论文部分内容阅读
目前在经典计量经济学研究方法中主要体现两种现象:一方面在研究过程中均使用相同频率的数据;另一方面许多研究以低频率的股票市场数据为研究对象的数据指标,使得我国股票市场数据与宏观外生解释变量的数据具有相同的频率。在对不同频率的时间序列数据进行处理时,通常将高频率的数据转化为低频率或者同频率的数据,这极有可能损失混频(高频)数据包含的信息有效性。本文正是在这样的情况下提出以混频数据作为研究对象的数据指标,既包含低频数据又包含高频数据。传统的同频模型由于受到数据频率的限制,不能得到宏观经济解释变量和我国股票市场波动之间的因果关系,Engle提出的经典广义自回归条件异方差混频数据抽样模型称作GARCH-MIDAS(Generalized AutoRegressive Conditional Heteroskedasticity),将混合抽样技术方法(Mixed Data Sampling)融入传统的GARCH模型中,将波动率分解为短期和长期因素,并巧妙地将宏观经济因素作为长期波动率的解释因子,使数据能够得到更充分地利用。而本文与经典GARCH-MIDAS模型有所不同,本文在解释变量加入美元兑人民币汇率高频数据,并采用美元兑人民币汇率的已实现波动率来解释我国股市长期波动,拓展经典GARCH-MIDAS模型。在实证研究中,分别从水平效应和波动效应两个角度建立多个单因素和多因素GARCH-MIDAS模型对我国股市波动进行分析估计。本文主要选取月度货币供应、月度消费者价格指数和日度汇率为指标研究股市波动。基于改进GARCH-MIDAS模型的研究结果显示:货币供应量的水平值和波动率均对我国股票市场波动有显著的正向影响关系。消费者价格指数的水平效应与我国股票市场波动有显著的负相关关系,而在波动效应上与我国股票市场波动之间的关系不显著。美元兑人民币汇率在水平效应和波动效应均对股票市场波动产生显著的负相关关系。多因素模型的估计结果与单因素模型的估计结果基本相同,但是由于多因素模型估计的参数较多,可能存在过度参数化等问题,这些问题使得一些系数不再显著。同时,对研究模型进行预测能力分析发现单因素模型和多因素模型均有很强的预测能力,而且基于多因素水平效应模型的预测效果比基于单因素水平效应模型的预测效果更好。此外,通过比较发现多因素混频模型比单因素混频模型可以更好地刻画我国股票市场价格波动的长期成分。结合我国实际情况提出以下政策建议,包括提高宏观调控政策效力、发展健康股市、引导理性投资及完善披露机制等。