本文是一篇金融論文,本文在股票市場(chǎng)和債券市場(chǎng)流動(dòng)性的基礎(chǔ)上,進(jìn)一步引入代表融資流動(dòng)性和貨幣流動(dòng)性的銀行間市場(chǎng),通過研究在金融不確定性影響下,不同金融市場(chǎng)間流動(dòng)性協(xié)同運(yùn)動(dòng)表現(xiàn)變化,為更好地防控金融風(fēng)險(xiǎn),促進(jìn)金融市場(chǎng)穩(wěn)定發(fā)展提供一些參考。
1 導(dǎo)言
1.1 研究背景
2020年初新冠肺炎疫情在全球爆發(fā),不僅為社會(huì)發(fā)展帶來極大影響,同時(shí)也在影響著金融市場(chǎng)的穩(wěn)定。在此重大外部事件的沖擊下,金融市場(chǎng)表現(xiàn)出明顯反應(yīng),單個(gè)金融市場(chǎng)的不穩(wěn)定性存在外溢,進(jìn)一步影響多個(gè)市場(chǎng)的正常運(yùn)行,從而使得全球金融不確定性不斷增加。對(duì)此,美國股市的表現(xiàn)尤為明顯:2020年3月9日,疫情爆發(fā)的高峰期美國股市出現(xiàn)大幅波動(dòng),市場(chǎng)經(jīng)歷自1997年以來的第二次熔斷,并在接下來的幾日不斷觸發(fā)熔斷機(jī)制,道指和標(biāo)普500指數(shù)均創(chuàng)下1987年股災(zāi)以來的最大單日跌幅。
如圖1-1所示,美國VIX恐慌指數(shù)在短期內(nèi)迅速飆升,不確定性程度與2008年金融危機(jī)期間基本持平。這造成股市資產(chǎn)價(jià)格不斷下跌,市場(chǎng)交易活躍度驟減,從而使得市場(chǎng)流動(dòng)性呈現(xiàn)出下降趨勢(shì)。對(duì)此,2020年3月23日,美國開始采取無限量QE(Quantitative Easing)政策為市場(chǎng)及時(shí)注入流動(dòng)性,托底金融資產(chǎn)價(jià)格,穩(wěn)定金融市場(chǎng)。
1.2 研究意義
1.2.1 現(xiàn)實(shí)意義
我國一直將“守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線”、“防范化解重大金融風(fēng)險(xiǎn)”作為我國經(jīng)濟(jì)平穩(wěn)發(fā)展的基礎(chǔ)。其中,流動(dòng)性充足是金融市場(chǎng)健康穩(wěn)定發(fā)展的重要前提,在金融市場(chǎng)穩(wěn)定方面具有重要作用。不同金融市場(chǎng)的流動(dòng)性又會(huì)相互影響,表現(xiàn)出流動(dòng)性協(xié)同。因此,當(dāng)外部發(fā)生各種不確定性沖擊時(shí),單個(gè)市場(chǎng)的流動(dòng)性會(huì)出現(xiàn)明顯波動(dòng)或失衡,這種影響會(huì)通過金融市場(chǎng)間的聯(lián)動(dòng)在不同市場(chǎng)之間傳遞,進(jìn)而形成流動(dòng)性循環(huán),加劇金融市場(chǎng)的震蕩;嚴(yán)重時(shí)將導(dǎo)致整個(gè)金融市場(chǎng)的流動(dòng)性枯竭,系統(tǒng)性金融風(fēng)險(xiǎn)不斷累積,從而引發(fā)金融危機(jī)。然而在危機(jī)期間,政府可能會(huì)采取相應(yīng)的措施調(diào)節(jié)金融市場(chǎng)流動(dòng)性。正如2020年3月,美國金融市場(chǎng)流動(dòng)性迅速降低,系統(tǒng)性金融風(fēng)險(xiǎn)在短期內(nèi)不斷累積,促使美國政府出臺(tái)無限量QE政策救市。
因此,本文研究對(duì)象除了代表市場(chǎng)流動(dòng)性的股票和債券市場(chǎng)流動(dòng)性以外,還考慮了代表融資流動(dòng)性和貨幣流動(dòng)性的銀行間市場(chǎng)流動(dòng)性。通過研究三者在金融不確定性影響下的流動(dòng)性協(xié)同運(yùn)動(dòng)關(guān)系,可以為我國在金融不確定性陡增時(shí)提供比較科學(xué)的宏觀調(diào)控政策制定依據(jù),有助于穩(wěn)定各金融市場(chǎng)流動(dòng)性、防范化解潛在系統(tǒng)性風(fēng)險(xiǎn)。特別是比較深入具體的實(shí)證研究,可以對(duì)宏觀調(diào)控政策的類型、作用市場(chǎng)以及方向和力度提供建議,提高政策的針對(duì)性和有效性。
2 國內(nèi)外文獻(xiàn)綜述
2.1 不確定性的概念與不確定性指數(shù)的構(gòu)建
在不確定性指數(shù)構(gòu)建方面,Bloom(2009)①引入不確定性作為一種隨機(jī)過程,為此利用股票市場(chǎng)數(shù)據(jù)構(gòu)建了VIX指數(shù),即“恐慌指數(shù)”。作者基于股市波動(dòng)的時(shí)變跳躍特征,篩選造成股市波動(dòng)率增加的重要事件,進(jìn)而構(gòu)造出可以反映重大危機(jī)對(duì)股票市場(chǎng)波動(dòng)性影響程度的指數(shù)。Baker et al.(2015)②通過搜索關(guān)鍵詞的方式構(gòu)建經(jīng)濟(jì)政策不確定性指數(shù),具體來說包括:新聞媒體提及經(jīng)濟(jì)政策不確定性的頻率、將在未來一定期限內(nèi)到期的聯(lián)邦稅法條款數(shù)量以及預(yù)測(cè)者未來預(yù)期三個(gè)方面。該指數(shù)在總統(tǒng)大選、911襲擊、雷曼兄弟破產(chǎn)等重大事件上會(huì)表現(xiàn)出明顯跳躍。這兩者分別是當(dāng)前應(yīng)用較多的反映經(jīng)濟(jì)不確定性和經(jīng)濟(jì)政策不確定性的指標(biāo)。
近年來,我國已有一些學(xué)者著手構(gòu)建針對(duì)中國市場(chǎng)的經(jīng)濟(jì)不確定性指數(shù)和金融不確定性指數(shù),主要可以分為以下兩類:
第一類,基于變量的預(yù)測(cè)誤差構(gòu)建不確定性指數(shù)。黃卓等(2018)③通過處理分析大數(shù)據(jù)的方式,基于280個(gè)月度經(jīng)濟(jì)金融變量構(gòu)建金融不確定性指數(shù),發(fā)現(xiàn)該指數(shù)可以較好地預(yù)測(cè)股票市場(chǎng)波動(dòng)。同時(shí)提出,金融市場(chǎng)的波動(dòng)主要來源于金融不確定性。其中,在金融不穩(wěn)定時(shí)期,規(guī)模較大的金融機(jī)構(gòu)面臨的系統(tǒng)性金融風(fēng)險(xiǎn)也會(huì)相應(yīng)增加。王霞和鄭挺國(2020)④基于混頻數(shù)據(jù),包含工業(yè)、投資、消費(fèi)、進(jìn)出口、稅收等領(lǐng)域,構(gòu)建了混頻動(dòng)態(tài)因子模型,并為不同經(jīng)濟(jì)變量賦予不同權(quán)重。在此基礎(chǔ)上形成意外指數(shù)和不確定性指數(shù),同時(shí)形成實(shí)時(shí)信息流。
第二類,基于變量的波動(dòng)率構(gòu)建不確定性指數(shù)。章上峰等(2015)⑤以宏觀經(jīng)濟(jì)景氣指數(shù)的預(yù)警指數(shù)和一致指數(shù)作為代理變量,通過GARCH模型、隨機(jī)波動(dòng)(SV)模型以及馬爾科夫模型,利用AR模型剔除經(jīng)濟(jì)預(yù)期,以估計(jì)得到的方差來測(cè)度宏觀經(jīng)濟(jì)不確定性。王維國和王蕊(2018)①應(yīng)用了增廣因子向量自回歸(FAVAR-SV)模型,剔除可預(yù)測(cè)部分,基于102個(gè)宏觀月度指標(biāo)和56個(gè)行業(yè)指數(shù)兩部分,構(gòu)建宏觀經(jīng)濟(jì)不確定性指數(shù)。馬丹等(2018)②利用大型數(shù)據(jù)直接對(duì)經(jīng)濟(jì)不確定性進(jìn)行測(cè)度,建立包含潛在不可觀測(cè)變量的混頻動(dòng)態(tài)因子隨機(jī)波動(dòng)模型(Mixed-GFSV模型)。其中包括60個(gè)月度指標(biāo)和4個(gè)季度指標(biāo),合成的不確定性指數(shù)可以對(duì)我國宏觀經(jīng)濟(jì)進(jìn)行月度監(jiān)測(cè)。劉玉榮等(2019)③將股票市場(chǎng)收益率波動(dòng)率視為反映金融市場(chǎng)不確定性的代理變量,利用SV模型構(gòu)建金融市場(chǎng)波動(dòng)的不確定性指標(biāo),其認(rèn)為SV模型比GARCH模型在面對(duì)異常值時(shí)更加穩(wěn)健。
2.2 金融市場(chǎng)流動(dòng)性測(cè)度
2.2.1 股票市場(chǎng)流動(dòng)性測(cè)度
在流動(dòng)性測(cè)度問題上,針對(duì)股票市場(chǎng)的研究相對(duì)較多。Amihud(2002)④主要是基于交易價(jià)格、交易量、均衡價(jià)格等因素構(gòu)建了流動(dòng)性測(cè)度指標(biāo)。其構(gòu)建的非流動(dòng)性測(cè)度指標(biāo)ILLIQ可以用以解釋不同股票預(yù)期收益的差異。該指標(biāo)是股票日回報(bào)率絕對(duì)值與日成交量之間的比值,其表示每日股價(jià)對(duì)單位交易量變動(dòng)的反應(yīng)。該指標(biāo)易于計(jì)算,因此可適用性較強(qiáng),可用于較長區(qū)間的時(shí)間序列。Chung and Chuwonganant(2014)⑤針對(duì)股票市場(chǎng)構(gòu)建了報(bào)價(jià)價(jià)差、有效價(jià)差、市場(chǎng)深度指標(biāo)來反映流動(dòng)性,進(jìn)而分析VIX指數(shù)對(duì)股票市場(chǎng)流動(dòng)性的影響。金春雨和張浩博(2016)⑥參考Amihud的方法,構(gòu)建LIQ作為流動(dòng)性指標(biāo),用以反映單位日價(jià)格變動(dòng)下行業(yè)指數(shù)成交金額大小。并基于BVAR模型發(fā)現(xiàn)不同行業(yè)的流動(dòng)性均會(huì)對(duì)其他行業(yè)產(chǎn)影響,只是溢出程度存在差異。董小紅和劉向強(qiáng)(2020)①認(rèn)為經(jīng)濟(jì)政策不確定性會(huì)通過影響投資者的投資行為間接影響股票市場(chǎng)流動(dòng)性。作者使用非流動(dòng)指標(biāo)(ILLIQ)衡量股票市場(chǎng)流動(dòng)性,該指標(biāo)衡量了單位交易額對(duì)應(yīng)股票價(jià)格變化的程度。作者發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性增加,會(huì)擴(kuò)大信息不對(duì)稱,使得投資者在交易過程中要求更高的報(bào)酬率并對(duì)損失有更強(qiáng)的感知力,進(jìn)而增加股票流動(dòng)性的成本。譚德凱等(2020)②同樣利用了ILLIQ指標(biāo),但其認(rèn)為日度收益率可能會(huì)包含許多不必要的非交易因素信息,因此將分子的收益率替換為價(jià)格振幅。
3 相關(guān)概念及理論基礎(chǔ) .............................. 17
3.1 不確定性的概念 ................................... 17
3.2 金融市場(chǎng)流動(dòng)性的概念 ................................ 18
4 實(shí)證研究設(shè)計(jì) ..................................... 27
4.1 研究設(shè)計(jì)思路 ....................................... 27
4.2 混頻DCC-GARCH模型簡(jiǎn)介 ............................... 27
5 變量構(gòu)造與描述性統(tǒng)計(jì)分析 ................................ 33
5.1 樣本選取及數(shù)據(jù)來源 .......................... 33
5.2 金融不確定性指數(shù)構(gòu)建 ......................... 33
6 實(shí)證研究結(jié)果分析
6.1 金融不確定性對(duì)金融市場(chǎng)流動(dòng)性波動(dòng)的影響
本文首先構(gòu)建包含外生變量影響的GARCH-MIDAS-CXD模型,分析在金融不確定性的影響下,股票市場(chǎng)、銀行間市場(chǎng)、債券市場(chǎng)流動(dòng)性各自的波動(dòng)變化。同時(shí),中國的金融市場(chǎng)結(jié)構(gòu)一直在快速變化中,導(dǎo)致金融市場(chǎng)流動(dòng)性變化存在較為明顯的結(jié)構(gòu)性特征,在不同的金融階段將呈現(xiàn)出不同的流動(dòng)性特征。通過5.3的分析可知,三個(gè)市場(chǎng)的流動(dòng)性在2018年之后均明顯提升。因此,根據(jù)式6-2,本文以2018年作為節(jié)點(diǎn),將2018年之前的時(shí)間段對(duì)應(yīng)的虛擬變量D設(shè)置為0,將2018年之后的時(shí)間段對(duì)應(yīng)的虛擬變量D設(shè)置為1。在包含已實(shí)現(xiàn)波動(dòng)率(RV)、金融不確定性(X)兩個(gè)部分的基礎(chǔ)上,將虛擬變量引入到模型中。本文將已實(shí)現(xiàn)波動(dòng)率和金融不確定性的滯后期設(shè)定為12,即vK=12,滯后期為一年。具體估計(jì)結(jié)果如下:
7 結(jié)論及政策建議
7.1 結(jié)論
流動(dòng)性充足是金融市場(chǎng)健康穩(wěn)定發(fā)展的重要前提,在金融市場(chǎng)穩(wěn)定方面具有重要作用。由于不同金融市場(chǎng)之間存在緊密聯(lián)系,當(dāng)外部發(fā)生各種不確定性沖擊時(shí),單個(gè)市場(chǎng)流動(dòng)性表現(xiàn)出的波動(dòng)或失衡,會(huì)通過金融市場(chǎng)間的聯(lián)動(dòng)在不同市場(chǎng)之間傳遞,進(jìn)而形成流動(dòng)性循環(huán),加劇金融市場(chǎng)的震蕩;嚴(yán)重時(shí)將導(dǎo)致整個(gè)金融市場(chǎng)的流動(dòng)性枯竭,系統(tǒng)性金融風(fēng)險(xiǎn)不斷累積,從而引發(fā)金融危機(jī)。因此,本文在股票市場(chǎng)和債券市場(chǎng)流動(dòng)性的基礎(chǔ)上,進(jìn)一步引入代表融資流動(dòng)性和貨幣流動(dòng)性的銀行間市場(chǎng),通過研究在金融不確定性影響下,不同金融市場(chǎng)間流動(dòng)性協(xié)同運(yùn)動(dòng)表現(xiàn)變化,為更好地防控金融風(fēng)險(xiǎn),促進(jìn)金融市場(chǎng)穩(wěn)定發(fā)展提供一些參考。
第一,本文構(gòu)建的St、Shibort、Liqt三個(gè)流動(dòng)性指標(biāo)可以較好地反映我國股票市場(chǎng)、銀行間市場(chǎng)及債券市場(chǎng)的流動(dòng)性變化。在不確定性較大的2013年“錢荒”、歐債危機(jī)、2015年“股災(zāi)”及2020年以后新冠疫情時(shí)期,股票市場(chǎng)、銀行間市場(chǎng)及債券市場(chǎng)流動(dòng)性都會(huì)出現(xiàn)不同程度的增加。在發(fā)生重大金融危機(jī)和股市暴跌時(shí),我國政府一般會(huì)采取救市措施;銀行間市場(chǎng)流動(dòng)性受SHIBOR利率影響明顯,會(huì)在因受重大外部事件沖擊出現(xiàn)短暫緊缺后,又呈現(xiàn)出流動(dòng)性增加的趨勢(shì),并且股票市場(chǎng)和債券市場(chǎng),在流動(dòng)性的變化上類似。同時(shí),自2018年以來,三個(gè)市場(chǎng)的流動(dòng)性規(guī)模都有所增加,存在明顯的結(jié)構(gòu)性變化。
第二,在不同的金融階段,金融市場(chǎng)流動(dòng)性波動(dòng)的表現(xiàn)具有非對(duì)稱性。在金融不確定性增加的時(shí)期,股票市場(chǎng)往往已經(jīng)發(fā)生流動(dòng)性驟降,因此波動(dòng)性較低;銀行間市場(chǎng)、債券市場(chǎng)流動(dòng)性波動(dòng)會(huì)增加。
第三,金融不確定性的增加會(huì)減弱股票市場(chǎng)與銀行間市場(chǎng),股票市場(chǎng)與債券市場(chǎng)流動(dòng)性相關(guān)性,增強(qiáng)銀行間市場(chǎng)與債券市場(chǎng)流動(dòng)性相關(guān)性,這也進(jìn)一步說明我國股債兩市之間存在“避險(xiǎn)行為”。因此,我國金融市場(chǎng)間流動(dòng)性存在協(xié)同運(yùn)動(dòng),當(dāng)面臨外部不確定性沖擊時(shí),銀行間市場(chǎng)起到明顯的流動(dòng)性調(diào)節(jié)作用。政府可能會(huì)通過貨幣政策調(diào)節(jié)銀行間市場(chǎng)流動(dòng)性,進(jìn)而在“避險(xiǎn)行為”的影響下,新增的流動(dòng)性會(huì)更多地流向債券市場(chǎng)而非股票市場(chǎng),因此“救市”行為的效果是有限的。
參考文獻(xiàn)(略)
相關(guān)文章
UKthesis provides an online writing service for all types of academic writing. Check out some of them and don't hesitate to place your order.