基于我國貨幣政策不確定性的股市波動長短期成分測度研究

周德才+賈青+李梓瑋

摘 要：本文基于月頻金融數(shù)據(jù)，構建了我國金融狀況指數(shù)（FCI）以表征貨幣政策的不確定性，同時基于日頻上綜、深綜和恒生中國三個股價指數(shù)，使用BDFM模型構建我國綜合股價指數(shù)（CSI）代表股市，接著使用混頻抽樣GARCH（GARCH-MIDAS）模型實證分析我國股市波動的長短期成分及貨幣政策不確定性對其的影響。結果表明，GARCH-MIDAS模型較好地測度了我國股市波動的長短期成分，貨幣政策不確定性的水平值對我國股市波動沒有顯著影響，但其波動率則為顯著的正向影響。

關鍵詞：股市波動；貨幣政策；不確定性；GARCH-MIDAS模型；金融狀況指數(shù)

中圖分類號：F820.1 文獻標識碼：A 文章編號：1674-2265（2017）05-0025-08

一、前言與文獻綜述

股市波動可能會引起金融市場的動蕩甚至金融危機和經濟危機。從短期來看，股市波動更多源于技術面的原因，有自我強化和自我實現(xiàn)機制特征，但從長期來看，股市波動更多源于基本面的原因，主要受到宏觀經濟和經濟政策的外生沖擊影響，其中貨幣政策變量是重要影響因素之一。

國內外學者的大量研究表明，經濟增長、通貨膨脹、經濟景氣指數(shù)、政策不確定性、人均收入等宏觀經濟變量都對股市波動具有顯著影響。在經濟增長與股市關系研究中基本上認為它們之間是正相關關系（Fama，1990；Levine和Zervos，1998）；在研究通貨膨脹與股市關系時，大多數(shù)學者都支持它們是負相關的（Fama，1981；董直慶和王林輝，2008）；在政策變量與股市關系分析中，一些學者分析發(fā)現(xiàn)政策調整和政策不確定性等宏觀經濟政策變量變化對股市波動具有顯著影響（Lam和Zhang，2014；陳國進等，2014），一些研究進一步表明影響系數(shù)具有時變特征（Dakhlaoui和Aloui ， 2016）。這些實證結果共有的一個顯著特征是使用同頻數(shù)據(jù)模型（VAR、GARCH、DCC等）來分析宏觀經濟和股市的關聯(lián)性。然而，隨著混頻數(shù)據(jù)方法的進步，Engle等（2013）、鄭挺國和尚玉皇（2014）等進一步使用混頻抽樣GARCH模型（GARCH-MIDAS）研究發(fā)現(xiàn)一系列宏觀經濟變量（如宏觀經濟環(huán)境、失業(yè)率、經濟景氣指數(shù)等）會對股市的波動產生顯著影響。雖然學者更多集中于研究宏觀經濟一般變量與股市的關系，但在研究過程中也發(fā)現(xiàn)宏觀金融變量，特別是貨幣政策變量對股市及其波動會產生顯著影響。

對于歷來具有“政策市”之稱的我國股市而言，隨著股市行情的跌宕起伏，關于股市波動及其影響因素的研究也愈發(fā)重要，從而使得從貨幣政策角度入手研究其對股市波動的影響也成為研究的熱點與前沿。貨幣政策到底對股市波動有沒有影響，并且這些影響是通過哪些途徑產生的？學者們對這個問題進行了大量的研究，普遍認為貨幣政策對股市波動存在顯著影響，但對貨幣政策影響股市波動的途徑及方向有不同的看法，目前接受度比較高的途徑主要有貨幣供應量、利率、匯率、信貸等。金融監(jiān)管當局通過調控貨幣政策工具影響股票的預期收益率，進而影響人們購買股票的意愿，從而影響股市波動。早期的研究主要采用貨幣供應量（或其增長率）來度量貨幣政策，在實證研究中主要采用格蘭杰因果關系檢驗、協(xié)整檢驗等方法，分析發(fā)現(xiàn)貨幣政策和股票收益率有同向變化趨勢（Keran，1971）；Pearce和Roley（1983）進一步研究發(fā)現(xiàn)貨幣政策不確定性，即非預期的貨幣供應量變化，對股市波動具有反向作用；郝清民和鄭鶴（2015）則發(fā)現(xiàn)貨幣增量在重大刺激之前比之后對股市波動更具影響，從而具有非線性特征。后期的研究主要采用利率來度量貨幣政策，并且在方法上主要采用VAR模型進行實證分析，基本上得出了貨幣政策對股市波動具有負向影響的結論（Bernanke和Blinder，1992；畢玉國和郭峰，2014；李菁和王冠英，2015）；Tsar（2011） 進一步分析發(fā)現(xiàn)貨幣政策不確定性，即非預期聯(lián)邦基金利率調整，對股市波動更具影響；謝喬昕和宋良榮（2016）認為利率變化對股市波動具有正向影響。另外，還有一些學者發(fā)現(xiàn)匯率（Singh，2015）和信貸（趙勝民等，2011；王瑩，2015）變化也會對股市波動產生影響。

綜上所述，國內外學者主要是單一的基于某一個宏觀金融變量所表征的貨幣政策對股市波動的影響進行實證分析，而實證分析發(fā)現(xiàn)貨幣供應量、利率、匯率和信貸都是股市波動的重要源泉，因此使用一個能夠系統(tǒng)刻畫上述四個貨幣政策變量的綜合指數(shù)來表征貨幣政策，進而研究其與股市波動的關系，顯得更為合理；同時，國內外學者大量從貨幣政策水平值角度來研究其與股市波動的關系，其實貨幣政策的不確定性，對股市波動具有更大的影響，但較少有人涉及；另外，目前國內外學者主要使用同頻數(shù)據(jù)模型分析貨幣政策與股市波動的關系，而貨幣政策變量一般是月頻變量、股市一般是日頻變量，顯然需要使用混頻抽樣數(shù)據(jù)模型分析二者的關系。

本文從貨幣政策不確定性的角度出發(fā)，研究貨幣政策不確定性對我國股市波動的影響，本文的創(chuàng)新點在于：一是研究視角創(chuàng)新。以往研究多從宏觀基本視角去研究其對股市波動的影響，而本文從貨幣政策不確定性的視角進行研究。二是指標的選取與構建都更為綜合。一方面是基于貨幣供應量、利率、匯率、信貸四個貨幣政策變量，使用HP濾波得到其不確定性成分，構建金融狀況指數(shù)（FCI）作為貨幣政策的代理變量，而非單獨使用貨幣供應量；另一方面是構建可以全面反映我國股市的綜合股價指數(shù)作為股票市場的代理變量，避免了單一指數(shù)的缺陷。三是使用GARCH-MIDAS模型測度我國股市長短期成分，同時分別從我國貨幣政策不確定性的水平值和波動率層面分析對其的影響。

二、計量模型

本文首先使用HP濾波得到四個貨幣政策變量的不可預期性成分，在這個基礎上使用Goodhart與Hofmann（2001）提出的方法，基于VAR模型構建得到我國金融狀況指數(shù)（FCI），用于綜合統(tǒng)一地表征我國貨幣政策的不可預期性；接著使用貝葉斯動態(tài)因子模型（BDFM）構建涵蓋上證指數(shù)、深證綜指和恒生中國企業(yè)指數(shù)的我國綜合股價指數(shù)（CSI），作為我國股市的代理變量；最后，將金融狀況指數(shù)納入到GARCH-MIDAS模型中，使用該模型測度我國綜合股價指數(shù)的長短成分，并分析我國貨幣政策不可預期性對其的影響。

（一）貝葉斯動態(tài)因子模型

因子模型經歷了靜態(tài)因子模型、動態(tài)因子模型和貝葉斯動態(tài)因子模型幾個發(fā)展階段。

1.靜態(tài)因子模型（FM）。

（1）

其中，是維的原始變量矩陣；為變量個數(shù)； 是維的因子載荷矩陣；是公因子個數(shù)；是白噪聲序列。

2.動態(tài)因子模型（DFM）。動態(tài)模型是在FM模型基礎上的進一步推廣，使用狀態(tài)空間的方法測度動態(tài)公因子，具體如下：

， （2）

， （3）

其中，動態(tài)因子會隨時間的推移而演化；誤差擾動項和服從正態(tài)分布。

3.貝葉斯動態(tài)因子模型（BDFM）。貝葉斯動態(tài)因子模型是在動態(tài)因子模型的基礎上，為了讓DFM模型中的動態(tài)因子估計更加簡單、其結果更加穩(wěn)健，在其動態(tài)因子估計時結合了貝葉斯方法的MCMC估計方法。即通過基于貝葉斯的MCMC方法，經過次抽樣，得到個動態(tài)因子矩陣估計值，求其均值就得到貝葉斯動態(tài)公因子矩陣。

（4）

其中，是迭代的次數(shù)。

（二）GARCH-MIDAS模型

Engle等（2009）將Engle和Rangel（2007）提出的Spline-GARCH模型和Ghysels等（2004）提出的MIDAS模型相結合， 將Spline-GARCH模型中長期波動的樣條設定替換為采用MIDAS過濾器來對長期波動進行建模，提出了GARCH-MIDAS模型。具體來說，GARCH-MIDAS模型由方程（5）—（7）組成。

1.GARCH-MIDAS模型的條件均值方程。GARCH-MIDAS模型與一般GARCH模型的條件均值方程基本保持一致，主要區(qū)別在于把條件方差分解成短期成分及長期成分。

（5）

其中，為第個低頻期（如月度）中的第個高頻期（如日度）的股票對數(shù)收益率，其條件方差被分解為短期成分和長期成分；為某一個股票對數(shù)收益率的非條件均值；為在第個低頻期中的第個高頻期股票對數(shù)收益率方程的誤差項，；是指在第個低頻期中某一個股票對數(shù)收益率的條件方差的長期成分；為第個低頻期中的第個高頻期股票對數(shù)收益率的條件方差的短期成分。

2.GARCH-MIDAS模型的條件方差的短期成分方程。被假定是一個均值為1的GARCH（1，1）過程。

（6）

其中，和分別表示股票對數(shù)收益率的條件方差中短期成分的GARCH（1，1）過程中ARCH項與GARCH項的參數(shù)。上式中的ARCH項，是的整體條件方差剔除了長期波動、只保留短期波動而得到的。

3.GARCH-MIDAS模型的條件方差的長期成分方程。對于股票對數(shù)收益率的條件方差的長期成分 的建模，用已實現(xiàn)回報率來衡量。其并非使用已實現(xiàn)回報率來代表長期成分，而是通過MIDAS回歸來平滑已實現(xiàn)回報率。長期成分 可表示為：

（7）

指股票對數(shù)收益率條件方差的長期成分均值；是MIDAS回歸的系數(shù)； 為MIDAS回歸的權重多項式函數(shù)，可以設置成Beta滯后結構或者指數(shù)權重，即；是已實現(xiàn)的波動率，。

方程（6）—（8）組成了基于RV的GARCH-MIDAS模型，其中待估計的參數(shù)有、、、。

4.貨幣政策不可預期性對股市波動率長期成分的影響。為了研究貨幣政策不可預期性對股市波動率的長期成分的影響，本文把貨幣政策不可預期性指數(shù)（用FCI來表征）直接納入到GARCH-MIDAS模型中。式（7）代表了波動率的長期成分方程。在以上模型基礎上對長期成分方程做一些改變，即用式（8）和式（9）來替代式（7）。貨幣政策不可預期性的水平值和波動率對股市波動的影響分別由方程（8）和方程（9）實現(xiàn)，如下所示。

（8）

（9）

上式中，表示貨幣政策不可預期性水平值；表示貨幣政策不可預期性波動率。

三、數(shù)據(jù)選擇與描述

（一）金融狀況指數(shù)的數(shù)據(jù)選取

本文首先通過VAR模型構建了金融狀況指數(shù)（FCI），作為貨幣政策不確定性的代理變量，并進行了相關分析。所采用的宏觀金融數(shù)據(jù)基于可獲取性選擇了人民幣匯率、全國銀行間7天同業(yè)拆借利率（CHIBOR）、M2和信貸量（金融機構人民幣各項貸款期末余額）三類，所選數(shù)據(jù)均經過標準化處理，樣本區(qū)間從1996年1月到2016年6月，ADF檢驗顯示各序列通過了平穩(wěn)性檢驗。

（二）基于BDFM模型的綜合股價指數(shù)數(shù)據(jù)選取及描述

為了全面反映我國股市總體態(tài)勢，本文選擇了上證綜指（SHZI）、深證綜指（SZCI）以及香港恒生中國企業(yè)指數(shù)（HSCEI）三個股票指數(shù)的日收益率，使用BDFM模型測度得到股市貝葉斯動態(tài)公因子，本文稱之為我國綜合股價指數(shù)（CSI），將其作為股市的代理變量，周德才等（2014）也曾構建綜合股價指數(shù)進行研究，效果良好。在這里引入深證綜指是考慮到創(chuàng)業(yè)板和中小企業(yè)板的影響力；另一方面由于我國股市的海外影響力有限，還引入了恒生中國企業(yè)指數(shù)。所用數(shù)據(jù)來自雅虎財經和同花順。樣本選擇從1996年1月3日到2016年6月30日，在剔除了日期不匹配的數(shù)據(jù)后，共得5345組樣本數(shù)據(jù)。文中所涉及收益率全部是對數(shù)收益率。假設第個股市在時刻的價格為，那么它的對數(shù)變化率是：

（10）

其中， 是股票指數(shù)的日收益率；下標 依次表示上證綜指、深證綜指及國企指數(shù)。

表1列舉了我國上證綜指（SHZI）、深圳綜指（SZCI）、恒生中國企業(yè)指數(shù)（HSCEI）以及所構建的我國綜合股價指數(shù)（CSI）日收益率的描述性統(tǒng)計特征。偏度顯示我國上證綜指、深圳綜指以及恒生中國企業(yè)指數(shù)日收益率均有一定程度的負偏，這說明三地股市的實際收益率都比該市股價的平均收益率要低。構建出的我國綜合股價指數(shù)也存在一定負偏，符合實際；所有收益率序列的峰度均高于3，表明三地股市日收益率均呈現(xiàn)高峰厚尾分布態(tài)勢，并且都于1%顯著性水平下拒絕了J-B正態(tài)分布原假設。Q統(tǒng)計量檢驗表明上綜、深綜指收益率和我國綜合股價指數(shù)收益率在1%顯著性水平下，恒生中國企業(yè)指數(shù)在5%顯著性水平下拒絕序列無關原假設，因此在條件均值模型中需要引入自相關性的描述部分。收益率平方均在1%的顯著性水平上拒絕了序列無關的原假設，ARCH效應檢驗也在1%的顯著性水平上拒絕序列無異方差的原假設，也就是說所有收益率序列具有明顯異方差性，所以有必要引入 GARCH 模型來刻畫這種時變方差特征。ADF 檢驗表明所有的收益率序列均在1%的顯著性水平上通過了平穩(wěn)性檢驗，符合時序分析對變量序列平穩(wěn)性的要求，能避免“偽回歸”現(xiàn)象的發(fā)生。

四、實證分析

為了能夠系統(tǒng)性多方面地研究我國貨幣政策的不確定性對股市波動的影響，本文首先構建了金融狀況指數(shù)（FCI）作為貨幣政策不確定性的代理變量；其次，將金融狀況指數(shù)（FCI）和綜合股價指數(shù)（CSI）進行關聯(lián)性分析，初步研究兩者之間是否存在聯(lián)系；再次，基于GARCH-MIDAS模型提取股市波動的長期成分；最后，基于提取的長期成分分別納入金融狀況指數(shù)（FCI）的水平值和波動率，進一步從貨幣政策不確定性指數(shù)的水平值層面和波動率層面挖掘影響股市波動的深層原因。

（一）依據(jù)金融狀況指數(shù)的我國貨幣政策不確定性分析

圖1：1996—2016年我國貨幣政策不確定性分析圖

圖1表明，1996年以來，代表我國的貨幣政策不確定性的金融狀況指數(shù)（FCI）主要經歷了3次較為重要的波峰時期和3次波谷時期。波峰時期主要表現(xiàn)在：一是1997—1999年的亞洲金融危機期間。亞洲金融危機發(fā)生后，亞洲等國家經濟動蕩，同時我國經濟也遭受了巨大沖擊，出口增長幅度明顯下降、投資下降和消費需求減少，通縮現(xiàn)象明顯。對此我國采取一系列擴張性貨幣政策，如7次降息和征收利息稅等，超出人們預期，大幅度增加了貨幣政策不確定性。二是2003年“非典”爆發(fā)期間。為了降低“非典”給經濟造成的沖擊，我國采取擴張性的貨幣政策，特別是信貸增速超出人們預期，在一定程度上增加了貨幣政策的不確定性。三是2008年下半年至2009年的4萬億刺激計劃時期。為了應對次貸危機持續(xù)發(fā)酵對我國發(fā)展的巨大沖擊，同時配合同年11月出臺的4萬億刺激計劃，我國推出了超出人們預期的擴張性貨幣政策，M2和M1增速高達近30%，2009年新增人民幣貸款高達9.6萬億，與2007年和2008年相比分別高出近3倍和2倍多，這是我國貨幣政策不確定性最高的時期。

波谷時期主要表現(xiàn)在：一是2000—2001年加入WTO期間。此期間我國外貿和經濟強勁增長、物價走出前期通縮陰影，應對亞洲金融危機推出的擴張性貨幣政策逐步退出，調整為穩(wěn)健型貨幣政策，某種程度上引起貨幣政策不確定性的增加。二是2007—2008年上半年經濟過熱期間。雖然次貸危機已在美國爆發(fā)，但由于滯后效應，我國經濟還處于過熱狀態(tài)，表現(xiàn)為經濟增速達到兩位數(shù)，通脹率基本超過調控目標（4%），同時我國政府把原來穩(wěn)健型貨幣政策調整成適度從緊型貨幣政策，使得我國貨幣政策不確定性程度有一定的增加。三是2010—2011年擴張貨幣政策退出期間。此前，為了應對次貸危機推出的空前的擴張貨幣政策，導致了房價飛漲、通脹高企和流動性泛濫等一系列不良后果，我國實施了一系列緊縮性貨幣政策，如先后6次上調存款準備金率，遠遠超過人們預料，極大地導致貨幣政策不確定性上升。

總之，從金融狀況指數(shù)多個波峰和波谷分析來看，我國金融狀況指數(shù)較好地刻畫了貨幣政策的不確定性，可以較好地作為我國貨幣政策不確定性的代表。

（二）金融狀況指數(shù)與我國綜合股價指數(shù)的關聯(lián)性分析

本文用金融狀況指數(shù)作為衡量貨幣政策不確定性的指標，進一步研究貨幣政策不確定性與我國股市之間的關系。通過圖 2 可以看出兩個指數(shù)的同步性表現(xiàn)良好，金融狀況指數(shù)與我國綜合股價指數(shù)都始終保持著基本相同的波動趨勢，并且金融狀況指數(shù)的變化趨勢先導于綜合股價指數(shù)。此外，面對不確定性貨幣政策的影響，特別是不確定性程度較高的時期，我國股價會存在一個波動聚集態(tài)勢。比如在 1999年亞洲金融危機、2003年“非典”的爆發(fā)以及2008年下半年至2009年4萬億刺激計劃的推出等幾個貨幣政策不確定性指數(shù)的高點，我國股價往往呈現(xiàn)不同程度的波動聚集性。這可能在于，眾多股民都認為我國股市是“政策市”，當貨幣政策不確定性突然升高，投資者對股市預期也相應出現(xiàn)較大波動，因此也使得股市出現(xiàn)波動聚集現(xiàn)象。

（三）股市波動長期成分的提取

本文通過GARCH-MIDAS模型提取股市波動的長期成分，為下一步研究貨幣政策不確定性對其的影響做鋪墊。

股市波動的長期成分估計結果（見表2），是測度股市波動長短期成分的GARCH-MIDAS模型參數(shù)估計結果?？梢钥闯?，除了參數(shù)μ是不顯著的，ω在5%顯著性水平下顯著，其余參數(shù)均在1%顯著性水平下顯著。聯(lián)系模型的實際意義，不難發(fā)現(xiàn)模型估計的效果良好。圖3為股市的條件波動與長期成分?？梢钥闯?，長期成分與條件方差的高低起伏基本吻合，這說明長期成分既反映出了股市的波動情況，又在一定程度上平滑了高頻數(shù)據(jù)中存在的噪音。此外，還可以看出股市的波動呈現(xiàn)出一定的周期性，通常表現(xiàn)為在一定期間內存在大幅度的波動，隨后又趨于平緩。圖中具體表現(xiàn)為在1998—1999年首次出現(xiàn)了較大幅度的波動，隨后在2001—2002年出現(xiàn)了第二次波動，2007—2010年出現(xiàn)了時間持續(xù)較長、波動幅度更加劇烈的波動，最后在2015年3月—2016年4月也出現(xiàn)了幅度較大的波動。

（四）貨幣政策不確定性對股市波動長期成分的影響

在前文研究的基礎上，以及取得股市長期成分之后，再將金融狀況指數(shù)（FCI）的水平值和波動率納入其中，分別從貨幣政策不確定性指數(shù)的水平值層面和波動率層面探究其對股市波動的影響。

1.直接納入貨幣政策不確定性水平值的GARCH-MIDAS模型估計結果。表3為納入了代表貨幣政策不確定性的金融狀況指數(shù)（FCI）的水平值之后的GARCH-MIDAS模型估計結果?？梢钥闯?，除了μ和θ不顯著外，其余參數(shù)都在1%的顯著性水平下顯著。其中θ表示貨幣政策對股市長期波動的對數(shù)的加總效應，其值為0.0026。θ為正但在統(tǒng)計上不顯著，說明從水平層面看來，貨幣政策不確定性并不會對股市波動造成顯著影響，這與圖2的研究結果相悖。圖2表明代表貨幣政策不確定性的FCI與代表我國股市綜合狀況的CSI之間關系緊密。這樣的結果不免引人深思，難道二者之間并沒有內在聯(lián)系、這種關聯(lián)性只是巧合？抑或是由于貨幣政策不確定性的其他層面引起的？對于前一個問題，由于本文研究的樣本范圍涵蓋較廣（1996—2016年），顯然很難是因為巧合引發(fā)的，于是將目光投向后者。

2.直接納入貨幣政策不確定性的波動率的GARCH-MIDAS模型估計結果。由于基于水平值層面的研究表明貨幣政策不確定的水平值不是引起股市波動的真正原因，本文在此基礎上試著從波動率的層面進一步繼續(xù)探討。表4為納入了代表貨幣政策不確定性的金融狀況指數(shù)（FCI）波動率之后的GARCH-MIDAS模型估計結果，從參數(shù)估計結果可以看出，除了μ不顯著外，ω在5%的顯著性水平下顯著，其余參數(shù)都在1%的顯著性水平下顯著。其中θ為貨幣政策不確定性的波動率對股市長期波動的對數(shù)的加總效應，其值為0.0068。θ為正且在統(tǒng)計上顯著，也就是說貨幣政策不確定性波動的幅度越大，股市波動也越劇烈；并且僅從加總效應θ來看，貨幣政策不確定性的波動率對股市波動的影響是貨幣政策不確定性水平值對于股市波動影響的2.62倍，表明貨幣政策的波動率對股市波動的影響遠高于其水平值的影響。

對于我國股市而言，影響其波動的因素錯綜復雜，但可以看出貨幣政策不確定性是其中一個原因。這主要在于，我國股市目前依然存在較為明顯的政策導向趨勢，投機氣氛濃厚。由圖1和圖2都可以看出，當我國出臺一些較為重要的貨幣政策時，股市會很快做出反應。因為此時股市上的投資者在意識到貨幣政策的改變后，會出現(xiàn)過激反應，大量買賣股票，引起股市大幅度波動；但當投資者注意到市場失去平衡后，會重新調整自己的投資行為，使股市重回均衡。然而不可避免的是這又是股市在進行一次與之前相反的波動過程。我國股市波動受貨幣政策調整影響依舊是較為顯著的。總之，對比納入貨幣政策不確定性的水平值與波動率的GARCH-MIDAS模型估計結果可以看出，本文最重要的一個結論是貨幣政策不確定性對我國股市波動的影響較大。

五、結論與建議

（一）主要結論

本文首先構建代表貨幣政策不確定性的我國金融狀況指數(shù)，同時構建了能夠全面代表股市收益率的綜合股價指數(shù)，接著采用GARCH-MIDAS模型測度了我國股市的長期成分和短期成分，最后分析了我國貨幣政策不確定性水平值和波動率對金融狀況指數(shù)的影響，主要得到了以下結論：

1.金融狀況指數(shù)能較好地描繪我國貨幣政策的不確定性?；谑褂肏P濾波后的宏觀金融數(shù)據(jù)，采用VAR模型構建了表征貨幣政策不確定性的金融狀況指數(shù)（FCI），發(fā)現(xiàn)金融狀況指數(shù)的三個波峰和波谷，都與我國三次超出預期的擴張性和緊縮性貨幣政策存在一一對應關系。因此，我國金融狀況指數(shù)較好地刻畫了貨幣政策的不確定性，可以作為我國貨幣政策不確定性的代表。

2.GARCH-MIDAS模型可以較好地分解出股市波動的長短期成分。從股市波動率的長短期分析結果來看，參數(shù)的顯著性良好，表明GARCH-MIDAS模型估計結果比較準確且符合實際意義。從圖3可以明顯看出易受市場結構噪音影響的短期波動成分被平滑了，因此認為GARCH-MIDAS模型可以比較準確地提取出股市波動的長短期成分。

3.貨幣政策不確定性波動率對股市波動具有顯著影響。直接納入代表貨幣政策不確定性的金融狀況指數(shù)水平值后的GARCH-MIDAS模型回歸結果顯示，雖然貨幣政策不確定性水平值對股市長期波動不具有顯著影響，但是貨幣政策不確定性波動率具有顯著影響，并且貨幣政策不確定性的波動對股市波動的影響大于貨幣政策不確定性本身對于股市波動的影響。

（二）建議

對于我國這樣的發(fā)展中國家和轉型國家而言，分析貨幣政策不確定性的水平變量和波動率變量對股市波動的影響，對于政策選擇以及風險規(guī)避有著極其重要的意義，著重存在于以下兩個方面：

1.構建貨幣政策新規(guī)則，增加貨幣政策確定性。本文通過實證分析發(fā)現(xiàn)貨幣政策不確定性波動是股市劇烈波動的原因之一。因此，政府部門在實施貨幣政策時要注意盡量避免貨幣政策本身的超預期變化，及時進行適時適當?shù)念A調和微調，最重要的是構建一些貨幣政策規(guī)則，增加貨幣政策可預期性，推動我國股市從目前的“投機市”發(fā)展為“價值投資市”。

2.將貨幣政策不確定性變量引入投資模型，促進投資決策科學性。對于投資者特別是證券投資者而言，貨幣政策不確定性毫無疑問是影響其投資資產價格波動的重要因素。因此，建議構建能夠全面系統(tǒng)刻畫貨幣政策不確定性的金融指數(shù)，如金融狀況指數(shù)，并將其引入資產定價模型，從而有效提高投資決策的科學性。

參考文獻：

[1]Fama E F.1990.Stock returns，expected returns，and real activity[J].The Journal of Finance， 45（4）.

[2]Levine R，Zervos S.1998.Stock markets，banks，and economic growth[J].American economic review.

[3]Fama E F.1981.Stock returns，real activity，inflation，and money[J].The American Economic Review，71（4）.

[4]Lam S S，Zhang W.2014.Does Policy Uncertainty Matter for International Equity Markets？[J].Available at SSRN 2297133.

[5]Dakhlaoui I，Aloui C.2016.The interactive relationship between the US economic policy uncertainty and BRIC stock markets[J].International Economics，146.

[6]Engle R F，Ghysels E，Sohn B.2013.Stock market volatility and macroeconomic fundamentals[J].Review of Economics and Statistics，95（3）.

[7]Keran M W.1971.Expectations，money，and the stock market[J].Federal Reserve Bank of St.Louis Review，（1）.

[8]Pearce D K，Roley V V.1983.The reaction of stock prices to unanticipated changes in money：A note[J].The Journal of Finance，38（4）.

[9]Bernanke B S，Blinder A S.1992.The federal funds rate and the channels of monetary transmission[J].The American Economic Review.

[10]Tsai C L.2011.The reaction of stock returns to unexpected increases in the federal funds rate target[J].Journal of Economics and Business，63（2）.

[11]Singh D.2015.The Relationship Between Exchange Rate and Stock Price in India： An Empirical Study[J].The IUP Journal of Financial Risk Management， 2015，12（2）.

[12]Goodhart C，Hofmann B.2001.Asset Prices， Financial Conditions，and the Transmission of Monetary Policy[J].Proceedings，114（2）.

[13]董直慶，王林輝.我國證券市場與宏觀經濟波動關聯(lián)性：基于小波變換和互譜分析的對比檢驗[J].金融研究，2008，（8）.

[14]陳國進，張潤澤，姚蓮蓮.政策不確定性與股票市場波動溢出效應[J].金融經濟學研究，2014，（5）.

[15]鄭挺國，尚玉皇.基于宏觀基本面的股市波動度量與預測[J].世界經濟，2014，（12）.

[16]郝清民，鄭鶴.政策事件干預股市的平滑轉換隨機波動模型[J].系統(tǒng)工程，2015，（5）.

[17]畢玉國，郭峰.貨幣政策公告、預期超調與股票市場波動——基于事件分析法的實證研究[J].福建論壇（人文社會科學版），2014，（3）.

[18]李菁，王冠英.利率沖擊與理性股票價格泡沫——基于TVP-SV-VAR模型的檢驗[J].當代財經，2015，（12）.

[19]謝喬昕，宋良榮.利率市場化背景下利率政策調整對股市的沖擊效應[J].金融理論與實踐，2016，（7）.

[20]趙勝民，方意，王道平.金融信貸是否是中國房地產、股票價格泡沫和波動的原因——基于有向無環(huán)圖的分析[J].金融研究，2011，（12）.

[21]王瑩.關于我國信貸規(guī)模與股市波動相關關系的實證研究[J].浙江金融，2015，（6）.

[22]周德才，謝海東，何宜慶.我國股市財富效應非對稱性的實證分析[J].統(tǒng)計與決策，2014，（1）.

Study on the Long and Short Component Measure of Stock Market Volatility Based on the Uncertainty of China's Monetary Policy

Zhou Decai Jia Qing Li Ziwei

（School of Economics and Management，Nanchang University，Jiangxi Nanchang 330031）

Abstract：Based on the monthly financial data，this paper constructs Financial Condition Index（FCI）to stand for China's monetary policy uncertainty.At the same time，based on three daily frequency stock indices such as Shanghai composite index， Shenzhen Composite Index and Hang Seng China Enterprises Index，this paper uses BDFM model to constructs China's Composite Stock Index （CSI） as the proxy variable of China's stock market. Then it empirically uses the GARCH-MIDAS model to measure the short and the long-term component of China's stock market volatility and its influence by the monetary policy uncertainty. The results of the empirical analysis show that the GARCH-MIDAS model is good enough to measure the short and the long-term component of China's stock market and the level value of monetary policy uncertainty shows no obvious impact on China's stock market. But its volatility value shows obvious positive impact. Therefore， this paper suggests that China should add the predictability of monetary policy.

Key Words：stock market volatility，monetary policy，uncertainty，GARCH-MIDAS model，financial condition index