论文部分内容阅读
股票市场在融资、调节和信号等功能方面发挥着巨大的作用，是如今各国资本市场中不可或缺的部分，因此股市波动率预测研究具有十分重要的意义。EPU指数刻画了经济政策的不确定性，其非线性结构转换特征是预测波动率的重要考虑因素。预测股市波动率时，考虑EPU指数的非线性结构转换特征具有重要意义。
股市波动率预测研究多采用GARCH及其扩展模型，但这类模型仅能拟合单一频率数据。宏观变量数据多为月度、季度数据，与日度股票数据不同频。采用国外学者提出的GARCH-MIDAS模型恰能解决数据不同频问题。本文首先考虑了EPU指数非线性结构转换特征，并引入到了GARCH-MIDAS模型中，构建了一类新的模型：STR-GARCH-MIDAS-EPU模型；然后给出这类新模型包含：EPU指数对收益率波动的非线性检验、参数估计等完整构建过程；最后将STR-GARCH-MIDAS-EPU模型应用于波动率预测研究中，并使用MCS检验比较该模型与GARCH-MIDAS-EPU模型、标准GARCH-MIDAS模型的波动率预测能力，结果表明STR-GARCH-MIDAS-EPU模型在这两种模型的基础上，对波动率预测能力有了显著的提高。
传统GARCH-MIDAS-EPU模型在考虑EPU指数对股市波动率的影响时，仅考虑了线性结构，未考虑非线性结构转换特征的存在，因此该模型难以准确刻画EPU指数对波动率的影响。本文针对该问题，对模型中的长期波动成分进行改进，考虑了EPU指数的非线性结构转换特征，构建了STR-GARCH-MIDAS-EPU模型。该模型将股市波动率变化分为两部分：一部分为考虑EPU指数非线性结构转换特征的长期波动成分，一部分为采用收益率拟合GARCH(1,1)过程的短期波动成分。
本文考虑了EPU指数等宏观变量的非线性结构转换特征，并将其引入到了GARCH-MIDAS模型中，构建了一类新的拓展GARCH-MIDAS模型：STR-GARCH-MIDAS-EPU模型。该模型的优点在于：能够刻画EPU指数非线性结构转换特征对金融市场波动率的影响。将构建的模型应用于S&P500指数波动率预测研究中，样本内拟合优度检验和样本外波动率预测检验结果表明：该模型能够有效提高股票市场波动率预测能力。
股市波动率预测研究多采用GARCH及其扩展模型，但这类模型仅能拟合单一频率数据。宏观变量数据多为月度、季度数据，与日度股票数据不同频。采用国外学者提出的GARCH-MIDAS模型恰能解决数据不同频问题。本文首先考虑了EPU指数非线性结构转换特征，并引入到了GARCH-MIDAS模型中，构建了一类新的模型：STR-GARCH-MIDAS-EPU模型；然后给出这类新模型包含：EPU指数对收益率波动的非线性检验、参数估计等完整构建过程；最后将STR-GARCH-MIDAS-EPU模型应用于波动率预测研究中，并使用MCS检验比较该模型与GARCH-MIDAS-EPU模型、标准GARCH-MIDAS模型的波动率预测能力，结果表明STR-GARCH-MIDAS-EPU模型在这两种模型的基础上，对波动率预测能力有了显著的提高。
传统GARCH-MIDAS-EPU模型在考虑EPU指数对股市波动率的影响时，仅考虑了线性结构，未考虑非线性结构转换特征的存在，因此该模型难以准确刻画EPU指数对波动率的影响。本文针对该问题，对模型中的长期波动成分进行改进，考虑了EPU指数的非线性结构转换特征，构建了STR-GARCH-MIDAS-EPU模型。该模型将股市波动率变化分为两部分：一部分为考虑EPU指数非线性结构转换特征的长期波动成分，一部分为采用收益率拟合GARCH(1,1)过程的短期波动成分。
本文考虑了EPU指数等宏观变量的非线性结构转换特征，并将其引入到了GARCH-MIDAS模型中，构建了一类新的拓展GARCH-MIDAS模型：STR-GARCH-MIDAS-EPU模型。该模型的优点在于：能够刻画EPU指数非线性结构转换特征对金融市场波动率的影响。将构建的模型应用于S&P500指数波动率预测研究中，样本内拟合优度检验和样本外波动率预测检验结果表明：该模型能够有效提高股票市场波动率预测能力。