曹 棟，張 佳

(1.西安電子科技大學(xué)經(jīng)濟與管理學(xué)院，陜西 西安 710071；2.中國科學(xué)院數(shù)學(xué)與系統(tǒng)科學(xué)研究院，北京 100190)

基于GARCH-M模型的股指期貨對股市波動影響的研究

曹 棟1,2，張 佳1

(1.西安電子科技大學(xué)經(jīng)濟與管理學(xué)院，陜西 西安 710071；2.中國科學(xué)院數(shù)學(xué)與系統(tǒng)科學(xué)研究院，北京 100190)

從本輪金融危機以來，伴隨著滬深股市的大幅震蕩，股指期貨作為規(guī)避風險、價格發(fā)現(xiàn)、資金配置的市場工具，其穩(wěn)定股市波動性的作用再次被推向了風口浪尖。在綜合評價現(xiàn)有研究的缺陷、既有改進方法以及其應(yīng)用情況后，通過在股票價格指數(shù)的生成過程中融入風險測量構(gòu)建了適應(yīng)我國股市的高擬合程度的GARCH-M模型，研究股指期貨對股市波動的影響。本文選取2007年8月1日到2015年4月23日滬深300股票指數(shù)的日度數(shù)據(jù)，分析了我國股市在受到較大外部沖擊后，股指期貨的穩(wěn)定作用以及股票市場的正反饋效應(yīng)等。實證結(jié)果表明：我國股票市場波動表現(xiàn)出正反饋效應(yīng)，股指期貨推出前后表現(xiàn)出不同程度的波動性，并且呈現(xiàn)出明顯的“波動集群性”；滬深300股指期貨推出后股指的波動平均減小了4.45×10-6個單位，已經(jīng)初步發(fā)揮了股票市場的穩(wěn)定器功能，一定程度上緩解了股市波動，但是其作用有限，功能還未能完全發(fā)揮；市場波動受舊信息的影響遠大于新信息產(chǎn)生的影響，表明我國股市波動主要來源于前者，同時條件方差所受的沖擊是持久的，即沖擊對未來的股票指數(shù)走勢都有重要作用。

滬深300股指期貨；股市波動；GARCH-M模型

1 引言

股指期貨是期貨交易的一種，以股票指數(shù)為標的，按照約定的交易日期和交割數(shù)量，通過現(xiàn)金結(jié)算差價的形式，進行標的的指數(shù)買賣。價值線綜合指數(shù)期貨合約是全球最早股指期貨，于1982年2月24日在美國堪薩斯期貨交易所推出。由于其在規(guī)避價格風險、價格發(fā)現(xiàn)、提高資金配置效率等方面的作用，受到各界廣泛關(guān)注。時至今日，全球已經(jīng)陸續(xù)推出上百支股指期貨。股指期貨更是學(xué)界研究熱點，學(xué)者們對各國股指期貨進行了深入研究。Cervello-Roy,Guijiarro和Michniuk[1]運用改進的flag pattern方法，通過分析91307個日度DJIA指數(shù)數(shù)據(jù)，驗證了IF-THEN規(guī)則在美國股指期貨市場交易的有效性。Kittiakarasakun,Tse和Wang[2]基于2002年到2004年Nasdaq-100股指期貨數(shù)據(jù)，研究了知情交易者和不知情交易者在不對稱波動的影響，分析結(jié)果表明不知情交易者的交易行為，尤其是小額交易行為，更顯著地導(dǎo)致了市場的不對稱波動。Christain和Claudia[3]結(jié)合Vine copula和GARCH模型，研究了歐洲最大的股指期貨Euro Stoxx 50的金融風險控制問題。Frijins和Tse[4]通過分析2001年到2011年的FTSE 100指數(shù)，研究了英國股指期貨市場交易誘導(dǎo)和報價誘導(dǎo)情況，知情交易者可以在80%的程度上解釋有效價格的創(chuàng)新。但是在本輪金融危機和歐洲債務(wù)危機時，由于噪聲交易者數(shù)量突增，知情交易者比重急劇下降。Laurent，Carole， Béatrice(2014)研究了法國股指期貨市場，通過研究在第一支以CAC40為標的的交易所買賣基金(ETF)上市前后各五個月的高頻數(shù)據(jù)，分析了其對現(xiàn)貨和期貨市場上價格的直接和間接作用，研究表明ETF上市后，市場表現(xiàn)出顯著的無套利行為。Wagner和Matanovic[6]基于GARCH模型，研究了1970年到2009年德國的DAX指數(shù)，結(jié)果表明雖然股指期貨對現(xiàn)貨市場波動作用存在時滯，但是其對股票市場穩(wěn)定和波動緩解作用是顯著的。Lee[7]利用CBP-GARCH模型，研究了1998年1月5日到2012年2月29日的Nikkei 225和VXJ指數(shù)，結(jié)果表明日本期貨市場的收益對投資者情緒有顯著影響，但是這種關(guān)系在本輪金融危機期間變得不顯著。Fung等[8]研究了2006年1月到2011年12月香港股指期貨和現(xiàn)貨市場，結(jié)果表明選取不同頻率的Hang Seng數(shù)據(jù)，獲得股指期貨和現(xiàn)貨市場的套利效應(yīng)具有顯著差異。

我國股市雖然創(chuàng)建歷史不長，但是在積聚資本、風險管理等方面取得了良好的成效，已經(jīng)成為宏觀經(jīng)濟晴雨表。由于宏觀經(jīng)濟運行的不確定性、信息不對稱性、市場參與者的非理性行為以及制度因素等諸多因素的共同影響，使得市場收益偏離預(yù)期，從而造成股市的波動性。譬如，股票市場普遍存在正反饋交易行為，交易者作出高買低賣的交易決策，引起股市過度波動；加之我國股市起步較晚，投資者結(jié)構(gòu)不完善，相關(guān)金融衍生品數(shù)量較少，監(jiān)管以及法律制度等影響，股市異常波動現(xiàn)象時有發(fā)生。2007年爆發(fā)的經(jīng)濟危機以來，全球金融體系持續(xù)調(diào)整，引發(fā)了各國股市的巨幅波動，面對國內(nèi)外錯綜復(fù)雜的經(jīng)濟形勢，我國股市波動性風險加大。侯利強等[9]通過引入模糊邏輯系統(tǒng)以及利用已實現(xiàn)的波動率替代隱含波動率的方法進行上證綜指的波動預(yù)測。我國股市波動還受到外部風險影響：唐振鵬等[10]利用小波方法，發(fā)現(xiàn)中國股市與亞太十個主要股市在時間和時間尺度的聯(lián)動存在變化，尤其是在金融危機期間聯(lián)動性增強。

我國大陸第一支股指期貨滬深300股指期貨合約以滬深300指數(shù)為標的，于2010年4月16日正式上市交易。雖然上市時間較短，但對滬深300股指期貨的研究取得了豐富的成果。前期研究主要集中在股指期貨的運行特征，與現(xiàn)貨市場的相互影響以及與國際股指期貨市場的聯(lián)動關(guān)系等方面。在股指期貨運行特征方面：Chen Zhijuan等[11]通過分析2010年4月16日到 2012年12月31日滬深300股指期貨的逐筆交易數(shù)據(jù)，研究了該市場的波動情況，結(jié)果表明在午間時段該市場的交易額和波動有很明顯的下降，在下午時段該市場的交易額和波動表現(xiàn)出顯著的倒U型，在上午時段交易者數(shù)量呈倒L形。He Xiaoli等[12]研究了2006年4月5日到2014年5月9日滬深300指數(shù)，通過運用多重趨勢波動模型(MF-DFA)研究了股指期貨市場的復(fù)雜分形性態(tài)。對收益率序列的分析表明在滬深300股指期貨上市后存在分形，市場的有效性顯著提高，同時復(fù)雜性減弱。與現(xiàn)貨市場相互影響方面：劉睿智和周勇[13]從微觀訂單流動性角度出發(fā)，通過構(gòu)建期現(xiàn)貨訂單流動性傳染互動模型，使用股指期貨和滬深300指數(shù)現(xiàn)貨的高頻數(shù)據(jù)，發(fā)現(xiàn)股指期貨和現(xiàn)貨之間的“遛狗效應(yīng)”。Yang Jian等[14]研究了從滬深300股指期貨上市以來的日度數(shù)據(jù)，即2010年4月16日到2010年7月30日的數(shù)據(jù)，發(fā)現(xiàn)在股指期貨推出之初，中國股市出現(xiàn)很大跌幅，股指期貨在價格發(fā)現(xiàn)方面作用不顯著，現(xiàn)貨市場在價格發(fā)現(xiàn)方面仍然具有主導(dǎo)作用。Zhou Pu[15]通過非線性的Granger因果檢驗研究了中國股指期貨市場，發(fā)現(xiàn)從期貨市場到現(xiàn)貨市場存在顯著的正向溢出效用，從現(xiàn)貨市場到期貨市場存在顯著的負向溢出效用。另外，Biao Guo等[16]分析了2011年5月到11月中國股市滬深300指數(shù)和新加坡A50指數(shù)的1分鐘和5分鐘高頻數(shù)據(jù)，利用Granger因果檢驗以及GARCH模型，發(fā)現(xiàn)前者在價格發(fā)現(xiàn)以及波動控制上表現(xiàn)都優(yōu)于后者。

滬深300股指期貨的推出加快了市場中信息的傳遞速度，提升了價格發(fā)現(xiàn)能力，提升市場參與程度，可以顯著減弱股市的波動。簡志宏等[17]研究了滬深300股指期貨，發(fā)現(xiàn)其隔夜收益序列具有右偏、無長期記憶性和尖峰厚尾等典型特征，對CAViaR模型的實證分析表明股指期貨的波動受到隔夜風險的影響。周仁才[18]和代軍，朱新玲[19]則分別從股指期貨在套期保值、風險對沖等方面穩(wěn)定股市波動的作用進行分析。綜上可知股指期貨對股市波動的影響尚無統(tǒng)一定論：現(xiàn)有研究普遍關(guān)注股指期貨推出后其具體功能，或研究不同階段股指期貨的穩(wěn)定性功能，卻忽略了在受到較大外部沖擊時，針對股市期貨對現(xiàn)貨市場穩(wěn)定作用進行深入的研究；另外，現(xiàn)有研究主要是針對股指期貨的特有性質(zhì)進行分析，本研究綜合考量樣本區(qū)間內(nèi)各因素的綜合影響，進而全面測度股指期貨的穩(wěn)定性作用。

基于此，鑒于股指期貨對我國股票市場的深刻影響，測度金融危機后股指期貨推出至今對股票市場波動的影響，有助于理清股指期貨與現(xiàn)貨市場的關(guān)系，發(fā)揮股指期貨風險控制的作用，對促進股票市場良性發(fā)展，具有重要的現(xiàn)實和理論意義。而選取較長的時間跨度的數(shù)據(jù)結(jié)合中國證券市場的發(fā)展情況分析股指期貨對股市的影響，將克服以往研究時間跨度較短的缺陷。

本文所做的主要工作在于，研究股指期貨推出對股市波動的綜合影響，以金融危機為代表的外部沖擊下，較長時間段內(nèi)股市的波動集聚性，通過偏度、峰度值等統(tǒng)計指標分析進行測度，研究了股市的波動集群性，在考慮股市高風險高收益特征的基礎(chǔ)上，構(gòu)建了GARCH-M波動分析模型，對比分析了引入股指期貨之后我國股市的波動變化情況，研究了股指期貨對股市波動的穩(wěn)定功能，以及市場舊息和新息的作用。在研究范式設(shè)計上，本文考量我國股市的特殊情況，通過結(jié)合統(tǒng)計分析并構(gòu)建帶有高風險高收益特征的GARCH-M模型，綜合測度股指期貨的影響。該GARCH-M模型通過將收益率的條件方差作為滯后條件方差項和前期誤差平方項的線性函數(shù)，同時引入表征股指期貨推出的虛擬變量，捕捉收益序列波動在股指期貨推出前后的聚集趨勢及其結(jié)構(gòu)性變化，并檢驗新息和舊息與波動性的關(guān)系。

本文選取2007年8月1日至2015年4月23日滬深300價格指數(shù)的日度收盤數(shù)據(jù)，分析股市受到強烈外部沖擊后，股指期貨對股票市場波動的影響。文章結(jié)構(gòu)如下：第一部分是引言；第二部分是模型介紹；第三部分是數(shù)據(jù)處理；第四部分通過在股票價格指數(shù)的生成過程中融入風險測量，構(gòu)建GARCH-M測度股指期貨對股市波動的影響，同時對實證結(jié)果進行了解釋與分析，是本文的核心內(nèi)容；第五部分是結(jié)論。

2 GARCH-M模型

GARCH模型最早由Bollerslev[20]提出，可以用來描述經(jīng)濟問題中常常出現(xiàn)的依賴前期變化量的條件異方差現(xiàn)象。由于其可以較為簡單且準確的刻畫出市場的波動特性，因此獲得廣泛應(yīng)用[21]，尤其是在金融領(lǐng)域，采用日度數(shù)據(jù)或周數(shù)據(jù)的股票市場波動性方面應(yīng)用更是如此[22]。標準GARCH(p, q)模型的均值方程和條件方差方程形式定義如下：

yt=xt′γ+utt=1,2,…,T

(1)

(2)

其中p是ARCH項的階數(shù)，q是GARCH項的階數(shù)，p>0，βi≥0，1≤i≤p。且α(L)和β(L)是滯后算子多項式。αi是滯后期殘差平方項的系數(shù)，它表示了新信息對市場波動性的影響，βi是滯后期條件異方差項的系數(shù)，它表示了舊信息對市場波動性的影響。

(3)

(4)

3 數(shù)據(jù)處理

3.1 數(shù)據(jù)選取

滬深300股指期貨于2010年4月16日正式上市交易，交易的標的物是滬深300股票指數(shù)。為了更準確的刻畫出滬深300股指期貨的推出前后現(xiàn)貨市場的波動特性，尤其是在金融危機爆發(fā)后滬深300股指期貨對現(xiàn)貨市場的影響，本文以金融危機開始顯現(xiàn)的2007年8月1日為樣本數(shù)據(jù)的起始日期，以2015年4月23日為樣本數(shù)據(jù)的終止日期，選取滬深300股票指數(shù)的日收盤價共2017個樣本數(shù)據(jù)。所有數(shù)據(jù)均來自于新浪財經(jīng)網(wǎng)。同時對數(shù)據(jù)進行了節(jié)假日處理，即非周末的休市日期，按照最近一個交易日的數(shù)據(jù)進行補齊，最終處理指數(shù)是頻率為一周五天的日數(shù)據(jù)。本文選取滬深300股票指數(shù)的收盤指數(shù)的日數(shù)據(jù)序列{spt}檢驗股票價格指數(shù)的波動。為了減少舍入誤差，在估計時，對{spt}進行自然對數(shù)處理，即將序列{ln(spt)}作為因變量進行估計。

3.2 統(tǒng)計描述

滬深300指數(shù)收盤價趨勢見圖1和圖2，從中可以看出，金融危機爆發(fā)后股市出現(xiàn)較大波動，股指期貨上市后股市波動幅度較小。從表1可以看出，滬深300指數(shù)spt及其對數(shù)序列l(wèi)n(spt)的偏度值S均大于0，說明序列分布有長的右拖尾，即右偏；峰度值K都高于正態(tài)分布的峰度值3，呈現(xiàn)出高峰的形態(tài)。因此，都具有典型金融數(shù)據(jù)所表現(xiàn)出的高峰厚尾、有偏的統(tǒng)計特性，同時，滬深300股票指數(shù)日度價格序列及其對數(shù)序列表現(xiàn)出的高峰厚尾特性反映了波動的正相關(guān)性，說明股票市場具有正反饋效應(yīng)。

圖1 滬深300指數(shù)收盤價趨勢圖

當市場出現(xiàn)暴漲暴跌時，非理想的投資者容易產(chǎn)生羊群效應(yīng)，造成追漲殺跌的效果，使得市場一旦出現(xiàn)波動變化，則波動變化的趨勢將持續(xù)下去，直到另一個變化的出現(xiàn)。

圖2 {ln(spt)}走勢圖

表1 滬深300指數(shù)spt及l(fā)n(spt)統(tǒng)計性描述

4 實證分析

由于股票價格指數(shù)序列經(jīng)常用一種特殊的單位根過程：帶漂移的隨機游走(random walk)模型描述，所以本文對如下形式的隨機模型進行估計：

ln(spt)=μ+ρln(spt-1)+ut

(5)

利用最小二乘估計結(jié)果如下：

t=(1.362752) (631.1041)

(6)

對數(shù)似然值=5278.200，AIC=-5.234325，SC=-5.228761

該方程的統(tǒng)計量很顯著，擬合的程度也很好。另外，該回歸方程對應(yīng)的殘差圖(見圖3)，可以注意到波動的“成群”現(xiàn)象：波動在一些較長的時間內(nèi)非常小(例如2012年)，在其他一些較長的時間內(nèi)非常大(例如2008年、2009年)，這說明誤差項可能具有條件異方差性。接下來用ARCHLM檢驗和殘差平方的自相關(guān)(AC)和偏自相關(guān)系數(shù)(PAC)來檢驗條件異方差性。

圖3 滬深300價格指數(shù)OLS回歸方程的殘差

4.1 ARCH效應(yīng)檢驗

對線性回歸方程進行條件異方差的ARCH LM檢驗，取滯后階數(shù)1到6時的ARCH LM檢驗結(jié)果見表2。

表2 ln(spt)序列的ARCH LM檢驗結(jié)果

此處的1到6階滯后項對應(yīng)的P值都為0，拒絕原假設(shè)，說明線性回歸方程的殘差序列存在ARCH效應(yīng)。同時，使用殘差平方的自相關(guān)(AC)和偏自相關(guān)系數(shù)(PAC)，結(jié)果如下：

表3 ln(spt)序列殘差平方的自相關(guān)和偏自相關(guān)系數(shù)

由于1到6階滯后項的自相關(guān)(AC)和偏自相關(guān)系數(shù)(PAC)值顯著不為0，且Q統(tǒng)計量非常顯著，所以可以得出結(jié)論：線性回歸模型的殘差序列存在ARCH效應(yīng)。

4.2 基于GARCH-M模型的波動性分析

在金融市場中，具有較大的可觀測到風險的資產(chǎn)，一般來說具有較高的預(yù)期收益。GARCH-M模型引入之初就是用來揭示風險和收益之間這種關(guān)系，之后便廣泛應(yīng)用于資產(chǎn)的預(yù)期收益與預(yù)期風險密切相關(guān)的金融領(lǐng)域。本文構(gòu)建如下GARCH-M模型估計股票價格指數(shù)，其變化依賴于一個常數(shù)項，以及股票價格指數(shù)的條件方差的對數(shù)：

(7)

式中，殘差ut服從條件標準正態(tài)分布。為了研究股指期貨的推出對股票市場波動性的影響，本文在條件異方差方程中引入虛擬變量D1，在滬深300股指期貨推出前該值為0，在滬深300股指期貨推出后該值為1。因此GARCH-M模型的均值方程為(7)，條件方差方程為：

(8)

可以根據(jù)虛擬變量前的參數(shù)η的統(tǒng)計性質(zhì)是否顯著來判斷滬深300股指期貨的推出是否對現(xiàn)貨市場中滬深300股票指數(shù)的波動性產(chǎn)生了影響。

對上述均值方程和條件方差方程進行檢驗，估計結(jié)果為：

ln(spt)=0.036234+0.996755ln(spt-1)

z=(2.157226) (589.1332)+

(9)

z=(3.686361) (7.488128)+

(117.3676) (-2.906958)

(10)

對數(shù)似然值=5496.942，AIC=-5.446371，

SC=-5.439223

均值方程的估計結(jié)果顯示其變量都通過了顯著性檢驗，擬合程度也很高。同時條件方差方程中的ARCH項和GARCH項的系數(shù)也都是統(tǒng)計顯著的，并且對數(shù)似然函數(shù)有所增加，對應(yīng)的AIC和SC值都變小了，這說明GARCH-M模型能夠更好的擬合數(shù)據(jù)。再對均值方程(9)進行條件異方差的ARCHLM的檢驗，得到殘差序列在滯后1階到6階時的檢驗結(jié)果。

表4 GARCH-M模型殘差序列的ARCH LM檢驗

此時的相伴概率較大，顯著不為0，不拒絕原假設(shè)，認為該殘差序列不存在ARCH效應(yīng)，說明GARCH-M模型消除了殘差序列的條件異方差性。GARCH-M模型對應(yīng)的殘差平方相關(guān)圖的檢驗結(jié)果見表5。自相關(guān)系數(shù)和偏相關(guān)系數(shù)近似為0，Q統(tǒng)計量也變得不顯著。這個結(jié)果也說明殘差序列不再存在ARCH效用。

表5 GARCH-M模型殘差平方的自相關(guān)和偏自相關(guān)系數(shù)

5 結(jié)語

本文選取2007年8月1日至2015年4月23日滬深300股票收盤價格日度數(shù)據(jù)及其對數(shù)，構(gòu)建GARCH-M模型，研究了股票市場在受到巨大外部沖擊，即金融危機后股指期貨的推出對其市場波動性的影響。獲得如下基本結(jié)論：(1)、滬深300股票指數(shù)日收盤價格序列及對數(shù)序列具有典型金融數(shù)據(jù)所表現(xiàn)出的高峰厚尾、有偏的統(tǒng)計特性，反映了波動的正相關(guān)性，說明股票市場具有正反饋效應(yīng)。(2)樣本區(qū)間內(nèi)，滬深300股票指數(shù)日收盤價格序列及對數(shù)序列在不同的時期表現(xiàn)出不同的波動性，并且呈現(xiàn)出明顯的“波動集群性”：在金融危機后，股指期貨未推出前的2008年和2009年等年份一些較長的時間內(nèi)波動非常大，在股指期貨推出后的2012年等一些較長的時間內(nèi)波動非常小。

綜上所述，在我國經(jīng)濟受到巨大外部沖擊且股市產(chǎn)生較大波動的背景下，滬深300股指期貨的推出改善了股票市場的波動性，發(fā)揮了股指期貨穩(wěn)定市場、價格發(fā)現(xiàn)以及減小和規(guī)避資本市場風險的功能，有利于資本市場尤其是股票市場的長遠發(fā)展。另一方面，由于我國股市歷史較短，股指期貨上市時間較短、進入門檻較高等原因，導(dǎo)致股指期貨對緩解股市波動作用有限，隨著股指期貨市場發(fā)展的日趨成熟，投資者的投資理念和證券市場相關(guān)法律法規(guī)的不斷完善，股指期貨將充分發(fā)揮其規(guī)避風險，減小股市波動的市場功能。同時，應(yīng)以此為契機合理發(fā)展我國的金融衍生品市場，來提升市場在資源配置和風險管理中的地位，最終提升我國在世界金融市場的競爭力。

[1]Cervello-RoyoR,GuijarroF,MichniukK.Stockmarkettradingrulebasedonpatternrecognitionandtechnicalanalysis:ForecastingtheDJIAindexwithintradaydata[J].ExpertSystemswithApplications, 2015, 42(14): 5963-5975.

[2]KittiakarasakunJ,TseY,WangGHK.TheimpactoftradesbytradersonasymmetricvolatilityforNasdaq-100indexfutures[J].ManagerialFinance, 2012, 38(8): 752-767.

[3]ChristainBE,ClaudiaC.Riskmanagementwithhigh-dimensionalvinecopulas:AnanalysisoftheEuroStoxx50 [J].StatisticsandRiskModeling, 2013, 30(4): 307-342.

[4]FrijinsB,TseY.TheinformativenessoftradesandquotesintheFTSE100indexfuturesmarket[J].Journaloffuturesmarkets, 2015, 35(2): 105-126.

[5]DevilleL,GresseC,deSéveracB.DirectandindirecteffectsofindexETFsonspot-futurespricingandliquidity:EvidencefromtheCAC40index[J].EuropeanFinancialManagement, 2014, 20(2): 352-373.

[6]WagnerH,MatanovicE.Volatilityimpactofstockindexfuturestrading-arevisedanalysis[J].JournalofAppliedFinanceandBanking, 2012, 2(5): 113-126.

[7]LeeYH.WhatjumpeffectsareimplicitinNikkei225returnsandthechangesinthevolatilityindexJapan? [J].InvestmentAnalystsJournal, 2014, 43(80): 71-78.

[8]FungJWK,LauF,TseY.Theimpactofsamplingfrequencyonintradaycorrelationandlead-lagrelationshipsbetweenindexfuturesandindividualstocks[J].JournalofFuturesMarkets, 2015, 35(10): 1-14.

[9] 侯利強，楊善林，王曉佳，等.上證綜指的股指波動-基于模糊FEGARCH模型以及不同分布假設(shè)的預(yù)測研究[J]. 中國管理科學(xué)，2015,23(6): 32-40.

[10] 唐振鵬，周熙雯，黃友珀，等.基于小波方法的中國股市與亞太股市聯(lián)動性實證研究[J].中國管理科學(xué)，2015,23(s):398-404.

[11]ChenZhijuan,LinHai,MaChangfeng.OnthereverseU-shapedintradaypatternofvolumeandvolatility:EvidencefromCSI300indexfuturesmarket[J/OL].AvailableatSSRN:http://ssrn.com/abstract=2386457orhttp://dx.doi.org/10.2139/ssrn.2386457.

[12]HeXiaoli,WangHongwu,DuZiping.ThecomplexityandfractalstructuresofCSI300beforeandaftertheintroductionofCSI300IF[J].PhysicaA:StatisticalMechanicsandItsApplications, 2014, 414: 76-85.

[13] 劉睿智, 周勇.期現(xiàn)貨市場訂單流動性層面的“遛狗效應(yīng)”——基于交易量刻度的高頻交易數(shù)據(jù)研究[J]. 中國管理科學(xué), 2016,24(4): 19-26.

[14]YangJian,YangZihui,ZhouYinggang.Intradaypricediscoveryandvolatilitytransmissioninstockindexandstockindexfuturesmarkets:EvidencefromChina[J].Journaloffuturesmarkets, 2012, 32(2): 99-121.

[15]ZhouPu,LuFengbin,WangShouyang.TestinglinearandnonlineargrangercausalityinCSI300futuresandspotmarketsbasedonnewconceptsofnonlinearpositive/negativespillover[J].JournalofSystemsScienceandComplexity, 2014, 27(4): 729-742.

[16]GuoBiao,HanQian,LiuMaonan,etal.Ataleoftwoindexfutures:TheintradaypricediscoveryandvolatilitytransmissionprocessesbetweentheChinafinancialfuturesexchangeandtheSingaporeexchange[J].EmergingMarketsFinanceandTrade, 2013, 49(S4): 197-212.

[17] 簡志宏,曾裕峰,劉曦騰.基于CAViaR型的滬深300股指期貨隔夜風險研究[J].中國管理科學(xué).2016, 24(9):1-10.

[18] 周仁才. 基于風險分解的股指期貨套期保值策略研究[J].中國管理科學(xué),2013, 21(2): 17-23.

[19] 代軍，朱新玲.滬深300股指期貨對沖效率研究[J].中國管理科學(xué).2014, 22(4): 1-8.

[20]BollerslevT.Generalizedautoregressiveconditionalheteroscedasticity[J].JournalofEconometrics, 1986, 31(3):307-327.

[21] 羅萬純,劉銳. 中國糧食價格波動分析：基于ARCH類模型[J]. 中國農(nóng)村經(jīng)濟, 2010, (4): 30-47.

[22] 周舟,董坤,汪壽陽. 基于歐洲主權(quán)債務(wù)危機背景下的金融傳染分析[J]. 管理評論, 2012, 24(2): 3-11.

[23]RobertE,LilienDM,RobinsRP.Estimatingtimevaryingriskpremiainthetermstructure:TheARCH-Mmodel[J].Econometrica, 1987, 55(2): 391-406.

TheImpactofIndexFutureonStockMarketVolatilityBasedontheGARCH-MModel

CAO Dong1,2，ZHANG Jia1

(1. School of Economics and Management, Xidian University, Xi′an 710126, China；2. Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100190, China)

Since the financial crisis from 2007, the Chinese stock market has experienced large volatilities. CSI300 future has received a great deal of attention in recent years for its market stable function, even though it′s made to be as a hedge against the risk, price discovery, and market capital allocation tool. After analyzing shortages of existing researches, methods and their applications, the integration of risk measurement process is introduced into the GARCH-M model to measure the volatility of stock market and study the effect of stock index futures on stock market fluctuations. By using the daily data of CSI 300 from August 1st, 2007 to April 23rd, 2015, a highly fitting GARCH-M model is built. The empirical study shows the impact of CSI 300 index future on the stock market volatility after the large external shock. First, there is a positive feedback in the stock market, with different levels of volatility before and after the introduction of stock future and exhibits significant "volatility clustering". Second, the CSI 300 index future has reduced the volatility index of the average 4.45×10-6units, played a function as a controller, and eased the stock market volatility to some extent. However, its impact is limited and not fully realized. Finally, the market volatility in China is mainly affected by the old information far more than the new information, while its impact on the conditional variance is durable and has an more important role for the future impact of stock index movements.

CSI300 futures; stock market volatility; GARCH-M model

1003-207(2017)01-0027-08

10.16381/j.cnki.issn1003-207x.2017.01.004

2015-05-18；

2016-05-23

國家自然科學(xué)基金資助項目(71303181)；國家留學(xué)基金委公派高級研究學(xué)者及訪問學(xué)者項目(201406965014)；教育部人文社會科學(xué)研究項目(11YJC790004)；博士后面上基金項目(2014M550864)；中央高?；鹂蒲袠I(yè)務(wù)費專項資金資助項目(7214566601,7215566603)；湖南省現(xiàn)代服務(wù)業(yè)研究基地基金項目(16jdmszd01)

曹棟(1982-)，女(漢族)，湖南益陽人，西安電子科技大學(xué)經(jīng)濟與管理學(xué)院，副教授，研究方向：宏觀經(jīng)濟分析，金融發(fā)展、環(huán)境經(jīng)濟學(xué),E-mail:ivycaodong@163.com.

F830

A