劉鳳根，吳軍傳，楊希特，歐陽(yáng)資生

(湖南工商大學(xué)財(cái)政金融學(xué)院，湖南 長(zhǎng)沙 410205)

1 引言

美國(guó)30年代大危機(jī)至今一系列金融危機(jī)爆發(fā)的經(jīng)驗(yàn)事實(shí)表明，任何外生沖擊引發(fā)金融危機(jī)之后，股票價(jià)格的恐慌式下跌必然加劇金融危機(jī)。特別是2008年美國(guó)次貸危機(jī)以來(lái)，股票市場(chǎng)異常波動(dòng)作為系統(tǒng)性金融風(fēng)險(xiǎn)的重要引致因素(Giglio等)[1]已經(jīng)成為金融監(jiān)管當(dāng)局管理系統(tǒng)性金融風(fēng)險(xiǎn)的重要內(nèi)容。近幾年來(lái)，受宏觀(guān)經(jīng)濟(jì)下行壓力加大、“去杠桿”、“調(diào)結(jié)構(gòu)”、中美貿(mào)易摩擦等諸多不確定性因素的影響，中國(guó)股票市場(chǎng)經(jīng)歷的多次暴漲暴跌對(duì)“牢牢守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)”工作形成了嚴(yán)峻挑戰(zhàn)。因此，準(zhǔn)確判研宏觀(guān)經(jīng)濟(jì)與股票市場(chǎng)波動(dòng)的關(guān)系，減少“下行的宏觀(guān)基本面”對(duì)股票市場(chǎng)波動(dòng)的沖擊，對(duì)防范化解“股票市場(chǎng)異常波動(dòng)型”系統(tǒng)性金融風(fēng)險(xiǎn)的發(fā)生具有重要作用。

宏觀(guān)經(jīng)濟(jì)與股票市場(chǎng)波動(dòng)之間的關(guān)系是宏觀(guān)金融理論研究的一個(gè)經(jīng)典命題。Campbell和Cochrane[2]的習(xí)慣形成模型、Reitz[3]和Barro[4]的罕見(jiàn)災(zāi)害模型等經(jīng)典主流理論得出基本一致的結(jié)論是，宏觀(guān)經(jīng)濟(jì)變化通過(guò)對(duì)邊際效用、資本成本和貼現(xiàn)率等因素的影響，最終引致股票價(jià)格變化。股票價(jià)格具有順經(jīng)濟(jì)周期性，而股權(quán)溢價(jià)和股票價(jià)格波動(dòng)具有逆經(jīng)濟(jì)周期性特征，即經(jīng)濟(jì)衰退時(shí)股票價(jià)格波動(dòng)性更大，經(jīng)濟(jì)繁榮時(shí)股票價(jià)格波動(dòng)性變小。來(lái)自美國(guó)等發(fā)達(dá)市場(chǎng)(Fama和Schwert[5]；Ferson和Harvey[6]；等等)和新興市場(chǎng)(Levine 和Zervos[7]；趙振全和張宇[8]；等等)大量實(shí)證證據(jù)支持了這一結(jié)論。

傳統(tǒng)計(jì)量方法在處理宏觀(guān)經(jīng)濟(jì)與股票價(jià)格之間的關(guān)系時(shí)存在兩個(gè)不可規(guī)避的難點(diǎn)：①傳統(tǒng)計(jì)量模型關(guān)于解釋變量和被解釋變量數(shù)據(jù)頻率的一致性要求與事實(shí)上可獲得的宏觀(guān)經(jīng)濟(jì)變量時(shí)間序列和股票價(jià)格時(shí)間序列原始數(shù)據(jù)的不同頻產(chǎn)生了矛盾。按照統(tǒng)計(jì)慣例，GDP通常以季度頻率進(jìn)行統(tǒng)計(jì)并公布，CPI、PPI等其他宏觀(guān)經(jīng)濟(jì)變量數(shù)據(jù)以月度頻率進(jìn)行統(tǒng)計(jì)并公布。而以日頻率以及日內(nèi)分鐘為采集頻率的中高頻股票價(jià)格時(shí)間序列數(shù)據(jù)由于含有高度持續(xù)性的交易信息，更加準(zhǔn)確地揭示了股票價(jià)格行為特征，為股票市場(chǎng)波動(dòng)性研究文獻(xiàn)所推崇。為了使這兩類(lèi)數(shù)據(jù)同頻，學(xué)術(shù)界通常采用插值法將低頻數(shù)據(jù)轉(zhuǎn)換為高頻數(shù)據(jù)(Chow和Lin[9]；趙進(jìn)文和薛艷，2009[10])，或采用加總、替代方法將高頻數(shù)據(jù)轉(zhuǎn)換為低頻數(shù)據(jù)(Silvestrini和Veredas)[11]。毫無(wú)疑問(wèn)，這些數(shù)據(jù)變頻方法都會(huì)損失原始數(shù)據(jù)本身所蘊(yùn)含的有效信息并可能引起模型誤設(shè)和統(tǒng)計(jì)偏誤(Ghysels等)[12]。②傳統(tǒng)的VAR、SVAR、GARCH、Copula等被廣泛運(yùn)用于宏觀(guān)經(jīng)濟(jì)變量對(duì)股票市場(chǎng)波動(dòng)影響的計(jì)量方法，事實(shí)上無(wú)法準(zhǔn)確識(shí)別宏觀(guān)經(jīng)濟(jì)變量對(duì)股票市場(chǎng)波動(dòng)的內(nèi)在影響機(jī)制。雖然自Engle和Lee[13]提出CGARCH模型之后一系列成分GARCH模型將股票收益率序列的條件方差(波動(dòng)性)分解為與波動(dòng)性新息短暫效應(yīng)相關(guān)的短期波動(dòng)及與持久效應(yīng)相關(guān)的長(zhǎng)期波動(dòng)兩種成分，但這類(lèi)成分模型僅僅局限于股票收益率序列的波動(dòng)性成分分解層面，對(duì)于不同的波動(dòng)性成分特別是長(zhǎng)期成分的驅(qū)動(dòng)因素卻無(wú)法識(shí)別，更無(wú)法解釋其經(jīng)濟(jì)含義。

混頻抽樣(Ghysels等，2007)[12]通過(guò)引入權(quán)重多項(xiàng)式實(shí)現(xiàn)了低頻數(shù)據(jù)與高頻數(shù)據(jù)的有機(jī)結(jié)合，規(guī)避了傳統(tǒng)計(jì)量模型關(guān)于解釋變量與被解釋變量數(shù)據(jù)頻率的一致性要求。大量的混頻抽樣模型運(yùn)用于宏觀(guān)經(jīng)濟(jì)變量預(yù)測(cè)(劉漢和劉金全[14]；李正輝和鄭玉航[15]；魯萬(wàn)波和楊冬[16])并證實(shí)比傳統(tǒng)計(jì)量模型具有更好的計(jì)量功效。Engle等[17]首次建立混頻自回歸條件異方差模型(GARCH-MIDAS)將股票收益率序列的高頻波動(dòng)分解為短期成分和長(zhǎng)期成分并運(yùn)用混頻抽樣實(shí)證分析了通貨膨脹、工業(yè)產(chǎn)值增長(zhǎng)率對(duì)股票收益率序列波動(dòng)長(zhǎng)期成分的影響，為探究宏觀(guān)經(jīng)濟(jì)與股票市場(chǎng)波動(dòng)的動(dòng)態(tài)關(guān)系提供了一個(gè)有效的混頻數(shù)據(jù)模型分析框架。鄭挺國(guó)和尚玉皇[18]關(guān)于中國(guó)股票市場(chǎng)日波動(dòng)率的樣本內(nèi)擬合和樣本外預(yù)測(cè)、Asgharian等[19]關(guān)于美國(guó)宏觀(guān)經(jīng)濟(jì)不確定性對(duì)股票市場(chǎng)與債券市場(chǎng)長(zhǎng)期波動(dòng)的影響、夏婷和聞岳春[20]關(guān)于中國(guó)宏觀(guān)經(jīng)濟(jì)不確定性對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)的影響等研究均表明GARCH-MIDAS模型的適用性并能夠提高計(jì)量功效。

鑒于當(dāng)前中國(guó)經(jīng)濟(jì)結(jié)構(gòu)性減速的“經(jīng)濟(jì)新常態(tài)”特征事實(shí)，本文基于Engle等[17]的分析框架，首先將上證綜指日收益率的已實(shí)現(xiàn)波動(dòng)率分解為短期波動(dòng)成分和長(zhǎng)期波動(dòng)成分；其次選取生產(chǎn)者價(jià)格指數(shù)(PPI)、居民消費(fèi)價(jià)格指數(shù)(CPI)、宏觀(guān)經(jīng)濟(jì)景氣指數(shù)(CONS)、同業(yè)拆借利率(RATE)四個(gè)主要宏觀(guān)經(jīng)濟(jì)變量，運(yùn)用混頻抽樣方法實(shí)證分析了宏觀(guān)經(jīng)濟(jì)對(duì)股票市場(chǎng)波動(dòng)長(zhǎng)期成分的動(dòng)態(tài)影響。與以往文獻(xiàn)相比，這一研究的邊際貢獻(xiàn)是：①運(yùn)用混頻抽樣方法實(shí)證分析了中國(guó)宏觀(guān)經(jīng)濟(jì)變量對(duì)股票市場(chǎng)波動(dòng)的影響，避免了因數(shù)據(jù)同頻處理過(guò)程中所引起的樣本信息損失、人為的信息虛增并可能引發(fā)模型誤設(shè)和統(tǒng)計(jì)偏誤，增強(qiáng)了計(jì)量結(jié)果的準(zhǔn)確性和可信度；②考慮到不同宏觀(guān)經(jīng)濟(jì)變量對(duì)股票市場(chǎng)波動(dòng)具有不同的作用機(jī)制，而且同一宏觀(guān)經(jīng)濟(jì)變量在水平值和波動(dòng)率兩個(gè)維度對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)也具有不同的影響效果，本文不僅單獨(dú)考察了PPI、CPI、CONS和RATE四個(gè)主要宏觀(guān)經(jīng)濟(jì)變量對(duì)股票市場(chǎng)波動(dòng)的長(zhǎng)期動(dòng)態(tài)影響，而且運(yùn)用主成分分析方法提取了第一主成分(PC1)以及構(gòu)建了一個(gè)能全面反映宏觀(guān)經(jīng)濟(jì)總體運(yùn)行狀況的綜合指數(shù)(MACRO)進(jìn)一步進(jìn)行了實(shí)證分析，既探究了宏觀(guān)經(jīng)濟(jì)總體狀況對(duì)股票市場(chǎng)波動(dòng)的影響，又克服了GARCH-MIDAS模型的濾波方程不能同時(shí)嵌入多個(gè)宏觀(guān)經(jīng)濟(jì)變量的缺陷；③基于多因子GARCH-MIDAS模型中宏觀(guān)經(jīng)濟(jì)變量對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)影響系數(shù)的衰減變化，系統(tǒng)地探究了各個(gè)宏觀(guān)經(jīng)濟(jì)變量對(duì)股票市場(chǎng)波動(dòng)的動(dòng)態(tài)影響機(jī)制。

2 模型設(shè)定

2.1 股票市場(chǎng)波動(dòng)率單因子GARCH-MIDAS模型

根據(jù)Campbell和Shiller[21]及Campbell[22]的經(jīng)典分析框架，任何股票市場(chǎng)的非預(yù)期收益可以設(shè)定為：

(1)

其中，ri,t表示第t月第i天的股票市場(chǎng)收益率，di,t為第t月第i天的股票市場(chǎng)股利，ρ為貼現(xiàn)因子，Ei-1,t(·)表示給定已知的直到i-1時(shí)刻為止的信息集Ii-1,t情形下的條件期望值。

Engle和Rangle[23]認(rèn)為，非預(yù)期收益可以被描述為對(duì)未來(lái)現(xiàn)金流或預(yù)期收益的新息，且股票市場(chǎng)預(yù)期收益受到新息沖擊之后具有時(shí)變方差，即：

(2)

因此，股票收益率序列的波動(dòng)性被分解為高頻的短期成分gi,t和低頻的長(zhǎng)期成分τt。其中，gi,t表示第t月第i天的高頻波動(dòng)率，τt表示第t月的低頻波動(dòng)率，并假定隨機(jī)擾動(dòng)項(xiàng)εi,t服從條件標(biāo)準(zhǔn)正態(tài)分布，即εit|Ii-1,t～N(0,1)。

這樣，股票收益率序列的總條件方差可以表示為：

(3)

假設(shè)Ei-1,t(ri,t)=μ，方程(2)可以寫(xiě)成：

(4)

假設(shè)股票收益率序列的短期波動(dòng)成分gi,t遵從GARCH(1,1)過(guò)程，即：

(5)

長(zhǎng)期波動(dòng)成分τt為一個(gè)已實(shí)現(xiàn)波動(dòng)率RVt的MIDAS濾波方程，即：

(6)

其中，參數(shù)θ度量的是已實(shí)現(xiàn)波動(dòng)率RV對(duì)于股票收益率序列波動(dòng)率長(zhǎng)期成分τt的邊際貢獻(xiàn)，K為平滑濾波的最大滯后期數(shù)并依模型而定。已實(shí)現(xiàn)波動(dòng)率定義為：

(7)

(8)

其中，N表示第t月有N天，參照Engle等[17]的做法，N=22。(6)式和(7)式分別定義的是固定窗口的已實(shí)現(xiàn)波動(dòng)率和滾動(dòng)窗口的已實(shí)現(xiàn)波動(dòng)率。

(6)式中的φj(ω1,ω2)是通過(guò)β函數(shù)構(gòu)造的權(quán)重方程并定義為：

(9)

(4)-(9)式即構(gòu)成了基于已實(shí)現(xiàn)波動(dòng)率的單因子GARCH-MIDAS模型。

2.2 納入宏觀(guān)經(jīng)濟(jì)變量的股票市場(chǎng)波動(dòng)率多因子GARCH-MIDAS模型

很多主流金融理論(Schwer[24]、Kim和Nelson[25]等)研究表明，從波動(dòng)性成分來(lái)看，股票市場(chǎng)波動(dòng)中的短期成分呈現(xiàn)出顯著的均值回復(fù)特征，對(duì)市場(chǎng)中突發(fā)信息非常敏感；而長(zhǎng)期成分主要受到宏觀(guān)基本面新息的驅(qū)動(dòng)。根據(jù)Engle和Rangle[23]，以Xt表示宏觀(guān)經(jīng)濟(jì)狀態(tài)變量，則上述(4)式就可以修正為：

(10)

由此，上述描述股票收益率序列波動(dòng)性長(zhǎng)期成分模型修正如下：

(11)

這樣，宏觀(guān)經(jīng)濟(jì)變量的低頻數(shù)據(jù)就通過(guò)MIDAS濾波的方式與股票收益率序列的中高頻數(shù)據(jù)實(shí)現(xiàn)了有機(jī)結(jié)合。

為了充分考察宏觀(guān)經(jīng)濟(jì)變量X對(duì)股票市場(chǎng)波動(dòng)率的影響，本文分別從水平值XL和波動(dòng)率XV兩個(gè)維度測(cè)度宏觀(guān)經(jīng)濟(jì)變量對(duì)股票收益率長(zhǎng)期波動(dòng)成分產(chǎn)生的影響。因此，一個(gè)同時(shí)考察已實(shí)現(xiàn)波動(dòng)性和宏觀(guān)經(jīng)濟(jì)變量對(duì)股票收益率序列長(zhǎng)期波動(dòng)成分τt的影響模型的具體形式設(shè)定為：

(12)

考慮到宏觀(guān)經(jīng)濟(jì)變量的符號(hào)有正有負(fù)，對(duì)上式中的τt取對(duì)數(shù)就可以保證與總條件方差的符號(hào)始終為正相匹配。采用大多數(shù)文獻(xiàn)的做法，具體實(shí)證實(shí)施過(guò)程中，采用τt的對(duì)數(shù)形式。

由此，單因子GARCH-MIDAS模型即被拓展為一個(gè)納入宏觀(guān)經(jīng)濟(jì)變量的股票市場(chǎng)波動(dòng)率多因子GARCH-MIDAS模型，本文簡(jiǎn)稱(chēng)為RV+XL+XV模型。

出于模型的可識(shí)別和收斂問(wèn)題，上述多因子GARCH-MIDAS模型只能考察一個(gè)宏觀(guān)經(jīng)濟(jì)變量對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)的影響。為了規(guī)避多因子GARCH-MIDAS模型的這一缺陷，借鑒Asgharian等(2013)[26]的做法，本文運(yùn)用主成分分析獲得第一主成分PC1并構(gòu)造一個(gè)能充分反映宏觀(guān)經(jīng)濟(jì)總體狀況的綜合指數(shù)MACRO。假設(shè)存在q個(gè)宏觀(guān)經(jīng)濟(jì)變量Xi(i=1,2，…，q)，則第i個(gè)主成分可以表示為：

PCi=v1iX1+v2iX2+…+vqiXq

(13)

其中，系數(shù)向量Vi=(v1i,v2i,…,vqi)為向量X=(X1,X2,…,Xq)的協(xié)方差矩陣或相關(guān)系數(shù)矩陣的第i個(gè)特征值λi所對(duì)應(yīng)的特征向量，并且在各主成分中，第i個(gè)主成分PCi的方差為var(PCi)=λi，PC1的方差最大，PC2的方差次之，…，PCq的方差最小。如果主成分是通過(guò)協(xié)方差獲得，則要求對(duì)Xi進(jìn)行均值化處理；如果運(yùn)用相關(guān)系數(shù)矩陣獲得主成分，則需要對(duì)Xi進(jìn)行標(biāo)準(zhǔn)化處理，如0-1標(biāo)準(zhǔn)化、正態(tài)標(biāo)準(zhǔn)化等。

一個(gè)能夠有效替代q個(gè)原始宏觀(guān)經(jīng)濟(jì)變量的綜合變量的最優(yōu)選擇即為第一主成分PC1。但是，第一主成分作為綜合指標(biāo)的前提是其方差貢獻(xiàn)率足夠大，通常情況下這一條件較難得到滿(mǎn)足，表明單純使用PC1可能存在精確性不足的問(wèn)題(林海明和杜子芳，2013)[27]。鑒于此，本文進(jìn)一步構(gòu)造一個(gè)宏觀(guān)經(jīng)濟(jì)綜合指數(shù)MACRO，即通過(guò)各個(gè)主成分的特征根占所有特征根之和的比例作為權(quán)重對(duì)所有主成分進(jìn)行加權(quán)求和獲得的MACRO指數(shù)定義如下：

(14)

這樣，將(9)式中單個(gè)宏觀(guān)經(jīng)濟(jì)變量X替代為PC1和MACRO，就可以分別建立納入宏觀(guān)經(jīng)濟(jì)主成分多因子GARCH-MIDAS模型和宏觀(guān)經(jīng)濟(jì)綜合指數(shù)GARCH-MIDAS模型綜合考察宏觀(guān)經(jīng)濟(jì)總體狀況與股票市場(chǎng)波動(dòng)的長(zhǎng)期動(dòng)態(tài)關(guān)系。

3 實(shí)證研究

3.1 變量選取和數(shù)據(jù)說(shuō)明

本文選取上證綜合指數(shù)收益率的增長(zhǎng)率度量股票市場(chǎng)波動(dòng)性。代表性選取生產(chǎn)者價(jià)格指數(shù)(PPI)、居民消費(fèi)價(jià)格指數(shù)(CPI)、宏觀(guān)經(jīng)濟(jì)景氣指數(shù)中的一致指數(shù)(CONS)和同業(yè)拆借利率(RATE)四個(gè)宏觀(guān)經(jīng)濟(jì)變量測(cè)度宏觀(guān)經(jīng)濟(jì)基本面。實(shí)證分析中宏觀(guān)經(jīng)濟(jì)變量的水平值和波動(dòng)率分別取為各宏觀(guān)經(jīng)濟(jì)指標(biāo)的增長(zhǎng)率及其波動(dòng)率。參考Schwert[24]的研究，對(duì)宏觀(guān)經(jīng)濟(jì)變量水平值取對(duì)數(shù)并進(jìn)行一階差分之后，進(jìn)行關(guān)于12個(gè)月度虛擬變量的AR(p)自回歸，將獲得的殘差平方作為宏觀(guān)經(jīng)濟(jì)變量波動(dòng)率的代理變量。考慮到銀行同業(yè)拆借利率是中國(guó)最早實(shí)行市場(chǎng)化的利率，銀行間同業(yè)拆借市場(chǎng)中7天同業(yè)拆借交易最為活躍，交易量也最大，本文采用銀行間同業(yè)拆借7天加權(quán)平均利率作為同業(yè)拆借利率的代表。上證綜合指數(shù)為日度數(shù)據(jù)，宏觀(guān)經(jīng)濟(jì)變量為月度數(shù)據(jù)，數(shù)據(jù)區(qū)間為1996年1月～2018年12月。所有數(shù)據(jù)均來(lái)自Wind數(shù)據(jù)庫(kù)。

3.2 GARCH-MIDAS模型的估計(jì)

在對(duì)單因子和多因子GARCH-MIDAS模型進(jìn)行估計(jì)過(guò)程中，均依據(jù)準(zhǔn)極大似然估計(jì)法(QML，Quasi Maximum Likelihood Estimation)，綜合運(yùn)用AIC、BIC信息準(zhǔn)則最小和似然比函數(shù)值LLF最大原則進(jìn)行選擇。本文在估計(jì)過(guò)程中，對(duì)于權(quán)重函數(shù)的權(quán)重和MIDAS濾波方程的MIDAS滯后年的取值問(wèn)題處理如下：遵循Engle等[17]的做法，第一個(gè)權(quán)重取值為ω1=1，而第二個(gè)權(quán)重ω2的值則通過(guò)模型估計(jì)自行選擇，從而保證了滯后期數(shù)越長(zhǎng)對(duì)應(yīng)的權(quán)重越小。MIDAS濾波方程中滯后期數(shù)K或MIDAS滯后年由模型和數(shù)據(jù)自行決定，即利用信息準(zhǔn)則最小和似然比函數(shù)值最大以及最后1期滯后權(quán)重為零(此時(shí)信息提取最完全)作為選擇最佳滯后期的標(biāo)準(zhǔn)，同時(shí)結(jié)合股票市場(chǎng)波動(dòng)的長(zhǎng)期成分與股票市場(chǎng)波動(dòng)的總條件方差的擬合程度進(jìn)行輔助選擇。實(shí)證研究發(fā)現(xiàn)：①當(dāng)MIDAS滯后年取為1時(shí)，滯后K=12期的權(quán)重不為零，此時(shí)信息提取不完全，所以不討論MIDAS滯后年為1的情形；②不論是固定窗口模型還是滾動(dòng)窗口模型，隨著MIDAS滯后年的增加，似然比函數(shù)逐漸減少，而信息準(zhǔn)則不斷增加。所以GARCH-MIDAS模型的最佳MIDAS滯后年為2或MIDAS滯后期K取值為24。最后，本文仍然綜合運(yùn)用信息準(zhǔn)則最小與似然比函數(shù)值最大原則對(duì)固定窗口模型和滾動(dòng)窗口模型進(jìn)行選擇。

(1)單因子GARCH-MIDAS模型估計(jì)

表1為參數(shù)Θ={μ,α,β,θ,ω,m}的估計(jì)結(jié)果。不論是固定窗口模型還是滾動(dòng)窗口模型，度量GARCH效應(yīng)的參數(shù)μ,α,β在統(tǒng)計(jì)意義上顯著，說(shuō)明中國(guó)股票市場(chǎng)短期波動(dòng)呈現(xiàn)出顯著的波動(dòng)集聚效應(yīng)，這與劉鳳根和周馭艦(2018)[28]等采用傳統(tǒng)的GARCH模型所獲得研究結(jié)論一致，表明中國(guó)股票市場(chǎng)波動(dòng)存在顯著的短期尾部風(fēng)險(xiǎn)；度量已實(shí)現(xiàn)波動(dòng)率對(duì)于股票市場(chǎng)波動(dòng)率長(zhǎng)期成分的邊際貢獻(xiàn)參數(shù)θ的估計(jì)值均顯著為正，意味著已實(shí)現(xiàn)波動(dòng)率增加了股票市場(chǎng)的長(zhǎng)期波動(dòng)。以上結(jié)論揭示了GARCH-MIDAS模型在中國(guó)證券市場(chǎng)中的適用性。

表1 股票市場(chǎng)波動(dòng)率的單因子GARCH-MIDAS模型的估計(jì)結(jié)果

綜合運(yùn)用信息準(zhǔn)則和似然比函數(shù)值選擇的結(jié)果可以發(fā)現(xiàn)，滾動(dòng)窗口GARCH-MIDAS模型明顯優(yōu)于固定窗口GARCH-MIDAS模型。從滾動(dòng)窗口的估計(jì)結(jié)果來(lái)看，系數(shù)θ=0.0372，β權(quán)重函數(shù)中ω=10.0780，將賦予滯后j期的權(quán)重為φj(ω)，則已實(shí)現(xiàn)波動(dòng)率RV對(duì)股票市場(chǎng)波動(dòng)的長(zhǎng)期成分τ的影響程度可以由100×θ·φj(ω)計(jì)算獲得。由此可以得知，滯后1期的權(quán)重為φ1=0.3552，滯后2期權(quán)重為φ2=0.2373，權(quán)重的大小逐漸減小，滯后10期以后權(quán)重系數(shù)幾乎為零，意味著已實(shí)現(xiàn)波動(dòng)率當(dāng)期增加1%，則下一期股票市場(chǎng)波動(dòng)的長(zhǎng)期成分將增加1.32%，滯后2期將增加0.88%，直至第10期后其影響才消失，顯示出中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)具有較強(qiáng)的持續(xù)效應(yīng)。

(2)多因子GARCH-MIDAS模型估計(jì)

本文首先對(duì)所選取的四個(gè)宏觀(guān)經(jīng)濟(jì)原始指標(biāo)進(jìn)行正態(tài)標(biāo)準(zhǔn)化處理，再運(yùn)用協(xié)方差矩陣進(jìn)行主成分分析。從表2列示的各個(gè)主成分與宏觀(guān)經(jīng)濟(jì)變量間的相關(guān)系數(shù)來(lái)看，第一主成分PC1與PPI、CPI、CONS和RATE的相關(guān)系數(shù)分別為0.7369、0.6748、0.4923、0.4267，說(shuō)明PC1與四個(gè)宏觀(guān)經(jīng)濟(jì)指標(biāo)高度正相關(guān)，而其他主成分僅與部分宏觀(guān)經(jīng)濟(jì)變量高度相關(guān)。而且，從表3列示的各主成分的特征根來(lái)看，只有PC1對(duì)應(yīng)的特征根的值λ1>1，其方差貢獻(xiàn)率達(dá)到35.57%，表明選擇第一主成分作為宏觀(guān)經(jīng)濟(jì)總體狀況的代理變量是恰當(dāng)?shù)摹＿M(jìn)一步地，基于主成分法的分析結(jié)果，根據(jù)公式(14)計(jì)算獲得反映宏觀(guān)經(jīng)濟(jì)總體狀況的綜合指數(shù)MACRO。

表2 主成分與宏觀(guān)經(jīng)濟(jì)變量間的相關(guān)系數(shù)

表3 各主成分對(duì)應(yīng)的特征根

納入PPI、CPI、CONS、RATE的多因子GARCH-MIDAS模型的估計(jì)結(jié)果分別對(duì)應(yīng)于表4中的模型1-4以及圖1中的圖(a)-(d)。納入PC1、MACRO的多因子GARCH-MIDAS模型的估計(jì)結(jié)果具體見(jiàn)表4中的模型5-6以及圖1中的圖(e)-(f)。

表4 納入宏觀(guān)經(jīng)濟(jì)變量的多因子GARCH-MIDAS模型估計(jì)結(jié)果

綜合比較信息準(zhǔn)則和似然比函數(shù)值發(fā)現(xiàn)，總體上看，模型1-6的信息準(zhǔn)則AIC和BIC均小于表1所示的單因子GARCH-MIDAS模型，而似然比函數(shù)值LLF均大于單因子GARCH-MIDAS模型，表明納入宏觀(guān)經(jīng)濟(jì)變量的多因子GARCH-MIDAS模型具有比股票市場(chǎng)波動(dòng)率單因子GARCH-MIDAS模型更好的計(jì)量功效。在所有6個(gè)模型中，刻畫(huà)GARCH效應(yīng)的α+β系數(shù)均顯著小于1并非常接近于1，根據(jù)Engle 和 Rangel[23]的研究，此時(shí)條件方差將會(huì)以合理的速度收斂于其均值，說(shuō)明納入宏觀(guān)經(jīng)濟(jì)變量之后，股票市場(chǎng)高頻波動(dòng)同樣具有較好的均值回復(fù)效應(yīng)，宏觀(guān)經(jīng)濟(jì)變量對(duì)股票市場(chǎng)高頻波動(dòng)并不產(chǎn)生影響。進(jìn)一步地，圖1所列示的納入宏觀(guān)經(jīng)濟(jì)變量的GARCH-MIDAS模型的股票市場(chǎng)波動(dòng)的長(zhǎng)期成分與總條件方差的擬合趨勢(shì)直觀(guān)地顯示，股票市場(chǎng)波動(dòng)的長(zhǎng)期成分與其總條件方差的整體變動(dòng)趨勢(shì)高度吻合，意味著納入宏觀(guān)經(jīng)濟(jì)變量的GARCH-MIDAS模型具有較高的擬合優(yōu)度。

圖1 納入宏觀(guān)經(jīng)濟(jì)變量的多因子GARCH-MIDAS模型的條件方差與波動(dòng)性長(zhǎng)期成分?jǐn)M合圖

與單因子GARCH-MIDAS模型的估計(jì)結(jié)果完全一致的是，在1%的顯著性水平上，所有模型1-6中的已實(shí)現(xiàn)波動(dòng)率RV的系數(shù)均顯著為正，說(shuō)明納入了宏觀(guān)經(jīng)濟(jì)變量之后，股票市場(chǎng)已實(shí)現(xiàn)波動(dòng)性對(duì)股票市場(chǎng)的長(zhǎng)期波動(dòng)依然具有顯著的正向放大作用。

從單個(gè)宏觀(guān)經(jīng)濟(jì)變量對(duì)股票市場(chǎng)波動(dòng)的長(zhǎng)期結(jié)果來(lái)看，PPI、CPI、CONS從水平值和波動(dòng)率兩個(gè)維度均對(duì)股票市場(chǎng)波動(dòng)性產(chǎn)生了顯著的長(zhǎng)期影響。雖然水平值系數(shù)和波動(dòng)率系數(shù)有正有負(fù)，但θV的絕對(duì)值均遠(yuǎn)大于θL的絕對(duì)值，顯示出各宏觀(guān)經(jīng)濟(jì)變量的變動(dòng)對(duì)股票市場(chǎng)波動(dòng)存在著不同程度的影響，其中波動(dòng)率對(duì)股票市場(chǎng)波動(dòng)的影響遠(yuǎn)遠(yuǎn)大于其水平值對(duì)股票市場(chǎng)波動(dòng)的影響，表明來(lái)自宏觀(guān)經(jīng)濟(jì)變量的非預(yù)期不確定性沖擊對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)的影響遠(yuǎn)大于宏觀(guān)經(jīng)濟(jì)變量自身的變化。

同業(yè)拆借利率波動(dòng)率對(duì)股票市場(chǎng)波動(dòng)的長(zhǎng)期影響不顯著，其水平值的影響顯著但對(duì)應(yīng)的θL系數(shù)值非常小，意味著同業(yè)拆借利率的變化不會(huì)對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)產(chǎn)生明顯影響。雖然利率調(diào)整對(duì)股票市場(chǎng)產(chǎn)生短期影響效應(yīng)已經(jīng)獲得孟慶斌等[29]等等研究的證實(shí)，但長(zhǎng)期內(nèi)利率調(diào)整并不會(huì)對(duì)股票市場(chǎng)波動(dòng)產(chǎn)生影響。比較分析模型1-4的估計(jì)結(jié)果發(fā)現(xiàn)，納入CPI的GARCH-MIDAS模型的θL和θV系數(shù)的絕對(duì)值最大，表明CPI的水平值及其波動(dòng)率對(duì)股票市場(chǎng)波動(dòng)的長(zhǎng)期成分影響最大，CPI的波動(dòng)率對(duì)股票市場(chǎng)波動(dòng)的長(zhǎng)期成分具有非常顯著的推波助瀾作用。一方面是因?yàn)镃PI的變化對(duì)消費(fèi)和生產(chǎn)甚至整個(gè)宏觀(guān)經(jīng)濟(jì)均會(huì)產(chǎn)生全局性的重要影響，并最終對(duì)股票市場(chǎng)波動(dòng)產(chǎn)生長(zhǎng)期影響；另一方面，市場(chǎng)對(duì)CPI的預(yù)期往往存在很大的不確定性，來(lái)自非預(yù)期的CPI沖擊起到了關(guān)鍵性的作用。

從宏觀(guān)經(jīng)濟(jì)總體狀況對(duì)股票市場(chǎng)波動(dòng)的長(zhǎng)期影響機(jī)制來(lái)看，納入第一主成分和宏觀(guān)經(jīng)濟(jì)綜合指數(shù)的GARCH-MIDAS模型估計(jì)結(jié)果基本一致，即θL系數(shù)顯著為負(fù)(第一主成分在1%的顯著性水平上顯著，宏觀(guān)經(jīng)濟(jì)綜合指數(shù)的θL系數(shù)在10%的水平上顯著)且系數(shù)的絕對(duì)值非常小，表明宏觀(guān)經(jīng)濟(jì)總體狀況的水平變化雖然對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)會(huì)產(chǎn)生影響，但影響效應(yīng)非常微弱。θV系數(shù)絕對(duì)值較大且顯著為正值，說(shuō)明從長(zhǎng)期來(lái)看，宏觀(guān)經(jīng)濟(jì)的非預(yù)期不確定性對(duì)股票市場(chǎng)波動(dòng)產(chǎn)生了顯著影響。

(3)宏觀(guān)經(jīng)濟(jì)對(duì)股票市場(chǎng)波動(dòng)的長(zhǎng)期動(dòng)態(tài)影響機(jī)制

圖2 納入PPI的GARCH-MIDAS模型的滯后期系數(shù)變化

從表4模型1關(guān)于PPI的RV+XL+XV模型的估計(jì)結(jié)果來(lái)看，PPI水平值的系數(shù)為θL=-0.0039，β權(quán)重函數(shù)中ωL=43.4580，則賦予了滯后1期φ1=85.07%的權(quán)重，滯后2期φ2=12.89%的權(quán)重，滯后3期以后權(quán)重系數(shù)幾乎為零，表明PPI的水平值當(dāng)期增加1%，則下一期股票市場(chǎng)波動(dòng)的長(zhǎng)期成分將下降0.33%，滯后2期降低0.05%，第3期后影響幾乎為零。PPI波動(dòng)率的系數(shù)為θV=-0.0627，β權(quán)重函數(shù)中ωV=5.5916，使得權(quán)重由滯后1期的φ1=21.60%下降為滯后2期的φ2=17.61%，此后權(quán)重逐漸下降，直到15期權(quán)重為零，意味著PPI的波動(dòng)率當(dāng)期增加1%，將會(huì)引起下一期股票市場(chǎng)波動(dòng)的長(zhǎng)期成分下降1.35%，第2期降低1.10%，逐漸下降至第15期以后降為零。從圖2可以直觀(guān)地看出PPI的水平值及其波動(dòng)率對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)的影響路徑。由于生產(chǎn)者價(jià)格水平的變化最終要傳遞給消費(fèi)者，對(duì)企業(yè)利潤(rùn)并不會(huì)產(chǎn)生顯著影響，因此PPI的水平值對(duì)股票市場(chǎng)波動(dòng)影響微弱且持續(xù)時(shí)間很短。但是，來(lái)自生產(chǎn)者價(jià)格指數(shù)的非預(yù)期沖擊對(duì)生產(chǎn)者信心和生產(chǎn)決策所產(chǎn)生的影響不可忽視，并最終影響到企業(yè)利潤(rùn)。因此，來(lái)自PPI的非預(yù)期沖擊對(duì)股票市場(chǎng)波動(dòng)性的影響呈現(xiàn)出遞減的負(fù)向作用，且具有較強(qiáng)的持續(xù)效應(yīng)。

納入CPI的RV+XL+XV模型估計(jì)結(jié)果表明，CPI水平值的系數(shù)為θL=0.0096，β權(quán)重函數(shù)中ωL=8.7039，權(quán)重從滯后1期φ1=31.54%迅速下降到滯后6期的φ6=5%左右，在第10期權(quán)重幾近為零。由此表明，CPI水平值當(dāng)期增加1%，則下一期股票市場(chǎng)波動(dòng)的長(zhǎng)期成分將增加0.30%，6期后其影響降至0.05%，10期后影響衰減為零。CPI的波動(dòng)率系數(shù)θV=0.1651，β權(quán)重函數(shù)中ωV=5.9886，權(quán)重系數(shù)從滯后1期的φ1=22.94%逐漸下降，第15期幾乎降為零，意味著CPI波動(dòng)率的影響顯著并持久，從滯后1期1%的變化引起股票市場(chǎng)波動(dòng)長(zhǎng)期成分增加3.79%，至滯后5期仍然為1.5%左右，此后其影響逐漸減小，15期以后逐漸趨近于零。圖3顯示CPI的水平值對(duì)股票市場(chǎng)波動(dòng)性的影響表現(xiàn)為弱的正向作用，但CPI波動(dòng)率的增加對(duì)股票市場(chǎng)波動(dòng)性的影響顯示出顯著的隨著滯后期緩慢遞減的正向作用。比較圖2和圖3可知，CPI和PPI兩種主要價(jià)格指數(shù)的波動(dòng)率影響均顯著且具有較強(qiáng)的持久性，但路徑恰好相反，并且CPI波動(dòng)率的影響系數(shù)的絕對(duì)值要大于PPI波動(dòng)率的絕對(duì)值。消費(fèi)者價(jià)格指數(shù)的變化是消費(fèi)領(lǐng)域和生產(chǎn)領(lǐng)域價(jià)格變化的綜合體現(xiàn)，所以CPI變化對(duì)股票市場(chǎng)波動(dòng)性明顯大于PPI。

圖3 納入CPI的GARCH-MIDAS模型的滯后期系數(shù)變化

中國(guó)的貨幣政策傳導(dǎo)機(jī)制不通暢已經(jīng)得到學(xué)術(shù)界的普遍共識(shí)。因此，同業(yè)拆借利率RATE除了滯后1期的水平值1%的變化引起股票市場(chǎng)波動(dòng)長(zhǎng)期成分微弱地降低了大約0.1%，其波動(dòng)率對(duì)股票市場(chǎng)波動(dòng)性的影響在長(zhǎng)期內(nèi)幾乎均為零。這一結(jié)果在圖4中可以清楚地看出。宏觀(guān)經(jīng)濟(jì)景氣指數(shù)CONS是宏觀(guān)經(jīng)濟(jì)景氣狀況的集中體現(xiàn)，對(duì)消費(fèi)者和生產(chǎn)者的信心產(chǎn)生直接影響。因此，宏觀(guān)經(jīng)濟(jì)景氣指數(shù)的水平值發(fā)生變化時(shí)，勢(shì)必對(duì)市場(chǎng)產(chǎn)生直接沖擊并引起股票市場(chǎng)長(zhǎng)期波動(dòng)性成分增加，但市場(chǎng)的適應(yīng)性很快熨平這一效應(yīng)，顯示出很短的持續(xù)性。對(duì)市場(chǎng)而言，宏觀(guān)經(jīng)濟(jì)景氣狀況的非預(yù)期沖擊是一個(gè)利壞消息，對(duì)股票市場(chǎng)的長(zhǎng)期波動(dòng)產(chǎn)生持久效應(yīng)。從圖5所示的影響系數(shù)衰減情況來(lái)看，其水平值滯后1期變動(dòng)將會(huì)引起股票市場(chǎng)波動(dòng)長(zhǎng)期成分增加0.3%，滯后2期時(shí)該影響就降至0.1%左右，此后的影響幾乎接近于零。波動(dòng)率滯后1期變動(dòng)將會(huì)引起股票市場(chǎng)波動(dòng)長(zhǎng)期成分降低0.32%，但至此以后，其影響緩慢減小，直到24期才降為零，顯示出很強(qiáng)的持續(xù)性。

圖4 納入RATE的GARCH-MIDAS模型的滯后期系數(shù)變化

圖5 納入CONS的GARCH-MIDAS模型的滯后期系數(shù)變化

反映宏觀(guān)經(jīng)濟(jì)總體狀況的指標(biāo)PC1和MACRO對(duì)股票市場(chǎng)波動(dòng)的長(zhǎng)期影響路徑和特征基本一致。圖6和圖7清楚地顯示了這一特征。

圖6 納入PC1的GARCH-MIDAS模型的滯后期系數(shù)變化

圖7 納入MACRO的GARCH-MIDAS模型的滯后期系數(shù)變化

從PC1的RV+XL+XV模型的估計(jì)可以看出，PC1水平值的系數(shù)θL=-0.0045，β權(quán)重函數(shù)中ωL=4.5047，賦予滯后1期φ1=17.80%的權(quán)重，然后權(quán)重系數(shù)呈非線(xiàn)性逐漸下降趨勢(shì)，到第15期權(quán)重降至零，說(shuō)明PC1水平值滯后1期1%的變化引起0.08%的股票市場(chǎng)波動(dòng)性長(zhǎng)期成分的降低，之后逐漸減弱，至第15期影響為零。PC1波動(dòng)率的系數(shù)θV=0.0202，β權(quán)重函數(shù)中ωV=49.7172，賦予滯后1期φ1=88.67%的權(quán)重，2期權(quán)重僅為10.17%，5期以后權(quán)重接近于零，表明第一主成分PC1波動(dòng)率增加1%，在滯后1期引致股票市場(chǎng)波動(dòng)性長(zhǎng)期成分增加1.79%，在滯后2期，其影響便下降為0.21%，此后影響快速下降，至第5期幾乎衰減為零。

MACRO的RV+XL+XV模型估計(jì)結(jié)果揭示，MACRO水平值的系數(shù)θL=-0.0096，β權(quán)重函數(shù)中ωL=2.4361，賦予滯后1期φ1=10.05%的權(quán)重，然后權(quán)重系數(shù)呈線(xiàn)性下降趨勢(shì)，到24期才降為零，意味著MACRO水平值1%的變化降低了0.08%的股票市場(chǎng)波動(dòng)性長(zhǎng)期成分，然后逐漸減弱，至第24期影響降為零，顯示了較強(qiáng)的持久效應(yīng)。MACRO波動(dòng)率的系數(shù)θV=0.0341，β權(quán)重函數(shù)中ωV=27.8350，賦予滯后1期φ1=70.34%的權(quán)重，但權(quán)重系數(shù)迅速下降，滯后5期降到1%以下，意味著MACRO的波動(dòng)率增加1%，使得滯后1期的股票市場(chǎng)波動(dòng)性長(zhǎng)期成分增加了2.40%，滯后2期以后迅速下降，從0.73%一直降到滯后5期為0.05%，5期以后的影響幾乎變?yōu)榱恪?/p>

圖6和圖7中PC1和MACRO水平值與股票市場(chǎng)波動(dòng)之間的關(guān)系是股票市場(chǎng)波動(dòng)逆周期性特征的集中體現(xiàn)。即宏觀(guān)經(jīng)濟(jì)繁榮則股票市場(chǎng)波動(dòng)性小，宏觀(guān)經(jīng)濟(jì)蕭條則股票市場(chǎng)波動(dòng)性大。而且來(lái)自宏觀(guān)經(jīng)濟(jì)總體狀況的非預(yù)期沖擊對(duì)市場(chǎng)影響很大，以至于引起了股票市場(chǎng)巨大波動(dòng)，但由于這種非預(yù)期沖擊具有很大的隨機(jī)性特征，市場(chǎng)對(duì)該新息快速的消化吸收導(dǎo)致這種效應(yīng)的持續(xù)性不強(qiáng)。

4 結(jié)語(yǔ)

鑒于股票價(jià)格時(shí)間序列與宏觀(guān)經(jīng)濟(jì)變量時(shí)間序列原始數(shù)據(jù)的不同頻，傳統(tǒng)計(jì)量模型在處理宏觀(guān)經(jīng)濟(jì)波動(dòng)與股票市場(chǎng)波動(dòng)的關(guān)系相關(guān)問(wèn)題過(guò)程中，由于數(shù)據(jù)變頻處理而容易導(dǎo)致信息失真、模型誤設(shè)和估計(jì)偏誤等諸多問(wèn)題這一客觀(guān)事實(shí)，本文以上證綜指日度數(shù)據(jù)為被解釋變量，選取PPI、CPI、宏觀(guān)經(jīng)濟(jì)景氣指數(shù)和同業(yè)拆借利率四個(gè)宏觀(guān)經(jīng)濟(jì)變量的月度數(shù)據(jù)為解釋變量，運(yùn)用GARCH-MIDAS模型從水平值和波動(dòng)率兩個(gè)維度實(shí)證分析了宏觀(guān)經(jīng)濟(jì)變量對(duì)股票市場(chǎng)波動(dòng)的長(zhǎng)期動(dòng)態(tài)影響。同時(shí)，為了系統(tǒng)考察宏觀(guān)經(jīng)濟(jì)總體狀況對(duì)股票市場(chǎng)波動(dòng)的影響，本文進(jìn)一步運(yùn)用主成分分析獲得第一主成分并構(gòu)建了一個(gè)宏觀(guān)經(jīng)濟(jì)綜合指數(shù)并進(jìn)行了實(shí)證分析。研究結(jié)論如下：

首先，單因子GARCH-MIDAS模型和多因子GARCH-MIDAS模型的實(shí)證結(jié)論均表明，中國(guó)股票市場(chǎng)短期波動(dòng)呈現(xiàn)出顯著的均值回復(fù)效應(yīng)和波動(dòng)性集聚效應(yīng)，股票市場(chǎng)自身的已實(shí)現(xiàn)波動(dòng)率顯著加劇了股票市場(chǎng)的長(zhǎng)期波動(dòng)性。該結(jié)論與現(xiàn)有相關(guān)文獻(xiàn)的結(jié)論一致，揭示了GARCH-MIDAS模型在中國(guó)證券市場(chǎng)中的適用性。

其次，PPI、CPI、宏觀(guān)經(jīng)濟(jì)景氣指數(shù)從水平值及其波動(dòng)率兩個(gè)維度對(duì)股票市場(chǎng)波動(dòng)性均有顯著的長(zhǎng)期影響。其中PPI在兩個(gè)維度上均呈現(xiàn)出負(fù)向影響效應(yīng)，CPI則具有雙維度的正向放大效應(yīng)，宏觀(guān)經(jīng)濟(jì)景氣指數(shù)的影響相對(duì)復(fù)雜，其水平值對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)性成分具有放大效應(yīng)，波動(dòng)率則具有負(fù)向影響。同業(yè)拆借利率的波動(dòng)率影響不顯著，其水平值的影響顯著但影響程度很微弱，意味著同業(yè)拆借利率的變動(dòng)幾乎不會(huì)對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)產(chǎn)生顯著影響。而且，PPI、CPI、宏觀(guān)經(jīng)濟(jì)景氣指數(shù)的波動(dòng)率對(duì)股票市場(chǎng)波動(dòng)的長(zhǎng)期影響效應(yīng)顯著大于其水平值。其中CPI對(duì)股票市場(chǎng)波動(dòng)的長(zhǎng)期成分影響最大，PPI的影響次之。雖然單個(gè)宏觀(guān)經(jīng)濟(jì)變量對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)性具有不同的影響機(jī)制和影響效果，但納入宏觀(guān)經(jīng)濟(jì)第一主成分和宏觀(guān)經(jīng)濟(jì)綜合指數(shù)的多因子GARCH-MIDAS模型獲得的結(jié)論一致，即宏觀(guān)經(jīng)濟(jì)總體狀況的水平值對(duì)股票市場(chǎng)波動(dòng)性的影響作用雖然顯著但相對(duì)微弱，宏觀(guān)經(jīng)濟(jì)總體的波動(dòng)率對(duì)股票市場(chǎng)長(zhǎng)期成分的波動(dòng)具有顯著的正向放大作用。

再次，單個(gè)宏觀(guān)經(jīng)濟(jì)變量、表征宏觀(guān)經(jīng)濟(jì)總體狀況的第一主成分和宏觀(guān)經(jīng)濟(jì)綜合指數(shù)對(duì)股票價(jià)格長(zhǎng)期波動(dòng)具有各自不同的動(dòng)態(tài)影響機(jī)制。PPI的水平值對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)性具有瞬時(shí)的負(fù)向影響效應(yīng)，顯著作用一期以后迅速衰減為零，PPI的波動(dòng)率對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)性起到了負(fù)向作用具有較強(qiáng)的持續(xù)性。CPI的影響路徑較之于PPI恰好相反，CPI的水平值和波動(dòng)率對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)性均表現(xiàn)為隨滯后期緩慢遞減的正向放大效應(yīng)，具有較強(qiáng)的持久性。宏觀(guān)經(jīng)濟(jì)景氣指數(shù)CONS的水平值對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)性成分的持續(xù)效應(yīng)小，但其波動(dòng)率則呈現(xiàn)出很強(qiáng)的持久效應(yīng)。同業(yè)拆借利率的持續(xù)性幾乎可以忽略。度量宏觀(guān)經(jīng)濟(jì)整體運(yùn)行情況的第一主成分和宏觀(guān)經(jīng)濟(jì)綜合指數(shù)具有大致相同的影響機(jī)制。宏觀(guān)經(jīng)濟(jì)總體水平值的變動(dòng)對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)性呈現(xiàn)出很強(qiáng)的持續(xù)效應(yīng)，其波動(dòng)率變動(dòng)對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)性的影響持續(xù)時(shí)間相對(duì)較短。

在當(dāng)前中國(guó)經(jīng)濟(jì)正處于結(jié)構(gòu)性減速的經(jīng)濟(jì)背景下，來(lái)自國(guó)內(nèi)國(guó)外的不確定性因素明顯增加，“穩(wěn)增長(zhǎng)、調(diào)結(jié)構(gòu)、防風(fēng)險(xiǎn)”已經(jīng)成為當(dāng)前乃至未來(lái)一段時(shí)間中國(guó)經(jīng)濟(jì)工作的核心。學(xué)術(shù)界關(guān)于經(jīng)濟(jì)周期與股票價(jià)格之間的關(guān)系的一般共識(shí)是“股票價(jià)格具有順周期性，股票價(jià)格波動(dòng)具有逆周期性。”本文關(guān)于宏觀(guān)經(jīng)濟(jì)對(duì)股票市場(chǎng)長(zhǎng)期波動(dòng)影響機(jī)制的研究結(jié)論實(shí)際上是對(duì)這一觀(guān)點(diǎn)的深化：生產(chǎn)、消費(fèi)、金融市場(chǎng)等宏觀(guān)經(jīng)濟(jì)的變化對(duì)股票市場(chǎng)價(jià)格的確起到基礎(chǔ)性的作用，但這種作用有限；更重要的是來(lái)自宏觀(guān)基本面的非預(yù)期沖擊對(duì)股票市場(chǎng)價(jià)格波動(dòng)產(chǎn)生了重要影響。

但宏觀(guān)基本面的非預(yù)期沖擊對(duì)股票市場(chǎng)價(jià)格波動(dòng)的作用機(jī)制是什么？限于篇幅，本文并沒(méi)有深入研究，也是一個(gè)暫新的研究方向，今后可以從經(jīng)濟(jì)不確定性(包括經(jīng)濟(jì)政策不確定性)、投資者情緒等視角，通過(guò)DSGE建模等方法展開(kāi)深入的理論研究。