【《经济政策不确定性对股市的波动溢出效应实证结果分析案例》5000字】

经济政策不确定性对股市的波动溢出效应实证结果分析案例（一）我国股市收益率长短期收益率波动分解根据上一章节对GARCH-MIDAS模型的介绍可知，在运用GARCH-MIDAS模型进行估计时，需要先对模型中两个主要的参数进行筛选，即月度交易天数N和滞后期数K。图4-1我国股市月度交易天数的时间序列图图4-2我国股市月度交易天数的季节图首先是月度交易天数N的筛选。由于法定节假日期间我国股市不开盘，因此每月的实际交易天数不同。图4-1展示了2011年1月至2021年1月的月度交易天数。基本上都维持在14天至23天之间，平均天数为20.2天。图4-2展示了每个月份在不同年份的交易天数也呈现出差异，三月、七月和八月的交易天数较为稳定，而春节、五一黄金周期间差异最为明显。考虑到交易天数的复杂性，本文统一用22天来进行实证研究。其次，是滞后期数K的选取。文本综合各个学者的研究，选用滞后期数为一年，即K=12。为了将金融市场的时间序列分解成短期和长期部分，Bollerslev和Anderson(1998)两位学者提出了已实现波动率(RV)的概念。RV的中心思想是在频率足够高的情况下，区间收益率的平方和是区间内积分波动率的一致估计量，即: 根据对MIDAS模型和GARCH-MIDAS模型的介绍，可以先通过计算股票市场的已实现波动率来进行GARCH-MIDAS模型的建模，然后将它作为变量来研究RV对股票市场收益率波动的长短期分解。因此，GARCH-MIDAS模型的形式为:图4-3展示了我国股市收益率的长期成分和条件波动。从图中可以看出，条件波动幅度较为剧烈，长期成分相对较为平缓，只在2016年至2017年出现轻微的驼峰式上升。从整体来看，我国股市的波动基本上都保持在0.2以上的水平，波动较为频繁，幅度较大。而长期波动也是存在波动的，与股市整体的波动具有一定程度的趋同性，因此整体上和现实情况较为吻合。图4-3我国股票市场条件波动和长期成分从表4-1中可以看出，股票市场中已实现波动率RV对市场收益率波动的系数为0.1206,这说明已实现波动率RV对股票市场的收益率存在正向影响。表4-1GARCH-MIDAS模型参数估计结果我国股票市场0.0002*（2.10）0.1085***（11.19）0.8729***（107.85）0.1206***（18.603）1.001***（58.01）0.0219***（7.40）注：***、**、*分別代表在0.01、0.05、0.1水平下显著（二）中国经济政策不确定性对综合、行业股市的长期动态相关性影响1.综合股市由于经济政策不确定性指数序列是不平稳的时间序列，因此参考学者们的研究，选取EPU的绝对变化量进行实证分析。从图4-4来看，我国经济政策不确定性指数具有明显的时变效应。在2016-2017年和2018-2020年期间有较大范围的波动，这可能与地缘政治紧张局势有关。在此期间发生了多起国内外较大型的风险事件，比如英国脱欧、股灾、特朗普当选美国总统等，会影响我国宏观经济的不确定性。2020年发生的新冠疫情也使得经济政策不确定性指数持续升高并呈高位震荡态势。图4-4我国经济政策不确定性指数及其波动率本节将经济政策不确定性指数EPU的绝对变化量作为外生变量纳入模型中，构建GARCH-MIDAS-X模型对股票市场的长期波动率进行估计。根据MIDAS模型的权重多项式的选取规则，本文采用权重多项式函数beta多项式函数。相应的模型如下：表4-2展示了加入EPU绝对变化量的GARCH-MIDAS-X模型的参数估计结果。从结果来看，引入外生变量EPU绝对变化量后得到的结果仍然非常显著。EPU对股票市场的波动系数为0.0841。由于经济政策不确定性指数是以100来测度的，所以EPU绝对变化量的数量级相对于股票市场收益率的数量级更大，因此测度出的系数较小。但得出的结果仍然为正数，表明两者之间是存在正向影响的。也就是说，经济政策不确定性的绝对变化量越大，我国股票市场的长期收益率波动也会更加剧烈。表4-2GARCH-MIDAS-X模型参数估计结果我国股票市场0.0001***（2.6516）0.0929***（17.6704）0.8921***（260.3690）0.0841*（2.0152）23.173*（1.9025）0.0239*（2.0864）注：***、**、*分別代表在0.01、0.05、0.1水平下显著2.行业股市本节基于各个行业股票市场进行GARCH－MIDAS模型的估计。由下表可以看出，各个行业股市的参数α和β在1%的显著性水平下显著。且各个行业股市的β值与综合股市相比较小，表明行业股市对信息冲击较为迟缓。另外，大多数行业股市的已实现波动率RV对市场收益率波动的参数符号为正，这说明已实现波动率RV对行业股市的收益率存在正向影响。表4-3行业股市GARCH－MIDAS模型的估计结果消费者可选0.0008***（0.0001）0.0921***（0.0050）0.8581***（0.0039）0.1747（0.0410）3.9162（31.5000）0.0093***（0.0004）消费者常用品0.0009***（0.0002）0.0611***（0.0087）0.9234***（0.0158）0.0005***（0.0161）22.888**（4.0830）0.0165***（0.0013）能源-0.0002（0.0002）0.0811***（0.0073）0.8771***（0.0148）0.1578***（0.0098）2.7708***（3.1466）0.0101***（0.0011）金融0.0004**（0.0002）0.1041***（0.0069）0.8403***（0.0198）0.1873***（0.0068）4.0663***（3.8524）0.0079***（0.0007）医疗保健0.0007***（0.0001）0.0526***（0.0067）0.9434***（0.0054）0.0002（0.0233）32.212（4.7777）0.0158**（0.0013）工业0.0004（0.0002）0.0969***（0.0064）0.8712**（0.0125）0.1622***（0.0111）2.4078***（3.5327）0.0105***（0.0010）信息技术0.0004（0.0002）0.0618***（0.0039）0.9077***（0.0034）0.1704***（0.0045）3.9742***（2.4652）0.0112（129.4100）材料0.0003***（0.0002）0.0872***（0.0066）0.8784***（0.0054）0.1499（0.0259）3.1413（16.9040）0.0121***（0.0004）电信服务0.0004***（0.0003）0.0796***（0.0110）0.9064***（0.0337）0.0002***（0.0068）21.299***（4.1062）0.02114***（0.0006）公共事业0.0002（0.0002）0.0634***（0.0090）0.9294***（0.0191）0.0003***（0.0077）25.958***（3.5251）0.0119***（0.0006）注：***、**、*分別代表在0.01、0.05、0.1水平下显著进一步，构建加入经济政策不确定性指数的绝对变化量的GARCH-MIDAS-X模型对长期波动进行估计。从表4-4的结果来看，经济政策不确定性的影响在行业之间存在着较为明显的差异。经济政策不确定性对能源业、金融业、工业、电信服务股票市场之间的长期相关性要明显高于其他行业，表明这些行业对经济政策的变动更为敏锐，一旦经济政策发生变动，这些行业能够快速有效地整合经济政策信息，并快速地反映至行业股市中。而经济政策不确定性对消费者常用品、医疗保健股票市场之间的长期相关性较小。这是因为人们日常生活的必需品，通常不会因为经济政策发生变动而产生剧烈的波动，人们往往能够保持对这类产品的需求。综上，将经济政策不确定性纳入模型中，结果发现对大多数行业而言参数依然显著。并且经济政策不确定性作用的系数仍为正，表明两者之间是存在正向影响的。也就是说，经济政策不确定性的绝对变化量越大，我国行业股市的长期收益率波动也会更加剧烈。表4-4基于EPU的GARCH-MIDAS-X模型参数估计结果消费者可选0.0008***（0.0045）0.0903***（0.0039）0.8543（0.0017）0.1778***（0.0003）4.9119***（0.0001）0.0089***(0.0067)消费者常用品0.0009***（0.0109）0.0669***（0.0003）0.8974（0.0043）0.1539***（0.0012）2.8862***（0.0005）0.0112***(0.0984)能源-0.0002***（0.0219）0.0811***（0.0068）0.8726***（0.0025）0.1827***（0.0011）3.6232***（0.0002）0.0009***(0.0134)金融0.0004（0.0065）0.1053***（0.0033）0.82965（0.0011）0.19228***（0.0005）4.9907***（0.0001）0.0073(0.0056)医疗保健0.0007***（0.0026）0.0554***（0.0054）0.9236***（0.0016）0.1618***（0.0008）4.6862***（0.0001）0.0078***(0.0190)工业0.0004**（0.0040）0.0975***（0.0042）0.8666***（0.0013）0.1879***（0.0005）3.251***(0.0001)0.0104***(0.0017)信息技术0.0004**（0.0033）0.0608***（0.0100）0.9016**（0.0052）0.1771***（0.0020）5.3785***(0.0008)0.0103***(0.0043)材料0.0003**（0.0134）0.0856（0.0034）0.8797***（0.0098）0.1478***（0.0003）3.6687***(0.0028)0.0121**(0.0143)电信服务0.0004**（0.0076）0.1108***（0.0050）0.7829***（0.0014）0.1879***（0.0007）8.9151***(0.0001)0.0093**(0.0053)公共事业0.0002***（0.0030）0.0758**（0.0134）0.8853**（0.0176）0.1709***（0.0032）5.2228***(0.0001)0.0065***(0.0062)注：***、**、*分別代表在0.01、0.05、0.1水平下显著（三）中国经济政策不确定性对综合、行业股市的波动溢出效应分析1．EPU对综合股市的波动溢出效应分析（1）全样本溢出指数测度由表4-5可以看出，主要存在经济政策不确定性对我国股市的波动溢出，但由我国股市反向作用于经济政策的溢出效应虽然存在但非常微弱。表格的最后一列表示的是某一变量受到的来自于其他所有变量的波动溢出效应之和，倒数第二行表示的是某一变量对其他所有变量的波动溢出效应之和。上证指数受到中国经济政策不确定性的波动溢出效应为5.052%，中国经济政策不确定性受到上证指数的波动溢出为1.734%。表格还体现出两个研究对象之间的总波动溢出指数达到6.786%。以上波动溢出指数表只能反映在样本期间的静态水平，无法体现出动态的时变特征。因此，还应结合滚动窗口分析技术来分析变量之间波动溢出的时变特征。表4-5经济政策不确定性和我国股市波动溢出指数表EPUvolFromothersEPU93.4341.7341.734vol5.05291.9555.052Toothers5.0521．734Includingown98.48693.6896.786（2）动态波动溢出效应分析全样本分析的波动溢出表从静态上分析两者之间的溢出效应，但无法展示变量随时间的动态演变。因此，进一步将滚动窗口分析技术与溢出指数方法相结合，探究两者之间的动态机制。从图4-5可以看出，经济政策不确定性和股票市场之间的总溢出指数大致在20%以内变化，并且在整个样本期间波动趋势与全球经济事件相对应。在2011年至2012年呈现出一个周期，此时正值欧债危机期间，我国的经济政策不确定性指数从2010年3月的90点猛涨到2011年11月的365.5点。欧债危机蔓延到我国进而引起经济政策不确定性增加，随之股市也表现出剧烈波动。2014年以来，溢出指数再次呈周期性地上升。随后，总溢出指数在2016-2019年逐渐降低，期间有偶然的局部升高情况可能与地缘政治紧张局势有关。比如在此期间发生了多起国内外较大型的风险事件，比如中国“6.26”股灾、英国脱欧、中国股市实行熔断机制、中美贸易摩擦等，这些事件增强了经济政策不确定性和我国股市之间的溢出效应。最后在2020年发生的新冠疫情事件也使得溢出指数持续升高并呈高位震荡态势。图4-5中国经济政策不确定性指数和上证综指间总波动溢出指数图图4-6是上证综指与中国经济政策不确定性的净波动溢出指数图。从图中可以看出，在股灾时期、中美贸易战时期和新冠疫情期间，净波动溢出指数大致可以达到-30%左右，说明中国经济政策不确定性对上证综指的波动溢出效应要更明显。具体来看，股灾时期负向溢出效应格外明显，2012年之后正负向溢出效应均减弱，明显低于2011年时的峰值。2018年开始的中美贸易战时期表现出较为明显的负向净波动溢出效应，但溢出程度相比股灾时较弱。新冠疫情时期，世界各国经济体都受到猛烈冲击，供需严重失衡，反映到金融市场中表现为股市的剧烈波动，因此在该时点上中国经济政策不确定性对股市的净波动溢出效应也非常显著。但在整个样本期间，上证综指对中国经济政策不确定性的净波动溢出指数呈现正负交替变换，说明上证综指有时表现是净溢入，有时表现是净溢出，呈现不确定。图4-6上证综指与EPU的净波动溢出指数图综合以上分析，可以得出如下结论：第一，中国经济政策不确定性和上证综指之间的总波动溢出指数具有明显的时变效应。在股灾时期、中美贸易战时期和新冠疫情期间，净波动溢出指数大致可以达到-30%左右。此结论也印证了Pastor得到的“经济不景气时经济政策不确定性和股票市场波动性之间关联性更强”的结论。第二，在样本期间，大多数时点上中国经济不确定性对上证综指的负向净波动溢出效应更为明显，而反向的波动溢出效应则较弱。2.中国经济政策不确定性对行业股市的波动溢出效应分析在分析中国经济不确定性对各个行业股市的波动溢出效应时，选择的滞后阶数为2阶，方差分解期数为18来进行分析。样本空间的跨度为2011年1月至2021年1月。（1）各行业股市的总波动溢出效应分析总体来看，总波动溢出效应较为明显，个别行业甚至可以达到40%，且在2016年以后的波动溢出效应比以前年份更为明显。行业股市的波动溢出效应同样具有时变性，且各个时点的波动与具体的经济政策事件相联系。具体来看，2016年至2018年期间，消费可选行业、医疗保健行业和金融行业的股市波动溢出效应最为显著，这可能与期间发生的全球经济事件有关。2016年“第十三个五年规划”开始，我国经济建设迎来了新的发展阶段。2017年引发的疫苗造假事件牵连出国民对医疗卫生行业的担忧，股市随着发生巨幅波动。2018年中美贸易战摩擦持续升级，我国十三五会议通过实施个人所得税改革，加之美国对中兴公司、华为公司的制裁对我国消费、金融行业造成