■ 張國麗

（中國人民銀行青海省分行 青海西寧 810000）

引言

經(jīng)濟(jì)政策調(diào)控（EPU）對股市有重大影響。Pastor &Veronese（2012）研究了經(jīng)濟(jì)政策調(diào)整對美國股市波動性的影響，發(fā)現(xiàn)政策變化增加了波動性、風(fēng)險溢價和股票之間的相互聯(lián)系[1]。Arouri（2016）等人調(diào)查EPU 對美國的影響股票市場回報率，發(fā)現(xiàn)EPU 的增加會顯著降低股票回報率，這種效應(yīng)在極端波動時期更強(qiáng)烈、更持久[2]。為了提供經(jīng)濟(jì)政策調(diào)控全面、定量的衡量標(biāo)準(zhǔn)，Baker & Bloom（2015）等人編制了世界主要經(jīng)濟(jì)體經(jīng)濟(jì)政策調(diào)控指數(shù)（EPU Index）[3]。該指數(shù)自推出以來，受到了眾多學(xué)者的廣泛研究，并得到了更廣泛的認(rèn)可。指數(shù)具有隨時間變化的特征，具體來說當(dāng)經(jīng)濟(jì)政策保持穩(wěn)定時，EPU 指數(shù)相對較低，當(dāng)經(jīng)濟(jì)政策變化頻繁時，指數(shù)就會上漲。

作為金融業(yè)系統(tǒng)性風(fēng)險的最終承擔(dān)者，巴塞爾銀行監(jiān)管委員會（BCBS）1996 年開始要求銀行業(yè)機(jī)構(gòu)定期使用風(fēng)險價值（VAR）進(jìn)行內(nèi)部控制和風(fēng)險狀況外部披露。當(dāng)包括銀行在內(nèi)的金融機(jī)構(gòu)在計算其所承受的市場風(fēng)險的VAR 時，波動率的估計至關(guān)重要，直接影響著VAR 的計算結(jié)果。也可以說，觀察股價波動非常重要，因為它對于資產(chǎn)定價和風(fēng)險衡量至關(guān)重要，股市波動是聚合且高度持續(xù)的，雖然可以預(yù)測，但是準(zhǔn)確預(yù)測是非常困難的。波動性研究有著比較悠久的歷史，Engle（1982）通過引入ARCH 模型的思想，開啟了波動性研究的新篇章[4]。Bollerslev （1986）在ARCH 模型的基礎(chǔ)上加入了歷史波動率，提出了GARCH 模型，更好地捕捉了股票收益波動的長記憶性[5]。此后，波動率的定量分析一直基于GARCH 模型。

目前，我國證券市場仍處于發(fā)展初期，股指波動性大幅高于工業(yè)化國家成熟市場。學(xué)者們希望通過更好地刻畫股指甚至個股價格的波動性，提高整體證券市場的效率，最終建立一個有彈性、有抵抗力的、能夠更好服務(wù)實(shí)體經(jīng)濟(jì)的證券市場，讓投資者能更清晰地認(rèn)識到他們承擔(dān)的風(fēng)險以及他們應(yīng)該獲得的風(fēng)險溢價。然而，我國股市發(fā)展歷史較短，對經(jīng)濟(jì)政策調(diào)控缺乏有效的反饋調(diào)整，因此，研究EPU 對我國股市波動的影響具有重要意義。同時，系統(tǒng)、深入地審視經(jīng)濟(jì)政策調(diào)控對我國股市的影響，有助于提高國家決策效率、加大市場監(jiān)管力度、穩(wěn)定股市發(fā)展。本文選擇使用GARCH 模型來研究EPU 對我國股市波動的影響，

一、文獻(xiàn)綜述

（一）我國股市的波動性

由于波動性是經(jīng)濟(jì)表現(xiàn)的晴雨表，它為政府和投資者感知市場風(fēng)險提供了一定的判斷依據(jù)，因此了解我國股市不同板塊公司股價（或收益率）波動所表現(xiàn)出的復(fù)雜聯(lián)動效應(yīng)意義重大。Zhang（2011）等人研究了股指期貨的推出對我國股市波動的影響[6]。Jiang&Chen（2016）研究了美國經(jīng)濟(jì)變量對我國股市隨時間波動的影響[7]。Wen＆Xiao（2018）等人使用非線性自回歸分布滯后（NARDL）模型[8]，Diks & Pachink 在總體和部門層面上研究石油價格與我國股市之間的非線性協(xié)整和非線性因果關(guān)系[9]。實(shí)證結(jié)果表明石油價格與我國股市之間不存在顯著的非對稱協(xié)整效應(yīng)，然而石油價格與我國股市之間存在顯著的非線性因果關(guān)系。Wen＆Cao（2021）的結(jié)果表明，股票市場和大宗商品市場之間存在高度依賴[10]。我國股市平均是溢出效應(yīng)的凈受益者，有色金屬和化工行業(yè)對股市影響巨大。隨著時間的推移，總波動性溢出的程度會發(fā)生變化[10]。在發(fā)生重大危機(jī)之后，市場波動相關(guān)性就會增強(qiáng)。自2019 年以來，股票市場對大宗商品價格的影響急劇擴(kuò)大。

（二）股票市場的波動性

Zhou（2018）討論了波動性的含義。波動率主要用標(biāo)準(zhǔn)差或方差來表示。在經(jīng)濟(jì)學(xué)術(shù)語中，波動性是指金融資產(chǎn)價格或資產(chǎn)投資回報率變化的劇烈程度，是不確定性的衡量標(biāo)準(zhǔn)[11]。本質(zhì)上，波動性是市場對各類信息的綜合反映，它既包括市場價格形成機(jī)制中的有效信息，也包括交易系統(tǒng)的環(huán)境噪聲，還夾雜著投資者的情緒因素。一般來說，波動性越高，金融資產(chǎn)的風(fēng)險越高。就股票市場而言，波動性表現(xiàn)為股票價格變化的頻率和幅度。兩者越大，波動性越高，兩者越小，波動性越低。

股票市場的波動性一直是許多學(xué)者研究的焦點(diǎn)。例如Blank-Scholes 提出的期權(quán)定價模型，這些模型假設(shè)市場回報服從正態(tài)分布，并認(rèn)為波動性是恒定的。Fama（1965）通過他的研究發(fā)現(xiàn)了峰值和股票價格厚尾的本質(zhì)[12]。Morgan（1976）發(fā)現(xiàn)了時間序列的異方差性[13]。20 世紀(jì)60年代，Mandlebrot（1963）發(fā)現(xiàn)波動性是聚合性的，即大幅波動伴隨著大幅波動[14]。Salisu＆Gupta（2020）使用GARCH-MIDAS（混合數(shù)據(jù)抽樣的廣義自回歸條件異方差變量）模型研究金磚國家（巴西、俄羅斯、印度、我國和南非）對股市波動的反應(yīng)[15]。研究發(fā)現(xiàn)，對波動性的不準(zhǔn)確預(yù)測可能導(dǎo)致金融市場定價錯誤、業(yè)務(wù)對沖過度或不足以及資本預(yù)算決策不正確，從而對收益和現(xiàn)金流產(chǎn)生重大影響。因此，監(jiān)測和建模股市波動不僅對投資者和企業(yè)決策者很重要，而且對政策制定者評估金融基本面和投資者情緒也很重要。

此外，影響股市波動的原因還有很多。例如，Ngassam（2002）認(rèn)為止損限價降低了股票收益的波動性，同時也發(fā)現(xiàn)股票止損限價并沒有降低股票收益的波動性[16]。Engle&Rangel（2008）研究了40 多個國家的股票市場，發(fā)現(xiàn)宏觀經(jīng)濟(jì)政策影響股票市場的波動[17]。Safi 和Sigurdsson（2010）發(fā)現(xiàn)，減少股票賣空限制并不能減少股價波動[18]。Henry（2009）發(fā)現(xiàn)短期利率變化對股票收益的影響[19]。Girardin&Joyeux（2013）提取了我國A 股和B 股市場的長期波動性[20]。他們使用混合數(shù)據(jù)采樣（MIDAS）方法。尤其是我國A 股市場，直到2001 年，一直以投機(jī)為特征。然而，2001 年以后B 股市場也表現(xiàn)出投機(jī)特征。因此，結(jié)果表明，長期股票波動有時是由通貨膨脹而不是實(shí)際活動來解釋的。Rao&Yue（2017）等人研究了EPU 對我國未來波動性的影響[21]，作者利用GARCH-MIDAS 模型探討了GEPU 指數(shù)的增量預(yù)測信息及其對我國股市波動性的影響。研究結(jié)果表明，我國及世界經(jīng)濟(jì)和政策調(diào)控的宏觀信息影響我國股市的波動。根據(jù)科爾尼和戴利Kearney & Daly（1998）提出股票市場回報的條件波動性與金融和商業(yè)周期因素的條件波動性相關(guān)[22]。使用廣義最小二乘（GLS）估計方法通過一般到具體的建模策略，描述了股票市場回報的條件波動率方程以及確定模型中所有變量的條件波動率方程。

（三）EPU 與股市波動性之間的聯(lián)系

EPU 指數(shù)吸引了眾多作者的關(guān)注。Baker （2015）等人利用報紙報道的頻率構(gòu)建了可以衡量經(jīng)濟(jì)政策調(diào)控的EPU指數(shù)[3]。此外，Liu &Zhang（2015）采用了Corsi（2008）提出的異質(zhì)自回歸實(shí)現(xiàn)波動率（HAR）框架[23][24]。EPU 指數(shù)可以極大地提高模型的預(yù)測性能。Wu & Xie （2021）使用CARR 混合數(shù)據(jù)采樣（CARR-MIDAS）模型框架通過考慮日內(nèi)信息來研究EPU 對我國股市波動的影響[25]。實(shí)證結(jié)果表明，我國EPU（CEPU）和全球GEPU 對我國股市的長期波動都有相當(dāng)大的不利影響。此外，他們發(fā)現(xiàn)將CEPU 和GEPU考慮在內(nèi)可以顯著提高預(yù)測我國股市波動的能力。

Liu & Zhang（2015）在現(xiàn)有波動率預(yù)測模型中添加EPU 是否可以提高預(yù)測能力問題，在之前的研究中尚未得到解決[23]。此外，它們還顯示樣本外數(shù)據(jù)，這會產(chǎn)生額外的財務(wù)影響，因為樣本外波動性預(yù)測對于投資組合配置和風(fēng)險管理至關(guān)重要。他們還通過使用標(biāo)準(zhǔn)普爾500 指數(shù)的5 分鐘高頻回報來研究EPU 的作用，以確定每日的市場波動性，并使用八個每日波動性（RV）演變流行模型來研究EPU 的作用。無論使用哪種模型，樣本證據(jù)都表明先前的EPU 對當(dāng)前RV 的影響顯著為正。

Kang & Ratti（2013）使用結(jié)構(gòu)性VAR 模型來研究結(jié)構(gòu)性石油沖擊、經(jīng)濟(jì)政策調(diào)控和實(shí)際股票回報之間的關(guān)系[26]。研究結(jié)果顯示，石油市場的特定需求沖擊對24 個月后經(jīng)濟(jì)政策調(diào)控變化的影響超過30%，長期來看這一比例將增長至58%。經(jīng)濟(jì)政策的調(diào)控導(dǎo)致實(shí)際股票收益長期變化的19%，而結(jié)構(gòu)性石油沖擊則導(dǎo)致實(shí)際股票收益長期變化的32%。因此，對于不同行業(yè)而言，政策調(diào)控會壓低石油行業(yè)的長期回報、短期內(nèi)汽車和零售行業(yè)的回報以及長期黃金行業(yè)的回報。

Mei＆Zeng（2018）等人首先考察美國EPU 指數(shù)是否有有用的預(yù)測信息來幫助預(yù)測歐洲股市，例如英國、德國和法國市場,使用樣本外統(tǒng)計檢驗，得到幾個結(jié)論。首先，歐洲國家的EPU 指數(shù)似乎對預(yù)測這些股票市場的波動沒有太大幫助；其次，他們在基準(zhǔn)模型中添加了美國EPU 作為附加變量，并確定該模型通過包含美國EPU 指數(shù)可以獲得更高的預(yù)測精度，這有力地支持了美國EPU 指數(shù)包含對歐洲股票有用的預(yù)測信息的觀點(diǎn)市場；第三，基于美國的擴(kuò)張和衰退，作者發(fā)現(xiàn)美國EPU 指數(shù)可以提供更多相關(guān)的預(yù)測信息，并且可以比擴(kuò)張期間顯著提高歐洲股市在衰退期間的預(yù)測能力[27]。Chen（2018）等人應(yīng)用GARCH-MIDAS 模型來研究全球經(jīng)濟(jì)政策調(diào)控（GEPU）中包含的信息是否有助于預(yù)測黃金期貨收益方差的短期和長期組成部分[28]。調(diào)查結(jié)果顯示，GEPU 對全球黃金期貨市場未來月度波動性做出了積極且重要的預(yù)測。Mishra & Debata （2020）研究探討了純粹訂單驅(qū)動的新興股市中經(jīng)濟(jì)政策調(diào)控（EPU）與股市波動性之間的動態(tài)關(guān)系[29]。由于EPU 與波動性之間的非線性關(guān)系，本研究使用一系列GARCH 模型來反映政策調(diào)控對股市波動性的影響。Wu & Hsueh（2016）調(diào)查了2003 年至2004 年期間九個國家的經(jīng)濟(jì)政策調(diào)控與股市出口和增長之間的因果關(guān)系[30]。實(shí)證結(jié)果表明，并非所有國家都是一樣的，當(dāng)政策變化公布時股市下跌的理論預(yù)測并不總是準(zhǔn)確的。這項研究為印度、意大利和西班牙的股市領(lǐng)先假說提供了證據(jù)，但在英國則不然，不能排除英國的經(jīng)濟(jì)政策調(diào)控領(lǐng)先假說。

（四）GARCH 模型

Engle（1982）提出用ARCH 模型來分析時間序列的異方差性[4]。Chen（2014）發(fā)現(xiàn)ARCH 模型存在以下缺陷。首先，ARCH 模型假設(shè)波動性由擾動信息的歷史數(shù)據(jù)值的二次平方項決定，這意味著它對正向和負(fù)向價格擾動的響應(yīng)相同，而現(xiàn)實(shí)生活中情況并非如此；其次，高階ARCH 模型的應(yīng)用限制過于嚴(yán)格，對相關(guān)參數(shù)要求非常高，使它們在應(yīng)用中受到很大限制，并且不能很好地擬合超峰度的實(shí)際數(shù)據(jù)；第三，雖然ARCH 模型正式描述了條件方差，但解釋條件方差的真正原因很困難。第四，ARCH 模型對收益序列中的奇異值擾動現(xiàn)象不敏感，因此波動率的預(yù)測結(jié)果往往偏高；隨后，Bollerslev（1986）提出了GARCH 模型，GARCH 是專門為金融數(shù)據(jù)量身定制的回歸模型[5]。一般來說，波動率研究和預(yù)測選擇GARCH 模型進(jìn)行實(shí)證分析，它可以幫助投資者做出更好的判斷。GARCH 已優(yōu)化升級到新的版本，例如：IGARCH 模型（Integrated GARCH,Bollerslev（1986））、EGARCH 模型（Exponential GARCH,Nelson（1991））、TGARCH模型（Threshold GARCH, Zakoian（1994））等[5][31][32]。

在市場因素對股市波動性的研究中，大多數(shù)作者都選擇使用GARCH 模型進(jìn)行分析。Zhang& Chen 等人（2011）研究了股指期貨在我國的引入對股市波動性的影響，隨著滬深300 指數(shù)的引入，股市波動性在短期內(nèi)有所增加，但隨著時間的推移，這種影響趨于減弱。Li（2012）利用GARCH（1,1）模型比較了開放式基金進(jìn)入股市前后股市波動的特征，表明開放式基金的加入增強(qiáng)了對條件方差的影響的股票市場回報，股市波動的持續(xù)時間增加，平滑度降低[33]。Shenbagaraman（2003）利用GARCH 模型族研究了印度S&PCNXNifty 指數(shù)期權(quán)合約上市后對現(xiàn)貨市場的影響[34]。Yue（2001）利用GARCH 族模型研究了我國股票市場的收益，結(jié)果表明，我國股票市場的收益不僅存在條件異方差性，而且存在聚集性、持續(xù)性和不對稱性[35]。Katsiampa （2017）使用GARCH 系列模型探索了關(guān)于比特幣價格數(shù)據(jù)擬合的最佳條件異方差模型[36]。AR-CGARCH 模型被認(rèn)為是最好的，強(qiáng)調(diào)了包括條件方差的短期和長期組成部分的重要性。

DONG（2017）在GARCH 模型中引入虛擬變量來分析股指期貨引入后對股票現(xiàn)貨市場波動性的影響，結(jié)果表明，上證50 和中證500 股指期貨的引入都降低了股指期貨的波動性，然而現(xiàn)貨市場相應(yīng)標(biāo)的指數(shù)跌幅卻很小[37]。此外，Liu 和Hung（2010）驗證了非對稱GARCH 模型在預(yù)測股市回報波動方面具有更高的準(zhǔn)確性[38]。So &Yu（2006）研究了七個GARCH 模型在不同置信水平下估計風(fēng)險價值的效果, 結(jié)果表明，在估計1% 的風(fēng)險價值時，固定GARCH模型和部分集成的GARCH 模型都擊敗了風(fēng)險矩陣模型[39]。雖然大多數(shù)收益序列都具有肥尾分布并滿足長記憶特性，但在計算風(fēng)險值時，更有必要考慮具有肥尾誤差的模型。股票市場數(shù)據(jù)中也可能出現(xiàn)不對稱行為，其中T 誤差模型在估計多頭頭寸1% 的風(fēng)險價值方面優(yōu)于常規(guī)誤差模型，但在空頭頭寸方面則不然。在匯率數(shù)據(jù)中，沒有發(fā)現(xiàn)這種差異。

2008 年全球金融危機(jī)以來，EPU 水平不斷上升,這使得探討EPU 對我國股市波動的影響成為一個有趣的話題。此外，研究經(jīng)濟(jì)政策調(diào)控對我國股市的影響，有助于我們了解股市異常波動，也有助于理解宏觀經(jīng)濟(jì)波動。本論文將用EPU 指數(shù)衡量經(jīng)濟(jì)政策調(diào)控Baker &Bloom （2015）[3]，分析EPU 對我國股市波動性的影響。

二、模型設(shè)定

（一）ARCH 和GARCH 模型

Engle（1982）提出ARCH 模型來解決傳統(tǒng)計量經(jīng)濟(jì)學(xué)第二個假設(shè)中時間序列變量方差恒定所帶來的問題[4]。而它的主要核心就是方差在t 時刻受到擾動項的影響，ARCH（q）模型采用如下形式表示。

平均方程：

方差方程：

ARCH 模型提出后，在經(jīng)濟(jì)金融領(lǐng)域取得了巨大成功，但也存在很多不足。Zhou（2018）提到，ARCH 模型假設(shè)波動性取決于擾動信息歷史數(shù)據(jù)的二次平方項，即對正負(fù)價格擾動具有相同的響應(yīng)，這與現(xiàn)實(shí)生活存在顯著差異[11]。其次，高階ARCH 模型的應(yīng)用限制太大，對相關(guān)參數(shù)的要求非常高，因此其應(yīng)用受到很大限制，不能很好地擬合超峰度的現(xiàn)實(shí)數(shù)據(jù)。第三，ARCH 模型形式化地刻畫了條件方差，但很難解釋條件方差的真正原因。最后，ARCH 模型對收益序列中的奇異值擾動現(xiàn)象不敏感，導(dǎo)致波動率的預(yù)測結(jié)果往往偏高。

Bollerslev（1986）年對ARCH 模型進(jìn)行了修改和增強(qiáng)，進(jìn)一步放寬了ARCH 過程的使用條件，可以將其視為擬合無限形式的ARCH 模型[5]。條件方程如下。

平均方程：

方差方程：

GARCH 模型開創(chuàng)了ARCH 模型的時代。但仍然沒有解決早期ARCH 模型中條件異方差依賴于隨機(jī)擾動大小而不考慮正負(fù)的問題。本論文指定的GARCH 模型為：

平均方程：

方差方程：

（7）式中為條件方差，q 為ARCH 的階數(shù)，是自回歸GARCH 的階數(shù)，是個EPU 的順序。為了確保條件方差為正，。

（二）數(shù)據(jù)來源

本文選取上證指數(shù)和深圳成指來代表我國股市的波動性，使用來自商業(yè)分析和數(shù)字經(jīng)濟(jì)中心的EPU 數(shù)據(jù)。使用并對比Bloom,Baker& Davis（2015）中的分析方法,本文采用的我國EPU 指數(shù)與Bloom,Baker& Davis 采用的我國EPU 指數(shù)相比具有許多優(yōu)勢[3]。首先，在VAR 實(shí)踐中，該指數(shù)優(yōu)于SCMP 指數(shù)；其次，為了供金融專業(yè)人士和普通公眾使用，網(wǎng)站創(chuàng)建了每日指數(shù)以及其他針對特定政策的EPU 指數(shù)；最后使用各種報紙進(jìn)行反復(fù)檢查，以確認(rèn)EPU指數(shù)在質(zhì)量上不受媒體的影響。本文選取2010 年1 月4 日至2021 年9 月30 日（不含節(jié)假日等）共2857 個觀測數(shù)據(jù)，使用EViews10 對數(shù)據(jù)進(jìn)行分析處理。上證指數(shù)和深圳成指數(shù)據(jù)取自CSMAR 數(shù)據(jù)庫，我國經(jīng)濟(jì)調(diào)控指數(shù)（EPU）數(shù)據(jù)取自網(wǎng)站（https://cbade.hkbu.edu.hk/epu-mainland-china/）。為了消除效應(yīng)量綱效應(yīng)，將上證指數(shù)和深證指數(shù)數(shù)據(jù)分別乘以10，得到上證指數(shù)調(diào)整后的收益和深證指數(shù)調(diào)整后的收益，EPU 數(shù)據(jù)未經(jīng)處理。

三、實(shí)證分析

（一）描述性分析

由圖1 可見，上證成指在2014 年至2016 年經(jīng)歷了一些波動，經(jīng)過兩年的“沉寂期”股市又出現(xiàn)了幾次大的波動，分別是2018 年、2019 年上半年和2020 年。此外，2010 年至2013 年中期股市的波動性較為溫和，但這一時期的波動相對于2016 年至2017 年的平穩(wěn)時期更大。最后，2021 年股市波動較小，沒有出現(xiàn)極值。

圖1 上證指數(shù)日調(diào)整收益：2010～2021 年

由圖2 可見，深圳成指2014 年至2016 年的波動趨勢與上證指數(shù)相似，但2010 年至2013 年的波動也更為劇烈。2010 年和2013 年出現(xiàn)了大幅波動，這是由于2010 年資本市場政策調(diào)整、創(chuàng)新舉措較多，1 月8 日開始的融資和融資量、股指期貨獲批，被市場解讀為利好。2013 年是全年暫停IPO 的一年，而且2018 年到2020 年的波動也比較大，其原因與上證指數(shù)類似。但與上證指數(shù)不同的是，深圳成指2021 年跌幅更大。

圖2 2010～2021 年深圳成指每日調(diào)整回報率

從兩個股指的波動趨勢可以看出，2017～2018 年時間段內(nèi)兩個系列的波動較為平滑，且均值大于且接近于0，表明當(dāng)時我國股市的整體波動性不是很高，但深圳成指的波動比上證指數(shù)更大。而且，通過橫向比較上證指數(shù)和深證指數(shù)的波動趨勢，可以看出，兩個指數(shù)的波動趨勢基本一致。

我國EPU 指數(shù)日收益率如圖3 所示,我國的EPU 波動性在經(jīng)濟(jì)衰退期間達(dá)到頂峰。有些年份波動較大，如2011年以后經(jīng)濟(jì)受到歐元區(qū)危機(jī)的影響；2018 年中美貿(mào)易戰(zhàn)。此外，周一和周五EPU 數(shù)據(jù)的大幅波動表明，我國的經(jīng)濟(jì)政策傾向于在周五公布，這是因為一般證監(jiān)會的經(jīng)濟(jì)政策都在周五下午3 點(diǎn)后公布?？傮w來看，2011 年以來我國EPU 指數(shù)波動趨勢緩慢下降，而其他年份我國EPU 指數(shù)值波動相對穩(wěn)定。另外，EPU 的hp 濾波顯示，2010 年2012年以前均高于均值，2012 年以后則基本低于均值。

表1 股票指數(shù)和經(jīng)濟(jì)政策調(diào)控指數(shù)的描述性統(tǒng)計

圖3 2010～2021 年我國經(jīng)濟(jì)政策調(diào)控指數(shù)日回報率

由上表可見，最大值和最小值之間的差異也比較大，這表明上證指數(shù)和深證指數(shù)的集中度都比較弱。經(jīng)濟(jì)政策調(diào)控最大值與最小值差距較大，表明樣本期內(nèi)經(jīng)濟(jì)政策調(diào)控指數(shù)波動較大。上證指數(shù)的標(biāo)準(zhǔn)差最小，表明該系列的離散性最小，EPU 的最大標(biāo)準(zhǔn)差表明該序列更加離散。

從偏度和峰度來看，上證指數(shù)和深股指數(shù)收益波動率的偏度均為負(fù)值，呈現(xiàn)出左偏趨勢，這是大多數(shù)國際證券市場的典型特征。上證指數(shù)和深證指數(shù)的峰度分別為6.27和8.66，峰度均大于3，表明兩個指數(shù)系列均存在顯著的尖峰現(xiàn)象。另外，經(jīng)濟(jì)政策調(diào)控的偏度值大于0，峰度值大于3，這表明EPU 數(shù)據(jù)存在右偏分布和尖峰現(xiàn)象?？梢钥闯觯献C指數(shù)和深圳成指收益序列均具有峰高肥尾的特征，并且這一特征在股市中更為顯著。

由表2 可見：上證指數(shù)、深證指數(shù)之間的相關(guān)性為0.927，相關(guān)系數(shù)大于0.7 以上，表明上證指數(shù)和深證指數(shù)均具有強(qiáng)相關(guān)性。EPU 指數(shù)與深成指數(shù)的相關(guān)系數(shù)為-0.005，呈負(fù)相關(guān)。當(dāng)深成指數(shù)值較大時，經(jīng)濟(jì)政策調(diào)控值較小，但兩者之間的負(fù)相關(guān)性較弱。深成指數(shù)和EPU之間相關(guān)性也較低。

表2 描述股票指數(shù)與EPU 之間的相關(guān)性

（二）結(jié)果及分析

（1）GARCH 模型（SSE）實(shí)證分析結(jié)果

根據(jù)表3 的回歸結(jié)果，可得均值方程：

方差方程：

從均值方程可以看出，上證指數(shù)的滯后收益系數(shù)為0.0249，該值較小，p 值未能通過5%顯著性水平的顯著性檢驗。這說明上證指數(shù)本期收益率與前期收益率相關(guān)性并不顯著。這可能是由于本文使用的樣本數(shù)量不足，以及市場干擾因素相對較多導(dǎo)致的（Wang，2021）[10]。Cheng（2014）的結(jié)果表明AR（1）也不足以模擬上證指數(shù)的回報[40]。從方差方程中可以看出，殘差項的平方系數(shù)為0.056，通過了5%顯著性水平的顯著性檢驗，表明市場消息對市場價格波動影響較小，信息傳播良好。波動率滯后項的系數(shù)為0.938，數(shù)值較大，在5%的顯著性水平上通過了顯著性檢驗。這表明過去一段時間的信息對市場波動的影響是相對持久的，這也證實(shí)了我國股市波動性的聚集效應(yīng)。

從經(jīng)濟(jì)政策調(diào)控對波動性的影響來看，隨著經(jīng)濟(jì)政策調(diào)控滯后數(shù)的增加，該因素對波動性的影響程度變小。EPU（-1）項的系數(shù)為0.196，表明經(jīng)濟(jì)政策調(diào)整對上證指數(shù)收益率的波動性有正向貢獻(xiàn)，系數(shù)t 檢驗中的p 值為0，小于0.05，表明它通過了5%的顯著性檢驗。EPU（-2）項的系數(shù)為-0.125，表明經(jīng)濟(jì)政策調(diào)整對上證指數(shù)收益波動具有抑制作用。此外，系數(shù)t 檢驗的P 值為0.0128，小于0.05，通過了5%顯著性水平檢驗，表明經(jīng)濟(jì)政策調(diào)整對上證指數(shù)收益波動具有顯著的抑制作用。EPU（-3）項的系數(shù)為-0.12，表明經(jīng)濟(jì)政策調(diào)整對上證指數(shù)收益波動性有抑制作用，系數(shù)t 檢驗中的p 值為0.668，大于0.05，表明未通過5%顯著性水平檢驗。這表明，隨著經(jīng)濟(jì)政策調(diào)控滯后期的增加，對上證指數(shù)收益波動的影響變得不顯著。EPU（-4）項的系數(shù)為0.09，表明經(jīng)濟(jì)政策調(diào)整對上證指數(shù)收益波動性有正向貢獻(xiàn)，系數(shù)t 檢驗中的P 值為0.1521，大于0.05，表明它沒有通過5%顯著性水平檢驗。EPU（-5）項的系數(shù)為-0.041，表明經(jīng)濟(jì)政策調(diào)整對上證指數(shù)收益波動具有抑制作用，系數(shù)t 檢驗中的p 值為0.2884，比0.05 大，表明未通過5%顯著性檢驗。

EPU 對上證指數(shù)回報的影響隨著時間的推移而減弱。總體而言，從變量EPU 的滯后期系數(shù)來看，經(jīng)濟(jì)政策調(diào)控因素對上證收益率波動的影響方向隨時間存在交替變化。

（2）GARCH 模型（SZI）實(shí)證分析結(jié)果

由表4 可知：深成指數(shù)滯后收益系數(shù)為0.02227，且未通過5%顯著性水平的顯著性檢驗，表明深成指數(shù)本期收益與上期收益之間的相關(guān)性不明顯。這與實(shí)際情況不符，可能是由于本文使用的樣本量不足所致。

表4 GARCH 模型與SZI 的經(jīng)驗結(jié)果

從方差方程中可以看出，殘差項的平方系數(shù)為0.047，接近5%表明市場消息對市場價格波動影響較小，信息傳播良好。波動率滯后項的系數(shù)為0.943，數(shù)值較大，在5%的顯著性水平上通過了顯著性檢驗。這也證明了深圳成指的波動是聚集性的。另外，殘差平方項和一期滯后方差項的系數(shù)均小于1，表明模型滿足穩(wěn)定。總體而言，從經(jīng)濟(jì)政策調(diào)控對波動性的影響來看，隨著經(jīng)濟(jì)政策調(diào)控滯后數(shù)的增加，該因素對波動性的影響程度越來越小，但一定滯后期影響程度會突然加大，說明政策有調(diào)控區(qū)間。

EPU（-1）項的系數(shù)為0.369，表明經(jīng)濟(jì)政策調(diào)整對深圳成指收益波動性有正向貢獻(xiàn)，系數(shù)t 檢驗的P 值為0，小于0.05，通過了5%顯著性水平檢驗。EPU（-2）項的系數(shù)為-0.257，表明經(jīng)濟(jì)政策調(diào)整對深圳成指收益波動有抑制作用，t 檢驗中的p 值為0.0001，小于0.05，通過了5%顯著性水平檢驗，表明經(jīng)濟(jì)政策調(diào)控因素對深圳成指收益波動具有顯著抑制作用。EPU（-3）項的系數(shù)為-0.251，表明經(jīng)濟(jì)政策調(diào)整對深圳成指收益波動性有抑制作用，t檢驗中的p 值為0.026，小于0.05，通過了5%顯著性檢驗；這表明，隨著經(jīng)濟(jì)政策調(diào)控滯后期的增加，對深圳成指回報率的波動性有顯著影響。EPU（-4）項的系數(shù)為0.35，表明經(jīng)濟(jì)政策調(diào)整對深圳成指收益率的波動具有正向促進(jìn)作用，t 檢驗中的p 值為0.0006，小于0.05，通過了5%顯著性水平檢驗。然而，EPU（-5）項的系數(shù)為-0.087，表明經(jīng)濟(jì)政策的調(diào)整對深圳成指收益的波動具有抑制作用，t 檢驗的P 值為0.1082，大于0.05，未通過5%顯著性水平檢驗。

隨著時間的推移，EPU 對股票回報的影響越來越小。通過統(tǒng)計描述分析，得出深股通收益波動具有波動集群的特征，即過去的股市波動影響未來的走勢。上證指數(shù)和深成指數(shù)回報序列穩(wěn)定，不服從正態(tài)分布。此外，比較經(jīng)濟(jì)政策調(diào)控對兩地股票波動性的影響，我們發(fā)現(xiàn)EPU（-1）和EPU（-2）對上證指數(shù)股票的回報率有顯著影響，但深交所股票的回報率受EPU（-1）、EPU（-2）、EPU（-3）和EPU（-4）影響顯著。這意味著經(jīng)濟(jì)政策的調(diào)整對深交所股票回報的影響更為深遠(yuǎn)。

四、結(jié)論和建議

首先，研究經(jīng)濟(jì)政策調(diào)控對股市波動的影響對于我國經(jīng)濟(jì)發(fā)展和金融穩(wěn)定有積極意義。其次，股票市場作為交通便利、公眾廣泛參與的交易場所，能夠準(zhǔn)確、實(shí)時地反映宏觀經(jīng)濟(jì)運(yùn)行情況，研究經(jīng)濟(jì)政策調(diào)控與股票市場的聯(lián)動效應(yīng)可以解釋政策對股市的影響。最后，實(shí)證結(jié)果可以為股票市場參與者提供投資建議，并為宏觀調(diào)控、決策效率、市場監(jiān)管、股市發(fā)展穩(wěn)定提供一定的參考。