沪港通对中国A股市场的影响研究——基于GARCH模型外文翻译资料

Economic forces and the stock market

原文作者 Nai-Fu Chen, Richard Roll and Stephen A. Ross

单位University of Chicago，University of California, Los Angeles，Yale University

摘要：人们普遍认为资产价格对经济信息反应敏感。但是关于哪些事件可能影响所有资产的理论一直没有提及。在系统的“状态变量”理论上的排他性的重要性与我们对它们的身份的完全无知之间，存在一个相当尴尬的差距。资产价格的共同变动表明存在潜在的外生影响，但是我们尚未确定哪些经济变量（如果有的话）是可相应的。本文对该领域进行探索，在套利定价理论框架下使用风险价值模型，研究宏观经济变量对股市收益率是否存在系统性影响，且该影响是否显著，最后根据结论提出相应的未来的研究方向。

关键词：套利定价理论;风险价值模型;宏观经济变量;股市收益率

1. 导言

与投资者分散投资的能力相一致，现代金融理论关注的是普遍的或“系统的”影响，认为这是投资风险的可能来源。一般理论的结论是，只要特定资产受到系统经济新闻的影响，就需要并获得长期回报的额外组成部分，而且(不必要的)承担多样化的风险不会获得额外的回报。

但是，关于哪些事件可能影响所有资产，该理论一直没有提及。在系统的“状态变量”的理论上的排他性的重要性与我们对它们的身份的完全无知之间，存在一个相当尴尬的差距。 资产价格的共同变动表明存在潜在的外生影响，但是我们尚未确定哪些经济变量（如果有的话）是可相应的。

本文是对这一识别领域的探索。在第二节中，我们使用一个简单的理论指南来帮助选择普适状态变量的可能的候选对象。在第三节中，我们介绍了数据，并解释了用于测量所提出的状态变量中的意外移动的技术。第四节研究系统状态变量的暴露是否解释了预期收益。作为由我们的简单理论模型确定的状态变量的定价影响的具体替代方法，第四节考虑了价值和均等加权的市场指数、实际消费指数和石油价格指数。与已确定的经济状态变量相比，这些变量中的每一个对于定价都不重要。第五部分简要总结了我们的发现，并提出了未来研究的方向。

1. 理论

目前没有令人满意的理论会认为金融市场和宏观经济之间的关系完全是单向的。股票价格通常被认为是对外部力量的反应(即使它们可能对其他变量有反馈)。很明显，从某种终极意义上来说，所有的经济变量都是内生的。只有自然力量，如超新星、地震等，才是世界经济真正的外生力量，但是基于这些系统物理因素的资产定价模型远远超出了我们目前的能力。我们目前的目标仅仅是将股票收益建模为宏观变量和非股票资产收益的函数。因此，本文将股票市场视为相对于其他市场的内生市场。

根据资本市场理论中隐含的多元化观点，只有一般的经济状态变量才会影响大型股票市场总量的定价。任何影响经济定价操作者或股息的系统变量也会影响股市收益。此外，完成自然状态描述所需的任何变量也将是系统风险因素描述的一部分。这种变量的一个例子是，它对当前现金流没有直接影响，但描述了不断变化的投资机会。

股票价格可以写成预期的贴现股息：

， （1）

其中c是股息流，k是贴现率。这意味着任何时期的实际收益由下式给出

. （2）

由此可以得出结论，影响收益的系统力量是那些改变贴现因子k和预期现金流E(c)的力量。

贴现率是一段时间内平均利率，它随着利率水平和期限结构在不同到期日之间的变化而变化。因此，无风险利率的意外变化将影响定价，并通过其对未来现金流时间价值的影响，影响收益。贴现率也取决于风险溢价；因此，溢价的意外变化将影响收益。在需求方面，实际财富的间接边际效用的变化（可能通过实际消费变化来衡量），将影响定价，这种影响也应该表现为风险溢价的意外变化。

预期现金流因实际和名义力量而变化。预期通货膨胀率的变化会影响名义预期现金流和名义利率。如果定价是按实际价格进行的，那么意料之外的价格水平变化将会产生系统性影响，如果相对价格随着总体通货膨胀而变化，那么资产估值也会随着平均通货膨胀率的变化而变化。最后，预期实际生产水平的变化会影响现金流量的当前实际价值。只要风险溢价计量没有捕捉到工业生产的不确定性，生产活动率的创新就应该通过对现金流的影响来影响股票的再收益率。

1. 构建经济因素

在提出了一组相关变量后，我们现在必须指定它们的度量并获得意外运动的时间序列。 我们可以通过识别和估计向量自回归模型来进行尝试将其残差用作未预料到的创新经济因素的变化。然而，用理论来寻找可以直接估计的单个方程更有趣，而且(也许)更可靠。特别是，由于每月收益率几乎是连续不相关的，因此它们可以用作创新而不被改变。过滤掉自变量中预期运动的故障的一般影响是引入了变量误差问题。这必须与为确定预期运动的估计等式的错误指定所引入的误差进行权衡。

同样的问题，在向量自回归之类的过程会出现更微妙的版本。任何这种基于统计的时间序列方法都会发现滞后的股市收益对宏观经济变量具有显著的预测内容。在定价分析中，我们将间接地使用滞后的股票市场变量来解释股票投资组合的预期收益。无论这种方法在计量经济学上有何优势，都与本研究的精神背道而驰，本研究旨在探索外部宏观经济变量对价格影响。因此，与其他任何原因一样，我们选择了更简单的方法来构建我们使用的时间序列。

在整个本文中，我们采用时间下标适用于时间段结束的约定。标准期限为1个月。因此，E()表示在t-1个月末的期望运算符，条件是在t-1个月末可用的信息集，而X（t）表示变量X在t个月的值， 或从t-1末到t末普遍存在的增长。

1. 工业生产

基本序列是美国工业生产的增长率。它是从当《当前业务调查》中获得的。如果IP(t)表示t月的工业生产率， 则月增长率为

, (3)

年增长率是

, (4)

(变量汇总见表1)

因为IP(t)实际上是t个月内的工业生产流量，MP(t)衡量工业生产的变化至少滞后了一个月。为了使这个变量与其他序列同时发生，后续的统计工作将领先它1个月。除每年的季节性外，它的噪声足以被视为一种创新。

表1 术语表和变量定义

由于股票市场从长远来看与工业活动的变化有关，因此对月增长率YP（t）进行了逐月检验。 由于股票市场价格涉及未来长期的现金流量评估，因此，股票月度回报可能与同期工业生产速度的月度变化没有很大关系，尽管这种变化可能会捕获与定价有关的信息。本月的股价变化可能反映了未来数月预期的工业生产变化。 因此，与Fama（1981）中使用的变量类似，随后的统计工作将使该变量领先1年。

由于序列中的重叠，YP（t）是高度自相关的。于是开发了一种用于预测预期YP（t）和一系列YP（t）意外变化的程序，并检查了预期本身的变化对定价的影响。与原始生产系列相比，所得系列没有明显优势，因此，它们已从分析中剔除。

1. 通货膨胀

非预期通货膨胀的定义是

, (5)

其中，I（t）是时段t的消费者价格指数对数的已实现月度第一个差异。从Fama和Gibbons（1984）可以获得了1953-78年期间的一系列预期通货膨胀。 如果RHO（t）表示在t周期内适用的事后实际利率，而TB（t-1）表示在t-1周期末已知并适用于t周期的国库券利率，则Fisher方程断言

, (6)

因此，TB（t-1）-I（t）衡量该时期国库券的事后实际回报。通过对该变量的时间序列分析，Fama和Gibbons（1984）构造了的时间序列。我们的预期通货膨胀变量是通过从TB（t-1）序列中减去其预期实际利率的时间序列来定义的。

另一个无法预料且可能会与UI产生影响的通胀变量是

DEI(t)=-, (7)

预期通货膨胀的变化,我们用t下标该变量，因为它在t-1的月末（原则上是未知的）是未知的。严格来说，在预期通货膨胀遵循a的额外假设下，DEI（t）的均值不必为零。 此变量可能被视为创新，并且可能包含U1变量中不存在的信息。只要通货膨胀预测受到过去预测误差以外的经济因素的影响，就会发生这种情况。（请注意，UI系列和DEI系列将包含一系列名义利率TB创新的信息。）

1. 风险溢价

为了捕捉风险预期的意外变化对回报的影响，我们将使用从货币市场中提取的另一个变量。变量UPR的定义如下

UPR(t) = “基础及以下”债券投资组

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 22 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[275038]，资料为PDF文档或Word文档，PDF文档可免费转换为Word