因此為了確保結果的有效性，我們經常對面板數據序列進行平穩性檢驗，通常采用單位根測試的方法。

變量的單位根檢驗結果表明，ln_SZindex具有單位根，該序列為不平穩序列，經過一階差分處理后序列穩定;65歲以上人口的比例具有單位根，說明是一個不穩定的序列。經過二階差分之后序列平穩，ln_PGDP為平穩序列。因此，上述變量是二階單整，之后可以進行協整檢驗。

（二）最優階數的確定

在進行協整檢驗之前，我們需要確定VAR模型的最優滯后階數，本文采用LR、FPE、AIC、SC和HQ五種指標進行測試，測試結果如表3所示，根據測試結果，應選擇模型最優滯后階數為6階，及p=6。

（三）協整檢驗

協整檢驗是對非平穩變量進行回歸的必要前提。只有存在協整關系，協整回歸才有意義。經過平穩性檢驗可知，各變量全部為二階單整的時間序列，可能存在長期的協整關系，本文采用釆用Johansen協整檢驗方法進行檢驗，滯后階數為6階。檢驗結果如表所示。

跡統計量檢驗結果表明在5%的顯著性下有2個協整方程，標準化協整方程分別是：

ln_SZindex=0.054oldpeople+0.017ln__PGDP+

ln_SZindex=0.07oldpeople+0.11ln__PGDP+ν

（四） Granger因果檢驗

格蘭杰因果關系結果顯示，人口老齡化是上證綜合指數的格蘭杰原因，人口老齡化是人均GDP的格蘭杰原因，人均GDP是上證綜合指數的格蘭杰原因，上證綜合指數是人均GDP的原因。

六、VAR模型估計與結果分析

VAR模型回歸結果顯示，滯后一期和二期的上證綜合指數對當期上證綜合指數影響不顯著，滯后3-6期的上證綜合指數對當期上證綜合指數存在負的影響作用，其中滯后3-4期在1%水平下顯著，滯后5-6期在5%水平下顯著。

人口老齡化滯后一期對上證綜合指數影響系數為-26.22，在1%水平下顯著，人口老齡化滯后2-3期不顯著，人口老齡化滯后4-6期均在1%水平下顯著，且影響系數均為負數。說明人口老齡化對上證綜合指數存在負向的影響作用。

（作者單位：貴州民族大學人文科技學院）