張小濤，許曉靜

(天津大學(xué)管理與經(jīng)濟(jì)學(xué)部，天津 300072)

股指期貨作為一種金融衍生工具，具有重要的市場(chǎng)地位。它是把股票價(jià)格指數(shù)作為交易標(biāo)的商品的一種期貨，也是買(mǎi)賣(mài)雙方根據(jù)事先約定，同意在未來(lái)某一特定時(shí)間以約定價(jià)格進(jìn)行股指期貨交易的一種標(biāo)準(zhǔn)化協(xié)議［1］。2010年4月16日，滬深300股指期貨合約上市推出，這意味著我國(guó)的資本市場(chǎng)結(jié)束了沒(méi)有金融期貨的歷史。

由于股指期貨推出之后，資本市場(chǎng)結(jié)構(gòu)出現(xiàn)了巨大的變化，基礎(chǔ)資產(chǎn)市場(chǎng)與衍生品市場(chǎng)同時(shí)存在，兩者的相互影響機(jī)制與單一基礎(chǔ)資產(chǎn)市場(chǎng)會(huì)有很大不同。因此只有掌握股指期貨與股票市場(chǎng)的風(fēng)險(xiǎn)規(guī)律，才能更好地發(fā)展我國(guó)的金融衍生品市場(chǎng)，并促進(jìn)我國(guó)基礎(chǔ)資產(chǎn)市場(chǎng)的健康繁榮發(fā)展。為此，本文對(duì)滬深300指數(shù)期、現(xiàn)貨市場(chǎng)之間可能的相互引導(dǎo)關(guān)系及期貨市場(chǎng)對(duì)現(xiàn)貨市場(chǎng)的波動(dòng)性影響進(jìn)行了研究與討論。

1 文獻(xiàn)回顧

Garbade和Silber是最早涉足期貨與現(xiàn)貨價(jià)格之間聯(lián)動(dòng)性關(guān)系探索的學(xué)者。二人在1983年通過(guò)使用動(dòng)態(tài)模型的方法嘗試研究期、現(xiàn)貨價(jià)格在價(jià)格發(fā)現(xiàn)中功能的大?。?］。1987年Kawaller和Koch［4］對(duì)芝加哥商品交易(即CME)每分鐘數(shù)據(jù)進(jìn)行研究，發(fā)現(xiàn)無(wú)論是在對(duì)不同的交易日，還是在對(duì)不同的期貨合約的檢驗(yàn)之中均穩(wěn)定地存在領(lǐng)先-滯后關(guān)系。黃玉娟［5］研究了TAIFEX期貨與其現(xiàn)貨和SIMEX期貨與其現(xiàn)貨4個(gè)市場(chǎng)間的領(lǐng)先與落后關(guān)系，發(fā)現(xiàn)期貨市場(chǎng)不具備價(jià)格發(fā)現(xiàn)功能，而TAIFEX期貨的價(jià)格關(guān)系明顯落后。嚴(yán)敏、巴曙松［6］運(yùn)用公共因子模型等方法，研究和分析滬深300股指期、現(xiàn)貨市場(chǎng)之間的價(jià)格發(fā)現(xiàn)功能以及互動(dòng)關(guān)系，發(fā)現(xiàn)兩價(jià)格之間存在著的均衡關(guān)系是長(zhǎng)期的，而存在的雙向的Granger因果關(guān)系是短期的。1994年Gerety和 Mulherin［10］通過(guò)研究美國(guó)市場(chǎng)的期貨對(duì)股價(jià)指數(shù)的影響，發(fā)現(xiàn)變異系數(shù)沒(méi)有出現(xiàn)明顯的改變。Bessembinder，Hendrik等［11］在1992年發(fā)表文章分析了上世紀(jì)70年代至80年代21年間S＆P500指數(shù)期貨推出前后的情況，發(fā)現(xiàn)期貨市場(chǎng)的引入減小了現(xiàn)貨市場(chǎng)的波動(dòng)性。

2 滬深300指數(shù)期、現(xiàn)貨市場(chǎng)之間的信息引導(dǎo)關(guān)系研究

理論上，由于股價(jià)指數(shù)期貨合約與現(xiàn)貨指數(shù)均反映了基礎(chǔ)股票的價(jià)值，因此如果存在瞬時(shí)套利，那么指數(shù)期貨應(yīng)既不先行、也不滯后于現(xiàn)貨指數(shù)。但由于股價(jià)指數(shù)期貨的理論價(jià)格與實(shí)際價(jià)格的不一致，以及期、現(xiàn)貨市場(chǎng)在結(jié)構(gòu)與制度方面存在許多差異，使得兩市場(chǎng)對(duì)資訊的反應(yīng)速度并不同步，因?yàn)榭赡軙?huì)產(chǎn)生領(lǐng)先滯后關(guān)系［2］。基于Granger因果檢驗(yàn)等方法的實(shí)證結(jié)果表明:一般來(lái)說(shuō)，期貨市場(chǎng)要先行于現(xiàn)貨市場(chǎng)，現(xiàn)貨市場(chǎng)對(duì)期貨市場(chǎng)不存在或有時(shí)存在很小的反饋。

2.1 樣本數(shù)據(jù)說(shuō)明

本研究以我國(guó)的滬深300指數(shù)現(xiàn)貨及期貨數(shù)據(jù)作為研究樣本對(duì)象，資料范圍為CSI300股指期貨上市日2010年4月16日至2010年10月29日的5秒鐘高頻價(jià)格序列，2個(gè)市場(chǎng)各取得371 520筆同時(shí)點(diǎn)的價(jià)格序列。

為了保證數(shù)據(jù)的穩(wěn)定性和更好地表現(xiàn)統(tǒng)計(jì)性質(zhì)，本文使用價(jià)格的對(duì)數(shù)差分收益率作為研究樣本，形式如下:

Rt=［ln(Pt)-ln(Pt-1)］×100%

2.2 實(shí)證分析

2.2.1 收益序列的平穩(wěn)性檢驗(yàn)

由表1可以看出滬深300指數(shù)現(xiàn)貨和其期貨的對(duì)數(shù)收益率序列都滿(mǎn)足平穩(wěn)性要求，所以不必再進(jìn)行協(xié)整檢驗(yàn)，下面可以直接對(duì)這2個(gè)時(shí)間序列做Granger因果關(guān)系檢驗(yàn)。

表1 兩市場(chǎng)指數(shù)收益率序列的ADF檢驗(yàn)

2.2.2 Granger因果關(guān)系檢驗(yàn)

當(dāng)序列的滯后期大于某個(gè)階數(shù)的時(shí)候，AIC與SBIC準(zhǔn)則的測(cè)試結(jié)果所呈現(xiàn)的遞減程度明顯下降，所以可以根據(jù)這項(xiàng)原則來(lái)確定VAR模型的滯后階數(shù)。通過(guò)表2使用AIC最小值第25期作為最優(yōu)滯后期。

由表3可以看出:期貨的收益率和其現(xiàn)貨的收益率之間互為Granger原因，說(shuō)明這兩個(gè)市場(chǎng)之間是有相互引導(dǎo)關(guān)系的。這里需要注意的是:“Granger因果關(guān)系”并不意味著一個(gè)變量的變化就是另一個(gè)變量變化的真正原因，這里的因果關(guān)系僅表示序列運(yùn)動(dòng)在時(shí)期上的先后次序［7］。真正的因果關(guān)系非常復(fù)雜，涉及很多問(wèn)題，一般很難用統(tǒng)計(jì)方法直接檢驗(yàn)得出結(jié)論。

表2 模型最適階數(shù)的AIC測(cè)試

表3 對(duì)數(shù)收益率Granger因果關(guān)系檢驗(yàn)

3 滬深300指數(shù)期貨市場(chǎng)對(duì)其現(xiàn)貨市場(chǎng)的波動(dòng)性影響

股票的現(xiàn)貨市場(chǎng)在波動(dòng)大小、流動(dòng)快慢和成分股溢價(jià)程度等方面很有可能受到來(lái)自股指期貨推出上市的影響，且以波動(dòng)性大小變化尤甚。波動(dòng)性是市場(chǎng)價(jià)格對(duì)到達(dá)信息的反應(yīng)從而引起的波動(dòng)程度，是用來(lái)度量市場(chǎng)風(fēng)險(xiǎn)的常用指標(biāo)［8］。波動(dòng)性作為金融市場(chǎng)最為重要的特征之一，對(duì)它的研究一直以來(lái)都是金融領(lǐng)域研究的熱點(diǎn)［9］。本部分將使用較新的期貨、現(xiàn)貨數(shù)據(jù)研究2個(gè)市場(chǎng)間波動(dòng)率的持續(xù)性、不對(duì)稱(chēng)性，進(jìn)一步分析中國(guó)股指期貨對(duì)于現(xiàn)貨價(jià)格發(fā)現(xiàn)不確定性的影響。

3.1 樣本數(shù)據(jù)說(shuō)明

本部分資料為2010年1月4日至2010年10月29日滬深300指數(shù)現(xiàn)貨的5秒鐘高頻對(duì)數(shù)收益率序列，共計(jì)567 359個(gè)數(shù)據(jù)。將股指期貨引進(jìn)前，即2010年1月4日至CSI300股指期貨上市日前一天的數(shù)據(jù)作為一區(qū)間;將股指期貨引進(jìn)后，即CSI300股指期貨上市日至2010年10月29日的數(shù)據(jù)作為二區(qū)間，以及CSI300股指期貨上市日至2010年10月29日滬深300指數(shù)期貨的5秒鐘高頻數(shù)收益率序列。

3.2 實(shí)證分析

3.2.1 單位根檢驗(yàn)

本文在使用時(shí)間序列模型進(jìn)行實(shí)證之前，須先對(duì)滬深300指數(shù)的現(xiàn)貨收益率做平穩(wěn)性檢驗(yàn)?，F(xiàn)貨區(qū)間二及期貨的平穩(wěn)性檢驗(yàn)已在上文中做過(guò)說(shuō)明，兩者均平穩(wěn)。現(xiàn)對(duì)現(xiàn)貨總體和現(xiàn)貨區(qū)間一做平穩(wěn)性檢驗(yàn)，結(jié)果見(jiàn)表4、5，證明序列均是平穩(wěn)序列，可對(duì)其建立時(shí)間序列模型。

表4 現(xiàn)貨總體的ADF檢驗(yàn)

表5 現(xiàn)貨區(qū)間一的ADF檢驗(yàn)

3.2.2 建立ARMA模型

以AIC信息準(zhǔn)則值作為標(biāo)準(zhǔn)，對(duì)全體收益率序列進(jìn)行ARMA模型的定階。結(jié)果顯示:ARMA(2，2)對(duì)應(yīng)的AIC值最小，對(duì)收益率序列建立ARMA(2，2)模型比較合適。表6給出了該模型的參數(shù)估計(jì)。

3.2.3 ARCH效應(yīng)檢驗(yàn)

在對(duì)數(shù)據(jù)進(jìn)行GARCH模型分析之前，要對(duì)已經(jīng)建立均值方程后的殘差進(jìn)行檢驗(yàn)，觀察它是否存在有ARCH效應(yīng)，根據(jù)檢驗(yàn)結(jié)果判斷該類(lèi)模型是否適用于特定數(shù)據(jù)。下面對(duì)文中經(jīng)過(guò)ARMA(2，2)模型擬合后得到的方程殘差進(jìn)行ARCH效應(yīng)的檢驗(yàn)。

表6 ARMA(2，2)模型參數(shù)估計(jì)結(jié)果

表7的結(jié)果表明:數(shù)據(jù)在1%的概率下存在ARCH效應(yīng)，可以對(duì)其建立ARCH模型族。

表7 ARCH-LM檢驗(yàn)

3.2.4 波動(dòng)性的持續(xù)性檢驗(yàn)

研究者發(fā)現(xiàn)在股票報(bào)酬率產(chǎn)生的過(guò)程中，報(bào)酬率的波動(dòng)性與時(shí)間關(guān)聯(lián)，且其非條件殘差會(huì)表現(xiàn)出尖峰厚尾的統(tǒng)計(jì)特性。GARCH模型是描述股價(jià)報(bào)酬數(shù)據(jù)行為日數(shù)據(jù)的最適當(dāng)?shù)哪Ｐ椭弧?992年Bollerslev在其文獻(xiàn)中證實(shí)，在描述大多數(shù)時(shí)間數(shù)列的波動(dòng)性的過(guò)程中，采用GARCH(1，1)模型就可以獲得不錯(cuò)的表現(xiàn)和很好的擬合。因此，在上文基礎(chǔ)上對(duì)全體收益率序列建立GARCH(1，1)模型。估計(jì)結(jié)果見(jiàn)表8。

表8 GARCH模型輸出結(jié)果均值方程

續(xù)表

經(jīng)檢驗(yàn)?zāi)Ｐ蛿M合后殘差不存在自相關(guān)和偏相關(guān)，表9給出了ARCH-LM檢驗(yàn)結(jié)果。

表9 對(duì)殘差進(jìn)行ARCH-LM檢驗(yàn)

經(jīng)檢測(cè)后可見(jiàn)，殘差已不存在arch效應(yīng)。這說(shuō)明 ARMA(2，2)-GARCH(1，1)模型可以充分?jǐn)M合CSI300指數(shù)收益率時(shí)間序列。虛擬變量的估計(jì)結(jié)果顯著，證明股指期貨的引入對(duì)現(xiàn)貨市場(chǎng)的波動(dòng)性產(chǎn)生了影響。從 df的系數(shù)來(lái)分析，CSI300指數(shù)期貨的推出對(duì)其現(xiàn)貨市場(chǎng)的波動(dòng)性產(chǎn)生了減緩的作用。

同理，對(duì)現(xiàn)貨區(qū)間一和現(xiàn)貨區(qū)間二建立GARCH(1，1)模型，得到方差方程各變量的系數(shù)，結(jié)果見(jiàn)表10。

表10 GARCH模型系數(shù)結(jié)果

從表10可以看出:在期貨合約被引入之前和之后的樣本子期間中，作為反應(yīng)新信息沖擊效果的系數(shù)α1和作為反應(yīng)沖擊持續(xù)性效果的系數(shù)β1在不同期間的表現(xiàn)。期貨合約開(kāi)放前，系數(shù)α1為0.150 6;而在開(kāi)放之后的子期間2，α1系數(shù)增大為0.502 8。這代表在期貨合約推出之后，新信息所反映的沖擊效果確實(shí)有所增加。新信息或市場(chǎng)干擾(innovation)對(duì)未來(lái)波動(dòng)性的沖擊程度較大。

另外，就β1系數(shù)而言，它可以被看成是沖擊干擾持續(xù)性的一個(gè)代理變量。在期貨商品引入前后，模型所表現(xiàn)的β1系數(shù)分別為0.768 6和0.479 4，說(shuō)明在期貨合約開(kāi)放交易之后，舊信息對(duì)市場(chǎng)波動(dòng)性沖擊的持續(xù)性效果減弱了。

3.2.5 波動(dòng)率不對(duì)稱(chēng)性的檢驗(yàn)

用EGARCH和TGARCH對(duì)滬深300指數(shù)現(xiàn)貨進(jìn)行檢驗(yàn)，結(jié)果見(jiàn)表11。

表11 現(xiàn)貨收益率數(shù)據(jù)TGARCH和EGARCH的參數(shù)

從表11可以看出:表示引入期貨市場(chǎng)因素的變量的系數(shù)δ具有統(tǒng)計(jì)顯著性，表明在引入指數(shù)期貨后，其現(xiàn)貨市場(chǎng)的波動(dòng)性受到影響，發(fā)生了顯著變化。系數(shù)γ也具有統(tǒng)計(jì)顯著性，表明我國(guó)股市具有杠桿效應(yīng)，因?yàn)閿?shù)據(jù)顯示股價(jià)對(duì)利空信息的反應(yīng)程度大于對(duì)利好信息的反應(yīng)程度。

4 結(jié)束語(yǔ)

在信息傳遞方面，CSI300指數(shù)期貨收益率與其現(xiàn)貨收益率之間互為Granger原因，存在相互引導(dǎo)關(guān)系。

在波動(dòng)性的持續(xù)性方面，通過(guò)實(shí)證得出CSI300指數(shù)期貨的加入加快了其現(xiàn)貨市場(chǎng)中新信息的傳遞速度，從而使得市場(chǎng)信息更快地轉(zhuǎn)換為未來(lái)方差。在期貨合約開(kāi)放交易之后，市場(chǎng)波動(dòng)性沖擊的持續(xù)性受舊信息影響的效果變?nèi)?，即波?dòng)性干擾的持續(xù)性效果變化變小。所以說(shuō)CSI300指數(shù)期貨的交易在一定程度上提高了現(xiàn)貨市場(chǎng)的效率，但對(duì)現(xiàn)貨市場(chǎng)波動(dòng)性的持續(xù)性方面影響減弱。

最后，在波動(dòng)性的不對(duì)稱(chēng)性方面，市場(chǎng)確實(shí)存在有杠桿效應(yīng)，CSI300指數(shù)期貨的交易使其現(xiàn)貨市場(chǎng)波動(dòng)性的不對(duì)稱(chēng)性增加。

［1］楊星.股指期貨［M］.廣州:廣東經(jīng)濟(jì)出版社，2002:629.

［2］謝凱丞.臺(tái)灣類(lèi)股指數(shù)期貨與現(xiàn)貨領(lǐng)先落后關(guān)系之實(shí)證研究［D］.臺(tái)南:臺(tái)灣成功大學(xué).

［3］Garbade K D，Silber W L.Price movements and price discovery in futures and cash markets［J］.The Review of Economics and Statistics，1983，65(2):289-297.

［4］Kawaller I G，Koch P D，Koch T W.The temporal price relationship between S＆P 500 futures and the S＆P 500 index［J］.The Journal of Finance，1987，42(5):1309-1329.

［5］黃玉娟，黃珮鈴.臺(tái)灣股價(jià)指數(shù)現(xiàn)貨與期貨價(jià)格領(lǐng)先落后關(guān)系之探討——以TAIFEX與SGX-DT為例［J］.輔仁管理論壇，2004，11(1):125-152.

［6］嚴(yán)敏，巴曙松，吳博.我國(guó)股指期貨市場(chǎng)的價(jià)格發(fā)現(xiàn)與波動(dòng)溢出效應(yīng)［J］.系統(tǒng)工程，2009，27(10):34-38.

［7］克里斯·布魯克斯.金融計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論［M］.成都:西南財(cái)經(jīng)大學(xué)出版社，2005:316-317.

［8］姚興濤.中國(guó)股指期貨市場(chǎng)概論［M］.北京:北京大學(xué)出版社，2001:3-8.

［9］徐國(guó)祥，吳澤智.金融指數(shù)產(chǎn)品創(chuàng)新及其風(fēng)險(xiǎn)控制研究［M］.上海:上海財(cái)經(jīng)大學(xué)出版社，2005:38-40.

［10］Gerety M S，Mulherin J H.Price formation on stock exchanges:The evolution of trading within the day［J］.Review of Financial Studies，1994，7(3):609-629.

［11］Bessembinder H，Seguin P J.Futures-Trading Activity and Stock Price Volatility［J］.The Journal of Finance，1992，47(5):2015-2034.