近年来,越来越多的投资组合、资产定价、风险价值和期权估值模型开始强调资产收益的非对称性,将偏度纳入资产收益建模日益流行。大量研究表明,资产收益分布具有非对称性,且分布的偏度和峰度具有明显的时变特征[1]。因此,研究偏度风险,尤其是时变的偏度风险对于维持金融市场稳定发展尤为重要。本文对比了基于各对称分布的GARCH模型与基于不同非对称分布的GARCHSK模型,通过DM检验,发现基于Gram-Charlier扩展序列的GARCHSK模型对于收益率序列高阶矩的描述效果最佳,并在此基础上得出沪深股市日度偏度数据。经济学研究的核心问题是信心与预期。金融市场不景气会直接影响人们的期望,导致国民对未来经济的发展缺乏信心与合理的预期。股市作为宏观经济的“晴雨表”,其表现对国民经济,尤其是消费者信心的影响十分巨大,因此讨论股市偏度风险对宏观经济的影响十分必要。在将股市偏度风险用于宏观经济模型时,传统宏观计量模型需要利用加总或插值等方法将混频数据统一到同频数据再应用于宏观经济模型中,而混频数据模型是直接利用混频数据构建模型,避免了因数据加总或插值导致的信息损失和人为信息的虚增,充分利用了现有高频数据的信息,改进了宏观计量模型估计的有效性和预测的精度[2]。因此本文采用时下流行的MIDAS回归进一步探讨股市偏度风险对我国宏观经济的影响。通过与低频OLS回归的分析比较,发现MIDAS回归更精确的描述了沪深股市与宏观经济的相关性。研究发现,股市偏度风险加剧了通货膨胀,降低了社会消费增长,从而抑制了经济增长,同时导致外汇市场上人民币本币汇率上升,不利于外汇市场健康稳定发展。