研究报告：沪深股市波动率风险月度跟踪

    海通证券研究报告：研究报告：沪深股市波动率风险月度跟踪：一、多元波动率预测：预计 6月市场波动率与上月持平 在投资决策中，风险和收益就像同一个硬币的两个方面，不可或缺。股票、债券市场波动率及其相关性（多元波动率） 对于资产配置、组合优化和风险管理等投资活动具有十分现实的意义。目前主流的（多元）波动率模型一般关注的都是较 短期限的市场波动风险（比如日数据），如果应用于时间跨度相对较长（比如未来一个月）的投资决策（例如资产配置）， 会产生以下问题：一、由于资产配置的时间跨度相对较长，期间资产的波动率和相关性除了与市场数据有关，也会受到外 在变量如宏观经济变量的较大影响，而主流多元波动模型是基于市场本身的历史数据信息，未考虑宏观经济等外在变量的 影响；二、主流的多元波动率模型采用的都是相同频率的历史数据来预测相同频率的未来波动和相关（比如采用资产日收 益来预测未来的日波动率与日相关性），这对于资产配置的时间跨度（比如月度）而言，意味着采用历史的月度收益来预测 未来月度波动和相关，这样必然会损失其中很多相对高频的信息（比如日数据包含的信息），因此如何将相对高频（日）的 数据信息融合进对低频（月）的未来波动和预测中，是中长期投资管理决策需要考虑的问题。针对主流（多元）波动模型 在中长时间跨度中存在的局限性，我们试图在这两方面进行一些尝试，即将宏观经济变量、不同频率（混频）的市场数据 信息糅合进主流模型，得出改进的（多元）波动预测模型（MM-DCC 模型），以对未来一个月的市场波动和相关性进行预 测。 我们采用 2000/01-2012/05 这段时间的市场数据（基于上证综合指数和中信债券指数）和相关的宏观经济信息对我们 的模型进行实证分析。从实证分析的结果来看，混频信息无论对于股票市场波动率、债券市场波动率还是股票债券相关性， 都具有显著性影响，而宏观经济变量方面，CPI 对股市波动率的影响显著。实证分析还表明，我们的模型在样本外预测方 面具有较强的优势，平均误差明显低于随机游走模型和最小二乘模型的预测结果。因此，采用 MM-DCC 模型对未来一个 月市场波动率和相关性的预测是可行的。在此我们利用截至 2012 年 4 月份的 CPI 数据和截至 2012 年 5 月份的市场交易 数据，对 2012年 6月的股票市场波动率、债券市场波动率和股票债券相关性进行预测（预测结果详见下表）......