李成武，陳蕾

摘 要：滬深300股指期貨上市后，股市經(jīng)歷了多輪的漲跌，市場(chǎng)趨勢(shì)的差異可能影響其價(jià)格發(fā)現(xiàn)功能。將近三年的市場(chǎng)趨勢(shì)劃分為牛市、熊市和震蕩市，基于I-S和P-T模型分別對(duì)股指期貨價(jià)格發(fā)現(xiàn)功能進(jìn)行分析發(fā)現(xiàn)，不同市場(chǎng)趨勢(shì)下股指期貨對(duì)價(jià)格發(fā)現(xiàn)的貢獻(xiàn)度始終處于主導(dǎo)地位；三種市場(chǎng)趨勢(shì)下股指期貨價(jià)格發(fā)現(xiàn)功能存在細(xì)微差異，股指期貨價(jià)格在震蕩市中對(duì)信息的靈敏度、對(duì)公共因子的貢獻(xiàn)度遠(yuǎn)高于牛市和熊市。

關(guān)鍵詞：股指期貨；價(jià)格發(fā)現(xiàn)；貢獻(xiàn)度

中圖分類號(hào)：F830.9 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-3890（2014）05-0046-05

價(jià)格發(fā)現(xiàn)是股指期貨的重要功能之一，也是眾多學(xué)者歷來關(guān)注的課題。概括來說，早期各國(guó)學(xué)者對(duì)價(jià)格發(fā)現(xiàn)功能的研究主要集中于期、現(xiàn)市場(chǎng)價(jià)格之間的領(lǐng)先滯后關(guān)系。具體從三個(gè)層次遞進(jìn)展開[1]：第一，期貨和現(xiàn)貨市場(chǎng)價(jià)格是否存在長(zhǎng)期均衡關(guān)系？第二，如果存在長(zhǎng)期均衡關(guān)系，兩者之間因果關(guān)系的方向如何？是否存在協(xié)整關(guān)系？第三，若存在協(xié)整關(guān)系，期貨與現(xiàn)貨市場(chǎng)中哪一個(gè)價(jià)格較為領(lǐng)先？近年來，針對(duì)該領(lǐng)域的研究出現(xiàn)了新的動(dòng)向，在領(lǐng)先滯后關(guān)系這一現(xiàn)象的基礎(chǔ)上，通過具體刻畫信息傳播的過程和細(xì)節(jié)，更加細(xì)致深入地探尋價(jià)格發(fā)現(xiàn)功能的作用機(jī)理及定量分析價(jià)格發(fā)現(xiàn)功能的效率，價(jià)格發(fā)現(xiàn)貢獻(xiàn)度就是其中的方法之一。

具體到我國(guó)市場(chǎng)，股指期貨上市三年來滬深300指數(shù)下跌近千點(diǎn)，振幅高達(dá)43%。從局部看，指數(shù)下跌的過程中伴隨著國(guó)內(nèi)貨幣和財(cái)政政策的刺激，市場(chǎng)也多次出現(xiàn)過中短期的牛市行情?？紤]到我國(guó)證券市場(chǎng)存在的政策決定趨勢(shì)的特殊性，不同市場(chǎng)行情下期貨與現(xiàn)貨價(jià)格可能存在發(fā)現(xiàn)機(jī)制不明確的現(xiàn)象。為了更全面地研究滬深300股指期貨的價(jià)格發(fā)現(xiàn)功能，擬將近三年以來市場(chǎng)趨勢(shì)劃分為牛、熊和震蕩市，采用近年來出現(xiàn)的I-S和P-T模型分別研究股指期貨的價(jià)格發(fā)現(xiàn)貢獻(xiàn)度。

一、研究綜述

股指期貨與現(xiàn)貨價(jià)格的形成取決于各自市場(chǎng)對(duì)新信息的吸收及處理能力，但由于兩市場(chǎng)圍繞相同基礎(chǔ)資產(chǎn)展開交易，因此從經(jīng)濟(jì)學(xué)的角度來說，兩者至少應(yīng)由一個(gè)共同的隨機(jī)因子（又稱為隱含有效價(jià)格）驅(qū)動(dòng)。期貨與現(xiàn)貨市場(chǎng)對(duì)價(jià)格發(fā)現(xiàn)貢獻(xiàn)度的研究以Engle和Granger（1987）提出向量誤差模型為基礎(chǔ)，基于共同因素（Common Factor）模型展開。該模型認(rèn)為價(jià)格發(fā)現(xiàn)效率最終表現(xiàn)為不同市場(chǎng)對(duì)共同因素的貢獻(xiàn)。在價(jià)格發(fā)現(xiàn)機(jī)制的研究領(lǐng)域中，有兩類模型較為典型：第一個(gè)是Hasbrouck[2]在1995年提出的信息份額模型（Information Share，IS），將價(jià)格發(fā)現(xiàn)定義為信息沖擊對(duì)公共因子產(chǎn)生的方差，期、現(xiàn)市場(chǎng)的價(jià)格發(fā)現(xiàn)效率則通過各自價(jià)格波動(dòng)對(duì)上述方差的貢獻(xiàn)來衡量，關(guān)注不同資產(chǎn)對(duì)同樣宏觀信息的反應(yīng)。第二種是Gonzalo和Garnger[3]提出的長(zhǎng)期-短時(shí)模型（Permanent Transitory，PT），側(cè)重于研究共同因素的組成和誤差修正過程，用每個(gè)市場(chǎng)對(duì)共同因子的貢獻(xiàn)度（即該市場(chǎng)誤差修正系數(shù)的函數(shù)）衡量該市場(chǎng)的價(jià)格發(fā)現(xiàn)效率。

基于價(jià)格發(fā)現(xiàn)貢獻(xiàn)度的理論和實(shí)證模型，Tse[4]分析1997—1998年道瓊斯指數(shù)1分鐘收益率，發(fā)現(xiàn)期貨對(duì)價(jià)格發(fā)現(xiàn)的貢獻(xiàn)度為88%，而現(xiàn)貨僅為12%。Tse[4]等研究1993年1月29日至12月31日S & P 500指數(shù)現(xiàn)貨、期貨及存托憑證市場(chǎng)（SPDRs）的數(shù)據(jù)，通過向量誤差修正模型（VECM）及共同因子分解模型的應(yīng)用發(fā)現(xiàn)，在共同因子貢獻(xiàn)排序上，由高到低依次為期貨、SPDRs及現(xiàn)貨。Hasbrouck[5]利用信息含量模型考察S & P 500指數(shù)和NASDAQ 100指數(shù)，認(rèn)為小型期貨合約（E-Minis）的價(jià)格發(fā)現(xiàn)能力最強(qiáng)。楊朝峰[6]采用兩種共同因子模型檢驗(yàn)香港恒生指數(shù)期、現(xiàn)市場(chǎng)價(jià)格發(fā)現(xiàn)效率，認(rèn)為雖然兩市場(chǎng)都是由同一因子驅(qū)動(dòng)的，但期貨市場(chǎng)的信息含量高于現(xiàn)貨市場(chǎng)。陳昭和韓士專[7]應(yīng)用信息模型考察滬深300股指期貨合約2010年4月19日至2010年12月6日的日收盤價(jià)，發(fā)現(xiàn)期貨價(jià)格信息含量高于現(xiàn)貨價(jià)格，在價(jià)格發(fā)現(xiàn)中處于主導(dǎo)地位。蔡向輝[8]選取同樣標(biāo)的，對(duì)2010年4月16日至5月26日不同時(shí)間頻率（1分鐘、5分鐘、每日收盤價(jià)）及不同階段的樣本數(shù)據(jù)進(jìn)行價(jià)格發(fā)現(xiàn)貢獻(xiàn)度研究，認(rèn)為當(dāng)數(shù)據(jù)頻率降低及合約臨近到期日時(shí)，股指期貨市場(chǎng)價(jià)格發(fā)現(xiàn)貢獻(xiàn)度逐步減弱。

二、價(jià)格發(fā)現(xiàn)貢獻(xiàn)度研究模型

（一）信息份額（I-S）模型

如果股指期貨價(jià)格與股票現(xiàn)貨價(jià)格之間存在協(xié)整關(guān)系，表明存在共同的驅(qū)動(dòng)因子使得F與P長(zhǎng)期來看趨于一致，可以基于股指期貨價(jià)格F和股票現(xiàn)貨價(jià)格P建立向量誤差修正模型（VECM）。

？駐Ft=？滋1+？琢1Zt-1+∑ki=1？祝i11？駐Ft-1+∑ki=1？祝i12？駐St-i+？綴1，t（1）

？駐St=？滋2+？琢2Zt-1+∑ki=1？祝i21？駐Ft-1+∑ki=1？祝i22？駐St-i+？綴2，t（2）

其中，Zt-1為誤差修正項(xiàng)，代表長(zhǎng)期趨勢(shì)。？琢1和？琢2是誤差修正項(xiàng)系數(shù)，代表對(duì)長(zhǎng)期修正的偏離的方向與強(qiáng)度。當(dāng)？琢1和？琢2大于0時(shí)，代表一種正向的調(diào)整，而且數(shù)值越大代表修正的力度越大；相反，當(dāng)？琢1和？琢2小于0時(shí)，代表一種負(fù)向的調(diào)整，數(shù)值越小代表負(fù)向調(diào)整的力度越大。價(jià)格發(fā)現(xiàn)貢獻(xiàn)度研究中另外兩種常用的模型是IS模型和PT模型，它們都是基于VECM模型提出的，區(qū)別在于對(duì)貢獻(xiàn)度的描述不同[10]。

I-S模型原理是將信息沖擊產(chǎn)生的方差波動(dòng)分解到各個(gè)市場(chǎng)上去，以此衡量每個(gè)市場(chǎng)對(duì)公共驅(qū)動(dòng)因子方差的貢獻(xiàn)。Hasbrouck（1995）以移動(dòng)平均（MA）的形式對(duì)向量誤差修正模型進(jìn)行重寫，如（3）式所示。

？駐Yt=？追（L）et（3）

及其單整模式：Yt=？追（1）∑kS=1es+？追*（L）et

其中，L是滯后算子，？追（L）是矩陣多項(xiàng)式。單整形式中，？追（1）是影響矩陣。如果令？追=（？追1，？追2）代表的行，l=（l，l）。單整形式可繼續(xù)轉(zhuǎn)化為（4）式。

Yt=1？追∑kS=1es+？追*（L）et（4）

Hasbrouck（1995）將？追（L）et定義為期貨和股市價(jià)格的公共因子，其方差為var（？追et）=？追？贅？追′。當(dāng)Ω為對(duì)稱矩陣時(shí)，第j個(gè)市場(chǎng)的信息份額，即價(jià)格發(fā)現(xiàn)貢獻(xiàn)度為：

Sj=■（5）

但是當(dāng)Ω為非對(duì)稱矩陣時(shí)，需采用Cholesky分解方法對(duì)方差進(jìn)行分解，第j個(gè)市場(chǎng)的信息份額如式（6）式所示，其中[？追M]i是行向量？追M的第j個(gè)元素。

Sj=■ （6）

M=m11 0m12 m22=？滓1 0？籽？滓2 ？滓2（1-？籽2）1/2

由于Cholesky分解與變量在誤差修正模型中的排序有關(guān)，如果信息之間存在正相關(guān)，則Cholesky分解對(duì)第一個(gè)價(jià)格變量分配較大的信息份額。當(dāng)期貨價(jià)格變量F處于第一個(gè)變量時(shí)，計(jì)算所得為股指期貨市場(chǎng)信息份額的上限，即為價(jià)格發(fā)現(xiàn)貢獻(xiàn)度的上限；反之，當(dāng)股指期貨價(jià)格F處于最后一個(gè)變量時(shí)，計(jì)算得到的將是信息份額的下限，即為價(jià)格發(fā)現(xiàn)貢獻(xiàn)度的下限。Baillie等[9]進(jìn)一步明確了期貨市場(chǎng)信息份額的上、下限計(jì)算形式，如式（7）、（8）所示。實(shí)證研究中，為了便于比較，往往計(jì)算信息份額上下限的均值作為市場(chǎng)價(jià)格發(fā)現(xiàn)的貢獻(xiàn)度。

ISLF=■ （7）

ISUF=■ （8）

（二）永久/短暫模型

永久/短暫模型（P-T模型），其思想是將股指期貨市場(chǎng)與股票現(xiàn)貨市場(chǎng)中的公共因子分解為兩個(gè)市場(chǎng)價(jià)格的線性組合，F(xiàn)t=η*Yt。其中η=（η1，η2）′被稱為公共因子系數(shù)向量，且η1+η2=1。ηi代表市場(chǎng)i對(duì)價(jià)格發(fā)現(xiàn)的貢獻(xiàn)度。研究表明，向量η與誤差向量修正模型中的修正系數(shù)向量正交，則公共因子的系數(shù)向量為：

η=（η1，η2）=■，■（9）

三、趨勢(shì)劃分與協(xié)整檢驗(yàn)

（一）數(shù)據(jù)來源、頻率及區(qū)間

本文數(shù)據(jù)取自天軟科技金融工程平臺(tái)TinySoft.net，股票現(xiàn)貨價(jià)格P使用滬深300指數(shù)1分鐘收盤價(jià)，股指期貨價(jià)格F使用當(dāng)月連續(xù)合約1分鐘收盤價(jià)。研究的樣本區(qū)間為2010年4月16日至2013年4月16日，共727個(gè)交易日，其中股指期貨價(jià)格F共獲得196 290個(gè)樣本數(shù)據(jù)，滬深300指數(shù)共174 480個(gè)樣本數(shù)據(jù)。由于股指期貨比股票早開盤15分鐘，又晚收盤15分鐘，處于數(shù)據(jù)對(duì)齊需要，刪除股指期貨價(jià)格F多余的樣本數(shù)據(jù)。在本部分實(shí)證研究中總共有174 480對(duì)樣本數(shù)據(jù)，使用Eviews6.0進(jìn)行分析。

（二）市場(chǎng)趨勢(shì)劃分

根據(jù)chow斷點(diǎn)檢驗(yàn)結(jié)果，依據(jù)中短期漲跌趨勢(shì)將樣本區(qū)間劃分為12個(gè)階段，如圖1所示。其中牛市5個(gè)階段，熊市6個(gè)階段，震蕩市1個(gè)階段。實(shí)證研究中將相同趨勢(shì)的數(shù)據(jù)按順序組合，形成牛市、熊市和震蕩市樣本數(shù)據(jù)。

（三）序列平穩(wěn)性檢驗(yàn)

檢驗(yàn)股指期貨F與現(xiàn)貨價(jià)格P序列穩(wěn)定性時(shí)，觀察到序列均不包含趨勢(shì)，進(jìn)行ADF檢驗(yàn)時(shí)方程設(shè)定僅包含截距項(xiàng)。檢驗(yàn)結(jié)果如表1、2所示，股指期貨價(jià)格F和現(xiàn)貨價(jià)格P原序列檢驗(yàn)時(shí)，5%顯著性水平下t統(tǒng)計(jì)量均不顯著，因此應(yīng)該接受原假設(shè)，認(rèn)為存在單位根，F(xiàn)和P為非平穩(wěn)序列。原序列進(jìn)行一階差分后△F和△P后檢驗(yàn)結(jié)果表明，t統(tǒng)計(jì)量通過了顯著性檢驗(yàn)，拒絕原假設(shè)，認(rèn)為差分后序列不存在單位根，是平穩(wěn)序列。據(jù)此判斷，F(xiàn)和P均為一階單整序列，可以進(jìn)行協(xié)整檢驗(yàn)。

（四）協(xié)整關(guān)系檢驗(yàn)

針對(duì)未區(qū)分趨勢(shì)序列、牛市、熊市和震蕩市等4個(gè)樣本，EG兩步法檢驗(yàn)結(jié)果（見表3）顯示，在1%顯著性水平下，4個(gè)樣本均顯示協(xié)整關(guān)系。Johansen協(xié)整關(guān)系檢驗(yàn)結(jié)果與EG兩步法完全一致（見表4）。

綜合EG兩步法和Johansen方法檢驗(yàn)結(jié)果發(fā)現(xiàn)，股指期貨價(jià)格F與現(xiàn)貨價(jià)格P存在一個(gè)協(xié)整關(guān)系，即兩者之間存在著長(zhǎng)期均衡、相互吸引而靠攏的關(guān)系。

四、實(shí)證研究結(jié)論

（一）牛市中的價(jià)格發(fā)現(xiàn)貢獻(xiàn)度

股指期貨與股票現(xiàn)貨存在協(xié)整關(guān)系，建立向量誤差修正模型（VECM），綜合AIC和SC準(zhǔn)則，選擇滯后期為16。結(jié)果如表5所示，系數(shù)向量在5%顯著性水平下基本上都能通過顯著性檢驗(yàn)。

在估計(jì)出VECM的基礎(chǔ)上，按照信息份額模型（I-S）和短暫/永久模型（P-T）分別計(jì)算股市和股指期貨市場(chǎng)的信息份額以及公共因子。如表6所示，股指期貨市場(chǎng)的信息份額上界和下界均高于股票市場(chǎng)的上界和下界，均值為54.59%，高于股票市場(chǎng)的信息份額均值45.41%，說明股指期貨在價(jià)格發(fā)現(xiàn)過程中占據(jù)了主導(dǎo)地位。短暫/永久模型中，期貨市場(chǎng)公共因子為77.35%，大于股票市場(chǎng)的公共因子22.65%，同樣說明股指期貨市場(chǎng)在價(jià)格發(fā)現(xiàn)中處于主導(dǎo)地位。

（二）熊市中的價(jià)格發(fā)現(xiàn)貢獻(xiàn)度

熊市樣本區(qū)間建立向量誤差修正模型（VECM），根據(jù)綜合考慮AIC和SC準(zhǔn)則，選擇滯后期為8期。如表7所示，在5%顯著性水平下，協(xié)整向量以及誤差修正項(xiàng)系數(shù)向量均通過顯著性檢驗(yàn)。

分別計(jì)算熊市中股市和股指期貨市場(chǎng)的信息份額以及公共因子。如表8所示，期指市場(chǎng)信息份額的上界和下界均高于股票市場(chǎng)的上界和下界，均值為63.39%，高于股票市場(chǎng)的信息份額均值36.61%，說明期指在價(jià)格發(fā)現(xiàn)過程中占據(jù)主導(dǎo)地位。短暫/永久模型中，期貨市場(chǎng)公共因子為65.86%，大于股票市場(chǎng)的34.14%，說明股指期貨市場(chǎng)在價(jià)格發(fā)現(xiàn)中處于主導(dǎo)地位。

（三）震蕩市中的價(jià)格發(fā)現(xiàn)貢獻(xiàn)度

震蕩市樣本區(qū)間建立向量誤差修正模型（VECM），根據(jù)綜合考慮AIC和SC準(zhǔn)則，選擇滯后期為7期。表9結(jié)果顯示，在5%顯著性水平下，協(xié)整向量以及誤差修正項(xiàng)系數(shù)向量基本上都能通過顯著性檢驗(yàn)。

分別計(jì)算震蕩市中股市和股指期貨市場(chǎng)的信息份額以及公共因子，表10顯示，股指期貨市場(chǎng)的信息份額上界和下界均高于股票市場(chǎng)的上界和下界，均值為75.34%，高于股票市場(chǎng)的信息份額均值，說明股指期貨在價(jià)格發(fā)現(xiàn)過程中占據(jù)了主導(dǎo)地位。短暫/永久模型中，期貨市場(chǎng)公共因子為90.97%，大于股票市場(chǎng)的公共因子9.03%，說明股指期貨市場(chǎng)在價(jià)格發(fā)現(xiàn)中處于主導(dǎo)地位。

綜合實(shí)證數(shù)據(jù)來看，可以得出兩點(diǎn)結(jié)論：第一，從整體上看，無(wú)論是牛市、熊市和震蕩市，信息份額模型表明，股指期貨對(duì)信息的反應(yīng)敏感度遠(yuǎn)高于股票的反應(yīng)敏感度，股指期貨在價(jià)格發(fā)現(xiàn)過程中處于主導(dǎo)地位。永久/短暫模型則表明，股指期貨的價(jià)格發(fā)現(xiàn)貢獻(xiàn)度遠(yuǎn)大于股票的價(jià)格發(fā)現(xiàn)貢獻(xiàn)度。第二，從結(jié)構(gòu)上看，三種市場(chǎng)趨勢(shì)下股指期貨價(jià)格發(fā)現(xiàn)功能仍存在細(xì)微差異。具體來說，股指期貨價(jià)格在震蕩市中對(duì)信息的靈敏度遠(yuǎn)高于牛市和熊市中的靈敏度，股指期貨價(jià)格在震蕩市中對(duì)公共因子的貢獻(xiàn)度也遠(yuǎn)高于牛市和熊市中的貢獻(xiàn)度。這表明市場(chǎng)處于震蕩調(diào)整狀態(tài)時(shí)，股指期貨價(jià)格發(fā)現(xiàn)功能更顯著，對(duì)股票價(jià)格的引導(dǎo)作用明顯。

參考文獻(xiàn)

[1]祝合良.中國(guó)期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能實(shí)證研究[J].首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)，2007，（2）：9-21.

[2]Hasbrouck J. One Security，Many Markets：Determining the Contributions to Price Discovery[J]. Journal of Finance.1995，50（3）：1175-1199.

[3]Gonzalo J，Granger C W J. Estimation of Common Long-Memory Components in Cointegrated Systems[J]. Journal of Business & Economic Statistics.1995，13（2）：27-35.

[4]Tse Y. Price Discovery and Volatility Spillovers in the DJIA Index and Futures Markets[J].Journal of Futures.1999，（8）：911-930.

[5]Hasbrouck J.Intraday Price Formation in U. S.Equity Index Markets[J]. Journal of Finance，2003，58（3）：2375-2400.

[6]楊朝峰.股指期貨價(jià)格形成機(jī)制研究[D].上海：同濟(jì)大學(xué)，2005.

[7]陳昭，韓士專.滬深300股指期貨價(jià)格發(fā)現(xiàn)貢獻(xiàn)度研究[J].財(cái)會(huì)月刊，2011，（3）：64-66.

[8]蔡向輝.滬深300股指期貨價(jià)格發(fā)現(xiàn)功能研究[J].金融發(fā)展研究，2011，（3）：29-34.

[9]Baillie R T， Booth G G， Tse Y， Zaboutina T. Price discovery and common factor models[J]. Journal of Financial Markets，2002，（5）：309-321.

[10]張中華，林眾.股指期貨對(duì)股市正反饋交易行為的影響[J].商業(yè)研究，2013，（8）：129-134.

責(zé)任編輯：曹華青

Study on the Contribution of Different Trend of Stock Index Future Price Discovery

Li Chengwu1，Chen Lei2

（1.post-doctoral scientific research mobile station， The Central University Of Finance and Economics， Beijing 100081， China；

2. School of Finance and taxation， Capital University of Economics and Business， Beijing 100070， China）

Abstract： The Shanghai and Shenzhen 300 stock index futures， the stock market has experienced several rounds of price difference of market trends， may affect the price discovery function. In the nearly three years since the market trend into bull， bear and shock market， based on the I-S and P-T model respectively on the stock index futures price discovery function analysis， and find that a different market trend of stock index futures on price discovery is always in the leading position； three kinds of market trend found subtle differences in function， stock index futures price in shock market on the sensitivity of the information is much higher than the sensitivity of bull market and bear market， stock index futures price in shock market on public factor contribution degree is much higher than the contribution of bull and bear market.

Key words： Stock index futures； Price discovery； Contribution

綜合實(shí)證數(shù)據(jù)來看，可以得出兩點(diǎn)結(jié)論：第一，從整體上看，無(wú)論是牛市、熊市和震蕩市，信息份額模型表明，股指期貨對(duì)信息的反應(yīng)敏感度遠(yuǎn)高于股票的反應(yīng)敏感度，股指期貨在價(jià)格發(fā)現(xiàn)過程中處于主導(dǎo)地位。永久/短暫模型則表明，股指期貨的價(jià)格發(fā)現(xiàn)貢獻(xiàn)度遠(yuǎn)大于股票的價(jià)格發(fā)現(xiàn)貢獻(xiàn)度。第二，從結(jié)構(gòu)上看，三種市場(chǎng)趨勢(shì)下股指期貨價(jià)格發(fā)現(xiàn)功能仍存在細(xì)微差異。具體來說，股指期貨價(jià)格在震蕩市中對(duì)信息的靈敏度遠(yuǎn)高于牛市和熊市中的靈敏度，股指期貨價(jià)格在震蕩市中對(duì)公共因子的貢獻(xiàn)度也遠(yuǎn)高于牛市和熊市中的貢獻(xiàn)度。這表明市場(chǎng)處于震蕩調(diào)整狀態(tài)時(shí)，股指期貨價(jià)格發(fā)現(xiàn)功能更顯著，對(duì)股票價(jià)格的引導(dǎo)作用明顯。

參考文獻(xiàn)

[1]祝合良.中國(guó)期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能實(shí)證研究[J].首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)，2007，（2）：9-21.

[2]Hasbrouck J. One Security，Many Markets：Determining the Contributions to Price Discovery[J]. Journal of Finance.1995，50（3）：1175-1199.

[3]Gonzalo J，Granger C W J. Estimation of Common Long-Memory Components in Cointegrated Systems[J]. Journal of Business & Economic Statistics.1995，13（2）：27-35.

[4]Tse Y. Price Discovery and Volatility Spillovers in the DJIA Index and Futures Markets[J].Journal of Futures.1999，（8）：911-930.

[5]Hasbrouck J.Intraday Price Formation in U. S.Equity Index Markets[J]. Journal of Finance，2003，58（3）：2375-2400.

[6]楊朝峰.股指期貨價(jià)格形成機(jī)制研究[D].上海：同濟(jì)大學(xué)，2005.

[7]陳昭，韓士專.滬深300股指期貨價(jià)格發(fā)現(xiàn)貢獻(xiàn)度研究[J].財(cái)會(huì)月刊，2011，（3）：64-66.

[8]蔡向輝.滬深300股指期貨價(jià)格發(fā)現(xiàn)功能研究[J].金融發(fā)展研究，2011，（3）：29-34.

[9]Baillie R T， Booth G G， Tse Y， Zaboutina T. Price discovery and common factor models[J]. Journal of Financial Markets，2002，（5）：309-321.

[10]張中華，林眾.股指期貨對(duì)股市正反饋交易行為的影響[J].商業(yè)研究，2013，（8）：129-134.

責(zé)任編輯：曹華青

Study on the Contribution of Different Trend of Stock Index Future Price Discovery

Li Chengwu1，Chen Lei2

（1.post-doctoral scientific research mobile station， The Central University Of Finance and Economics， Beijing 100081， China；

2. School of Finance and taxation， Capital University of Economics and Business， Beijing 100070， China）

Abstract： The Shanghai and Shenzhen 300 stock index futures， the stock market has experienced several rounds of price difference of market trends， may affect the price discovery function. In the nearly three years since the market trend into bull， bear and shock market， based on the I-S and P-T model respectively on the stock index futures price discovery function analysis， and find that a different market trend of stock index futures on price discovery is always in the leading position； three kinds of market trend found subtle differences in function， stock index futures price in shock market on the sensitivity of the information is much higher than the sensitivity of bull market and bear market， stock index futures price in shock market on public factor contribution degree is much higher than the contribution of bull and bear market.

Key words： Stock index futures； Price discovery； Contribution

綜合實(shí)證數(shù)據(jù)來看，可以得出兩點(diǎn)結(jié)論：第一，從整體上看，無(wú)論是牛市、熊市和震蕩市，信息份額模型表明，股指期貨對(duì)信息的反應(yīng)敏感度遠(yuǎn)高于股票的反應(yīng)敏感度，股指期貨在價(jià)格發(fā)現(xiàn)過程中處于主導(dǎo)地位。永久/短暫模型則表明，股指期貨的價(jià)格發(fā)現(xiàn)貢獻(xiàn)度遠(yuǎn)大于股票的價(jià)格發(fā)現(xiàn)貢獻(xiàn)度。第二，從結(jié)構(gòu)上看，三種市場(chǎng)趨勢(shì)下股指期貨價(jià)格發(fā)現(xiàn)功能仍存在細(xì)微差異。具體來說，股指期貨價(jià)格在震蕩市中對(duì)信息的靈敏度遠(yuǎn)高于牛市和熊市中的靈敏度，股指期貨價(jià)格在震蕩市中對(duì)公共因子的貢獻(xiàn)度也遠(yuǎn)高于牛市和熊市中的貢獻(xiàn)度。這表明市場(chǎng)處于震蕩調(diào)整狀態(tài)時(shí)，股指期貨價(jià)格發(fā)現(xiàn)功能更顯著，對(duì)股票價(jià)格的引導(dǎo)作用明顯。

參考文獻(xiàn)

[1]祝合良.中國(guó)期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能實(shí)證研究[J].首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)，2007，（2）：9-21.

[2]Hasbrouck J. One Security，Many Markets：Determining the Contributions to Price Discovery[J]. Journal of Finance.1995，50（3）：1175-1199.

[3]Gonzalo J，Granger C W J. Estimation of Common Long-Memory Components in Cointegrated Systems[J]. Journal of Business & Economic Statistics.1995，13（2）：27-35.

[4]Tse Y. Price Discovery and Volatility Spillovers in the DJIA Index and Futures Markets[J].Journal of Futures.1999，（8）：911-930.

[5]Hasbrouck J.Intraday Price Formation in U. S.Equity Index Markets[J]. Journal of Finance，2003，58（3）：2375-2400.

[6]楊朝峰.股指期貨價(jià)格形成機(jī)制研究[D].上海：同濟(jì)大學(xué)，2005.

[7]陳昭，韓士專.滬深300股指期貨價(jià)格發(fā)現(xiàn)貢獻(xiàn)度研究[J].財(cái)會(huì)月刊，2011，（3）：64-66.

[8]蔡向輝.滬深300股指期貨價(jià)格發(fā)現(xiàn)功能研究[J].金融發(fā)展研究，2011，（3）：29-34.

[9]Baillie R T， Booth G G， Tse Y， Zaboutina T. Price discovery and common factor models[J]. Journal of Financial Markets，2002，（5）：309-321.

[10]張中華，林眾.股指期貨對(duì)股市正反饋交易行為的影響[J].商業(yè)研究，2013，（8）：129-134.

責(zé)任編輯：曹華青

Study on the Contribution of Different Trend of Stock Index Future Price Discovery

Li Chengwu1，Chen Lei2

（1.post-doctoral scientific research mobile station， The Central University Of Finance and Economics， Beijing 100081， China；

2. School of Finance and taxation， Capital University of Economics and Business， Beijing 100070， China）

Abstract： The Shanghai and Shenzhen 300 stock index futures， the stock market has experienced several rounds of price difference of market trends， may affect the price discovery function. In the nearly three years since the market trend into bull， bear and shock market， based on the I-S and P-T model respectively on the stock index futures price discovery function analysis， and find that a different market trend of stock index futures on price discovery is always in the leading position； three kinds of market trend found subtle differences in function， stock index futures price in shock market on the sensitivity of the information is much higher than the sensitivity of bull market and bear market， stock index futures price in shock market on public factor contribution degree is much higher than the contribution of bull and bear market.

Key words： Stock index futures； Price discovery； Contribution