论文部分内容阅读
金融市场波动率是现代金融理论,特别是资产定价和风险管理领域最重要的参考因素,它在投资者制定投资策略、进行风险管理以及金融监管部门进行金融监管等方面发挥着至关重要的作用。股票市场作为最重要的金融市场之一,对促进国民经济健康发展和世界经济一体化影响巨大,并且具有为企业筹集资金、转换企业经营制度、优化资源配置、分散风险、调节宏观经济及作为经济晴雨表等重要功能,显著影响着我国经济的发展与社会的稳定。在此背景下,有效防范风险,保证股市的安全稳定运行尤为关键。而准确刻画股市波动是有效防范风险的前提,深刻理解股市波动及波动溢出效应的相关特征及影响因素对保证我国股市健康平稳发展至关重要。波动率的研究始于上世纪60年代,早期研究主要从纯时间序列角度对波动率和波动溢出进行准确估计、刻画及性质的讨论,涌现了大量波动率模型,奠定了波动率建模的基础,比如ARCH、GARCH及各种扩展模型,SV模型,高频已实现波动率建模等等。在此基础上,学者进一步探寻股市波动的影响根源,特别是股市波动和宏观经济间的相关性,国内常用VAR、协整、VECM和格兰杰因果检验等方法研究股票市场与宏观经济变量间的协整和相关关系。但是,上述研究在数据信息使用效率上存在一些不足:首先是高频金融数据(日、分钟等)和低频宏观数据(月、季度等)频率的不匹配,在讨论股市波动与宏观经济关系时,传统同频建模方法常常损失高频数据的有效信息,容易造成模型误设及估计偏差等缺陷。其次对于季度GDP信息,常常因为其频率太低而直接弃之不用,但显而易见GDP包含重要的宏观经济信息,忽视GDP信息造成研究结果不全面、不充分。第三,对于低频历史波动率的刻画,利用的信息不充分,应进一步考虑加入高频数据信息提高其预测精度。最后,股市波动率及波动溢出的长期成分和短期成分的影响源不同,且宏观经济变量在股市长期波动(相关)成分识别、长期风险测度等方面具有很重要的影响作用,因而在刻画股市波动率(动态相关系数)时,要考虑将其进行分解,提取出长期成分,也要引入宏观经济变量信息,提高股市波动率(相关)预测精度,并探讨宏观经济变量对长期波动率(相关)的影响效应。为此,为了弥补这些不足,更有效利用数据信息,本文采用混频模型思想来阐述不同频率数据直接建模的计量方法,以期取得更为科学的数据结论。混频模型是近十多年发展并完善的一类将不同频率数据直接建模的计量方法,可以充分利用混频数据信息,提高估计及预测精度,在国内经济金融领域的应用还在起步和探索阶段。因此,本文以股市波动及波动溢出的刻画为切入点,基于混合频率数据,运用计量统计方法对我国股市波动及波动效应展开深入研究,为我国股市波动特征提供理论和实践基础,协助政府建立完善的系统性风险监管体系,协助投资人更加理性分析研判市场趋势,优化投资组合,降低市场风险。具体来说,本文基于日、月、季度混频数据,采用混频模型思想,研究如何充分利用所有可得信息改进现有结果,在准确估计和预测股市波动率和动态相关系数基础上,围绕股市波动效应三方面问题展开研究:⑴利用高频信息提高股市低频(月、周)波动率预测精度并在此基础上研究股市低频波动与收益的关系;⑵利用低频(宏观变量)信息提高股市高频(日)波动率及波动溢出的预测精度并考虑其分解效应;⑶探讨股市波动及波动溢出的宏观经济影响根源,特别关注GDP的重要作用。对股市波动效应从自身到其他,从一元到多元,从波动率刻画到经济影响根源,全方位解读了股票市场波动效应的各个方面,对于金融监管当局和市场投资者有重要的参考价值和借鉴意义。本文完成的主要工作及其结论如下:一、利用高频信息提高股市低频波动率预测精度并探讨我国股市月(周)风险(波动)与收益权衡关系,即混频ICAPM检验。以往研究采用GARCH-M族模型或已实现波动率,其研究结论不统一,根源在于波动率刻画不够精确。借助GARCH-M思想及考虑波动非对称性,本文构造了非对称指数Almon-MIDAS-M模型,利用混频滤波将日收益信息并入月(周)波动率,提高了波动率预测精度,改进了ICAPM模型检验结果。研究发现:⑴高频信息有助于提高低频波动率估计及预测精度,非对称MIDAS已实现波动率优于标准MIDAS及GARCH滤波波动率;⑵混频ICAPM检验证实风险溢价系数为正,表明我国投资者具有风险规避特征;⑶深市风险收益显著正相关,而沪市不显著,表明深市风险略高于沪市;⑷我国股市实际滞后期比欧美股市短,表明我国股市收益率信息含量衰减较快,稳定性较差。二、利用低频(宏观经济)信息改进高频股市波动率预测精度、探讨股市波动率分解及其宏观经济根源,这是上述第⑵、⑶问题的一元部分。针对信息利用不充分,GDP指标遗漏等不足,综合使用股市日收益率、月波动率,及月度CPI、M1、利率、消费、投资、外汇占款、汇率以及季度GDP信息,改进现有结果。具体分为三个章节阐述:在本文第4章讨论低频宏观信息对低频波动率的影响,采用结构化方法,混合月度及季度数据构造贝叶斯混频向量自回归(BMF-VAR)模型,给出其参数估计及脉冲响应图,探讨其经济意义,并比较混频与同频模型的优劣。在第5章讨论低频宏观信息对高频波动率的影响,采用混频波动率(GARCH-MIDAS)模型,将日度股市收益率与月度宏观经济(月度GDP由第4章估计)增长率或波动率共同建模,引入宏观低频因子,并提取出长期波动率,研究宏观经济变量对股市日度波动率长期成分的影响效应,分析其系数显著性及经济意义,并进行预测精度比较。在第6章,采用PCA法将混频宏观变量信息合成月度综合经济指标,改进了现有景气一致指数没有包含季度GDP、通胀以及货币政策信息的不足,基于GARCH-MIDAS模型,探讨整体宏观经济环境对股市波动率的影响。研究发现:⑴首先低频宏观信息有助于改进高频波动率预测精度,GARCH-MIDAS模型在样本内拟合和样本外预测方面优于传统GARCH模型,混频BMF-VAR模型优于季度低频VAR模型;⑵其次,各宏观经济因素对我国股票市场波动率有不同程度的解释能力,其中GDP和CPI是最重要的两个因素,货币流动性的影响也不能忽视;⑶GDP波动对股市波动有正向影响,良好稳定的经济环境有助于稳定市场预期,提升市场信心,降低股市波动,我国总体上符合这一趋势,但不如欧美市场表现稳定;⑷CPI、外汇占款、利率和M1增长及波动对股市波动有正向影响,通胀或其预期都会影响投资者决策,实体经济的通货膨胀会蔓延到资本市场,从而引起资本市场更大幅度的波动,而货币流动性频繁变动会促使股市波动增加;⑸宏观经济基本面波动对股市波动有正向影响,再次证明稳定的经济环境是股市平稳的基础。三、基于混频数据探讨沪深港股市间的波动溢出分解及其宏观经济根源,从一元扩展到多元。在本文第7章基于日度和月度混频数据,利用DCC-MIDAS模型将内地与香港股市动态条件相关进行分解,提取出长期动态相关趋势,探讨其日度动态相关长期成分的宏观经济影响根源。研究发现:⑴DCC-MIDAS模型优于DCC模型;⑵沪深港股市间的相关性存在时变性,随着我国加入WTO及QFII、QDII制度相继出台,我国内地与香港股市的联动性及动态相关系数呈上升趋势,但最近的“沪港通”政策并没有显著改变其相关性;⑶长期动态相关的波动幅度要小于短期,内地紧缩性货币政策促使长期动态相关增强;⑷通胀或通胀预期的上升或频繁变动促使内地与香港股市联动性增加;GDP、投资等反映实体经济环境的变量增长率对其联动性有正向影响,而波动率呈现负向影响,表明内地经济环境总体向好且发展平稳时,会促使内地与香港长期联动性增加;⑸沪港和深港的情况基本一致,反映了沪深两市联系的紧密性。本文的创新点主要体现在如下三个方面:1.本文在传统使用GARCH-M族模型讨论ICAPM模型基础上,引入了混频模型思想,利用混频MIDAS滤波并入高频日收益率信息构造出混频已实现波动率并作了适合国内的调整,再进一步考虑股市的非对称特征,构造了非对称指数Almon权重混频已实现波动率,较之GARCH滤波波动率提高了拟合效率。借助GARCH-M模型思想建立的非对称指数Almon-MIDAS-M模型能改进对ICAPM模型的检验效果。2.本文在GARCH和DCC方法基础上,引入混频滤波和成分波动率模型分解思想,利用MIDAS滤波将低频已实现波动率或相关系数作为低频因子并入GARCH或者DCC模型,构造GARCH-MIDAS及DCC-MIDAS模型,其优势在于将股市波动率(相关系数)分解为短期成分和长期成分,且能利用MIDAS滤波将宏观经济变量作为低频因子并入长期成分,通过增加低频(宏观变量)信息提高了高频股市波动率在样本内拟合和样本外预测的精度。3.本文在股市波动及波动溢出的宏观经济根源研究方面有几点改进:⑴本文着重于二阶矩层面,即方差层面,而以往研究着重于一阶矩,即均值层面,本文研究弥补了以往分析的不足;⑵本文充分利用了GDP信息,证实了GDP对股市波动的重要影响作用,弥补了以往研究对季度GDP讨论的缺失;⑶基于混频数据构建月度综合经济指标,特别是加入季度GDP信息,改进了景气一致指数没有包括季度GDP、通胀及货币政策信息的不足,并利用GARCH-MIDAS模型研究整体经济环境对股市波动率的综合影响,弥补了国内研究的不足;⑷分阶段考察了沪深港长期动态相关和短期动态相关的特征,并加入宏观变量信息探讨了其长期动态相关的宏观经济影响根源,其中使用的DCC-MIDAS模型在国内金融市场的应用比较罕见,其研究结论为市场趋势研判提供重要参考。