經(jīng)濟政策不確定性對股市、債市和基金市場動態(tài)相關(guān)性的影響

馬奕虹　蔣小蓮

［摘 要］文章采用GARCH-MIDAS（以下簡稱G-M）、DCC-MIDAS（以下簡稱D-M）模型，探討股票、債券和基金市場的動態(tài)相關(guān)性及經(jīng)濟政策不確定性（Economic Policy Uncertainty Index，EPU）對相關(guān)性的影響。結(jié)果表明，股市與基市具有高度長短期正相關(guān)性；債市與股市、基市相關(guān)性較小，且呈現(xiàn)大幅波動和頻繁正負轉(zhuǎn)換趨勢，短期相關(guān)大于長期相關(guān)。EPU指數(shù)對股債基兩兩長期相關(guān)有顯著正向影響。

［關(guān)鍵詞］動態(tài)相關(guān)；經(jīng)濟政策不確定性；GARCH-MIDAS；DCC-MIDAS

doi：10.3969/j.issn.1673 - 0194.2023.20.047

［中圖分類號］F832.5［文獻標識碼］A［文章編號］1673-0194（2023）20-0145-04

0? ? ?引 言

隨著金融市場一體化及我國金融體制改革的不斷深化，金融市場間信息傳導(dǎo)、市場運作和資金輪動效率得到極大提升，“蝴蝶效應(yīng)”顯現(xiàn)，聯(lián)動性趨勢增強?？疾觳煌鹑谑袌鲩g聯(lián)動性具有重要理論價值和現(xiàn)實意義，對投資者優(yōu)化資產(chǎn)配置、理性投資決策，監(jiān)管機構(gòu)進行有效監(jiān)管，政府預(yù)判政策效果都具有較強的指導(dǎo)意義。

我國正處于經(jīng)濟體制轉(zhuǎn)型升級的關(guān)鍵階段，經(jīng)濟政策調(diào)整比較頻繁，投資者情緒常常受到輿論及政策影響，進而影響其預(yù)期及投資決策。在政策不確定性飆升時期，金融市場波動劇烈，偏好“避險”的投資者常將資產(chǎn)轉(zhuǎn)移到風險較小的市場。經(jīng)濟政策不確定性會對金融市場間相關(guān)性產(chǎn)生重要影響。

股票、債券和基金是最常見的資產(chǎn)配置方式，很多文獻研究其收益率波動及相關(guān)性特征。其中，股債相關(guān)性研究比較成熟，其時變特征及正負波動規(guī)律已達成共識。而基金作為重要機構(gòu)投資者，在投資決策上也與股市和債市存在千絲萬縷的聯(lián)系。目前，綜合考慮股債基市場相關(guān)性的研究還不多見，如白（Bai）

等人［1］運用多重分形方法，發(fā)現(xiàn)股基市場相關(guān)性要強于股債和債基市場。

多數(shù)研究基于收益率總體波動展開，無法準確區(qū)分相關(guān)性是由宏觀基本面導(dǎo)致的長期成分，還是受到投資者非理性行為導(dǎo)致的噪音（短期成分）?？评魍校–olacito）等人［2］提出混頻D-M模型，將市場間相關(guān)分解為長期和短期成分，后又擴展為可納入外生變量的D-M-X模型。雅雅·奧斯（Yaya O.O.S）等人［3］運用G-M和D-M模型發(fā)現(xiàn)貴金屬對石油需求和供應(yīng)沖擊具有套期保值潛力，石油與貴金屬間存在顯著動態(tài)相關(guān)性。周長鋒等人［4］發(fā)現(xiàn)，上海股基市場高度正相關(guān)；債市與股、基市場相關(guān)性呈現(xiàn)大幅波動和頻繁正負轉(zhuǎn)換形勢。周開國等人［5］同樣采用這個模型發(fā)現(xiàn)工業(yè)增加值、貨幣供應(yīng)量M2負向影響金融市場關(guān)聯(lián)性，經(jīng)濟政策不確定性和通貨膨脹則相反。綜上，混頻波動率模型能更好地捕捉高頻數(shù)據(jù)短暫信息變化，充分挖掘樣本信息，不僅可以分解波動及條件相關(guān)的長短期成分，還可以考察外部沖擊對收益波動及相關(guān)性的影響。

本文借鑒上述模型，選取有效樣本研究我國股債基市場長短期動態(tài)相關(guān)時變特征及經(jīng)濟政策不確定性對其的影響。首先簡單介紹模型，其次進行樣本選取與描述性統(tǒng)計，再次研究基準動態(tài)相關(guān)性時變特征，最后探討經(jīng)濟政策不確定性對長期動態(tài)相關(guān)性的影響。

1? ? ?實證模型

科拉西托（Colarito）等人［2］在MIDAS及DCC模型基礎(chǔ)上，將G-M模型擴展為D-M模型，采用DCC結(jié)構(gòu)捕捉資產(chǎn)間短期動態(tài)相關(guān)，而長期動態(tài)相關(guān)通過MIDAS濾波反映基本面。2013年，吉塞爾斯（Ghysels）［6］通過MIDAS濾波引入混頻外生變量擴展成G-M-X模型。之后的研究進一步擴展了外生變量D-M-X模型。

而D-M模型是DCC和G-M模型的有機結(jié)合，其中使用了G-M標準化殘差和，并將動態(tài)相關(guān)分解為短期成分及長期成分。

2? ? ?樣本選取與描述性統(tǒng)計

2.1? ?樣本選取

本文選取滬深300指數(shù)（CSI 300）、中證全債指數(shù)（CSIAB）和上證基金指數(shù)（SFI）的日收盤價，并計算其對數(shù)收益率。滬深300指數(shù)于2005年公布，故均選取2005年1月至2022年12月共4 373個配對數(shù)據(jù)，包含2005年股權(quán)分置改革、2008年金融危機、2015年中國“股災(zāi)”等重大事件，能夠有效反映我國證券市場整體收益波動情況。以上數(shù)據(jù)均來自國泰安數(shù)據(jù)庫。

為分析經(jīng)濟政策不確定性對股市、債市及基金市場長期動態(tài)相關(guān)性的影響，本文選用月度頻率中國經(jīng)濟不確定性指數(shù)（EPU）。該指數(shù)為系列指數(shù)，由陸尚勤和黃昀［7］對中國114份報紙進行文本挖掘編制而成，并持續(xù)更新。

2.2? ?描述性統(tǒng)計

表1顯示了描述性統(tǒng)計結(jié)果，收益率均值大于0，標準差從大到小排列依次為股市、基市和債市，即債券風險最低，股市風險最高。股基兩市呈左偏態(tài)，債市為右偏；峰度都大于3；均拒絕J-B檢驗，呈現(xiàn)“高峰肥尾”特征。計算常相關(guān)系數(shù)發(fā)現(xiàn)：股債為-0.041 9，股基為0.913 2，債基為-0.041 2，即股基呈現(xiàn)高度正相關(guān)，而債市與股基兩市間均存在微弱負相關(guān)。由時序圖可知，收益率具有“波動集聚”典型特征，股市和基市在2008年“次貸”和2015年“股災(zāi)”前后波動幅度增大，而債市相對平穩(wěn)。

3? ? ?股債基市場動態(tài)相關(guān)性實證分析

3.1? ?基于月度已實現(xiàn)波動率（RV）的股債基長短期動態(tài)相關(guān)性

本節(jié)對股債基日收益率建立D-M-RV模型，第一步通過G-M模型分解波動率，第二步得到長期和短期動態(tài)相關(guān)系數(shù)。設(shè)定參數(shù)如下：平滑滯后階數(shù)K=12，長期相關(guān)性滯后階數(shù)Kc=144，標準化殘差滯后階數(shù)Nc=36。表2中參數(shù)估計結(jié)果顯示，參數(shù)大多顯著，估計效果較好。股債基收益率序列依次為0.995 6，0.961 7和0.999 0，說明收益波動均具有顯著持續(xù)性。反映RV對股債基市場長期波動的加總效應(yīng)，其中債市為正，股市和基市為負。權(quán)重參數(shù)ω均大于1，表明信息能有效傳導(dǎo)。濾波參數(shù)m顯著為負，存在長記憶性。表3中參數(shù)a，b分別為0.032 4***和0.952 2***，說明3個市場間持續(xù)相關(guān)、較穩(wěn)定，但有一定起伏。

模型似然函數(shù)LL為-1 460.575 0，估計評價指標AIC為2 927.150 0。圖1顯示的是股債基市場收益波動率，可以看出3個市場時變性明顯，股市波動最劇烈，基金其次，債市波動較小。股基兩市波動走勢和幅度十分相似，聯(lián)系緊密。圖2是股債基市場收益短期和長期動態(tài)相關(guān)系數(shù)時序圖，圖2中虛線表示短期動態(tài)相關(guān)系數(shù)，實線表示長期動態(tài)相關(guān)系數(shù)。從中可以看出，股市與基市長短期動態(tài)相關(guān)在2007年后逐步上升，一直處于高度正相關(guān)狀態(tài)，在［0.8，1］小幅盤整，2017年和2021年前后有兩次下探。而債市與股市、基金之間的長短期動態(tài)相關(guān)較弱，基本在［-0.4，0.3］內(nèi)呈正負交錯變化，波動頻繁且走勢接近，短期相關(guān)變動幅度大于長期相關(guān)。很明顯，股基市場間的相關(guān)性要遠遠強于其他兩個市場組合。歐美發(fā)達股債市場往往呈現(xiàn)負動態(tài)相關(guān)性，而我國則表現(xiàn)為正負交錯，這與金融市場發(fā)展階段、不同的投資者結(jié)構(gòu)及市場環(huán)境有關(guān)。

3.2? ?經(jīng)濟政策不確定性對長期動態(tài)相關(guān)性的影響

中國證券市場具有政策特征，我國處于經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型升級的關(guān)鍵時期，面臨復(fù)雜的國際政治經(jīng)濟環(huán)境，經(jīng)濟政策不確定性增加，極大影響證券市場聯(lián)動性。本節(jié)將式（3）中的Xt-k替換為EPUt-k，采用股債基市場日收益率和EPU指數(shù)建立模型，結(jié)果如表4、表5所示。第一步為G-M-EPU參數(shù)估計結(jié)果，第二步為D-M-EPU參數(shù)估計結(jié)果。結(jié)果顯示：參數(shù)估計大多顯著，估計效果較好。a，b均顯著，表明股債基市場間動態(tài)相關(guān)受過去條件協(xié)方差及每個市場日收益波動的影響較大。此外，θ分別為-0.007 1***，-0.006 7**及-0.025 0*，

表明經(jīng)濟政策不確定性對股市、債市與基金市場收益率有顯著負向影響。

模型似然函數(shù)LL為-1 458.326 0，估計評價指標AIC為2 922.652 0。

本節(jié)最后考察EPU指數(shù)對股債基兩兩間長期動態(tài)相關(guān)性的影響，將D-M-RV長期動態(tài)相關(guān)系數(shù)作為比較基準，得到由D-M-EPU提取的長期動態(tài)相關(guān)系數(shù)與基準系數(shù)的差值，將此作為因變量，EPU指數(shù)作為自變量建立回歸模型，結(jié)果如表6所示。從中可以看出，EPU指數(shù)對股債、股基和債基市場長期動態(tài)相關(guān)都存在顯著正向影響，且對股票-債券及債券-基金相關(guān)性的影響較大。

4? ? ?研究結(jié)論

本文運用混頻波動率G-M和D-M模型，探討了股市、債市和基金市場長短期動態(tài)相關(guān)的時變特征，以及經(jīng)濟政策不確定性對長期動態(tài)相關(guān)性的影響，結(jié)論如下。

4.1? ?股債基市場對數(shù)收益波動及相關(guān)性具有時變性

股市與基金市場具有高度正相關(guān)性，而股債或者債基間相關(guān)性整體較弱，且出現(xiàn)大幅波動和頻繁的正負轉(zhuǎn)換，表明金融市場隱含相關(guān)性突變的重大風險。此外，短期相關(guān)波動要遠大于長期相關(guān)。

4.2? ?股債基市場長期動態(tài)相關(guān)會受經(jīng)濟政策不確定的影響

經(jīng)濟政策不確定對3個市場的長期動態(tài)相關(guān)有顯著正向影響，且EPU對股基相關(guān)的影響要顯著小于債券市場。因此提出如下建議：上述特性使投資者預(yù)期不穩(wěn)定，避險難度加大，應(yīng)重視股債基市場間相關(guān)時變特征，控制尾部風險；此外，投資者須將政策不確定影響納入投資決策，謹慎評估，以達到風險規(guī)避和投資收益最大化；政策制定者和監(jiān)管者也需要將政策對股債基市場聯(lián)動性影響納入考量范圍，提高資源配置效率，減少市場的過度波動，健全金融市場體系，防范可能發(fā)生的系統(tǒng)性風險。

主要參考文獻

［1］BAI Y，CHOW D Y P.Shanghai-Hong Kong stock connect：an analysis of Chinese partial stock market liberalization impact on the local and foreign markets［J］.Journal of International Financial Markets，Institutions and Money，2017（50）：182-203.

［2］COLACITO R，ENGLE R F，GHYSELS E A.Component model for dynamic correlations［J］.Journal of Econometrics，

2011（1）：45-59.

［3］YAYA O.O.S，OGBONNA A E，ADESINA O A，et al.Time-variation between metal commodities and oil， and the impact of oil shocks： GARCH-MIDAS and DCC-MIDAS analyses［J］.Resources Policy，2022（79）：103036.

［4］周長鋒，孫苗.上海股票、債券和基金市場的聯(lián)動性：基于DCC-MIDAS的實證［J］.時代金融，2019（13）：63-68.

［5］周開國，邢子煜，楊海生.宏觀經(jīng)濟信息與金融市場關(guān)聯(lián)性：來自混頻動態(tài)條件相關(guān)系數(shù)模型的證據(jù)［J］.金融研究，2021（11）：41-59.

［6］ENGLE R F，GHYSELS E，SOHN B.Stock market volatility and macroeconomic fundamentals［J］.Review of Economics and Statistics，2013（3）：776-797.

［7］HUANG Y， LUK P ，F(xiàn)LEISHER B M，et al.Measuring economic policy uncertainty in China［J］.China Economic Review，2020（ 59）：101367.

［收稿日期］2023-04-06

［基金項目］廣西高校中青年教師科研基礎(chǔ)能力提升項目

“政策不確定性對股票、債券和基金相關(guān)性影響研究”（2020KY05003）。

［作者簡介］馬奕虹（1980— ），女，廣西桂林人，博士，

講師，主要研究方向：金融計量（通信作者）。