2012年-BIS国际清算银行_A_Comprehensive_Look_at_Financial_Volatility_Prediction_by_Economic_Variables_46页_792kb

报告摘要

总结：金融波动的预测与经济变量的关系

核心内容

本文探讨了宏观经济和金融变量是否能够预测资产回报率波动，并分析了金融波动的经济驱动因素。研究采用了一种数据丰富的预测方法，结合贝叶斯模型平均（BMA）框架，以处理大量潜在预测变量。同时，研究涵盖了多个资产类别（股票、外汇、债券和大宗商品）的长期波动数据，以提供更全面的视角。

主要观点

金融波动的可预测性：研究表明，信用风险和资金流动性（或流动性不足）的代理变量是不同资产类别波动率的常见预测因素。此外，捕捉时间变化风险溢价的变量也表现出良好的预测能力。
模型不确定性：研究强调了模型不确定性在预测中的重要性，并采用贝叶斯模型平均方法来处理这一不确定性，使预测结果更具稳健性。
资产类别差异：不同资产类别的波动率表现出异质性，这表明它们可能受到不同的经济变量影响。例如，股票和大宗商品的平均波动率明显高于外汇和债券。
预测方法的比较：虽然宏观金融增强模型在样本外预测中比自回归基准模型表现更好，但预测效果在不同资产类别和时间段中存在显著差异。

关键信息

1. 数据与波动率测量

数据来源：研究基于美国股市（S&P500）的月度宏观经济和金融变量，以及从每日回报率计算的实现波动率。
样本范围：
- 美国股市：1926年12月至2010年12月，共1,009个月的观测数据。
- 其他资产类别：1983年1月至2010年12月，共366个月的观测数据。
实现波动率计算：采用公式 (1) 计算实现波动率，即每日回报率的平方和的平方根的对数：
$$
RV_{i;t} = \ln \sqrt{\sum_{\tau=1}^{M_t} r_{i;t;\tau}^2}
$$
波动率特征：实现波动率具有高度持续性，且不同资产类别的波动率模式不一致。

2. 预测变量

研究考虑了38个宏观经济和金融预测变量，分为以下五类：

股票市场变量与风险因素：包括股息价格比（D-P）、盈利价格比（E-P）、滞后股票市场回报（MKT）、Fama-French风险因子、短期反转因子（STR）和股票市场流动性指标（如S&P500交易量）。
利率、利差与债券市场因素：包括国库券利率（T-B）、期限利差（T-S）、基于远期利率结构的因子（Cochrane & Piazzesi, 2005）。
外汇市场变量与风险因素：包括平均远期贴水（AFD）、美元风险因子（DOL）和套利交易因子（C-T）。
流动性与信用风险变量：包括BAA与AAA债券利差（DEF）、TED利差（3个月LIBOR与国库券利率的差值）、外汇市场买卖价差的综合指标。
宏观经济变量：包括通货膨胀和工业生产增长率（以月度或年度增长率计算）。

3. 经济模型与方法

预测回归模型：采用公式 (2) 的单变量预测回归模型，其中实现波动率作为因变量，预测变量包括宏观经济和金融变量，以及滞后波动率。
贝叶斯模型平均（BMA）：用于处理模型不确定性，通过 $MC^3$ 算法在大量模型中进行抽样，以获得最优预测权重。
模型选择：基于信息准则（如BIC）进行模型选择，以减少计算负担并提高预测效率。

4. 预测效果评估

样本外预测：采用递归估计方法，评估模型在样本外的预测表现。
评估指标：
- Theil's U：衡量模型相对于基准模型的预测准确性，值小于1表示模型优于基准。
- 样本外 $R^2$：用于评估模型解释能力，计算公式为 (6)。
结果：经济预测变量在预测波动率方面表现出显著的解释力，尤其是在考虑时间变化风险溢价、杠杆和金融压力的情况下。然而，预测效果在不同资产类别和时间段中存在差异，且模型不确定性对预测结果有重要影响。

结论

本文通过采用数据丰富的预测方法和贝叶斯模型平均框架，揭示了宏观经济和金融变量在预测不同资产类别波动率中的重要作用。研究结果表明，信用风险和资金流动性指标是波动率预测的关键变量，而纯粹的宏观经济变量则表现较弱。此外，模型不确定性在预测过程中不可忽视，贝叶斯方法能够有效处理这一问题。研究结果为政策制定者和市场参与者提供了关于金融波动驱动因素的重要见解。

展开完整摘要