劉珍 李亞楠

（南開(kāi)大學(xué)金融學(xué)院 天津市 300350）

一、引言

股票波動(dòng)率（Volatility）是一個(gè)良好的金融風(fēng)險(xiǎn)代理變量，有關(guān)其波動(dòng)率的特征及其影響因素的研究，對(duì)于金融市場(chǎng)的穩(wěn)定與發(fā)展、金融風(fēng)險(xiǎn)防范與控制、資產(chǎn)定價(jià)與管理等均具有重要的理論價(jià)值與現(xiàn)實(shí)意義。清晰地認(rèn)識(shí)到股票市場(chǎng)波動(dòng)率的影響因素，不僅可以為金融市場(chǎng)中的個(gè)人和機(jī)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(chǎng)狀況，推動(dòng)金融市場(chǎng)協(xié)調(diào)、有序、平穩(wěn)發(fā)展。為此，本文從一個(gè)全新的視角出發(fā)，以居民消費(fèi)需求特征為切入點(diǎn)，對(duì)行業(yè)股票波動(dòng)情況進(jìn)行研究。本文既考慮了波動(dòng)率具有的短期震蕩特性，也考慮了其隨時(shí)間變動(dòng)的長(zhǎng)期規(guī)律，并重點(diǎn)對(duì)其長(zhǎng)期規(guī)律的誘因進(jìn)行了探討。同時(shí)，考慮到內(nèi)需是中國(guó)經(jīng)濟(jì)穩(wěn)定發(fā)展的堅(jiān)實(shí)基礎(chǔ)，而人口是拉動(dòng)內(nèi)需、助力“雙循環(huán)”的關(guān)鍵動(dòng)力，故本文主要從微觀家庭的消費(fèi)需求特征入手，探討居民消費(fèi)需求特征和行業(yè)股票波動(dòng)率之間的關(guān)系，以期為我國(guó)進(jìn)行金融風(fēng)險(xiǎn)預(yù)判與防范提供一定的參考。

本文接下來(lái)的部分結(jié)構(gòu)安排如下：第二部分對(duì)與本文相關(guān)的文獻(xiàn)進(jìn)行了回顧；第三部分是變量說(shuō)明與對(duì)模型構(gòu)建的介紹；第四部分是居民消費(fèi)需求特征與行業(yè)股票波動(dòng)率關(guān)系分析；第五部分是波動(dòng)率模型實(shí)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(dòng)率一直是學(xué)術(shù)界探討的熱點(diǎn)問(wèn)題，國(guó)內(nèi)外學(xué)者對(duì)此展開(kāi)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(dòng)率模型研究

國(guó)內(nèi)外學(xué)者關(guān)于股票波動(dòng)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(kuò)展形式，主要有GARCH跳躍模型及其擴(kuò)展（陳浪南和孫堅(jiān)強(qiáng)，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(shí)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(chǎng)的高頻震蕩特性，故其對(duì)于高頻股票數(shù)據(jù)的擬合效果較好，但是都沒(méi)有捕捉股票波動(dòng)率的長(zhǎng)期趨勢(shì)，本文則彌補(bǔ)了這一缺陷。

（二）股票波動(dòng)率影響因素研究

股票波動(dòng)率是股票市場(chǎng)研究中不可或缺的一部分。從國(guó)內(nèi)外學(xué)術(shù)界對(duì)股票波動(dòng)率研究的影響因素來(lái)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(huì)導(dǎo)致股票波動(dòng)；張建波和李振（2014）從理論和實(shí)證兩個(gè)角度對(duì)行業(yè)因素與股票波動(dòng)之間的關(guān)系進(jìn)行了探討。第二類是宏觀經(jīng)濟(jì)因素，Bansal等（2014）從理論上證實(shí)宏觀經(jīng)濟(jì)的走勢(shì)及波動(dòng)會(huì)對(duì)股票波動(dòng)產(chǎn)生影響，周開(kāi)國(guó)等（2020）從實(shí)證角度證明了宏觀經(jīng)濟(jì)與股票波動(dòng)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(duì)股票交易量與股市波動(dòng)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(dòng)會(huì)對(duì)股票市場(chǎng)波動(dòng)產(chǎn)生影響。

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

（三）年齡特征與金融風(fēng)險(xiǎn)研究

關(guān)于年齡特征與金融風(fēng)險(xiǎn)方面的研究，Martin 等（2001）、Tomomi 等（2010）以及Favero 等（2016）對(duì)年齡特征與股票、債券等金融資產(chǎn)價(jià)格的長(zhǎng)期動(dòng)態(tài)趨勢(shì)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(huì)影響居民的風(fēng)險(xiǎn)厭惡程度；易禎和朱超（2017）、路妍和李剛（2018）以風(fēng)險(xiǎn)厭惡程度為紐帶，得出人口年齡結(jié)構(gòu)會(huì)影響金融市場(chǎng)風(fēng)險(xiǎn)結(jié)構(gòu)的結(jié)論；范小云等（2018）對(duì)人口結(jié)構(gòu)與系統(tǒng)性風(fēng)險(xiǎn)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(xiǎn)測(cè)度指標(biāo)，發(fā)現(xiàn)我國(guó)人口結(jié)構(gòu)中青年與中年的比率與系統(tǒng)性風(fēng)險(xiǎn)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(xiǎn)的研究均未涉及到人口年齡特征與行業(yè)股票風(fēng)險(xiǎn)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(fèi)需求特征對(duì)于行業(yè)風(fēng)險(xiǎn)水平的影響。

三、變量說(shuō)明與模型構(gòu)建

（一）數(shù)據(jù)來(lái)源

本文所選用的數(shù)據(jù)主要來(lái)自以下三個(gè)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(fèi)需求特征，發(fā)現(xiàn)家庭的年齡特征與其消費(fèi)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(lái)自中國(guó)家庭追蹤調(diào)查數(shù)據(jù)庫(kù)（CFPS），選用2014、2016、2018 年的調(diào)研數(shù)據(jù)為樣本，重點(diǎn)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(yùn)輸及通訊、家庭居住等10 個(gè)行業(yè)的家庭消費(fèi)信息。

2.宏觀層面數(shù)據(jù)。本文使用國(guó)家統(tǒng)計(jì)局發(fā)布的2000-2019 年的年度人口數(shù)據(jù)計(jì)算得到社會(huì)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(gè)年齡段，計(jì)算每個(gè)年齡段占總?cè)丝诘谋壤?，從而得到社?huì)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(huì)及國(guó)際行業(yè)分類準(zhǔn)則對(duì)我國(guó)A 股市場(chǎng)進(jìn)行了行業(yè)劃分，重點(diǎn)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(yùn)輸及通訊和家庭居住等10 個(gè)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(gè)股日收益率數(shù)據(jù)作為基礎(chǔ)變量來(lái)構(gòu)造行業(yè)股票波動(dòng)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(gè)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(jì)算市場(chǎng)波動(dòng)率。其中，日個(gè)股相關(guān)數(shù)據(jù)來(lái)自于國(guó)泰安數(shù)據(jù)庫(kù)（CSMAR），上證綜合A 股指數(shù)的數(shù)據(jù)來(lái)源為銳思數(shù)據(jù)庫(kù)（RESSET）。

（二）變量說(shuō)明

1.行業(yè)股票波動(dòng)率。本文的被解釋變量為行業(yè)股票波動(dòng)率，以此作為行業(yè)風(fēng)險(xiǎn)水平的度量因子。參考張學(xué)勇和陶醉（2014）的波動(dòng)率構(gòu)建方法進(jìn)行后續(xù)行業(yè)股票波動(dòng)率的構(gòu)造，主要構(gòu)造步驟如下：首先，計(jì)算月度頻率不同時(shí)間段日個(gè)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(guò)公式（1）計(jì)算個(gè)股的月度和季度個(gè)股股票波動(dòng)率：

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

2.市場(chǎng)波動(dòng)率。市場(chǎng)波動(dòng)率描述了整個(gè)股票市場(chǎng)的風(fēng)險(xiǎn)水平?？紤]到本文所使用的個(gè)股指標(biāo)均來(lái)自A 股市場(chǎng)，故將上證綜合A股指數(shù)的波動(dòng)率作為整個(gè)A 股市場(chǎng)波動(dòng)率的度量指標(biāo)，其構(gòu)造原則與上述行業(yè)波動(dòng)率的構(gòu)造原則類似，具體包括如下步驟：一是計(jì)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(dòng)率的篩選條件要求一致；二是運(yùn)用日收益率數(shù)據(jù)計(jì)算其對(duì)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(dòng)率，以此為基礎(chǔ)，作為A 股市場(chǎng)風(fēng)險(xiǎn)水平的一般性代理變量。

3.居民消費(fèi)需求特征。本文的居民消費(fèi)需求特征是指家庭對(duì)不同行業(yè)的消費(fèi)需求會(huì)隨著年齡分布的變化而變化，從而得到行業(yè)總消費(fèi)特征與社會(huì)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(fèi)需求序列，首先從微觀調(diào)研數(shù)據(jù)庫(kù)（CFPS）中得到家庭年齡特征與行業(yè)消費(fèi)需求間的關(guān)系，然后將這種關(guān)系推廣到社會(huì)年齡特征與行業(yè)總消費(fèi)特征之間，即得到本文的居民消費(fèi)需求特征。居民消費(fèi)需求特征具體計(jì)算步驟包括兩步：一是在不同行業(yè)內(nèi)部將不同時(shí)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(jì)算，即將微觀數(shù)據(jù)庫(kù)中每個(gè)類型的家庭實(shí)際消費(fèi)數(shù)據(jù)與家庭原始的年齡特征數(shù)據(jù)聯(lián)合起來(lái)進(jìn)行混合面板回歸，在此基礎(chǔ)上獲得每個(gè)年齡階段對(duì)于每類商品的需求系數(shù)；二是運(yùn)用第一步中得到的每個(gè)行業(yè)的需求系數(shù)，并結(jié)合社會(huì)的年齡特征變量，計(jì)算得到不同行業(yè)的居民消費(fèi)需求特征。

（三）波動(dòng)率模型構(gòu)建

為分析居民消費(fèi)特征對(duì)于不同行業(yè)股票波動(dòng)率的解釋力度，并以此為橋梁探索社會(huì)年齡特征在資產(chǎn)定價(jià)領(lǐng)域中的作用，本文采用時(shí)間序列分析的方法進(jìn)行研究。同時(shí)，為反映消費(fèi)水平對(duì)股票波動(dòng)率長(zhǎng)期趨勢(shì)的捕捉，本文在已有模型中加入了居民消費(fèi)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(jiǎn)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(kuò)展得到。對(duì)于任意行業(yè)i 而言，常數(shù)項(xiàng)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(xiàng)，采用簡(jiǎn)單自回歸AR（1）模型描述行業(yè)股票波動(dòng)率，具體模型形式如下：

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

考慮到消費(fèi)水平對(duì)于不同行業(yè)波動(dòng)率的影響，本文將不同行業(yè)的居民消費(fèi)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(shí)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(shí)間t 的居民消費(fèi)需求特征。

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

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

考慮到內(nèi)部因素對(duì)行業(yè)股票市場(chǎng)波動(dòng)率變動(dòng)趨勢(shì)的解釋力度有限，故本文加入居民消費(fèi)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(dòng)率的長(zhǎng)期趨勢(shì)。新的模型形式如下：

四、居民消費(fèi)需求特征與行業(yè)股票波動(dòng)率關(guān)系分析

（一）居民消費(fèi)需求特征

本文選擇10 個(gè)行業(yè)的居民消費(fèi)需求特征及整個(gè)市場(chǎng)的居民消費(fèi)需求特征進(jìn)行分析，居民消費(fèi)需求特征的描述性統(tǒng)計(jì)結(jié)果見(jiàn)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(yùn)輸及通訊行業(yè)居民消費(fèi)需求特征的均值、最大值、最小值在10個(gè)行業(yè)中較大，說(shuō)明這些行業(yè)的居民消費(fèi)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(fèi)行業(yè)居民消費(fèi)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(lái)看，食品飲料行業(yè)居民消費(fèi)需求特征變動(dòng)差異（5.86）最大，傳媒行業(yè)居民消費(fèi)需求特征變動(dòng)差異（1.27）最小。

表1 居民消費(fèi)需求特征描述性統(tǒng)計(jì)結(jié)果

（二）市場(chǎng)與行業(yè)股票波動(dòng)率特征

本文選擇10 個(gè)行業(yè)的股票波動(dòng)率及整個(gè)A 股市場(chǎng)的市場(chǎng)波動(dòng)率作為研究樣本，A股市場(chǎng)的市場(chǎng)波動(dòng)率代理指標(biāo)是上證綜合A股指數(shù)波動(dòng)率。各個(gè)行業(yè)股票波動(dòng)率及市場(chǎng)波動(dòng)率的描述性統(tǒng)計(jì)結(jié)果見(jiàn)表2。從上證綜合A 股指數(shù)的月度波動(dòng)率的最大值（17.73）、最小值（1.29）和季度波動(dòng)率的最大值（28.78）、最小值（3.70）來(lái)看，A 股市場(chǎng)的總體波動(dòng)水平差異較大，并且分行業(yè)來(lái)看，10 個(gè)行業(yè)的股票市場(chǎng)的波動(dòng)水平差異也較大，與市場(chǎng)波動(dòng)率相比具有近似的趨勢(shì)。從波動(dòng)率的平均水平來(lái)看，傳媒、餐飲旅游、汽車、食品飲料等10 個(gè)行業(yè)的月度及季度波動(dòng)率水平均高于市場(chǎng)整體的波動(dòng)率水平，同時(shí)，即使是從不同行業(yè)波動(dòng)率的最小值來(lái)看，每個(gè)行業(yè)的波動(dòng)率水平依舊大于市場(chǎng)整體的波動(dòng)率水平。此外，單從行業(yè)之間的對(duì)比來(lái)看，月度行業(yè)股票波動(dòng)率統(tǒng)計(jì)中，傳媒行業(yè)股票市場(chǎng)的平均波動(dòng)水平最高（12.19），交通運(yùn)輸及通訊行業(yè)次之（12.12），金融地產(chǎn)行業(yè)股票市場(chǎng)的平均波動(dòng)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(dòng)率相差不大。另一方面，從季度結(jié)果來(lái)看，季度行業(yè)股票波動(dòng)率統(tǒng)計(jì)結(jié)果與月度統(tǒng)計(jì)結(jié)果基本類似，這說(shuō)明，傳媒行業(yè)的平均風(fēng)險(xiǎn)水平在本文統(tǒng)計(jì)的10 個(gè)行業(yè)中是最大的，交通運(yùn)輸及通訊行業(yè)次之，故本文接下來(lái)將單獨(dú)對(duì)傳媒行業(yè)、交通運(yùn)輸及通訊行業(yè)進(jìn)行分析。

表2 波動(dòng)率描述性統(tǒng)計(jì)結(jié)果

從圖1 可以看出，A 股市場(chǎng)季度股票波動(dòng)相比月度股票波動(dòng)更為平緩；在圖2 中，傳媒行業(yè)股票市場(chǎng)波動(dòng)較為劇烈，但是由行業(yè)股票月度波動(dòng)情況和季度波動(dòng)情況這兩張圖的對(duì)比可以看到，該行業(yè)股票市場(chǎng)的波動(dòng)存在時(shí)間趨勢(shì)項(xiàng)。同時(shí)在圖3 中，交通運(yùn)輸及通訊行業(yè)的股票市場(chǎng)波動(dòng)情況不如傳媒行業(yè)波動(dòng)劇烈，且其時(shí)間趨勢(shì)也更明顯，這說(shuō)明股票市場(chǎng)歷史的波動(dòng)對(duì)于投資者未來(lái)進(jìn)行風(fēng)險(xiǎn)防范具有指導(dǎo)意義。如何捕捉行業(yè)股票波動(dòng)的時(shí)間趨勢(shì)項(xiàng)，現(xiàn)有文獻(xiàn)是缺失的，故本文接下來(lái)重點(diǎn)對(duì)行業(yè)股票波動(dòng)率長(zhǎng)期趨勢(shì)的捕捉展開(kāi)研究。

圖1 A 股市場(chǎng)波動(dòng)情況

圖2 傳媒行業(yè)股票市場(chǎng)波動(dòng)情況

圖3 交通運(yùn)輸及通訊行業(yè)股票市場(chǎng)波動(dòng)情況

（三）相關(guān)關(guān)系分析

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

圖4 市場(chǎng)居民消費(fèi)需求與股票波動(dòng)率波動(dòng)趨勢(shì)圖

五、波動(dòng)率模型實(shí)證結(jié)果與分析

（一）AR-CS 模型估計(jì)

首先，本文對(duì)選取的10 個(gè)不同行業(yè)及市場(chǎng)月度股票波動(dòng)率建立了AR（1）模型，如表3 所示，AR（1）模型對(duì)于市場(chǎng)及不同行業(yè)的擬合效果較好，市場(chǎng)和10 個(gè)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(shuō)明AR（1）項(xiàng)對(duì)于市場(chǎng)及行業(yè)股票波動(dòng)率的解釋力較好。結(jié)合市場(chǎng)及不同行業(yè)消費(fèi)水平對(duì)于市場(chǎng)及行業(yè)股票波動(dòng)率的影響，本文將市場(chǎng)及不同行業(yè)的居民消費(fèi)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(fèi)需求與股票波動(dòng)率波動(dòng)趨勢(shì)圖

圖6 耐用品行業(yè)居民消費(fèi)需求與股票波動(dòng)率波動(dòng)趨勢(shì)圖

圖7 家庭居住行業(yè)居民消費(fèi)需求與股票波動(dòng)率波動(dòng)趨勢(shì)圖

由表3 可知，市場(chǎng)及10 個(gè)行業(yè)中居民消費(fèi)需求特征的回歸結(jié)果均較為顯著，且在加入居民消費(fèi)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(gè)市場(chǎng)及這10 個(gè)行業(yè)中，居民消費(fèi)需求特征是股票波動(dòng)率的一個(gè)重要解釋因子。具體來(lái)看，就汽車行業(yè)而言，在加入居民消費(fèi)需求特征后，模型的R相比之前提升了15.23 個(gè)百分點(diǎn)，說(shuō)明居民消費(fèi)需求特征很好的捕捉了以往高頻數(shù)據(jù)無(wú)法捕捉到的長(zhǎng)期趨勢(shì)，提高了現(xiàn)有模型的解釋力度和預(yù)測(cè)效果，這為我們?nèi)蘸箢A(yù)測(cè)不同行業(yè)股票市場(chǎng)風(fēng)險(xiǎn)水平提供了依據(jù)；而傳媒行業(yè)中加入居民消費(fèi)需求特征后其擬合效果的變動(dòng)幅度最大，R由原來(lái)的0.338 變?yōu)榱?.441，說(shuō)明該行業(yè)對(duì)于股票波動(dòng)率長(zhǎng)期趨勢(shì)的捕捉能力最強(qiáng)，且該行業(yè)的AR-CS 模型中居民消費(fèi)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(shuō)明該行業(yè)居民消費(fèi)需求特征變動(dòng)對(duì)該行業(yè)股票市場(chǎng)波動(dòng)的影響相較于汽車行業(yè)更大。此外，在AR-CS 模型中10 個(gè)行業(yè)居民消費(fèi)需求特征的系數(shù)均為正，說(shuō)明對(duì)這10個(gè)行業(yè)而言，居民消費(fèi)需求特征水平越高，其股票市場(chǎng)中行業(yè)的收益率水平也越高，相應(yīng)的股票市場(chǎng)中行業(yè)收益率的波動(dòng)水平，即風(fēng)險(xiǎn)水平也越高。

表3 分行業(yè)股票波動(dòng)率AR-CS 模型估計(jì)月度結(jié)果

由于居民消費(fèi)需求特征變動(dòng)較為平滑，而整個(gè)市場(chǎng)及行業(yè)股票波動(dòng)率變動(dòng)較為劇烈，故本文將月度市場(chǎng)及行業(yè)股票波動(dòng)率平滑為季度數(shù)據(jù)。同時(shí)，考慮居民消費(fèi)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(duì)季度市場(chǎng)及行業(yè)股票波動(dòng)率進(jìn)行擬合，模型估計(jì)所得結(jié)果具體見(jiàn)表4。由表4 可以看出，AR（3）模型對(duì)于市場(chǎng)及分行業(yè)股票波動(dòng)率的擬合效果較好。在AR（3）模型加入居民消費(fèi)需求特征后，居民消費(fèi)需求特征的回歸系數(shù)均特別顯著，表明居民消費(fèi)需求特征是市場(chǎng)及行業(yè)股票波動(dòng)率的一個(gè)影響因素，可以作為預(yù)測(cè)未來(lái)股票市場(chǎng)波動(dòng)時(shí)考慮的一個(gè)指標(biāo)。此外，加入居民消費(fèi)需求特征這一外生變量后整個(gè)市場(chǎng)及10 個(gè)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(gè)行業(yè)季度模型中加入居民消費(fèi)需求特征后R的增長(zhǎng)絕對(duì)值均大于月度模型，這說(shuō)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(chǎng)波動(dòng)的長(zhǎng)期趨勢(shì)。

表4 分行業(yè)股票波動(dòng)率AR-CS 模型估計(jì)季度結(jié)果

（二）市場(chǎng)波動(dòng)率模型估計(jì)

分行業(yè)股票市場(chǎng)波動(dòng)率vo不僅受到其歷史波動(dòng)率vo的影響，還受到市場(chǎng)長(zhǎng)期趨勢(shì)的影響，故本文將A 股市場(chǎng)波動(dòng)率作為本模型中的解釋變量、行業(yè)股票市場(chǎng)波動(dòng)率作為被解釋變量進(jìn)行回歸，探究?jī)?nèi)部因素——股票市場(chǎng)的波動(dòng)率對(duì)不同行業(yè)股票波動(dòng)率的解釋程度。如表5、表6 所示，市場(chǎng)波動(dòng)率sza解釋了10 個(gè)行業(yè)股票市場(chǎng)波動(dòng)中的大部分原因，是衡量行業(yè)股票市場(chǎng)波動(dòng)的一個(gè)重要因子，且時(shí)間跨度越大，其解釋能力越強(qiáng)。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(fèi)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(fèi)需求特征的回歸系數(shù)均較為顯著，且回歸R相比沒(méi)有居民消費(fèi)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(fèi)需求特征提升1 個(gè)單位會(huì)使該行業(yè)股票波動(dòng)率降低0.276個(gè)單位，這與金融地產(chǎn)的行業(yè)特性有關(guān)?！胺孔邮怯脕?lái)住的不是用來(lái)炒的”，地產(chǎn)行業(yè)是關(guān)乎國(guó)計(jì)民生的一個(gè)重要產(chǎn)業(yè)，然而房?jī)r(jià)的快速攀升已經(jīng)影響到社會(huì)的穩(wěn)定發(fā)展，同時(shí)隨著金融行業(yè)的快速發(fā)展，也對(duì)金融市場(chǎng)風(fēng)險(xiǎn)防范帶來(lái)了很多地挑戰(zhàn)。為此，我國(guó)相繼出臺(tái)多項(xiàng)政策對(duì)其實(shí)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(xiǎn)水平，反映到股票市場(chǎng)上，則體現(xiàn)為波動(dòng)率的下降，且這種下降幅度超過(guò)了外生變量——居民消費(fèi)需求特征帶來(lái)的提升幅度。此外，汽車、餐飲旅游、傳媒、食品飲料等9 個(gè)行業(yè)居民消費(fèi)需求特征的回歸系數(shù)均大于0，說(shuō)明這些行業(yè)的消費(fèi)水平越高，對(duì)應(yīng)于該行業(yè)的股票市場(chǎng)波動(dòng)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?yàn)椴惋嬄糜涡袠I(yè)中的個(gè)股數(shù)量較少，因而會(huì)產(chǎn)生一定的偏差導(dǎo)致該行業(yè)股票波動(dòng)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(fèi)需求更多地為必需品消費(fèi)，因而該行業(yè)的股票波動(dòng)率受居民消費(fèi)需求特征變量的影響較小。

表5 分行業(yè)市場(chǎng)波動(dòng)率模型估計(jì)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(duì)值來(lái)看，行業(yè)居民消費(fèi)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(fèi)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(duì)值相差最小，月度結(jié)果中加入居民消費(fèi)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(lái)看，除金融地產(chǎn)行業(yè)外，其余9 個(gè)行業(yè)季度模型中加入居民消費(fèi)需求特征后R的增長(zhǎng)幅度均大于月度模型，這說(shuō)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(dòng)的長(zhǎng)期趨勢(shì)。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(fèi)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(fèi)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(chǎng)波動(dòng)率模型估計(jì)季度結(jié)果

六、結(jié)論

本文通過(guò)構(gòu)建分行業(yè)居民消費(fèi)需求特征來(lái)對(duì)我國(guó)股票市場(chǎng)上不同行業(yè)股票波動(dòng)率與居民消費(fèi)需求特征之間的關(guān)系進(jìn)行了理論探討與實(shí)證檢驗(yàn)。研究結(jié)果表明，我國(guó)分行業(yè)居民消費(fèi)需求特征對(duì)我國(guó)股票市場(chǎng)波動(dòng)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(gè)市場(chǎng)角度出發(fā)，考慮市場(chǎng)長(zhǎng)期趨勢(shì)的市場(chǎng)波動(dòng)率模型，居民消費(fèi)需求特征對(duì)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(fèi)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(lái)更佳，而且不同行業(yè)消費(fèi)水平的提高可以顯著提高該行業(yè)股票市場(chǎng)的風(fēng)險(xiǎn)水平——波動(dòng)率，表明我國(guó)的分行業(yè)消費(fèi)水平可以在一定范圍內(nèi)預(yù)測(cè)我國(guó)股票市場(chǎng)的波動(dòng)情況。從市場(chǎng)波動(dòng)率模型的角度分析，分行業(yè)消費(fèi)水平依舊對(duì)股票市場(chǎng)的波動(dòng)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(shí)考慮了市場(chǎng)的長(zhǎng)期趨勢(shì)和宏觀視角的消費(fèi)環(huán)境，對(duì)于分行業(yè)股票波動(dòng)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(yùn)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(fèi)需求特征很好地捕捉了行業(yè)股票波動(dòng)率的長(zhǎng)期趨勢(shì)。因此，居民消費(fèi)需求特征是引起我國(guó)股票市場(chǎng)波動(dòng)的一個(gè)重要影響因素，其對(duì)于股票市場(chǎng)中長(zhǎng)期風(fēng)險(xiǎn)特征的捕捉，可以為金融風(fēng)險(xiǎn)防范提供參考依據(jù)，以便做到對(duì)于金融風(fēng)險(xiǎn)的“早識(shí)別、早預(yù)警、早發(fā)現(xiàn)、早處置”。