我國居民消費需求特征對行業(yè)股票波動率的影響研究

劉珍 李亞楠

（南開大學(xué)金融學(xué)院 天津市 300350）

一、引言

股票波動率（Volatility）是一個良好的金融風(fēng)險代理變量，有關(guān)其波動率的特征及其影響因素的研究，對于金融市場的穩(wěn)定與發(fā)展、金融風(fēng)險防范與控制、資產(chǎn)定價與管理等均具有重要的理論價值與現(xiàn)實意義。清晰地認(rèn)識到股票市場波動率的影響因素，不僅可以為金融市場中的個人和機構(gòu)交易者提供相應(yīng)的決策參考依據(jù)，而且有助于金融監(jiān)管當(dāng)局更好地了解金融市場狀況，推動金融市場協(xié)調(diào)、有序、平穩(wěn)發(fā)展。為此，本文從一個全新的視角出發(fā)，以居民消費需求特征為切入點，對行業(yè)股票波動情況進(jìn)行研究。本文既考慮了波動率具有的短期震蕩特性，也考慮了其隨時間變動的長期規(guī)律，并重點對其長期規(guī)律的誘因進(jìn)行了探討。同時，考慮到內(nèi)需是中國經(jīng)濟穩(wěn)定發(fā)展的堅實基礎(chǔ)，而人口是拉動內(nèi)需、助力“雙循環(huán)”的關(guān)鍵動力，故本文主要從微觀家庭的消費需求特征入手，探討居民消費需求特征和行業(yè)股票波動率之間的關(guān)系，以期為我國進(jìn)行金融風(fēng)險預(yù)判與防范提供一定的參考。

本文接下來的部分結(jié)構(gòu)安排如下：第二部分對與本文相關(guān)的文獻(xiàn)進(jìn)行了回顧；第三部分是變量說明與對模型構(gòu)建的介紹；第四部分是居民消費需求特征與行業(yè)股票波動率關(guān)系分析；第五部分是波動率模型實證結(jié)果與分析；第六部分為本文的結(jié)論。

二、文獻(xiàn)回顧

股票波動率一直是學(xué)術(shù)界探討的熱點問題，國內(nèi)外學(xué)者對此展開了大量的研究。與本文相關(guān)的研究有以下三方面。

（一）股票波動率模型研究

國內(nèi)外學(xué)者關(guān)于股票波動率研究中使用的模型主要分為兩大類。第一類是ARCH族模型，包括ARCH 模型（Engle，1982）、GARCH模 型（Bollerslev，1986）、EGARCH 模 型（陸蓉和徐龍炳，2004）以及SV 模型（Harvey等，1994；魏宇和余怒濤，2007）等；第二類是ARCH 族模型的擴展形式，主要有GARCH跳躍模型及其擴展（陳浪南和孫堅強，2010）、轉(zhuǎn)化杠桿效應(yīng)GARCH 模型（陳浪南和洪如明，2007）、MS-TGARCH 模型（朱鈞鈞和謝識予，2011）和Realized GARCH 模型（Hansen等，2012；于孝建和王秀花，2018）等。

以上兩類模型均具有均值回復(fù)的特性，側(cè)重于關(guān)注股票市場的高頻震蕩特性，故其對于高頻股票數(shù)據(jù)的擬合效果較好，但是都沒有捕捉股票波動率的長期趨勢，本文則彌補了這一缺陷。

（二）股票波動率影響因素研究

股票波動率是股票市場研究中不可或缺的一部分。從國內(nèi)外學(xué)術(shù)界對股票波動率研究的影響因素來看，可以將其影響因素分為三大類。第一類是行業(yè)因素，Livingston（1977）早期便認(rèn)為行業(yè)因素會導(dǎo)致股票波動；張建波和李振（2014）從理論和實證兩個角度對行業(yè)因素與股票波動之間的關(guān)系進(jìn)行了探討。第二類是宏觀經(jīng)濟因素，Bansal等（2014）從理論上證實宏觀經(jīng)濟的走勢及波動會對股票波動產(chǎn)生影響，周開國等（2020）從實證角度證明了宏觀經(jīng)濟與股票波動之間的緊密聯(lián)系。第三類是投資者主觀因素，王少平和陳少偉（2008）對股票交易量與股市波動之間的關(guān)系進(jìn)行了探究；Brown 等（2005）、張宗新和王海亮（2013）認(rèn)為投資者情緒波動會對股票市場波動產(chǎn)生影響。

以上學(xué)者的研究均是從宏觀層面出發(fā)對股票波動率的影響因素進(jìn)行探究，本文采用一個全新的視角，從微觀基礎(chǔ)——家庭消費需求出發(fā)，由微觀拓展至宏觀來探究行業(yè)股票波動率的影響因素。

（三）年齡特征與金融風(fēng)險研究

關(guān)于年齡特征與金融風(fēng)險方面的研究，Martin 等（2001）、Tomomi 等（2010）以及Favero 等（2016）對年齡特征與股票、債券等金融資產(chǎn)價格的長期動態(tài)趨勢特征進(jìn)行了探討；王晟和蔡明超（2011）認(rèn)為人口年齡分布會影響居民的風(fēng)險厭惡程度；易禎和朱超（2017）、路妍和李剛（2018）以風(fēng)險厭惡程度為紐帶，得出人口年齡結(jié)構(gòu)會影響金融市場風(fēng)險結(jié)構(gòu)的結(jié)論；范小云等（2018）對人口結(jié)構(gòu)與系統(tǒng)性風(fēng)險之間的關(guān)系進(jìn)行了探究，并以人口結(jié)構(gòu)特征為基礎(chǔ)構(gòu)建了系統(tǒng)性風(fēng)險測度指標(biāo)，發(fā)現(xiàn)我國人口結(jié)構(gòu)中青年與中年的比率與系統(tǒng)性風(fēng)險的違約距離之間呈現(xiàn)顯著的正相關(guān)關(guān)系。

以上關(guān)于年齡特征與金融風(fēng)險的研究均未涉及到人口年齡特征與行業(yè)股票風(fēng)險的關(guān)系。本文則以年齡特征為基礎(chǔ)，從更加細(xì)化的研究視角入手，研究居民消費需求特征對于行業(yè)風(fēng)險水平的影響。

三、變量說明與模型構(gòu)建

（一）數(shù)據(jù)來源

本文所選用的數(shù)據(jù)主要來自以下三個方面：

1.微觀層面數(shù)據(jù)。本文使用微觀調(diào)研數(shù)據(jù)尋找居民消費需求特征，發(fā)現(xiàn)家庭的年齡特征與其消費特征具有穩(wěn)定關(guān)系，并將這種關(guān)系拓展到宏觀行業(yè)中。微觀調(diào)研數(shù)據(jù)來自中國家庭追蹤調(diào)查數(shù)據(jù)庫（CFPS），選用2014、2016、2018 年的調(diào)研數(shù)據(jù)為樣本，重點關(guān)注家庭人員年齡和傳媒、餐飲旅游、汽車、食品飲料、耐用品、紡織服裝、醫(yī)藥、金融地產(chǎn)、交通運輸及通訊、家庭居住等10 個行業(yè)的家庭消費信息。

2.宏觀層面數(shù)據(jù)。本文使用國家統(tǒng)計局發(fā)布的2000-2019 年的年度人口數(shù)據(jù)計算得到社會的年齡特征變量。具體而言，本文將原始的年度人口數(shù)據(jù)進(jìn)行線性插值得到月度和季度人口數(shù)據(jù)，并將五歲作為一個年齡段，計算每個年齡段占總?cè)丝诘谋壤?，從而得到社會的年齡特征變量。

3.股票方面的數(shù)據(jù)。本文參考證監(jiān)會及國際行業(yè)分類準(zhǔn)則對我國A 股市場進(jìn)行了行業(yè)劃分，重點研究傳媒、餐飲旅游、汽車、食品飲料、耐用品、紡織服裝、醫(yī)藥、金融地產(chǎn)、交通運輸及通訊和家庭居住等10 個行業(yè)，且本文中所有與行業(yè)有關(guān)的變量構(gòu)建均以此行業(yè)劃分為基礎(chǔ)，文章后續(xù)不再贅述。

選取個股日收益率數(shù)據(jù)作為基礎(chǔ)變量來構(gòu)造行業(yè)股票波動率，考慮到樣本數(shù)據(jù)的完整性，本文使用的數(shù)據(jù)為2000 年1 月1日至2020 年12 月31 日的日個股收益率數(shù)據(jù)。同理，使用上證綜合A 股指數(shù)日收益率數(shù)據(jù)構(gòu)造并計算市場波動率。其中，日個股相關(guān)數(shù)據(jù)來自于國泰安數(shù)據(jù)庫（CSMAR），上證綜合A 股指數(shù)的數(shù)據(jù)來源為銳思數(shù)據(jù)庫（RESSET）。

（二）變量說明

1.行業(yè)股票波動率。本文的被解釋變量為行業(yè)股票波動率，以此作為行業(yè)風(fēng)險水平的度量因子。參考張學(xué)勇和陶醉（2014）的波動率構(gòu)建方法進(jìn)行后續(xù)行業(yè)股票波動率的構(gòu)造，主要構(gòu)造步驟如下：首先，計算月度頻率不同時間段日個股收益率數(shù)據(jù)的標(biāo)準(zhǔn)差，并將月交易天數(shù)小于14 日的月份剔除；其次，通過公式（1）計算個股的月度和季度個股股票波動率：

其中，T 為每個交易時間段所含有的天數(shù)，sd為個股i 在每個交易時間段內(nèi)由日個股收益率數(shù)據(jù)計算得到的標(biāo)準(zhǔn)差，后文中的月度和季度波動率均指月頻的月度和季度波動率，后續(xù)不再贅述；最后，通過個股流通市值加權(quán)得到不同行業(yè)的股票波動率。

2.市場波動率。市場波動率描述了整個股票市場的風(fēng)險水平?？紤]到本文所使用的個股指標(biāo)均來自A 股市場，故將上證綜合A股指數(shù)的波動率作為整個A 股市場波動率的度量指標(biāo)，其構(gòu)造原則與上述行業(yè)波動率的構(gòu)造原則類似，具體包括如下步驟：一是計算上證綜合A 股指數(shù)每月、季含有的交易天數(shù)，并剔除不符合條件的月份，具體篩選條件和行業(yè)股票波動率的篩選條件要求一致；二是運用日收益率數(shù)據(jù)計算其對應(yīng)的不同頻率要求的標(biāo)準(zhǔn)差，并將其換算為月、季度的波動率，以此為基礎(chǔ)，作為A 股市場風(fēng)險水平的一般性代理變量。

3.居民消費需求特征。本文的居民消費需求特征是指家庭對不同行業(yè)的消費需求會隨著年齡分布的變化而變化，從而得到行業(yè)總消費特征與社會年齡特征之間的聯(lián)系。本文借鑒Mankiw 和Weil（1989）的研究思路構(gòu)建居民消費需求序列，首先從微觀調(diào)研數(shù)據(jù)庫（CFPS）中得到家庭年齡特征與行業(yè)消費需求間的關(guān)系，然后將這種關(guān)系推廣到社會年齡特征與行業(yè)總消費特征之間，即得到本文的居民消費需求特征。居民消費需求特征具體計算步驟包括兩步：一是在不同行業(yè)內(nèi)部將不同時間段內(nèi)家庭層面的數(shù)據(jù)按照年齡特征分別進(jìn)行回歸計算，即將微觀數(shù)據(jù)庫中每個類型的家庭實際消費數(shù)據(jù)與家庭原始的年齡特征數(shù)據(jù)聯(lián)合起來進(jìn)行混合面板回歸，在此基礎(chǔ)上獲得每個年齡階段對于每類商品的需求系數(shù)；二是運用第一步中得到的每個行業(yè)的需求系數(shù)，并結(jié)合社會的年齡特征變量，計算得到不同行業(yè)的居民消費需求特征。

（三）波動率模型構(gòu)建

為分析居民消費特征對于不同行業(yè)股票波動率的解釋力度，并以此為橋梁探索社會年齡特征在資產(chǎn)定價領(lǐng)域中的作用，本文采用時間序列分析的方法進(jìn)行研究。同時，為反映消費水平對股票波動率長期趨勢的捕捉，本文在已有模型中加入了居民消費需求特征變量進(jìn)行分析。

1.AR-CS 模型。自回歸模型（AR 模型）是向量自回歸模型（VAR 模型）的簡化形式。本文主要介紹AR（1）模型，其余的高階AR模型可由AR（1）模型擴展得到。對于任意行業(yè)i 而言，常數(shù)項在AR（1）模型中均表現(xiàn)不顯著，故本文去除了模型的常數(shù)項，采用簡單自回歸AR（1）模型描述行業(yè)股票波動率，具體模型形式如下：

其中，vo為行業(yè)i 在時間t 的波動率，vo為行業(yè)i 在時間t-1 的波動率，a是滿足均值為0、方差為σ的白噪聲序列。

考慮到消費水平對于不同行業(yè)波動率的影響，本文將不同行業(yè)的居民消費需求特征作為外生變量加入到AR（1）模型中進(jìn)行研究，此時的模型記作AR-CS 模型，其具體形式如下：

其中，cs為行業(yè)i 在時間t 的居民消費需求特征。

2.市場波動率模型。股票市場波動率是資產(chǎn)定價理論中的基礎(chǔ)變量，對波動率的研究是整個資產(chǎn)定價理論發(fā)展中不可缺少的一環(huán)。行業(yè)資產(chǎn)波動率是資產(chǎn)波動率中的一類，它不僅受到內(nèi)部因素的影響，同時也會被外部因素所影響。本文綜合考慮內(nèi)部和外部兩個方面的因素，對分行業(yè)股票市場波動率變化的原因進(jìn)行探究。首先，本文采用OLS 回歸對分行業(yè)股票市場波動率的內(nèi)部因素——市場波動率進(jìn)行研究，使用的模型形式如下：

其中，sza為市場波動率——上證綜合A 股指數(shù)波動率，c為常數(shù)項，ε為誤差項。

考慮到內(nèi)部因素對行業(yè)股票市場波動率變動趨勢的解釋力度有限，故本文加入居民消費需求特征這一外部因素進(jìn)行研究，以捕捉行業(yè)股票波動率的長期趨勢。新的模型形式如下：

四、居民消費需求特征與行業(yè)股票波動率關(guān)系分析

（一）居民消費需求特征

本文選擇10 個行業(yè)的居民消費需求特征及整個市場的居民消費需求特征進(jìn)行分析，居民消費需求特征的描述性統(tǒng)計結(jié)果見表1。從分行業(yè)角度可知，紡織服裝、食品飲料、家庭居住和交通運輸及通訊行業(yè)居民消費需求特征的均值、最大值、最小值在10個行業(yè)中較大，說明這些行業(yè)的居民消費額較大，這與衣、食、住、行是人們生活的基本需求相一致；耐用品消費行業(yè)居民消費需求特征的平均值（66.20）最小，傳媒行業(yè)次之（67.61）；此外，標(biāo)準(zhǔn)差來看，食品飲料行業(yè)居民消費需求特征變動差異（5.86）最大，傳媒行業(yè)居民消費需求特征變動差異（1.27）最小。

表1 居民消費需求特征描述性統(tǒng)計結(jié)果

（二）市場與行業(yè)股票波動率特征

本文選擇10 個行業(yè)的股票波動率及整個A 股市場的市場波動率作為研究樣本，A股市場的市場波動率代理指標(biāo)是上證綜合A股指數(shù)波動率。各個行業(yè)股票波動率及市場波動率的描述性統(tǒng)計結(jié)果見表2。從上證綜合A 股指數(shù)的月度波動率的最大值（17.73）、最小值（1.29）和季度波動率的最大值（28.78）、最小值（3.70）來看，A 股市場的總體波動水平差異較大，并且分行業(yè)來看，10 個行業(yè)的股票市場的波動水平差異也較大，與市場波動率相比具有近似的趨勢。從波動率的平均水平來看，傳媒、餐飲旅游、汽車、食品飲料等10 個行業(yè)的月度及季度波動率水平均高于市場整體的波動率水平，同時，即使是從不同行業(yè)波動率的最小值來看，每個行業(yè)的波動率水平依舊大于市場整體的波動率水平。此外，單從行業(yè)之間的對比來看，月度行業(yè)股票波動率統(tǒng)計中，傳媒行業(yè)股票市場的平均波動水平最高（12.19），交通運輸及通訊行業(yè)次之（12.12），金融地產(chǎn)行業(yè)股票市場的平均波動水平最低（9.78），而紡織服裝行業(yè)（11.36）和醫(yī)藥行業(yè)（11.35）的平均波動率相差不大。另一方面，從季度結(jié)果來看，季度行業(yè)股票波動率統(tǒng)計結(jié)果與月度統(tǒng)計結(jié)果基本類似，這說明，傳媒行業(yè)的平均風(fēng)險水平在本文統(tǒng)計的10 個行業(yè)中是最大的，交通運輸及通訊行業(yè)次之，故本文接下來將單獨對傳媒行業(yè)、交通運輸及通訊行業(yè)進(jìn)行分析。

表2 波動率描述性統(tǒng)計結(jié)果

從圖1 可以看出，A 股市場季度股票波動相比月度股票波動更為平緩；在圖2 中，傳媒行業(yè)股票市場波動較為劇烈，但是由行業(yè)股票月度波動情況和季度波動情況這兩張圖的對比可以看到，該行業(yè)股票市場的波動存在時間趨勢項。同時在圖3 中，交通運輸及通訊行業(yè)的股票市場波動情況不如傳媒行業(yè)波動劇烈，且其時間趨勢也更明顯，這說明股票市場歷史的波動對于投資者未來進(jìn)行風(fēng)險防范具有指導(dǎo)意義。如何捕捉行業(yè)股票波動的時間趨勢項，現(xiàn)有文獻(xiàn)是缺失的，故本文接下來重點對行業(yè)股票波動率長期趨勢的捕捉展開研究。

圖1 A 股市場波動情況

圖2 傳媒行業(yè)股票市場波動情況

圖3 交通運輸及通訊行業(yè)股票市場波動情況

（三）相關(guān)關(guān)系分析

居民消費需求特征與行業(yè)股票波動率之間存在相似的變動趨勢，圖4、5、6、7分別為整個市場、傳媒、耐用品和家庭居住行業(yè)居民消費需求特征和行業(yè)股票波動率的波動趨勢圖。其中，每個圖的上方為未經(jīng)HP 濾波的居民消費需求特征與行業(yè)股票波動率的波動趨勢圖，下方為經(jīng)過HP 濾波的居民消費需求特征與行業(yè)股票波動率的波動趨勢圖。

圖4 市場居民消費需求與股票波動率波動趨勢圖

五、波動率模型實證結(jié)果與分析

（一）AR-CS 模型估計

首先，本文對選取的10 個不同行業(yè)及市場月度股票波動率建立了AR（1）模型，如表3 所示，AR（1）模型對于市場及不同行業(yè)的擬合效果較好，市場和10 個行業(yè)中AR（1）的系數(shù)均在1%的顯著性水平下顯著，且R較大，說明AR（1）項對于市場及行業(yè)股票波動率的解釋力較好。結(jié)合市場及不同行業(yè)消費水平對于市場及行業(yè)股票波動率的影響，本文將市場及不同行業(yè)的居民消費需求特征作為外生變量加入到AR（1）模型中，結(jié)果依舊在表3 中展示。

圖5 傳媒行業(yè)居民消費需求與股票波動率波動趨勢圖

圖6 耐用品行業(yè)居民消費需求與股票波動率波動趨勢圖

圖7 家庭居住行業(yè)居民消費需求與股票波動率波動趨勢圖

由表3 可知，市場及10 個行業(yè)中居民消費需求特征的回歸結(jié)果均較為顯著，且在加入居民消費需求特征后，與AR（1）模型相比，AR-CS 模型的R具有較為明顯的提升，表明在整個市場及這10 個行業(yè)中，居民消費需求特征是股票波動率的一個重要解釋因子。具體來看，就汽車行業(yè)而言，在加入居民消費需求特征后，模型的R相比之前提升了15.23 個百分點，說明居民消費需求特征很好的捕捉了以往高頻數(shù)據(jù)無法捕捉到的長期趨勢，提高了現(xiàn)有模型的解釋力度和預(yù)測效果，這為我們?nèi)蘸箢A(yù)測不同行業(yè)股票市場風(fēng)險水平提供了依據(jù)；而傳媒行業(yè)中加入居民消費需求特征后其擬合效果的變動幅度最大，R由原來的0.338 變?yōu)榱?.441，說明該行業(yè)對于股票波動率長期趨勢的捕捉能力最強，且該行業(yè)的AR-CS 模型中居民消費需求特征的系數(shù)也最大為0.179，比汽車行業(yè)高了0.027，說明該行業(yè)居民消費需求特征變動對該行業(yè)股票市場波動的影響相較于汽車行業(yè)更大。此外，在AR-CS 模型中10 個行業(yè)居民消費需求特征的系數(shù)均為正，說明對這10個行業(yè)而言，居民消費需求特征水平越高，其股票市場中行業(yè)的收益率水平也越高，相應(yīng)的股票市場中行業(yè)收益率的波動水平，即風(fēng)險水平也越高。

表3 分行業(yè)股票波動率AR-CS 模型估計月度結(jié)果

由于居民消費需求特征變動較為平滑，而整個市場及行業(yè)股票波動率變動較為劇烈，故本文將月度市場及行業(yè)股票波動率平滑為季度數(shù)據(jù)。同時，考慮居民消費需求特征數(shù)據(jù)均為月度頻率，且月度頻率的季度數(shù)據(jù)中存在某種程度的重合，故本文采用了AR（3）模型對季度市場及行業(yè)股票波動率進(jìn)行擬合，模型估計所得結(jié)果具體見表4。由表4 可以看出，AR（3）模型對于市場及分行業(yè)股票波動率的擬合效果較好。在AR（3）模型加入居民消費需求特征后，居民消費需求特征的回歸系數(shù)均特別顯著，表明居民消費需求特征是市場及行業(yè)股票波動率的一個影響因素，可以作為預(yù)測未來股票市場波動時考慮的一個指標(biāo)。此外，加入居民消費需求特征這一外生變量后整個市場及10 個行業(yè)中模型的R均有提升，且除餐飲旅游行業(yè)外，其余9 個行業(yè)季度模型中加入居民消費需求特征后R的增長絕對值均大于月度模型，這說明由月度模型轉(zhuǎn)化為季度模型能更好地捕捉行業(yè)股票市場波動的長期趨勢。

表4 分行業(yè)股票波動率AR-CS 模型估計季度結(jié)果

（二）市場波動率模型估計

分行業(yè)股票市場波動率vo不僅受到其歷史波動率vo的影響，還受到市場長期趨勢的影響，故本文將A 股市場波動率作為本模型中的解釋變量、行業(yè)股票市場波動率作為被解釋變量進(jìn)行回歸，探究內(nèi)部因素——股票市場的波動率對不同行業(yè)股票波動率的解釋程度。如表5、表6 所示，市場波動率sza解釋了10 個行業(yè)股票市場波動中的大部分原因，是衡量行業(yè)股票市場波動的一個重要因子，且時間跨度越大，其解釋能力越強。隨后，結(jié)合內(nèi)外部因素綜合考慮，本文在原有一元回歸模型的基礎(chǔ)上加入了居民消費需求特征進(jìn)行多元回歸分析。

從表5 可知，除餐飲旅游和家庭居住行業(yè)外，其余行業(yè)居民消費需求特征的回歸系數(shù)均較為顯著，且回歸R相比沒有居民消費需求特征的情況而言具有一定程度的提升。其中，金融地產(chǎn)行業(yè)居民消費需求特征提升1 個單位會使該行業(yè)股票波動率降低0.276個單位，這與金融地產(chǎn)的行業(yè)特性有關(guān)?！胺孔邮怯脕碜〉牟皇怯脕沓吹摹?，地產(chǎn)行業(yè)是關(guān)乎國計民生的一個重要產(chǎn)業(yè)，然而房價的快速攀升已經(jīng)影響到社會的穩(wěn)定發(fā)展，同時隨著金融行業(yè)的快速發(fā)展，也對金融市場風(fēng)險防范帶來了很多地挑戰(zhàn)。為此，我國相繼出臺多項政策對其實施愈發(fā)嚴(yán)格的監(jiān)管，一定程度上抑制了該行業(yè)的風(fēng)險水平，反映到股票市場上，則體現(xiàn)為波動率的下降，且這種下降幅度超過了外生變量——居民消費需求特征帶來的提升幅度。此外，汽車、餐飲旅游、傳媒、食品飲料等9 個行業(yè)居民消費需求特征的回歸系數(shù)均大于0，說明這些行業(yè)的消費水平越高，對應(yīng)于該行業(yè)的股票市場波動就越大。餐飲旅游行業(yè)的回歸系數(shù)不顯著，其可能的原因為餐飲旅游行業(yè)中的個股數(shù)量較少，因而會產(chǎn)生一定的偏差導(dǎo)致該行業(yè)股票波動率與外生變量關(guān)系不明顯；而家庭居住行業(yè)的回歸系數(shù)不顯著，可能是由于與該行業(yè)有關(guān)的消費需求更多地為必需品消費，因而該行業(yè)的股票波動率受居民消費需求特征變量的影響較小。

表5 分行業(yè)市場波動率模型估計月度結(jié)果

表6 為月頻季度數(shù)據(jù)回歸所得的結(jié)果，就R提升的絕對值來看，行業(yè)居民消費需求特征在季度結(jié)果中的表現(xiàn)要好于月度結(jié)果，即相較于月度結(jié)果，季度結(jié)果中加入居民消費需求特征后回歸模型的擬合效果提升得更多，季度數(shù)據(jù)回歸模型更優(yōu)。其中，金融地產(chǎn)行業(yè)季度結(jié)果與月度結(jié)果相比，R提升的絕對值相差最小，月度結(jié)果中加入居民消費需求特征后，R提高了0.022，而季度結(jié)果中R提高了0.023。從R提升的幅度來看，除金融地產(chǎn)行業(yè)外，其余9 個行業(yè)季度模型中加入居民消費需求特征后R的增長幅度均大于月度模型，這說明將月度數(shù)據(jù)平滑為季度數(shù)據(jù)可以更好地捕捉行業(yè)股票波動的長期趨勢。此外，從表6 可以看出，除了家庭居住行業(yè)外，其余行業(yè)居民消費需求特征的系數(shù)均是顯著的，且金融地產(chǎn)行業(yè)中居民消費需求特征的回歸系數(shù)和月度模型回歸結(jié)果保持一致，依舊為負(fù)，出現(xiàn)這種情況的原因與上述月度結(jié)果類似。

表6 分行業(yè)市場波動率模型估計季度結(jié)果

六、結(jié)論

本文通過構(gòu)建分行業(yè)居民消費需求特征來對我國股票市場上不同行業(yè)股票波動率與居民消費需求特征之間的關(guān)系進(jìn)行了理論探討與實證檢驗。研究結(jié)果表明，我國分行業(yè)居民消費需求特征對我國股票市場波動具有很好的解釋力度，不論是從自身出發(fā)進(jìn)行回歸的AR-CS 模型，還是從整個市場角度出發(fā)，考慮市場長期趨勢的市場波動率模型，居民消費需求特征對于原始模型的解釋效果均有很好的提升。從AR-CS 模型角度分析，居民消費需求特征的加入不僅顯著提高了原模型的R，使擬合效果相比原來更佳，而且不同行業(yè)消費水平的提高可以顯著提高該行業(yè)股票市場的風(fēng)險水平——波動率，表明我國的分行業(yè)消費水平可以在一定范圍內(nèi)預(yù)測我國股票市場的波動情況。從市場波動率模型的角度分析，分行業(yè)消費水平依舊對股票市場的波動情況提供了相應(yīng)程度的解釋，但是不同于AR-CS 模型，該模型同時考慮了市場的長期趨勢和宏觀視角的消費環(huán)境，對于分行業(yè)股票波動率的探討更為全面。其中，傳媒、食品飲料、汽車、耐用品、紡織服裝、醫(yī)藥、金融地產(chǎn)和交通運輸及通訊行業(yè)的月度和季度回歸結(jié)果均顯著表明居民消費需求特征很好地捕捉了行業(yè)股票波動率的長期趨勢。因此，居民消費需求特征是引起我國股票市場波動的一個重要影響因素，其對于股票市場中長期風(fēng)險特征的捕捉，可以為金融風(fēng)險防范提供參考依據(jù)，以便做到對于金融風(fēng)險的“早識別、早預(yù)警、早發(fā)現(xiàn)、早處置”。