• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      不同的政策不確定性對(duì)股市波動(dòng) 影響相同嗎?

      2020-06-08 15:25:49周學(xué)偉付巾書(shū)宋加山
      金融發(fā)展研究 2020年5期

      周學(xué)偉 付巾書(shū) 宋加山

      摘? ?要:本文基于多因子混頻波動(dòng)率模型,研究經(jīng)濟(jì)政策不確定性對(duì)股市行業(yè)波動(dòng)的影響,為預(yù)防出現(xiàn)結(jié)構(gòu)性斷點(diǎn),將樣本分為經(jīng)濟(jì)增長(zhǎng)和經(jīng)濟(jì)平穩(wěn)兩個(gè)時(shí)期,分別探討兩個(gè)時(shí)期內(nèi)經(jīng)濟(jì)政策不確定性對(duì)股市波動(dòng)的影響。研究發(fā)現(xiàn),在全樣本時(shí)期貨幣政策不確定性會(huì)顯著增強(qiáng)行業(yè)波動(dòng),貿(mào)易和外匯政策不確定性會(huì)抑制行業(yè)波動(dòng),而財(cái)政政策不確定性的影響存在行業(yè)差異性;子樣本結(jié)果顯示,貿(mào)易政策不確定性對(duì)行業(yè)波動(dòng)的影響存在非對(duì)稱(chēng)性,在經(jīng)濟(jì)增長(zhǎng)期存在助推作用,在經(jīng)濟(jì)平穩(wěn)期存在抑制作用;同時(shí)行業(yè)波動(dòng)在經(jīng)濟(jì)增長(zhǎng)期對(duì)貿(mào)易政策反應(yīng)敏感,在經(jīng)濟(jì)平穩(wěn)期對(duì)財(cái)政政策反應(yīng)敏感。

      關(guān)鍵詞:政策不確定性;混頻數(shù)據(jù);行業(yè)波動(dòng)

      中圖分類(lèi)號(hào):F830.91? 文獻(xiàn)標(biāo)識(shí)碼:A? 文章編號(hào):1674-2265(2020)05-0078-08

      DOI:10.19647/j.cnki.37-1462/f.2020.05.013

      一、引言

      股價(jià)走勢(shì)及其波動(dòng)是眾多因素合力作用的結(jié)果,而經(jīng)濟(jì)政策不確定性在其中扮演重要角色。自2008年金融危機(jī)爆發(fā)以來(lái),世界經(jīng)濟(jì)復(fù)蘇乏力,為刺激經(jīng)濟(jì)增長(zhǎng),各國(guó)相繼出臺(tái)大量經(jīng)濟(jì)政策,導(dǎo)致經(jīng)濟(jì)政策不確定性逐漸上升。經(jīng)濟(jì)政策是調(diào)節(jié)宏觀(guān)經(jīng)濟(jì),促進(jìn)市場(chǎng)平穩(wěn)發(fā)展的催化劑,但經(jīng)濟(jì)政策的過(guò)度調(diào)整,會(huì)沖擊金融市場(chǎng)的穩(wěn)定性。相較于發(fā)達(dá)國(guó)家,我國(guó)股市素有“政策市”之稱(chēng),盡管政府正努力減少對(duì)市場(chǎng)的干預(yù),但“政策市”特征仍明顯。對(duì)政策不確定性和股市波動(dòng)的研究歷來(lái)是熱點(diǎn)問(wèn)題,特別是在當(dāng)前經(jīng)濟(jì)下行壓力加大、外部環(huán)境深刻變化的背景下,研究政策不確定性與股市行業(yè)波動(dòng)的關(guān)系具有重要意義。

      對(duì)政策不確定性與股市行業(yè)波動(dòng)的研究,首要問(wèn)題是數(shù)據(jù)采樣頻率,政策不確定性多以月度、季度低頻數(shù)據(jù)為主,而股市數(shù)據(jù)大多是日內(nèi)數(shù)據(jù)。以往研究為使數(shù)據(jù)匹配,往往將日度高頻數(shù)據(jù)轉(zhuǎn)化為月度或季度低頻數(shù)據(jù),但此方法會(huì)損失含有豐富信息的日內(nèi)高頻數(shù)據(jù)。國(guó)外學(xué)者多采用VAR、GARCH、Granger檢驗(yàn)及Markov狀態(tài)轉(zhuǎn)換等模型研究政策不確定性對(duì)股市波動(dòng)的影響。研究結(jié)果表明:貨幣政策不確定性對(duì)股市波動(dòng)的影響存在非對(duì)稱(chēng)效應(yīng),其在衰退期對(duì)市場(chǎng)波動(dòng)影響更大(Chen等,2007;Engle等,2008;Basistha等,2008;Challe等,2011;Gospodinov等,2015)[1,2,3,4,5];此外在新興市場(chǎng)國(guó)家,政策不確定性和股價(jià)波動(dòng)間存在雙向因果關(guān)系(Li等,2015)[6]。國(guó)內(nèi)學(xué)者運(yùn)用VAR模型發(fā)現(xiàn),貨幣供給在短期內(nèi)是推動(dòng)股市波幅擴(kuò)大的重要因素,但長(zhǎng)期來(lái)看效果不明顯(肖洋等,2012)[7]。此外,GARCH模型也被國(guó)內(nèi)學(xué)者廣泛應(yīng)用于貨幣政策和股市波動(dòng)的研究,結(jié)果表明貨幣政策對(duì)股市波動(dòng)影響明顯且存在非對(duì)稱(chēng)性,但投資者情緒會(huì)弱化此效應(yīng)(陳其安等,2010;顧巧明等,2011;陳其安等,2017)[8,9,10]。與此同時(shí),多元回歸分析也是研究政策和股市關(guān)聯(lián)性的常用方法,學(xué)者研究表明經(jīng)濟(jì)政策不確定性上升會(huì)抑制股市波動(dòng),這種現(xiàn)象在股市上漲期更明顯(王明濤等,2012;周方召等,2019)[11,12]。

      由于將高頻數(shù)據(jù)轉(zhuǎn)為低頻數(shù)據(jù)會(huì)損失樣本有效信息,因此國(guó)內(nèi)外學(xué)者將目光轉(zhuǎn)向混頻研究,Ghysels 等(2007)[13]提出混頻數(shù)據(jù)抽樣模型(Mixed Data Sampling,MIDAS)模型,該模型將宏觀(guān)低頻數(shù)據(jù)與日內(nèi)高頻數(shù)據(jù)聯(lián)系起來(lái),能充分利用高頻數(shù)據(jù)的有效信息。為直觀(guān)洞悉宏觀(guān)經(jīng)濟(jì)對(duì)股市波動(dòng)的影響,Engle等(2013)[14]在MIDAS模型的基礎(chǔ)上提出混頻波動(dòng)率(GARCH-MIDAS)模型,將股市波動(dòng)分解為長(zhǎng)期波動(dòng)和短期波動(dòng)兩部分,低頻變量刻畫(huà)長(zhǎng)期成分,高頻變量刻畫(huà)短期成分。國(guó)外學(xué)者運(yùn)用混頻波動(dòng)率模型研究宏觀(guān)經(jīng)濟(jì)對(duì)我國(guó)股票市場(chǎng)的作用,結(jié)果表明通貨膨脹與股市波動(dòng)間聯(lián)系緊密(Girardin等,2013)[15]。國(guó)內(nèi)學(xué)者運(yùn)用混頻波動(dòng)率模型重點(diǎn)分析經(jīng)濟(jì)景氣指數(shù)、宏觀(guān)經(jīng)濟(jì)等變量對(duì)上證綜指波動(dòng)的影響,結(jié)果表明宏觀(guān)經(jīng)濟(jì)對(duì)股市波動(dòng)存在影響,但具有階段差異性(鄭挺國(guó)等,2014)[16]。夏婷等(2018)[17]將混頻波動(dòng)模型應(yīng)用于政策不確定性與股市波動(dòng)的研究中,其政策不確定性指標(biāo)基于Baker等(2016)[18]提出的中國(guó)經(jīng)濟(jì)政策不確定性指數(shù),研究表明經(jīng)濟(jì)政策不確定性對(duì)A股無(wú)顯著影響。綜上所述,目前國(guó)內(nèi)對(duì)政策不確定性與股市波動(dòng)的研究已較為成熟,但存在同頻涉及較多、混頻涉及較少的現(xiàn)象,且混頻部分更多著眼于宏觀(guān)經(jīng)濟(jì)與股市波動(dòng)的研究,對(duì)政策不確定性的涉獵不多。

      因此,筆者擬在Engle等(2013)[14]的基礎(chǔ)上,構(gòu)建多因子混頻波動(dòng)率模型,并將其運(yùn)用于分析經(jīng)濟(jì)政策不確定性對(duì)行業(yè)波動(dòng)的影響。本文主要?jiǎng)?chuàng)新點(diǎn)在于:一是借鑒Huang等(2018)[19]的文獻(xiàn),對(duì)經(jīng)濟(jì)政策不確定性作進(jìn)一步細(xì)分,分為財(cái)政政策不確定性、貨幣政策不確定性、貿(mào)易政策不確定性和外匯政策不確定性,有利于筆者深入研究不同的經(jīng)濟(jì)政策對(duì)行業(yè)波動(dòng)的影響。二是與現(xiàn)有文獻(xiàn)重點(diǎn)關(guān)注市場(chǎng)波動(dòng)不同,筆者將視角轉(zhuǎn)向行業(yè)層面,可進(jìn)一步探析經(jīng)濟(jì)政策對(duì)股市波動(dòng)的影響機(jī)理。

      論文框架如下:第二部分是模型介紹,并構(gòu)建多因子混頻波動(dòng)模型;第三部分是實(shí)證分析,包含數(shù)據(jù)描述、基準(zhǔn)模型等;第四部分是結(jié)論與政策建議。

      二、模型介紹

      宏觀(guān)變量往往是月度或季度低頻數(shù)據(jù),因此在研究宏觀(guān)因素對(duì)股市波動(dòng)影響時(shí),為使數(shù)據(jù)匹配,現(xiàn)有方法往往將日度高頻數(shù)據(jù)轉(zhuǎn)化為月度低頻數(shù)據(jù)來(lái)構(gòu)建模型。但此方法會(huì)損失日度數(shù)據(jù)的有效部分,導(dǎo)致估計(jì)結(jié)果產(chǎn)生偏誤,無(wú)法準(zhǔn)確度量宏觀(guān)因素對(duì)股市波動(dòng)的影響。Ghysels等(2007)[13]提出MIDAS,可將宏觀(guān)低頻數(shù)據(jù)和高頻數(shù)據(jù)聯(lián)系起來(lái),避免因數(shù)據(jù)轉(zhuǎn)化造成估計(jì)偏誤。Engle等(2013)[14]在此基礎(chǔ)上,構(gòu)建GARCH-MIDAS模型,突破以往同頻模型的限制,可用于分析低頻變量對(duì)股市波動(dòng)的影響,并將市場(chǎng)波動(dòng)分為長(zhǎng)期和短期兩部分。本文借鑒Engle等(2013)[14]的文獻(xiàn),構(gòu)建多因子GARCH-MIDAS模型,用于分析政策不確定性對(duì)行業(yè)波動(dòng)的影響。

      在金融市場(chǎng)中,股價(jià)不僅與公司自身的經(jīng)營(yíng)狀況相關(guān),且與經(jīng)濟(jì)政策密切關(guān)聯(lián)。因此,在式(1)中將股票波動(dòng)分解為兩部分:[gi,t]代表短期部分,[τt]代表長(zhǎng)期部分。[gi,t]與流動(dòng)性或其他短期因素相關(guān),[τt]與宏觀(guān)經(jīng)濟(jì)變量有關(guān),可解釋市場(chǎng)長(zhǎng)期波動(dòng)的來(lái)源,文中指政策不確定性。[εi,t]服從均值為0、方差為1的正態(tài)分布,[σ2i,t]是整體市場(chǎng)波動(dòng)。

      在基準(zhǔn)模型中長(zhǎng)期波動(dòng)受已實(shí)現(xiàn)波動(dòng)率(Realized Volatility,簡(jiǎn)稱(chēng)RV)的影響,收益率[ri,t]指在第[t]期第[i]天的收益率,[t]可為月份、季度、半年等,在本文中選擇[t]為月份,那么[Nt]=22。

      上述模型均是在單因子框架下進(jìn)行研究,但其無(wú)法捕捉多個(gè)變量的邊際貢獻(xiàn),甚至?xí)嬖谀P驼`設(shè)問(wèn)題。因此本文在現(xiàn)有文獻(xiàn)基礎(chǔ)上(鄭挺國(guó)等,2014)[16]對(duì)混頻波動(dòng)率模型作進(jìn)一步拓展,將其變?yōu)樗囊蜃幽P汀TO(shè)定多因子模型有助于更好捕捉政策不確定性對(duì)股市波動(dòng)的長(zhǎng)期影響,深入了解經(jīng)濟(jì)政策對(duì)股市波動(dòng)的內(nèi)在機(jī)理。同時(shí)應(yīng)當(dāng)注意,在進(jìn)行多因子建模時(shí)要考慮變量共線(xiàn)性問(wèn)題?,F(xiàn)將宏觀(guān)經(jīng)濟(jì)政策嵌入模型中,構(gòu)建多因子混頻波動(dòng)率模型,如式(8)所示:

      [Xjt-k]為宏觀(guān)變量,[θj]是各宏觀(guān)變量對(duì)應(yīng)系數(shù),表示經(jīng)濟(jì)政策不確定性對(duì)股市波動(dòng)的邊際貢獻(xiàn),[ω]為加權(quán)方式,極大似然函數(shù)為式(9)。

      三、實(shí)證分析

      (一)數(shù)據(jù)描述

      本文旨在研究政策不確定性對(duì)股市行業(yè)波動(dòng)的影響,因此行業(yè)數(shù)據(jù)選取中證行業(yè)指數(shù),分為主要消費(fèi)、原材料、醫(yī)藥衛(wèi)生、信息技術(shù)、能源、可選消費(fèi)、金融地產(chǎn)、公用事業(yè)、工業(yè)和電信服務(wù)十大行業(yè),政策不確定性選擇Huang等(2018)構(gòu)建的中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)作為政策不確定性的代理變量,并將其分為財(cái)政政策(Fiscal)、貨幣政策(Monetary)、貿(mào)易政策(Trade)和外匯政策(EXR)四大不確定性指數(shù),以上數(shù)據(jù)區(qū)間為2005年1月至2019年10月??紤]到中國(guó)人更加了解本國(guó)經(jīng)濟(jì)政策變動(dòng)情況,且Huang等(2018)將政策不確定性分為四大指數(shù),使筆者能深入研究不同政策變動(dòng)對(duì)行業(yè)波動(dòng)的影響,因此本文并未選擇Baker等(2016)提出的中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)。中證指數(shù)有限公司是由深交所和上交所共同發(fā)起成立的專(zhuān)門(mén)從事證券指數(shù)開(kāi)發(fā)服務(wù)的公司,其發(fā)布的中證行業(yè)指數(shù)基本覆蓋我國(guó)各行業(yè)上市龍頭企業(yè),具有行業(yè)覆蓋面廣、代表性強(qiáng)等特征,其行業(yè)指數(shù)數(shù)據(jù)最早可追溯至2005年。

      表1給出各行業(yè)對(duì)數(shù)收益率描述性統(tǒng)計(jì),由表1可知,收益率的中位數(shù)和平均值較小,接近于0,表明收益率在0附近上下波動(dòng);10個(gè)行業(yè)均存在跌停時(shí)刻,除主要消費(fèi)、原材料和公用事業(yè)外,其余7個(gè)行業(yè)存在漲停時(shí)刻;從標(biāo)準(zhǔn)差可看出,信息技術(shù)、能源、電信服務(wù)的行業(yè)收益率波動(dòng)相對(duì)較大;由最后兩列可看出行業(yè)收益率均存在左偏現(xiàn)象,發(fā)生尾部風(fēng)險(xiǎn)的概率更大。

      圖1是財(cái)政政策、貨幣政策、貿(mào)易政策和外匯政策不確定性時(shí)序圖。由圖可知外匯政策有兩個(gè)峰值:一是在2011年附近,二是在2016年附近。自2008年金融危機(jī)后,我國(guó)以市場(chǎng)供求為基礎(chǔ)、參考一籃子貨幣進(jìn)行調(diào)節(jié)、有管理的浮動(dòng)匯率制度發(fā)揮了積極作用。在經(jīng)濟(jì)回升向好的背景下,2010年6月19日中國(guó)人民銀行宣布進(jìn)一步推進(jìn)人民幣匯率形成機(jī)制改革,增強(qiáng)人民幣匯率彈性。自公告發(fā)布后,人民幣匯率在短期內(nèi)持續(xù)走強(qiáng),由年初的6.8攀升至年末6.6附近。外匯政策第二次劇烈變動(dòng)是2015年“811匯改”,此次改革調(diào)整人民幣中間價(jià)形成機(jī)制,由原來(lái)盯住單一美元制調(diào)整為盯住一籃子貨幣。自匯改政策發(fā)布后,市場(chǎng)反應(yīng)劇烈,引起人民幣匯率大幅波動(dòng),創(chuàng)20年最大跌幅。2008年金融危機(jī)發(fā)生后,為防止經(jīng)濟(jì)全面下滑,我國(guó)實(shí)行“雙松”的財(cái)政政策和貨幣政策,由圖可知2005—2012期間財(cái)政和貨幣政策不確定性逐漸上升,2013年我國(guó)經(jīng)濟(jì)工作重點(diǎn)是“穩(wěn)中求進(jìn)”,防止經(jīng)濟(jì)過(guò)熱,因此財(cái)政政策和貨幣政策趨于穩(wěn)健,不確定性下降,此外由曲線(xiàn)變動(dòng)可知兩者存在同步性。在曲線(xiàn)前半部分貿(mào)易政策不確定性變化較小,進(jìn)入2017年后受中美貿(mào)易摩擦影響其波幅迅速擴(kuò)大。綜上所述,Huang等(2018)[19]構(gòu)建的經(jīng)濟(jì)政策不確定性指數(shù)能及時(shí)捕捉政策變動(dòng)情況,其為下文分析提供支撐。

      圖2是政策不確定性波動(dòng)走勢(shì)圖,由圖可明顯看出財(cái)政政策和貨幣政策存在同步性,但財(cái)政政策不確定性波動(dòng)要大于貨幣政策不確定性波動(dòng),外匯政策不確定性波動(dòng)有兩個(gè)峰值,貿(mào)易政策不確定性在曲線(xiàn)尾端波動(dòng)劇烈,這都與上文分析一致。

      (二)基準(zhǔn)模型

      單因子混頻波動(dòng)率模型中低頻變量為已實(shí)現(xiàn)波動(dòng)率,因此本文研究已實(shí)現(xiàn)波動(dòng)率對(duì)行業(yè)波動(dòng)的長(zhǎng)期影響。由Engle等(2013)[14]研究可知,月度已實(shí)現(xiàn)波動(dòng)率擬合效果最好,表2列出基于月度已實(shí)現(xiàn)波動(dòng)率的GARCH-MIDAS模型。由表可知,[α+β]明顯小于1,但在標(biāo)準(zhǔn)GARCH模型中其接近于1,這一結(jié)果與國(guó)外學(xué)者研究一致(Engle等,2013;Engle等,2008)[14,2]。同時(shí),[θ]大都在1%的水平下顯著為正,表明已實(shí)現(xiàn)波動(dòng)率上升會(huì)引起行業(yè)指數(shù)下期波動(dòng)增加。

      為簡(jiǎn)化篇幅,圖3只列示主要消費(fèi)行業(yè)的長(zhǎng)短期波動(dòng)時(shí)序圖,由圖可知,長(zhǎng)期波動(dòng)和整體波動(dòng)對(duì)金融市場(chǎng)兩次危機(jī)事件都有明顯反應(yīng),表明混頻波動(dòng)模型能較好捕捉市場(chǎng)變動(dòng)。同時(shí),長(zhǎng)期波動(dòng)較整體波動(dòng)更平滑,整體變動(dòng)要先于長(zhǎng)期波動(dòng)對(duì)市場(chǎng)產(chǎn)生反應(yīng)。

      (三)多因子模型

      由于基準(zhǔn)模型只能衡量單個(gè)變量對(duì)股市波動(dòng)的長(zhǎng)期影響,無(wú)法同時(shí)捕捉多個(gè)變量的邊際貢獻(xiàn),可能會(huì)由于忽視其他變量的作用存在模型誤設(shè)問(wèn)題,因此本文使用多因子GARCH-MIDAS模型研究政策不確定性對(duì)股市波動(dòng)的影響,有助于更好地捕捉行業(yè)波動(dòng)運(yùn)行趨勢(shì),深入認(rèn)識(shí)不同經(jīng)濟(jì)政策對(duì)行業(yè)波動(dòng)的作用機(jī)理。但在設(shè)定多因子模型時(shí),要考慮變量間的相互作用,避免發(fā)生多重共線(xiàn)性,導(dǎo)致估計(jì)存在偏誤。因此,在估計(jì)多因子模型前,本文對(duì)4個(gè)政策不確定性變量進(jìn)行VIF檢驗(yàn)。表4列出共線(xiàn)性檢驗(yàn)結(jié)果,由表可知4個(gè)變量的VIF值均低于10,且容忍度均大于0.1,可判斷變量間不存在多重共線(xiàn)性。

      表4列示主要消費(fèi)、原材料、醫(yī)藥衛(wèi)生、信息技術(shù)和能源行業(yè)的多因子模型估計(jì)結(jié)果,由表4可知,[α]和[β]的估計(jì)結(jié)果與上文類(lèi)似,兩者之和明顯小于1。整體來(lái)看,表4內(nèi)[θ]值大都在5%的水平下顯著,其中財(cái)政政策不確定性和外匯政策不確定性對(duì)行業(yè)波動(dòng)具有顯著抑制作用;貨幣政策不確定性對(duì)行業(yè)波動(dòng)具有推動(dòng)作用;貿(mào)易政策不確定性對(duì)主要消費(fèi)行業(yè)波動(dòng)有明顯抑制作用,對(duì)其余行業(yè)無(wú)顯著作用。比較基準(zhǔn)模型和多因子模型的對(duì)數(shù)似然值和AIC可知,多因子模型要優(yōu)于基準(zhǔn)模型。

      表5列示可選消費(fèi)、金融地產(chǎn)、公用事業(yè)、工業(yè)和電信業(yè)務(wù)行業(yè)的多因子模型估計(jì)結(jié)果,貿(mào)易政策不確定性和外匯政策不確定性與表4一致,均對(duì)行業(yè)波動(dòng)有抑制作用,而財(cái)政政策不確定性和貨幣政策不確定性表現(xiàn)不一,前者對(duì)可選消費(fèi)、公用事業(yè)和工業(yè)部門(mén)指數(shù)波動(dòng)具有抑制作用,對(duì)金融和電信行業(yè)波動(dòng)具有助推作用;后者對(duì)電信行業(yè)波動(dòng)具有抑制作用,但會(huì)提高其余行業(yè)收益率波動(dòng)。

      將表4和表5結(jié)合來(lái)看,可獲得更多信息。第一,貿(mào)易政策不確定性和外匯政策不確定性對(duì)行業(yè)指數(shù)波動(dòng)存在抑制效應(yīng),財(cái)政政策不確定性和貨幣政策不確定性對(duì)行業(yè)指數(shù)波動(dòng)存在行業(yè)差異性,前者對(duì)金融地產(chǎn)和電信部門(mén)收益率波動(dòng)存在促進(jìn)作用,對(duì)其余行業(yè)收益率波動(dòng)具有抑制作用;后者對(duì)電信部門(mén)行業(yè)波動(dòng)存在抑制效應(yīng),對(duì)其余部門(mén)收益波動(dòng)具有助推作用。第二,財(cái)政政策不確定性和貨幣政策不確定性均對(duì)信息技術(shù)、原材料和能源部門(mén)影響最大,表明兩者聯(lián)系緊密,對(duì)行業(yè)波動(dòng)影響存在一致性。貿(mào)易政策不確定性對(duì)可選消費(fèi)、金融地產(chǎn)和能源部門(mén)有較大影響,外匯政策不確定性對(duì)金融地產(chǎn)、信息技術(shù)和原材料部門(mén)影響大。綜上所述,政策不確定性間存在某種聯(lián)動(dòng)性,財(cái)政政策和貨幣政策表現(xiàn)明顯。

      圖4是多因子模型權(quán)重圖,由圖可知,行業(yè)波動(dòng)對(duì)經(jīng)濟(jì)政策不確定性的敏感程度有所差異。第一,消費(fèi)行業(yè)、信息技術(shù)對(duì)財(cái)政政策反應(yīng)敏感,原材料、醫(yī)藥衛(wèi)生、能源、金融地產(chǎn)、公用事業(yè)對(duì)貿(mào)易政策反應(yīng)敏感,工業(yè)和電信部門(mén)對(duì)外匯政策反應(yīng)敏感。第二,信息行業(yè)對(duì)財(cái)政政策的反應(yīng)較為平均,其余行業(yè)存在先增后降現(xiàn)象,表明財(cái)政政策不確定性對(duì)行業(yè)波動(dòng)的影響具有先加深后減弱的規(guī)律,貿(mào)易政策不確定性也存在此現(xiàn)象。第三,貨幣政策不確定性對(duì)信息技術(shù)、能源、可選消費(fèi)、金融地產(chǎn)和公用事業(yè)部門(mén)的影響呈遞增趨勢(shì),說(shuō)明貨幣政策對(duì)這些行業(yè)的影響具有持續(xù)性。第四,外匯政策不確定性?xún)H對(duì)金融地產(chǎn)部門(mén)具有持續(xù)性特征,表明匯市和股市聯(lián)系密切。

      (四)結(jié)構(gòu)變化

      由于我國(guó)經(jīng)濟(jì)增長(zhǎng)存在階段差異性,若從全樣本出發(fā)分析政策不確定性對(duì)行業(yè)波動(dòng)的影響,無(wú)法捕捉階段特征,易忽視某些重要信息。同時(shí),已有研究表明政策不確定性的時(shí)變特征明顯,在不同時(shí)期對(duì)股市波動(dòng)的影響存在差異(Li等,2015)[6]。圖5是工業(yè)增加值及其波動(dòng)率時(shí)序圖,由圖可知工業(yè)增加值在前期一直處于高位,在2012年左右開(kāi)始逐漸下滑,波動(dòng)率也存在類(lèi)似現(xiàn)象,前期波幅大,后期波幅小,說(shuō)明筆者的擔(dān)心不無(wú)道理。因此本文擬將全樣本劃分為T(mén)1時(shí)期(2005—2012年)和T2時(shí)期(2013—2019年),T1是經(jīng)濟(jì)高速增長(zhǎng)期,T2是經(jīng)濟(jì)平穩(wěn)期,以期研究不同的經(jīng)濟(jì)環(huán)境下政策不確定性對(duì)行業(yè)波動(dòng)的影響。

      圖5揭示分階段研究政策不確定性對(duì)行業(yè)波動(dòng)影響的重要性,因此在表6中匯報(bào)T1和T2分階段參數(shù)估計(jì)結(jié)果。第一,財(cái)政政策不確定性在T1和T2時(shí)期對(duì)行業(yè)波動(dòng)都具有抑制作用,表明當(dāng)財(cái)政政策不確定性上升時(shí),行業(yè)波動(dòng)將下降。深入分析可發(fā)現(xiàn),財(cái)政政策不確定性在T1時(shí)期對(duì)醫(yī)藥部門(mén)無(wú)影響,在T2時(shí)期其影響范圍有所縮小。第二,貨幣政策不確定性在兩階段對(duì)行業(yè)波動(dòng)均存在助推作用,在T1時(shí)期其影響范圍有限,T2時(shí)期影響范圍擴(kuò)大,表明隨著我國(guó)金融市場(chǎng)的不斷完善,貨幣政策和股市間的傳導(dǎo)渠道被逐漸打通。第三,貿(mào)易政策不確定性對(duì)行業(yè)波動(dòng)的影響存在非對(duì)稱(chēng)性,在T1時(shí)期行業(yè)波動(dòng)隨貿(mào)易政策不確定性的上升而增強(qiáng),T2時(shí)期呈相反態(tài)勢(shì)。第四,外匯政策不確定性與財(cái)政政策不確定性一致,對(duì)行業(yè)波動(dòng)存在抑制作用,其在T2時(shí)期的影響范圍較T1時(shí)期有所擴(kuò)大,2015年“811匯改”使匯率機(jī)制進(jìn)一步市場(chǎng)化或是其潛在成因。

      圖6是T1、T2時(shí)期政策不確定性權(quán)重圖。上半部分是T1時(shí)期權(quán)重圖,下半部分是T2時(shí)期權(quán)重圖,受篇幅所限此處只列示部分行業(yè)。整體來(lái)看,政策不確定性在不同時(shí)期對(duì)同一行業(yè)的權(quán)重分布存在顯著差異。對(duì)主要消費(fèi)行業(yè)來(lái)說(shuō),其在兩階段均對(duì)財(cái)政政策不確定性和貿(mào)易政策不確定性反應(yīng)敏感,對(duì)外匯和貨幣政策不確定性存在滯后反應(yīng)。在原材料行業(yè)中,T1時(shí)期與主要消費(fèi)一致,對(duì)財(cái)政和貿(mào)易政策反應(yīng)敏感,但在T2時(shí)期對(duì)貿(mào)易政策不確定性存在明顯滯后。醫(yī)藥部門(mén)對(duì)貨幣政策不確定性反應(yīng)敏感,此現(xiàn)象在T1時(shí)期體現(xiàn)明顯。信息部門(mén)在T1時(shí)期對(duì)貿(mào)易政策不確定性敏感,在T2時(shí)期對(duì)財(cái)政政策敏感。能源部門(mén)在T1時(shí)期對(duì)政策不確定性的反應(yīng)速度大體一致,但在T2時(shí)期對(duì)貿(mào)易政策不確定性的反應(yīng)存在明顯滯后。對(duì)權(quán)重圖做整體分析可知,T1時(shí)期行業(yè)波動(dòng)對(duì)貿(mào)易政策不確定性反應(yīng)敏感,T2時(shí)期對(duì)財(cái)政政策不確定性反應(yīng)敏感,此現(xiàn)象在其余行業(yè)中也存在。

      四、結(jié)論與政策建議

      本文在Engle等(2013)[14]研究基礎(chǔ)上構(gòu)建多因子混頻波動(dòng)率模型,并將其運(yùn)用于分析政策不確定性對(duì)行業(yè)波動(dòng)的影響,其中行業(yè)數(shù)據(jù)選擇中證公司發(fā)布的中證行業(yè)指數(shù),對(duì)于政策不確定性,筆者在文中作進(jìn)一步細(xì)分,分為財(cái)政、貨幣、貿(mào)易、外匯四個(gè)政策不確定性,數(shù)據(jù)區(qū)間為2005年1月—2019年10月。在此基礎(chǔ)上,本文首先估計(jì)基準(zhǔn)模型,甄別已實(shí)現(xiàn)波動(dòng)率對(duì)股市波動(dòng)的長(zhǎng)期影響。其次,從全樣本出發(fā),運(yùn)用多因子模型,研究財(cái)政、貨幣、貿(mào)易、外匯四大政策不確定性對(duì)行業(yè)波動(dòng)的長(zhǎng)期影響,并分析政策不確定性的權(quán)重變化。最后,由于經(jīng)濟(jì)增長(zhǎng)存在階段差異性,若從全樣本出發(fā)分析政策不確定性對(duì)行業(yè)波動(dòng)的影響,易忽視某些重要信息。因此為預(yù)防出現(xiàn)結(jié)構(gòu)性變化,筆者將全樣本劃分為T(mén)1(2005—2012年)、T2(2013—2019年)兩階段,并分析權(quán)重前后變化。結(jié)論如下:

      第一,貨幣政策不確定性和已實(shí)現(xiàn)波動(dòng)率在全樣本時(shí)期對(duì)行業(yè)波動(dòng)有助推效應(yīng),貿(mào)易政策不確定性和外匯政策不確定性會(huì)抑制行業(yè)波動(dòng),而財(cái)政政策不確定性對(duì)行業(yè)波動(dòng)的影響存在行業(yè)差異性。進(jìn)一步分析發(fā)現(xiàn),政策不確定性間存在某種聯(lián)動(dòng)性,其中財(cái)政政策不確定性和貨幣政策不確定性表現(xiàn)明顯。

      第二,在全樣本上行業(yè)波動(dòng)對(duì)經(jīng)濟(jì)政策不確定性的敏感程度存在差異,消費(fèi)行業(yè)和信息行業(yè)對(duì)財(cái)政政策不確定性反應(yīng)敏感,原材料、金融地產(chǎn)、醫(yī)藥、公用事業(yè)、能源對(duì)貿(mào)易政策不確定性反應(yīng)敏感,工業(yè)和電信行業(yè)對(duì)外匯政策反應(yīng)敏感。與此同時(shí),外匯政策不確定性?xún)H對(duì)金融地產(chǎn)的行業(yè)波動(dòng)具有持續(xù)性。

      第三,對(duì)子樣本估計(jì)結(jié)果分析可知,隨著我國(guó)金融市場(chǎng)的不斷完善,貨幣政策和股市間的傳導(dǎo)渠道被逐漸打通,同時(shí)外匯政策不確定性在T2時(shí)期對(duì)行業(yè)波動(dòng)的影響范圍擴(kuò)大,2015年“811匯改”或是其潛在成因,匯改后股市和匯市聯(lián)動(dòng)性日漸加強(qiáng)。

      第四,通過(guò)分析子樣本權(quán)重圖可知,在子樣本內(nèi)行業(yè)波動(dòng)對(duì)經(jīng)濟(jì)政策不確定性的反應(yīng)存在較大差異。整體來(lái)看,T1時(shí)期行業(yè)波動(dòng)對(duì)貿(mào)易政策不確定性反應(yīng)敏感,T2時(shí)期對(duì)財(cái)政政策不確定性反應(yīng)敏感。

      上述結(jié)論對(duì)監(jiān)管機(jī)構(gòu)具有參考意義:第一,明晰各政策不確定性對(duì)行業(yè)波動(dòng)的影響效應(yīng),例如在2013—2019年經(jīng)濟(jì)平穩(wěn)期,貨幣政策不確定性會(huì)增強(qiáng)行業(yè)波動(dòng),財(cái)政、貿(mào)易、外匯會(huì)抑制行業(yè)波動(dòng),這為政府機(jī)構(gòu)出臺(tái)政策提供有益參考,當(dāng)市場(chǎng)出現(xiàn)異常情況時(shí),政府可組合各種政策避免出現(xiàn)系統(tǒng)性危機(jī)事件。第二,由上文可知現(xiàn)階段行業(yè)波動(dòng)對(duì)財(cái)政政策不確定性反應(yīng)敏感,因此政府應(yīng)注重保持財(cái)政政策的連續(xù)性,從而減輕其對(duì)金融體系穩(wěn)定性的沖擊。

      本文是筆者對(duì)經(jīng)濟(jì)政策不確定性與行業(yè)波動(dòng)的階段性研究成果,還有很多問(wèn)題值得深入研究。例如,可進(jìn)一步比較政策不確定性對(duì)債市、匯市、股市波動(dòng)的異同,或探究政策不確定性間的聯(lián)動(dòng)特征,或?qū)χ忻纼蓢?guó)股票市場(chǎng)的經(jīng)濟(jì)政策進(jìn)行比較研究等等,筆者將在后續(xù)研究中重點(diǎn)關(guān)注這些問(wèn)題。

      參考文獻(xiàn):

      [1]Chen,S. 2007. Does Monetary Policy Have Asymmetric Effects on Stock Returns? [J].Journal of Money Credit & Banking,39(2).

      [2]Engle, R. F.,Rangel,J. G. 2008. The Spline-GARCH Model for Low-Frequency Volatility and Its Global Macroeconomic Causes [J].Review of Financial Studies,21(3).

      [3]Basistha,A.,Kurov,A. 2008. Macroeconomic cycles and the stock markets reaction to monetary policy [J]. Journal of Banking & Finance,32(12).

      [4]Challe, E.,Giannitsarou, C. 2011. Stock Prices and? ?Monetary Policy Shocks:A General Equilibrium Approach [J].Journal of Economic Dynamics and Control,40(1).

      [5]Gospodinov,N.,Jamali, I. 2015. The Response of Stock Market Volatility to Futures-based Measures of Monetary Policy Shocks [J].International Review of Economics & Finance,37.

      [6]Li,X.,Balcilar,M.,Gupta,R. et al. 2015. The Causal Relationship Between Economic Policy Uncertainty and Stock Returns in China and India: Evidence from a Bootstrap Rolling Window Approach [J].Emerging Markets Finance and Trade,52(3).

      [7]肖洋,倪玉娟,方舟.股票價(jià)格、實(shí)體經(jīng)濟(jì)與貨幣政策研究——基于我國(guó)1997—2011年的經(jīng)驗(yàn)證據(jù) [J].經(jīng)濟(jì)評(píng)論, 2012,(2).

      [8]陳其安,張媛,劉星.宏觀(guān)經(jīng)濟(jì)環(huán)境、政府調(diào)控政策與股票市場(chǎng)波動(dòng)性——來(lái)自中國(guó)股票市場(chǎng)的經(jīng)驗(yàn)證據(jù)? [J]. 經(jīng)濟(jì)學(xué)家,2010,(2).

      [9]顧巧明.我國(guó)股市波動(dòng)的長(zhǎng)記憶性與貨幣政策的非對(duì)稱(chēng)性研究 [J].中國(guó)經(jīng)濟(jì)問(wèn)題,2011,(1).

      [10]陳其安,雷小燕.貨幣政策、投資者情緒與中國(guó)股票市場(chǎng)波動(dòng)性:理論與實(shí)證 [J].中國(guó)管理科學(xué),2017,25(11).

      [11]王明濤,路磊,宋鍇.政策因素對(duì)股票市場(chǎng)波動(dòng)的非對(duì)稱(chēng)性影響 [J].管理科學(xué)學(xué)報(bào),2012,15(12).

      [12]周方召,賈少卿.經(jīng)濟(jì)政策不確定性、投資者情緒與中國(guó)股市波動(dòng) [J].金融監(jiān)管研究,2019,(8).

      [13]Ghysels,E.,Sinko,A.,Valkanov, R. 2007. MIDAS Regressions:Further Results and New Directions [J].Econometric Reviews,26(1).

      [14]Engle,R. F.,Ghysels,E.,Sohn, B. 2013. Stock Market Volatility and Macroeconomic Fundamentals [J].Review of Economics and Statistics,95(3).

      [15]Girardin,E.,Joyeux, R. 2013. Macro Fundamentals as A Source of Stock Market Volatility in China:A Garch-MIDAS Approach [J].Economic Modelling,34.

      [16]鄭挺國(guó),尚玉皇.基于宏觀(guān)基本面的股市波動(dòng)度量與預(yù)測(cè) [J].世界經(jīng)濟(jì),2014,(12).

      [17]夏婷,聞岳春.經(jīng)濟(jì)不確定性是股市波動(dòng)的因子嗎?——基于GARCH-MIDAS模型的分析 [J].中國(guó)管理科學(xué), 2018,26(12).

      [18]Baker,S. R.,Bloom,N.,Davis,S. J. 2016. Measuring Economic Policy Uncertainty [J].The Quarterly Journal of Economics,131(4).

      [19]Huang,Y.,Luk, P. 2019. Measuring Economic Policy Uncertainty in China [J]. 2019 Working Paper.

      南岸区| 峨山| 大城县| 潞西市| 长春市| 随州市| 九江市| 惠安县| 彭山县| 荃湾区| 泊头市| 五大连池市| 丹巴县| 沧源| 双城市| 承德市| 五华县| 民县| 镇赉县| 宁波市| 萨迦县| 进贤县| 鹰潭市| 康平县| 彭泽县| 梓潼县| 锡林郭勒盟| 桃园市| 商都县| 岑溪市| 札达县| 万全县| 综艺| 铜山县| 博客| 银川市| 清水河县| 惠州市| 巴东县| 依兰县| 平阴县|