吳鑫育，王小娜

(安徽財(cái)經(jīng)大學(xué) 金融學(xué)院， 安徽 蚌埠 233030)

一、引言

股票市場(chǎng)波動(dòng)率的準(zhǔn)確建模和預(yù)測(cè)在金融市場(chǎng)監(jiān)管、投資組合決策、金融風(fēng)險(xiǎn)管理、信用衍生產(chǎn)品定價(jià)等領(lǐng)域都具有重要作用。傳統(tǒng)上，文獻(xiàn)[1-4]對(duì)波動(dòng)率進(jìn)行建模和實(shí)證研究主要是根據(jù)GARCH模型及其推廣模型實(shí)現(xiàn)。但是，GARCH類模型只可使用相同頻率的數(shù)據(jù)建模，這是其不能捕獲金融市場(chǎng)長(zhǎng)期波動(dòng)的主要原因?；诖耍珽ngle等[5]提出GARCH-MIDAS模型，用來(lái)討論股票市場(chǎng)和宏觀經(jīng)濟(jì)活動(dòng)之間的關(guān)系。隨后，鄭挺國(guó)和尚玉皇[6]基于宏觀基本面構(gòu)建GARCH-MIDAS模型對(duì)中國(guó)股市進(jìn)行波動(dòng)率的估計(jì)和預(yù)測(cè)研究，發(fā)現(xiàn)宏觀經(jīng)濟(jì)波動(dòng)對(duì)中國(guó)股市波動(dòng)具有顯著的正向影響。雷立坤等[7]利用GARCH-MIDAS模型實(shí)證研究發(fā)現(xiàn)Baker的經(jīng)濟(jì)政策不確定性(Economic Policy Uncertainty，EPU)指數(shù)能夠很好地解釋我國(guó)股市波動(dòng)的長(zhǎng)期成分，并顯著提高對(duì)上證綜指波動(dòng)率的預(yù)測(cè)精度。Yu等[8]研究了全球經(jīng)濟(jì)政策不確定性(GEPU)指數(shù)對(duì)中國(guó)股市波動(dòng)的影響，實(shí)證研究發(fā)現(xiàn)GEPU指數(shù)對(duì)中國(guó)股票市場(chǎng)的波動(dòng)性具有顯著的正向影響，反映了中國(guó)股票市場(chǎng)已逐漸融入全球經(jīng)濟(jì)。Wei等[9]基于GARCH-MIDAS模型分別研究了熱錢對(duì)我國(guó)整體股票市場(chǎng)以及對(duì)我國(guó)不同行業(yè)股市的影響，發(fā)現(xiàn)熱錢對(duì)中國(guó)股市的長(zhǎng)期波動(dòng)具有顯著的正向影響。石強(qiáng)等[10]運(yùn)用多因子GARCH-MIDAS模型研究了我國(guó)宏觀經(jīng)濟(jì)與股市波動(dòng)之間的關(guān)系，結(jié)果表明工業(yè)增加值和社會(huì)消費(fèi)品零售總額會(huì)對(duì)股市長(zhǎng)期波動(dòng)產(chǎn)生正向影響,并且這種影響有逐漸增強(qiáng)的趨勢(shì)。鐘立新等[11]利用GARCH-MIDAS模型研究了政策強(qiáng)度對(duì)股市波動(dòng)中的長(zhǎng)期成分的影響，實(shí)證研究結(jié)果發(fā)現(xiàn)在該模型中加入政策變量能有效提升模型預(yù)測(cè)精度。

上述所有利用GARCH-MIDAS模型對(duì)我國(guó)股票市場(chǎng)的研究，均是基于經(jīng)濟(jì)政策不確定性、工業(yè)增加值、社會(huì)消費(fèi)品零售總額和政策因素等宏觀經(jīng)濟(jì)變量。但是，近年來(lái)，比特幣因?yàn)槿ブ行幕要?dú)立于主權(quán)政府、中央機(jī)構(gòu)和銀行系統(tǒng)的特征，成為法定貨幣的替代品，被視為一種彌補(bǔ)標(biāo)準(zhǔn)經(jīng)濟(jì)和金融結(jié)構(gòu)無(wú)效的方法，引起了許多投資者、從業(yè)者和研究人員越來(lái)越廣泛的關(guān)注。對(duì)比特幣現(xiàn)有的研究主要集中在三個(gè)方面：其一，比特幣的波動(dòng)性。K?chling[12]著重于使用基于30分鐘日收益率的平方和作為經(jīng)典波動(dòng)率的代理，進(jìn)行樣本外的波動(dòng)率預(yù)測(cè)，比較了GARCH類模型對(duì)比特幣波動(dòng)率的預(yù)測(cè)性能；趙磊和劉慶[13]基于對(duì)數(shù)周期冪律模型(LPPL)對(duì)比特幣價(jià)格波動(dòng)進(jìn)行了檢驗(yàn)與預(yù)測(cè)；文獻(xiàn)[14-16]均對(duì)比特幣的波動(dòng)性作了相應(yīng)的研究。其二，比特幣的收益性。Baur等[17]的研究表明，比特幣的收益率與股票、債券等傳統(tǒng)資產(chǎn)基本不相關(guān)，這說(shuō)明了可以選擇比特幣作為分散投資的對(duì)象；Li和Wang[18]研究發(fā)現(xiàn)金融和宏觀經(jīng)濟(jì)活動(dòng)的指標(biāo)是比特幣產(chǎn)生收益的驅(qū)動(dòng)因素；Duc等[19]通過(guò)方差分解，發(fā)現(xiàn)當(dāng)黃金相對(duì)于鉑金的價(jià)格上漲時(shí)，比特幣的收益也隨之上升，同時(shí)黃金和鉑金市場(chǎng)的波動(dòng)率會(huì)影響比特幣的波動(dòng)率且這種關(guān)系呈現(xiàn)時(shí)變依賴性；羅玫等[20]研究了比特幣收益率和道瓊斯指數(shù)滯后收益率之間的相關(guān)性，發(fā)現(xiàn)比特幣市場(chǎng)和股票市場(chǎng)具有顯著的關(guān)聯(lián)性；文獻(xiàn)[21-23]對(duì)比特幣的收益率也做了相應(yīng)的研究。其三，比特幣的風(fēng)險(xiǎn)價(jià)值。Gkillas和Katsiampa[24]研究了5種主要加密貨幣收益率的尾部行為，發(fā)現(xiàn)比特幣和萊特幣是風(fēng)險(xiǎn)最小的加密貨幣；文獻(xiàn)[25-29]也對(duì)比特幣的風(fēng)險(xiǎn)價(jià)值做了相應(yīng)的研究。

基于以上對(duì)比特幣特征的分析，將比特幣作為外生經(jīng)濟(jì)變量，研究其對(duì)股票市場(chǎng)是否會(huì)產(chǎn)生影響，將會(huì)是一個(gè)新穎的和值得深入探討的話題。因此，本文在GARCH-MIDAS體系下，引入比特幣作為外生變量考察其對(duì)我國(guó)股市波動(dòng)性的影響。另外，魏正元等[30]和玄海燕等[31]研究表明，股票收益率并非服從對(duì)稱的正態(tài)分布，而偏斜t分布能夠更好地捕獲股票收益率的非對(duì)稱特征。同時(shí)，Pan等[32]和Wang等[33]發(fā)現(xiàn)股票波動(dòng)率具有非對(duì)稱性即杠桿效應(yīng)。而本文同時(shí)考慮股票市場(chǎng)收益率的非對(duì)稱和波動(dòng)率的非對(duì)稱性對(duì)于我國(guó)股票市場(chǎng)波動(dòng)性的建模是至關(guān)重要的?；谝陨戏治?，本文研究主要從以下幾個(gè)方面展開(kāi)：第一，將標(biāo)準(zhǔn)GARCH-MIDAS模型進(jìn)行擴(kuò)展即分別考慮收益率序列分布函數(shù)的非對(duì)稱性和波動(dòng)率短期成分中的非對(duì)稱性，構(gòu)建雙重非對(duì)稱GARCH-MIDAS(DAGARCH-MIDAS)模型，將比特幣作為外生驅(qū)動(dòng)因素，研究其對(duì)中國(guó)股市波動(dòng)率的影響，填補(bǔ)這方面研究的空白；第二，為了研究這種影響是否受到特殊事件的沖擊，另外考慮兩個(gè)子樣本時(shí)期，分別為2015年中國(guó)股市崩盤期(2014—2016年)和2016年以來(lái)區(qū)塊鏈概念在中國(guó)市場(chǎng)上火熱，其中以比特幣為代表的數(shù)字貨幣的ICO融資在國(guó)內(nèi)的盛行期(2016—2019年)[34]；第三，為了更加深入地理解比特幣對(duì)我國(guó)不同行業(yè)的股票市場(chǎng)的影響，從而造成對(duì)總體股市的沖擊，將上證綜合指數(shù)根據(jù)上證行業(yè)分類指數(shù)分成工業(yè)、商業(yè)、房地產(chǎn)業(yè)、公共事業(yè)和其他行業(yè)等五大行業(yè)股票指數(shù)分別進(jìn)行比較研究；第四，本文通過(guò)以上的分析，為投資者和金融機(jī)構(gòu)分散風(fēng)險(xiǎn)投資，以及為政府部門加強(qiáng)市場(chǎng)監(jiān)管提供理論依據(jù)和更多渠道。

二、模型構(gòu)建及估計(jì)方法

本文使用的雙重非對(duì)稱GARCH-MIDAS模型是在Engle等[5]提出的標(biāo)準(zhǔn)GARCH-MIDAS模型的基礎(chǔ)上構(gòu)建的，雙重非對(duì)稱GARCH-MIDAS模型亦可被看成一種乘性分解的波動(dòng)率模型。

(一)雙重非對(duì)稱GARCH-MIDAS模型

本文構(gòu)造加入外生變量的雙重非對(duì)稱GARCH-MIDAS模型來(lái)分析比特幣對(duì)我國(guó)股市波動(dòng)的影響，股市收益率設(shè)定如下：

(1)

其中，ri,t是第t個(gè)月的第i天的股票收益率，hi,t是股票收益率的波動(dòng)率，zi,t是收益率新息。

為了刻畫股票收益率分布的非對(duì)稱性，假設(shè)收益率新息zi,t服從標(biāo)準(zhǔn)偏斜學(xué)生t分布，如下：

(2)

hi,t=gi,t×τt

(3)

資產(chǎn)的波動(dòng)率hi,t由兩部分組成即短期成分gi,t和長(zhǎng)期成分τt。Pan等[30]和Wang等[31]研究發(fā)現(xiàn)，短期波動(dòng)率分量的非對(duì)稱效應(yīng)比長(zhǎng)期波動(dòng)率分量的杠桿效應(yīng)對(duì)樣本擬合和預(yù)測(cè)效果的影響更為重要。

(4)

其中，gi,t是短期成分，其中1{ }是一個(gè)示性函數(shù)，這意味著如果條件ri-1,t<0滿足，該函數(shù)的值為1，否則為0。通過(guò)對(duì)非對(duì)稱項(xiàng)1{ri-1,t<0}的設(shè)置來(lái)區(qū)分正收益和負(fù)收益對(duì)短期波動(dòng)率實(shí)證結(jié)果的影響。

(5)

由于可獲取的比特幣高頻數(shù)據(jù)是從2014年才開(kāi)始，本文考慮將價(jià)格極差作為波動(dòng)率的代理變量。其一，為了避免樣本總量太小的問(wèn)題；其二，文獻(xiàn)[35-38]表明相對(duì)于已實(shí)現(xiàn)方差RV，價(jià)格極差包含更多的比特幣價(jià)格極端變化的信息，更能夠提高模型的擬合效果。因此，本文的長(zhǎng)期成分選取比特幣的價(jià)格極差RNGi,t作為外生變量進(jìn)行建模。τt是長(zhǎng)期成分，可以由低頻變量比如已實(shí)現(xiàn)波動(dòng)率或者宏觀變量來(lái)描述，系數(shù)θ為比特幣的價(jià)格極差對(duì)股市波動(dòng)率的長(zhǎng)期影響系數(shù)，Pt,h、Pt,l分別為比特幣在t天內(nèi)的最高價(jià)格和最低價(jià)格。另外，K是最大的滯后變量，φk(ω1,ω2)是基于貝塔函數(shù)的權(quán)重方程，表達(dá)式如下：

(6)

(二)參數(shù)估計(jì)方法

由于GARCH-MIDAS模型的條件方差是該模型的參數(shù)和歷史新息的確定性函數(shù)，因此雙重非對(duì)稱GARCH-MIDAS模型的參數(shù)可以通過(guò)經(jīng)典的擬極大似然法估計(jì)得到，其似然函數(shù)可以直接寫出：

(7)

(8)

三、實(shí)證研究

本文選取上證綜合指數(shù)(SSEC)作為我國(guó)整體股票市場(chǎng)的代表，選取分別反映工業(yè)行業(yè)、商業(yè)行業(yè)、房地產(chǎn)行業(yè)、公用行業(yè)和其他綜合行業(yè)的景氣狀況及其股價(jià)整體變動(dòng)狀況的工業(yè)指數(shù)、商業(yè)指數(shù)、地產(chǎn)指數(shù)、公用指數(shù)和綜合指數(shù)作為我國(guó)不同行業(yè)股票市場(chǎng)的代表。另外，比特幣的相關(guān)數(shù)據(jù)可獲取的最早時(shí)間為2011年10月3日，但綜合考慮到比特幣伊始交易的不穩(wěn)定性以及總體實(shí)證樣本的大小，本文選取2012年1月1日到2019年12月24日的比特幣交易數(shù)據(jù)。本文數(shù)據(jù)來(lái)源于Oxford-Man Institutes Realized Library以及bitcoincharts。

(一)描述性統(tǒng)計(jì)分析

圖1顯示了我國(guó)SSEC全樣本期間的收盤價(jià)、收益率、相關(guān)分布以及比特幣的收盤價(jià)和價(jià)格極差。從圖1的日收益率(b)可以觀察到，SSEC的收益率序列在總樣本期間表現(xiàn)出顯著的波動(dòng)率的時(shí)變性和波動(dòng)率的聚集性等特征；從SSEC的經(jīng)驗(yàn)收益率密度(c)和其收益率Q-Q 圖(d)可以發(fā)現(xiàn)，收益率序列具有典型的“尖峰厚尾”和偏離正態(tài)分布的特征；從比特幣的收盤價(jià)(e) 可以看出，比特幣在2017年4月價(jià)格暴漲之后雖有所下降，但仍然維持在一定的高度；從比特幣的價(jià)格極差(f)也可以看出，比特幣價(jià)格極差的時(shí)間序列也具有波動(dòng)率的時(shí)變和聚集等特征。

圖1 SSEC日收盤價(jià)、收益率、分布函數(shù)及比特幣收盤價(jià)、價(jià)格價(jià)差

表1給出了SSEC收益率以及比特幣價(jià)格極差的描述性統(tǒng)計(jì)量，我們發(fā)現(xiàn)SSEC收益率序列左偏(偏度小于0)，尖峰(標(biāo)準(zhǔn)正態(tài)分布的峰度為3)，且Jarque-Bera統(tǒng)計(jì)量顯著，拒絕正態(tài)分布的原假設(shè)，這與圖1的結(jié)論一致，因此SSEC收益率的時(shí)間序列表現(xiàn)出顯著的“尖峰厚尾”特征。另外，比特幣的價(jià)格極差表現(xiàn)出右偏和更高的峰度，同時(shí)Jarque-Bera統(tǒng)計(jì)量非常大，亦拒絕正態(tài)分布的原假設(shè)。由表中ADF檢驗(yàn)(平穩(wěn)性檢驗(yàn))的結(jié)果可以觀察到，不管是SSEC收益率還是比特幣價(jià)格極差序列均在1%的水平內(nèi)顯著拒絕原假設(shè)即這兩個(gè)時(shí)間序列都是平穩(wěn)的，可以進(jìn)行下一步數(shù)據(jù)處理。從表中ARCH效應(yīng)(自相關(guān)性)檢驗(yàn)可以發(fā)現(xiàn)，SSEC收益率、比特幣價(jià)格極差序列均在1%的水平內(nèi)均能夠顯著拒絕無(wú)條件異方差的原假設(shè)即這兩個(gè)時(shí)間序列都存在自相關(guān)性，適用于GARCH類模型的建模。

表1 SSEC收益率、比特幣價(jià)格極差的描述性統(tǒng)計(jì)量

(二)比特幣對(duì)整體股票市場(chǎng)的影響

本文采用上證綜合指數(shù)及其五大行業(yè)指數(shù)和比特幣市場(chǎng)數(shù)據(jù)，基于雙重非對(duì)稱GARCH-MIDAS模型，利用經(jīng)典擬極大似然估計(jì)方法，進(jìn)行以下實(shí)證分析。本文不僅對(duì)2012—2019年的全樣本進(jìn)行研究，還比較分析了總樣本期間的兩個(gè)特殊子樣本：2015年中國(guó)股市崩盤的2014—2016年；2016年開(kāi)始區(qū)塊鏈概念在中國(guó)火熱，使得國(guó)內(nèi)投資者對(duì)基于區(qū)塊鏈技術(shù)的比特幣產(chǎn)生巨大熱情的2016—2019年。

從表2可以觀察到，在全樣本期間，GARCH方程的參數(shù)α和β在1%的水平內(nèi)都是顯著的且α和β之和均接近于1；長(zhǎng)期成分的θ值為0.599 0且在5%的水平內(nèi)顯著，說(shuō)明比特幣波動(dòng)對(duì)中國(guó)股票市場(chǎng)有長(zhǎng)期的正向影響，即中國(guó)股票市場(chǎng)在長(zhǎng)期內(nèi)會(huì)受到比特幣市場(chǎng)的影響，比特幣市場(chǎng)波動(dòng)越大，我國(guó)股票市場(chǎng)收益率的波動(dòng)也會(huì)越大。2014—2016年，除了參數(shù)α不顯著，參數(shù)β和θ均在1%的水平內(nèi)顯著，且θ值為3.820 4，對(duì)我國(guó)股票市場(chǎng)的收益率在長(zhǎng)期內(nèi)的沖擊相對(duì)于總樣本時(shí)期增加了6倍以上，因此長(zhǎng)期內(nèi)會(huì)造成我國(guó)股市更大的波動(dòng)。2016—2019年，參數(shù)α、β和θ均在1%的水平內(nèi)顯著，但值得注意的是，θ值為-0.343 6，說(shuō)明比特幣的成交量和成交價(jià)格的增加對(duì)我國(guó)股票市場(chǎng)有一個(gè)負(fù)向的沖擊，即我國(guó)股票市場(chǎng)的收益率的波動(dòng)并不會(huì)因?yàn)榛趨^(qū)塊鏈技術(shù)的比特幣的火熱交易有更大的波動(dòng)，反而股票市場(chǎng)的收益率波動(dòng)會(huì)偏向于相對(duì)平穩(wěn)的狀態(tài)；波動(dòng)率的非對(duì)稱參數(shù)γ在1%的水平內(nèi)顯著，說(shuō)明在該期間我國(guó)股票市場(chǎng)波動(dòng)率具有顯著的杠桿效應(yīng)。

另外，3個(gè)不同樣本期間的形狀參數(shù)ν和λ都在1%的水平內(nèi)顯著，且ν均大于2，λ均小于1，說(shuō)明我國(guó)股市的收益率序列在不同時(shí)期均具有明顯的“尖峰厚尾”和向左偏斜的非對(duì)稱特征。

表2 參數(shù)估計(jì)結(jié)果：整體股市

圖2分別展示了比特幣對(duì)我國(guó)股票市場(chǎng)在總樣本期和兩個(gè)子樣本期間的真實(shí)波動(dòng)率的代理變量MVt、總波動(dòng)ht和長(zhǎng)期波動(dòng)τt；短期波動(dòng)gt；Beta函數(shù)權(quán)重。從第一列來(lái)看，2014—2016年子樣本期間的長(zhǎng)期波動(dòng)和總波動(dòng)相對(duì)于全樣本期間都明顯更高，其中長(zhǎng)期波動(dòng)明顯受到更大的影響，說(shuō)明比特幣在2015年中國(guó)股市崩盤期間對(duì)我國(guó)股票市場(chǎng)收益率有一個(gè)更大的沖擊，與上表中的結(jié)論相一致。另外，從第三列每一個(gè)樣本期間的Beta函數(shù)權(quán)重圖(橫軸表示滯后階數(shù)，縱軸表示權(quán)重值大小)可以觀察到，比特幣對(duì)我國(guó)股市的影響是具有滯后效應(yīng)的，特別是在2016—2019年樣本期間，比特幣對(duì)我國(guó)股市波動(dòng)的影響在第9個(gè)月之后才產(chǎn)生，并且這種影響從第10個(gè)月開(kāi)始到第12個(gè)月之間近乎呈指數(shù)型增加。

圖2 樣本內(nèi)擬合結(jié)果：整體股市圖

(三)比特幣對(duì)不同行業(yè)股票市場(chǎng)的影響

為了更加深入地理解比特幣對(duì)我國(guó)不同行業(yè)股市波動(dòng)的影響程度及其造成的對(duì)總體股市的沖擊，本文根據(jù)上證行業(yè)分類指數(shù)將SSEC指數(shù)分成工業(yè)、商業(yè)、房地產(chǎn)業(yè)、公共事業(yè)和其他行業(yè)等五大行業(yè)股票指數(shù)，在全樣本期間分別對(duì)這五大行業(yè)進(jìn)行樣本的參數(shù)估計(jì)，研究比較比特幣對(duì)我國(guó)不同行業(yè)股票市場(chǎng)波動(dòng)率的影響，基于5個(gè)不同行業(yè)的樣本參數(shù)估計(jì)結(jié)果展示在表3中。

表3 參數(shù)估計(jì)結(jié)果：不同行業(yè)

從表3可以發(fā)現(xiàn)，對(duì)于參數(shù)α和β，五大行業(yè)均在1%的水平內(nèi)顯著，并且α和β之和均接近于1；對(duì)于長(zhǎng)期成分中的參數(shù)θ，工業(yè)、房地產(chǎn)業(yè)和其他行業(yè)均在5%的水平內(nèi)顯著，商業(yè)在10%的水平內(nèi)顯著，且這四大行業(yè)的θ值的范圍從0.555 2到0.705 5，說(shuō)明比特幣對(duì)以上4個(gè)行業(yè)股票市場(chǎng)的波動(dòng)有著顯著的正向和相似的影響。然而，值得注意的是，公共事業(yè)的長(zhǎng)期參數(shù)θ、ω2和0沒(méi)有顯著性差異，說(shuō)明比特幣對(duì)我國(guó)公共事業(yè)股票市場(chǎng)并沒(méi)有顯著的影響和沖擊。

另外，形狀參數(shù)ν和λ都在1%的水平內(nèi)顯著，只是房地產(chǎn)業(yè)和其他行業(yè)均右偏，工業(yè)、商業(yè)、公共事業(yè)全部左偏，也充分說(shuō)明我國(guó)不同行業(yè)的股票市場(chǎng)的收益率也具有明顯的“尖峰厚尾”和偏斜的非對(duì)稱特征。

圖3和圖4分別展示了比特幣對(duì)我國(guó)工業(yè)、商業(yè)、房地產(chǎn)業(yè)、公共事業(yè)和其他行業(yè)的股票市場(chǎng)波動(dòng)率的影響情況。從圖4中比特幣對(duì)公共事業(yè)的第一行、第二行圖可以觀察到，總波動(dòng)和短期波動(dòng)變化一致，不受長(zhǎng)期成分變化的影響，即比特幣對(duì)我國(guó)公共事業(yè)股票市場(chǎng)沒(méi)有顯著的影響，與上表中的結(jié)論一致。通過(guò)觀察圖3和圖4第三行的Beta函數(shù)權(quán)重圖可以發(fā)現(xiàn)，比特幣對(duì)工業(yè)和其他行業(yè)分布均具有滯后2個(gè)月和滯后1個(gè)月的影響，且這種影響在這之后不斷增加；值得注意的是，比特幣對(duì)商業(yè)和房地產(chǎn)業(yè)股票收益率波動(dòng)的影響是即刻的，均沒(méi)有滯后期，且這種影響在第1個(gè)月內(nèi)達(dá)到最大，在第2個(gè)月時(shí)下降到拐點(diǎn)，之后逐漸平緩衰減，其中，對(duì)房地產(chǎn)行業(yè)股票波動(dòng)的Beta函數(shù)權(quán)重在8個(gè)月后為0，但對(duì)于商業(yè)，在12個(gè)月后Beta函數(shù)權(quán)重仍不為0，仍然還具有一定的影響。

圖3 樣本內(nèi)擬合結(jié)果：工業(yè)、商業(yè)、房地產(chǎn)業(yè)

圖4 樣本內(nèi)擬合結(jié)果：公共事業(yè)和其他行業(yè)

四、結(jié)論

本文運(yùn)用雙重非對(duì)稱GARCH-MIDAS模型不僅研究了比特幣自從穩(wěn)定交易以來(lái)對(duì)中國(guó)整體股票市場(chǎng)在全樣本時(shí)期的影響，還分別研究了比特幣對(duì)中國(guó)股票市場(chǎng)的兩個(gè)重要子樣本時(shí)期(2015年中國(guó)股市崩盤和2016—2019年比特幣所依托的區(qū)塊鏈技術(shù)的火熱期)的影響。另外，為了進(jìn)一步弄清楚比特幣對(duì)我國(guó)不同行業(yè)股市波動(dòng)的影響程度，基于工業(yè)、商業(yè)、房地產(chǎn)業(yè)、公共事業(yè)和其他行業(yè)等五大行業(yè)股票指數(shù)分別進(jìn)行了實(shí)證研究。研究結(jié)果發(fā)現(xiàn)：在全樣本時(shí)期，比特幣對(duì)我國(guó)股票市場(chǎng)有顯著的正向影響，也就是說(shuō)中國(guó)股票市場(chǎng)在長(zhǎng)期內(nèi)會(huì)受到比特幣市場(chǎng)變化的沖擊，比特幣市場(chǎng)波動(dòng)越大，對(duì)我國(guó)股市收益率的波動(dòng)性影響越大；在2015年中國(guó)股市崩盤的子樣本時(shí)期，比特幣對(duì)我國(guó)股票市場(chǎng)也有顯著的正向影響，但這種影響相對(duì)于全樣本期間更加顯著；在2016—2019年的子樣本期間，比特幣對(duì)我國(guó)股市具有顯著的負(fù)向影響，即我國(guó)股票市場(chǎng)的波動(dòng)率并不會(huì)因?yàn)橐员忍貛诺葦?shù)字貨幣所依托的區(qū)塊鏈技術(shù)的火熱有更大的波動(dòng)，反而股票市場(chǎng)的收益率的波動(dòng)會(huì)趨于相對(duì)平穩(wěn)。綜上，我們可以發(fā)現(xiàn)比特幣的波動(dòng)會(huì)對(duì)整體的中國(guó)股市產(chǎn)生相應(yīng)的影響，特別是在中國(guó)股市下行時(shí)，比特幣的劇烈波動(dòng)會(huì)起到顯著的推波助瀾作用。比特幣屬于外來(lái)虛擬貨幣，建議政府部門建立可能的防火墻現(xiàn)貨和衍生品市場(chǎng)，且追求更加透明的監(jiān)管規(guī)則，以增強(qiáng)各種市場(chǎng)參與者的信心，同時(shí)，關(guān)注交易規(guī)則的進(jìn)一步系統(tǒng)性改革和股票市場(chǎng)的有效監(jiān)管,設(shè)置適當(dāng)?shù)母軛U率和證券交易保證金。

比特幣對(duì)我國(guó)工業(yè)、商業(yè)、房地產(chǎn)業(yè)和其他行業(yè)的股票市場(chǎng)均具有顯著的正向且相似的影響，但對(duì)我國(guó)公共事業(yè)股票市場(chǎng)并沒(méi)有顯著的影響和沖擊，這可能是因?yàn)楣彩聵I(yè)屬于我國(guó)的基礎(chǔ)設(shè)施建設(shè)，屬于民生得到國(guó)家政策的扶持和保護(hù)，因此不會(huì)受到市場(chǎng)上諸如比特幣等數(shù)字貨幣的投機(jī)交易行為的沖擊。建議政府部門擴(kuò)大我國(guó)在工業(yè)、商業(yè)、房地產(chǎn)業(yè)和其他行業(yè)等金融工具類別的研發(fā)，提高我國(guó)金融市場(chǎng)抵御比特幣等外生因素波動(dòng)的沖擊，防范金融市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)。另外，政府應(yīng)繼續(xù)堅(jiān)定對(duì)公共事業(yè)的投入，這不僅是一項(xiàng)惠民政策，也可以有效降低金融市場(chǎng)整體風(fēng)險(xiǎn)水平。