《Financial Innovation》：The Role of Energy Market Uncertainties in Forecasting US State-Level Stock Market Volatility: A GARCH-MIDAS Approach
编辑推荐：
研究人员采用广义自回归条件异方差混频数据抽样（GARCH-MIDAS）框架，基于油价不确定性（OPU）和更广泛的能源不确定性指数（EUI）的月度指标，预测美国各州股票收益的日度波动率。这种方法解决了以往文献仅狭窄地关注原油价格且地理覆盖范围受限的局限性，提供了
研究人员采用广义自回归条件异方差混频数据抽样（GARCH-MIDAS）框架，基于油价不确定性（OPU）和更广泛的能源不确定性指数（EUI）的月度指标，预测美国各州股票收益的日度波动率。这种方法解决了以往文献仅狭窄地关注原油价格且地理覆盖范围受限的局限性，提供了一项涵盖全美50个州的、关于能源不确定性对股票市场波动率可预测性的全面分析。研究人员发现，在（2月）1994年至（9月）2022年的日度期间以及各种预测期限内，在50个州中的37个州，包含EUI的GARCH-MIDAS模型表现优于基准模型，即GARCH-MIDAS-已实现波动率（RV），而基于OPU的模型在最多18个案例中具有该优势。与GARCH-MIDAS-RV相比，GARCH-MIDAS-EUI为42个州带来了更高的效用收益，这一证据进一步证实了上述发现。政策制定者可以利用由EUI驱动的高频预测来预测州层面的经济活动，从而能够及时干预以缓解区域经济衰退。对于投资者而言，将更广泛的能源市场不确定性纳入策略将改善风险管理、投资组合配置和对冲决策，并有望提升风险调整后的收益。
股票市场波动率的准确预测在风险管理、衍生品定价以及投资组合选择中具有至关重要的作用。在此背景下，原油价格和能源价格的不确定性对股市收益二阶矩变动的预测能力逐渐成为学术界关注的焦点。现有文献中，对于能源价格与股票市场之间关系的实证研究结论存在分歧。部分认为二者呈正相关，部分认为呈负相关，另一些则认为关系微弱。这种不一致性归因于各国经济结构和能源生产-消费模式的差异，即能源冲击对石油净进口国和净出口国股票市场的影响并不相同。此外，在突发危机期间（如新冠疫情大流行），能源与股票市场往往会受到自身及跨市场冲击的强烈且持久的影响。然而，在以往的研究中，探讨能源价格与股票市场行为的联系时，通常鲜有研究能准确预测二阶矩变动，且由于原油仅占现代庞大能源体系的一小部分，将原油价格作为能源不确定性的唯一狭窄代理变量存在明显不足。同时，现有针对能源基本面预测股市二阶矩的研究往往受限于特定的地理覆盖范围（如区域层面而非国家或联邦系统规模）或特定的股票市场。由于企业的核心商业活动通常集中在总部附近，股票价格在很大程度上反映了区域特征，这使得区域分析显得尤为重要。
为填补这些文献空白，研究人员开展了一项研究，旨在利用最新开发的油价不确定性（OPU）和能源不确定性指数（EUI），预测全美50个各有特色的州的股票收益波动率，该研究论文已发表于《Financial Innovation》。OPU和EUI依赖于来自报纸和国际报告中的经济和油气术语，属于非模型生成的波动率，从而在很大程度上避免了内生性偏差。具体而言，OPU基于全球50种报纸报道的资料，通过计算包含特定关键词的文章频率进行构建；而EUI的构建方法在最初阶段先统计关于整体经济的关键词，随后构建与整个能源市场相关的关键词指标，最后结合这两个维度的信息以创建综合指标。
在技术方法上，研究人员采用了GARCH-MIDAS模型。鉴于每日的股票市场数据可用，而作为预测变量的OPU和EUI仅在月度频率上可用，该方法能够在不丢失信息的前提下处理频率多变的数据。模型将波动率分解为短期（遵循GARCH(1,1)过程）和长期两个组成部分，长期缓慢移动的部分受到能源不确定性的影响。为了评估模型预测精度，研究人员采用了修正的Diebold-Mariano（DM*）检验，并结合滚动窗口在20、60和120天的预测期限上进行评估。在评估经济收益时，研究人员通过最大化其效用函数并设定不同的杠杆比率（6或8），结合3个月国债作为无风险资产，计算投资组合的平均收益、波动率和夏普比率。模型置信集（MCS）也被用于确认预测变量的统计相关性。此外，研究人员还纳入了布伦特和WTI原油的已实现波动率，以及更广泛的全球经济状况指数（GECON）进行补充验证，并分析了这些指标对包括S&P 500（SPX）等在内的多个国际股票指数的预测能力。
实证结果
统计显著性
通过统计预测比较，研究人员检验了GARCH-MIDAS-不确定性模型（含OPU或EUI）与基准模型GARCH-MIDAS-RV在预测美国州级股票回报波动率方面的表现。研究发现，在20天、60天和180天等期限下，GARCH-MIDAS-OPU模型仅在少数12到18个州中对基准模型表现出显著的更准确预测，而基准模型在剩余情况下表现更优。然而，基于EUI的模型在长时间跨度内有37个州的表现优于基准模型，且预测更准确。这种广泛的优越性源于EUI的宽泛性，能够更全面地捕捉更广泛层面的能源不确定性，从单一石油行业拓展至宏观维度。
经济显著性
在验证了预测模型的统计准确性后，研究人员进一步分析了在50个州的股票收益波动率预测中加入EUI模型相较于基准模型所带来的实际经济效益。投资组合由特定股票及无风险资产（3个月国债）构成，并设定杠杆比例分别为6和8。评估指标涵盖了最大化效用、确定性等价回报以及夏普比率。实证结果验证，在42个州的投资组合中，加入EUI后不仅带来了显著更高的收益水平，还实现了更高的夏普比率和整体效用提升。这一结果验证了统计学上的优势能切实转化为投资组合的额外收益。
附加结果
为进一步确保评估的稳健性，研究人员引入并比较了Brent与WTI的已实现波动率等附加预测变量对全美50个州股票波动的影响。同时将分析范畴扩大到了多个国际股票指数，检验EUI、OPU及GECON在全球层面的预测能力，并进一步对预测模型进行了MCS测试。研究发现，基于EUI和OPU的预测模型变体均表现出作为预测全美州级股票回报波动率候选模型的价值。在考察国际层面时，金融市场的相互联动呈现出基于全市场的广泛的共同冲击特征。
结论
基于上述分析，研究人员得出结论：在预测日度股票收益波动率并指导实际投资时，相较于仅代表狭隘信息的单一原油不确定性指标，更广泛的能源不确定性指数能提供更高频的准确预测。这种统计优势还进一步转化为显著的经济收益优势，投资者和资产管理人在涉及不同投资组合的决策中应更加重视这类全面的能源指标。此外，这些高频预测数据不仅对微观投资者有益，还能帮助政策制定者及时判断区域经济活动状态，从而采取必要的逆周期措施以防止潜在的区域衰退。尽管美国作为大型开放经济体，其市场冲击常波及全球，但由于本研究侧重美国国内的地域特性，相关能源冲击机制在国际上的普适性仍有待在未来的跨区域研究中进一步探索，特别是可以考虑结合技术进步或地缘政治等涵盖更广泛的宏观层面因素的综合分析。
