田樹(shù)喜, 齊小源, 吳　迪

(東北大學(xué) 工商管理學(xué)院, 遼寧 沈陽(yáng)　110819)

?

正反饋交易、風(fēng)險(xiǎn)溢出與瀑布效應(yīng)
--基于滬深300現(xiàn)貨指數(shù)與期貨指數(shù)聯(lián)動(dòng)作用的經(jīng)驗(yàn)研究

田樹(shù)喜, 齊小源, 吳迪

(東北大學(xué) 工商管理學(xué)院, 遼寧 沈陽(yáng)110819)

利用VAR模型和ARCH系列模型,對(duì)2015年滬深300現(xiàn)貨指數(shù)及期貨指數(shù)之間的聯(lián)動(dòng)關(guān)系進(jìn)行了計(jì)量檢驗(yàn),研究結(jié)果表明:正反饋交易行情下,滬深300指數(shù)現(xiàn)貨市場(chǎng)與期貨市場(chǎng)之間形成了風(fēng)險(xiǎn)溢出和波動(dòng)積聚的聯(lián)動(dòng)反應(yīng),并在流動(dòng)性約束的條件下不斷循環(huán)和加劇,最終引發(fā)了股指斷崖式下跌的“瀑布效應(yīng)”。進(jìn)一步的分析揭示:市場(chǎng)交易主體的結(jié)構(gòu)失衡、交易制度的不完備、噪聲交易者的“羊群行為”及監(jiān)管措施的反應(yīng)滯后是“瀑布效應(yīng)”形成的重要原因。

正反饋; 波動(dòng)積聚; 非對(duì)稱(chēng)沖擊; 瀑布效應(yīng)

一、 問(wèn)題的提出

正反饋交易是一種在資產(chǎn)價(jià)格上漲時(shí)買(mǎi)入,下跌時(shí)賣(mài)出的非理性噪聲交易行為。正反饋交易下資產(chǎn)價(jià)格不再隨機(jī)游走,而是存在顯著的自相關(guān)特征,進(jìn)而引發(fā)市場(chǎng)的單邊傾向和過(guò)度波動(dòng)。1982年2月24日,美國(guó)堪薩斯期貨交易所推出了價(jià)值線綜合指數(shù)期貨合約,標(biāo)志著股指期貨的誕生。股指期貨的引入為股票市場(chǎng)提供了做空機(jī)制,即股票價(jià)格的下跌風(fēng)險(xiǎn)可以通過(guò)賣(mài)出股指期貨合約進(jìn)行對(duì)沖,而股票價(jià)格上漲的收益也可以通過(guò)買(mǎi)入期貨合約進(jìn)行預(yù)期鎖定,因此,理論上股指期貨可以抑制股市的正反饋交易行為。但1987年10月19日美國(guó)股票市場(chǎng)爆發(fā)的股災(zāi)(簡(jiǎn)稱(chēng)“87股災(zāi)”)引起了人們對(duì)股指期貨的質(zhì)疑,隨后的布雷迪報(bào)告認(rèn)為,指數(shù)套利和組合保險(xiǎn)是導(dǎo)致股市暴跌的重要原因:股價(jià)的猛烈下跌會(huì)引發(fā)組合投資保險(xiǎn)的程序化交易自動(dòng)展開(kāi),即賣(mài)出期貨合約以避險(xiǎn),短時(shí)間內(nèi)期貨合約大量拋出,引發(fā)期貨合約價(jià)格超跌,進(jìn)而引發(fā)現(xiàn)貨市場(chǎng)的進(jìn)一步拋售行為,并形成惡性循環(huán),導(dǎo)致股票價(jià)格猶如瀑布一樣傾瀉直下,形成“瀑布效應(yīng)”?！?7股災(zāi)”后,學(xué)者們對(duì)股指期貨是否會(huì)降低股市正反饋交易傾向問(wèn)題進(jìn)行了大量研究。例如,De Long等(1990)[1]建立了DSSW模型對(duì)股市中的理性套利者和正反饋噪聲交易者的投資行為進(jìn)行分析,他們認(rèn)為,股指期貨的低交易成本會(huì)大幅提升噪聲交易者的投機(jī)行為,使股市的正反饋交易加劇,股價(jià)波動(dòng)幅度增大。Antoniou等(2005)[2]通過(guò)對(duì)美國(guó)、加拿大、英國(guó)、法國(guó)、德國(guó)和日本等六個(gè)工業(yè)化國(guó)家的檢驗(yàn)認(rèn)為,期貨市場(chǎng)的投機(jī)行為會(huì)加劇股市的短期波動(dòng),但從長(zhǎng)期來(lái)看,股指期貨的引入總體上抑制了這些國(guó)家股票市場(chǎng)的正反饋交易行為。而在2008年的金融危機(jī)和隨后爆發(fā)的歐債危機(jī)期間,美歐股市雖都出現(xiàn)了短期大跌,但以熔斷機(jī)制為代表的一系列限制措施起到了平抑作用,歐美股市未發(fā)生顯著的“瀑布效應(yīng)”。

2010年4月16日,中國(guó)金融期貨交易所首次推出了滬深300指數(shù)期貨合約,5年后(2015年4月16日),中國(guó)金融期貨交易所又推出了上證50和中證500指數(shù)期貨合約。關(guān)于股指期貨引入對(duì)中國(guó)股市影響的問(wèn)題,學(xué)者們的研究結(jié)論一直存在著較大的分歧。就近期研究來(lái)看,蔡向輝和劉鋒(2014)[3]比較了滬深300指數(shù)期貨上市前后三年股票市場(chǎng)的表現(xiàn),其研究結(jié)論是滬深300指數(shù)期貨上市后,股市發(fā)生了積極的變化,正反饋傾向受到抑制。同年,熊熊等[4]利用模擬實(shí)驗(yàn)生成的高頻數(shù)據(jù)進(jìn)行分析,其研究結(jié)論是滬深300指數(shù)期貨能否抑制股市的正反饋傾向與股市和期市間的聯(lián)動(dòng)機(jī)制高度相關(guān),如果兩市間投機(jī)性交易比重過(guò)高,則套期保值和期限套利交易受到抑制,兩市間難以形成有效的負(fù)反饋效應(yīng)。陳海強(qiáng)和張傳海(2015)[5]檢驗(yàn)了滬深300指數(shù)期貨推出后我國(guó)股市的跳躍風(fēng)險(xiǎn),研究認(rèn)為股指期貨的投機(jī)交易會(huì)增加現(xiàn)貨市場(chǎng)的小跳風(fēng)險(xiǎn),但對(duì)現(xiàn)貨市場(chǎng)的大跳風(fēng)險(xiǎn)具有平抑作用,且現(xiàn)貨市場(chǎng)的跳躍風(fēng)險(xiǎn)對(duì)期貨市場(chǎng)交易行為存在反饋影響。石曉波和周奮(2015)[6]的研究則認(rèn)為,我國(guó)股市2014年下半年的波動(dòng)行情與股市和期市間的跨市操縱行為密切相關(guān)。2015年,中國(guó)股市上演了“過(guò)山車(chē)”式行情,從年初的杠桿牛市到年中的斷崖式下跌;從史上最嚴(yán)格的股指期貨交易規(guī)則,再到熔斷機(jī)制實(shí)施后的自我熔斷,股指期貨再次被推到風(fēng)口浪尖。區(qū)別于以往的經(jīng)驗(yàn)研究,本文從流動(dòng)性約束下行為心理反應(yīng)視角,綜合運(yùn)用VAR模型和ARCH系列模型,分別對(duì)2015年滬深300指數(shù)市場(chǎng)的“暴漲”和“暴跌”兩種正反饋交易行情進(jìn)行計(jì)量檢驗(yàn),剖析瀑布效應(yīng)的形成機(jī)理,以期對(duì)投資者行為決策和市場(chǎng)監(jiān)管提供借鑒。

二、 數(shù)據(jù)與模型

1. 數(shù)據(jù)說(shuō)明

2015年初,受央行量化寬松、滬港通啟動(dòng)及融資融券業(yè)務(wù)拓展等系列因素的直接影響,中國(guó)股市迎來(lái)了杠桿式上漲。以滬深300指數(shù)(收盤(pán)價(jià))為例,指數(shù)由3月10日最低的3 520點(diǎn)上漲到6月12日最高的5 335點(diǎn),3個(gè)月內(nèi)上漲了1 815點(diǎn),形成了“追漲”的正反饋交易行情。但從6月份開(kāi)始,以央行出重拳清理配資為導(dǎo)火索,股市開(kāi)始急速下跌,到8月26日,滬深300指數(shù)又跌至3 025點(diǎn),2個(gè)月期間下跌了2 310點(diǎn),形成了“殺跌”的正反饋交易行情。據(jù)此,本文以2015年3月10日至8月26日滬深300現(xiàn)貨指數(shù)和期貨指數(shù)的日收盤(pán)數(shù)據(jù)為樣本,對(duì)市場(chǎng)“追漲殺跌”的正反饋交易行情進(jìn)行計(jì)量分析,并檢驗(yàn)現(xiàn)貨指數(shù)和期貨指數(shù)之間的聯(lián)動(dòng)效應(yīng)。滬深300現(xiàn)貨指數(shù)和期貨指數(shù)數(shù)據(jù)均來(lái)源于大智慧交易行情系統(tǒng),其中,期貨指數(shù)為交易活躍的當(dāng)月合約連續(xù)指數(shù)。為消除參數(shù)估計(jì)中可能產(chǎn)生的異方差問(wèn)題,本文對(duì)現(xiàn)貨指數(shù)和期貨指數(shù)收盤(pán)數(shù)據(jù)進(jìn)行取對(duì)數(shù)處理。

2. 模型選擇

正反饋交易期間,滬深300指數(shù)現(xiàn)貨市場(chǎng)與期貨市場(chǎng)之間是否發(fā)生了風(fēng)險(xiǎn)溢出?就這一問(wèn)題,本文選擇向量自回歸(VAR)模型進(jìn)行計(jì)量檢驗(yàn)。VAR模型由公式(1)和公式(2)組成:

(1)

(2)

現(xiàn)貨市場(chǎng)與期貨市場(chǎng)之間的風(fēng)險(xiǎn)溢出會(huì)因理性交易者的套利行為得到分散,但在投機(jī)性噪聲交易主導(dǎo)的正反饋行情下,則會(huì)引發(fā)波動(dòng)積聚和“羊群行為”,本文選擇自回歸條件異方差(ARCH)系列模型對(duì)上述假設(shè)進(jìn)行檢驗(yàn)。ARCH模型是由Engle(1982)[7]最早提出,該模型的主要思想是隨機(jī)擾動(dòng)項(xiàng)的條件方差和它的前期值顯著相關(guān),一個(gè)自然延伸的ARCH(L)過(guò)程如公式(3)所示:

(3)

(4)

(5)

相對(duì)于以往的條件異方差模型,EGARCH模型可以檢驗(yàn)非對(duì)稱(chēng)沖擊的杠桿效應(yīng)。式(5)中,由于λ2的非負(fù)約束,如果λ3<0,當(dāng)發(fā)生正向沖擊時(shí)(εt-1>0),正向沖擊效應(yīng)系數(shù)為λ2+λ3;當(dāng)發(fā)生負(fù)向沖擊時(shí)(εt-1<0),負(fù)向沖擊效應(yīng)系數(shù)為λ2-λ3。由于λ2+λ3<λ2-λ3,意味著負(fù)向沖擊的影響大于正向沖擊的影響,當(dāng)λ2-λ3顯著大于λ2+λ3時(shí),則會(huì)引發(fā)市場(chǎng)單邊急速下跌的“瀑布效應(yīng)”。

三、 計(jì)量檢驗(yàn)

1. 平穩(wěn)性及協(xié)整關(guān)系檢驗(yàn)

在檢驗(yàn)滬深300現(xiàn)貨指數(shù)與期貨指數(shù)之間引導(dǎo)關(guān)系之前,首先需要對(duì)樣本序列進(jìn)行平穩(wěn)性檢驗(yàn)。本文采用ADF檢驗(yàn)法分別對(duì)上漲和下跌兩種正反饋交易行情下,滬深300現(xiàn)貨及期貨指數(shù)的對(duì)數(shù)序列進(jìn)行檢驗(yàn),結(jié)果如表1所示,無(wú)論在上漲階段還是下跌階段,ln(st)和ln(ft)同為1階單整的非平穩(wěn)序列,而Δln(st)和Δln(ft)同為0階單整的平穩(wěn)序列。

表1　滬深300現(xiàn)貨指數(shù)與期貨指數(shù)平穩(wěn)性檢驗(yàn)結(jié)果

注: **和*分別表示在1%和5%的顯著水平下通過(guò)線性相關(guān)的假設(shè)檢驗(yàn);綜合AIC和SC標(biāo)準(zhǔn),序列最優(yōu)滯后期確定為2階,下同。

為避免非平穩(wěn)序列之間可能產(chǎn)生的偽回歸問(wèn)題,本文對(duì)ln(st)和ln(ft)序列進(jìn)行協(xié)整關(guān)系檢驗(yàn),結(jié)果如表2所示,在上漲的正反饋交易行情中,不存在協(xié)整方程的假設(shè)被拒絕,至多存在一個(gè)協(xié)整方程的假設(shè)被接受,說(shuō)明ln(st)和ln(ft)之間僅有一個(gè)方程存在協(xié)整關(guān)系;在下跌的正反饋交易行情中,不存在協(xié)整方程和至多存在一個(gè)協(xié)整方程的假設(shè)均被拒絕,說(shuō)明ln(st)和ln(ft)之間存在兩個(gè)協(xié)整方程,即ln(st)和ln(ft)之間可能存在雙向引導(dǎo)關(guān)系。

表2　滬深300現(xiàn)貨指數(shù)與期貨指數(shù)協(xié)整關(guān)系檢驗(yàn)結(jié)果

2. 引導(dǎo)關(guān)系檢驗(yàn)

為檢驗(yàn)滬深300現(xiàn)貨指數(shù)與期貨指數(shù)之間是否存在顯著的引導(dǎo)關(guān)系,本文利用VAR模型進(jìn)行格蘭杰因果關(guān)系檢驗(yàn),結(jié)果如表3所示,在上漲的正反饋交易行情中,ln(st)不是ln(ft)變化的格蘭杰原因的假設(shè)被接受,說(shuō)明現(xiàn)貨指數(shù)先期變動(dòng)不會(huì)顯著影響到期貨指數(shù)的本期變動(dòng);而ln(ft)不是ln(st)變化的格蘭杰原因的假設(shè)被拒絕,說(shuō)明期貨指數(shù)先期變動(dòng)會(huì)對(duì)現(xiàn)貨指數(shù)的本期變動(dòng)產(chǎn)生顯著影響,即在上漲的正反饋交易行情中,形成了期貨指數(shù)單向引導(dǎo)現(xiàn)貨指數(shù)變動(dòng)的聯(lián)動(dòng)關(guān)系。另一方面,在下跌的正反饋交易行情中,ln(st)不是ln(ft)變化的格蘭杰原因和ln(ft)不是ln(st)變化的格蘭杰原因的假設(shè)均被拒絕,說(shuō)明在下跌的正反饋交易行情中,現(xiàn)貨指數(shù)與期貨指數(shù)之間形成了顯著的相互引導(dǎo)關(guān)系,導(dǎo)致下跌風(fēng)險(xiǎn)的雙向溢出。

表3　滬深300現(xiàn)貨指數(shù)與期貨指數(shù)格蘭杰因果關(guān)系檢驗(yàn)結(jié)果

3. 波動(dòng)積聚效應(yīng)檢驗(yàn)

表4　滬深300對(duì)數(shù)序列GARCH模型估計(jì)結(jié)果

4. 非對(duì)稱(chēng)沖擊效應(yīng)檢驗(yàn)

為檢驗(yàn)正反饋交易行情下是否存在非對(duì)稱(chēng)沖擊效應(yīng),本文利用EGARCH模型對(duì)樣本數(shù)據(jù)進(jìn)行參數(shù)估計(jì),結(jié)果如表5所示,正向沖擊系數(shù)(λ2+λ3)=0.309-0.159=0.150;負(fù)向沖擊系數(shù)(λ2-λ3)=0.309+0.159=0.468,負(fù)向沖擊系數(shù)約是正向沖擊系數(shù)的三倍,非對(duì)稱(chēng)波動(dòng)特征顯著。另一方面,EGARCH模型下的非對(duì)稱(chēng)沖擊曲線可以直觀顯示出非對(duì)稱(chēng)波動(dòng)的動(dòng)態(tài)反應(yīng)特征,令m=(εt-1/σt-1),則非對(duì)稱(chēng)沖擊曲線的函數(shù)形式為f(m)=λ2|m|+λ3m。通過(guò)對(duì)m序列進(jìn)行升序排列,再利用ln(n)=λ2|m|+λ3m函數(shù)式生成n序列,隨后以m序列作為橫軸,以n序列作為縱軸,完成非對(duì)稱(chēng)沖擊曲線的繪制。如圖2所示,正反饋交易行情下,市場(chǎng)對(duì)負(fù)向沖擊的反應(yīng)彈性遠(yuǎn)大于對(duì)正向沖擊的反應(yīng)彈性,因而導(dǎo)致了股指短期內(nèi)急速暴跌的“瀑布效應(yīng)”。

表5　EGARCH模型估計(jì)結(jié)果

圖1　滬深300指數(shù)對(duì)數(shù)序列1階自回歸殘差走勢(shì)

圖2　正反饋交易行情下的非對(duì)稱(chēng)沖擊曲線圖

四、 結(jié)論分析與政策啟示

正反饋交易的形成源于噪聲交易者非理性的心理反應(yīng),即以某一決策參考點(diǎn)為基礎(chǔ),當(dāng)價(jià)格上漲時(shí),每增加一單位貨幣的邊際效用遞減會(huì)導(dǎo)致交易者對(duì)收益反應(yīng)不足,所以交易者傾向不斷買(mǎi)進(jìn)資產(chǎn)來(lái)實(shí)現(xiàn)心理滿足;當(dāng)價(jià)格下跌時(shí),每減少一單位貨幣的邊際效用遞增會(huì)導(dǎo)致交易者對(duì)損失反應(yīng)過(guò)度,所以交易者傾向賣(mài)出資產(chǎn)避免更大的損失。正反饋交易行情的波動(dòng)幅度和強(qiáng)度會(huì)受到市場(chǎng)預(yù)期、交易制度及調(diào)控措施等因素的影響,如果預(yù)期市場(chǎng)已處于超買(mǎi)或超賣(mài)狀態(tài),則套期保值交易和指數(shù)套利交易會(huì)主導(dǎo)市場(chǎng),完備的交易制度會(huì)為價(jià)格回歸均衡水平提供保障;如果市場(chǎng)預(yù)期會(huì)進(jìn)一步地上漲或下跌,則投機(jī)性交易會(huì)主導(dǎo)市場(chǎng)導(dǎo)致波動(dòng)加劇,且交易制度缺陷會(huì)給投機(jī)者帶來(lái)操縱市場(chǎng)的機(jī)會(huì),如果投機(jī)者的操縱行為不能得到及時(shí)監(jiān)控和約束,會(huì)使市場(chǎng)恐慌氣氛加劇并引發(fā)暴跌行情。

本文的實(shí)證分析結(jié)果表明,2015年滬深300指數(shù)現(xiàn)貨市場(chǎng)與期貨市場(chǎng)之間形成了風(fēng)險(xiǎn)溢出和波動(dòng)積聚的“瀑布效應(yīng)”。一方面,面對(duì)下跌行情,機(jī)構(gòu)投資者通過(guò)賣(mài)出股指期貨合約來(lái)轉(zhuǎn)移股票現(xiàn)貨市場(chǎng)風(fēng)險(xiǎn),由此賣(mài)壓傳遞到期貨市場(chǎng),由于期貨市場(chǎng)的價(jià)格發(fā)現(xiàn)功能,期貨價(jià)格的下跌會(huì)進(jìn)一步引發(fā)現(xiàn)貨價(jià)格的下跌,形成下跌循環(huán)。另一方面,與上漲的正反饋行情相比,下跌的正反饋行情面臨著流動(dòng)性困境。因?yàn)?在上漲行情中投資者可以隨時(shí)出售股票變現(xiàn),但在下跌行情中,尤其是在融券賣(mài)空的杠桿交易中,先跌停的股票賣(mài)不出去,投資者只有出售尚未跌停的股票來(lái)滿足保證金要求,導(dǎo)致了市場(chǎng)的加速下跌,投機(jī)者發(fā)現(xiàn)這一流動(dòng)性約束,就可以通過(guò)反復(fù)做空市場(chǎng)來(lái)獲利,并引發(fā)市場(chǎng)的“羊群行為”,導(dǎo)致股指斷崖式下跌,形成“瀑布效應(yīng)”。

2015年的股災(zāi)使人們深刻體會(huì)到股指期貨的“雙刃劍”特征。在我國(guó)金融開(kāi)放程度逐漸提高及金融衍生品交易不斷發(fā)展的背景下,迫切需要通過(guò)有效的制度安排,使股指期貨價(jià)格發(fā)現(xiàn)和套期保值的功能得以充分發(fā)揮,過(guò)度投機(jī)行為得到有效抑制。據(jù)此,本文提出以下幾點(diǎn)建議:一是逐步完善同步交易制度。目前,我國(guó)股票現(xiàn)貨市場(chǎng)實(shí)施的是“T+0”和個(gè)股漲跌停制度,股指期貨市場(chǎng)實(shí)施的是“T+1”和指數(shù)漲跌停制度,交易的非同步性為投機(jī)者帶來(lái)巨大的操縱空間,因此,應(yīng)考慮在特殊時(shí)期對(duì)股指期貨市場(chǎng)實(shí)施“T+1”的交易約束,并對(duì)指數(shù)漲跌停幅度提出更嚴(yán)格的限制,待到時(shí)機(jī)成熟,現(xiàn)貨市場(chǎng)實(shí)施“T+0”與期貨市場(chǎng)形成匹配。二是逐步改善投資者的市場(chǎng)結(jié)構(gòu)。相對(duì)于發(fā)展成熟的市場(chǎng),我國(guó)股票市場(chǎng)機(jī)構(gòu)投資者比重偏低,散戶比重過(guò)高,而股指期貨的交易門(mén)檻使大多數(shù)散戶無(wú)法通過(guò)股指期貨實(shí)現(xiàn)套期保值,指數(shù)套利機(jī)制也難以充分發(fā)揮作用,因此,應(yīng)加強(qiáng)對(duì)散戶投資者的風(fēng)險(xiǎn)提示,鼓勵(lì)散戶通過(guò)資質(zhì)優(yōu)良的機(jī)構(gòu)參與市場(chǎng)交易,降低市場(chǎng)噪聲交易產(chǎn)生的“羊群行為”。三是豐富股指期貨品種,加強(qiáng)風(fēng)險(xiǎn)管理。面對(duì)2015年股票現(xiàn)貨市場(chǎng)與股指期貨市場(chǎng)的風(fēng)險(xiǎn)聯(lián)動(dòng),監(jiān)管部門(mén)采取了提高保證金比率、持倉(cāng)限制和熔斷機(jī)制等措施,這些措施雖在短期內(nèi)起到了抑制過(guò)度投機(jī)的作用,但明顯具有滯后性,而且還引發(fā)了加速熔斷的“磁吸效應(yīng)”,因此,應(yīng)考慮開(kāi)發(fā)面值較小的mini型股指期貨,為中小投資者提供風(fēng)險(xiǎn)管理工具,同時(shí)逐步完善風(fēng)險(xiǎn)預(yù)警機(jī)制和管理制度,約束過(guò)度投機(jī)和跨市操縱行為。

[1] De Long B J, Shleifer A, Summers L H, et al. Positive Feedback Investment Strategies and Destabilizing Rational Speculation[J]. Journal of Finance, 1990,45:379-395.

[2] Antoniou A, Gregory K, Andreas P. Index Futures and Positive Feedback Trading: Evidence from Major Stock Exchanges[J]. Journal of Empirical Finance, 2005,12:219-238.

[3] 蔡向輝,劉鋒. 股指期貨宏觀穩(wěn)定作用的微觀基礎(chǔ)探究----基于滬深300指數(shù)期貨抑制股市正反饋交易的實(shí)證檢驗(yàn)[J]. 證券市場(chǎng)導(dǎo)報(bào), 2014(12):20-24.

[4] 熊熊,劉俊,許海川,等. 期現(xiàn)套利對(duì)我國(guó)股指期貨市場(chǎng)波動(dòng)性影響分析[J]. 系統(tǒng)工程理論與實(shí)踐, 2014(3):623-630.

[5] 陳海強(qiáng),張傳海. 股指期貨交易會(huì)降低股市跳躍風(fēng)險(xiǎn)嗎?[J]. 經(jīng)濟(jì)研究, 2015(1):153-167.

[6] 石曉波,周奮. 中國(guó)股指期貨市場(chǎng)與股票市場(chǎng)的跨市操縱與監(jiān)管[J]. 當(dāng)代經(jīng)濟(jì)研究, 2015(2):74-79.

[7] Engle R F. Autoregressive Conditional Heteroscedasticity with the Estimates of the Variance of United Kingdom Inflation[J]. Econometrics, 1982,50:987-1008.

[8] Bollerslev T. Generalised Autoregressive Conditional Heteroscedasticity[J]. Journal of Econometrics, 1986,33:307-327.

(責(zé)任編輯: 王薇)

Positive Feedback Trading, Risk Spillover and Cascade Effect---An Empirical Analysis of the Interactive Effects Between CSI 300 Stock Index and Futures Index

TIANShu-xi,QIXiao-yuan,WUDi

(School of Business Administration, Northeastern University, Shenyang 110819, China)

The VAR model and a series of ARCH models were used to test the interactive effects between CSI 300 stock index and futures index in 2015. The results showed that under the positive feedback trading quotation, the risk spillover and fluctuating accumulation are formed between Shanghai and Shenzhen 300 index spot market and index futures market, which recycle and intensify under the constraint of liquidity, ultimately leading to the violent falling of stock indexes (i.e., cascade effect). The further analysis revealed that the important reasons for forming the cascade effect are structural imbalance of market traders, imperfect trading system, “herd behavior” of noise traders and delayed reaction of regulatory measures.

positive feedback; fluctuating accumulation; asymmetric shock; cascade effect

10.15936/j.cnki.1008-3758.2016.05.004

2016-02-20

田樹(shù)喜(1970- ),男,遼寧本溪人,東北大學(xué)副教授,經(jīng)濟(jì)學(xué)博士,主要從事金融衍生品市場(chǎng)發(fā)展研究。

F 830.91

A

1008-3758(2016)05-0464-06