股市波動對應(yīng)用科技發(fā)展的影響研究

摘 要：本文通過虛擬經(jīng)濟(jì)波動對相關(guān)企業(yè)的影響來研究虛擬經(jīng)濟(jì)波動對應(yīng)用科技的發(fā)展影響。其中，利用GARCH模型來模擬股市的波動情況，再通過面板模型分析這種波動對應(yīng)用科技的影響。文章認(rèn)為，虛擬經(jīng)濟(jì)的波動性越強(qiáng)，越不利于應(yīng)用科技的發(fā)展。同時，文章還考察影響的行業(yè)特征和區(qū)域特征。

關(guān)鍵詞：GARCH LSDV;行業(yè)特征;區(qū)域特征

一、引言

隨著目前虛擬經(jīng)濟(jì)的不斷擴(kuò)張和以大數(shù)據(jù)為代表的應(yīng)用科技的快速發(fā)展，應(yīng)用科技推動經(jīng)濟(jì)快速發(fā)展的作用已經(jīng)不言而喻，但是反過來，經(jīng)濟(jì)，尤其是虛擬經(jīng)濟(jì)會不會對應(yīng)用科技的發(fā)展起到一定的影響作用？盡管虛擬經(jīng)濟(jì)依托于實(shí)體經(jīng)濟(jì)，同時虛擬經(jīng)濟(jì)對實(shí)體經(jīng)濟(jì)也有著重要的作用。本文則關(guān)于虛擬經(jīng)濟(jì)的發(fā)展是否會影響應(yīng)用技術(shù)的進(jìn)步展開討論。利用GARCH模型衡量不同市場的金融沖擊情況并側(cè)重于通過選取的120家科技板塊下的上市公司部分?jǐn)?shù)據(jù)，利用面板模型分析金融沖擊要素對其發(fā)展情況的影響以及這種影響的行業(yè)性地域性特征。

本文選取貨幣市場沖擊、債券市場沖擊作為衡量金融沖擊的途徑，其中，分別選擇上海銀行同業(yè)拆借利率（SHIBOR）、上證綜指變化率（SH）作為具體指標(biāo)。由于外匯市場以及黃金市場對該研究的相關(guān)性不大，所以并沒有選取變量分析。本文選擇了從2009年12月到2017年9月份的SH、SHIBOR的月數(shù)據(jù)進(jìn)行分析，共107組數(shù)據(jù)。

另外還選取了120家相關(guān)應(yīng)用科技板塊下的上市公司的2009年至2017年的財務(wù)數(shù)據(jù)、行業(yè)、地域等信息，共計1080組數(shù)據(jù)。以上數(shù)據(jù)均來源于同花順iFind數(shù)據(jù)庫，文章采用STATA軟件進(jìn)行分析。

二、金融沖擊的衡量

對于金融數(shù)據(jù)而言，其波動常常表現(xiàn)為“波動性聚集”。因此，利用GARCH模型來考察金融數(shù)據(jù)的條件異方差就很有必要，本文的虛擬經(jīng)濟(jì)的度量指標(biāo)選擇均具有上述金融數(shù)據(jù)的波動性聚集特性，這種的波動性可能是短期熱點(diǎn)炒作或者市場情緒等的反應(yīng)，因此采用GARCH模型可以更有效的反應(yīng)股市的波動。本文主要使用GARCH（1，1）模型對SH等估計得到的條件異方差作為金融沖擊的衡量。

我們考察兩種金融沖擊的GARCH（1，1）模型的ARCH項和GARCH項及其顯著性。GARCH項均表現(xiàn)出了充分的顯著性，在5%水平下顯著。也表明GARCH模型在衡量金融變量的波動時的有效性。我們將季度的量按年度進(jìn)行平均，得到SHIBOR、SH的年度平均后的自回歸條件異方差。

三、實(shí)證研究

（一）樣本數(shù)據(jù)及研究模型

1.數(shù)據(jù)來源及模型

根據(jù)相關(guān)分析，本文所選取的用于研究企業(yè)產(chǎn)出能力的變量包括：企業(yè)發(fā)展前景（GNA），采用凈資產(chǎn)同比增長率為代理變量;企業(yè)的營運(yùn)能力（CTA），代理變量為總資產(chǎn)周轉(zhuǎn)率;企業(yè)的盈利能力（ROA），代理變量為資產(chǎn)收益率;企業(yè)規(guī)模虛擬變量（Scale），根據(jù)企業(yè)規(guī)模的分布，選取資產(chǎn)300億以上為大規(guī)模;其他還有省份行業(yè)等相關(guān)信息也納入考慮。

通過對樣本數(shù)據(jù)進(jìn)行豪斯曼檢驗，我們得到：chi2（4）=21.79，prob>chi2=0.0002;因此，強(qiáng)烈拒絕原假設(shè)“H0：uit與xit， zit不相關(guān)”，認(rèn)為應(yīng)該使用固定效應(yīng)，而非隨機(jī)效應(yīng)。本文建立模型如下：

（二）實(shí)證結(jié)果

1.虛擬經(jīng)濟(jì)變量對企業(yè)的影響的顯著性

我們使用固定回歸對模型進(jìn)行估計，結(jié)果如下，其中，模型1，2分別研究SH/SHIBOR對科技的獨(dú)立影響，模型3則綜合考慮二者之間的聯(lián)合影響。

當(dāng)SH單獨(dú)進(jìn)行回歸時，模型在95%置信度下顯著，說明SH對科技企業(yè)的發(fā)展能力有較強(qiáng)的解釋能力，具體的，我們看到SH的系數(shù)為-10左右，這說明對于科技企業(yè)而言，股市的波動越強(qiáng)，越不利于科技企業(yè)的有效發(fā)展。股市越震蕩，則說明場內(nèi)資金不穩(wěn)定，此時市場的恐慌情緒會造成資金離場或者資金擁堵，反而使得部分優(yōu)良的科技潛力公司不能夠及時獲得有效投資，從而使得應(yīng)用科技不能夠取得快速進(jìn)步。

由于上面顯示SHIBOR的效應(yīng)并不顯著，因此我們接下來使用僅包含SH的聚類回歸，即LSDV法，我們分別對企業(yè)的行業(yè)以及地域特征進(jìn)行構(gòu)建個體虛擬變量，分析虛擬經(jīng)濟(jì)對科技企業(yè)發(fā)展的影響的行業(yè)以及地域特征。

2.虛擬經(jīng)濟(jì)對企業(yè)影響的行業(yè)特征

由于企業(yè)較多，涉及的行業(yè)分類較多，因此，本文僅選取部分代表性的行業(yè)進(jìn)行分析，具體情況如下：

我們可以看到，首先系數(shù)均呈現(xiàn)負(fù)值，這肯定了之前的驗證，即不論對那個行業(yè)，股市的劇烈波動都會影響該行業(yè)的應(yīng)用科技的發(fā)展。

另外，對于大部分行業(yè)，系數(shù)都呈現(xiàn)出極強(qiáng)的顯著性，但是部分行業(yè)比如房地產(chǎn)、公用事業(yè)、農(nóng)林牧漁、有色金屬等并不顯著。其原因大致有二，一是行業(yè)內(nèi)部的應(yīng)用科技創(chuàng)新不足，科技點(diǎn)無法支持行業(yè)的好轉(zhuǎn)，從而盡管有資本流入，但是其效果不明顯，如房地產(chǎn)行業(yè)、有色金屬行業(yè)。二是行業(yè)本身盡管有科技熱點(diǎn)，但是經(jīng)濟(jì)效應(yīng)不顯著，因此無法吸收大量的資本進(jìn)入，因此股市的波動對行業(yè)的影響就相對較小，如農(nóng)林牧漁行業(yè)，公用事業(yè)行業(yè)。

總體來說，對于互聯(lián)網(wǎng)，大數(shù)據(jù)及工業(yè)類等行業(yè)而言，股市帶來的效用還是有較強(qiáng)的相關(guān)性，資金流入引起權(quán)益增加，從而增加科技投入，最終反過來又取得更多的受益。

3.虛擬經(jīng)濟(jì)對企業(yè)影響的地域性特征

我們可以看到在系數(shù)不顯著的區(qū)域主要集中的內(nèi)陸省份或者經(jīng)濟(jì)欠發(fā)達(dá)省份，如重慶、江西、遼寧等省市地區(qū)。在這些地區(qū)中，一方面其上市公司相對較少，流動資金很難流入，從而導(dǎo)致股市的震蕩很難傳遞到該地區(qū);另一方面，技術(shù)人員會流向沿海發(fā)達(dá)地區(qū)，因此，進(jìn)一步降低了該地區(qū)的經(jīng)濟(jì)對科技的影響能力。因此，虛擬經(jīng)濟(jì)對應(yīng)用科技的影響更多的集中在沿海發(fā)達(dá)地區(qū)，在內(nèi)陸欠發(fā)達(dá)地區(qū)則傳導(dǎo)過程受阻，從而影響不顯著。

四、結(jié)論與建議

本文選取了虛擬經(jīng)濟(jì)波動和相關(guān)科技板塊下的上市公司作為研究對象，通過理論與實(shí)證分析相結(jié)合的方式考察了虛擬經(jīng)濟(jì)波動對應(yīng)用科技發(fā)展的影響，以2009年至今的SH、SHIBOR歷史數(shù)據(jù)以及公司歷史財務(wù)數(shù)據(jù)作為數(shù)據(jù)來源，對虛擬經(jīng)濟(jì)的作用進(jìn)行了考量。通過多方面的數(shù)據(jù)和資料分析，本文得出以下結(jié)論：

在影響力方面，我國債券市場的波動對相關(guān)科技型企業(yè)的影響力要遠(yuǎn)遠(yuǎn)大于貨幣市場（SHIBOR）的影響力，在回歸過程中，SHIBOR表現(xiàn)不顯著，綜合理論分析，我們認(rèn)為，虛擬經(jīng)濟(jì)對應(yīng)用科技的發(fā)展的影響集中在債券市場。且債券市場的波動越大，越不利于應(yīng)用科技的發(fā)展。行業(yè)特征方面，債券市場的波動的影響在大部分行業(yè)均有效，但是對于房地產(chǎn)、農(nóng)林牧漁等行業(yè)，效果并不顯著，一是行業(yè)內(nèi)部創(chuàng)新不足，科技潛力較小，二是資金不愿意流入農(nóng)林等行業(yè)，從而受到股市波動的影響就不顯著。地域特征方面，債券市場的波動的影響集中于沿海較發(fā)達(dá)省份，而內(nèi)陸省份對債券市場的波動不敏感，原因在于一方面公司較少，經(jīng)濟(jì)不發(fā)達(dá)，資金流入少;另一方面科技人員的缺乏，企業(yè)缺乏發(fā)展的潛力。

總而言之，一個穩(wěn)定的債券市場有利于應(yīng)用科技的全面發(fā)展，同時也應(yīng)該注重利用相關(guān)政策對在債券市場上流動的資本進(jìn)行有選擇的引導(dǎo)，縮小地區(qū)間，行業(yè)間的差異，才能避免在日后的科技進(jìn)步帶來的新的資源分配不平等。

參考文獻(xiàn)：

[1]曹金飛，干杏娣.基于GARCH模型的金融沖擊對企業(yè)產(chǎn)出影響研究[J/OL].統(tǒng)計與信息論壇：1-7[2018-01-04].

[2]洪唯鐘.論實(shí)體經(jīng)濟(jì)與虛擬經(jīng)濟(jì)在互聯(lián)網(wǎng)時代的變遷[J].中國商貿(mào)，2015（03）：116-118.

[3]趙桂婷. 基于人力資本傳導(dǎo)機(jī)制的區(qū)域經(jīng)濟(jì)差異研究[D].蘭州大學(xué)，2014.

[4]齊岳，廖科智.政策因素、金融危機(jī)對中國股市波動性影響——基于ICSS-GARCH模型的分析[J].系統(tǒng)工程，2018，36（04）：12-20.

[5]劉慧悅.基于DCC-GARCH模型的新興市場金融傳染效應(yīng)檢驗[J].統(tǒng)計與決策，2016（12）：151-155.

[6]楊繼平，陳曉暄，張春會.中國滬深股市結(jié)構(gòu)性波動的政策性影響因素[J].中國管理科學(xué)，2012，20（06）：43-51.

作者簡介：

陳一民，（ 199606），性別：男，民族：漢，籍貫（精確到市）：江蘇宿遷，當(dāng)前職務(wù)：在讀研究生，學(xué)歷：研究生，研究方向：貨幣銀行.