代写金融论文模板：金融不确定性对金融市场间流动性协同运动的影响思考

本文是一篇金融论文，本文在股票市场和债券市场流动性的基础上，进一步引入代表融资流动性和货币流动性的银行间市场，通过研究在金融不确定性影响下，不同金融市场间流动性协同运动表现变化，为更好地防控金融风险，促进金融市场稳定发展提供一些参考。

1  导言

1.1  研究背景

2020年初新冠肺炎疫情在全球爆发，不仅为社会发展带来极大影响，同时也在影响着金融市场的稳定。在此重大外部事件的冲击下，金融市场表现出明显反应，单个金融市场的不稳定性存在外溢，进一步影响多个市场的正常运行，从而使得全球金融不确定性不断增加。对此，美国股市的表现尤为明显：2020年3月9日，疫情爆发的高峰期美国股市出现大幅波动，市场经历自1997年以来的第二次熔断，并在接下来的几日不断触发熔断机制，道指和标普500指数均创下1987年股灾以来的最大单日跌幅。

如图1-1所示，美国VIX恐慌指数在短期内迅速飙升，不确定性程度与2008年金融危机期间基本持平。这造成股市资产价格不断下跌，市场交易活跃度骤减，从而使得市场流动性呈现出下降趋势。对此，2020年3月23日，美国开始采取无限量QE（Quantitative Easing）政策为市场及时注入流动性，托底金融资产价格，稳定金融市场。

1.2  研究意义

1.2.1  现实意义

我国一直将“守住不发生系统性金融风险的底线”、“防范化解重大金融风险”作为我国经济平稳发展的基础。其中，流动性充足是金融市场健康稳定发展的重要前提，在金融市场稳定方面具有重要作用。不同金融市场的流动性又会相互影响，表现出流动性协同。因此，当外部发生各种不确定性冲击时，单个市场的流动性会出现明显波动或失衡，这种影响会通过金融市场间的联动在不同市场之间传递，进而形成流动性循环，加剧金融市场的震荡；严重时将导致整个金融市场的流动性枯竭，系统性金融风险不断累积，从而引发金融危机。然而在危机期间，政府可能会采取相应的措施调节金融市场流动性。正如2020年3月，美国金融市场流动性迅速降低，系统性金融风险在短期内不断累积，促使美国政府出台无限量QE政策救市。

因此，本文研究对象除了代表市场流动性的股票和债券市场流动性以外，还考虑了代表融资流动性和货币流动性的银行间市场流动性。通过研究三者在金融不确定性影响下的流动性协同运动关系，可以为我国在金融不确定性陡增时提供比较科学的宏观调控政策制定依据，有助于稳定各金融市场流动性、防范化解潜在系统性风险。特别是比较深入具体的实证研究，可以对宏观调控政策的类型、作用市场以及方向和力度提供建议，提高政策的针对性和有效性。

2  国内外文献综述

2.1  不确定性的概念与不确定性指数的构建

在不确定性指数构建方面，Bloom（2009）①引入不确定性作为一种随机过程，为此利用股票市场数据构建了VIX指数，即“恐慌指数”。作者基于股市波动的时变跳跃特征，筛选造成股市波动率增加的重要事件，进而构造出可以反映重大危机对股票市场波动性影响程度的指数。Baker et al.（2015）②通过搜索关键词的方式构建经济政策不确定性指数，具体来说包括：新闻媒体提及经济政策不确定性的频率、将在未来一定期限内到期的联邦税法条款数量以及预测者未来预期三个方面。该指数在总统大选、911袭击、雷曼兄弟破产等重大事件上会表现出明显跳跃。这两者分别是当前应用较多的反映经济不确定性和经济政策不确定性的指标。

近年来，我国已有一些学者着手构建针对中国市场的经济不确定性指数和金融不确定性指数，主要可以分为以下两类：

第一类，基于变量的预测误差构建不确定性指数。黄卓等（2018）③通过处理分析大数据的方式，基于280个月度经济金融变量构建金融不确定性指数，发现该指数可以较好地预测股票市场波动。同时提出，金融市场的波动主要来源于金融不确定性。其中，在金融不稳定时期，规模较大的金融机构面临的系统性金融风险也会相应增加。王霞和郑挺国（2020）④基于混频数据，包含工业、投资、消费、进出口、税收等领域，构建了混频动态因子模型，并为不同经济变量赋予不同权重。在此基础上形成意外指数和不确定性指数，同时形成实时信息流。

第二类，基于变量的波动率构建不确定性指数。章上峰等（2015）⑤以宏观经济景气指数的预警指数和一致指数作为代理变量，通过GARCH模型、随机波动（SV）模型以及马尔科夫模型，利用AR模型剔除经济预期，以估计得到的方差来测度宏观经济不确定性。王维国和王蕊（2018）①应用了增广因子向量自回归（FAVAR-SV）模型，剔除可预测部分，基于102个宏观月度指标和56个行业指数两部分，构建宏观经济不确定性指数。马丹等（2018）②利用大型数据直接对经济不确定性进行测度，建立包含潜在不可观测变量的混频动态因子随机波动模型（Mixed-GFSV模型）。其中包括60个月度指标和4个季度指标，合成的不确定性指数可以对我国宏观经济进行月度监测。刘玉荣等（2019）③将股票市场收益率波动率视为反映金融市场不确定性的代理变量，利用SV模型构建金融市场波动的不确定性指标，其认为SV模型比GARCH模型在面对异常值时更加稳健。

2.2  金融市场流动性测度

2.2.1  股票市场流动性测度

在流动性测度问题上，针对股票市场的研究相对较多。Amihud（2002）④主要是基于交易价格、交易量、均衡价格等因素构建了流动性测度指标。其构建的非流动性测度指标ILLIQ可以用以解释不同股票预期收益的差异。该指标是股票日回报率绝对值与日成交量之间的比值，其表示每日股价对单位交易量变动的反应。该指标易于计算，因此可适用性较强，可用于较长区间的时间序列。Chung and Chuwonganant（2014）⑤针对股票市场构建了报价价差、有效价差、市场深度指标来反映流动性，进而分析VIX指数对股票市场流动性的影响。金春雨和张浩博（2016）⑥参考Amihud的方法，构建LIQ作为流动性指标，用以反映单位日价格变动下行业指数成交金额大小。并基于BVAR模型发现不同行业的流动性均会对其他行业产影响，只是溢出程度存在差异。董小红和刘向强（2020）①认为经济政策不确定性会通过影响投资者的投资行为间接影响股票市场流动性。作者使用非流动指标（ILLIQ）衡量股票市场流动性，该指标衡量了单位交易额对应股票价格变化的程度。作者发现经济政策不确定性增加，会扩大信息不对称，使得投资者在交易过程中要求更高的报酬率并对损失有更强的感知力，进而增加股票流动性的成本。谭德凯等（2020）②同样利用了ILLIQ指标，但其认为日度收益率可能会包含许多不必要的非交易因素信息，因此将分子的收益率替换为价格振幅。

3  相关概念及理论基础 .............................. 17

3.1  不确定性的概念 ................................... 17

3.2  金融市场流动性的概念 ................................ 18

4  实证研究设计 ..................................... 27

4.1  研究设计思路 ....................................... 27

4.2  混频DCC-GARCH模型简介 ............................... 27

5  变量构造与描述性统计分析 ................................ 33

5.1  样本选取及数据来源 .......................... 33

5.2  金融不确定性指数构建 ......................... 33

6  实证研究结果分析

6.1  金融不确定性对金融市场流动性波动的影响

本文首先构建包含外生变量影响的GARCH-MIDAS-CXD模型，分析在金融不确定性的影响下，股票市场、银行间市场、债券市场流动性各自的波动变化。同时，中国的金融市场结构一直在快速变化中，导致金融市场流动性变化存在较为明显的结构性特征，在不同的金融阶段将呈现出不同的流动性特征。通过5.3的分析可知，三个市场的流动性在2018年之后均明显提升。因此，根据式6-2，本文以2018年作为节点，将2018年之前的时间段对应的虚拟变量D设置为0，将2018年之后的时间段对应的虚拟变量D设置为1。在包含已实现波动率（RV）、金融不确定性（X）两个部分的基础上，将虚拟变量引入到模型中。本文将已实现波动率和金融不确定性的滞后期设定为12，即vK=12，滞后期为一年。具体估计结果如下：

7  结论及政策建议

7.1  结论

流动性充足是金融市场健康稳定发展的重要前提，在金融市场稳定方面具有重要作用。由于不同金融市场之间存在紧密联系，当外部发生各种不确定性冲击时，单个市场流动性表现出的波动或失衡，会通过金融市场间的联动在不同市场之间传递，进而形成流动性循环，加剧金融市场的震荡；严重时将导致整个金融市场的流动性枯竭，系统性金融风险不断累积，从而引发金融危机。因此，本文在股票市场和债券市场流动性的基础上，进一步引入代表融资流动性和货币流动性的银行间市场，通过研究在金融不确定性影响下，不同金融市场间流动性协同运动表现变化，为更好地防控金融风险，促进金融市场稳定发展提供一些参考。

 第一，本文构建的St、Shibort、Liqt三个流动性指标可以较好地反映我国股票市场、银行间市场及债券市场的流动性变化。在不确定性较大的2013年“钱荒”、欧债危机、2015年“股灾”及2020年以后新冠疫情时期，股票市场、银行间市场及债券市场流动性都会出现不同程度的增加。在发生重大金融危机和股市暴跌时，我国政府一般会采取救市措施；银行间市场流动性受SHIBOR利率影响明显，会在因受重大外部事件冲击出现短暂紧缺后，又呈现出流动性增加的趋势，并且股票市场和债券市场，在流动性的变化上类似。同时，自2018年以来，三个市场的流动性规模都有所增加，存在明显的结构性变化。

第二，在不同的金融阶段，金融市场流动性波动的表现具有非对称性。在金融不确定性增加的时期，股票市场往往已经发生流动性骤降，因此波动性较低；银行间市场、债券市场流动性波动会增加。

第三，金融不确定性的增加会减弱股票市场与银行间市场，股票市场与债券市场流动性相关性，增强银行间市场与债券市场流动性相关性，这也进一步说明我国股债两市之间存在“避险行为”。因此，我国金融市场间流动性存在协同运动，当面临外部不确定性冲击时，银行间市场起到明显的流动性调节作用。政府可能会通过货币政策调节银行间市场流动性，进而在“避险行为”的影响下，新增的流动性会更多地流向债券市场而非股票市场，因此“救市”行为的效果是有限的。

参考文献（略）