鄧?yán)? 熊海芳

摘要：宏觀經(jīng)濟(jì)信息的沖擊不僅會直接影響金融市場的聯(lián)合波動，而且會通過隔夜信息影響市場的跳躍?；诟哳l數(shù)據(jù)下的非參數(shù)跳躍檢驗方法，考察滬深300指數(shù)和股指期貨價格的共同跳躍和隔夜特征，研究發(fā)現(xiàn)：兩個市場間存在顯著的共同跳躍，不同方向的共同跳躍對波動的預(yù)測表現(xiàn)出顯著的非對稱性;跳躍的隔夜特征較為明顯，且隔夜共跳能夠顯著增強(qiáng)次日波動。股指期貨與現(xiàn)貨市場的共跳通常由影響整個市場的宏觀信息沖擊所致，且大多數(shù)共跳與隔夜信息的發(fā)布和積累相關(guān)。為避免市場過度震蕩，實現(xiàn)金融穩(wěn)定，政府機(jī)構(gòu)和企業(yè)應(yīng)控制在非交易時段公布宏觀政策舉措或經(jīng)濟(jì)信息的頻率，并降低政策導(dǎo)向的不確定性。

關(guān)鍵詞：隔夜共跳;非對稱性;波動預(yù)測;宏觀信息沖擊

中圖分類號：F830.91文獻(xiàn)標(biāo)志碼：A文章編號：1674-8131（2019）04-0064-12

一、引言

金融市場的波動性是衍生品定價和風(fēng)險管理要考慮的重要因素，也是國內(nèi)外學(xué)者研究的熱點。資產(chǎn)價格的異常波動不僅直接威脅國內(nèi)金融市場的穩(wěn)定與經(jīng)濟(jì)社會的發(fā)展，而且容易引發(fā)系統(tǒng)性金融風(fēng)險，甚至波及全球股市和重要原材料市場等領(lǐng)域。Mish Kin提出金融穩(wěn)定的概念，即金融體系能夠?qū)①Y金有效融通給有生產(chǎn)性投資機(jī)會的部門。近年來的研究觀點認(rèn)為資產(chǎn)價格波動能通過銀行信貸、銀行資本金和金融環(huán)境等因素影響金融穩(wěn)定。在倡導(dǎo)不斷開放和提高效率的經(jīng)濟(jì)形勢下，如何應(yīng)對資產(chǎn)價格波動，對金融風(fēng)險實施控制和防范，是維護(hù)我國金融體系穩(wěn)定的核心問題。

根據(jù)有效市場假說，宏觀經(jīng)濟(jì)信息的發(fā)布與政策的變動會迅速影響整個市場并反映到價格的聯(lián)合波動之中，宏觀信息沖擊與資產(chǎn)收益的方差存在顯著關(guān)系。Flannery等（2002）基于GARCH簇模型的分析表明宏觀信息公告對美國股市收益率和波動性存在顯著影響[1]。Wongswan（2006）的研究顯示宏觀信息發(fā)布的30分鐘內(nèi)會引發(fā)股市的大幅波動[2]。Kim等（2004）分析了6種政府定期經(jīng)濟(jì)數(shù)據(jù)發(fā)布對美國三大金融市場的影響，指出資產(chǎn)價格僅對未預(yù)期的宏觀信息做出反應(yīng)[3]。Golosten 和Milgrom（1985）將市場消息分為引起價格平滑變化的正常消息和引發(fā)價格非連續(xù)變化（跳躍）的異常消息，認(rèn)為兩者共同決定了資產(chǎn)收益率的分布[4]。隨著高頻交易數(shù)據(jù)獲取技術(shù)的發(fā)展，對資產(chǎn)價格變動尤其是跳躍信息的捕捉變得更加精確。一方面，通過跳躍的有效識別研究宏觀信息尤其是異常沖擊對市場波動的影響成為新的研究視角;另一方面，各種衍生產(chǎn)品的活躍和金融市場一體化的趨勢使得市場間的聯(lián)動關(guān)系和風(fēng)險傳導(dǎo)機(jī)制受到關(guān)注，資產(chǎn)價格的共跳性也日益成為金融計量領(lǐng)域重要的前沿問題。股指期貨和現(xiàn)貨市場的價格共跳一般與影響整個市場的宏觀信息沖擊有關(guān)，研究兩個市場之間的共跳和波動特征不僅可以幫助金融監(jiān)管者和政策制定者了解風(fēng)險來源和建立預(yù)警機(jī)制，而且可以為投資者優(yōu)化決策、規(guī)避風(fēng)險提供指導(dǎo)。

信息的傳遞與擴(kuò)散是金融市場產(chǎn)生波動的內(nèi)在原因之一。由于日內(nèi)交易時間的有限，股市在閉市期間積累了大量隔夜信息。一方面，為了市場穩(wěn)定，政府和上市公司通常選擇在非交易時間公開宏觀政策及指標(biāo)類信息，包括財政政策、貨幣政策和經(jīng)濟(jì)指標(biāo)數(shù)據(jù)等;另一方面，由于時差的原因，原油、黃金和股票等海外市場釋放的價格波動信息也屬于隔夜信息的范疇。這些信息通過次日開盤的集合競價機(jī)制反映到市場，引起最優(yōu)投資結(jié)構(gòu)發(fā)生不同于收盤時的變化，此時價格變動幅度往往較大，市場波動明顯。跳躍過程決定了隔夜收益的價格擴(kuò)散部分，隔夜共跳成為系統(tǒng)性宏觀信息沖擊最直接的反映，分析共跳的隔夜特征對研究系統(tǒng)性隔夜沖擊與市場波動和金融穩(wěn)定之間的關(guān)系具有重要意義。

二、文獻(xiàn)綜述

基于包含更多日內(nèi)信息的高頻數(shù)據(jù)進(jìn)行波動率建模有助于對金融資產(chǎn)波動率的預(yù)測。Andersen等（2001）提出了已實現(xiàn)方差（realized bipower variance， RV）的方法估計高頻波動率，并發(fā)現(xiàn)已實現(xiàn)方差和協(xié)方差具有較強(qiáng)的記憶性[5]。Corsi（2009）提出了形式更簡單、能描述長記憶性和具有樣本外預(yù)測能力的異質(zhì)自回歸已實現(xiàn)方差模型（HAR-RV）[6]。經(jīng)驗證據(jù)表明，無論是已實現(xiàn)方差還是異質(zhì)自回歸已實現(xiàn)方差，跳躍成分對其預(yù)測都有重要影響。Zhou和Zhu（2012）研究發(fā)現(xiàn)考慮跳躍成分能夠改進(jìn)投資組合波動率的樣本內(nèi)和樣本外預(yù)測[7]。對于異質(zhì)自回歸已實現(xiàn)方差，Andersen等（2007）在HAR-RV模型中引入跳躍因子并發(fā)現(xiàn)跳躍對波動的預(yù)測具有顯著的負(fù)向影響[8]。龔旭等（2017）將HAR-RV模型按頻率分解并加入跳躍成分，結(jié)果發(fā)現(xiàn)新構(gòu)建的HAR-RV-EMD-J模型對未來波動的預(yù)測能力比較好[9]。

國內(nèi)外學(xué)者在研究跳躍引發(fā)機(jī)制的過程中發(fā)現(xiàn)宏觀信息的發(fā)布能夠有效地解釋跳躍行為。Lee（2012）的研究顯示股市跳躍通常發(fā)生于宏觀經(jīng)濟(jì)信息發(fā)布之后[10]。Johanned（2004）和Dungey（2009）等指出宏觀信息的未預(yù)期部分即真實值與預(yù)期值之間的差異才是跳躍發(fā)生的關(guān)鍵[1112]。Thomakos（2008）研究了美國利率期貨市場的波動性和相關(guān)性，實證顯示利率期貨市場的大多數(shù)跳躍都與宏觀經(jīng)濟(jì)信息沖擊有關(guān)[13]。Cui和Zhao（2015）對中國債券市場的分析亦表明多個未預(yù)期到的宏觀信息沖擊對債券市場的跳躍概率存在顯著影響[14]。

Barndorff-Nielsen和Shephard（2004）的研究使共同跳躍成分從二次協(xié)方差中分離出來，不同資產(chǎn)或不同市場之間的價格共跳（Cojumps）成為研究熱點[15]。Bollerslev等（2008）基于兩兩交叉構(gòu)建了共同跳躍的BLT檢驗方法，分析發(fā)現(xiàn)個股之間的共同跳躍導(dǎo)致了市場指數(shù)的跳躍[16]。Gilder等（2014）采用超限準(zhǔn)則和BLT方法探討了個股與市場組合的共跳行為[17]。Bollerslev等（2008）研究的結(jié)果與這一結(jié)論很相似[15]。Wang等（2015）采用非參數(shù)方法分析發(fā)現(xiàn)，將反映共跳信息的跳躍協(xié)變差（Jump Covariance，JCOV）加入二元HAR模型中能夠明顯提高已實現(xiàn)協(xié)方差的預(yù)測精度[18]。瞿慧和紀(jì)萍（2016）研究發(fā)現(xiàn)，引入共跳強(qiáng)度可以提升對協(xié)方差的擬合和預(yù)測精度。由此可見，識別共跳并將其引入?yún)f(xié)方差模型對提高預(yù)測精度具有重要作用[19]。

同時，學(xué)者們還對共跳發(fā)生的原因進(jìn)行了研究，大多數(shù)實證結(jié)果顯示從宏觀信息沖擊的角度出發(fā)至少能部分解釋共跳的發(fā)生。Dungey和Hvozdyk（2012）、Gilder等（2014）的研究都發(fā)現(xiàn)共跳的發(fā)生與宏觀經(jīng)濟(jì)信息的發(fā)布關(guān)系密切[20][17]。Lahaye等（2011）采用Tobit-GARCH和Probit模型專門探討了宏觀信息發(fā)布與各類資產(chǎn)價格共同跳躍的關(guān)系，結(jié)果顯示美國的非農(nóng)數(shù)據(jù)和美聯(lián)儲聯(lián)邦基金目標(biāo)利率公告對所有資產(chǎn)的跳躍和共跳都有較大影響[21]。Chatrath等（2014）的研究發(fā)現(xiàn)了貨幣市場22%～56%的跳躍和共跳能被宏觀政策發(fā)布所解釋[22]，Winkelmann等（2016）還進(jìn)一步提出了新的方法來檢驗貨幣政策沖擊與共跳之間關(guān)系[23]。

資產(chǎn)價格波動的一個重要特征是杠桿效應(yīng)，即負(fù)向波動比正向波動的影響更大。左浩苗和劉振濤（2011）在波動的非對稱性檢驗中發(fā)現(xiàn)，跳躍尤其是負(fù)向跳躍能更準(zhǔn)確地反映杠桿效應(yīng)并提高對波動的預(yù)測效果[24]。趙華和秦可佶（2014）研究發(fā)現(xiàn)，宏觀信息對股價跳躍有顯著影響，正向沖擊會降低跳躍概率，負(fù)向沖擊會增加跳躍概率[25]。但上述關(guān)于非對稱性的研究僅包含了跳躍的情況，并沒有考慮共同跳躍的方向問題。

另外，Andersen等（2011）的研究表明考慮隔夜因素的影響對波動的預(yù)測具有重要意義[26]。孫潔（2014）建立了同時考慮連續(xù)、跳躍和隔夜三個部分的HAR-CJN模型，并發(fā)現(xiàn)其對波動的預(yù)測優(yōu)于HAR-RV模型[27]。然而，Wang等（2015）、瞿慧和紀(jì)萍（2016）在考慮共同跳躍的預(yù)測作用時不僅沒有區(qū)分跳躍的符號，也沒有考慮隔夜信息[18-19]。同時，既往研究在考慮隔夜信息對波動率建模和預(yù)測的時候，大多集中于隔夜收益和隔夜波動兩種形式，對隔夜跳躍的研究涉及很少。鑒于此，本文將進(jìn)一步考察隔夜因素對共跳識別和波動預(yù)測的影響。

通過上述文獻(xiàn)的綜述可知，既往關(guān)于宏觀信息發(fā)布與價格波動之間關(guān)系的研究大多是直接以具體宏觀經(jīng)濟(jì)指標(biāo)數(shù)據(jù)為樣本，無法對經(jīng)濟(jì)信息的來源及性質(zhì)進(jìn)行區(qū)分，方法也比較單一。本文選擇從共同跳躍的角度出發(fā)，通過跳躍和共跳的有效識別研究不同性質(zhì)的宏觀經(jīng)濟(jì)信息沖擊對價格波動的影響。與現(xiàn)有研究單獨考察跳躍、杠桿效應(yīng)、共跳和隔夜信息不同，本文將在非參數(shù)檢驗方法基礎(chǔ)上綜合考慮共跳、杠桿效應(yīng)與隔夜信息對高頻波動的預(yù)測效果進(jìn)行研究。本文的創(chuàng)新之處在于：第一，在共跳中考慮系統(tǒng)性跳躍的方向。國內(nèi)對多個資產(chǎn)高頻共跳的研究并不多，而且很少考慮其方向，本文的重要改進(jìn)就在于分別考察正負(fù)方向的共跳行為。第二，考慮隔夜信息和隔夜共跳的重要影響，在估計已實現(xiàn)方差時將隔夜收益也計算在內(nèi)，從而識別出所有的日內(nèi)跳躍和隔夜跳躍。

三、共跳的非參數(shù)檢驗與模型設(shè)定

1.基于非參數(shù)方法的共跳檢驗

在金融市場不存在風(fēng)險套利的前提下，股票t時刻的對數(shù)價格向量P（t）是服從以下多維連續(xù)跳躍擴(kuò)散過程的特殊半鞅：

dP（t）=μ（t）dt+σ（t）dW（t）+κ（t）dQ（t）σ（t）σ（t）′=Ω（t）（1）

式中，μ（t）是N×1的漂移項，σ（t）是N×1的隨機(jī)波動項，W（t）是N維標(biāo)準(zhǔn)布朗運動，Ω（t）為N×N的正定擴(kuò)散矩陣且嚴(yán)格平穩(wěn)。Q（t）是統(tǒng)計跳躍次數(shù)的泊松計數(shù)過程，其時變強(qiáng)度為λ（t）且滿足P[dQ（t）=1]=λ（t）dt，用κ（t）=P（t）-P（t-）衡量各資產(chǎn)跳躍幅度大小。定義對數(shù)收益率向量記號r（t+δ，δ）=P（t+δ）-P（t），δ>0為時間間隔。在適當(dāng)?shù)牟蓸宇l率下，設(shè)第t日內(nèi)（從時刻t-1到時刻t）共有M次收益率：

r（t-1+i/M，1/M）=P（t-1+i/M）-P（t-1+（i-1）/M）i=1，2，...，M

資產(chǎn)的已實現(xiàn)方差具體定義為：

RVt（i，i）=∑Mj=1 ri（t-1+j/M，1/M）?2（2）

根據(jù)It定理及二次變差的性質(zhì)可知：

plimM→∞RVt=Δ[r，r]t=∫?tt-1σ?2（s）ds +∑t-1

此時，波動率分解為連續(xù)波動成分和離散跳躍成分兩部分。在實際交易中真實的波動率是不可測度的，能夠獲得的只有離散數(shù)據(jù)，（3）式表明已實現(xiàn)方差是二次變差的有效估計。

由于RV對跳躍的穩(wěn)健性較差，Barndorff-Nielsen和Shephard（2004）提出用已實現(xiàn)雙冪次變差（realized bipower variation， BV）來度量積分波動率（integrated volatility， IV），并證明無論是否存在跳躍BV都是積分波動率的一致估計，從而實現(xiàn)了連續(xù)波動成分的離散度量[15]。

BVt=μ-21MM-1∑Mj=2r（t-1+j/M，1/M）r（t-1+（j-1）/M，1/M）

（4）

在此基礎(chǔ)上分離出跳躍成分：

Jt=RVt-BVtM→∞∑t-1

本文采用Barndorff-Nielsen和Shephard（2006）[28]提出的對數(shù)形式統(tǒng)計量來檢驗第t日是否發(fā)生跳躍：

lgZt=lgRVt-lgBVtπ2?2+π-51Mmax 1，TPVtBV?2t（6）

BNS方法是實證應(yīng)用最廣的檢驗跳躍存在與否的計量方法，但BNS方法只能檢驗發(fā)生跳躍的交易日，而日內(nèi)有限活性的大跳躍可能是多次的，因此，Andersen等（2010）提出序列跳躍剝離（S-BNS）方法進(jìn)一步識別每次跳躍發(fā)生的具體時刻點及跳躍幅度[29]。其基本思想為：首先根據(jù)BNS檢驗識別出存在跳躍的某交易日，并找出絕對值最大的收益率作為日內(nèi)跳躍;剔除該跳躍后計算調(diào)整的RV等變量并重新進(jìn)行BNS檢驗，重復(fù)以上步驟直至不再拒絕沒有跳躍的原假設(shè)為止，從而識別出所有跳躍。

記第t日內(nèi)k時刻點發(fā)生的跳躍為：

Jt，k=maxt-1Φ-11-α）（7）

在單次跳躍識別（S-BNS）基礎(chǔ)上，參考Gilder等（2014）[17]提出的同步發(fā)生準(zhǔn)則對股指期貨和現(xiàn)貨兩個市場同時發(fā)生的跳躍（即共跳）進(jìn)行檢驗。定義第t日內(nèi)k時點發(fā)生的共跳為：

COJt，k=I（J?St，k∩J?Ft，k）k=1，2，...，M（8）

其中，I（·）為示性函數(shù)（取值為0或1），J?St，k與J?Ft，k分別代表股指現(xiàn)貨與期貨的跳躍時點。

2.跳躍協(xié)變差

根據(jù)定義，第t日內(nèi)股指期貨與現(xiàn)貨市場的已實現(xiàn)協(xié)變差為：

RCOVt=∑Mk=1 r?St，kr?Ft，k（9）

其中rt，k=r（t-1+k/M，1/M）。參照Wang等（2015）的研究[17]，從已實現(xiàn)協(xié)變差中提取跳躍協(xié)變差因子，用以度量共跳對已實現(xiàn)協(xié)變差的貢獻(xiàn)，即：

JCOVt=∑Mk=1 J?St，kJ?Ft，k（10）

定義正向跳躍協(xié)變差（JCOV?+）和負(fù)向跳躍協(xié)變差（JCOV?-）如下：

JCOV?+t=∑Mk=1 J?St，kJ?Ft，kI（Jt，k>0）（11）

JCOV?-t= ∑Mk=1 J?St，kJ?Ft，kI（Jt，k<0）（12）

由于共跳在一定程度上能夠被歷史宏觀信息的發(fā)布所解釋，因此不同方向的共跳對應(yīng)不同性質(zhì)的信息沖擊，其中正向跳躍協(xié)變差和負(fù)向跳躍協(xié)變差分別對應(yīng)利好消息和利空消息的影響。

3. HAR—RV（RCOV）—JCOV—D預(yù)測模型

Corsi（2009）基于自相關(guān)特征提出HAR-RV和HAR-RCOV模型[6]：

RVt+1=γ0+γdRVt+γwRVt-5，t+γmRVt-22，t+εt+1（13）

RCOVt+1=γ0+γdRCOVt+γwRCOVt-5，t+γmRCOVt-22，t+ωt+1（14）

其中，Xt-l，t≡（Xt+Xt-1+...+Xt-l+1）/ll=1，5，22

Xt、Xt-5，t和Xt-22，t分別代表滯后一期的日、周和月累積平均已實現(xiàn)（協(xié)）方差。將下一期已實現(xiàn)（協(xié)）方差作為解釋變量進(jìn)行建模和預(yù)測，從而很好地描述了RV和RCOV的長記憶特征。為研究共跳因素對預(yù)測模型的影響，Wang等（2015）[18]從已實現(xiàn)協(xié)方差內(nèi)提取反映共同跳躍的跳躍協(xié)變差因子JCOV，并建立了HAR-RV（RCOV）-JCOV模型：

RVt+1=γ0+γdRVt+γwRVt-5，t+γmRVt-22，t+γjJCOVt+εt+1（15）

RCOVt+1=γ0+γdRCOVt+γwRCOVt-5，t+γmRCOVt-22，t+γjJCOVt+ωt+1（16）

為了考察共跳對波動非對稱的杠桿效應(yīng)是否也具有解釋能力，對JCOV進(jìn)一步分解后得到：

RVt+1=γ0+γdRVt+γwRVt-5，t+γmRVt-22，t+γj1JCOV?+t+γj2JCOV?-t+εt+1（17）

RCOVt+1=γ0+γdRCOVt+γwRCOVt-5，t+γmRCOVt-22，t+γj1JCOV?+t+γj2JCOV?-t+ωt+1（18）

記式（17）和（18）分別為HAR-RV-JCOV-D和HAR-RCOV-JCOV-D模型。實證分析中為了提高精確度，對于波動率的建模和預(yù)測使用更多的是對數(shù)已實現(xiàn)波動率形式，因此，對（13）～（18）式都采用兩邊變量取對數(shù)的對數(shù)HAR模型。

四、數(shù)據(jù)說明及描述性統(tǒng)計分析

大多數(shù)文獻(xiàn)認(rèn)為選擇5分鐘的取樣頻率是最優(yōu)的，因此，本文采用5分鐘高頻數(shù)據(jù)對已實現(xiàn)方差和協(xié)方差進(jìn)行分析。本文選取滬深300指數(shù)和滬深300股指期貨當(dāng)月連續(xù)合約的5分鐘高頻交易數(shù)據(jù)為研究對象，樣本覆蓋范圍從2013年2月5日到2017年11月29日，數(shù)據(jù)來源為標(biāo)普永華高頻數(shù)據(jù)庫，實證工具主要包括Eviews和Matlab等應(yīng)用軟件。考慮受股價漲跌幅限制的影響，日內(nèi)交易的波動可能滯后到下一交易日的隔夜收益中去，在計算日內(nèi)高頻收益和已實現(xiàn)波動指標(biāo)時將隔夜收益也包含在內(nèi)。因此，去掉節(jié)假日及日內(nèi)數(shù)據(jù)不完整的記錄，研究對象總計覆蓋1 169 個交易日，每個交易日產(chǎn)生48個收益觀測記錄，數(shù)據(jù)總量達(dá)到56 112 個。高頻收益率仍選取對數(shù)形式。為了避免數(shù)據(jù)異常值的影響，本文對具有連續(xù)特征的變量在1%水平下進(jìn)行縮尾處理。

表1顯示了各對數(shù)序列的描述性統(tǒng)計量，其中JB為Jarque-Bera統(tǒng)計量，Q（n）表示滯后階數(shù)為n的Ljung-Box Q統(tǒng)計量，ADF為單位根檢驗。由表1可知，采用對數(shù)形式的各波動指標(biāo)和跳躍協(xié)變差序列相對來說更加服從正態(tài)分布，但所有序列仍存在一定程度的“右偏”和“尖峰厚尾”特征，且JB統(tǒng)計量顯示拒絕服從正態(tài)分布的原假設(shè);除了JCOV?+，各已實現(xiàn)波動和跳躍序列在不同滯后期內(nèi)均表現(xiàn)出顯著的自相關(guān)性，符合長記憶性時間序列模型的假定。同時，考慮到波動率的對數(shù)差分序列是其增長率的近似，對月度累積平均已實現(xiàn)波動序列作一階對數(shù)差分處理;根據(jù)ADF檢驗結(jié)果顯示表1各序列都是平穩(wěn)的，可以進(jìn)行建模和進(jìn)一步實證分析。

五、實證結(jié)果

1. 跳躍和共同跳躍的特征

（1）日內(nèi)跳躍

表2提供了樣本期內(nèi)所有跳躍與共同跳躍的統(tǒng)計特征。首先，股指期貨價格發(fā)生跳躍的天數(shù)要大于現(xiàn)貨價格，且無論正向還是負(fù)向跳躍，期貨跳躍的均值（絕對值）和標(biāo)準(zhǔn)差均大于現(xiàn)貨跳躍，表明期貨市場波動更加劇烈，風(fēng)險程度也更高。一方面，期貨交易實行保證金制度，這種特殊的交易機(jī)制具有杠桿放大作用，在放大收益的同時也放大了風(fēng)險;另一方面，期貨合約的遠(yuǎn)期性決定了未來不確定因素的增加，影響現(xiàn)貨市場的各種因素也可能導(dǎo)致期貨市場的波動。雖然跳躍本身發(fā)生的概率不大，但是共同跳躍在總跳躍中占據(jù)的比例即共跳概率卻不?。ǚ謩e為30.394%和32.994%），在表3中共跳在隔夜跳躍中所占的比例更高（分別達(dá)到59.135%和49.200%）。這說明共同跳躍的發(fā)生不是偶然現(xiàn)象，它是顯著存在的，將反映共跳信息的因子作為一個單獨的影響因素加以研究具有一定的實際依據(jù)。

（2）隔夜跳躍

從表3可以看到，兩個市場隔夜跳躍的數(shù)量分別占總跳躍數(shù)量的39.024%和50.916%，且隔夜跳躍的均值（絕對值）和標(biāo)準(zhǔn)差均高于表2的整體水平，說明相比日內(nèi)跳躍，隔夜跳躍不僅具有更高的跳躍頻率，而且具有更大的跳躍幅度和更強(qiáng)的波動特征。從表中還可以看到，大約85.417%左右的共跳（約72.289%的正向共跳和79.747%的負(fù)向共跳）發(fā)生在隔夜收益中，發(fā)生在日內(nèi)的共跳數(shù)量則相對較少，且隔夜共跳的概率高于表2中的總體共跳概率，表明共同跳躍的發(fā)生具有明顯的隔夜特征。政府機(jī)構(gòu)和企業(yè)通常選擇在非交易時段公布宏觀政策舉措或經(jīng)濟(jì)信息，且國際市場的價格波動受時差影響也經(jīng)常發(fā)生在國內(nèi)股市收盤之后，因此大多數(shù)共跳與隔夜信息的發(fā)布和積累相關(guān)。

2. HAR-RV（RCOV）模型的參數(shù)估計

對現(xiàn)貨市場，記式（13）（15）和（17）分別為MS1、MS2和MS3模型;對期貨市場，記式（13）（15）和（17）分別為MF1、MF2和MF3模型;記式（14）（16）和（18）分別為MC1、MC2和MC3模型。表4至表6分別報告了樣本期內(nèi)此三類模型的回歸結(jié)果。

考慮到共跳的隔夜特征，本文在非對稱性基礎(chǔ)上還考察了隔夜共跳對波動的預(yù)測作用，建立HAR—RV（RCOV）—JCOV—OD模型如下：

RVt+1=γ0+γdRVt+γwRVt-5，t+γmRVt-22，t+λj1OJCOV?+t+1+λj2OJCOV?-t+1+μj1DJCOV?+t+μj2DJCOV?-t+εt+1（19）

RCOVt+1=γ0+γdRCOVt+γwRCOVt-5，t+γmRCOVt-22，t+λj1OJCOV?+t+1+λj2OJCOV?-t+1+μj1DJCOV?+t+μj2DJCOV?-t+ωt+1（20）

其中OJCOV表示隔夜跳躍協(xié)變差，DJCOV表示日內(nèi)跳躍協(xié)變差。對現(xiàn)貨市場和期貨市場，分別記式（19）為MS4和MF4模型，記式（20） 為MC4模型，表7給出了上述三個模型的估計結(jié)果。

由表4～表6可知，滯后一期的日和周累積平均已實現(xiàn)估計量對前一期的已實現(xiàn)（協(xié)）方差一致具有顯著為正的影響，而月累積平均已實現(xiàn)估計量的影響則顯著為負(fù)。波動在短期內(nèi)表現(xiàn)出較強(qiáng)的序列依賴性和長記憶性特征，但這種波動趨勢在持續(xù)一段較長時間后會減弱甚至出現(xiàn)回調(diào)，表明以技術(shù)分析為特點的短期和中期交易者對波動的影響非常大，市場投機(jī)氛圍較濃，長期交易者的影響甚微。

在對模型的改進(jìn)中，首先將JCOV簡單引入HAR原始模型，發(fā)現(xiàn)其影響不是一致顯著的，模型精度的提升也不明顯。接下來，將JCOV進(jìn)一步分解，模型的擬合優(yōu)度都有所提高，同時系數(shù)γj1始終顯著為負(fù)，而γj2則不具有統(tǒng)計顯著性，說明JCOV?+和JCOV?-兩種成分對預(yù)測具有不同的解釋效力;而MS2、MF2和MC2模型等價于對系數(shù)施加了γj1=γj2的約束，實證表明這種約束是不合理的。因此，將正向和負(fù)向共跳成分進(jìn)行區(qū)分對于進(jìn)一步認(rèn)識共同跳躍對已實現(xiàn)波動指標(biāo)的預(yù)測作用具有重要意義。

綜上所述，共同跳躍對前一期累積平均已實現(xiàn)波動指標(biāo)具有顯著為負(fù)的影響，其中JCOV?+的影響遠(yuǎn)大于JCOV?-，即存在一定的“非對稱性”。一方面，股指和股指期貨的共跳多由影響整個金融市場的重大信息沖擊所致，從市場效率的角度講，此時價格已經(jīng)能夠比較充分地反映已有信息尤其是利好消息的影響，市場的有效性相對較高，價格在短時間內(nèi)大幅變動的概率較低，故共跳發(fā)生之后市場波動的持續(xù)性大大降低，甚至出現(xiàn)驟減;另一方面，根據(jù)杠桿效應(yīng)的經(jīng)濟(jì)解釋，正向跳躍帶來的超額報酬使企業(yè)價值增加，財務(wù)杠桿比率降低，從而導(dǎo)致投資風(fēng)險和未來股價的波動更大程度地減少。因此在當(dāng)期發(fā)生正向共跳后，下一期平均已實現(xiàn)（協(xié)）方差顯著減少，且正向共跳的影響大于負(fù)向共跳，表現(xiàn)出明顯的杠桿效應(yīng)。

同時在表7中還可以看到，日內(nèi)共跳對次日波動具有抑制作用，而隔夜共跳甚至包括正向跳躍對次日波動都表現(xiàn)出一致為正的影響，同時模型的估計精度較原始模型也得到了非常明顯的提高。這表明隔夜信息對市場的沖擊非常顯著，人們不僅在壞消息沖擊下具有連續(xù)的“殺跌”反應(yīng)，而且對好消息的“追漲”趨勢也有所上揚;影響共跳的政策公告和數(shù)據(jù)發(fā)布等雖然會通過次日開盤的集合競價過程得到一定程度的反映，但波動仍然表現(xiàn)出明顯的集聚性和持續(xù)性特征，成為影響市場健康和金融穩(wěn)定的不利因素。

六、結(jié)語及政策建議

股指和股指期貨市場的共同跳躍大多由能夠影響整個資本市場的宏觀經(jīng)濟(jì)信息引起，不同的共跳表現(xiàn)對應(yīng)不同宏觀信息（利好或利空，隔夜或日內(nèi)）沖擊。本文對基于高頻數(shù)據(jù)的已實現(xiàn)協(xié)方差估計量建模，考察在宏觀信息沖擊下滬深300股指和股指期貨市場的共跳特征及其對金融波動的影響，研究表明：

第一，波動的長記憶性對應(yīng)著顯著的市場異質(zhì)性，以投機(jī)方式為主的中、短期投資者的交易對下一期波動的貢獻(xiàn)高于長期投資者，市場投機(jī)氛圍較為明顯，短期震蕩較為劇烈。

第二，中國的滬深300股指和股指期貨市場的共同跳躍是顯著存在的，其中共跳發(fā)生天數(shù)占據(jù)了總樣本數(shù)的12.32%，且已知跳躍內(nèi)發(fā)生共跳的概率均達(dá)到三分之一左右，說明共同跳躍的發(fā)生不是偶然的，將共跳現(xiàn)象單獨進(jìn)行研究具有一定的實際意義。

第三，共同跳躍對未來波動的影響同樣具有顯著的非對稱效應(yīng)，正向共跳對下一期已實現(xiàn)（協(xié)）方差和連續(xù)方差的抑制作用大于負(fù)向共跳。

第四，共同跳躍的隔夜特征明顯，且已知跳躍內(nèi)發(fā)生隔夜共跳的概率超過50%，大多數(shù)共同跳躍的發(fā)生與隔夜信息的發(fā)布密切相關(guān)。對同一經(jīng)濟(jì)信息公告或政策發(fā)布的相似反應(yīng)使得兩個市場的價格跳躍之間具有較強(qiáng)的聯(lián)系和共性。隔夜共跳對次日波動具有顯著為正的解釋能力，說明隔夜信息的發(fā)布對市場形成了較強(qiáng)的沖擊，可能導(dǎo)致價格波動出現(xiàn)異常。

本文結(jié)論證實了宏觀經(jīng)濟(jì)信息對協(xié)方差預(yù)測的貢獻(xiàn)，具有明確的經(jīng)濟(jì)含義，對金融市場風(fēng)險防范和金融穩(wěn)定具有重要的借鑒意義。我國證券市場屬于發(fā)展中的新興市場，在相關(guān)立法、自律組織和自身基礎(chǔ)等方面都存在不完善和不成熟的地方，加上一些有違市場秩序和公平的交易行為，使得市場容易受到各類沖擊而發(fā)生劇烈動蕩，需要政府對市場進(jìn)行必要干預(yù);而政府的過度干預(yù)又導(dǎo)致我國股票市場成為典型的政策市。為了恢復(fù)市場原有的經(jīng)濟(jì)功能，維持其正常運行秩序，政府和相關(guān)金融部門應(yīng)更加優(yōu)化監(jiān)管制度及干預(yù)行為。

首先，金融監(jiān)管部門應(yīng)密切注意宏觀信息尤其是隔夜信息引發(fā)的共跳風(fēng)險。由于共跳風(fēng)險往往難以通過衍生品進(jìn)行對沖，在建立金融風(fēng)險預(yù)警機(jī)制時應(yīng)考慮對宏觀信息沖擊的方向和來源進(jìn)行指標(biāo)分類和綜合管理，進(jìn)一步完善風(fēng)險預(yù)測和管理制度。同時，鑒于交易時間發(fā)布的宏觀經(jīng)濟(jì)信息對次日波動具有抑制作用，而非交易時間發(fā)布的宏觀經(jīng)濟(jì)信息則能顯著增加次日的市場波動，政府機(jī)構(gòu)和有關(guān)部門可以結(jié)合市場行情和需要，相機(jī)調(diào)整宏觀政策和其他數(shù)據(jù)等的發(fā)布時機(jī)，并適度控制在非交易時間發(fā)布信息的頻率，以避免引起價格異常波動和市場過度震蕩，對金融穩(wěn)定造成不利影響。此外，對個人投資者來說，應(yīng)充分考慮市場間的聯(lián)動效應(yīng)，根據(jù)不同性質(zhì)的信息沖擊對波動造成的不同影響，及時調(diào)整策略以達(dá)到規(guī)避風(fēng)險和提高收益的目的。

其次，要降低政策導(dǎo)向的不確定性。在股市大漲的時候出臺政策限制資金入市，一旦市場反應(yīng)過度，跌幅大于預(yù)期，又馬上出臺降低入市門檻等救市措施，甚至對違規(guī)操作采取從輕處罰的包容態(tài)度，這樣做不僅增加了調(diào)控成本，而且容易導(dǎo)致異常波動，降低投資者對政府的信任，影響政策的調(diào)控效果。政策帶來的信息沖擊是由于其未被市場預(yù)期而使得價格出現(xiàn)大幅波動，如果在這些信息被市場消化的過程中政策方向又突然出現(xiàn)改變，舊的市場預(yù)期再一次打破必然導(dǎo)致異常波動持續(xù)增大，從而影響整個金融市場的穩(wěn)定;同時，投資者對政策的信任度下降，避險情緒增加，造成后續(xù)利好政策雖然陸續(xù)出臺，市場行情卻依舊萎靡不振的局面，這將進(jìn)一步影響政策的實際效果和可信度。因此，要走出政策市的困局，實現(xiàn)市場穩(wěn)定，必須確保政策發(fā)布的連貫性和政府行為的一致性。

再次，在監(jiān)管權(quán)限的變革中，必須正確界定市場自身的穩(wěn)定區(qū)間。政府的職能應(yīng)定位于在股市波動超過自身穩(wěn)定運行的臨界值，即存在巨大風(fēng)險的前提下，通過頒布相關(guān)政策、借助稅收工具及增減股市供給等手段進(jìn)行干預(yù)，規(guī)范市場主體行為，使市場回復(fù)到穩(wěn)定區(qū)間。這個自身穩(wěn)定區(qū)間應(yīng)該是證券市場能夠穩(wěn)定運行的界限范圍，而不是政府為了實現(xiàn)其經(jīng)濟(jì)目標(biāo)而設(shè)置的理想邊界。在我國，存在小于股市自身穩(wěn)定運行區(qū)間的政府隱性擔(dān)保區(qū)，在隱性擔(dān)保區(qū)內(nèi)過度進(jìn)行干預(yù)，容易誘發(fā)各種違規(guī)行為，有損市場平衡和公平原則。

最后，金融監(jiān)管機(jī)構(gòu)應(yīng)加快與央行的整合，進(jìn)一步完善宏觀調(diào)控的市場基礎(chǔ)，充分發(fā)揮貨幣政策對金融市場的調(diào)節(jié)作用。一方面，通過有效的信貸政策干預(yù)資金流向，抑制股市泡沫;另一方面，通過釋放的政策信號引導(dǎo)投資者的判斷，間接影響金融資產(chǎn)的價格波動。貨幣政策工具的優(yōu)越性在于不僅可以降低政府直接入市的資金成本，而且可以根據(jù)不同的市場行情進(jìn)行微調(diào)，從而避免對金融市場造成過度沖擊。從2013年的錢荒和2015年的股災(zāi)可以看出，金融監(jiān)管和貨幣政策的不同步導(dǎo)致市場波動未能得到有效控制，引發(fā)了金融系統(tǒng)的不穩(wěn)定。因此，監(jiān)管機(jī)構(gòu)有必要與央行進(jìn)行深入?yún)f(xié)調(diào)，只有充分結(jié)合央行收集的宏觀經(jīng)濟(jì)信息，才能更為有效地利用微觀層面獲取的金融信息，提高政策調(diào)控的效果，從而實現(xiàn)資本的優(yōu)化配置和國內(nèi)金融市場的穩(wěn)定發(fā)展。

參考文獻(xiàn)：

[1]FLANNERY J，PROTOPAPADAKIS A. A Macroeconomic factors do influence aggregate Stock returns[J].Review of Financial Studies，2002，15（3）：751-782.

[2]WONSWAN J. Transmission of information across international equity markets[J]. The Review of Financial Studies，2006，19（4）：1157-1189.

[3]KIM J，MCKENZIE D，F(xiàn)AFF W. Macroeconomic news announcements and the role of expectations：evidence for US bond，stock and foreign exchange markets[J].Journal of Multinational Financial Management，2004（14）：217-232.

[4]GLOLSTEN R，MILGROM P. Bid，ask and transaction prices in specialist market with heterogeneously informed traders[J]. Journal of Financial Economics，1985，14（1）：71-100.

[5]ANDERSEN G，BOLLERSLEV T，DIEBOLD X. The distribution of realized stock return volatility[J]. Journal of Financial Economics，2001，61（1）：43-76.

[6]CORSI F. A simple approximate long-memory model of realized volatility[J]. Journal of Financial Econometrics，2009，7（2）：174-196.

[7]ZHOU H，ZHU J Q. An empirical examination of jump risk in asset pricing and volatility forecasting in Chinas equity and bond markets[J]. Pacific-Basin Finance Journal，2012，20（5）：857-880.

[8]ANDERSEN G，BOLLERSLEV T，DIEBOLD X. Roughing it up：Including jump components in the measurement， modeling，and forecasting of return volatility[J]. The Review of Economics and Statistics，2007，89（4）：701-720.

[9]龔旭，文鳳華，黃創(chuàng)霞. HAR-RV-EMD-J 模型及其對金融資產(chǎn)波動率的預(yù)測研究[J].管理評論，2017，29（1）：19-32.

[10]LEE S. Jumps and information flow in financial markets[J].Review of Financial Studies，2012，25（2）：439-479.

[11]JOHANNES M. The statistical and economic role of jumps in continuous-time interest rate models[J].The Journal of Finance，2004，59（1）：227-260.

[12]DUNGEY M，MCKENZIE M，MSMITH V.Empirical evidence on jumps in the term structure of the US treasury market[J].Journal of Empirical Finance，2009，16（3）：430-445.

[13]THOMAKOS D，WANG T，WU T. Macroeconomic announcements， intraday covariance structure and asymmetry in the interest rate futures returns[J].Journal of Futures Markets，2008，28（9）：815-844.

[14]CUI J，ZHAO H. Intraday jumps in Chinas treasury bond market and macro news announcements[J].Internatio-nal Review of Economics & Finance，2015，39：211-223.

[15]BARNDORFF-NIELSEN E，SHEPHARD N. Power and bipower variation with stochastic volatility and jumps[J]. Journal of Financial Econometrics，2004，2（1）：1-37.

[16]BOLLERSLEV T，LAW H，TAUCHEN G. Risk，jumps，and diversification[J]. Journal of Econometrics，2008，144（1）：234-256.

[17]GILDER D，SHACKLETON B，TAYLOR J. Cojumps in stock prices：Empirical evidence[J]. Journal of Banking & Finance，2014，40：443-459.

[18]WANG H，YUE M，ZHAO H. Cojumps in Chinas spot and stock index futures markets[J]. Pacific-Basin Finance Journal，2015，35：541-557.

[19]瞿慧，紀(jì)萍.引入聯(lián)跳的中國股市協(xié)方差預(yù)測——基于多元HAR模型[J].管理科學(xué)，2016，29（6）：28-38.

[20]DUNGEY M，HVOZDYK L. Cojumping：Evidence from the US Treasury bond and futures markets[J]. Journal of Banking & Finance，2012，36（5）：1563-1575.

[21]LAHAYE J，LAURENT S，NEELY J. Jumps，cojumps and macro announcements[J]. Journal of Applied Econometrics，2011，26（6）：893-921.

[22]CHATRATH A，MIAO H，RAMCHANDER S.Currency jumps，cojumps and the role of macro news[J].Journa of International Money and Finance，2014，40（C）：42-62.

[23]WINKELMANN L，BIBINGER M，LINZERT T. ECB monetary policy supprises：Identification through cojumps in interest rate[J].Journal of Applied Econometrics，2016，31（4）：613-629.

[24]左浩苗，劉振濤. 跳躍風(fēng)險度量及其在風(fēng)險——收益關(guān)系檢驗中的應(yīng)用[J].金融研究，2011（10）：170-184.

[25]趙華，秦可佶.股價跳躍與宏觀信息發(fā)布[J].統(tǒng)計研究，2014（4）：79-89.

[26]ANDERSEN G，BOLLERSLEV T，HUANG X. A reduced form framework for modeling volatility of speculative prices based on realized variation measures[J]. Journal of Econometrics，2011，160（1）：176-189.

[27]孫潔.考慮跳躍和隔夜波動的中國股票市場波動率建模與預(yù)測[J].中國管理科學(xué)，2014，22（6）：114-124.

[28]BARNDORFF-NIELSEN E，SHEPHARD N. Econometrics of testing for jumps in financial economics using bipower variation[J].Journal of Financial Econometrics，2006，4（1）：1-30.

[29]ANDERSEN G，BOLLERSLEV T，F(xiàn)REDERIKSEN P. Continuous-time models，realized volatilities，and testable distributional implications for daily stock returns[J]. Journal of Applied Econometrics，2010，25（2）：233-261.

Co-jumps between Stock Index Futures and Spot Markets and

Financial Stability under the Impact of Macroeconomic News

DENG Li-ling1，2， XIONG Hai-fang?2

（1. College of Science，Dalian University for Nationalities， Dalian 116600， Liaoning， China;

2. School of Finance， Northeast University of Finance and Economics， Dalian 116600， Liaoning， China）

Abstract： The macroeconomic news announcements， especially overnight information， not only affect the joint volatility but also the jumps of financial markets. Based on the high frequency data of the CSI 300 index and the stock index futures monthly contracts， the co-jumps between the two markets as well as their overnight feature have been detected through the method of nonparametric jump test. The empirical results show that co-jumps with asymmetry in volatility forecast occur significantly between two markets， whose overnight occurrence can obviously increase the volatility of the next day. The co-jumps between stock index futures and spot markets are usually closely associated with the macroeconomic news announcements that could affect the whole market， most of which are related to accumulation of overnight information. In order to avoid excessive market volatility and achieve financial stability， government agencies and enterprises should control the frequency of macroeconomic news announcements during non-trading hours and reduce uncertainty in policy direction.

Key words： overnight co-jump; asymmetry; volatility forecast; macroeconomic news announcement