商品价格和资产价格作为经济价格体系的两个重要组成部分，前者纳入宏观经济稳定四大目标之一，而资产价格因为近几年剧烈的波动性增加对实体经济运行的风险才引起了政策制定者的重视。严格意义上讲，资产价格应该指的是包括虚拟的金融资产如股票债券，房地产，黄金等一揽子资产的加权平均价格，但从实务和理论研究上，一般以股票价格指数作为资产价格的替代变量，随着虚拟经济的发展，其与实体经济的对应关系越来越强，股票价格能够更好的代替实物资产的价格。　　长期以来，以股票价格调控，降低股票价格波动性为着眼点的研究均以整体的股票价格指数作为因变量，用宏观或微观的因素作为自变量对其加以解释，并提出调控的方案。这些研究的方法应该说是卓有成效的，但无法回避一个问题:对自变量和因变量之间的作用传导机制模糊不清。　　本文试图提供一个中观的视角，分析宏观因素对股票价格的影响机制。具体的研究方法是从股票行业指数入手，分析一揽子宏观因素对不同行业指数的影响程度和弹性系数，从而分离出影响不同行业的宏观核心驱动因素。由于整体股票价格的波动，每次都由不同的行业板块驱动形成，那么调控股价最好的方式是找出驱动的行业板块，并采用对该行业股票指数最敏感最有效的宏观工具，进行精准打击，既保证了政策的有效性，又避免了原来一刀切的调控方式所带来的负面效果。　　本文从中国的实际数据出发，试图探究分析中国行业股票指数价格背后宏观因素，及其对行业股指的作用机制。本文将宏观因素分为两大类，一类为虚拟经济因素，一类为实体经济因素。前者主要包括货币量、信贷量和利率，后者主要包括消费、投资和出口。文章的数据期间从1994年到2010年，数据频率为月度。文章首先对核心变量的重要统计特性进行了简要描述，并对数据结构的异常提出初步解释，之后从时序角度检验上证综指数的自回归特征，研究发现，上证综指的月度数据不存在自相关性，而分时数据存在滞后两期的自相关性，用ARMA(2，2)模型能够很好描述其特征。在此基础上，用Wind十个行业指数替代上证综指，分别对行业指数和宏观解释变量进行单位根检验，为后续的回归分析做准备。通过控制变量法，在货币供应量、信贷量和利率三组指标中筛选出了对各个行业影响显著的变量，与实体经济的三个指标结合起来得到最优的回归模型，并对自变量和因变量的长期协整关系的存在性进行了检验。在此基础上，建立短期误差修正模型以捕捉宏观经济变量与行业指数的动态指数。　　最后根据研究的结论提出了应该按照各个行业的特性选择合适的宏观调控工具，加强政策的有效性和针对性，并慎用利率政策。