摘要
股票市场是各国资本市场重要的组成部分，已经成为了反映国家经济的一个重要指标，股票市场的波动影响着资源配置的合理性、广大股民的投资和企业的融资，甚至关系着金融危机。股市波动和经济政策不确定性之间关系密切，经济政策的改变可能会引起风险不断上升，影响国家经济的稳定发展。因此研究经济政策不确定性指数对股票市场波动的影响具有重要意义。 传统计量经济中大多采用GARCH族模型对股市波动建模预测，但该类模型严格限制使用相同频率的数据，具有很大缺陷。宏观变量数据多为月度、季度数据，与日度股票数据不同频。Engle等(2013)提出的GARCH-MIDAS模型很好的改进了这一点，将条件方差分解为长期和短期两个成分相乘，可以同时考虑高频和长期低频数据。但GARCH-MIDAS模型使用的还是日度数据，并没有利用日内高频数据有效信息。Hansen等(2011)提出的RealizedGARCH模型通过一个测度方程，将日度收益率数据和由日内高频数据计算得到的已实现测度联合建模。因此本文在现有研究基础上对GARCH-MIDAS模型进行改进，融合GARCH-MIDAS模型和RealizedGARCH模型的优点，构建了RealizedGARCH-MIDAS族模型，给出了模型的具体构建过程和参数估计方法。 进一步本文还考虑了全球经济不确定性指数对股市波动的影响，将其引入到了GARCH-MIDAS族模型中，构建了一类新的拓展GARCH-MIDAS模型：多混频RealizedGARCH-MIDAS-X模型和多混频RealizedEGARCH-MIDAS-X模型。该类模型的优点在于：能够联合建模日度收益率数据、日内高频数据计算出的已实现测度和月度低频宏观经济变量三种频率数据。 最后将构建的模型应用于道琼斯工业平均指数波动率预测研究中，样本内拟合效果和样本外波动率预测检验结果表明：加入了高频信息和宏观经济变量的多混频RealizedEGARCH-MIDAS-X模型能够有效提高股票市场波动率拟合和预测能力，并且多种稳健性分析也验证了这一点。
NETL