政策因素會(huì)長期影響股市波動(dòng)嗎？
——基于GARCH-MIDAS模型的分析

鐘立新，姚 前，王聰聰

(浙江財(cái)經(jīng)大學(xué)金融學(xué)院，浙江 杭州 310018)

一、引 言

我國股市在三十多年的發(fā)展歷程中，發(fā)生了多次大幅度波動(dòng)，這一方面會(huì)對股市的長期健康穩(wěn)定發(fā)展產(chǎn)生消極影響，制約市場功能的有效發(fā)揮，另一方面短期內(nèi)也會(huì)給投資者造成較大損失，影響投資者的投資信心。從造成我國股市大幅波動(dòng)的影響因素來看，政策因素?zé)o疑是其中最主要的誘因之一。如2016年初試行的股市熔斷制度，其推出的目的是穩(wěn)定股票市場，但是在實(shí)際試行過程中，卻對市場穩(wěn)定起到了反作用。在熔斷制度開始實(shí)施的短短4個(gè)交易日內(nèi)，A股市場便兩次觸發(fā)“熔斷”，連續(xù)上演千股跌停，市場恐慌情緒不斷蔓延，從而造成了極大的政策試錯(cuò)成本。因此，在各類政策推出之前和之后，都需要細(xì)致地考察其對股市的長期和短期影響，這對于股票市場以及實(shí)體經(jīng)濟(jì)健康穩(wěn)定發(fā)展都具有十分重要的意義。

從政策制定者推出相關(guān)政策的目標(biāo)對象來看，影響股市波動(dòng)的政策可分為兩大類：一類是直接針對股票市場制定的政策和監(jiān)管措施，如漲跌停板制度、融資融券交易制度等，本文稱之為股票市場政策；另一類是針對國民經(jīng)濟(jì)整體發(fā)展制定的，但對股票市場具有間接影響的政策，如利率政策、稅收政策等，本文稱之為宏觀經(jīng)濟(jì)政策。關(guān)于股票市場政策對股市波動(dòng)影響方面，國內(nèi)相關(guān)研究發(fā)現(xiàn)，我國的漲跌停板制度并未有效降低股市整體波動(dòng)[1]，而融資融券交易相對來說起到了一定的抑制股市波動(dòng)作用[2][3][4]。我國股指期貨的推出降低了股市的波動(dòng)性，但其作用有限[5]。我國股市的熔斷制度存在強(qiáng)大的“磁力效應(yīng)”，這一效應(yīng)導(dǎo)致股市波動(dòng)的進(jìn)一步加劇[6]。從我國現(xiàn)有的各類股票市場政策實(shí)施效果來看，T+1交易制度、對IPO進(jìn)行限制、賣空限制、杠桿限制等大多沒有達(dá)到政策預(yù)期目標(biāo)[7]。以保護(hù)個(gè)人投資者名義引入的套利限制政策增加了股市特質(zhì)波動(dòng)，這實(shí)際上反而傷害了個(gè)人投資者[8]。國外相關(guān)研究發(fā)現(xiàn)，美國的股票保證金監(jiān)管政策對股市波動(dòng)并未產(chǎn)生顯著影響[9]。日本股票市場的漲幅限制增加了市場波動(dòng)，而跌幅限制卻能有效降低市場波動(dòng)[10]。南非約翰內(nèi)斯堡證券交易所的漲跌停板制度能有效降低股市波動(dòng)[11]。但也有其他一些國家的研究發(fā)現(xiàn)，漲跌停板制度對股市波動(dòng)的影響并未達(dá)到預(yù)期效果[12]。

關(guān)于宏觀經(jīng)濟(jì)政策對股市波動(dòng)的影響方面，國內(nèi)相關(guān)研究發(fā)現(xiàn)，我國的印花稅稅率上調(diào)會(huì)增加股票市場波動(dòng)性，而稅率下調(diào)會(huì)在一定程度上降低股票市場波動(dòng)性[13]。但也有研究發(fā)現(xiàn)，我國印花稅率調(diào)整對股市波動(dòng)影響并不顯著[14]。國外相關(guān)研究發(fā)現(xiàn)，以英國為代表的西方成熟市場對金融交易征稅有助于市場穩(wěn)定，但這一作用的發(fā)揮與交易稅設(shè)計(jì)的合理性有關(guān)，如瑞典不合理的交易稅設(shè)計(jì)對股市造成了某種程度的持久損害[15]。從利率政策對股市波動(dòng)的影響來看，不同時(shí)期、不同區(qū)制下利率調(diào)整對股市的政策效應(yīng)存在著差異[16]。中國貨幣供應(yīng)量變化會(huì)對股市波動(dòng)產(chǎn)生顯著正向影響[14]，政策公告前幾天會(huì)出現(xiàn)顯著為正的風(fēng)險(xiǎn)溢價(jià)[17]，公告發(fā)布后的影響并不顯著。美國貨幣政策公告與VIX指數(shù)所捕捉的標(biāo)準(zhǔn)普爾500指數(shù)隱含波動(dòng)率顯著相關(guān)[18]，在聯(lián)邦公開市場委員會(huì)會(huì)議當(dāng)天隱含波動(dòng)率平均下跌2%，在會(huì)議之前或之后沒有大的變動(dòng)。從英國、美國和歐元區(qū)貨幣政策不確定性對股市波動(dòng)影響來看[19][20]，過高的貨幣政策不確定性會(huì)對股票市場造成持續(xù)的負(fù)面影響[21]。

從國內(nèi)外已有研究中可以發(fā)現(xiàn)：(1)我國與其他國家相關(guān)政策執(zhí)行效果存在一定差異；(2)現(xiàn)有的股市政策效應(yīng)研究多數(shù)著眼于單一政策影響，缺少從宏觀視角上考察各類政策對股市波動(dòng)的綜合影響；(3)較少從政策強(qiáng)度的角度來對股市的政策效應(yīng)展開研究；(4)相較于政策的短期效應(yīng)，人們往往更加關(guān)注政策實(shí)施的長期影響，但這方面研究尚有待深化。

無論是股票市場政策還是宏觀經(jīng)濟(jì)政策，其對股市波動(dòng)的影響既有可能是長期的，也有可能是短期的，如何區(qū)分這兩類影響一直是股市政策效應(yīng)研究中的一大難題。受Engle(2013)提出的GARCH-MIDAS模型啟發(fā)，該模型可利用混頻抽樣技術(shù)將傳統(tǒng)GARCH模型中的條件方差分解為短期成分和長期成分，同時(shí)允許在模型中加入宏觀經(jīng)濟(jì)變量低頻數(shù)據(jù)，以分析該變量對市場波動(dòng)的影響。相關(guān)研究發(fā)現(xiàn)，改進(jìn)后的GARCH-MIDAS模型相較于傳統(tǒng)的GARCH模型有更高的波動(dòng)率預(yù)測精度[22][23][24][25][26]。有鑒于此，本文首先收集了近年來的股票市場政策數(shù)據(jù)和宏觀經(jīng)濟(jì)政策數(shù)據(jù)，對政策進(jìn)行分類并檢驗(yàn)了這一分類的有效性；其次，對各類政策以相同的標(biāo)準(zhǔn)進(jìn)行量化，并將其加入到GARCH-MIDAS模型中；最后，檢驗(yàn)政策強(qiáng)度對股市收益率波動(dòng)長期成分的影響，分析政策實(shí)施對股市產(chǎn)生長期影響的原因。

二、政策因素分類

根據(jù)政策制定所針對的目標(biāo)市場差異將政策分為兩類：(1)股票市場政策，指直接針對股市制定的政策，包括影響股票供求關(guān)系的政策、改變市場交易規(guī)則及制度的政策、市場法律法規(guī)及市場監(jiān)管政策等；(2)宏觀經(jīng)濟(jì)政策，指間接對股市產(chǎn)生影響的政策，包括央行的貨幣政策、財(cái)政部門的稅收政策等。在一級分類的基礎(chǔ)上，再將政策進(jìn)行二級分類。政策的一級、二級分類如表1所示：

表1 政策分類標(biāo)準(zhǔn)

三、實(shí)證分析

(一)政策強(qiáng)度計(jì)算及數(shù)據(jù)分析

本文政策數(shù)據(jù)來源于新浪財(cái)經(jīng)、騰訊財(cái)經(jīng)、和訊網(wǎng)、東方財(cái)富網(wǎng)、鳳凰網(wǎng)、證券市場導(dǎo)報(bào)等網(wǎng)站，以及期刊數(shù)據(jù)庫中各年證券市場大事記，中國人民銀行官網(wǎng)貨幣政策信息等。股市收益率數(shù)據(jù)來自同花順iFinD數(shù)據(jù)庫?？紤]到數(shù)據(jù)可得性，本文樣本期確定為1993年7月至2018年12月。經(jīng)人工審查、降重及剔除不在上述分類中的信息，共得到相關(guān)政策1255條。

政策強(qiáng)度量化參考王明濤等(2012)提出的方法[27]，并將政策強(qiáng)度調(diào)整為月度數(shù)據(jù)。具體思路如下：第一，從政策對股市影響角度為每個(gè)政策賦予政策強(qiáng)度?？紤]到市場可能出現(xiàn)信息泄露、反應(yīng)過度或反應(yīng)不足，計(jì)算政策信息發(fā)布前后各1天(共3天)股市連續(xù)漲跌幅度。得到連續(xù)漲跌幅度后，減去上證指數(shù)在本時(shí)段內(nèi)對數(shù)收益率均值E，再除以上證指數(shù)在本時(shí)段內(nèi)的日標(biāo)準(zhǔn)差σ，最后向下取整得到政策強(qiáng)度。第二，按月加總每日政策強(qiáng)度，得到月度政策強(qiáng)度數(shù)據(jù)。對于一日頒布多個(gè)政策情況，先按原方法計(jì)算單日連續(xù)漲跌幅，再除以當(dāng)日頒布的政策數(shù)，將平均后的連續(xù)漲跌幅度賦予每個(gè)政策。對于前后連續(xù)頒布的政策，前一個(gè)以后一個(gè)為限，如3日4日接連有政策頒布，則3日頒布的政策只考察2日3日的連續(xù)漲跌幅度，4日頒布的政策只考察3日4日的連續(xù)漲跌幅度。對于持續(xù)幾天的會(huì)議，計(jì)算會(huì)議期間和會(huì)議前后各一天的連續(xù)漲跌幅度。

上述方法中需用到上證指數(shù)對數(shù)收益率均值E和日標(biāo)準(zhǔn)差σ。由于在樣本期內(nèi)上證指數(shù)日標(biāo)準(zhǔn)差σ不是常數(shù)，表現(xiàn)出階段性特征。為減少誤差，根據(jù)上證指數(shù)對數(shù)收益率變化情況，將樣本期劃分為六個(gè)區(qū)間(如表2所示)。劃分的主要依據(jù)是：1997年1月正式實(shí)施漲跌停板限制，股市波動(dòng)幅度有了明確限制；2006年11月，上證指數(shù)上行突破2000點(diǎn)關(guān)口后，波動(dòng)率有顯著上升；2009年8月股市大幅下跌后，上證指數(shù)進(jìn)入長時(shí)間盤整期，波動(dòng)率顯著下降；2014年10月底，上證指數(shù)上行突破2400點(diǎn)關(guān)口后，波動(dòng)率顯著上升；2016年2月經(jīng)歷股市大幅下跌后，上證指數(shù)再次進(jìn)入盤整期，波動(dòng)率顯著下降。

表2 樣本區(qū)間劃分

依據(jù)上述方法計(jì)算得到樣本期內(nèi)306個(gè)月的政策強(qiáng)度值，表3為描述性統(tǒng)計(jì)結(jié)果。

表3 各政策變量描述性統(tǒng)計(jì)

為避免不同變量間相關(guān)性過高影響后續(xù)計(jì)量分析，確保政策類別劃分的合理性，本文進(jìn)行了相關(guān)性分析。從結(jié)果看，各變量間相關(guān)性不顯著，因此可直接做進(jìn)一步分析。

從上證指數(shù)對數(shù)收益率統(tǒng)計(jì)檢驗(yàn)結(jié)果顯示(1)受篇幅限制未報(bào)告變量間相關(guān)系數(shù)及上證指數(shù)對數(shù)收益率統(tǒng)計(jì)檢驗(yàn)結(jié)果，作者備索。，上證指數(shù)對數(shù)收益率具有明顯“尖峰厚尾”特征，J-B正態(tài)性檢驗(yàn)也顯著拒絕了其正態(tài)分布假設(shè)。對上證指數(shù)的ARCH效應(yīng)檢驗(yàn)表明，上證指數(shù)存在顯著的波動(dòng)聚集效應(yīng)。由于GARCH族模型相較于ARCH模型能更好刻畫金融時(shí)間序列中的“尖峰厚尾”現(xiàn)象[28]，因此下文采用GARCH族模型對上證指數(shù)波動(dòng)率建模。

(二)GARCH-MIDAS模型

本文政策強(qiáng)度時(shí)間序列為月度數(shù)據(jù)，收益率時(shí)間序列為日度數(shù)據(jù)。Ghysels(2016)[29]指出，傳統(tǒng)的同頻數(shù)據(jù)建模方式可能會(huì)造成高頻數(shù)據(jù)信息損失和模型誤設(shè)問題。Engle等(2013)[22]結(jié)合傳統(tǒng)GARCH族模型和混頻抽樣技術(shù)提出了GARCH-MIDAS模型，將條件波動(dòng)率分解為長期成分和短期波動(dòng)，不同頻率數(shù)據(jù)納入同一模型，以處理數(shù)據(jù)頻率不一致問題。GARCH-MIDAS模型設(shè)定如下：

(1)

(2)

(3)

(4)

長期成分τt受已實(shí)現(xiàn)波動(dòng)率RV和政策強(qiáng)度P的影響，

(5)

(6)

其中，θ1、θ2分別為月已實(shí)現(xiàn)波動(dòng)率和政策強(qiáng)度對波動(dòng)率長期成分的影響，K為Beta權(quán)重函數(shù)最大滯后階數(shù)。Beta權(quán)重函數(shù)為：

(7)

為保證滯后項(xiàng)權(quán)重呈衰減形式(滯后期越小，對當(dāng)前影響越大)和模型的簡便，固定ω11=ω21=1，由系數(shù)ω12和ω22確定變量對長期成分的影響。簡化后的Beta權(quán)重函數(shù)為：

(8)

式(1)～(8)聯(lián)合構(gòu)成了GARCH-MIDAS模型。本文采用傳統(tǒng)的準(zhǔn)極大似然法來估計(jì)GARCH-MIDAS模型參數(shù)。對數(shù)似然函數(shù)為：

(9)

需要注意的是，式(7)與式(8)中需要事先給定Beta權(quán)重函數(shù)最大滯后階數(shù)K，相關(guān)研究表明[23][26]，選取滯后3年的宏觀信息來擬合模型效果較好。因此，本文確定滯后期為3年。因本文低頻數(shù)據(jù)為月度數(shù)據(jù)，故本文中沒有特殊說明的情況都選取K=36。

(三)分類1模型估計(jì)結(jié)果

表4給出了四個(gè)GARCH-MIDAS模型參數(shù)估計(jì)結(jié)果。其中模型1為加入了總政策強(qiáng)度的GARCH-MIDAS模型，模型2為加入了條件波動(dòng)率和總政策強(qiáng)度的GARCH-MIDAS模型，模型3為加入了條件波動(dòng)率和股票市場政策的GARCH-MIDAS模型，模型4為加入了條件波動(dòng)率和宏觀經(jīng)濟(jì)政策的GARCH-MIDAS模型。

表4 分類1模型參數(shù)估計(jì)結(jié)果

注：括號內(nèi)為穩(wěn)健標(biāo)準(zhǔn)誤；LLF為對數(shù)似然函數(shù)值，BIC為貝葉斯信息準(zhǔn)則；*、**、*** 分別表示10%、5%、1%水平內(nèi)顯著。下同。

總體來看，上證指數(shù)短期波動(dòng)呈現(xiàn)強(qiáng)波動(dòng)聚集特征，好消息和壞消息對波動(dòng)沖擊呈非對稱性，壞消息對股市短期波動(dòng)影響更大。其中模型1、模型2、模型3中的系數(shù)θ2顯著為負(fù)，表明總政策強(qiáng)度、考慮了月已實(shí)現(xiàn)波動(dòng)率的總政策強(qiáng)度、考慮了月已實(shí)現(xiàn)波動(dòng)率的股票市場政策能顯著降低股市波動(dòng)長期成分，有利于市場長期穩(wěn)定。模型4中的系數(shù)θ2顯著為正，表明考慮了月已實(shí)現(xiàn)波動(dòng)率的宏觀經(jīng)濟(jì)政策增加了股市波動(dòng)長期成分，不利于市場長期穩(wěn)定。

圖1給出了政策強(qiáng)度對股市波動(dòng)影響權(quán)重圖。從圖中可以看出，總政策在發(fā)布后3年內(nèi)具有持續(xù)影響，該影響隨時(shí)間推移逐步減弱。所以從長期來看，相關(guān)部門的政策及監(jiān)管措施總體來說是有效的。模型2與模型1權(quán)重圖一致，說明加入月已實(shí)現(xiàn)波動(dòng)率與否并不會(huì)改變政策影響權(quán)重變化。模型3股票市場政策的滯后影響也與總政策影響類似，表明針對股票市場的相關(guān)政策和舉措總體來說也是有效的。模型4宏觀經(jīng)濟(jì)政策總體來說對股市近期影響較大，遠(yuǎn)期影響較小，影響力隨時(shí)間下降得較快。

圖2為模型2估計(jì)得到的上證指數(shù)條件方差及其長期成分?？梢钥闯?，加入月已實(shí)現(xiàn)波動(dòng)率的總政策強(qiáng)度模型能較好地捕捉到股市波動(dòng)長期成分?？傮w來說，上證指數(shù)波動(dòng)長期成分在股市建立初期、2008年金融危機(jī)和2015年牛市三個(gè)時(shí)期內(nèi)波動(dòng)較大，而其他時(shí)期則較為平穩(wěn)。

(四)分類2模型估計(jì)結(jié)果

為了進(jìn)一步分析各類政策對股市波動(dòng)影響，按表1分類2標(biāo)準(zhǔn)對各細(xì)分政策進(jìn)行參數(shù)估計(jì)。值得注意的是，對于是否應(yīng)當(dāng)對金融交易征稅，支持者認(rèn)為征稅能夠遏制帶有投機(jī)性質(zhì)的短期交易，減少資產(chǎn)價(jià)格波動(dòng)和泡沫，反對者認(rèn)為金融交易稅雖然會(huì)遏制投機(jī)行為，但也會(huì)降低市場流動(dòng)性，抑制正常交易，降低市場效率[30]。鑒于上述分歧，本文細(xì)分稅收政策(如表5所示)，考察不同方向的稅收政策對我國股市波動(dòng)長期成分是否存在非對稱影響，檢驗(yàn)稅收政策效果。

表5 稅收政策的細(xì)分準(zhǔn)則

需要說明的是，在本文近25年的樣本期內(nèi)，稅收政策的變動(dòng)相對較少，只在1997年5月12日和2007年5月30日上調(diào)過印花稅，且兩次都只持續(xù)了一年左右就重新下調(diào)了印花稅。因此，文中選取緊縮稅收政策(X72)考察期為1年，即K=12。各類政策參數(shù)估計(jì)結(jié)果見表6。其中模型5為考慮了月已實(shí)現(xiàn)波動(dòng)率的股票供應(yīng)政策，模型6為考慮了月已實(shí)現(xiàn)波動(dòng)率的股票資金供應(yīng)政策，模型7為考慮了月已實(shí)現(xiàn)波動(dòng)率的市場交易規(guī)則和制度，模型8為考慮了月已實(shí)現(xiàn)波動(dòng)率的市場法律法規(guī)，模型9為考慮了月已實(shí)現(xiàn)波動(dòng)率的市場監(jiān)管，模型10為考慮了月已實(shí)現(xiàn)波動(dòng)率的貨幣政策，模型11為考慮了月已實(shí)現(xiàn)波動(dòng)率的稅收政策，模型12為考慮了月已實(shí)現(xiàn)波動(dòng)率的寬松的稅收政策，模型13為考慮了月已實(shí)現(xiàn)波動(dòng)率的緊縮的稅收政策。

表6 分類2模型參數(shù)估計(jì)結(jié)果

從結(jié)果來看，考慮了月已實(shí)現(xiàn)波動(dòng)率的股票供應(yīng)政策、市場交易規(guī)則和制度、貨幣政策、緊縮的稅收政策與股市波動(dòng)長期成分關(guān)系不顯著，說明這些政策并沒有對股市產(chǎn)生大的影響。具體來看，監(jiān)管部門在行情較好時(shí)加大股票供應(yīng)，在行情較差時(shí)減少股票供應(yīng)的操作不能降低股市波動(dòng)。汪天都等(2018)[7]的研究也表明，對于新股發(fā)行、股票再融資方面的控制與其說是為了降低股市波動(dòng)，不如說是為了維持市場價(jià)位。監(jiān)管當(dāng)局調(diào)整股票供應(yīng)政策的目的更可能是力求平穩(wěn)地發(fā)行更多證券，而不是降低市場波動(dòng)。在維持市場價(jià)格情況下，調(diào)整證券供給，為更多有需要的企業(yè)提供融資或再融資渠道。對于市場交易規(guī)則和制度(如T+1交易制度、融資融券制度等)是否能夠有效降低市場的波動(dòng)性，學(xué)界長期以來存在較大分歧。本文的實(shí)證結(jié)果表明，市場交易規(guī)則和制度總的來說并不能顯著降低股票波動(dòng)率長期成分，沒有發(fā)揮很好的政策效應(yīng)。從貨幣政策來看，近年來央行一直在周期性發(fā)布前瞻性貨幣政策公告，加強(qiáng)與市場有效溝通，管理和穩(wěn)定市場政策預(yù)期。賈盾等(2019)[17]的研究表明，這類前瞻性貨幣政策公告會(huì)產(chǎn)生“預(yù)公告溢價(jià)效應(yīng)”。由于有市場提前的預(yù)期，貨幣政策強(qiáng)度對股市波動(dòng)率長期成分沒有造成過多影響。從緊縮的稅收政策來看，對于股市波動(dòng)率長期成分的影響并不顯著。圖3和圖4給出了兩次增加印花稅的時(shí)間點(diǎn)及后續(xù)走勢。兩次增加印花稅都是為了抑制前期過熱的投機(jī)情緒。但是，從圖中可以看出，首次增加印花稅后引起了市場恐慌，繼而引發(fā)了股指下跌，沒有起到政策預(yù)期效果；第二次上調(diào)印花稅只在短期抑制了市場濃厚的投機(jī)情緒，而后指數(shù)繼續(xù)上行，于2007年10月12日創(chuàng)下上證指數(shù)歷史最高點(diǎn)后才掉頭向下調(diào)整，也沒有起到有效抑制市場投機(jī)情緒的作用。

考慮了月已實(shí)現(xiàn)波動(dòng)率的股票資金供應(yīng)政策、市場法律法規(guī)、市場監(jiān)管能夠顯著降低股市波動(dòng)率長期成分。從圖5考慮了月已實(shí)現(xiàn)波動(dòng)率的股票資金供應(yīng)政策權(quán)重圖(X2權(quán)重圖)可以看出，發(fā)布期近的政策有更高權(quán)重，反映影響股票資金供應(yīng)的政策見效較快，但其后續(xù)影響力隨時(shí)間衰減。該類政策涉及的主要是QFII新額度及險(xiǎn)資入市的獲批。相較于中小投資者，機(jī)構(gòu)投資者更加理性，且因投資倉位較重而不會(huì)頻繁改變投資策略。機(jī)構(gòu)投資者偏好于長期投資財(cái)務(wù)狀況良好、公司治理結(jié)構(gòu)完善的公司，從而降低了市場的非理性波動(dòng)[31]。從圖5考慮了月已實(shí)現(xiàn)波動(dòng)率的市場法律法規(guī)權(quán)重圖(X4權(quán)重圖)可以看出，市場法律法規(guī)的權(quán)重分配更為均勻，其政策影響隨時(shí)間推移下降得更為緩慢。市場法律法規(guī)著重于市場制度建設(shè)，明確市場責(zé)任主體，為一系列實(shí)際操作提供法律依據(jù)。從實(shí)證結(jié)果來看，這一系列政策起到了較好效果，且對市場產(chǎn)生了深遠(yuǎn)影響。從圖5考慮了月已實(shí)現(xiàn)波動(dòng)率的市場監(jiān)管政策權(quán)重圖(X5權(quán)重圖)可以發(fā)現(xiàn)，其與市場法律法規(guī)權(quán)重變化相類似，表明市場監(jiān)管與市場制度完善同樣重要，從長期來看都能降低股市波動(dòng)。從政策效果來看，市場監(jiān)管措施比市場制度作用更為明顯。因?yàn)橄噍^于宏觀的法律條文，微觀的具體政策執(zhí)行更具有參考價(jià)值。如徐翔因涉嫌操縱證券市場、內(nèi)幕交易犯罪，被公安機(jī)關(guān)依法批準(zhǔn)逮捕，依法查處ST慧球“1001項(xiàng)議案”等事件都起到了很好的警示作用，彰顯管理層嚴(yán)厲打擊操縱證券市場犯罪及督促上市公司完善內(nèi)部治理的決心，在穩(wěn)定市場方面卓有成效。

考慮了月已實(shí)現(xiàn)波動(dòng)率的稅收政策、寬松的稅收政策顯著增加股市波動(dòng)率長期成分。事實(shí)上，印花稅在我國的證券交易成本中占有很大比例，下調(diào)印花稅稅率能夠直接影響投資者交易成本。雖然監(jiān)管部門下調(diào)印花稅稅率的初衷是提高投資者信心、緩解投資者悲觀心理，促進(jìn)股市穩(wěn)定健康發(fā)展，但是在中國股市建立的前20年間，因?yàn)橹行⊥顿Y者較不成熟，機(jī)構(gòu)投資者占比較低，投資行為具有一定的投機(jī)性和盲目性且容易過分解讀或錯(cuò)誤解讀政策等原因，綜合導(dǎo)致寬松的稅收政策并沒有達(dá)到理想的政策效果，反而助推了市場長期波動(dòng)。從圖5考慮了月已實(shí)現(xiàn)波動(dòng)率的稅收政策權(quán)重圖(X7權(quán)重圖)可以看出，Beta函數(shù)將權(quán)重幾乎均勻分布在滯后期內(nèi)，反映出一系列稅收政策對于投資者投資成本的影響是持續(xù)的，投資者投資成本的改變又會(huì)進(jìn)一步影響股市波動(dòng)率長期成分。

(五)樣本外預(yù)測分析

在考察了各政策變量對于波動(dòng)率長期成分影響后，借鑒鄭挺國等(2014)[32]對于GARCH-MIDAS模型預(yù)測精度測度方法，考察在基準(zhǔn)GARCH-MIDAS模型(即只考慮月已實(shí)現(xiàn)波動(dòng)率對長期成分τ影響的模型)中加入上述政策變量能否改善模型的預(yù)測效果。具體方法為：利用所得模型基于前一步預(yù)測得到下一個(gè)月(即2019年1月)的日度波動(dòng)率預(yù)測值，將日度已實(shí)現(xiàn)波動(dòng)率作為市場真實(shí)波動(dòng)率代理變量，基于損失函數(shù)判別模型預(yù)測精度優(yōu)劣。Hansen(2005)[33]指出，單一損失函數(shù)得到的結(jié)果可能存在穩(wěn)健性方面問題。為得到更為穩(wěn)健的結(jié)果，其建議盡可能多地采用不同形式損失函數(shù)加以判別。因此，本文采用以下6種損失函數(shù)來評判模型預(yù)測精度優(yōu)劣。計(jì)算方法如下：

(10)

(11)

(12)

(13)

(14)

(15)

表7 加入各政策變量后樣本外預(yù)測精度

表7結(jié)果顯示，在基準(zhǔn)GARCH-MIDAS模型中加入總政策、股票市場政策、股票供應(yīng)政策、市場法律法規(guī)、市場監(jiān)管、央行貨幣政策能夠不同程度地提高模型預(yù)測精度，在基準(zhǔn)GARCH-MIDAS模型中加入宏觀經(jīng)濟(jì)政策不能提升預(yù)測精度。對預(yù)測精度提升最大的是在基準(zhǔn)GARCH-MIDAS模型中加入股票市場政策。加入分類1中的變量效果要好于加入分類2中的變量。分類1中的變量含有更完整的政策信息。

樣本外預(yù)測精度檢驗(yàn)表明，在GARCH-MIDAS模型中加入政策變量不僅可以用于分析不同政策對于市場波動(dòng)率的影響，而且可以提升模型對波動(dòng)率預(yù)測的精度。

(六)穩(wěn)健性檢驗(yàn)

本文采用以下兩種方法重新計(jì)算政策強(qiáng)度：一是采用政策頒布前后五天的連續(xù)漲跌幅計(jì)算政策強(qiáng)度；二是仍采用政策發(fā)布前后三天的連續(xù)漲跌幅計(jì)算政策強(qiáng)度，但一天內(nèi)若同時(shí)有多個(gè)政策頒布，則每個(gè)政策強(qiáng)度按降一級計(jì)算?；贕ARCH-MIDAS模型對政策效應(yīng)作穩(wěn)健性檢驗(yàn)。限于篇幅，本文在表8中只展示了政策變量系數(shù)(θ2)及其權(quán)重(ω22)的估計(jì)值。結(jié)果表明，不同的政策強(qiáng)度算法得到的結(jié)論基本一致。本文有關(guān)股票市場政策和宏觀經(jīng)濟(jì)政策對股市波動(dòng)的影響所得結(jié)論是穩(wěn)健的。

表8 基于改變政策強(qiáng)度算法的穩(wěn)健性檢驗(yàn)

四、結(jié)論與政策建議

本文實(shí)證檢驗(yàn)了政策強(qiáng)度對股市波動(dòng)的影響，研究發(fā)現(xiàn)：第一，中國股市存在顯著的政策效應(yīng)，不同類型的政策對于股市的影響以及該影響隨時(shí)間的變化特征存在差異。GARCH-MIDAS模型能夠很好地捕捉到政策因素對股市波動(dòng)長期影響。第二，股票市場政策總體上可降低股市波動(dòng)長期成分。具體來看，股票市場資金供應(yīng)政策、市場法律法規(guī)、市場監(jiān)管能顯著降低股市波動(dòng)長期成分，股票供應(yīng)政策、市場交易規(guī)則對降低股市波動(dòng)影響不顯著。第三，宏觀經(jīng)濟(jì)政策增加了股市波動(dòng)長期成分。從政策強(qiáng)度影響來看，央行貨幣政策沒有對股市波動(dòng)長期成分產(chǎn)生顯著影響，稅收政策增加了股市波動(dòng)長期成分。細(xì)分稅收政策，寬松的稅收政策顯著增加了股市波動(dòng)長期成分，緊縮的稅收政策對股市波動(dòng)長期成分影響不顯著。

基于本文結(jié)論，國家制定與股市相關(guān)的各類政策時(shí)，需重點(diǎn)關(guān)注各類政策的長期效應(yīng)和短期效應(yīng)的差異。對于能有效降低股市波動(dòng)的各類政策，可進(jìn)一步推廣應(yīng)用；對于已被證實(shí)無法顯著影響股市的相關(guān)政策，可逐步退出市場；對于已在西方成熟市場證實(shí)有效的政策，需要基于中國國情，通過試點(diǎn)的方式謹(jǐn)慎實(shí)施。