前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的國內宏觀經濟分析主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：國內宏觀經濟分析范文

在新常態下，我國經濟面臨的形勢和任務更加復雜艱巨，政府宏觀決策對宏觀經濟分析的準確性和時效性提出了更高的要求。隨著大數據時代的到來，借助大規模數據生產、分享和利用，以嶄新的思維和技術去分析，將揭示海量數據背后所隱藏的宏觀經濟運行模式。

大數據方法和技術不僅可以被深度地應用在微觀分析、行業研究領域，也可以運用在宏觀決策之中。未來，大數據既是企業占領市場、贏得機遇的利器，也是政府進行宏觀調控、國家治理、社會管理的信息基礎。而大數據時代對數據的挖掘、處理和分析的方式，對于傳統的宏觀經濟分析，無疑是一次大的革新。

大數據應用于宏觀經濟分析的趨勢

傳統的宏觀經濟分析通常是通過對比主要宏觀經濟指標、建立宏觀經濟計量模型、仿真宏觀經濟動力系統，對宏觀經濟形勢及未來發展趨勢進行判斷與預測。

在當前的大數據時代，越來越多的宏觀經濟政策制定者和相關專家學者都已經意識到，大數據對宏觀經濟分析有著革命性的影響。目前，在宏觀經濟分析及預測中運用大數據方面，無論是國外還是國內，從新型宏觀經濟指數構建，到建立新型大數據宏觀經濟預測模型，各方面都取得了一定的進展。

早期大數據在宏觀經濟分析領域的應用，主要集中在建立新的宏觀經濟指數，以便更加準確的反應宏觀經濟運行狀況。這方面的工作主要基于個人的交易記錄，包括像一些歐洲國家將銷售點掃描數據納入CPI指數編制。

特別引起關注的是麻省理工學院的經濟學家利用網上購物交易數據創建的BBP項目 （Billion Prices Project），基于不斷變化的一籃子商品所計算的日度通脹指數。這種實時的通貨膨脹指數能夠比相應的官方數據更好地反映實際經濟運行的情況。當年，在雷曼兄弟公司倒閉后，BPP 的數據顯示，大部分美國企業幾乎立刻開始削減價格，這就表明總需求已經減弱。而相比之下，官方通脹機構公布的數據直到當年11月，即在10月CPI數據公布后，才對通貨緊縮有所反應。

“企業發展工商指數”是宏觀經濟分析領域中典型的大數據應用案例，也是我國政府在大數據挖掘領域的首創成果。該指數包括10 個對宏觀經濟具有顯著先行性的指標，可以提前1～2 個季度預測宏觀經濟發展趨勢。它改變了傳統的抽樣統計方式，利用大數據挖掘技術，對工商全量、動態的全國企業登記數據進行分析，發掘大數據價值，并采用合成企業發展工商指數，以判斷宏觀經濟走勢。

除了宏觀經濟分析與預測方面相關指數的建構，從宏觀經濟分析與預測研究的國際趨勢看，使用大數據集，建構監測預測的模型，進行經濟預測越來越廣泛，逐漸成為很多國家央行進行經濟預測的新方法和新工具。

在應用互聯網大數據進行經濟分析及預測中，使用網絡搜索引擎或網絡社交媒體記錄的關鍵詞，會有數據獲取及時、樣本統計意義明顯等優勢，預測精度較高。

Google Trends每天都在產生大量與經濟發展相關的查詢結果，且這些查詢結果與當下的經濟活動之間必然存在著不容忽視的關系，或許可以對預測當下的經濟活動起到非常重要的作用。并且，在此基礎上，Choi H. &. Varian H.（2016）舉例說明了如何利用Google Trends預測美國零售業、汽車、住房和旅游的銷售情況。

還有相關機構引用專業數據分析軟件公司SAS的研究數據，以社交網絡活躍度增長作為失業率上升的早期征兆，幫助政府判斷就業形勢和經濟狀況，以更好地制定經濟政策。在社交網絡上，網民們更多地談論“我的車放在車庫已經快兩周了”、“我這周只去了一次超市”這些話題時，顯示網民可能面臨巨大的失業壓力；當網民開始討論“我要出租房屋”、“我準備取消度假”這些話題時，顯示出這些網民可能已經失業，面臨巨大的生存壓力，這些指標是失業后的滯后標志性指標。

樣本統計轉為總體普查

大數據的發展對于宏觀經濟分析最為顯著的積極影響，莫過于使宏觀經濟分析從樣本統計時代走向總體普查時代。大數據時代的宏觀經濟分析中，傳統的樣本假設方式被拋棄，轉而以真實的海量數據來進行計算機的自動分析。

我們知道，傳統的經濟分析包括經濟計量分析是建立在抽樣統計基礎之上的，在傳統的抽樣統計分析中，往往以假設檢驗為基本模式，依靠的數據主要是樣本，將樣本假設為整體，然而，這種分析往往與事實存在或多或少的出入。

與傳統宏觀經濟分析總是局限于小規模樣本數據有所不同，在大數據時代，隨著信息覆蓋范圍和數據量迅速提升，數據樣本的體量會極大地提高，甚至可以達到樣本即總體的程度。例如，就物價而言，每一筆在電子商務網站成交的交易信息都能記錄在案。這樣的情況下，宏觀經濟分析的可靠性必然大大加強。

同時，隨著信息量的極大拓展和處理信息能力的極大提高，使得宏觀經濟的分析不再局限于傳統的統計分析模式，而是將抽樣分析轉變為總體分析。這一點對宏觀經濟分析意義重大，因為宏觀經濟系統紛繁復雜，如果能將對整體宏觀經濟變量的分析建立在盡可能多的關于經濟主體行為的信息以及其他諸多經濟變量的信息的基礎上，無疑將會極大地提高宏觀經濟分析的準確性。

基于推特（Twitter）平臺表達的公共情緒用來預測股市變動，是很典型的例子。2008年3月到12月長達九個月間，270萬Twitter用戶推送的多達970萬條的消息，經過情緒評估工具――Opinion Finder 和GPOMS 被分別賦值并評估為“積極”與“消極”兩種情緒和“calm（冷靜）”、“alert（警覺）”、“ sure（確信）”、“vital（活潑）”、“kind（美好）”、“happy（高興）”六種情緒。結果發現，在道瓊斯工業平均指數和GPOMS中的“calm（冷靜）”情緒之間存在相關性。進一步研究發現，“calm（冷靜）”情緒可以很好地預測道瓊斯工業平均指數在未來2到6天的漲跌情況，而且這種每日預測的準確率高達到87.6%。

大數據時代，可獲得大而全的可得數據，甚至可拋棄原有的假設檢驗的模式，這些優勢是傳統經濟分析方法無法想象和實現的，無疑將會極大地提高宏觀經濟分析的準確性和可信度，不僅可以更加準確了解宏觀經濟形勢，還有利于正確做出宏觀經濟發展的預測，從而更加合理地制定宏觀經濟政策。

變量個數無限增多

在當前大數據時代，數據的可得性和多樣性導致樣本量無限增大，同時變量個數無限增多，這有利于應用大量模型進行研究，并應用完備的數據信息，提高預測的準確性。

經濟預測模型可以分為兩類：一是傳統的小模型預測，這類模型往往通過建立時間序列、橫截面或面板方程來進行經濟分析。傳統的小模型預測的特點是僅使用較少的變量，像VAR模型的變量個數通常小于10個。二是大模型預測，這類模型往往使用成百上千個變量，因而大模型預測利用的信息非常豐富。

小模型預測理論比較成熟、方法相對簡單。但是，小模型預測有天然的缺陷，那就是變量的完整通常是不可能的，而預測的效果受限于其所使用的變量。

使用小模型進行預測時必須仔細挑選預測變量，然而仁者見仁智者見智，無論是根據理論還是根據經驗進行變量的選擇，其過程必然會存在差異，其結果也更是可想而知，而且甚至會產生一些爭議。比如，基于菲利普斯曲線預測通脹時，有的研究使用失業率作為預測變量，也有研究使用GDP缺口或者產能利用率。

清華大學經濟學研究所所長劉濤雄教授就指出，由于模型變量選擇、參數設置、估計方法以及滯后期選擇等的不同，預測結果會產生很大的偏差。

小模型預測方法這一天然的局限是很難調和的，主要是因為數據樣本有限而導致增加很多變量不可行。這使小模型預測的結論往往和經濟現實嚴重脫節。我們很難想象中央銀行會僅僅根據少數幾個變量進行宏觀預測，并據此做出決策。即便是一家企業也不會如此草率。

通過大數據挖掘，可以使得變量大大增加。這就為經濟預測從小模型預測轉變為大模型預測創造了條件，應用大量模型進行分析及預測，可以應用完備的數據信息，從而提高預測的準確性。

在美國，銀行通常依靠FICO得分做出貸款與否的決定，FICO分大概有15-20個變量，諸如信用卡的使用比率、有無未還款的記錄等。而一家名為ZestCash的金融機構，在決定是否向客戶放貸的時，分析的卻是數千個信息線索。ZestCash正是依靠其強大的對于大數據的處理和分析能力，形成了其獨特的核心競爭力。

未必因果關系 而是相關關系

傳統的經濟計量分析以尋找相關事物（變量）的因果關系為核心，而大數據條件下的經濟分析通常則著眼于挖掘相關事物（變量）的相關關系。

在復雜的宏觀經濟系統中，許多經濟變量的因果關系往往難以準確檢驗，或者因果結論經常廣受質疑。然而，在如今的大數據時代，更加重視可靠相關關系的發掘，并且充分利用相關關系對于經濟預測、經濟政策制定與評估的作用，則無疑為宏觀經濟分析打開了另一片廣闊的空間。

在“小數據”時代，宏觀經濟中的因果關系分析其實并不容易，耗費的精力大、時間多。特別是，要從建立假設開始，進而不斷地進行一系列假設的實驗，而一個個假設要么被證實，要么被。不過，無論被證實還是被，由于二者都始于假設，這些分析就都有受偏見的可能，所以極易導致錯誤。

同時，由于計算機能力的不足，在小數據時代，大部分相關事物（變量）關系的分析局限于尋求線性關系。然而，實際上的情況要復雜得多，在現實宏觀經濟中，總能夠發現的是相關事物（變量）的“非線性關系”。

當然，在小數據世界的宏觀經濟分析中，相關關系也是存在并有價值的；不過，在大數據時代的宏觀經濟分析中，相關關系才將大放異彩。維克托?邁爾-舍恩伯格與肯尼思?庫克耶（Victor？Mayer-Schonberger &. Kenneth？Cukier）認為，建立在相關關系分析基礎上的預測是大數據的核心。通過應用相關關系，可以比之前更容易、更快捷、更清楚地分析事物（變量）。

英國華威商學院為預測股市的漲跌，使用谷歌趨勢（Google Trends）共計追蹤了98個搜索關鍵詞。這中包括“債務”、“股票”、“投資組合”、“失業”、“市場”等與投資行為相關的詞，也包括“生活方式”、“藝術”、“快樂”、“戰爭”、“沖突”、“政治”等與投資無關的關鍵詞。結果發現有些詞條，諸如“債務”，成為預測股市的主要關鍵詞。

“谷歌流感趨勢”為預測季節性流感的暴發，對2003年和2008年間的5000萬最常搜索的詞條進行大數據“訓練”，試圖發現某些搜索詞條的地理位置是否與美國流感疾病預防和控制中心的數據相關。

谷歌并沒有直接推斷哪些查詢詞條是最好的指標，相反，為了測試這些檢索詞條，谷歌總共處理了4.5億個不同的數字模型。將得出的預測與2007年和2008年美國疾控中心記錄的實際流感病例進行對比后，谷歌公司發現，它們的大數據處理結果發現了45條檢索詞條的組合，將它們用于特定的數學模型，預測結果與官方數據的相關性高達97%。

在大數據時代來臨之前，盡管相關關系已被充分證明大有用途，可是相關關系的應用很少。這是因為用來做相關關系分析的數據同用來做因果關系分析的數據一樣，也很少，也不容易得到，并且收集有關的數據，在過去相對來說，也費時費力，也會耗資巨大。不過現如今，可用的數據如此之多，也就不存在這樣的難題了。特別是現在，有關專家們正在研發能發現并對比分析“非線性關系”的必要工具。總之，一系列飛速發展的新技術和新軟件從多方面提高了有關分析工具發現宏觀經濟變量相關關系的能力，這就好比立體畫法可同時從多個角度來表現人物或事物。

在大數據時代，這些新的分析工具和思路為我們提供了一系列新的視野和有用的預測，使我們看到了很多以前不曾注意到的宏觀經濟中的聯系，掌握了以前無法理解的復雜的國民經濟動態。

時滯變即期

目前對宏觀經濟的分析研究所采用的資料，主要依賴于各種統計調查系統的統計數據，但面臨的最明顯的缺陷之一便在于關于宏觀經濟統計的數據具有很強的時滯性。而大數據經濟模型可以充分利用數據的實時性，提高分析或預測的時效性，為經濟預警和政策制定提供最快速的資料和依據。

一般來說，依賴統計部門的宏觀經濟數據的都存在時間滯后的問題。由于不能及時獲取宏觀經濟發展的數據信息，也就不能對當下的宏觀經濟形勢作出準確判斷。例如，政府公布的季度GDP 往往會有1個月的滯后期，而反映全面經濟社會狀況的統計年鑒的滯后期會達到3個月左右，這對及時了解宏觀經濟形勢、預測與預警都是非常不利的，基于此統計進行的預測甚至被認為助長了宏觀經濟波動。

在互聯網技術的輔助下相關宏觀經濟的分析部門能夠快速地收集到主要宏觀經濟發展數據，如全社會的用電量、全社會的商品銷售總額以及商品房的購買量等。這些大數據的獲取時間較短，有的數據甚至是立即可以獲得。

而隨著互聯網尤其是移動互聯網的發展，產生了大量的即時傳播數據，如企業通過微博、微信第一時間產品、人事等重要信息； 普通用戶實時針對特定事件或對象發表見解和態度，等等。

這些即時傳播的非結構化數據對宏觀經濟的走勢也產生了重要影響。通過大數據軟件處理平臺，可以實時追蹤和搜集這些即時數據，并快速對數據進行分析和處理，從而提高宏觀經濟的時效性，為經濟活動參與者贏得決策時間。

在日本北九州市八幡東區東田地區實行的“八幡東區綠色鄉村構想”中，日本IBM公司除了設立城市整體能源管理系統、綜合性移動管理系統外，還參與了控制整個城市的城市指揮中心建設。得益于該公司處理和分析大數據的高效工作，當地行政機關可以實時掌握城市能源的情況，并將分析的結果同氣象信息結合，詳細預測48小時之后電力等能源的供需狀況。如果發現將有電力不足的情況發生，行政部門可直接采取抑制電力消費或讓電動汽車釋放電能等措施，提前進行預防。

第2篇：國內宏觀經濟分析范文

雖然中國股市很年輕，從1990年滬深證交所正式成立算起都不到18歲。但就是在這不到20年里，中國投資理念已經完成了從基于技術面分析(technical analysis)到基于基本面分析(fundamental analysis)的轉變。現在，不但作為機構投資人的基金經理普遍是根據基本面分析作投資決策的，越來越多個人投資者也是運用基本面分析作為買賣證券的依據。

但是很多投資者在運用基本面分析時，由于對一些概念和理論沒有領悟透徹，而存在一些認識上的誤區，筆者經常碰到的就有兩類，特此指出來，和大家一起切磋探討。

一是只看表面不看實質舉例來說，股市是國民經濟的風向標這句話沒錯。但有投資者以目前中國經濟良好來指責今年以來股市下跌是偏離基本面的。這個觀點其實包含三個層次的認知誤區。首先，國民經濟包含內容很多，涉及很多指標和方方面面。單看絕對值，2008年中國GDP增速的確也很高，估計全年在10％左右。但是這個增速相對2007年的11.9％就是下降了近2個百分點，在實體經濟中可能就意味著幾萬個企業破產、數十萬個人失業等經濟現象。而2009年中國GDP增速有進一步下滑至9％的可能性。總之，中國經濟增速在回落，這比增速維持或加速都要差。

其次，股指高低和全市場利潤具有很高相關性，而GDP只是個收入指標，不是利潤指標。即使GDP增速不下降，原材料價格、能源價格和勞動力成本上升都會導致企業利潤率下降。所以相比2007年上市公司盈利增長49.3％，2008年上市公司盈利增速估計可能不到三成。可以看到，作為收入項的GDP增速下降才2個百分點，企業盈利增速居然可能下降20個百分點。如果全球經濟持續不好、國內還繼續緊縮政策，那么，2009年上市公司盈利增速會進一步下降。

第三，雖然被稱作是國民經濟的風向標，但股指表現往往和基本面指標并不同步。畢竟，決定股價的因素有兩個：盈利和市盈率(PE)估值水平，而影響PE高低的因素有預期盈利的增速、資金面情況、投資者心理甚至還有全球市場PE水平等等。作為非成熟市場，中國股市PE水平經常出現較大波動，且未必要和盈利變化一致。

二是刻舟求劍，靜態思維券商曾經都很看好中國石化，在當時來說確實是有道理的，因為當時公司基本面不錯。估值相對也便宜。但當國際原油價格持續高漲而國內成品油價格管制形成成品油價格和原油價格倒掛，導致中石化的煉油業務從有利潤變成巨額虧損，但很多個人投資者卻依然以老的“基本面不錯、估值低”的理由去買入并持有，根本沒意識到公司基本面已變差。所以，做基本面研究務必要及時跟進了解宏觀、行業和公司基本面的變化情況。

第3篇：國內宏觀經濟分析范文

國內主流的經濟學研究目前沿襲的是西方經濟學理論，從范式到假設、數學模型都基本沒有變化。而西方經濟學，特別是宏觀經濟學，可以說是以美國為主的西方發達國家在二次世界大戰及戰后，針對他們所遇到的經濟現象進行研究而建立和發展起來的，已經相當成熟，側重于對經濟現象進行解釋，強調實證研究；對比起來，中國學者對于宏觀經濟的研究更傾向于引出政策性對策，更重視規范性研究。而且，因為中國經濟制度和社會發展的特殊性，西方宏觀經濟學在建立模型時的很多假設與中國現實不相符，這就從一定程度上導致了直接使用造成的“水土不服”。不加區別地將這類研究結論作為制訂政策的依據，在國內市場經濟體制不完善，市場調節力度低的情況下，可能帶來的不僅是混亂而更可能是對經濟的嚴重扭曲，這方面的主要體現在政府某些宏觀經濟政策，存在“一刀切”的簡單化作法。比如去年第三季度對于中國經濟中局部存在的由投資拉動的“熱”的趨勢，就采取了提高準備金率的措施。作為一劑猛藥，立即導致貸款額下降，而實際上，很多行業仍然迫切需要貸款資金啟動。如果仔細去看，這樣的例子是很多的。經濟學界對于宏觀經濟是否過熱的討論更是眾說紛紜，見仁見智，但結論似乎有簡單化之嫌。要么言之鑿鑿地認為已經過熱或有過熱的明顯趨勢，要么鐵板釘釘地咬定不過熱。實際上，中國經濟的復雜程度，是很難一以概之地以是否過熱來做結論的。而主流宏觀經濟學理論似乎也只是提供了這樣一種認識問題的途徑。作為一種理論范式是無可厚非的，但用來指導中國經濟管理的實踐就失于簡單了。

國內理論界曾經討論過中觀經濟學，如何界定中觀經濟學和宏觀經濟學的范疇是一個本文不打算探討的問題。然而宏觀經濟學的研究范疇過于宏觀，對于中觀問題的研究不夠，可能是我們無法有效地利用宏觀經濟學方法論解決實際宏觀經濟問題的一個主要原因。當我們站在很高的高度，研究GDP增長率，通貨膨脹率和失業率時，我們需要搞清楚這些傳統的宏觀經濟指標在中國的形成和傳導機制，而現有的理論框架和研究成果似乎沒有給我們提供這樣的工具和幫助。

如果局限于傳統的宏觀經濟學方法論，就很難讓我們把視角轉移到具有中國特色的宏觀經濟現象的構架過程中去。其實，即使是西方經濟學，也是在某種經濟構架之上進行討論的，也就是開放和成熟的市場經濟環境，所有假設都源于此。而中國的情況卻很不同，忽略這樣的本質區別，不講宏觀經濟學理論適用的條件，就套用其研究范式甚至結論，是無益于事的。盡管關于是否存在中國經濟學還有很多爭議，無庸諱言，中國經濟的特殊性提示我們，在研究宏觀經濟現象時，不可不顧其是建立在與中國目前不盡相同的社會制度基礎上這樣一個前提。至于轉型過程中的中國的經濟形態與西方成熟的市場經濟的不同，以及現有的研究方法的適用性，還需要大量的深入的研究。

中國宏觀經濟的特點是以投資驅動為主，工業主導型，而且投資中政府的投資所占比重較大，政府主導投資和行政干預的作用顯著。這和西方市場經濟國家有非常明顯的區別，以美國為例，其宏觀經濟體現為消費驅動，服務業主導，投資基本由私人進行。另外，中國的制度演進的步伐較快，而西方國家的制度體系基本定型了。相比之下，在投資，金融，法制，人力資源，技術，制度變遷等對宏觀經濟有重大影響的各方面，中國的情況都與西方差異很大，而且處于不斷變化之中。西方在統一的制度框架下，經過長期的發展，形成了統一的市場環境，而在中國存在著南北、東西、城鄉等地理區域上的巨大差異。這種經濟環境有較大的動態性和發生畸變的不確定性。而我們在進行宏觀經濟分析時，往往存在著不比較模型的使用條件，較多采用靜態的宏觀經濟分析模型的缺陷，局限性是很難避免的。方法論方面的尷尬，使我們既不能直接引用宏觀經濟數據，套用現成的靜態模型，又不能只是依賴以前幾次經濟過熱的經驗，對目前的宏觀經濟做出客觀的判斷。所以，各家各派的觀點也就無法統一，甚至無法建立共同的研究出發點。

但是有些專家還是通過數據和直覺預感到了事情的本質。比如在去年部分行業表現出投資過快，價格上漲幅度和發展速度較高，汽車，鋼鐵，建材，房地產，原油，糧棉等都很熱，甚至出現了水和電力的短缺。另一方面，大部分消費品的價格仍然在下降，總的價格指數上升幅度不大。一些先行指標特別是生產資料價格在上升，引起學者擔心消費價格指數會在一段時間后上升加快，引起通貨膨脹。這些看法都來自現有宏觀經濟學總需求與總供給的分析模型。信奉者認為現在的特征數據已足夠，用現有模型分析，通貨膨脹必將到來，只是有滯后性，所以不會馬上顯現，但要防微杜漸。反對者也使用同樣的分析工具，但要樂觀很多。正是由于他們觀點雖然不同，但研究方法卻大同小異，因此，誰也說服不了對方。對于宏觀經濟的判斷成為了數字的估計，不同處只是在程度上，有量的區別而無質的不同。這樣很容易使宏觀經濟研究變成數字游戲，結果只能是看誰估計的更接近實際數字一些，而每年都有很多預測家為此大跌眼鏡。

第4篇：國內宏觀經濟分析范文

    根據作者所在單位的多年跟蹤調查,證券投資與管理專業的學生畢業主要的對口工作崗位為證券公司、投資公司、股份公司證券部等單位從事投資以及客戶服務崗位工作,這些崗位對實戰能力要求較強,需要畢業生具備較強的投資咨詢能力和投資決策能力。因此,作為高職層次的投資管理類專業,設置證券投資分析課程時應將投資咨詢和投資決策能力作為本課程的首要教學目標。具體來說,應該讓學生通過學習當前主流的證券投資分析方法和投資分析策略,能夠對當期證券市場的總體趨勢和市場總體投資估值進行較為準確、合理的判斷,能夠根據經濟形勢的變化尋找投資熱點,能夠為投資者進行產品推薦和提供投資操作建議,能夠在不同的市場行情實施成功率較高的投資操作等。因而,在對證券投資分析課程進行重構時了必須服務于這一獨特的課程目標定位。

    二、課程內容重構的實踐探索表

    1.根據課程目標定位來選取教學內容

    當前傳統的證券投資分析課程內容包括證券基本面分析(包括宏觀經濟分析、行業分析和公司分析)證券投資技術分析、證券組合管理理論、金融工程應用分析、投資操作策略等內容,根據高職專業的面向證券行業一線崗位就業定位和以培養投資咨詢能力和投資決策能力為核心的課程目標定位,結合高職學生的認知特點和學習能力,高職的證券投資分析課程在內容上舍棄了理論性強、難度較大的證券組合管理理論和金融工程應用分析兩個模塊,僅保留證券基本面分析(包括宏觀經濟分析、行業分析和公司分析)證券投資技術分析和投資操作策略三個模塊。

第5篇：國內宏觀經濟分析范文

關鍵詞：房價；政策評估；DSGE模型；貨幣政策； 限購政策

中圖分類號：F293.3 文獻標識碼：A

一、引 言

近年來，我國房價漲速過快，尤其是2009年下半年至2011年初，房地產市場投機氛圍熾熱，房價飛速上漲，引發政府對房地產市場的一系列調控，“國八條”、“京十五條”、房產稅等政策相繼提出，2012年更是被稱為“史上最嚴厲調控年”，但年底房地產市場依舊有回暖趨勢，2013年政府將穩中求進，堅持房地產調控不動搖，持續限購、差別化信貸稅收政策更加深化、加大保障房建設力度、抑制投資投機需求等。房價問題一直備受矚目，學者們也對其進行了廣泛研究。國內外已有大量文獻研究了房價的影響因素以及房地產政策對房價的影響效果，影響房價的因素有很多，如何將政策變量從諸多影響因素中剝離開來是關鍵。現有文獻在研究政策對房價的影響時大多僅限于貨幣政策，對限購、房產稅、保障性住房等政策進行系統科學的實證研究比較缺乏，也沒有形成一個有效的房地產政策評估體系。研究方法上，大多文獻運用的是向量自回歸模型（VAR模型），缺乏對微觀主體行為的描述，無法從根本上解決房地產市場存在的內生性問題，且沒有考慮預期對房價的影響以及房價波動，而動態隨機一般均衡模型（DSGE模型）能夠克服這些問題。盡管DSGE模型已經廣泛運用于宏觀經濟分析中，但在房地產政策評估領域運用得還比較少，尤其是將該模型運用到限購政策的有效性評估問題的研究尚屬缺失。本文主要聚焦于貨幣政策和限購政策，首先梳理了房地產政策對房價的影響機制，接著對政策評估的主流方法進行了闡述，指出DSGE模型應該被運用到房地產政策評估的實證研究中，然后進一步對貨幣政策和限購政策評估的文獻進行了綜述，并指出房地產政策有效性評估問題應考慮政策對整個宏觀經濟的影響。

二、政策對房價的影響機制研究

決定房價最主要的因素是房地產市場的供求關系。房地產既是消費品也是投資品。從微觀經濟學的角度看，房地產市場的需求由自住易需求、投資需求和投機需求三部分構成。房地產的供給不僅取決于開發商的開發能力，還取決于土地供應量。早在1977年，Burns和Grebler就出版的名著《國家住房論》中，指出世界上沒有哪一個國家住房的供給和需求能達到完全平衡，因此需要政府這只“看得見的手”來進行調控。近些年，房地產價格出現非理性上漲，為了抑制市場上不合理的需求，調節房地產市場的供求關系，緊縮貨幣、提高利率、限購令、房產稅等宏觀調控政策陸續出臺。高健、冷安琪（2010）認為“政府在制定控制房價的政策時應供需調節相結合，不能單純抑制供給。與加大土地開發成本相比，提高利率控制投資過熱更為有效，同時輔以加強經濟適用房、廉租房的建設”。

除了供求關系，預期因素也會影響房價。房地產行業具有投資品的特性，而投資品的價格取決于對未來收益的預期，況偉大（2010）從預期和投機角度研究了房價波動，研究發現預期及其投機對中國城市房價波動都具有較強的解釋力。從某種程度上說，房地產政策的實施會影響公眾預期從而影響微觀個體行為，繼而對房地產價格產生影響。

房地產價格形成機制是房地產市場參與者共同博弈的必然結果。房地產市場與其他市場相比有很大的特殊性，這種特殊性是由房地產價值構成、政策角色與作用、供求雙方預期心理影響等因素共同造成的。消費者和房地產商根據政策調整各方策略，對房市產生影響。政府又以此為依據判斷公眾對政策的反應程度，決定下一步的政策調整策略，博弈如此循環往復。

在研究房地產政策的影響機制時還需要考慮影響房價的其他因素，比如經濟基本面、人均GDP、CPI等，如何將政策從諸多影響因素中剝離出來是關鍵。

綜上所述，房地產政策的實施通過誘發和影響微觀經濟主體的消費和投資行為，來調節房地產市場的供求失衡，從而導致宏觀經濟總量發生變化。因此，我們在研究房地產政策有效性時應該考慮一般均衡，即研究在一個經濟中，消費者、廠商、政府等每一個參與者，在根據其偏好及其對未來的預期下，所做出的最優選擇。

三、政策評估現狀研究

政策評估方法可分為微觀評估和宏觀評估。早期的學者構建了以Rubin因果模型為基礎的微觀計量經濟學模型，來評估項目或者政策的有效性。微觀評估反映了個體受政策的影響但忽略了宏觀層面的影響，并伴隨著“自選擇”問題；而宏觀評估面臨的一個問題是如何將個體的最優選擇考慮進去，Heckman（1998，1999）、Costas（2006）認為DSGE模型可以用來解決該問題。

Kydland，Prescott（1982）提出的DSGE模型逐漸發展成為近年來宏觀經濟及貨幣政策分析方面的重要研究方向，已經被廣泛地運用到經濟分析與貨幣政策決策中。由于房地產市場存在明顯的異質性和自選擇，政策對房價的影響對于不同的城市效果也不同，城市選擇房地產政策是內生行為，因此在評估房地產政策是否有效時要考慮到個體差異性，做到微宏觀評估相結合。而DSGE模型有著清晰的理論基礎，提供了一個邏輯一致的分析框架，因此可以運用到房地產政策的評估當中。

劉斌（2008）結合我國的實際情況，建立了一個帶有“金融加速器”的開放經濟DSGE模型，采用Bayes技術估計，并利用該模型進行了政策分析。仝冰（2010）基于DSGE模型討論了金融市場、貨幣政策和經濟波動之間的關系，研究表明貨幣政策對于通貨膨脹和資產價格反應可以降低產出、通脹和資產價格的波動。

四、貨幣政策與房價波動

國內外已有大量有關貨幣政策對房價影響的實證研究。自20世紀80年代以來，宏觀經濟分析主要采用兩種方法。一種是Sims（1980）提出的VAR模型，另一種是DSGE模型。Lastrapes（2002）運用時間序列數據，基于VAR模型估計了房價對貨幣沖擊的動態響應，研究發現貨幣供應的正面沖擊會導致房價和房屋銷售量在短期出現增長。Iacovielb（2005）考察了經濟波動與金融部門之間的互動問題。他在經濟周期基礎上建立了一個產品市場、借貸市場、房地產市場和貨幣政策的一般動態均衡模型。VAR脈沖反應結果顯示緊縮的貨幣政策對住房價格會產生負的影響。周暉、王擎（2009）采用BEKK模型和GARCH均值方程模型實證檢驗了房地產價格、貨幣供應量與經濟增長的波動相關性以及它們的各種波動對經濟增長率的影響，研究發現貨幣供應量與房價的聯動變化非常劇烈，貨幣政策在不同城市之間對房價的調控效果也不同。李成、黎克俊、馬文濤（2011）通過構建包含房價的DSGE模型，模擬分析了不同貨幣工具調控下貨幣政策對房價的影響效果以及房價對實體經濟（產出與通貨膨脹） 的影響，研究發現數量型工具在房地產市場的調控中要優于價格型工具。

針對國內的現狀，學者們從不同的角度提出了自己的觀點。2007年以來，中央銀行實施了多次上調存款準備金率和上調存貸款利率的超緊縮貨幣政策，但對房地產價格的調控效果并不理想。其中一個很重要的原因就是中央政府與地方政府博弈的結果。中央政府與地方政府的委托——關系很容易被地方政府與房地產商的管制——被管制關系帶來的利益所干擾，即地方政府與房地產商的合謀在一定程度上決定了中央管制政策的成敗（淮建軍，2007）。

五、限購政策與房價波動

國內針對房地產限購政策評估方面的理論研究大多是透過供求關系、效用、成本、博弈等經濟學視角，如住房限購可有效抑制房地產市場投機需求，應作為長期政策（王克忠，2010；高輝清，2011；李火林，2011；劉秀茹，2011等）。房地產限購的一個本質是實行直接的、嚴格的資本管制；限購是常規調控手段失效的情況下所能采取的最后一劑藥；限購是一個過渡性的制度安排，需付成本，對消費性需求有誤傷的可能（李稻葵，2011）。潘亞男（2011）利用博弈論的方法對中央，地方政府及房地產開發商之間的利益關系進行了分析，得出限購對我國房價調控作用有限的結論。王雪慧（2010）認為“限購令”是一種行政手段，與市場經濟相悖，不可能持久下去，這類觀點值得商榷。房林（2011）通過微觀經濟學視角對當前房地產市場的變化和趨勢進行判斷，認為“限購”政策僅僅是暫時緩解住宅市場供求矛盾的應急舉措，擴大有效供給才是關鍵。

國內關于房地產限購政策評估的實證分析比較少。王敏、黃瀅（2011）利用我國70個大中城市的房價指數面板數據，應用Difference in Difference方法分析了限購政策對房價的影響，結果表明，限購政策能降低房價，但影響有限，市場會呈現“價高量低”的局面。舒良峰、朱振宇（2012）以北京市和武漢市為例，通過引入虛擬變量建立計量經濟學模型，對兩市實施“限購令”的政策效果進行比較分析，發現“限購令”對北京市的負面影響的權重更大，而對武漢市的正面影響權重更大，且當其他經濟變量相同的情況下，“限購令”對北京市的影響大于其對武漢市的影響。

六、房地產政策的宏觀經濟效應

房地產行業對于國民經濟發展有著顯著影響。近幾年，隨著房地產業的飛速發展，在國民經濟中的作用愈發重要，房地產投資也確實對我國經濟的高速增長做出了極大貢獻。房地產政策的實施通過對房地產市場的影響進而影響宏觀經濟，因此在對房地產政策進行評估時，不僅要盯住房地產價格，還要考慮其對整個宏觀經濟的影響。國內生產總值、國民收入水平、CPI等宏觀經濟衡量指標都應該被考察在內。意大利中央銀行的Grande（2006）認為僅盯住資產價格的貨幣政策有很多缺點。首先獲得資產的公允價值是比較困難的，此外以資產價格作為目標可能導致不希望的產出和通脹波動。韓國中央銀行Park（2006）認為資產價格自身的穩定性并不能保證持續、平穩的經濟增長，而且房產泡沫的破滅很可能產生諸如經濟衰退和金融動蕩等各種問題，而這些問題又會導致很高的經濟成本。周暉、王擎（2009）選取1998年第一季度到2008年上半年的貨幣供應量、房屋銷售價格指數、GDP的季度數據作為樣本研究了三者之間的波動相關性，結果表明房價的波動以及房價與貨幣量的聯動對GDP增長速度有顯著影響，會導致GDP增長率下降，貨幣供應量和GDP具有顯著的時變方差特征和波動持久性。Efrem和Salvatore （2010） 關注家庭財富波動對消費需求的可能影響，運用DSGE模型探討房地產等資產價格波動以及貨幣政策對實體經濟的沖擊后果，結果顯示，房地產價格上漲會顯著影響經濟增長、消費需求以及宏觀經濟的運行周期，貨幣政策會對房地產等資產價格波動產生顯著性影響。肖爭艷、彭博（2011）構建了一個關于房地產市場的四部門DSGE模型，研究了我國貨幣政策對房地產市場及房價的影響。結果表明，將住房價格波動納入貨幣政策規則對調控房價上漲有較好效果，但代價是調控過程中通貨膨脹率的持續上升，以及產出水平和家庭消費負向偏離穩態；家庭住房貸款首付比例能夠有效降低穩態水平下的住房價格。

七、結 論

房價問題在國民經濟中占有舉足輕重的地位，居高不下的房價一直是人們熱切關注的焦點，為了抑制房價上漲和投機行為，國家出臺了一系列政策。國內外學者在房地產政策評估方面做了很多有意義的研究，但大多限于貨幣政策，對房地產限購政策進行系統性、科學性的政策評估研究尚屬缺失。大部分研究都是從理論的角度對限購政策進行描述性分析，定性地預測和評價其效果，實證方面的研究甚少。指標選取上，鑒于城市住房價格指數數據的易獲得性，現有文獻都是將房價指數作為測量指標，除了房價以外，諸如CPI、GDP等宏觀指標也應該考慮在內。方法上，現有的研究方法缺乏對微觀主體行為的描述，沒有考慮預期因素，無法從根本上解決政策與房地產價格之間存在的內生性問題，并且沒有將政策的影響效果從房價的諸多影響因素中有效地剝離出來，相比較而言，動態隨機一般均衡模型在研究貨幣政策與資產價格問題時具有很大的優勢，并且該模型在長期預測中表現優于向量自回歸模型（仝冰，2010）。因此，該模型可以很好地用來研究房地產政策評估的問題，尤其是應該被廣泛運用到除貨幣政策以外的其他房地產政策中。

參考文獻：

[1] Heckman J J.Micro Data，heterogeneity，and the evaluation of public policy：Nobel Lecture[R].Journal of Political Economy，2001，109：673–748.

[2] 況偉大.預期、投機與中國城市房價波動[J].經濟研究，2010，（9）：67-78.

[3] 劉斌.我國DSGE模型的開發及在貨幣政策分析中的應用[J].金融研究，2008，（10）： 1-21.

[4] 梁云芳，高鐵梅.中國房地產價格波動區域差異的實證分析[J].經濟研究，2007，（8）：133-142.

[5] 沈悅，劉洪玉.住宅價格和經濟基本面：1995-2002年中國14城市的實證研究.經濟研究[J]，2004，（6）：78-86.

[6] 仝冰.貨幣、利率與資產價格——基于DSGE模型的分析和預測[D].北京，北京大學，2010.

第6篇：國內宏觀經濟分析范文

QE3的措施非常具體，免除了市場預期的諸多不確定性：美聯儲每月將購買400億美元抵押貸款支持證券，公開市場操作將從9月14日開始，預計9月購買額230億美元；將繼續延長“扭曲操作”至今年底，這與購買抵押貸款加在一起，美聯儲每月可購買長期債券850億美元，超過上一輪量化寬松時每月750億美元的購買規模。

美聯儲對購買抵押貸款支持證券未設置結束時間，并稱如果就業市場未出現重大改善，將持續執行購買計劃，并在合適時動用其他政策工具；美聯儲還宣布，將繼續維持聯邦基金利率0-0.25%的區間不變至2015年中期。

與前兩次量化寬松貨幣政策不同，QE3對購買資產對象進行了調整，將其集中在抵押貸款支持證券上，而不是像上一輪量化寬松那樣集中購買長期國債。這說明QE3更關注房地產市場，對美元國債市場的需求也比較旺盛。

美聯儲如此重大的貨幣政策選擇，自然牽一發而全球動。QE3出臺后，國際市場迅速回應了幾個標準動向：美元貶值、大宗商品價格上漲、美國股市上揚，等等。總體來看，QE3在市場預期之內，市場反應平靜。同時，日本央行已開始響應，新一輪全球性貨幣量化寬松浪潮似乎無可阻擋，這令中國貨幣決策和宏觀經濟管理者壓力頓增。

中美經濟深度交融，雖然遠隔萬里，美聯儲QE3自會顯著影響中國經濟和貨幣政策。

從總需求來看，QE3將帶來兩方面積極影響：其一，美國貨幣當局將提供更多、更便宜的美元，這會降低美元吸引力，增加人民幣吸引力，短期資本可能加速流入中國，中國央行的基礎貨幣投放可能因此上升，國內資產價格將受到正面支撐；其二，QE3帶動美國及全球需求增加，這會帶動需求曲線右移，刺激經濟增長和物價上漲。

但從總供給看，QE3帶來的負面影響更多。量化寬松可能刺激大宗商品價格上漲，進而帶動中國能源、原材料進口成本上漲。在一個標準的宏觀經濟分析框架當中，這是典型的負面供給沖擊。此前，在兩次石油危機期間，全球經濟經歷過類似沖擊，由于進口原油價格大幅上漲，日本等能源進口國的企業只有在更高的價格水平上才能維持產出水平，結果就是供給曲線左移，遏制經濟增長并刺激物價上漲。

綜合來看，QE3可能不利于中國維持經濟穩定增長。因為QE3很可能推動國際大宗商品價格上漲以及人民幣再度被動升值。在中國經濟增速明顯放緩的情況下，借助于QE3刺激需求增長并非真正利好，人民幣被動升值則會進一步加壓本已困難的中國出口。

目前，中國宏觀經濟決策者仍有不少政策手段，可以自行刺激總需求增長。中國央行也可以通過公開市場操作和降低存款準備金率，向市場投放更多貨幣，以刺激短期經濟增長。在提高總需求方面，中國這些政策手段的作用與QE3相同，區別在于：前者是中國經濟決策者可主動采取的可控措施，后者則是中國將被動接受的不可控結果。

QE3出臺以來，諸多金融研究機構的報告多強調，這會對資本市場和總需求帶來正面影響，卻對其負面影響分析不足。從短期資本市場表現看，QE3的正面效應確實如此，但從維護宏觀經濟穩定的角度看，則當另論。除非有充分的證據表明，宏觀經濟管理部門在維持總需求方面做得不夠，否則就不應當視被動接受QE3刺激總需求增長為利好。

這一輪經濟增速放緩過程中，中國貨幣當局在刺激需求方面比較審慎，并未大幅度放松貨幣政策，應當是吸取了上一輪經濟刺激政策幅度過大的教訓，總體上是理性的。

應當看到，QE3對中國和全球經濟可能帶來的其他不利影響。比如，QE3將繼續侵蝕中國外匯儲備的購買力價值。美國一連串量化寬松貨幣政策的后果，就是美元在全球的真實購買力縮水。而中國恰恰持有大量美元外匯儲備資產，其購買力自然會隨美元的真實購買力縮水而縮水，這對中國外儲管理勢必帶來新的壓力和挑戰。

第7篇：國內宏觀經濟分析范文

內容摘要：本文以金融穩定為研究目標，以資產價格波動為研究著眼點，分析了資產價格過度波動引發金融不穩定的特征。本文在進行相關理論和數理分析的基礎上，通過大量實證數據和實證分析來反應實際問題。為了檢驗資產價格波動與銀行體系穩定性，本文收集和選取大量的中國的時間序列數據，并利用eviews、spss等研究工具檢驗了相關變量之間的影響效果，并結合實證分析的結果，提出相關的結論和對策建議。

關鍵詞：銀行體系穩定性 資產價格波動 因子分析 回歸分析

引言

資產價格的大幅波動會對一國宏觀經濟和銀行體系穩定帶來巨大的影響，為了反映銀行體系的穩定性，學者們研究了一系列的測度方法，其中主要有：個體到總體分析法、總量分析法和宏觀經濟分析法。de nicolo（2000）通過考察銀行虧損（利潤是負的）超過銀行股本（凈資產）的概率來測度銀行穩定性，如果銀行凈資產無法抵補虧損的概率增加，銀行的不穩定增強。總量分析法則通過對經濟或金融總量等進行分析。銀行體系在某一時期是否處于穩定狀態可以直接通過銀行內部的一些基本指標反映出來，所以一些學者通過選取能夠反映銀行穩定性的指標，來構建一個合成指數來監控和反映銀行的穩定性。宏觀經濟分析法則將宏觀經濟狀況指標和金融穩定性指標相結合來對銀行體系的穩定性進行測度。如伍志文（2002）選擇了城鄉儲蓄存款變化率、銀行對非政府部門貸款增長率、cpi指數等三個指標作為核心指標，再利用cmaxt指數法，并考慮宏觀變量如gdp、固定資產投資、居民消費等，從銀行部門和實體經濟部門兩個層面來測度銀行體系的穩定性。

還有一些學者采用因子分析法來提取各個分量指標的權重來構建穩定性指數。如萬曉莉（2008）選取中央銀行對其他銀行機構貸款/國內信貸量、m2/儲蓄存款、國內貸款/儲蓄存款、真實信貸增長率、銀行機構（除央行）真實外債增長率等五個分量指標。本文參考有關學者關于利用因子分析法分析銀行業穩定性的方法進行分析研究，進而評估出其穩定性，并討論資產價格波動對銀行穩定性的影響。

理論模型

本文采用aykut kibiritciogtu（2002）構建的反映銀行體系穩定性的bsf月度指數，用來監測和預警的銀行體系的穩定性。bsf月度指數選取的三個主要指標是：銀行存款（bd）、銀行對非政府部門的貸款（bp）和銀行的外幣負債（bf），用它們分別來代表銀行的流動性風險、信貸風險和匯率風險的變動，并將這三個指標月度數據合成一個指數，來代表銀行部門不穩定程度的變化。三個指標的合成公式為：

（1）

與aykutkibiritcioglu（2002）的研究方法不同的是，本文不是根據（1）式對分量指標進行簡單的相加，而是采用因子分析法，來確定不同分量指標的權重。具體表達式為：

（2）

其中yi為上述六個分量指標（xi，i=l，2，...，n）的同比增長率，即：

（3）

ρi為各個分量指標對應的權重，μi和σi分別是六個分量指標各自的均值和標準差。權重ρi的測度采用因子分析法，以因子分析中各個成分所解釋的方差占總方差的百分比作為權重，來構建中國銀行體系穩定性月度指標。

對中國銀行體系穩定性的測度

（一） 樣本選擇和數據選取

本文選取六個指標：銀行存款（bd）、銀行對非政府部門的貸款（bp）、銀行的外幣負債（bf）、中央銀行對存款貨幣銀行貸款（bc）、儲蓄存款/m2（dm）、貸款/存款（ld），作為衡量中國銀行體系穩定性的分量指標。該六個指標的數據均為月度數據，數據年限為2001年1月至2011年12月，數據來源于中國人民銀行網站。

圖1為銀行存款bd、銀行對非政府部門的貸款bp和銀行體系外匯負債bf同比增長率的走勢圖。通過圖1可以看到，銀行存款增長率bd和銀行對非政府部門的貸款增長率bp指標的走勢有很強的共線性，因此在建立穩定性指數時，我們剔除銀行體系外匯負債增長率指標，采用其他五個指標來構建銀行體系的穩定性指數。利用上述方法進行測算得到中國銀行體系穩定性指數bsf。

（二）銀行業穩定性指數的測度

利用spss軟件對銀行存款（bd）、銀行外幣負債（bf）、中央銀行對存款貨幣銀行貸款（bc）、儲蓄存款/m2（dm）、貸款/存款（ld）五個變量進行因子分析，五個變量所解釋的方差占總方差的百分比分別是39.122%，26.032%，20.718%，8.158%和5.970%。因此，我們可以得到bd、bf、cl、dm和ld的權重分別是39.122%，26.032%，20.718%，8.158%和5.970%。根據所得的各個變量的權重值，加權得到銀行業穩定性指數月度指標，如圖2所示。

實證檢驗

為研究中國的資產價格，我們選擇上證綜合指數（收盤）來代表股票價格，選取中房上海住宅指數來代表房地產價格。同時，選擇了宏觀經濟方面的控制變量，包括gdp增長率及居民消費價格指數。其中考慮到月度數據的可獲取性，選取工業增加值增長率作為gdp增長率的替代變量。

根據上述指標變量的選擇，我們將實證分析的模型設定為：

bsfi=β0+β1lnhpi+β2lnspi+β3lncpii +β4lngyi+μi （4）

其中，bsfi ：為銀行體系穩定性指數，hpi：為中房上海住宅指數增長率，spi：為上證綜合指數增長率，cpii：為居民消費價格指數，gyi：為工業增加值增長率，βi為回歸系數，μi為隨機誤差項。本文利用eviews6.0，通過對上述模型進行多元線性回歸方程估計，得到下列回歸模型：

bsfi=-64.4819+0.7614lnhpi-0.7428lnspi

+5.4963lncpii+8.2263lngyi （5）

回歸估計結果如表1所示。

在表1中我們得知，擬合優度r2為

0.5813，說明模型跟樣本擬合度還需進一步提高。

f統計量為18.0300，給定的顯著性水平α=0.05，自由度為k-1=4 和n-k=127的臨界值fα（4，127）=2.37 小于由eviews得出的f檢驗值18.0300，應拒絕原假設h0，說明回歸方程顯著，即方程中所選解釋變量確實對銀行業穩定性有顯著影響。

（一）多重共線性檢驗

利用相關系數可以分析解釋變量之間的兩兩相關情況。在eviews軟件中得到相關系數矩陣，如表2所示。由相關系數矩陣可以看出，各解釋變量之間的相關性較小。同時，t檢驗中查t分布表自由度為127的臨界值為1.645，由eviews數據可得，hp、sp、cpi及gy對應的t統計量分別為2.6699、-6.6186、3.3122及6.2823，其絕對值均大于1.66，這說明上述解釋變量分別都應當拒絕h0，也就是說，當其他解釋變量不變

的時候，中房價格指數、上證綜合指數、工業增加值及通貨膨脹率對銀行業穩定性均有顯著影響。

（二）異方差性檢驗

為了檢驗隨機誤差項是否存在異方差，對所建模型進行white檢驗。經過檢驗，eviews計算得出的結果得nr2=10.699，由white檢驗知在α=0.025的置信水平下，分布的臨界值.025（4）=11.14，因為nr2<.025（4）=11.14，所以不拒絕原假設，表明模型方程不存在異方差性。

（三）序列相關性檢驗

由表1得d.w.值為0.4552，查durbin-watson表，n=132，解釋變量的個數為4，得下限臨界值dl=1.61，上限臨界值du=1.74，0

結論

本文從中國銀行體系穩定性指數走勢圖可以發現2008年受國際金融危機沖擊，我國銀行業穩定性有所下降，在2007年美國次貸危機爆發前我國銀行業穩定性指數就已經了有下降趨勢，證明市場信息能夠對銀行危機的產生起到一定的預警作用。

為了進一步的分析資產價格波動對銀行體系穩定性的影響，本文進行了多元回歸分析，得到的主要結論是：資產價格波動以及宏觀經濟因素，對中國銀行體系的穩定性有顯著的影響。本文實證結果表明資產價格的波動走勢和銀行體系穩定性指數的走勢表現出一定的相關性，在銀行體系風險的防范中應充分考慮資產價格波動的因素這一結論作出一定的證實。房地產價格上漲對銀行業穩定性顯著為正，而股票價格上漲對銀行業穩定性顯著為負。這主要是因為我國股票市場成立時間較短，市場交易機制不夠完善，投資者不夠成熟，影響了股票市場的有效性，進而影響本文的結論。同時，宏觀經濟增長因素對銀行業穩定性的影響也顯著為正，說明穩定的經濟增長對銀行體系的穩定也是有利的。

參考文獻：

1.卡爾·約翰·林捷瑞恩等.銀行穩健經營與宏觀經濟政策[m].中國金融出版社，1997

2.張桂霞.關于銀行體系穩定性的研究綜述[j].江蘇社會科學，2007（2）

3.de nicolo， g size . charter value and risk in banking： an international perspective[r] . board of governors of the federal reserve system（u.s.）， international finance discussion papers，2000，no 689

4.伍志文.中國銀行體系脆弱性狀況及其成因實證分析（1978～2000）[j].金融研究，2002（12）

5.萬曉莉.中國1987-2006年金融體系脆弱性的判斷與測度[j].金融研究，2008（6）

第8篇：國內宏觀經濟分析范文

預期是人們對未來的看法和期望，是一種主觀的東西。然而，如果很多人的主觀傾向是大體一致的，那就比較接近客觀現實了。經濟學意義上的預期，是指經濟主體根據掌握的信息，對未來經濟環境和條件進行的估計。預期在經濟生活中具有至關重要的作用，這是因為，它影響著經濟行為。

經濟學將預期分為適應性預期和理性預期。前者是指人們對新近的經驗作出反應和相適應的預期；后者是指人們基于對經濟結構的理解，并充分利用所有可以得到的有關經濟信息的預期。通脹預期，既可能是適應性預期，也可能是理性預期，它是人們對未來通貨膨脹率的心理承受狀況。這一心理感知可以基于對過去的經驗，更主要的是對未來的期望。一般而言，在今天的宏觀經濟分析中，人們所說的通脹預期，或者說要管理的通脹預期，主要是指理性預期。

為什么要管理預期?用前香港金融管理局總裁任志剛的話說，其“目的是要將突發壞消息造成的不利影響減至最小，以及將突發好消息帶來的有利影響增至最大”。為什么要管理通脹預期?道理也很簡單，這是因為。通脹一旦形成，將產生對經濟和社會的危害。經濟學家認為，通脹是“對市場機制的破壞”，這種破壞首先會造成對資源配置的錯誤引導；其次，將引起對低收入者更為不利的再分配，加劇社會的貧富差距；再次，通脹無法在長期內解決失業問題，并可能孕育新的通縮。

今年我國第三季度宏觀經濟數據顯示，前三季度實現GDP(國內生產總值)217817億元，按可比價格計算，同比增長7.7％；第三季度GDP與去年同期相比，增長8.9％。這說明，我國宏觀經濟企穩回升的勢頭逐步增強，總體形勢積極向好。但是，未來是否會出現通脹，政府將如何應對未來可能出現的通脹風險，成為新的社會關注焦點。因此，管理通脹預期也成為新的任務。

管理通脹預期的目標，是平滑價格總水平的波動，避免通脹和通縮的交替出現，使經濟運行的環境盡可能穩定，以及避免因預期而產生恐慌性的群體。例如，購買不動產以應對可能到來的通脹等。我們知道，現實經濟環境總是具有不確定性，因此，要利用各種經驗研究的數據和結論，分析當下的經濟運行，對通脹抑或通縮的可能性作出判斷，進而采取有針對性的措施，合理引導通脹預期，以及避免因通脹預期產生的非理，以達到管理通脹預期的目標。

當然，管理通脹預期并不是那么容易的。困難主要在哪里?首先，需要有一個比較真實的通脹測定標準，從而在經濟運行發生變化時，可以準確地確定是否存在通貨膨脹及其嚴重程度。現在主要以CPI(消費者價格指數)作為觀測通脹的指標，是不夠全面的。要綜合CPI、PPI(生產者物價指數)、GDP平減指數和貨幣供應量增長率等指標，確定通貨膨脹的測定標準，使這個標準比較確切地反映現實經濟生活中的價格水平變化，并反映現實的通貨膨脹形成機制。

第9篇：國內宏觀經濟分析范文

關鍵詞：跨國公司 國際法主體地位 可行性

一、全球經濟復蘇勢頭趨緩，有效需求增長放緩

受制于內生經濟增長動力缺乏，全球經濟不均衡復蘇，發達國家債務危機和財政壓力等不利因素影響，2010年全球主要經濟體GDP增速較上年放緩，顯示出復蘇乏力的跡象和信號。2011年，國際金融危機的深層次影響仍未完全消除，世界經濟難以進入穩步增長的良性循環，系統性和結構性風險依然較為突出。美國經濟復蘇動力依然不足，失業率居高不下，房地產依舊低迷，銀行放貸能力尚未復蘇，以消費為主導的美國經濟尚未有實質性好轉。歐洲債務危機時有爆發，對本來疲弱的經濟復蘇無疑是雪上加霜。在財政重建和刺激經濟的“二難選擇”中，歐洲經濟很難較快恢復到危機前水平。日本經濟在對美國和中國的雙重依賴中有所恢復，但其受外部影響較大，未來仍有不確定性。印度、巴西等新興經濟體盡管回升勢頭較好，但在發達經濟體整體增長疲軟的情況下，高增長能否持續存在較大變數。總體而言，2011年世界經濟將由前期超常規政策刺激下的恢復性反彈轉向平穩甚至低速增長階段，我國經濟發展面臨的外部環境依然較緊。

作為“十二五”的開局之年，2011年中國經濟將繼續保持增長動力，但在外需乏力。貨幣政策收緊和經濟活動調整等因素的影響下，拉動社會總需求的“三駕馬車”――投資、消費和凈出口增速將有所放緩。

就投資需求而言，2011年既有促進投資增長的有利因素，也有不利因素，總體上投資增長將小幅放緩。有利因素主要包括：各地區在“十二五”規劃開局之年的投資熱情高漲；“新非公36條”等政策促進民間投資。不利因素主要是2009年為應對危機出臺的刺激性政策逐步淡出；公共基礎設施的投資拉動效應逐年衰減；房地產調控政策趨于嚴厲；財政支出重在結構調整，政策向保障民生領域轉向。2011年全社會固定資產投資增速將在2010年回落的基礎上繼續小幅下降，對經濟增長貢獻度減弱。

二、固定資產投資增速或將企穩，外貿形勢不容樂觀

2010年中國對外貿易呈現高增長趨勢。1-11月全國出口名義增長33.3%，進口增長40.3%，而去年同期則分別是同比下降18.9%和15.7%，2010年出口高增長的主要原因有：意識世界經濟復蘇，外部環境好于去年；二是2009年出口增長為負19%，出現低基數效應；三是穩定出口政策繼續顯效。

2011年，美國、歐洲、日本等我國主要貿易伙伴的進口需求增長緩慢，發達經濟體貿易保護注意趨勢嚴重，人民幣升值預期、勞動力等要素成本上升使出口產品的價格競爭力降低，我國對外貿易條件有所惡化，同時受上半年基數太高等因素影響，預計外貿進出口增長速度比2010年將有所放緩，貿易順差也將減少，出口對經濟增長的貢獻度有所削弱。

北非中東局勢不穩，日本地震危害影響短期難以消除，人民幣升值的預期不斷提升，貿易摩擦增加，國內勞動力成本快速上漲，這些因素導致出口增速放緩。生產商寧愿更多向本土市場供貨，而對歐、美等發達國家的出口明顯減少。許多國家采購商都認為今后中國工人工資將會大幅上漲，產能勢必將會被壓縮。從去年末開始已經有生產廠家出現供貨推遲現象。相對于出口大幅下滑，對美歐的進口增速基本穩定，機電產品進口占比最大的日本呈現下降趨勢，資源類進口穩步增長。總體來看，2季度外貿增速回落已成定局，貿易順差仍將繼續下滑。

三、物價水平居高不下，通脹壓力明顯上升

2010年全國消費物價水平不斷走高，CPI由1月份的1.5%逐月回升到11月份的5.1%，達到28個月以來最高。預計2011年物價總水平（CPI）增長呈小幅回落的態勢，且前高后低。總體看，導致物價下行的因素增多增強，導致物價上行的因素減少減弱，預計全年CPI增長2.5%左右。推動2011年物價上漲的因素主要有三個。一是農產品價格上漲壓力依然很大，一方面來自于二元經濟結構的調整，另一方面來自于國際糧價震蕩和上漲在國內的傳導。二是要素價格上升，成本推動型通脹成為主要形式，特別是勞動力結構性矛盾突出，勞動力成本繼續上升已成定勢。三是人民幣升值預期推動國際資本流入增加。與此同時，2011年經濟增速將比2010年有所放緩，產出缺口縮窄，有利于堅強通脹的壓力。趨緊的貨幣政策將逐步回收過剩的流動性，貨幣供應增長逐步回歸常態，對通脹壓力也有減緩的作用。

受經濟運行慣性影響，2011年上半年CPI漲幅仍處于高位，5月份CPI同比上漲5.5%，創34個月新高。隨著各項調控政策的逐步到位，下半年CPI漲幅將出現回落,全年通脹走勢前高后低，呈現見此回落的態勢。

四、大宗商品價格高位運行，整體維持上漲局面

2010年國際大宗商品市場延續著2009年以來的上升勢頭，但速度明顯放緩，波動性加大，主要大宗商品價格回到了2008國際金融危機爆發時的水平。2011年惡劣的氣候表現將導致北美、歐洲、南美等主要農業產區普遍歉收，使農產品供給減少。主要金屬及礦產則受新興經濟體增長強勁的影響，需求將進一步走高。同時美國等發達國家寬松的貨幣政策在不斷地為大宗商品價格上漲輸送資金動力。隨著經濟復蘇和通脹蔓延，2011年主要大宗商品價格預計將維持上揚趨勢，但全球經濟的總體復蘇態勢尚不足以支撐持續大幅上漲，其間可能出現較大幅度波動。值得注意的是，由于大宗商品的金融屬性越來越占據了主導地位，主要國家也加大對市場投機的打擊力度，在多重復合因素作用下，大宗商品短期價格走勢判斷難度將進一步加大。

五、 經濟政策以緊為主，由寬松型向穩健型轉變

貨幣政策取向在上半年以緊為主,2季度往后,政策調控的頻度將有所下降,以尋求抑制通脹和維護增長之間的平衡。中央經濟工作會議提出，2011年宏觀經濟政策的基本取向要積極穩健、審慎靈活，重點是更加積極穩妥地處理好保持經濟平穩較快發展、調整經濟結構、管理通脹預期的關系，加快推進經濟結構戰略性調整，把穩定價格總水平放在更加突出的位置，切實增強經濟發展的協調性、可持續性和內生動力。2011年宏觀經濟政策的重點是抑泡沫、控投資、調結構、強民生。央行去年10月以來實施了包括加息和上調準備金率等一系列緊縮性措施，以回收過分充裕的銀行體系流動性，取得比較明顯的效果。中長期來看，由于阿拉伯世界政治動蕩，日本地震后重建需求的支撐，中國仍然持續面臨輸入型通脹的壓力。

參考文獻：

[1] 王小廣《2011年上半年中國宏觀經濟形勢展望》，時事報告中心組學子專刊2011年04月

[2] 《2011年上半年宏觀經濟及政策:通脹形勢主導預期變化》平安證券，2011年2月