中国股票市场波动率预测的混频机制分析及其应用

摘要：股票市场轻微波动有利于资源配置，但剧烈波动容易对实体经济产生不利影响，甚至阻碍经济运行，所以股票市场波动率一直是学者们研究的热点。在宏观环境下，宏观经济数据往往是季度、月度的，而在金融市场上更多的是像日度、小时分钟级别，甚至秒级别的数据，这类数据庞大且具备巨大的研究价值。宏观经济对股票市场波动是否具有冲击作用这一课题，不同研究者通过不同的方法得出的定论不完全一致，本文也对这一课题进行了探讨。以往的研究方法使用的常常是同一频率的数据，但是对股票市场产生冲击的因素可能包含在不同频率的数据当中，如何利用好不同频率的数据是一个非常重要的课题。由此自Ghysels等(2004)提出混频数据采样模型(MIDAS)之后，国外学者广泛使用并拓展了这一模型，但是国内对这一方法的研究较少且研究时间较短。MIDAS方法的优势体现在它能够将不同频率的数据以无信息损失和信息改动的方式同时加入一个模型当中，通过高频数据解释低频数据，多数学者的研究表明该方法在预测中强于同频模型。GARCH是研究股票市场波动率的元老级模型，在解释波动率方面有非常重要的地位，学者们通过结合GARCH与MIDAS，把股票波动率分解为使用MIDAS解释的长期波动与使用GARCH过程解释的短期波动，发现这一模型在股票市场波动率解释上具有优秀的性能。本文使用GARCH-MIDAS模型研究了中国上证综合指数波动率，实证结果显示GARCH-MIDAS模型不论在日频还是小时频率的股票波动解释上都具有良好表现，广义货币供给量未预期变化率对股票市场月度长期波动具有解释能力，但在更加高频的日度长期波动中解释能力下降;分钟级别的股票交易量波动率对短期波动具备解释能力。最后对比不同模型在预测未来波动率的准确性后发现，添加广义货币供给量的在日频波动率预测精度的提升上有帮助，但在小时波动率预测精度上没有起到作用，分钟交易量波动率能够提升小时波动率预测精度。　　研究理论方面，对GARCH-MIDAS所涉及理论进行了阐述，包括宏观经济与股票波动关联性，波动分解理论，并阐述了对GARCH-MIDAS所作的拓展的合理性，给出了参数估计的数值优化算法。研究实证方面，为探究宏观经济变量对股票市场波动率的影响以及探究高频股票市场变量能否继续提升模型解释能力，建立了五个模型，分别为:1.只包含已实现波动率的低频模型，研究股票市场内部波动性质。2.包含已实现波动率和宏观经济变量的低频模型，探究了宏观环境波动对股票市场的冲击。3.只包含已实现波动率的高频模型，引入了小时级别股票波动，并将长期波动从月度频率改为日度频率。4.包含已实现波动率与宏观环境变量的高频模型，探究可宏观环境变量在日频波动率上的解释能力。5.只包含已实现波动率的高频模型，在短期波动率方程中引入分钟级别股票交易量波动率，研究分钟级别变量对短期波动的解释力。这五个模型研究了宏观环境变量如何冲击股票市场以及使用不同频率股票市场数据预测波动率的效果如何。　　相对于已有相关研究，本文具有一定程度的创新。研究股票市场波动率的文献有一些共同点，具体体现为:第一，对股票市场波动率研究的传统方法是基于同频数据的，国内在混频数据方面的研究不多，且多数集中于宏观经济研究，使用混频数据在股票市场波动率方面的研究比较匮乏。第二，利用混频数据研究股票市场波动率的文献大都使用了宏观经济市场的低频数据，但是宏观数据频率一般为季度、月度，不足以体现MIDAS方法的优势。针对以上两个问题，本文做出的主要创新点为:第一，已有文献中使用的股票市场数据频率广泛为日度，本文使用了日内小时级别频率数据与分钟级别频率数据，探究了在日度和日内两种频率下宏观环境变量对股市波动率的冲击影响。第二，本文对GARCH-MIDAS模型做出了稍微的修改，在原定假设为GARCH(1，1)过程的短期波动方程中添加了额外的变量，即使用GARCHX刻画短期波动。