上海大學(xué)經(jīng)濟學(xué)院 劉陽

西安電子科技大學(xué) 張雄

1 引言

期貨市場具有價格發(fā)現(xiàn)功能，具體到股指期貨市場上是指股指期貨價格包含了大量的信息，這些信息通過股指期貨市場與股票市場間的套利機制及時傳遞到股票市場，因此，股指期貨市場能發(fā)現(xiàn)股票市場未來價格變化的趨勢(Joel Hasbrouck，1995)。股指期貨市場與現(xiàn)貨市場的互動關(guān)系前人已有許多研究成果，但是對不同的市場研究得出的結(jié)論并不相同?？偟膩碚f，股指期貨對股票市場的穩(wěn)定作用會隨著市場結(jié)構(gòu)的完善而逐漸顯現(xiàn)(楊陽、萬迪!，2010)，期貨市場實質(zhì)上提高了金融市場的深度，擴大了信息量，現(xiàn)貨市場的波動性會相應(yīng)降低(Powers，1970)。2010年到2013年間中國股指期貨市場逐漸發(fā)展，對股票市場的影響逐漸顯現(xiàn)出來，2010年有研究表明股指期貨的推出對現(xiàn)貨市場的波動性沒有較大影響(邢天才、張閣，2010)；2011年有學(xué)者的實證結(jié)果表明盡管股指期貨和股票市場之間短期內(nèi)存在相互引導(dǎo)關(guān)系，但股票市場價格變動更多來自于自身影響(邢精平、周伍陽，2011)；2012年有研究指出股指期貨市場與股票市場之間的風(fēng)險傳遞是雙向的(劉慶富、華仁海，2012)；2013年有研究結(jié)論股指期貨的上市略微降低了上證指數(shù)收益率的波動性(張洪波、夏慶，2013)。這期間股指期貨的合約持倉量從上市初始的5000張左右，增加到2011年的4萬張左右，再增加到現(xiàn)在的10萬張左右。Chang Eric在2000年的研究中以交易量作為投機程度的度量，以持倉量作為套期保值程度的度量，因為投機者一般通過短期持有期貨合約進行套利，而套期保值者一般通過較長時期持有期貨合約規(guī)避風(fēng)險。投資者分為套期保值者和投機者。套期保值者的數(shù)量對市場深度的影響比較復(fù)雜，而投機者的數(shù)量增加會導(dǎo)致期貨市場價格的波動性增加(Spiegel，1992)。交易量的增加通常會增加期貨價格波動，而持倉量的增加則會減少價格波動。期貨市場中投機套保力量的改變也許是期現(xiàn)貨市場風(fēng)險傳遞關(guān)系改變的潛在因素。

綜合上述文獻，股指期貨市場投資者結(jié)構(gòu)對股指期貨市場穩(wěn)定性的確存在一定影響，另外股指期貨市場和現(xiàn)貨市場間交互影響也是存在的。但是并沒有文獻針對股指期貨市場投資者結(jié)構(gòu)會對股票市場產(chǎn)生何種影響進行研究，本文的目的正是填補這一空白。

本文計劃如下：第二部分介紹引入外生變量的GARCH模型；第三部分樣本描述；第四部分是投資者結(jié)構(gòu)對股指期貨市場波動性的影響的實證分析；第五部分是股指期貨市場波動性對股票市場波動性的影響的實證分析；第六部分是結(jié)論及政策建議。

2 引入外生變量的GARCH模型和VEC-GARCH模型

2.1 引入外生變量的GARCH模型

考慮到本文研究對象以及問題是對于股指期貨市場投資者結(jié)構(gòu)套保強度是否對股指期貨市場波動性的影響展開，因此在模型中引入股指期貨主合約收盤價PFt，來反應(yīng)價格變化。在條件方差方程里引入股指期貨市場套保強度環(huán)比增幅It。pt的系數(shù)則是表現(xiàn)波動性的代理參數(shù)，則引入外生變量的GARCH(p,q)形式如下：

其中，F(xiàn)t為因變量為常數(shù)項是回歸參數(shù)向量是過去t-1期所有信息為隨機誤差項：

且需要估計值：

2.2 VEC-GARCH模型

股指期貨價格PFt和滬深300指數(shù)價格PSt之間的動態(tài)協(xié)整關(guān)系可用如下的雙變量向量誤差修正模型進行研究。

上述誤差修正模型可以用來推斷股指期貨價格與滬深300指數(shù)價格之間的因果關(guān)系。誤差修正系數(shù)和檢測了偏離長期均衡時調(diào)整的反應(yīng)速度是股指期貨對滬深300指數(shù)的短期預(yù)測能力系數(shù)是滬深300指數(shù)對股指期貨的短期預(yù)測能力系數(shù)和是收益滯后值系數(shù)，表明兩個時間序列的均值回歸程度。如果都統(tǒng)計顯著,表明滬深300股指期貨價格和滬深300指數(shù)價格之間存在雙向的長期因果關(guān)系。

表示股指期貨與滬深300指數(shù)間的波動性外溢效果的條件方差方程式為對方程式(7)和(5)的殘差項進行GARCH建模，其表達式依據(jù)Ling&McAleer(2003)提出的模型設(shè)定：

3 樣本描述

本文選取2010年4月16日至2013年6月17日期間中金所滬深300指數(shù)期貨主力合約日收盤價格數(shù)據(jù)、持倉量、交易量和滬深300指數(shù)日收盤價格數(shù)據(jù)，共計四組樣本數(shù)據(jù)，每組含765個樣本。為消除異方差性帶來的影響，本文取收盤價格的對數(shù)收益率作為GARCH模型中的變量。對數(shù)收益率分別記為Ft和St。

用股指期貨主力合約的持倉量比成交量的值Qt作為股指期貨投資者結(jié)構(gòu)的代理變量，式(8)中的股指期貨市場套保強度環(huán)比增幅It由下等式給出

從圖1和圖2可看出，股指期貨日收益率和滬深300指數(shù)日收益率序列呈波浪狀起伏，而且在較大波動后緊跟較大波動，較小波動后緊接著是較小波動，有群聚現(xiàn)象，這有可能因為序列存在ARCH現(xiàn)象。

圖1 股指期貨日收益率時序圖

圖2 滬深300指數(shù)日收益率時序圖

4 投資者結(jié)構(gòu)套保強度對股指期貨市場波動性的影響的實證分析

對股指期貨市場的對數(shù)收益率Ft和套保強度環(huán)比增幅It進行引入外生變量的GARCH建模，模型的參數(shù)按照AIC和SC最小原則進行選取，最終選定GARCH(1,1)。表1中為各變量系數(shù)。

表1 GARCH(1,1)模型的估計結(jié)果

5 股指期貨市場波動性對股票市場波動性的影響的實證分析

對股指期貨市場的對數(shù)收益率Ft和現(xiàn)貨市場的對數(shù)收益率St進行VEC-GARCH建模，模型的參數(shù)按照AIC和SC最小原則進行選取。式(4)和(5)中誤差修正項系數(shù)的估計結(jié)果顯示和均統(tǒng)計顯著。

表2 和估計結(jié)果

表2 和估計結(jié)果

Variable Coefficient t-Statistic Prob.et 0.33 14.53 0.00 et -0.32 -14.29 0.00

根據(jù)AIC和SC準(zhǔn)則綜合確定股指期貨市場和現(xiàn)貨市場間波動溢出檢驗的最佳模型為GARCH(1,1)，且外生變量(交叉ARCH和交叉GARCH效應(yīng)項)分別滯后一階和二階。模型參數(shù)的估計結(jié)果如下：

表3 等式(7)的估計結(jié)果

-0.01 -0.65 0.52 0.05 0.78 0.43

表4 等式(8)的估計結(jié)果

6 結(jié)論及政策建議

6.1 結(jié)論

滬深300股指期貨投資者結(jié)構(gòu)套保強度對滬深300股指期貨價格波動性具有抑制作用。股指期貨投資者結(jié)構(gòu)套期保值強度越大會使股指期貨價格波動性越小，反之使其波動性增大。

滬深300股指期貨與滬深300指數(shù)價格之間存在雙向波動溢出效果；滬深300股指期貨價格的沖擊和條件波動加大了滬深300指數(shù)價格的條件波動，同樣滬深300指數(shù)價格的沖擊和條件波動也增大了股指期貨價格的條件波動。股指期貨市場投資者結(jié)構(gòu)套保強度通過抑制股指期貨市場波動性來抑制現(xiàn)貨市場波動性。

6.2 政策建議

我國股指期貨開始在一定程度上發(fā)揮其價格發(fā)現(xiàn)功能，這說明我國股指期貨市場日趨成熟。期貨市場和現(xiàn)貨市場間的波動溢出效應(yīng)是相互的。因此為保證股指期貨市場和現(xiàn)貨市場的安全運作，防范股指期貨和股票市場對彼此產(chǎn)生的負面影響，必須要嚴(yán)格監(jiān)管股指期貨市場和股票市場，建立嚴(yán)密的風(fēng)險管理制度。股指期貨市場投資者結(jié)構(gòu)對股指期貨市場和股票市場的健康良好運轉(zhuǎn)起著重要作用。投資者結(jié)構(gòu)中套期保值強度的增加可以抑制兩個市場的波動性，所以政府應(yīng)該制定鼓勵套期保值者的規(guī)則和政策，以提高投資者結(jié)構(gòu)的套期保值強度。但是，過高的套期保值強度不利于市場的流動性，政府應(yīng)在提高流動性與降低風(fēng)險兩者之間權(quán)衡，做出最有利于人民的決策。

[1] Joel Hasbrouck.One Security,Many Market:Determining the Contributions to Price Discovery[J].The Journal of Finance,1995(9),Volume 50.

[2] Tim Bollerslev.Generalized Autoregressive Conditional Heteroskedasticity[J].Journal of Econometrics,1986(31).

[3] Chang Eric,Ray Y.Chou,Edward F.Nelling.Market Volatility and the Demand for Hedging in Stock Index Futures,2000(02).

[4] Powers M.J.Does Futures Trading Reduce Price Fluctuations in the Cash Markets[J].The American Economic Review,1970,60(3).

[5] Martin T.Bohl,Christian A.Salm,Michael Schuppli.Price Discovery and Investor Structure inStock Index Futures[J].Journal of Futures Markets,March 2011,Volume 31.

[6] Spiegel M．a(chǎn)nd A.Subrahmanyam.Imformed Speculation and Hedging in a Noncompetitive Securities Market[J].Review of Financial Studies,1992(5).

[7] Chan,L.C.,Fung H.G.and Leung W.K.Daily Volatility Behavior in Chinese Futures Markets.Int. Fin Markets,Inst,and Money,2004(14).

[8] Robert F.Engle.Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation[J].1982(7).

[9] Yue-Jun Zhang,Ying Fan,Hsien-Tang Tsai.Spillover Effect of US Dollar Exchange Rate on Oil Prices[J].Journal of Policy Modeling,2008(30).

[10] Granger C.W.J.Some Recent Developments in a Concept of Causality[J].Journal of Monetary Economics,1988,39(1/2).

[11] Floros,C.and Vougas,D.Index Futures Trading,Information and Stock Market Volatility:The Case of Greece[J].Derivatives Use,Trading & Regulation,2006,Vol.12.

[12] 張雄,萬迪!,楊光.投資者結(jié)構(gòu)與期限結(jié)構(gòu)對期貨市場效率的影響研究[J].證券市場導(dǎo)報2010(4).

[13] 楊陽,萬迪!.股指期貨真的能穩(wěn)定市場嗎?[J].金融研究,2010(12).

[14] 楊光,張志勇.期貨市場投資者行為與價格波動關(guān)系研究[J].財經(jīng)理論與實踐,2010(7).

[15] 劉慶富,華仁海.中國股指期貨與股票現(xiàn)貨市場之間的風(fēng)險傳遞效應(yīng)研究[J].統(tǒng)計研究,2011(11).

[16] 邢天才,張閣.中國股指期貨對現(xiàn)貨市場聯(lián)動效應(yīng)的實證研究——基于滬深300仿真指數(shù)期貨數(shù)據(jù)的分析[J].財經(jīng)問題研究,2010(04).

[17] 邢精平,周伍陽,季峰.我國股指期貨與現(xiàn)貨市場信息傳遞與波動溢出關(guān)系研究[J].證券市場導(dǎo)報,2011.

[18] 張紅波,夏慶.中國股指期貨對現(xiàn)貨波動性影響的實證研究[J].華北電力大學(xué)學(xué)報(社會科學(xué)版),2013(4).