馮夢黎,馬箐箐
(成都理工大學 商學院,成都 610051)
為了盡快地融入國際燃油定價體系,2004年8月上海期貨交易所正式推出了燃料油期貨交易,以此減輕我國在應付國際燃油市場上油價的大幅振蕩風險帶來的損失。雖然我國燃油期貨市場發(fā)展至今已將近十年,但目前我國對燃油期貨市場的了解和認識仍處于起步階段,對其內(nèi)部結(jié)構(gòu)、運行特征的研究也非常缺乏。在期貨市場上,反映期貨市場行情的最為重要的幾個因素分別是價格、成交量和持倉量。研究燃油期貨成交量、持倉量對價格波動的影響,有助于了解燃油成交量和持倉量在燃油期貨價格波動中所起的作用,有助于了解燃油期貨市場的內(nèi)部結(jié)構(gòu)和對信息的反應程度,并最終達到控制燃油期貨市場風險的目的,以更好地促進我國燃油期貨市場的發(fā)展。
燃油期貨市場的價量關(guān)系長期以來都受到國內(nèi)外學者的關(guān)注。大量的文獻研究顯示,燃油期貨市場交易量和價格波動之間存在正相關(guān)關(guān)系,如Clark[1](1973)、Copeland[2](1976)、Karpoff[3](1987)、Karpoff[4](1988)、 Bessembinder和Seguin[5](1992)等都進行了相關(guān)研究。學者們在研究燃油交易量與價格波動的關(guān)系時,發(fā)現(xiàn)滯后期交易量與當期交易量對價格波動的影響并不相同。Foster[6](1995)、Wang和Yau[7](2000)研究發(fā)現(xiàn),燃油價格波動與交易量成正相關(guān),而與交易量滯后項之間存在負相關(guān)關(guān)系。隨后,學者們進行了更深入和更全面的研究,發(fā)現(xiàn)不僅期貨價格波動和交易量存在一定關(guān)系,同時,期貨價格波動與持倉量也有一定的聯(lián)系。Bessembinder和Seguin[8](1993)、Girma和Mougoue[9](2002)、Chan[10](2004)、Ragunathan[11](1997)等研究發(fā)現(xiàn),交易量和收益率之間存在著強烈的正相關(guān)關(guān)系,而持倉量和收益率之間存在負相關(guān)關(guān)系。相較于國外學者,國內(nèi)學者對燃油期貨價格與交易量、持倉量的關(guān)系研究相對較晚。國內(nèi)學者華仁海和仲偉俊[12](2004)、仲偉俊等[13](2008)對燃料油期貨市場的成交量和持倉量對價格波動的影響作了詳盡的分析,研究結(jié)果發(fā)現(xiàn),交易量與價格呈正相關(guān),持倉量與價格呈負相關(guān)。戴毓等[14](2009)研究表明,燃料油期貨市場的成交量對價格波動具有非常強的解釋性,也就是說,可以根據(jù)上一期的成交量預測下一期的價格波動;同時,當期持倉量增大時,期貨價格波動將減小。崔海蓉等[15](2010)研究也發(fā)現(xiàn),燃料油期貨市場的價格與成交量呈正相關(guān),持倉量與價格呈負相關(guān)。
由于燃油期貨在我國推出的時間不長,國內(nèi)學術(shù)界針對我國燃油期貨市場成交量、持倉量對價格波動影響關(guān)系的研究還相對缺乏。為此,本文選取燃油期貨合約為研究對象,研究其成交量和持倉量對價格波動的影響關(guān)系,以期可以更好地揭示出我國燃油期貨市場的內(nèi)在特征。同時,已有文獻在進行建模時大多數(shù)并沒有考慮期貨價格波動率的非對稱性,實證研究也運應用GARCH模型。因此,本文在建立模型時選取可以更好地反映金融時間序列對正負信息反應呈非對稱性的EGARCH模型。另外,學者對燃油期貨波動序列與成交量、持倉量建立模型時,一般默認模型的殘差服從正態(tài)分布,然而實際情況往往并非如此。基于正態(tài)分布的模型僅部分解決了金融時間序列的中尖峰、厚尾的問題,為了更加準確地描述EGARCH模型中殘差的分布特征,本文引入Student’s-t分布。本文擬分兩種情況對三者之間的關(guān)系進行實證研究。第一是分別考察成交量、持倉量對我國燃油期貨價格波動的影響,第二是同時考察成交量與持倉量對我國燃油期貨價格波動的影響。
由于期貨價格具有異方差和對信息的非對稱性,因此本文借用EGARCH模型可以很好地體現(xiàn)金融價格波動的杠桿效應,并且以條件方差的對數(shù)形式確保條件方差為正,使模型可以更規(guī)范和穩(wěn)定。EGARCH(1,1)模型如下:
Rt=c+ARMA(p,q)+ut
(1)
(2)
為了研究成交量、持倉量對燃油期貨價格波動性的影響,本文在EGARCH模型中引入成交量和持倉量。首先我們分別考察成交量、持倉量對我國燃油期貨價格波動的影響;其次是同時考察成交量與持倉量對我國燃油期貨價格波動的共同影響。本文把同期交易量和滯后一期交易量以及同期持倉量和滯后一期持倉量引入方差方程,令價格波動為Rt,Vt為連續(xù)合約在第t個交易日的成交量,It為連續(xù)合約在第t個交易日的持倉量,則得到如下模型:
Rt=c+ARMA(p,q)+utut~N(0,ht)
(3)
(4)
(5)
ρ1Vt-i+ρ2It-i
i=0,1
(6)
方程(4)中考慮了成交量對價格波動方差的影響,分別是當期和滯后期;方程(5)中考慮了持倉量對價格波動方差的影響,分別是當期和滯后期;而方程式(6)中同時考慮了當期成交量和滯后期持倉量對價格波動方差的影響,分別也是當期和滯后期。
另外,在對燃油期貨波動序列與成交量、持倉量建立EGARCH模型時,一般默認模型的殘差服從正態(tài)分布,然而實際情況往往并非如此,基于正態(tài)分布的EGARCH模型僅部分解決了金融時間序列的中尖峰、厚尾的問題。為了更加準確地描述 EGARCH模型中殘差的分布特征,本文引入自由度為v的Student’s-t分布,即假定模型中的誤差項服從如下的分布:
此時的模型即為EGARCH-t模型,t分布有更寬的尾部,能更好地描繪收益序列的后尾性特征。
本文研究的對象是我國燃油期貨市場,采用的數(shù)據(jù)類型為燃油期貨合約交易日內(nèi)的交易量、持倉量和收盤價,數(shù)據(jù)的時間跨度為2004年10月15日至2013年11月20日。由于每個期貨合約都將在某個時間內(nèi)到期,因此,期貨價格具有不連續(xù)的特征。另外,在同一交易日,會有許多個不同交割時間的期貨合約在交易。因此,同一期貨品種在同一交易日會同時有許多個不同交割時間的交易數(shù)據(jù)存在。所以我們需要對燃油期貨合約數(shù)據(jù)進行處理,以建立一個連續(xù)的燃油期貨合約序列。
華仁海和仲偉俊(2004)[12]以及崔海蓉等(2010)[15]根據(jù)期貨品種的交易量、持倉量和交易活躍程度來選取期貨合約代表來產(chǎn)生一個連續(xù)期貨合約序列。但對于燃油期貨而言,國內(nèi)燃油期貨市場還處于初生階段,某些月份的數(shù)據(jù)有缺失或沒有交易(如燃油期貨在春節(jié)前后就不進行交割)。為此,本文在已有研究的基礎(chǔ)上作出一些修改,對燃油期貨合約按照如下方法來構(gòu)造連續(xù)的燃油期貨合約:選取最近期月份的期貨合約的每天收盤價格和相對應的交易量、持倉量,在最近期貨合約進入交割月后,選擇下個最近期月份的期貨合約。這樣做是為了克服期貨價格波動不穩(wěn)定、交割月交易量較小的缺點??紤]到燃油期貨數(shù)據(jù)的局限性,以每年9月份作為基準,同時剔除沒有實際成交的數(shù)據(jù)后,燃油連續(xù)合約序列中數(shù)據(jù)的個數(shù)為1768個。
按照上述方法產(chǎn)生的連續(xù)期貨合約的優(yōu)點在于,所選擇期貨合約的期貨價格序列、成交量序列和持倉量序列具有較好的代表性。由于期貨價格波動較小,因此將會給數(shù)據(jù)處理帶來一定的困難。所以,將價格波動Rt定義為:
Rt={Ln(Ft)-Ln(Ft-1)}×100
(7)
式中,F(xiàn)t為連續(xù)合約在第t個交易日的收盤價格。
由于燃料期貨合約在各個不同月份的成交量和持倉量可能相差很大,不利于反映價格波動的一般特點和比對價格波動,因此文中研究的成交量和持倉量分別取它們的自然對數(shù)。即:
LVt=Ln(Vt)-Ln(Vt -1)
(8)
LIt=Ln(It)-Ln(It -1)
(9)
因此,在方程(4)、(5)、(6)中用LVt替代Vt,LnIt替代It。
為了防止偽回歸的現(xiàn)象,需要先對數(shù)據(jù)進行平穩(wěn)性檢驗。本文運用ADF檢驗法,對Rt、LVt、LIt進行單位根檢驗(表1)。
表1 Rt,LVt,LIt,ADF單位根檢驗
ADF檢驗結(jié)果顯示,Rt、LVt、LIt各序列均為平穩(wěn)序列,原序列在1%顯著水平下拒絕含有單位根的假設(shè),序列為典型的零階單整時間序列。
1.價格波動的統(tǒng)計特征
表2給出了價格波動Rt序列的統(tǒng)計特征。從表2的統(tǒng)計結(jié)果可以看出,價格波動Rt序列的JB統(tǒng)計量表明它不滿足正態(tài)分布,同時峰度大于3,呈現(xiàn)出明顯的尖峰厚尾性和異方差性。
表2 Rt的基本統(tǒng)計量
2.EGARCH模型模擬價格的波動特征
運用EGARCH(1,1)模型模擬價格波動Rt的波動特征,由于呈現(xiàn)出明顯的尖峰厚尾特征,并且數(shù)據(jù)量較大,因此運用Eviews7.0時選取的分布為Student’s-t分布。從表3結(jié)果可以看出,方差方程已不存在自相關(guān),滯后1、2階的LM值都很小,即殘差序列不再有ARCH效應,EGARCH(1,1)模型已充分擬合了燃油期貨市場價格波動Rt的特征。同時,β值很接近1且非常顯著,說明燃油期貨市場價格波動Rt的ARCH效應非常明顯,其波動有明顯的持續(xù)性和聚集效應。同時燃油期貨市場的γ值為0.26,這說明燃油期貨市場是存在一定的杠桿效應,利好和利壞消息對條件方差有一定影響。
表3 價格波動EGARCH(1,1)方差方程的參數(shù)估計結(jié)果
注:①表中圓括號內(nèi)為t統(tǒng)計量,中括號內(nèi)為P值,當P<1%時,該參數(shù)的估計值顯著;否則不顯著。②Q(24)表示標準化殘差滯后24階的Ljung-Box修正Q統(tǒng)計量, Q2(24)表示平方標準化殘差滯后24階的Ljung-Box修正Q統(tǒng)計量,兩個統(tǒng)計量均服從χ2(24)分布。Q(24)檢驗均值方程的殘差的自相關(guān)性,Q2(24)檢驗殘差平方的異方差性。③LM(1)、LM(2)表示滯后一階和二階殘差的ARCH效應檢驗。
表4給出了在EGARCH(1,1)模型的方差方程中引入同期成交量和滯后一期成交量時的參數(shù)估計結(jié)果。如表4所示,在5%的置信水平下,在方差方程中加入同期成交量后,發(fā)現(xiàn)燃油期貨市場同期成交量與價格波動的相關(guān)系數(shù)ρ1大于零,即同期成交量和價格之間有強烈的正相關(guān)關(guān)系,這與之前多位國內(nèi)外學者得出的研究結(jié)論是一致的。同時,無論是加入同期還是滯后一期成交量,波動系數(shù)β變化很微弱,還是接近1,這說明波動的ARCH效應沒有被成交量吸收,波動的聚集效應和持續(xù)性依舊很明顯。在方差方程中加入滯后成交量后發(fā)現(xiàn),燃油期貨市場的ρ1不是特別顯著,這說明滯后成交量與價格沒有很明顯的關(guān)系。而γ在5%的顯著水平下很顯著,說明燃油期貨市場是存在一定杠桿效應的,利好和利壞消息對條件方差有一定影響。同時,γ為正,說明燃油期貨市場價格對同等程度的利好消息反應更為強烈。
表4 同期和滯后一期成交量對價格波動的影響
表5給出了在EGARCH(1,1)模型的方差方程中引入同期持倉量和滯后一期持倉量時的參數(shù)估計結(jié)果。如表5所示,在方差方程中加入同期持倉量后,在5%的置信水平下,發(fā)現(xiàn)同期持倉量與價格的相關(guān)系數(shù)ρ1小于零,即同期持倉量和價格之間有顯著的負相關(guān)關(guān)系,這說明燃油期貨市場當期持倉量的變化對價格波動具有一定的解釋作用。當在5%的置信水平下,在方差方程中加入滯后持倉量后,燃油期貨市場的ρ2不是特別顯著,這說明滯后持倉量對價格波動沒有很明顯的影響。
表5 同期和滯后一期持倉量對價格波動的影響
表6給出了在EGARCH(1,1)模型的方差方程中引入同期成交量和滯后一期成交量以及同期持倉量和滯后一期持倉量時的參數(shù)估計結(jié)果。如表6所示,當在EGARCH(1,1)模型中同時引入同期成交量和同期持倉量時,燃油期貨市場成交量之前的系數(shù)ρ1大于零,且在5%的置信水平下統(tǒng)計量顯著。這說明,在同時考慮當期成交量和當期持倉量對價格波動的影響時,當期成交量增大,當期期貨價格的波動方差也增大;如果當期成交量減小,當期期貨價格的波動方差也減小。在考察當期持倉量時,燃油期貨市場成交量之前的系數(shù)ρ2小于零,這也就意味著:有A
表6 同期和滯后一期成交量、持倉量對價格波動的影響
本文利用EGARCH模型對燃油期貨的成交量和持倉量對期貨價格的波動影響進行了研究。由于EGARCH模型可以反映金融時間序列對正負信息的非對稱性,因而使所用模型更加客觀、估計結(jié)果更加準確。通過本文實證分析,可以得到以下結(jié)論:
燃油期貨存在對正負信息反應的不對稱性,即在同等程度的消息反應中,價格對利好消息的反應更為強烈。在此基礎(chǔ)上,在單獨考察成交量和持倉量對期貨價格波動方差的影響時,燃油期貨市場當期成交量對價格波動方差具有較顯著的影響,滯后成交量與持倉量對價格波動方差都沒有很明顯的影響。在同時考察成交量和持倉量對價格波動方差的影響時,有A
由于燃油期貨市場的滯后成交量和持倉量對價格波動方差的影響都不明顯,說明我國燃油期貨市場運行效率較好;同時由于市場價格對信息的反應存在非對稱性,在一定程度上可以根據(jù)當期交易量和持倉量的變化對燃油期貨價格波動進行預測。這對燃油期貨監(jiān)管部門和交易者具有非常重要的意義,有利于他們把握燃油期貨市場的價格走勢,有效地規(guī)避風險。
參考文獻:
[1]Clark P.A subordinated stochastic process model with finite variances for speculative prices[J].Econometrica,1973,(41):135-155.
[2]Copeland,T.E.A model of asset trading under the assumption of sequential information arrival.Journal Of Finance,1976,(31):1149-1168.
[3]Karpoff J M. The relation between price changes and trading volume:a survey[J].Journal of Financial and Quantitative Analysis,1987,(22):109-126.
[4]Karpoff J M. Costly short sales and the correlation of returns with volume[J].Journal of Financial Research,1988,(1)1:173-188.
[5]Bessembinder H,Seguin PJ.Futures trading activity and stock price volatility[J].Journal of Finance,1992,47(5):2015-2034.
[6]Foster A J.Volume-volatility relations for crude oil futures markets[J].Journal of Futures Markets,1995,(15):929-951.
[7]Wang G HJ,Yau J. Trading volume,bid-ask spread,and price volatility in futures markets[J].Journal of Futures Markets,2000,20(10):943-970.
[8]Bessembinder H, Seguin P J. Price Volatility, Trading Volume,and Market Depth: Evidence from Futures Markets [J].Journal of Financial and Quantitative Analysis,1993,(3).
[9]Girma P B, Mougoue M. An Empirical Examination of the Relation between Futures Spreads Volatility, volume, and Open Interest[J].Journal of Futures Markets,2002,22(11).
[10]Chan K C, Fung H G, Leung W K. Daily volatility behavior in Chinese futures markets[J].Journal of International Financial Markets,Institutions and Money,2004,14(5):491-505.
[11]Ragunathan V, Peker A. Price volatility, trading volume, and market depth: evidence from the Australia futures markets[J]. Applied Financial Economics,1997,(7):447-454.
[12] 華仁海,仲偉俊.我國期貨市場期貨價格波動與成交量和空盤量動態(tài)關(guān)系的實證分析[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2004,(7):123-132.
[13] 仲偉俊,劉慶富,梅妹娥.中國期市波動性與收益率、交易量和空盤量的關(guān)系[J].系統(tǒng)工程學報,2008,23(4):508-512.
[14戴毓,周德群.燃料油期貨市場成交量、持倉量與波動性關(guān)系[J].系統(tǒng)工程理論與實踐,2009,29(12):154-162.
[15]崔海蓉,何建敏.我國期貨市場成交量和持倉量與價格波動關(guān)系研究[J].統(tǒng)計與決策,2010,(6):127-129.