基于宏观基本面的股市波动度量与预测

宏观基本面在股市波动成分测度、长期风险识别等方面具有十分重要的作用。本文基于宏观基本面构建了多因子的广义自回归条件异方差-混频数据抽样(GARCH-MIDAS)模型,并运用该模型对中国股市日度波动率进行估计及预测比较。研究结果表明多因子GARCH-MIDAS模型可以改进单因子混频模型的估计效果并且能够更好地捕捉股市波动的长期成分,基于宏观经济变量的GARCH-MIDAS模型估计结果表明宏观经济波动对股市波动具有显著的正向影响。此外,各类混频模型尤其是多因子GARCH-MIDAS模型可以改进基准GARCH模型的预测效果,SPA检验证实了多因子混频波动率模型在提高中国股市波动预测精度方面具有稳健性。