论文部分内容阅读
关于股市波动的已有研究,大多存在两种现象：一是研究采用的数据都是单一频率的,或者是低频数据,即月数据、季度数据等；或者是高频数据,即日数据、日内5分钟数据等；二是在研究股市波动与宏观经济的关系时,大多采用低频的股市数据,如月度、季度或年度数据,使其数据频率与宏观经济数据保持一致。这些做法并没有充分利用可得的金融数据信息,难免对研究造成重要影响。为充分利用数据信息,很有必要在一个研究模型中同时使用不同频率的数据,如有的变量采用日数据,有的采用周或月度数据。这是本文采用混频数据进行研究的基本动机。本文采用混频数据对股市波动进行两个方面的研究,一是股市波动预测,二是宏观经济对股市波动的影响。即,本文对我国股市波动性的研究在于股市波动率的预测以及股市波动的经济根源。首先,本文分别采用自回归分布滞后混合数据抽样回归模型(ADL-MIDAS)与GARCH模型预测股市周波动率。ADL-MIDAS模型采用上证综指、深证成指的混频数据(日数据和周数据的混合),GARCH模型仅使用周数据。本文估计了两类模型,比较了两类模型的样本内性质；利用West(2006)提出的非嵌套的模型比较检验,比较了两个模型样本外预测精度。实证结果表明,基于上证综指、深证成指的数据,在没有采用Nowcasting思想的情况下,并没有充分证据表明ADL-MIDAS模型的效果优于GARCH模型,而当采用Nowcasting思想时,ADL-MIDAS模型无论是比较样本内拟合效果还是样本外的预测精度均优于GARCH模型。本文还通过一系列稳健性分析说明该结论是稳健的。其次,本文通过GARCH-MIDAS模型将股市波动率分解为长期成分和短期成分。以此为基础,在上述模型中直接纳入宏观经济变量来研究宏观经济对股市波动的影响。为了保证结论的稳健性和说服力,本文还对股市长期波动和一些宏观经济变量建模,来探究宏观经济对股市波动的影响。实证结果表明,基于已实现回报率(RV)的GARCH-MIDAS模型可以较好地对我国股市的长短期成分进行分解；直接纳入宏观经济变量的GARCH-MIDAS模型回归结果和股市长期波动与宏观经济变量的多元回归模型的结果一致,宏观经济对股市波动的影响显著。在考虑大部分宏观经济因素时,宏观经济因素的当期值对于股市波动的影响较为显著。