海通證券研究報告：研究報告：滬深股市波動率風險月度跟蹤：一、多元波動率預測：預計 6月市場波動率與上月持平 在投資決策中，風險和收益就像同一個硬幣的兩個方面，不可或缺。股票、債券市場波動率及其相關性（多元波動率） 對于資產配置、組合優化和風險管理等投資活動具有十分現實的意義。目前主流的（多元）波動率模型一般關注的都是較 短期限的市場波動風險（比如日數據），如果應用于時間跨度相對較長（比如未來一個月）的投資決策（例如資產配置）， 會產生以下問題：一、由于資產配置的時間跨度相對較長，期間資產的波動率和相關性除了與市場數據有關，也會受到外 在變量如宏觀經濟變量的較大影響，而主流多元波動模型是基于市場本身的歷史數據信息，未考慮宏觀經濟等外在變量的 影響；二、主流的多元波動率模型采用的都是相同頻率的歷史數據來預測相同頻率的未來波動和相關（比如采用資產日收 益來預測未來的日波動率與日相關性），這對于資產配置的時間跨度（比如月度）而言，意味著采用歷史的月度收益來預測 未來月度波動和相關，這樣必然會損失其中很多相對高頻的信息（比如日數據包含的信息），因此如何將相對高頻（日）的 數據信息融合進對低頻（月）的未來波動和預測中，是中長期投資管理決策需要考慮的問題。針對主流（多元）波動模型 在中長時間跨度中存在的局限性，我們試圖在這兩方面進行一些嘗試，即將宏觀經濟變量、不同頻率（混頻）的市場數據 信息糅合進主流模型，得出改進的（多元）波動預測模型（MM-DCC 模型），以對未來一個月的市場波動和相關性進行預 測。 我們采用 2000/01-2012/05 這段時間的市場數據（基于上證綜合指數和中信債券指數）和相關的宏觀經濟信息對我們 的模型進行實證分析。從實證分析的結果來看，混頻信息無論對于股票市場波動率、債券市場波動率還是股票債券相關性， 都具有顯著性影響，而宏觀經濟變量方面，CPI 對股市波動率的影響顯著。實證分析還表明，我們的模型在樣本外預測方 面具有較強的優勢，平均誤差明顯低于隨機游走模型和最小二乘模型的預測結果。因此，采用 MM-DCC 模型對未來一個 月市場波動率和相關性的預測是可行的。在此我們利用截至 2012 年 4 月份的 CPI 數據和截至 2012 年 5 月份的市場交易 數據，對 2012年 6月的股票市場波動率、債券市場波動率和股票債券相關性進行預測（預測結果詳見下表）......