2. 5数据平稳性检验
本文运用ADF法对各变量进行单位根检验，检验结果见表1.
从表1可以看到，上证综合指数月收益率 （sr） 以及货币供应量 （M2）、利率 （r） 和印花税率 （sd） 序列都是平稳序列。
2. 6协整检验
为了解释各变量间是否存在长期的均衡关系，需要对各变量进行协整检验。本文的模型 分析中有4个变量，因此采用JJ检验方法，对sr、M2、r、sd分别进行协整检验，检验结果见 表2.
从表2可以得出：M2、r、sd与sr之间存在长期均衡关系，并且至少存在一个反映各变量 间关系的协整方程。
2. 7 ARCH效应检验
2. 7. 1滞后阶数的选择
从图4可以看到，自相关图和偏相关图都具有拖尾和一阶单峰特征，这表明可以建立ARMA （1,1） 模型； 同时，滞后多阶的自相关系数和偏自相关系数相对较大，这又表明可以建立 ARMA（3,3） 模型。通过模型的回归结果得到，只有ARMA（1,1） 模型的自回归项和移动平 均项系数是统计显着的，因此选择ARMA（1,1） 模型进行实证研究。即GARCH模型中的均值方 程 （1） 可以更确切地表示为：srt=c1+ φ1srt -1+ γ1εt -1+ εt.检验结果见表3.
2. 7. 2 ARCH - LM检验
前面的描述性统计表明，上证综合指数月收益率序列不服从正态分布，其波动存在集群 性特征。利用ARCH - LM检验方法进一步检验残差序列中的自回归条件异方差特性，检验结果 见表4.
表4表明，在5%水平下拒绝不存在异方差的原假设，即式srt= c1+ φ1srt -1+ γ1εt -1+ εt的回归残差存在ARCH效应，故采用ARCH类模型进行实证研究具有合理性。
2. 8模型选择
对不同的ARCH类模型进行回归，比较AIC值以及各统计量的显着性，GARCH（1,2） 系数 显着性最好的条件下具有最小的AIC值。基于上述分析，可以建立如下模型：
srt= c1+ φ1srt -1+ γ1εt -1+ εt
εt= ut√ht
ht= k + α1ε2t -1+ β1ht -1+ β2ht -2+ ζ1M2t -1+ ζ2rt -1+ ζ3sdt -1
2. 9实证结果
利用上述实证模型，可以得到表5.
3 实证结论及分析、建议
通过实证分析可以得出，在国家利用宏观经济政策调控市场时，其利率和印花税率的调 整对股市产生显着影响 （ 在5%水平上显着） ,而货币供应量的变动对股市波动的影响并不 显着。随着我国经济的增长，M2一直处于不断上升的趋势，且较均匀的变动。虽然货币供给 量的提高可以刺激股市，但是微小的变动幅度不足以改变股市的波动趋势，因此货币供给量 的变动影响不显着。利率和印花税率进行了有限次数的调整，利率的提高会导致股票价格波 动显着减小。当利率提高时，投资者获取资金的成本提高，因此部分风险规避者选择将资金 存入银行以获得较高的无风险收益，不少投资者会将进入股市的资金收回，使得股市的资金 量减少，股票价格的波动性也随之减小。当利率降低时，获取资金成本的降低会使大量资金 投入股市，股市货币数量增多，股票价格的波动性也就增大。理论上，当股市剧烈上涨时， 可以通过上调印花税率来遏制其上涨； 急剧下跌时可以通过下调印花税率来推动其上涨。但 实际中随着印花税改为单边征收，印花税率的提高意味着卖出股票时成本提高，出于谨慎操 作卖出有所减少股价可能上升。另外2007年5月30日大幅上调印花税后，中国股市在印花税上 调后的首日下跌6. 5%,但是不久重新步入升势，直到10月中旬创历史新高；2008年4月24日下 调印花税，上证指数在短暂上升后，在当年11月初跌幅过半。产生这种现象的主要原因是中 国股市存在许多的噪声交易者，他们更看重于股市上涨期间的预期收益和股市下跌期间的损 失情况，而忽视了印花税率调整所造成的成本增加和减少，而印花税率都是顺应市场情况而 变动，因此印花税率的变化对股票价格波动性产生显着的正向影响。
基于本文的研究结果，提出以下政策建议： 一是合理制定宏观经济政策，提出符合中国 股市的发展状况的政策，以提高调控股市的效率，保障股市稳定、持续的发展； 二是建立和 完善股市信用交易制度，减小噪声交易者对股票价格波动的影响，使得股票价格能够充分反 映真实信息，提高股市的有效性。
参考文献：
[1] 陈其安，张媛，刘星。宏观经济环境、政府调控政策与股市波动性---来自中国股市 的经验证据 [J].经济学家，2010（2） :90- 98.
[2] 肖珑。政策性因素对中国股价波动的影响研究 [D].湘潭：湘潭大学，2006.
[3] 吴淑娥，仲伟周，黄振雷，等。货币政策对股票价格的非对称性影响---基于熊、牛 市不同市场态势下的实证分析 [J].广东金融学院学报，2012（3） :53 - 63.
[4] 张媛。政府调控政策对中国股市影响的实证研究 [D].重庆： 重庆大学，2010.
[5] 赵莉。基于GARCH模型的沪深300指数收益率波动性分析[D].成都： 成都理工大学， 2012.
