劉勇 白小瀅

(1.武漢大學經(jīng)濟與管理學院，湖北 武漢 430072；2.中南財經(jīng)政法大學金融學院，湖北 武漢 430071 )

一、引言

金融資產(chǎn)波動率的建模及預測，一直是金融經(jīng)濟研究中的重要內(nèi)容。已實現(xiàn)波動率(Realized Volatility，簡稱RV)，是指固定期限內(nèi)高頻交易收益率的平方和，能較精確地估計出獨立同分布隨機變量的方差，是股票等資產(chǎn)收益率真實波動率的一致估計量。Corsi(2010)[7]基于異質(zhì)市場假說，提出的異方差自回歸(Heterogenuous Autoregressive，簡稱HAR)模型，極大地提高了波動率的預測效果，該總稱為HAR-RV族模型。隨著國內(nèi)金融數(shù)據(jù)庫的不斷發(fā)展，金融高頻數(shù)據(jù)日益豐富，國內(nèi)學者運用HAR-RV模型預測中國股票市場波動率(文鳳華等，2012；龔旭等，2017)[19][17]。期權價格是市場參與者自身經(jīng)驗、信息、判斷和審慎決策綜合作用下的結果，體現(xiàn)了整個市場信念，蘊含著重要的決策和預測信息，是否能為波動率的預測提供了額外增量信息呢？既有研究發(fā)現(xiàn)期權價格變動的兩種指標能改善關于波動率的預測效果：隱含波動率(Implied Volatility，簡稱IV)和風險中性偏度(Risk-neutral Skewness，簡稱SK)。Busch et al.(2011)[4]構造外匯市場的HAR-RV-IV模型，發(fā)現(xiàn)隱含波動率為波動率預測提供了增量信息。Byun and Kim(2013)[5]在HAR-RV-IV模型中進一步引入風險中性偏度，構建HAR-RV-IV-SK模型，發(fā)現(xiàn)風險中性偏度提高了短期(一天)和中期(一周)波動率的預測準確性。然而，由于中國A股市場期權于2015年2月9日才推出，國內(nèi)既有研究往往主要以美國、香港或臺灣市場作為研究對象(黃薏舟和鄭振龍，2009；陳蓉，廖木英和徐婉菁，2016)[18][15]，尚無研究考慮期權價格隱含信息對中國股票市場波動率的影響。

上證50ETF期權由上海證券交易所發(fā)行，其標的物上證50ETF是一種被動型的交易性指數(shù)基金，與上證50指數(shù)有很強的關聯(lián)性。本文利用中國上證500ETF期權價格信息，提取期權隱含波動率IV和風險中性偏度SK指標，構建HAR-RV-IV-SK模型，檢驗中國期權市場隱含信息是否能夠改善波動率的預測效果。利用HARRV-IV-SK模型預測未來波動率的準確度還與投資者情緒密切相關。Seo and Kim(2015)[12]在具有不同投資者情緒的樣板區(qū)間，采用HAR-RV-IV-SK模型預測股票未來波動率，發(fā)現(xiàn)風險中性偏度對波動率的預測作用只在投資者情緒高漲的期間顯著；隱含波動率對未來波動率的預測效果取決于投資者情緒的狀況。雖然國內(nèi)已有一些研究探討投資者情緒對我國未來波動率的預測能力的影響，但尚無研究在HAR-RV族模型框架內(nèi)探討。本文在HAR-RV-IV-SK模型基礎上引入投資者情緒，進一步研究投資者情緒的區(qū)分能否提高模型對未來波動率的預測能力。

本文研究發(fā)現(xiàn)：(1)期權隱含波動率在對未來周和月波動率的預測中包含增量信息；(2)風險中性偏度能顯著改善HAR-RV模型對未來日和周波動率的預測效果；(3)期權隱含信息能將未來波動率的預測準確度提高最多10%。引入投資者情緒的經(jīng)驗模型則發(fā)展，投資者情緒通過月RV與風險中性偏度影響未來波動率：在投資者情緒高漲期間，月RV與未來波動率正相關，而風險中性偏度與未來波動率負相關。本文的主要貢獻如下：(1)基于中國期權數(shù)據(jù)提取隱含波動率和風險中性偏度等期權隱含信息，檢驗這些信息對股票市場波動率的預測能力；(2)構建投資者情緒指數(shù)檢驗投資者情緒影響波動率的預測效果的機制。

二、理論機制與研究假設

(一)異質(zhì)市場假說(Heterogeneous Market Hypothesis)與未來波動率預測

異質(zhì)市場假說認為由于受教育年限、信息獲取和處理過程、地理人文環(huán)境、等方面的差異，交易者在風險偏好、市場評價及預期等方面存在異質(zhì)性。交易者特征無法直接觀察，但卻能反映在交易行為中。Corsi(2010)[7]認為交易者異質(zhì)性表現(xiàn)在交易頻率的差異上，不同交易頻率所引起的波動特征不同，不同波動交替疊加，最終形成市場的實際波動。具體地，他將實際波動率分解為由具有短期(一天)、中期(一周)和長期(一月)交易頻率所形成的波動率疊加而成，并以此構建異質(zhì)自回歸已實現(xiàn)波動率HAR-RV模型，其核心思想是將一天、一周和一月三種期限的已實現(xiàn)波動率作為解釋變量來預測未來波動率,以反映未來波動率與不同期限已實現(xiàn)波動率之間的偏相關性，從而識別市場異質(zhì)性交易者的特征。

長期以來，中國A股市場投資者主要以個人投資者為主，其中個人有資者大部分由散戶構成，這構成了中國股市獨有的異質(zhì)性特征。據(jù)中國證券投資者保護基金公司發(fā)布的2017年度《中國資本市場投資者保護狀況白皮書》顯示，我國資本市場投資者賬戶數(shù)量共計1.34億，其中自然人投資者賬戶占比99.73%，非自然人賬戶占比0.27%。根據(jù)異質(zhì)市場假說，個人投資者具有更高的交易頻率和換手率，因此，短期和中期(一日和一周)的已實現(xiàn)波動率與未來波動率更具相關性。考慮到中國股票市場中個人投資者占絕大多數(shù)，因此提出假說1：

H1：日和周已實現(xiàn)波動率對波動率預測效果更好。

(二)期權隱含信息與股市波動率預測

期權隱含信息主要蘊含在隱含波動率和風險中性偏度兩個統(tǒng)計指標中。傳統(tǒng)金融理論一般認為金融變量是服從正態(tài)分布或?qū)?shù)正態(tài)分布的，而金融危機的發(fā)生和其損失的迅速傳染性是人們意識到，既有研究中的正態(tài)分布假定存在重大假設缺陷。近年來的研究發(fā)現(xiàn)金融資產(chǎn)的收益分布通常與正態(tài)分布有很大的差異，除了前兩階矩(均值和方差)之外，高階矩的信息含量也不能忽視。Christoffersen et al.(2010)[6]提出一種在股票收益率不為正態(tài)分布的條件下的歐式或有聲索權(contingent claim)的定價算法，發(fā)現(xiàn)真實波動率與風險中性波動率之間存在差值。Byun and Kim(2013)[5]對該差值進行分解，得到關于真實波動率的條件方差σt^2的近似表達式：

其中是風險中性測度下的條件方差，是條件風險中性偏度，是條件的風險中性峰度，νt可以被看作修正的夏普比率。根據(jù)(1)式，如果股票收益率偏差為正態(tài)分布，則條件風險中性偏度和條件風險中性峰度為0，真實條件方差與風險中性測度下的條件方差相同。股票收益率分布的非正態(tài)性導致真實條件方差與風險中性偏度正相關，因此在測算股市波動率時，對期權隱含信息的挖掘和估算至關重要。據(jù)此提出假設2：

H2：引入隱含波動率和風險中性偏度的期權隱含信息能夠提高HAR-IV模型對波動率預測的準確性。

當實際資產(chǎn)價格變動不為正態(tài)或?qū)?shù)正態(tài)分布時，即存在正偏或者負偏等厚尾現(xiàn)象時，投資者在交易過程中會將正偏和負偏等信息納入投資者決策的中，并相應地調(diào)整投資者的交易行為，這些調(diào)整都會反映到在資產(chǎn)的波動特征上，因此，本文提出中性偏度可能影響未來波動率假說，并對此予以檢驗。本文擬進一步引入投資者情緒，提高模型對未來波動率預測效果，這是出于這個原因。如果投資者情緒起作用，市場就不是有效市場，資產(chǎn)價格變化為正態(tài)分布的假定不成立，市場必然出現(xiàn)厚尾現(xiàn)象，引入中性偏度這一信息可以提高模型對未來波動率的預測效果。

(三)投資者情緒與股市波動率預測

1.投資者情緒與已實現(xiàn)波動率(RV)

投資者情緒，屬于心理學和金融學的交叉研究對象，是對金融市場上“理性人”假設的一種顛覆。Shleifer and Thaler(1991)[13]將投資者情緒定義為“錯誤地應用貝葉斯法則或者違背主觀期望效用理論形成的價值判斷的過程”；而Brown and cliff(2004)[3]認為投資者情緒其實就是交易者對未來股市發(fā)展趨勢的預期。Baker and Wurgler(2007)[2]則認為投資者情緒是屬于主觀信念，即投資者對未來收益率或收益率相關因素的主觀信念，且這種信念并不能反映已有的客觀事實，而是與投資者自身的經(jīng)驗知識和社會背景等密切相關。既有研究認為，股市收益率及其波動性都易受到投資者情緒的影響，情緒是引起股市收益及其波動的一個重要的系統(tǒng)性因素，并且投資者情緒對股票市場收益率波動的影響存在不對稱性，即情緒高漲和低落時期的影響不一致(張宗新和王海亮，2013)[20]。在投資者情緒高漲期間，已實現(xiàn)波動率含有比投資者情緒低落時期更多的信息，因而具有更好的預測能力。同時，受投資者情緒的影響，投資者所接受到的信息的傳播需要時間，做出反應更會產(chǎn)生時滯(Shleifer and Thaler，1991)[13]，因此，長期的已實現(xiàn)波動率的預測能力會受到影響(Renault，2017)[11]。因此提出假設3：

H3：相對于日和周已實現(xiàn)波動率的對未來波動率的預測能力，投資者情緒更多地影響月已實現(xiàn)波動率的預測能力。

2.投資者情緒與隱含波動率(IV)

投資者情緒可能通過影響隱含波動率影響期權隱含信息的預測效果。Seo and Kim (2015)[12]則發(fā)現(xiàn)在情緒高漲期，期權價格的隱含波動率能提高未來波動率預測效果，并存在兩方面機制。首先是價格信息機制。在投資者情緒高漲期間，獲得盈利的投資者會吸引更多的投資者入市，此時期權價格會包含更多的投資者預期，隱含波動率可以更好地預測未來的波動率。其次是不對稱反應機制。在投資者情緒高漲期間，投資者對未來比較樂觀，對利空消息的反應往往不敏感，導致期權價格延遲反應未來的波動率，因此提出假設4：

H4：投資者情緒高漲期間，期權隱含波動率的預測能力可能被加強也可能被減弱，具體取決于價格信息機制或不對稱反應機制。

3.投資者情緒與風險中性偏度(SK)

投資者情緒可能影響風險中性偏度對股市波動率的預測能力。風險中性偏度是對隱含的期權價格分布的描述，負偏說明投資者對未來市場預期比較悲觀，正偏說明投資者對未來市場走勢較為樂觀。Andersen et al.(2011)[1]發(fā)現(xiàn)當股票和期權市場中存在噪音交易者時，期權市場的信息可以預測股票市場相對較長時間(1個月)的走勢，這是因為不知情的噪聲交易者需要較長時間才能確定有效價格。陳蓉和林秀雀(2016)[16]用美國期權市場的S&P500指數(shù)期權，提取了波動率偏斜與風險中性偏度指標，采用了Logistic模型研究發(fā)現(xiàn)波動率偏斜和風險中性偏度都與投資者情緒指標顯著相關。投資者情緒提高風險中性偏度對波動率的預測能力主要有兩種機制：首先是噪聲交易機制。在投資者情緒高漲期間，大量的個人投資者會進入市場，他們大部分都是噪音交易者，但這些個人投資者能力有限，不會立即對理性交易者的交易做出回應，因此，相比低落的情緒期間，高漲情緒期間的風險中性偏度對未來波動率的預測能力較弱。 第二是選擇性認知偏差機制。偏度是未來潛在負面回報的風險度量，在高情緒期間，市場中大多數(shù)是以短期獲利為目標的個體投資者，當市場處于持續(xù)上漲時，這些投資者傾向于越來越樂觀。上漲期的盈利行為會增強其樂觀的情緒狀態(tài)，在信息加工上造成選擇性認知偏差，即投資者會對利好消息過于敏感，而對利空消息麻木。這種情緒和認知狀態(tài)又會加強其行為上的買入操作，形成一種相互加強效應；當市場持續(xù)下跌時，情況剛好相反。因此，悲觀的股票市場信息可能并不能納入到偏度中，人們會低估未來的風險，減弱偏度對未來波動率的預測。綜上提出假設5：

H5：投資者情緒高漲期間，期權風險中性偏度的預測能力取決于噪聲交易機制和選擇性認知偏差機制。

三、模型構建

(一)波動率的測度

假設資產(chǎn)價格的對數(shù)服從如下隨機微分方程：

其中pt為資產(chǎn)t時的瞬時價格對數(shù)；μt時一個漂移項，它是資產(chǎn)對數(shù)價格的均值；dWt是一個標準的布朗運動；σt代表資產(chǎn)對數(shù)價格的瞬時波動率,且獨立于dWt。定義第t天的波動率是在一天間隔(t-1d；t)瞬時波動率的積分，其中24小時的時間由d(一日)表示：

已實現(xiàn)波動率RV是對真實波動率(2)的一致估計。本文采用已實現(xiàn)波動率作為真實波動率的測度，一日的間隔內(nèi)的已實現(xiàn)波動率可表示為：

其中rt-j??=p(t-j??)-p(t-(j+1)??)，?為固定的頻率，m=1d/?表示一日內(nèi)固定頻率下對數(shù)收益率的個數(shù)。如果日內(nèi)高頻收益率之間協(xié)方差為0，那么不存在套利機會的價格過程屬于特殊的半鞅過程，通過二次變差可以證明即當頻率足夠高時，固定的時間內(nèi)已實現(xiàn)波動率收斂于真實波動率。基于日已實現(xiàn)波動率，本文采用如下方式計算超過1天(h>1d)期間內(nèi)的真實波動率：

其中h=5和h=20為每周和每月的已實現(xiàn)波動率。

(二)波動率預測的HAR-RV-IV-SK模型

簡單異質(zhì)自回歸模型(HAR-RV):

其中h=1，5，20表示短期(日)、中期(周)和長期(月)波動率預測模型。借鑒(Byun and Kim，2013)[5]的設定，本文將測度期權隱含信息的隱含波動率指標和風險中性偏度指標引入方程(5)，得到HAR-RV-IV和HAR-RVIV-SK模型如下：

(三)投資者情緒與波動率預測模型

為量化投資者情緒高漲和低落時波動率的預測效果，本文在HAR-RV族模型中引入情緒變量，得到擴展的HAR-RV(S)族模型：

其中Dt為投資者情緒的虛擬變量，當情緒大于樣本內(nèi)均值時1，反之為0。加入投資者情緒變量的HAR-RVIV(S)和HAR-RV-IV-SK(S)模型如下：

四、變量定義與數(shù)據(jù)說明

(一)投資者情緒指標

本文選取封閉式基金折價率DCEF、滬深兩市換手率TO、IPO數(shù)量NIPO、流通股本加權的IPO首日收益RIPO、新增投資者開戶數(shù)的對數(shù)值NIA、消費者信心指數(shù)CCI、投資者信心指數(shù)ICI、滬深兩市融資融券余額比例SMTR(以比值的形式反映兩者之間的結構關系)八個月度指標的當期值和前期值共16個指標作為備選的情緒源指標。各指標數(shù)據(jù)來源于國泰安(CSMAR)數(shù)據(jù)庫，考慮到前期值，樣本區(qū)間從2015年1月～2018年2月共計38個月。為消除量綱差異所造成的影響，本文首先對各變量進行標準化處理。通過對16個指標得主成分分析法構，本文最終選擇了換手率當期值TO、新增投資者開戶數(shù)前期值NIA、封閉式基金折價率當期值DCEF、融資融券比當期值SMTR、消費者信心指數(shù)CCI和上月投資者信心指數(shù)ICI等六個指標作為構建投資者情緒綜合指數(shù)的情緒源指標。具體構造如下，首先對六個選定情緒源指標經(jīng)標準化處理后的月度數(shù)據(jù)進行主成分分析，根據(jù)結果，在滿足累計方差解釋率達到85%以上的條件下，對前三個主成分進行加權平均，最終的累計方差解釋率可以達到90.47%，由此計算出各因子負載并最終得到綜合指數(shù)ISI并對各因子進行相關性檢驗。最終投資者情緒綜合指數(shù)ISI可以表示為：

樣本區(qū)間內(nèi)ISI的統(tǒng)計性描述如表1所示。

為了檢驗ISI的有效性，本文對ISI和綜合A股指數(shù)收益率以及上證綜合指數(shù)收益率進行了Pearson相關性檢驗，結果表明ISI和兩者的相關系數(shù)分別為0.4437和0.4402，均在1%的顯著性水平下顯著(檢驗之前先對ISI進行差分處理使序列平穩(wěn)化)。說明投資者情緒對股市收益有著不可忽視的影響，同時根據(jù)，ISI和上證綜指收益率在走勢上具有一定的一致性，進一步表明本文所構建的投資者情緒指數(shù)是有效的。將2015年2月～2018年4月的情緒變量轉(zhuǎn)化為虛擬變量D，高于均值為情緒高漲期，記為1，其他代表情緒低落期，記為0。

(二)已實現(xiàn)波動率、期權隱含波動率與風險中性偏度

利用5分鐘的上證50ETF交易數(shù)據(jù)，計算日已實現(xiàn)波動率(RV)，并進一步計算周/月已實現(xiàn)波動率，分別用來表示。本文借鑒芝加哥證券交易所VIX指數(shù)編制方法計算期權隱含波動率和風險中性偏度。本文用于計算的期權合約都是虛值期權合約，且剩余到期時間不能少于7天。樣本區(qū)間內(nèi)共有739個交易日，高情緒區(qū)間包含239個交易日，低情緒區(qū)間包含500個交易日。無風險利率選取的是1年期國債的到期收益率。 已實現(xiàn)波動率、隱含波動率及風險中性偏度在不同情緒期間的描述性統(tǒng)計如表2所示。

表1 綜合投資者情緒指數(shù)統(tǒng)計性描述

從表2可以看出，在整個樣本區(qū)間或低/高情緒的子樣本區(qū)間，周和月的已實現(xiàn)波動率的均值和方差都較小，更接近正態(tài)分布。在整個樣本期間內(nèi)隱含波動率的均值為23.87%，標準差為0.122；風險中性偏度指標均值為-0.1120，呈現(xiàn)負偏的狀態(tài)。從不同情緒樣本區(qū)間看，高情緒樣本區(qū)間內(nèi)，已實現(xiàn)波動率和隱含波動率的均值和方差都比低情緒時期要小，風險偏度指標在低情緒時期的均值為0.1256，為正偏，高情緒時期均值為-0.3138，為負偏。

五、實證結果與分析

(一)未來波動率的樣本內(nèi)預測

本文首先基于以日、周和月已實現(xiàn)波動率為自變量的HAR類波動率模型，對未來一日、一周和一月的波動率進行樣本內(nèi)預測。由于在上述HAR類模型自變量中日已實現(xiàn)波動率、周已實現(xiàn)波動率、月已實現(xiàn)波動率存在疊加，模型的殘差可能存在異方差性質(zhì)，故本文使用Newey-West的OLS獲取異方差自回歸穩(wěn)健的標準誤以及調(diào)整后的t值。

表2 已實現(xiàn)波動率、隱含波動率及風險中性偏度指標描述性統(tǒng)計

1.未來日波動率的預測

表3列出h=1時HAR-RV族模型回歸得到的未來日波動率的預測結果。首先，日、周已實現(xiàn)波動率能有效預測未來日波動率，但月波動率對未來日波動率無預測效果。例如，基于簡單HAR-RV模型，日RV和周RV系數(shù)在5%顯著性水平下顯著且為正，月RV系數(shù)不顯著。其次，期權隱含信息，包括隱含波動率和風險中性偏度，都有助于改善對未來日波動率的預測效果。在HAR-RVIV-SK模型中，隱含波動率和風險中性偏度在10%顯著性水平下顯著為正，且預測準確度提高0.34%。最后，投資者情緒主要通過月RV和風險中性偏度提高對未來日波動率的預測。HAR-RV(S)模型的回歸表明，在情緒高漲期間，歷史的月RV與未來日波動率顯著正相關；HARRV-IV-SK(S)模型則發(fā)現(xiàn)在情緒高漲期間，期權風險中性偏度與未來日波動率負相關，且預測準確度能提高1.19%。值得注意的是，情緒指標的引入導致隱含波動率的系數(shù)不再顯著，這說明投資者情緒指標中部分地涵蓋了隱含波動率所能提供的預測信息。

表3 未來日波動率的樣本內(nèi)預測

2.未來周波動率的預測

表4列出h=5時HAR-RV族模型回歸得到的對未來周波動率的樣本內(nèi)預測。首先，過去的日、周和月RV都能有效預測未來周波動率。HAR-RV模型回歸結果表明日RV、周RV和月RV系數(shù)在10%顯著性水平下顯著且為正。其次，期權隱含信息能有效地預測未來周波動率，預測精度提高約2.23～4.83%。值得注意的是期權隱含波動率和風險中性偏度部分地包括了周RV和月RV所具有的歷史信息，因為期權隱含信息的引入導致周RV和月RV系數(shù)不再顯著。最后，與未來日波動率預測模型一樣，投資者情緒主要通過月RV和風險中性偏度提高對未來周波動率的預測，預測準確度提高約2.1%。

3.未來月波動率的預測

表5列出h=20時HAR-RV族模型回歸得到的對未來月波動率的預測結果。首先，過去的日和月RV能有效預測未來月波動率。基于簡單HAR-RV模型回歸結果，日RV和月RV系數(shù)在1%顯著性水平下顯著且為正，而周RV系數(shù)不顯著。其次，期權隱含信息中只有隱含波動率對未來長期波動率的預測有效，預測準確度能夠提高7.87～8.39%。最后，與對日、周波動率預測一樣，投資者情緒主要通過月RV和風險中性偏度提高對未來月波動率的預測。

表4 未來周波動率的樣本內(nèi)預測

表5 未來月波動率的樣本內(nèi)預測

綜上，關于投資者情緒和期權隱含信息對未來波動率的預測，可以得到如下基本結論：(1)日RV對未來日、周和月波動率基本都具有顯著的預測作用，而周RV和月RV只在部分預測中顯著，證實本文假說1；(2)期權隱含信息能提高對未來波動率預測的能力，證實本文假說2，具體渠道為隱含波動率在未來周和月波動率的預測中包含較多的增量信息；風險中性偏度在日和周波動率的預測中具有顯著性；(3)在投資者情緒高漲時，月RV與未來波動率顯著相關，投資者情緒提高了月RV預測能力，證實本文假說3；(4)隱含波動率在未來日、周和月波動率的預測中，均不受投資者情緒的影響，無法證明假說4中價格信息機制和不對稱反應機制的具體作用；(5)高情緒指標下的風險中性偏度與未來波動率顯著負相關，說明假說5中噪聲交易機制占主導。

(二)未來波動率的樣本外預測

本文將用2015年月9日～2017年2月28日共499天為樣本來估計模型，然后基于t-1天前所有觀測值的累積窗口上，建立第t天的波動率預測模型的系數(shù)遞推估計。最后利用模型估計的參數(shù)得到的240個未來一日的波動率預測值，并與當日市場的波動率進行比較分析。本文選用MCS檢驗和DM檢驗法對模型的樣本外預測能力進行評價。

1.MCS檢驗

本文選取四種損失函數(shù)：MSE、MAE、MAPE和QLIKE來檢驗預測模型的準確性。本文采用Hansen et al.(2011)[10]提出了MCS(Model Confidence Set)檢驗法，該方法綜合考慮了四種不同損失函數(shù)。本文選取B=10000作為Bootstrap過程的控制參數(shù)，檢驗的顯著性水平取值α=0.1MCS檢驗的基本結果表明，加入HAR-RV模型的隱含波動率和風險中性偏度對波動率樣本外預測能力的提高有限，這從側(cè)面說明中國期權市場發(fā)展有限，從中提取的信息對樣本外的未來預測作用較小，更多的是受到投資者情緒的影響。

2.DM檢驗

利用損失函數(shù)值作為評判標準得出的結論一般只對特定的數(shù)據(jù)樣本有效，且這種方法的結果也無法檢驗其統(tǒng)計上的顯著性， 因此，本文還采用Diebold and Mariano(2002)[8]提出了Diebold-Mariano檢驗法(簡稱DM檢驗法)。DM檢驗法由于不受損失函數(shù)形式和誤差的限制，使其具有很強的檢驗能力。DM檢驗結果表明，以個人投資者占主導的中國股票市場異質(zhì)性很強，且中國期權市場發(fā)展較為緩慢，因此，與國外的期權市場隱含波動率及風險中性偏度可以顯著提高樣本外的預測能力不同，中國期權市場包含的決策信息有限，國期權市場的隱含波動率與已實現(xiàn)波動率相差很大，約為10倍，其對未來波動率的樣本外預測能力必然有限；同時，其預測效果還易受到投資者情緒顯著影響。

(三)穩(wěn)健性檢驗

采用已實現(xiàn)的絕對值重新構造調(diào)整過的已實現(xiàn)波動率來檢驗上文的實證結果的穩(wěn)健性。已實現(xiàn)的絕對值定義如下：

六、結論

中國自2005年2月9日推出上證50ETF期權以來，金融期權市場得到了迅速的發(fā)展，并為利用期權隱含信息預測未來波動率的研究提供了數(shù)據(jù)。本文在異質(zhì)自回歸已實現(xiàn)波動率模型HAR-RV中引入包括隱含波動率IV和風險中性偏度SK的期權隱含信息，構建HAR-RV-IV和HAR-RV-IV-SK模型，檢驗了期權隱含信息是否能夠提高中國市場未來波動率的預測能力，并進一步考慮了投資者情緒影響波動率預測的效果和機制。本文研究發(fā)現(xiàn)：

一是日、周和月已實現(xiàn)波動率對我國未來日、周和月波動率具有一定的預測能力，特別是日已實現(xiàn)波動率的預測效果最為廣泛和顯著，對未來波動率貢獻最大。本文認為以個人投資者占主導的中國股票市場，高頻率的短期交易行為普遍，導致未來波動率的短中期因素占主導。

二是期權隱含信息能夠顯著提高對中國股票市場的未來波動率的樣本內(nèi)預測，預測能力提高約1～10%，其中對未來日波動率的預測效果提高較少，而對未來月波動率的預測效果提高顯著。在期權隱含信息中，隱含波動率主要提高中長期未來波動率的預測能力，風險中性偏好主要提高短中期未來波動率的預測能力。然而，期權隱含信息提高的樣本外預測能力有限。

三是投資者情緒能顯著提高模型對未來波動率的預測能力，且主要通過月已實現(xiàn)波動率和風險中性偏度兩個變量起作用，具體表現(xiàn)為當投資者情緒高漲時，月已實現(xiàn)波動率與未來波動率正相關；風險中性偏度與未來波動率負相關，其作用機制為噪聲交易者機制。