宏觀信息沖擊下股指期貨與現(xiàn)貨的共跳特征與金融穩(wěn)定

鄧?yán)? 熊海芳

摘要：宏觀經(jīng)濟(jì)信息的沖擊不僅會(huì)直接影響金融市場(chǎng)的聯(lián)合波動(dòng)，而且會(huì)通過(guò)隔夜信息影響市場(chǎng)的跳躍?；诟哳l數(shù)據(jù)下的非參數(shù)跳躍檢驗(yàn)方法，考察滬深300指數(shù)和股指期貨價(jià)格的共同跳躍和隔夜特征，研究發(fā)現(xiàn)：兩個(gè)市場(chǎng)間存在顯著的共同跳躍，不同方向的共同跳躍對(duì)波動(dòng)的預(yù)測(cè)表現(xiàn)出顯著的非對(duì)稱性;跳躍的隔夜特征較為明顯，且隔夜共跳能夠顯著增強(qiáng)次日波動(dòng)。股指期貨與現(xiàn)貨市場(chǎng)的共跳通常由影響整個(gè)市場(chǎng)的宏觀信息沖擊所致，且大多數(shù)共跳與隔夜信息的發(fā)布和積累相關(guān)。為避免市場(chǎng)過(guò)度震蕩，實(shí)現(xiàn)金融穩(wěn)定，政府機(jī)構(gòu)和企業(yè)應(yīng)控制在非交易時(shí)段公布宏觀政策舉措或經(jīng)濟(jì)信息的頻率，并降低政策導(dǎo)向的不確定性。

關(guān)鍵詞：隔夜共跳;非對(duì)稱性;波動(dòng)預(yù)測(cè);宏觀信息沖擊

中圖分類號(hào)：F830.91文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1674-8131（2019）04-0064-12

一、引言

金融市場(chǎng)的波動(dòng)性是衍生品定價(jià)和風(fēng)險(xiǎn)管理要考慮的重要因素，也是國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)。資產(chǎn)價(jià)格的異常波動(dòng)不僅直接威脅國(guó)內(nèi)金融市場(chǎng)的穩(wěn)定與經(jīng)濟(jì)社會(huì)的發(fā)展，而且容易引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)，甚至波及全球股市和重要原材料市場(chǎng)等領(lǐng)域。Mish Kin提出金融穩(wěn)定的概念，即金融體系能夠?qū)①Y金有效融通給有生產(chǎn)性投資機(jī)會(huì)的部門。近年來(lái)的研究觀點(diǎn)認(rèn)為資產(chǎn)價(jià)格波動(dòng)能通過(guò)銀行信貸、銀行資本金和金融環(huán)境等因素影響金融穩(wěn)定。在倡導(dǎo)不斷開(kāi)放和提高效率的經(jīng)濟(jì)形勢(shì)下，如何應(yīng)對(duì)資產(chǎn)價(jià)格波動(dòng)，對(duì)金融風(fēng)險(xiǎn)實(shí)施控制和防范，是維護(hù)我國(guó)金融體系穩(wěn)定的核心問(wèn)題。

根據(jù)有效市場(chǎng)假說(shuō)，宏觀經(jīng)濟(jì)信息的發(fā)布與政策的變動(dòng)會(huì)迅速影響整個(gè)市場(chǎng)并反映到價(jià)格的聯(lián)合波動(dòng)之中，宏觀信息沖擊與資產(chǎn)收益的方差存在顯著關(guān)系。Flannery等（2002）基于GARCH簇模型的分析表明宏觀信息公告對(duì)美國(guó)股市收益率和波動(dòng)性存在顯著影響[1]。Wongswan（2006）的研究顯示宏觀信息發(fā)布的30分鐘內(nèi)會(huì)引發(fā)股市的大幅波動(dòng)[2]。Kim等（2004）分析了6種政府定期經(jīng)濟(jì)數(shù)據(jù)發(fā)布對(duì)美國(guó)三大金融市場(chǎng)的影響，指出資產(chǎn)價(jià)格僅對(duì)未預(yù)期的宏觀信息做出反應(yīng)[3]。Golosten 和Milgrom（1985）將市場(chǎng)消息分為引起價(jià)格平滑變化的正常消息和引發(fā)價(jià)格非連續(xù)變化（跳躍）的異常消息，認(rèn)為兩者共同決定了資產(chǎn)收益率的分布[4]。隨著高頻交易數(shù)據(jù)獲取技術(shù)的發(fā)展，對(duì)資產(chǎn)價(jià)格變動(dòng)尤其是跳躍信息的捕捉變得更加精確。一方面，通過(guò)跳躍的有效識(shí)別研究宏觀信息尤其是異常沖擊對(duì)市場(chǎng)波動(dòng)的影響成為新的研究視角;另一方面，各種衍生產(chǎn)品的活躍和金融市場(chǎng)一體化的趨勢(shì)使得市場(chǎng)間的聯(lián)動(dòng)關(guān)系和風(fēng)險(xiǎn)傳導(dǎo)機(jī)制受到關(guān)注，資產(chǎn)價(jià)格的共跳性也日益成為金融計(jì)量領(lǐng)域重要的前沿問(wèn)題。股指期貨和現(xiàn)貨市場(chǎng)的價(jià)格共跳一般與影響整個(gè)市場(chǎng)的宏觀信息沖擊有關(guān)，研究?jī)蓚€(gè)市場(chǎng)之間的共跳和波動(dòng)特征不僅可以幫助金融監(jiān)管者和政策制定者了解風(fēng)險(xiǎn)來(lái)源和建立預(yù)警機(jī)制，而且可以為投資者優(yōu)化決策、規(guī)避風(fēng)險(xiǎn)提供指導(dǎo)。

信息的傳遞與擴(kuò)散是金融市場(chǎng)產(chǎn)生波動(dòng)的內(nèi)在原因之一。由于日內(nèi)交易時(shí)間的有限，股市在閉市期間積累了大量隔夜信息。一方面，為了市場(chǎng)穩(wěn)定，政府和上市公司通常選擇在非交易時(shí)間公開(kāi)宏觀政策及指標(biāo)類信息，包括財(cái)政政策、貨幣政策和經(jīng)濟(jì)指標(biāo)數(shù)據(jù)等;另一方面，由于時(shí)差的原因，原油、黃金和股票等海外市場(chǎng)釋放的價(jià)格波動(dòng)信息也屬于隔夜信息的范疇。這些信息通過(guò)次日開(kāi)盤的集合競(jìng)價(jià)機(jī)制反映到市場(chǎng)，引起最優(yōu)投資結(jié)構(gòu)發(fā)生不同于收盤時(shí)的變化，此時(shí)價(jià)格變動(dòng)幅度往往較大，市場(chǎng)波動(dòng)明顯。跳躍過(guò)程決定了隔夜收益的價(jià)格擴(kuò)散部分，隔夜共跳成為系統(tǒng)性宏觀信息沖擊最直接的反映，分析共跳的隔夜特征對(duì)研究系統(tǒng)性隔夜沖擊與市場(chǎng)波動(dòng)和金融穩(wěn)定之間的關(guān)系具有重要意義。

二、文獻(xiàn)綜述

基于包含更多日內(nèi)信息的高頻數(shù)據(jù)進(jìn)行波動(dòng)率建模有助于對(duì)金融資產(chǎn)波動(dòng)率的預(yù)測(cè)。Andersen等（2001）提出了已實(shí)現(xiàn)方差（realized bipower variance， RV）的方法估計(jì)高頻波動(dòng)率，并發(fā)現(xiàn)已實(shí)現(xiàn)方差和協(xié)方差具有較強(qiáng)的記憶性[5]。Corsi（2009）提出了形式更簡(jiǎn)單、能描述長(zhǎng)記憶性和具有樣本外預(yù)測(cè)能力的異質(zhì)自回歸已實(shí)現(xiàn)方差模型（HAR-RV）[6]。經(jīng)驗(yàn)證據(jù)表明，無(wú)論是已實(shí)現(xiàn)方差還是異質(zhì)自回歸已實(shí)現(xiàn)方差，跳躍成分對(duì)其預(yù)測(cè)都有重要影響。Zhou和Zhu（2012）研究發(fā)現(xiàn)考慮跳躍成分能夠改進(jìn)投資組合波動(dòng)率的樣本內(nèi)和樣本外預(yù)測(cè)[7]。對(duì)于異質(zhì)自回歸已實(shí)現(xiàn)方差，Andersen等（2007）在HAR-RV模型中引入跳躍因子并發(fā)現(xiàn)跳躍對(duì)波動(dòng)的預(yù)測(cè)具有顯著的負(fù)向影響[8]。龔旭等（2017）將HAR-RV模型按頻率分解并加入跳躍成分，結(jié)果發(fā)現(xiàn)新構(gòu)建的HAR-RV-EMD-J模型對(duì)未來(lái)波動(dòng)的預(yù)測(cè)能力比較好[9]。

國(guó)內(nèi)外學(xué)者在研究跳躍引發(fā)機(jī)制的過(guò)程中發(fā)現(xiàn)宏觀信息的發(fā)布能夠有效地解釋跳躍行為。Lee（2012）的研究顯示股市跳躍通常發(fā)生于宏觀經(jīng)濟(jì)信息發(fā)布之后[10]。Johanned（2004）和Dungey（2009）等指出宏觀信息的未預(yù)期部分即真實(shí)值與預(yù)期值之間的差異才是跳躍發(fā)生的關(guān)鍵[1112]。Thomakos（2008）研究了美國(guó)利率期貨市場(chǎng)的波動(dòng)性和相關(guān)性，實(shí)證顯示利率期貨市場(chǎng)的大多數(shù)跳躍都與宏觀經(jīng)濟(jì)信息沖擊有關(guān)[13]。Cui和Zhao（2015）對(duì)中國(guó)債券市場(chǎng)的分析亦表明多個(gè)未預(yù)期到的宏觀信息沖擊對(duì)債券市場(chǎng)的跳躍概率存在顯著影響[14]。

Barndorff-Nielsen和Shephard（2004）的研究使共同跳躍成分從二次協(xié)方差中分離出來(lái)，不同資產(chǎn)或不同市場(chǎng)之間的價(jià)格共跳（Cojumps）成為研究熱點(diǎn)[15]。Bollerslev等（2008）基于兩兩交叉構(gòu)建了共同跳躍的BLT檢驗(yàn)方法，分析發(fā)現(xiàn)個(gè)股之間的共同跳躍導(dǎo)致了市場(chǎng)指數(shù)的跳躍[16]。Gilder等（2014）采用超限準(zhǔn)則和BLT方法探討了個(gè)股與市場(chǎng)組合的共跳行為[17]。Bollerslev等（2008）研究的結(jié)果與這一結(jié)論很相似[15]。Wang等（2015）采用非參數(shù)方法分析發(fā)現(xiàn)，將反映共跳信息的跳躍協(xié)變差（Jump Covariance，JCOV）加入二元HAR模型中能夠明顯提高已實(shí)現(xiàn)協(xié)方差的預(yù)測(cè)精度[18]。瞿慧和紀(jì)萍（2016）研究發(fā)現(xiàn)，引入共跳強(qiáng)度可以提升對(duì)協(xié)方差的擬合和預(yù)測(cè)精度。由此可見(jiàn)，識(shí)別共跳并將其引入?yún)f(xié)方差模型對(duì)提高預(yù)測(cè)精度具有重要作用[19]。

同時(shí)，學(xué)者們還對(duì)共跳發(fā)生的原因進(jìn)行了研究，大多數(shù)實(shí)證結(jié)果顯示從宏觀信息沖擊的角度出發(fā)至少能部分解釋共跳的發(fā)生。Dungey和Hvozdyk（2012）、Gilder等（2014）的研究都發(fā)現(xiàn)共跳的發(fā)生與宏觀經(jīng)濟(jì)信息的發(fā)布關(guān)系密切[20][17]。Lahaye等（2011）采用Tobit-GARCH和Probit模型專門探討了宏觀信息發(fā)布與各類資產(chǎn)價(jià)格共同跳躍的關(guān)系，結(jié)果顯示美國(guó)的非農(nóng)數(shù)據(jù)和美聯(lián)儲(chǔ)聯(lián)邦基金目標(biāo)利率公告對(duì)所有資產(chǎn)的跳躍和共跳都有較大影響[21]。Chatrath等（2014）的研究發(fā)現(xiàn)了貨幣市場(chǎng)22%～56%的跳躍和共跳能被宏觀政策發(fā)布所解釋[22]，Winkelmann等（2016）還進(jìn)一步提出了新的方法來(lái)檢驗(yàn)貨幣政策沖擊與共跳之間關(guān)系[23]。

資產(chǎn)價(jià)格波動(dòng)的一個(gè)重要特征是杠桿效應(yīng)，即負(fù)向波動(dòng)比正向波動(dòng)的影響更大。左浩苗和劉振濤（2011）在波動(dòng)的非對(duì)稱性檢驗(yàn)中發(fā)現(xiàn)，跳躍尤其是負(fù)向跳躍能更準(zhǔn)確地反映杠桿效應(yīng)并提高對(duì)波動(dòng)的預(yù)測(cè)效果[24]。趙華和秦可佶（2014）研究發(fā)現(xiàn)，宏觀信息對(duì)股價(jià)跳躍有顯著影響，正向沖擊會(huì)降低跳躍概率，負(fù)向沖擊會(huì)增加跳躍概率[25]。但上述關(guān)于非對(duì)稱性的研究?jī)H包含了跳躍的情況，并沒(méi)有考慮共同跳躍的方向問(wèn)題。

另外，Andersen等（2011）的研究表明考慮隔夜因素的影響對(duì)波動(dòng)的預(yù)測(cè)具有重要意義[26]。孫潔（2014）建立了同時(shí)考慮連續(xù)、跳躍和隔夜三個(gè)部分的HAR-CJN模型，并發(fā)現(xiàn)其對(duì)波動(dòng)的預(yù)測(cè)優(yōu)于HAR-RV模型[27]。然而，Wang等（2015）、瞿慧和紀(jì)萍（2016）在考慮共同跳躍的預(yù)測(cè)作用時(shí)不僅沒(méi)有區(qū)分跳躍的符號(hào)，也沒(méi)有考慮隔夜信息[18-19]。同時(shí)，既往研究在考慮隔夜信息對(duì)波動(dòng)率建模和預(yù)測(cè)的時(shí)候，大多集中于隔夜收益和隔夜波動(dòng)兩種形式，對(duì)隔夜跳躍的研究涉及很少。鑒于此，本文將進(jìn)一步考察隔夜因素對(duì)共跳識(shí)別和波動(dòng)預(yù)測(cè)的影響。

通過(guò)上述文獻(xiàn)的綜述可知，既往關(guān)于宏觀信息發(fā)布與價(jià)格波動(dòng)之間關(guān)系的研究大多是直接以具體宏觀經(jīng)濟(jì)指標(biāo)數(shù)據(jù)為樣本，無(wú)法對(duì)經(jīng)濟(jì)信息的來(lái)源及性質(zhì)進(jìn)行區(qū)分，方法也比較單一。本文選擇從共同跳躍的角度出發(fā)，通過(guò)跳躍和共跳的有效識(shí)別研究不同性質(zhì)的宏觀經(jīng)濟(jì)信息沖擊對(duì)價(jià)格波動(dòng)的影響。與現(xiàn)有研究單獨(dú)考察跳躍、杠桿效應(yīng)、共跳和隔夜信息不同，本文將在非參數(shù)檢驗(yàn)方法基礎(chǔ)上綜合考慮共跳、杠桿效應(yīng)與隔夜信息對(duì)高頻波動(dòng)的預(yù)測(cè)效果進(jìn)行研究。本文的創(chuàng)新之處在于：第一，在共跳中考慮系統(tǒng)性跳躍的方向。國(guó)內(nèi)對(duì)多個(gè)資產(chǎn)高頻共跳的研究并不多，而且很少考慮其方向，本文的重要改進(jìn)就在于分別考察正負(fù)方向的共跳行為。第二，考慮隔夜信息和隔夜共跳的重要影響，在估計(jì)已實(shí)現(xiàn)方差時(shí)將隔夜收益也計(jì)算在內(nèi)，從而識(shí)別出所有的日內(nèi)跳躍和隔夜跳躍。

三、共跳的非參數(shù)檢驗(yàn)與模型設(shè)定

1.基于非參數(shù)方法的共跳檢驗(yàn)

在金融市場(chǎng)不存在風(fēng)險(xiǎn)套利的前提下，股票t時(shí)刻的對(duì)數(shù)價(jià)格向量P（t）是服從以下多維連續(xù)跳躍擴(kuò)散過(guò)程的特殊半鞅：

dP（t）=μ（t）dt+σ（t）dW（t）+κ（t）dQ（t）σ（t）σ（t）′=Ω（t）（1）

式中，μ（t）是N×1的漂移項(xiàng)，σ（t）是N×1的隨機(jī)波動(dòng)項(xiàng)，W（t）是N維標(biāo)準(zhǔn)布朗運(yùn)動(dòng)，Ω（t）為N×N的正定擴(kuò)散矩陣且嚴(yán)格平穩(wěn)。Q（t）是統(tǒng)計(jì)跳躍次數(shù)的泊松計(jì)數(shù)過(guò)程，其時(shí)變強(qiáng)度為λ（t）且滿足P[dQ（t）=1]=λ（t）dt，用κ（t）=P（t）-P（t-）衡量各資產(chǎn)跳躍幅度大小。定義對(duì)數(shù)收益率向量記號(hào)r（t+δ，δ）=P（t+δ）-P（t），δ>0為時(shí)間間隔。在適當(dāng)?shù)牟蓸宇l率下，設(shè)第t日內(nèi)（從時(shí)刻t-1到時(shí)刻t）共有M次收益率：

r（t-1+i/M，1/M）=P（t-1+i/M）-P（t-1+（i-1）/M）i=1，2，...，M

資產(chǎn)的已實(shí)現(xiàn)方差具體定義為：

RVt（i，i）=∑Mj=1 ri（t-1+j/M，1/M）?2（2）

根據(jù)It定理及二次變差的性質(zhì)可知：

plimM→∞RVt=Δ[r，r]t=∫?tt-1σ?2（s）ds +∑t-1

此時(shí)，波動(dòng)率分解為連續(xù)波動(dòng)成分和離散跳躍成分兩部分。在實(shí)際交易中真實(shí)的波動(dòng)率是不可測(cè)度的，能夠獲得的只有離散數(shù)據(jù)，（3）式表明已實(shí)現(xiàn)方差是二次變差的有效估計(jì)。

由于RV對(duì)跳躍的穩(wěn)健性較差，Barndorff-Nielsen和Shephard（2004）提出用已實(shí)現(xiàn)雙冪次變差（realized bipower variation， BV）來(lái)度量積分波動(dòng)率（integrated volatility， IV），并證明無(wú)論是否存在跳躍BV都是積分波動(dòng)率的一致估計(jì)，從而實(shí)現(xiàn)了連續(xù)波動(dòng)成分的離散度量[15]。

BVt=μ-21MM-1∑Mj=2r（t-1+j/M，1/M）r（t-1+（j-1）/M，1/M）

（4）

在此基礎(chǔ)上分離出跳躍成分：

Jt=RVt-BVtM→∞∑t-1

本文采用Barndorff-Nielsen和Shephard（2006）[28]提出的對(duì)數(shù)形式統(tǒng)計(jì)量來(lái)檢驗(yàn)第t日是否發(fā)生跳躍：

lgZt=lgRVt-lgBVtπ2?2+π-51Mmax 1，TPVtBV?2t（6）

BNS方法是實(shí)證應(yīng)用最廣的檢驗(yàn)跳躍存在與否的計(jì)量方法，但BNS方法只能檢驗(yàn)發(fā)生跳躍的交易日，而日內(nèi)有限活性的大跳躍可能是多次的，因此，Andersen等（2010）提出序列跳躍剝離（S-BNS）方法進(jìn)一步識(shí)別每次跳躍發(fā)生的具體時(shí)刻點(diǎn)及跳躍幅度[29]。其基本思想為：首先根據(jù)BNS檢驗(yàn)識(shí)別出存在跳躍的某交易日，并找出絕對(duì)值最大的收益率作為日內(nèi)跳躍;剔除該跳躍后計(jì)算調(diào)整的RV等變量并重新進(jìn)行BNS檢驗(yàn)，重復(fù)以上步驟直至不再拒絕沒(méi)有跳躍的原假設(shè)為止，從而識(shí)別出所有跳躍。

記第t日內(nèi)k時(shí)刻點(diǎn)發(fā)生的跳躍為：

Jt，k=maxt-1Φ-11-α）（7）

在單次跳躍識(shí)別（S-BNS）基礎(chǔ)上，參考Gilder等（2014）[17]提出的同步發(fā)生準(zhǔn)則對(duì)股指期貨和現(xiàn)貨兩個(gè)市場(chǎng)同時(shí)發(fā)生的跳躍（即共跳）進(jìn)行檢驗(yàn)。定義第t日內(nèi)k時(shí)點(diǎn)發(fā)生的共跳為：

COJt，k=I（J?St，k∩J?Ft，k）k=1，2，...，M（8）

其中，I（·）為示性函數(shù)（取值為0或1），J?St，k與J?Ft，k分別代表股指現(xiàn)貨與期貨的跳躍時(shí)點(diǎn)。

2.跳躍協(xié)變差

根據(jù)定義，第t日內(nèi)股指期貨與現(xiàn)貨市場(chǎng)的已實(shí)現(xiàn)協(xié)變差為：

RCOVt=∑Mk=1 r?St，kr?Ft，k（9）

其中rt，k=r（t-1+k/M，1/M）。參照Wang等（2015）的研究[17]，從已實(shí)現(xiàn)協(xié)變差中提取跳躍協(xié)變差因子，用以度量共跳對(duì)已實(shí)現(xiàn)協(xié)變差的貢獻(xiàn)，即：

JCOVt=∑Mk=1 J?St，kJ?Ft，k（10）

定義正向跳躍協(xié)變差（JCOV?+）和負(fù)向跳躍協(xié)變差（JCOV?-）如下：

JCOV?+t=∑Mk=1 J?St，kJ?Ft，kI（Jt，k>0）（11）

JCOV?-t= ∑Mk=1 J?St，kJ?Ft，kI（Jt，k<0）（12）

由于共跳在一定程度上能夠被歷史宏觀信息的發(fā)布所解釋，因此不同方向的共跳對(duì)應(yīng)不同性質(zhì)的信息沖擊，其中正向跳躍協(xié)變差和負(fù)向跳躍協(xié)變差分別對(duì)應(yīng)利好消息和利空消息的影響。

3. HAR—RV（RCOV）—JCOV—D預(yù)測(cè)模型

Corsi（2009）基于自相關(guān)特征提出HAR-RV和HAR-RCOV模型[6]：

RVt+1=γ0+γdRVt+γwRVt-5，t+γmRVt-22，t+εt+1（13）

RCOVt+1=γ0+γdRCOVt+γwRCOVt-5，t+γmRCOVt-22，t+ωt+1（14）

其中，Xt-l，t≡（Xt+Xt-1+...+Xt-l+1）/ll=1，5，22

Xt、Xt-5，t和Xt-22，t分別代表滯后一期的日、周和月累積平均已實(shí)現(xiàn)（協(xié)）方差。將下一期已實(shí)現(xiàn)（協(xié)）方差作為解釋變量進(jìn)行建模和預(yù)測(cè)，從而很好地描述了RV和RCOV的長(zhǎng)記憶特征。為研究共跳因素對(duì)預(yù)測(cè)模型的影響，Wang等（2015）[18]從已實(shí)現(xiàn)協(xié)方差內(nèi)提取反映共同跳躍的跳躍協(xié)變差因子JCOV，并建立了HAR-RV（RCOV）-JCOV模型：

RVt+1=γ0+γdRVt+γwRVt-5，t+γmRVt-22，t+γjJCOVt+εt+1（15）

RCOVt+1=γ0+γdRCOVt+γwRCOVt-5，t+γmRCOVt-22，t+γjJCOVt+ωt+1（16）

為了考察共跳對(duì)波動(dòng)非對(duì)稱的杠桿效應(yīng)是否也具有解釋能力，對(duì)JCOV進(jìn)一步分解后得到：

RVt+1=γ0+γdRVt+γwRVt-5，t+γmRVt-22，t+γj1JCOV?+t+γj2JCOV?-t+εt+1（17）

RCOVt+1=γ0+γdRCOVt+γwRCOVt-5，t+γmRCOVt-22，t+γj1JCOV?+t+γj2JCOV?-t+ωt+1（18）

記式（17）和（18）分別為HAR-RV-JCOV-D和HAR-RCOV-JCOV-D模型。實(shí)證分析中為了提高精確度，對(duì)于波動(dòng)率的建模和預(yù)測(cè)使用更多的是對(duì)數(shù)已實(shí)現(xiàn)波動(dòng)率形式，因此，對(duì)（13）～（18）式都采用兩邊變量取對(duì)數(shù)的對(duì)數(shù)HAR模型。

四、數(shù)據(jù)說(shuō)明及描述性統(tǒng)計(jì)分析

大多數(shù)文獻(xiàn)認(rèn)為選擇5分鐘的取樣頻率是最優(yōu)的，因此，本文采用5分鐘高頻數(shù)據(jù)對(duì)已實(shí)現(xiàn)方差和協(xié)方差進(jìn)行分析。本文選取滬深300指數(shù)和滬深300股指期貨當(dāng)月連續(xù)合約的5分鐘高頻交易數(shù)據(jù)為研究對(duì)象，樣本覆蓋范圍從2013年2月5日到2017年11月29日，數(shù)據(jù)來(lái)源為標(biāo)普永華高頻數(shù)據(jù)庫(kù)，實(shí)證工具主要包括Eviews和Matlab等應(yīng)用軟件。考慮受股價(jià)漲跌幅限制的影響，日內(nèi)交易的波動(dòng)可能滯后到下一交易日的隔夜收益中去，在計(jì)算日內(nèi)高頻收益和已實(shí)現(xiàn)波動(dòng)指標(biāo)時(shí)將隔夜收益也包含在內(nèi)。因此，去掉節(jié)假日及日內(nèi)數(shù)據(jù)不完整的記錄，研究對(duì)象總計(jì)覆蓋1 169 個(gè)交易日，每個(gè)交易日產(chǎn)生48個(gè)收益觀測(cè)記錄，數(shù)據(jù)總量達(dá)到56 112 個(gè)。高頻收益率仍選取對(duì)數(shù)形式。為了避免數(shù)據(jù)異常值的影響，本文對(duì)具有連續(xù)特征的變量在1%水平下進(jìn)行縮尾處理。

表1顯示了各對(duì)數(shù)序列的描述性統(tǒng)計(jì)量，其中JB為Jarque-Bera統(tǒng)計(jì)量，Q（n）表示滯后階數(shù)為n的Ljung-Box Q統(tǒng)計(jì)量，ADF為單位根檢驗(yàn)。由表1可知，采用對(duì)數(shù)形式的各波動(dòng)指標(biāo)和跳躍協(xié)變差序列相對(duì)來(lái)說(shuō)更加服從正態(tài)分布，但所有序列仍存在一定程度的“右偏”和“尖峰厚尾”特征，且JB統(tǒng)計(jì)量顯示拒絕服從正態(tài)分布的原假設(shè);除了JCOV?+，各已實(shí)現(xiàn)波動(dòng)和跳躍序列在不同滯后期內(nèi)均表現(xiàn)出顯著的自相關(guān)性，符合長(zhǎng)記憶性時(shí)間序列模型的假定。同時(shí)，考慮到波動(dòng)率的對(duì)數(shù)差分序列是其增長(zhǎng)率的近似，對(duì)月度累積平均已實(shí)現(xiàn)波動(dòng)序列作一階對(duì)數(shù)差分處理;根據(jù)ADF檢驗(yàn)結(jié)果顯示表1各序列都是平穩(wěn)的，可以進(jìn)行建模和進(jìn)一步實(shí)證分析。

五、實(shí)證結(jié)果

1. 跳躍和共同跳躍的特征

（1）日內(nèi)跳躍

表2提供了樣本期內(nèi)所有跳躍與共同跳躍的統(tǒng)計(jì)特征。首先，股指期貨價(jià)格發(fā)生跳躍的天數(shù)要大于現(xiàn)貨價(jià)格，且無(wú)論正向還是負(fù)向跳躍，期貨跳躍的均值（絕對(duì)值）和標(biāo)準(zhǔn)差均大于現(xiàn)貨跳躍，表明期貨市場(chǎng)波動(dòng)更加劇烈，風(fēng)險(xiǎn)程度也更高。一方面，期貨交易實(shí)行保證金制度，這種特殊的交易機(jī)制具有杠桿放大作用，在放大收益的同時(shí)也放大了風(fēng)險(xiǎn);另一方面，期貨合約的遠(yuǎn)期性決定了未來(lái)不確定因素的增加，影響現(xiàn)貨市場(chǎng)的各種因素也可能導(dǎo)致期貨市場(chǎng)的波動(dòng)。雖然跳躍本身發(fā)生的概率不大，但是共同跳躍在總跳躍中占據(jù)的比例即共跳概率卻不?。ǚ謩e為30.394%和32.994%），在表3中共跳在隔夜跳躍中所占的比例更高（分別達(dá)到59.135%和49.200%）。這說(shuō)明共同跳躍的發(fā)生不是偶然現(xiàn)象，它是顯著存在的，將反映共跳信息的因子作為一個(gè)單獨(dú)的影響因素加以研究具有一定的實(shí)際依據(jù)。

（2）隔夜跳躍

從表3可以看到，兩個(gè)市場(chǎng)隔夜跳躍的數(shù)量分別占總跳躍數(shù)量的39.024%和50.916%，且隔夜跳躍的均值（絕對(duì)值）和標(biāo)準(zhǔn)差均高于表2的整體水平，說(shuō)明相比日內(nèi)跳躍，隔夜跳躍不僅具有更高的跳躍頻率，而且具有更大的跳躍幅度和更強(qiáng)的波動(dòng)特征。從表中還可以看到，大約85.417%左右的共跳（約72.289%的正向共跳和79.747%的負(fù)向共跳）發(fā)生在隔夜收益中，發(fā)生在日內(nèi)的共跳數(shù)量則相對(duì)較少，且隔夜共跳的概率高于表2中的總體共跳概率，表明共同跳躍的發(fā)生具有明顯的隔夜特征。政府機(jī)構(gòu)和企業(yè)通常選擇在非交易時(shí)段公布宏觀政策舉措或經(jīng)濟(jì)信息，且國(guó)際市場(chǎng)的價(jià)格波動(dòng)受時(shí)差影響也經(jīng)常發(fā)生在國(guó)內(nèi)股市收盤之后，因此大多數(shù)共跳與隔夜信息的發(fā)布和積累相關(guān)。

2. HAR-RV（RCOV）模型的參數(shù)估計(jì)

對(duì)現(xiàn)貨市場(chǎng)，記式（13）（15）和（17）分別為MS1、MS2和MS3模型;對(duì)期貨市場(chǎng)，記式（13）（15）和（17）分別為MF1、MF2和MF3模型;記式（14）（16）和（18）分別為MC1、MC2和MC3模型。表4至表6分別報(bào)告了樣本期內(nèi)此三類模型的回歸結(jié)果。

考慮到共跳的隔夜特征，本文在非對(duì)稱性基礎(chǔ)上還考察了隔夜共跳對(duì)波動(dòng)的預(yù)測(cè)作用，建立HAR—RV（RCOV）—JCOV—OD模型如下：

RVt+1=γ0+γdRVt+γwRVt-5，t+γmRVt-22，t+λj1OJCOV?+t+1+λj2OJCOV?-t+1+μj1DJCOV?+t+μj2DJCOV?-t+εt+1（19）

RCOVt+1=γ0+γdRCOVt+γwRCOVt-5，t+γmRCOVt-22，t+λj1OJCOV?+t+1+λj2OJCOV?-t+1+μj1DJCOV?+t+μj2DJCOV?-t+ωt+1（20）

其中OJCOV表示隔夜跳躍協(xié)變差，DJCOV表示日內(nèi)跳躍協(xié)變差。對(duì)現(xiàn)貨市場(chǎng)和期貨市場(chǎng)，分別記式（19）為MS4和MF4模型，記式（20） 為MC4模型，表7給出了上述三個(gè)模型的估計(jì)結(jié)果。

由表4～表6可知，滯后一期的日和周累積平均已實(shí)現(xiàn)估計(jì)量對(duì)前一期的已實(shí)現(xiàn)（協(xié)）方差一致具有顯著為正的影響，而月累積平均已實(shí)現(xiàn)估計(jì)量的影響則顯著為負(fù)。波動(dòng)在短期內(nèi)表現(xiàn)出較強(qiáng)的序列依賴性和長(zhǎng)記憶性特征，但這種波動(dòng)趨勢(shì)在持續(xù)一段較長(zhǎng)時(shí)間后會(huì)減弱甚至出現(xiàn)回調(diào)，表明以技術(shù)分析為特點(diǎn)的短期和中期交易者對(duì)波動(dòng)的影響非常大，市場(chǎng)投機(jī)氛圍較濃，長(zhǎng)期交易者的影響甚微。

在對(duì)模型的改進(jìn)中，首先將JCOV簡(jiǎn)單引入HAR原始模型，發(fā)現(xiàn)其影響不是一致顯著的，模型精度的提升也不明顯。接下來(lái)，將JCOV進(jìn)一步分解，模型的擬合優(yōu)度都有所提高，同時(shí)系數(shù)γj1始終顯著為負(fù)，而γj2則不具有統(tǒng)計(jì)顯著性，說(shuō)明JCOV?+和JCOV?-兩種成分對(duì)預(yù)測(cè)具有不同的解釋效力;而MS2、MF2和MC2模型等價(jià)于對(duì)系數(shù)施加了γj1=γj2的約束，實(shí)證表明這種約束是不合理的。因此，將正向和負(fù)向共跳成分進(jìn)行區(qū)分對(duì)于進(jìn)一步認(rèn)識(shí)共同跳躍對(duì)已實(shí)現(xiàn)波動(dòng)指標(biāo)的預(yù)測(cè)作用具有重要意義。

綜上所述，共同跳躍對(duì)前一期累積平均已實(shí)現(xiàn)波動(dòng)指標(biāo)具有顯著為負(fù)的影響，其中JCOV?+的影響遠(yuǎn)大于JCOV?-，即存在一定的“非對(duì)稱性”。一方面，股指和股指期貨的共跳多由影響整個(gè)金融市場(chǎng)的重大信息沖擊所致，從市場(chǎng)效率的角度講，此時(shí)價(jià)格已經(jīng)能夠比較充分地反映已有信息尤其是利好消息的影響，市場(chǎng)的有效性相對(duì)較高，價(jià)格在短時(shí)間內(nèi)大幅變動(dòng)的概率較低，故共跳發(fā)生之后市場(chǎng)波動(dòng)的持續(xù)性大大降低，甚至出現(xiàn)驟減;另一方面，根據(jù)杠桿效應(yīng)的經(jīng)濟(jì)解釋，正向跳躍帶來(lái)的超額報(bào)酬使企業(yè)價(jià)值增加，財(cái)務(wù)杠桿比率降低，從而導(dǎo)致投資風(fēng)險(xiǎn)和未來(lái)股價(jià)的波動(dòng)更大程度地減少。因此在當(dāng)期發(fā)生正向共跳后，下一期平均已實(shí)現(xiàn)（協(xié)）方差顯著減少，且正向共跳的影響大于負(fù)向共跳，表現(xiàn)出明顯的杠桿效應(yīng)。

同時(shí)在表7中還可以看到，日內(nèi)共跳對(duì)次日波動(dòng)具有抑制作用，而隔夜共跳甚至包括正向跳躍對(duì)次日波動(dòng)都表現(xiàn)出一致為正的影響，同時(shí)模型的估計(jì)精度較原始模型也得到了非常明顯的提高。這表明隔夜信息對(duì)市場(chǎng)的沖擊非常顯著，人們不僅在壞消息沖擊下具有連續(xù)的“殺跌”反應(yīng)，而且對(duì)好消息的“追漲”趨勢(shì)也有所上揚(yáng);影響共跳的政策公告和數(shù)據(jù)發(fā)布等雖然會(huì)通過(guò)次日開(kāi)盤的集合競(jìng)價(jià)過(guò)程得到一定程度的反映，但波動(dòng)仍然表現(xiàn)出明顯的集聚性和持續(xù)性特征，成為影響市場(chǎng)健康和金融穩(wěn)定的不利因素。

六、結(jié)語(yǔ)及政策建議

股指和股指期貨市場(chǎng)的共同跳躍大多由能夠影響整個(gè)資本市場(chǎng)的宏觀經(jīng)濟(jì)信息引起，不同的共跳表現(xiàn)對(duì)應(yīng)不同宏觀信息（利好或利空，隔夜或日內(nèi)）沖擊。本文對(duì)基于高頻數(shù)據(jù)的已實(shí)現(xiàn)協(xié)方差估計(jì)量建模，考察在宏觀信息沖擊下滬深300股指和股指期貨市場(chǎng)的共跳特征及其對(duì)金融波動(dòng)的影響，研究表明：

第一，波動(dòng)的長(zhǎng)記憶性對(duì)應(yīng)著顯著的市場(chǎng)異質(zhì)性，以投機(jī)方式為主的中、短期投資者的交易對(duì)下一期波動(dòng)的貢獻(xiàn)高于長(zhǎng)期投資者，市場(chǎng)投機(jī)氛圍較為明顯，短期震蕩較為劇烈。

第二，中國(guó)的滬深300股指和股指期貨市場(chǎng)的共同跳躍是顯著存在的，其中共跳發(fā)生天數(shù)占據(jù)了總樣本數(shù)的12.32%，且已知跳躍內(nèi)發(fā)生共跳的概率均達(dá)到三分之一左右，說(shuō)明共同跳躍的發(fā)生不是偶然的，將共跳現(xiàn)象單獨(dú)進(jìn)行研究具有一定的實(shí)際意義。

第三，共同跳躍對(duì)未來(lái)波動(dòng)的影響同樣具有顯著的非對(duì)稱效應(yīng)，正向共跳對(duì)下一期已實(shí)現(xiàn)（協(xié)）方差和連續(xù)方差的抑制作用大于負(fù)向共跳。

第四，共同跳躍的隔夜特征明顯，且已知跳躍內(nèi)發(fā)生隔夜共跳的概率超過(guò)50%，大多數(shù)共同跳躍的發(fā)生與隔夜信息的發(fā)布密切相關(guān)。對(duì)同一經(jīng)濟(jì)信息公告或政策發(fā)布的相似反應(yīng)使得兩個(gè)市場(chǎng)的價(jià)格跳躍之間具有較強(qiáng)的聯(lián)系和共性。隔夜共跳對(duì)次日波動(dòng)具有顯著為正的解釋能力，說(shuō)明隔夜信息的發(fā)布對(duì)市場(chǎng)形成了較強(qiáng)的沖擊，可能導(dǎo)致價(jià)格波動(dòng)出現(xiàn)異常。

本文結(jié)論證實(shí)了宏觀經(jīng)濟(jì)信息對(duì)協(xié)方差預(yù)測(cè)的貢獻(xiàn)，具有明確的經(jīng)濟(jì)含義，對(duì)金融市場(chǎng)風(fēng)險(xiǎn)防范和金融穩(wěn)定具有重要的借鑒意義。我國(guó)證券市場(chǎng)屬于發(fā)展中的新興市場(chǎng)，在相關(guān)立法、自律組織和自身基礎(chǔ)等方面都存在不完善和不成熟的地方，加上一些有違市場(chǎng)秩序和公平的交易行為，使得市場(chǎng)容易受到各類沖擊而發(fā)生劇烈動(dòng)蕩，需要政府對(duì)市場(chǎng)進(jìn)行必要干預(yù);而政府的過(guò)度干預(yù)又導(dǎo)致我國(guó)股票市場(chǎng)成為典型的政策市。為了恢復(fù)市場(chǎng)原有的經(jīng)濟(jì)功能，維持其正常運(yùn)行秩序，政府和相關(guān)金融部門應(yīng)更加優(yōu)化監(jiān)管制度及干預(yù)行為。

首先，金融監(jiān)管部門應(yīng)密切注意宏觀信息尤其是隔夜信息引發(fā)的共跳風(fēng)險(xiǎn)。由于共跳風(fēng)險(xiǎn)往往難以通過(guò)衍生品進(jìn)行對(duì)沖，在建立金融風(fēng)險(xiǎn)預(yù)警機(jī)制時(shí)應(yīng)考慮對(duì)宏觀信息沖擊的方向和來(lái)源進(jìn)行指標(biāo)分類和綜合管理，進(jìn)一步完善風(fēng)險(xiǎn)預(yù)測(cè)和管理制度。同時(shí)，鑒于交易時(shí)間發(fā)布的宏觀經(jīng)濟(jì)信息對(duì)次日波動(dòng)具有抑制作用，而非交易時(shí)間發(fā)布的宏觀經(jīng)濟(jì)信息則能顯著增加次日的市場(chǎng)波動(dòng)，政府機(jī)構(gòu)和有關(guān)部門可以結(jié)合市場(chǎng)行情和需要，相機(jī)調(diào)整宏觀政策和其他數(shù)據(jù)等的發(fā)布時(shí)機(jī)，并適度控制在非交易時(shí)間發(fā)布信息的頻率，以避免引起價(jià)格異常波動(dòng)和市場(chǎng)過(guò)度震蕩，對(duì)金融穩(wěn)定造成不利影響。此外，對(duì)個(gè)人投資者來(lái)說(shuō)，應(yīng)充分考慮市場(chǎng)間的聯(lián)動(dòng)效應(yīng)，根據(jù)不同性質(zhì)的信息沖擊對(duì)波動(dòng)造成的不同影響，及時(shí)調(diào)整策略以達(dá)到規(guī)避風(fēng)險(xiǎn)和提高收益的目的。

其次，要降低政策導(dǎo)向的不確定性。在股市大漲的時(shí)候出臺(tái)政策限制資金入市，一旦市場(chǎng)反應(yīng)過(guò)度，跌幅大于預(yù)期，又馬上出臺(tái)降低入市門檻等救市措施，甚至對(duì)違規(guī)操作采取從輕處罰的包容態(tài)度，這樣做不僅增加了調(diào)控成本，而且容易導(dǎo)致異常波動(dòng)，降低投資者對(duì)政府的信任，影響政策的調(diào)控效果。政策帶來(lái)的信息沖擊是由于其未被市場(chǎng)預(yù)期而使得價(jià)格出現(xiàn)大幅波動(dòng)，如果在這些信息被市場(chǎng)消化的過(guò)程中政策方向又突然出現(xiàn)改變，舊的市場(chǎng)預(yù)期再一次打破必然導(dǎo)致異常波動(dòng)持續(xù)增大，從而影響整個(gè)金融市場(chǎng)的穩(wěn)定;同時(shí)，投資者對(duì)政策的信任度下降，避險(xiǎn)情緒增加，造成后續(xù)利好政策雖然陸續(xù)出臺(tái)，市場(chǎng)行情卻依舊萎靡不振的局面，這將進(jìn)一步影響政策的實(shí)際效果和可信度。因此，要走出政策市的困局，實(shí)現(xiàn)市場(chǎng)穩(wěn)定，必須確保政策發(fā)布的連貫性和政府行為的一致性。

再次，在監(jiān)管權(quán)限的變革中，必須正確界定市場(chǎng)自身的穩(wěn)定區(qū)間。政府的職能應(yīng)定位于在股市波動(dòng)超過(guò)自身穩(wěn)定運(yùn)行的臨界值，即存在巨大風(fēng)險(xiǎn)的前提下，通過(guò)頒布相關(guān)政策、借助稅收工具及增減股市供給等手段進(jìn)行干預(yù)，規(guī)范市場(chǎng)主體行為，使市場(chǎng)回復(fù)到穩(wěn)定區(qū)間。這個(gè)自身穩(wěn)定區(qū)間應(yīng)該是證券市場(chǎng)能夠穩(wěn)定運(yùn)行的界限范圍，而不是政府為了實(shí)現(xiàn)其經(jīng)濟(jì)目標(biāo)而設(shè)置的理想邊界。在我國(guó)，存在小于股市自身穩(wěn)定運(yùn)行區(qū)間的政府隱性擔(dān)保區(qū)，在隱性擔(dān)保區(qū)內(nèi)過(guò)度進(jìn)行干預(yù)，容易誘發(fā)各種違規(guī)行為，有損市場(chǎng)平衡和公平原則。

最后，金融監(jiān)管機(jī)構(gòu)應(yīng)加快與央行的整合，進(jìn)一步完善宏觀調(diào)控的市場(chǎng)基礎(chǔ)，充分發(fā)揮貨幣政策對(duì)金融市場(chǎng)的調(diào)節(jié)作用。一方面，通過(guò)有效的信貸政策干預(yù)資金流向，抑制股市泡沫;另一方面，通過(guò)釋放的政策信號(hào)引導(dǎo)投資者的判斷，間接影響金融資產(chǎn)的價(jià)格波動(dòng)。貨幣政策工具的優(yōu)越性在于不僅可以降低政府直接入市的資金成本，而且可以根據(jù)不同的市場(chǎng)行情進(jìn)行微調(diào)，從而避免對(duì)金融市場(chǎng)造成過(guò)度沖擊。從2013年的錢荒和2015年的股災(zāi)可以看出，金融監(jiān)管和貨幣政策的不同步導(dǎo)致市場(chǎng)波動(dòng)未能得到有效控制，引發(fā)了金融系統(tǒng)的不穩(wěn)定。因此，監(jiān)管機(jī)構(gòu)有必要與央行進(jìn)行深入?yún)f(xié)調(diào)，只有充分結(jié)合央行收集的宏觀經(jīng)濟(jì)信息，才能更為有效地利用微觀層面獲取的金融信息，提高政策調(diào)控的效果，從而實(shí)現(xiàn)資本的優(yōu)化配置和國(guó)內(nèi)金融市場(chǎng)的穩(wěn)定發(fā)展。

參考文獻(xiàn)：

[1]FLANNERY J，PROTOPAPADAKIS A. A Macroeconomic factors do influence aggregate Stock returns[J].Review of Financial Studies，2002，15（3）：751-782.

[2]WONSWAN J. Transmission of information across international equity markets[J]. The Review of Financial Studies，2006，19（4）：1157-1189.

[3]KIM J，MCKENZIE D，F(xiàn)AFF W. Macroeconomic news announcements and the role of expectations：evidence for US bond，stock and foreign exchange markets[J].Journal of Multinational Financial Management，2004（14）：217-232.

[4]GLOLSTEN R，MILGROM P. Bid，ask and transaction prices in specialist market with heterogeneously informed traders[J]. Journal of Financial Economics，1985，14（1）：71-100.

[5]ANDERSEN G，BOLLERSLEV T，DIEBOLD X. The distribution of realized stock return volatility[J]. Journal of Financial Economics，2001，61（1）：43-76.

[6]CORSI F. A simple approximate long-memory model of realized volatility[J]. Journal of Financial Econometrics，2009，7（2）：174-196.

[7]ZHOU H，ZHU J Q. An empirical examination of jump risk in asset pricing and volatility forecasting in Chinas equity and bond markets[J]. Pacific-Basin Finance Journal，2012，20（5）：857-880.

[8]ANDERSEN G，BOLLERSLEV T，DIEBOLD X. Roughing it up：Including jump components in the measurement， modeling，and forecasting of return volatility[J]. The Review of Economics and Statistics，2007，89（4）：701-720.

[9]龔旭，文鳳華，黃創(chuàng)霞. HAR-RV-EMD-J 模型及其對(duì)金融資產(chǎn)波動(dòng)率的預(yù)測(cè)研究[J].管理評(píng)論，2017，29（1）：19-32.

[10]LEE S. Jumps and information flow in financial markets[J].Review of Financial Studies，2012，25（2）：439-479.

[11]JOHANNES M. The statistical and economic role of jumps in continuous-time interest rate models[J].The Journal of Finance，2004，59（1）：227-260.

[12]DUNGEY M，MCKENZIE M，MSMITH V.Empirical evidence on jumps in the term structure of the US treasury market[J].Journal of Empirical Finance，2009，16（3）：430-445.

[13]THOMAKOS D，WANG T，WU T. Macroeconomic announcements， intraday covariance structure and asymmetry in the interest rate futures returns[J].Journal of Futures Markets，2008，28（9）：815-844.

[14]CUI J，ZHAO H. Intraday jumps in Chinas treasury bond market and macro news announcements[J].Internatio-nal Review of Economics & Finance，2015，39：211-223.

[15]BARNDORFF-NIELSEN E，SHEPHARD N. Power and bipower variation with stochastic volatility and jumps[J]. Journal of Financial Econometrics，2004，2（1）：1-37.

[16]BOLLERSLEV T，LAW H，TAUCHEN G. Risk，jumps，and diversification[J]. Journal of Econometrics，2008，144（1）：234-256.

[17]GILDER D，SHACKLETON B，TAYLOR J. Cojumps in stock prices：Empirical evidence[J]. Journal of Banking & Finance，2014，40：443-459.

[18]WANG H，YUE M，ZHAO H. Cojumps in Chinas spot and stock index futures markets[J]. Pacific-Basin Finance Journal，2015，35：541-557.

[19]瞿慧，紀(jì)萍.引入聯(lián)跳的中國(guó)股市協(xié)方差預(yù)測(cè)——基于多元HAR模型[J].管理科學(xué)，2016，29（6）：28-38.

[20]DUNGEY M，HVOZDYK L. Cojumping：Evidence from the US Treasury bond and futures markets[J]. Journal of Banking & Finance，2012，36（5）：1563-1575.

[21]LAHAYE J，LAURENT S，NEELY J. Jumps，cojumps and macro announcements[J]. Journal of Applied Econometrics，2011，26（6）：893-921.

[22]CHATRATH A，MIAO H，RAMCHANDER S.Currency jumps，cojumps and the role of macro news[J].Journa of International Money and Finance，2014，40（C）：42-62.

[23]WINKELMANN L，BIBINGER M，LINZERT T. ECB monetary policy supprises：Identification through cojumps in interest rate[J].Journal of Applied Econometrics，2016，31（4）：613-629.

[24]左浩苗，劉振濤. 跳躍風(fēng)險(xiǎn)度量及其在風(fēng)險(xiǎn)——收益關(guān)系檢驗(yàn)中的應(yīng)用[J].金融研究，2011（10）：170-184.

[25]趙華，秦可佶.股價(jià)跳躍與宏觀信息發(fā)布[J].統(tǒng)計(jì)研究，2014（4）：79-89.

[26]ANDERSEN G，BOLLERSLEV T，HUANG X. A reduced form framework for modeling volatility of speculative prices based on realized variation measures[J]. Journal of Econometrics，2011，160（1）：176-189.

[27]孫潔.考慮跳躍和隔夜波動(dòng)的中國(guó)股票市場(chǎng)波動(dòng)率建模與預(yù)測(cè)[J].中國(guó)管理科學(xué)，2014，22（6）：114-124.

[28]BARNDORFF-NIELSEN E，SHEPHARD N. Econometrics of testing for jumps in financial economics using bipower variation[J].Journal of Financial Econometrics，2006，4（1）：1-30.

[29]ANDERSEN G，BOLLERSLEV T，F(xiàn)REDERIKSEN P. Continuous-time models，realized volatilities，and testable distributional implications for daily stock returns[J]. Journal of Applied Econometrics，2010，25（2）：233-261.

Co-jumps between Stock Index Futures and Spot Markets and

Financial Stability under the Impact of Macroeconomic News

DENG Li-ling1，2， XIONG Hai-fang?2

（1. College of Science，Dalian University for Nationalities， Dalian 116600， Liaoning， China;

2. School of Finance， Northeast University of Finance and Economics， Dalian 116600， Liaoning， China）

Abstract： The macroeconomic news announcements， especially overnight information， not only affect the joint volatility but also the jumps of financial markets. Based on the high frequency data of the CSI 300 index and the stock index futures monthly contracts， the co-jumps between the two markets as well as their overnight feature have been detected through the method of nonparametric jump test. The empirical results show that co-jumps with asymmetry in volatility forecast occur significantly between two markets， whose overnight occurrence can obviously increase the volatility of the next day. The co-jumps between stock index futures and spot markets are usually closely associated with the macroeconomic news announcements that could affect the whole market， most of which are related to accumulation of overnight information. In order to avoid excessive market volatility and achieve financial stability， government agencies and enterprises should control the frequency of macroeconomic news announcements during non-trading hours and reduce uncertainty in policy direction.

Key words： overnight co-jump; asymmetry; volatility forecast; macroeconomic news announcement