李蒲江，郭彥峰

1 西南財經(jīng)大學 經(jīng)濟與管理研究院，成都 610074 2 西南財經(jīng)大學 金融學院，成都 610074

證券市場的期現(xiàn)基差與流動性

李蒲江1，郭彥峰2

1 西南財經(jīng)大學 經(jīng)濟與管理研究院，成都 610074 2 西南財經(jīng)大學 金融學院，成都 610074

2015年股市危機期間中國證券市場的流動性盡失，甚至一度出現(xiàn)“千股跌停”這一罕見情形，監(jiān)管層隨后對股指期貨和股市現(xiàn)券賣空進行最為嚴厲的限制，這一系列舉措給實證研究帶來一個很好的擬自然實驗場景，用來研究中國證券市場的流動性和期現(xiàn)基差問題。

選取中國滬深300股票指數(shù)和滬深300股指期貨的5分鐘高頻數(shù)據(jù)和日度低頻數(shù)據(jù)為樣本，以經(jīng)典的金融學套利交易理論為基礎(chǔ)，對2015年股災監(jiān)管前后劃分樣本區(qū)間，使用VAR模型和OLS回歸對市場的流動性和期現(xiàn)基差進行分析。

研究結(jié)果表明，期現(xiàn)基差是導致套利交易的原因，進而造成訂單不平衡，從而減弱了流動性。期現(xiàn)的正向基差比負向基差對流動性的影響大，且這種非對稱效應在極端行情下差別更大；當期現(xiàn)基差為正時，套利者可以很容易的賣空股指期貨并做多現(xiàn)貨，這種訂單的不平衡引起現(xiàn)貨市場的流動性增加，但是一旦出現(xiàn)負向期現(xiàn)基差，很難賣空股票現(xiàn)貨同時做多股指期貨，導致流動性下降；高頻和低頻數(shù)據(jù)的結(jié)論都證明正向期現(xiàn)基差會引發(fā)套利，從而使流動性增加。在股指期貨和融券交易被限制后，套利交易難以有效進行，期現(xiàn)基差為負，無法通過套利交易增加流動性，這可能是造成2015年股市危機期間流動性盡失的一個原因。

研究結(jié)論不僅對2015年中國股市危機期間流動性缺失提供了一種解釋，同時也對監(jiān)管機構(gòu)如何應對股票市場危機具有啟發(fā)意義。

期現(xiàn)基差；流動性；套利交易；股市危機

引言

在2015年股市危機期間，中國證券市場行情下跌速度之迅猛、程度之深在整個A股歷史上前所未有。上證綜指從2015年6月13日開盤5 174點到2015年7月8日收盤3 507點，短短20多個交易日，累計下跌幅度達到32%，在下跌過程中造成的市場“踩踏”導致股市出現(xiàn)每日近千只個股跌停和數(shù)百只股票停牌，機構(gòu)也無法止損，整個股市喪失了作為交易平臺的流動性。

2007年全球金融危機時，各國對于賣空都有所限制，但限制程度卻各不相同。美國、英國和加拿大等只是對金融企業(yè)類股票進行了限制，而非所有股票；意大利、日本和西班牙等則全面禁止做空。但這些國家普遍沒有對股指期貨進行限制，所以期現(xiàn)基差套利策略仍然可以操作。反觀在2015年6月13日中國股災開始到7月股災最嚴重的期間，監(jiān)管層通過追加保證金(套保盤從10%提高到20%，投機盤從10%提高到40%)、調(diào)高交易手續(xù)費率(從0.005%提高到0.230%)和限制開倉手數(shù)(每日每個投資賬戶不得超過10手)等手段嚴格限制股指期貨交易。在股票現(xiàn)貨市場上，融券完全被禁止，后來則變成從(t+0)交易變?yōu)?t+1)交易，這在以往中國證券市場中是沒有出現(xiàn)過的。對比國內(nèi)外股市危機期間的不同限制措施，可以發(fā)現(xiàn)在2015年中國股市股災期間對股指期貨和賣空交易的極端限制導致套利機制完全失靈，這給本研究帶來一個很好的擬自然實驗場景來研究市場的流動性與期現(xiàn)基差的關(guān)系。

1 相關(guān)研究評述

對于期現(xiàn)基差與流動性關(guān)系問題的研究，一些學者認為投資者會通過期現(xiàn)貨的套利交易機制來糾正錯誤定價，從而改變流動性，提高市場效率，在此推理下，期現(xiàn)基差與流動性的關(guān)系依賴于套利活動，而套利活動能否有效進行又有賴于流動性狀況[1]。ROLL et al.[2]使用VAR模型對紐約證券交易所的期現(xiàn)基差和流動性進行研究，發(fā)現(xiàn)二者間呈正相關(guān)性，并具有顯著的雙向格蘭杰因果關(guān)系，大的期現(xiàn)基差會引起大的套利交易；KUMAR et al.[3]的研究確認套利活動和期現(xiàn)基差會受到流動性的極大影響；KADAPAKKAM et al.[4]同樣認為印度市場上存在的期現(xiàn)基差與流動性的關(guān)系是由于套利交易所致。

就期現(xiàn)基差與流動性之間的作用機制方面，已有研究做了進一步的探討。CHORDIA et al.[5]認為期現(xiàn)基差增大會導致套利交易增多，使訂單的非平衡性增加，從而減弱了即期和持續(xù)的流動性；CHEN et al.[6]得出期現(xiàn)基差可能是由市場整體的波動性而引起的結(jié)論；CHORDIA et al.[7]同樣認為股票市場的波動率會對流動性產(chǎn)生較強沖擊；特別地，LIEN et al.[8]擴展了ROLL et al.[2]的研究，分析期現(xiàn)基差與現(xiàn)貨流動性之間的非線性關(guān)系，尤其是尾部相關(guān)性，發(fā)現(xiàn)上尾相關(guān)性顯著為正，而下尾相關(guān)性并不顯著，說明期現(xiàn)基差縮小不一定就必然伴隨著流動性的增加，但期現(xiàn)基差擴大一定會導致流動性的下降，極端情況下，流動性甚至會枯竭，此時套利交易無法進行，套期保值變得無效[8-10]。

中國國內(nèi)方面，WANG et al.[11]使用Granger因果檢驗和均值回復模型研究中國黃金市場期現(xiàn)基差和期貨流動性之間的關(guān)系以及流動性對套利交易的影響，發(fā)現(xiàn)流動性與期現(xiàn)基差間的關(guān)系并不穩(wěn)定，一定程度上依賴于市場是否有效；HAN et al.[12]利用2015年中國股市危機的自然實驗機會，探討流動性與市場定價效率之間的關(guān)系，發(fā)現(xiàn)套利區(qū)間的轉(zhuǎn)移導致期現(xiàn)基差與流動性之間的關(guān)系崩潰，證實期現(xiàn)基差與流動性之間的關(guān)系的確源于套利活動，而非其他的被忽略因素；陳遠雄[13]利用中國股票和指數(shù)期貨市場數(shù)據(jù)，使用與LIEN et al.[8]同樣的方法，研究期現(xiàn)基差與流動性之間的非線性關(guān)系，得出與LIEN et al.[8]同樣的結(jié)論。

綜觀已有研究不難發(fā)現(xiàn)，目前有關(guān)流動性與期現(xiàn)基差關(guān)系的研究已比較深入[14]，但仍然存在一些可以改進的地方。在研究方法上，以向量自回歸模型(VAR)[15-16]和Granger因果檢驗[17-18]為主，也有利用Copula模型探討二者間非線性關(guān)系的研究[19-20]，但都無法避免雙向因果關(guān)系的問題；在研究結(jié)論上，二者關(guān)系呈現(xiàn)時變性，在市場正常時期，流動性與期現(xiàn)基差間常存在著雙向的因果關(guān)系[21-22]，市場效率較高，但在市場危機期間，這種關(guān)系可能發(fā)生變化[23]。已有研究存在不足之處，①可能存在遺漏變量偏差，GRANGER[24]、LüTKEPOHL[25]認為遺漏變量帶來的偏差較大；趙勝民等[26]認為穩(wěn)定的收斂關(guān)系需要避免遺漏較多的變量個數(shù)；STOCK et al.[27]認為引入自回歸模型可以一定程度上減輕這一問題，如果有同時影響兩個變量間關(guān)系的其他變量未被考慮，則二者間的因果關(guān)系有可能是虛假的或被錯誤測度的。②研究期間大都針對全樣本，沒有獨立考慮市場危機期間[28-29]，或者只針對某些特定時期下的極端情況[30-31]，但忽視該期間和極端時期由于管制帶來的交易機制和市場微觀結(jié)構(gòu)變化所造成的影響[32-33]，且多使用低頻的日度數(shù)據(jù)展開分析。

有鑒于此，為克服遺漏變量偏差問題，本研究同時使用常用的OLS回歸方法，在解釋變量中引入相關(guān)變量的當期和滯后期項[34]，以期得出關(guān)于流動性與期現(xiàn)基差關(guān)系更為穩(wěn)健的結(jié)論。針對在2015年中國股災中管理層出臺多項監(jiān)管舉措使此時中國證券市場的微觀結(jié)構(gòu)極為特殊的背景，本研究在使用日數(shù)據(jù)的同時，使用日內(nèi)高頻數(shù)據(jù)進行相關(guān)分析，因為高頻數(shù)據(jù)分析是理解市場微觀結(jié)構(gòu)極為有效的手段[35-37]，可以更加準確地反映當時特殊的交易機制和市場微觀結(jié)構(gòu)。此外，不同類型投資者由于扮演的角色不同導致其投資行為也存在差異[38]，比如投機和套利交易者往往會在日內(nèi)頻繁買賣，使其更加關(guān)注日內(nèi)期現(xiàn)基差變化。而套保者往往交易間隔較長，所以其更加關(guān)注低頻率的日間期現(xiàn)基差變化。日內(nèi)和日間的不同交易行為會使整個市場出現(xiàn)不同的特征[39]，因此應進一步通過低頻數(shù)據(jù)與高頻數(shù)據(jù)的對比分析，以準確地反映這種差異。以上3點也正是本研究的貢獻和擴展之處。

在此基礎(chǔ)上，利用2015年中國股市危機的自然實驗機會，在對2015年股災監(jiān)管前后劃分樣本區(qū)間的基礎(chǔ)上，分別選取具有代表性的滬深300股票指數(shù)和股指期貨的5分鐘高頻數(shù)據(jù)和日度低頻數(shù)據(jù)為樣本，在經(jīng)典的金融學套利交易理論基礎(chǔ)上，結(jié)合VAR模型和OLS方法對市場的流動性和期現(xiàn)基差進行實證分析，就中國證券市場特殊時期的期現(xiàn)基差與流動性關(guān)系問題提供一個經(jīng)驗性的證據(jù)，也為監(jiān)管層面對類似危機時該采取何種措施提供新的思路。

2 數(shù)據(jù)和變量

在數(shù)據(jù)的選擇上，滬深300股票指數(shù)由上海和深圳證券交易所選取300只規(guī)模大、流動性好、以大盤藍籌為主的標的股票構(gòu)成，其涵蓋了滬深股市超過六成的市值，可見滬深300具有良好的市場代表性，所以本研究選取滬深300指數(shù)作為股票現(xiàn)貨市場的代表。在股指期貨數(shù)據(jù)的選取上，本研究采用滬深300股指期貨合約在臨近交割日時自動滾動到下一個成交量最大的合約，從而構(gòu)造連續(xù)的股指期貨主力合約進行分析。在數(shù)據(jù)頻率上，本研究同時采用高頻數(shù)據(jù)和低頻數(shù)據(jù)，高頻數(shù)據(jù)是5分鐘的期、現(xiàn)貨數(shù)據(jù)，剔除股指期貨在股市現(xiàn)貨交易時段外的部分，將股指期貨和股指現(xiàn)貨數(shù)據(jù)按照時間順序匹配，以便于后續(xù)使用，得到11 712筆觀測值；低頻的日度數(shù)據(jù)包含224個交易日。低、高頻數(shù)據(jù)的日期范圍從2015年1月5日至2015年12月31日，滬深300股票指數(shù)和滬深300股指期貨數(shù)據(jù)來源于萬德數(shù)據(jù)終端。

本研究按照2015年股市危機期間的前后順序劃分為不同的時間段，2015年1月5日至2015年5月29日作為子樣本1(sub1)，此時股指期貨和融券交易沒有受到監(jiān)管層的限制，sub1共包含4 704筆高頻數(shù)據(jù)和98筆低頻數(shù)據(jù)；子樣本2(sub2)為2015年7月7日至2015年12月31日，sub2共包含6 000筆高頻數(shù)據(jù)和125筆低頻數(shù)據(jù)，這是監(jiān)管層對股指期貨和賣空實施嚴厲限制的時期。下面使用股指現(xiàn)貨和股指期貨數(shù)據(jù)計算期現(xiàn)基差和流動性指標。

2.1 期現(xiàn)基差和流動性指標

basist為在t時刻股指期貨與股指現(xiàn)貨基差，計算方法為t時刻股指期貨主力合約價格減去股指現(xiàn)貨價格。這時，basist大于0表明期貨市場對于現(xiàn)貨市場處于升水狀態(tài)，小于0表明期貨市場處于貼水狀態(tài)。具體的表達式為

basist=futuret-spott

(1)

其中，futuret為t時刻股指期貨主力合約價格，spott為t時刻股指現(xiàn)貨價格。

對于股票流動性的測度[40]，市場的交易越活躍則市場整體的流動性越好，而市場整體的活躍性主要體現(xiàn)在市場的交易量中，因此本研究采用股票指數(shù)標的股的總交易量volumet來代理，t為時間標度，實際中本研究對其對數(shù)化處理得到lnvolt，表示對股票流動性的測度，即

lnvolt=ln(volumet)

(2)

本研究分別對低頻數(shù)據(jù)和高頻數(shù)據(jù)進行期現(xiàn)基差和流動性指標的計算，得到兩個不同頻率的期現(xiàn)基差和流動性序列。值得注意的是，高頻數(shù)據(jù)對應于投機和套利交易者的日度內(nèi)交易，低頻數(shù)據(jù)對應于套保者的日度間交易。

2.2 描述性統(tǒng)計

表1給出期現(xiàn)基差和流動性的描述性統(tǒng)計結(jié)果。在高、低頻數(shù)據(jù)中，期現(xiàn)基差和流動性分別包含全樣本、子樣本1和子樣本2。從均值、中位數(shù)和標準差可以看出，basist和lnvolt的高頻數(shù)據(jù)和低頻數(shù)據(jù)具有較大差異。在5分鐘高頻數(shù)據(jù)中，basist在全樣本下的最小值和最大值分別為-402.03和202.32，且sub1的最大值是整個樣本的最大值，在sub2下的最小值是整個樣本的最小值。從最大值和最小值的范圍看，整個市場在2015年經(jīng)歷了較大波折，全樣本的均值和中位數(shù)是-35.33和-17.68，兩者相差較遠且負向的期現(xiàn)基差在樣本期占多數(shù)，在sub1下的均值和中位數(shù)均為正，而且二者差別不大；在sub2下的均值和中位數(shù)均為負數(shù)。在sub2下的basist絕對值要顯著大于在sub1下的，這與股市危機后一系列限制股指期貨和賣空的決策有關(guān)。lnvolt在全樣本下的最小值和最大值分別為17.83和22.16，全樣本的均值和中位數(shù)分別為20.01和20.02，兩者差別不大，同時在sub2下lnvolt的均值和中位數(shù)均小于在sub1下的，可以看出行情變成熊市后的sub2時期，流動性下降。

表1的日度低頻數(shù)據(jù)中，basist在全樣本下的最小值和最大值分別為-400.03和172.82，可見低頻下的最大值要小于高頻下的最大值；在sub1下的最小值為-48.20，最大值為109.19；在sub2下的最小值為-400.03，最大值為60.04，可見低頻下basist的最小值和最大值的絕對值要小于高頻數(shù)據(jù)下最小值和最大值的絕對值；全樣本的均值和中位數(shù)分別為-39.41和-21.75，在sub1內(nèi)的均值和中位數(shù)均為正，且二者差別不大，sub2內(nèi)的均值和中位數(shù)均為負數(shù)。低頻下lnvolt在全樣本下的最小值和最大值分別為22.72和24.95，均值和中位數(shù)分別為23.98和24.01，兩者差別不大，且sub2內(nèi)lnvolt的均值和中位數(shù)均小于sub1的。

圖1給出樣本期內(nèi)5分鐘高頻數(shù)據(jù)的期現(xiàn)基差和流動性，由圖1可知，在sub1，整個市場處于牛市行情，市場期現(xiàn)基差基本為正，處于正向市場，流動性較高；而在股市出現(xiàn)危機時，在監(jiān)管層限制股指期貨和融券的sub2，市場期現(xiàn)基差基本為負，處于反向市場，流動性驟降；而在股票市場行情最為波動的時期，市場出現(xiàn)了極端的負向期現(xiàn)基差，股指期貨甚至在2015年9月出現(xiàn)了貼水400點的極端行情。圖2給出日度低頻數(shù)據(jù)的期現(xiàn)基差和流動性，由圖2可知，日度行情變動與5分鐘行情變動基本一致，在sub1的牛市行情下，市場期現(xiàn)基差為正且流動性較好；到了限制股指期貨和融券的sub2后，市場期現(xiàn)基差為負，指數(shù)現(xiàn)貨市場的流動性下降得很嚴重，甚至出現(xiàn)了股市流動性的喪失。在sub2中，大部分持有期貨頭寸的是對沖現(xiàn)貨市場風險的機構(gòu)投資者，如此大的負向期現(xiàn)基差實際上反映了投資者愿意為對沖現(xiàn)貨風險而支付的溢價。

表1 期現(xiàn)基差和流動性的描述性統(tǒng)計結(jié)果Table 1 Results for Descriptive Statistics of Futures-cash Basis and Liquidity

圖1期現(xiàn)基差和流動性的5分鐘高頻數(shù)據(jù)Figure 15-minute High Frequency Data of Future-cash Basis and Liquidity

圖2期現(xiàn)基差和流動性的日度低頻數(shù)據(jù)Figure 2Daily Low Frequency Data of Future-cash Basis and Liquidity

3高頻數(shù)據(jù)實證結(jié)果

3.1 VAR模型和格蘭杰因果檢驗

在實證部分，本研究使用VAR模型對basist和lnvolt的高頻數(shù)據(jù)進行估計，模型的最優(yōu)滯后階數(shù)按照AIC、BIC信息準則選取滯后18階，在對模型檢驗之后進行格蘭杰因果檢驗和脈沖響應分析。圖3和圖4分別給出期現(xiàn)基差和流動性的殘差診斷性檢驗結(jié)果，可以看出二者的殘差不存在自相關(guān)問題，模型結(jié)果可以用于統(tǒng)計推斷。

表2給出basist和lnvolt在4個樣本區(qū)間下的格蘭杰因果檢驗，選取2015年8月1日至 2015年12月31日為子樣本sub2′，作為子樣本sub2的穩(wěn)健性檢驗。由表2可知，basist在全樣本、sub1、sub2和sub2′共4個樣本區(qū)間下都是lnvolt的格蘭杰原因，所以basist是導致套利交易的原因，從而使訂單不平衡，減弱了市場的流動性；而流動性指標和期現(xiàn)基差在sub1時期內(nèi)是雙向的格蘭杰因果關(guān)系，但在股指期貨和賣空被限制后的sub2和sub2′時期，流動性指標不是期現(xiàn)基差的原因，表明流動性不會導致市場期現(xiàn)基差的變化。

圖3全樣本期現(xiàn)基差的殘差ACF診斷Figure 3basistResidual ACF Diagnosis in Full Sample

圖4全樣本流動性的殘差ACF診斷Figure 4ln voltResidual ACF Diagnosis in Full Sample

表25分鐘高頻數(shù)據(jù)的格蘭杰因果檢驗結(jié)果Table 2 Granger Causality Test Results at 5-minute High Frequency Data

注：**為5%顯著水平，***為1%顯著水平，括號內(nèi)數(shù)據(jù)為p值，下同。

本研究進行樣本的脈沖響應分析。首先，在全樣本下進行basist對basist和lnvolt的脈沖響應，結(jié)果表明basist無法對lnvolt產(chǎn)生大的擾動；其次，在全樣本下進行l(wèi)nvolt對basist和lnvolt的脈沖響應，結(jié)果表明lnvolt對basist產(chǎn)生影響，并且這個影響在持續(xù)較長的時間后才會消失。

分樣本分別進行上述脈沖響應分析，結(jié)果表明sub1下的lnvolt對basist產(chǎn)生的影響顯著為正，且作用程度較大，其余的結(jié)果與全樣本下的結(jié)果一致；sub2的脈沖響應結(jié)果表明，在受到政府限制后，lnvolt對basist產(chǎn)生的影響變小且開始出現(xiàn)負值。所以在受到政府管制后的市場，流動性與期現(xiàn)基差正向的影響開始變得不顯著，這與格蘭杰因果檢驗得到的結(jié)論一致，即流動性與期現(xiàn)基差是由背后的套利機制聯(lián)系在一起的，大的期現(xiàn)基差會引發(fā)套利機制，從而使流動性增加 。

本研究使用sub2′作為sub2的穩(wěn)健性檢驗，結(jié)論沒有改變。為簡化篇幅，本研究沒有列示脈沖響應圖，感興趣的讀者可以向作者索要。

3.2 市場受監(jiān)管時期的期現(xiàn)基差與流動性關(guān)系

由于監(jiān)管時期對股指期貨和賣空的嚴格控制，期現(xiàn)套利無法操作，所以此時的期現(xiàn)基差對流動性沒有顯著的影響，同樣流動性對期現(xiàn)基差也沒有顯著影響。表3給出中國證券市場受監(jiān)管時期sub2(sub2′)的期現(xiàn)基差和流動性最小二乘回歸結(jié)果。每個模型的被解釋變量為basist或者lnvolt，解釋變量中引入被解釋變量的滯后項以控制模型的自相關(guān)問題。本研究主要關(guān)注的是時間滯后的lnvolt(basist)對basist(lnvolt)的影響。

由表3可知，在市場受到限制的樣本期sub2和檢驗樣本期sub2′，lnvolt-1對basist的影響不顯著；而在sub2下basist-1對lnvolt的影響程度較小，僅為-0.0001。所以進一步證明，在股指期貨和賣空被限制的這種擬自然實驗條件下，套利交易難以進行，此時期現(xiàn)基差無法通過套利來影響流動性；同時，這也從另一個角度解釋了在股市危機后中國股票市場出現(xiàn)交易量大幅下降、流動性驟降的原因。

3.3 非對稱效應

在中國證券市場，股市現(xiàn)券的賣空和股指期貨上市不僅時間晚，賣空的股票現(xiàn)券品種也只能通過券商在指定的籃子中選取，且融券和轉(zhuǎn)融券費率高，而股指期貨的品種也較少，目前只有IF、IC和IH共3種；此外，賣空股指期貨比賣空現(xiàn)貨股票成本低且手續(xù)簡單。這樣就導致期現(xiàn)基差和流動性出現(xiàn)非對稱性，即當期現(xiàn)基差為正時，套利者們可以很容易地賣空股指期貨并做多現(xiàn)貨套利，引起股票現(xiàn)貨流動性增加；但是一旦出現(xiàn)負向期現(xiàn)基差(期貨市場貼水現(xiàn)貨市場)，此時可以做多股指期貨卻很難賣空股票現(xiàn)貨，導致流動性出現(xiàn)嚴重短缺。所以，中國市場的期現(xiàn)基差與流動性非對稱性問題可能更加嚴重，即期現(xiàn)基差為負時，很難賣空股票現(xiàn)貨，套利交易無法進行。因此，如果是套利交易使期現(xiàn)基差對流動性起到加速作用，那么出現(xiàn)正向期現(xiàn)基差時對流動性的影響就會遠遠超過負向期現(xiàn)基差時對流動性的影響。由于政府在2015年股市危機期間對市場實施嚴厲限制，使市場失去了流動性，無法體現(xiàn)正向期現(xiàn)基差的非對稱性，所以本研究只采用證券市場不被嚴厲監(jiān)管的子樣本sub1。

表35分鐘高頻數(shù)據(jù)下期現(xiàn)基差和流動性的回歸結(jié)果Table 3 Regression Results for Future-cash Basis and Liquidity at 5-minute High Frequency Data

3.3.1 正向期現(xiàn)基差的非對稱效應檢驗

采用引入外生變量的VAR模型對正向期現(xiàn)基差的非對稱效應進行檢驗，即

(3)

表45分鐘高頻數(shù)據(jù)下非對稱效應的VAR估計結(jié)果Table 4 VAR Results for basi of Asymmetric Effect at 5-minute High Frequency Data

注：括號內(nèi)數(shù)據(jù)為標準誤。

在對正向期現(xiàn)基差的非對稱效應進行檢驗后，本研究進一步使用OLS對期現(xiàn)基差的非對稱性進行研究，(4)用來刻畫正向期現(xiàn)基差對流動性的影響。

(4)

表55分鐘高頻數(shù)據(jù)下對ln volt非對稱效應的回歸結(jié)果Table 5 Regression Results for basi of ln voltAsymmetric Effect at 5-minute High Frequency Data

注：*為10%顯著水平，括號內(nèi)數(shù)據(jù)為p值，下同。

4低頻數(shù)據(jù)實證結(jié)果

4.1 VAR模型和格蘭杰因果檢驗

在使用高頻數(shù)據(jù)實證之后，為了穩(wěn)健，本研究進一步采用日度低頻數(shù)據(jù)進行實證分析，而且不同頻率數(shù)據(jù)的特征也可以反映不同類型投資者的特征。

仍然使用VAR模型對兩個內(nèi)生變量basist和lnvolt進行估計，滯后階數(shù)按照信息準則選取。在對模型檢驗之后，進行格蘭杰因果檢驗和脈沖響應分析，而診斷性檢驗顯示模型不存在自相關(guān)問題，也通過了適用于低頻數(shù)據(jù)參數(shù)穩(wěn)定性的累積平方和檢驗，所以綜合來看模型穩(wěn)定，可以用于統(tǒng)計推斷。

如前所述，套期保值投資者往往在多日間進行交易，所以更關(guān)注日度間的期現(xiàn)基差變化對其帶來的風險。表6給出在日度低頻數(shù)據(jù)下4段樣本區(qū)間basist和lnvolt格蘭杰因果檢驗結(jié)果，可以看出basist在整體時間全樣本是lnvolt的格蘭杰原因，但是在剩下的分樣本里basist不是lnvolt的格蘭杰原因。所以在代表套利交易投機方的高頻數(shù)據(jù)中得到的“期現(xiàn)基差是導致套利交易的原因，使訂單不平衡，從而減弱了市場的流動性”結(jié)論，在投資時間周期略長一些的投資者中表現(xiàn)不明顯；但是同樣的，在股指期貨和賣空被限制后的sub2和sub2′時期，流動性不是期現(xiàn)基差的原因，表明流動性不會導致市場期現(xiàn)基差的變化。

表6 日度低頻數(shù)據(jù)下格蘭杰因果檢驗結(jié)果Table 6 Granger Causality Test Results at Daily Low Frequency Data

與高頻數(shù)據(jù)分析的方法步驟一致，本研究進一步對全樣本日度數(shù)據(jù)下basist和lnvolt對系統(tǒng)產(chǎn)生的脈沖響應進行分析，表明basist無法對lnvolt產(chǎn)生很大擾動，而lnvolt卻會對basist產(chǎn)生影響，但是與高頻數(shù)據(jù)中得到的結(jié)論不同的是，lnvolt對basist產(chǎn)生影響在2期之后就消失且方向為負。在sub1下，basist同樣無法對lnvolt產(chǎn)生很大擾動，而lnvolt卻會對basist產(chǎn)生影響，但影響在2期之后就消失且方向為負，其他的結(jié)果與全樣本下的一致。所以在受到監(jiān)管層的嚴厲限制下，lnvolt對basist產(chǎn)生的影響時間會變長。從投資時間周期略長一些的交易者看，期現(xiàn)基差的變動不會影響其投資策略，從而此時的流動性不會改變，所以反過來，在受到政府限制后lnvolt對basist產(chǎn)生的影響時間也會變得更長。限于篇幅原因，未給出相關(guān)檢驗和脈沖圖的具體報告，感興趣的讀者可向作者索要。

4.2 市場受監(jiān)管時期的期現(xiàn)基差與流動性的關(guān)系

本研究同樣對嚴厲監(jiān)管時期“期現(xiàn)套利無法操作、期現(xiàn)基差對流動性沒有了顯著影響、流動性對期現(xiàn)基差也沒有了顯著影響”的現(xiàn)象進行研究。表7給出市場受監(jiān)管時期的期現(xiàn)基差和流動性的OLS結(jié)果，本研究主要關(guān)注滯后的basist(lnvolt)對lnvolt(basist)的影響。

表7 日度低頻數(shù)據(jù)下期現(xiàn)基差和流動性的回歸結(jié)果Table 7 Regression Results for Future-cash Basis and Liquidity at Daily Low Frequency Data

為了穩(wěn)健，本研究采用時間段sub2′作為結(jié)果的穩(wěn)健性檢驗。由表7可知，在市場受到限制的sub2和檢驗樣本sub2′，lnvolt-1對basist的影響均不顯著；basist-1對lnvolt的影響只在sub2列中有10%的顯著性。所以，在股指期貨和股票現(xiàn)券賣空均被嚴厲限制的時期，套利交易難以進行，期現(xiàn)基差就無法通過套利影響流動性，流動性會降低。

4.3 非對稱效應

4.3.1 正向期現(xiàn)基差的非對稱效應檢驗

表8 日度低頻數(shù)據(jù)下非對稱效應的VAR估計結(jié)果Table 8 VAR Results for basi of Asymmetric Effect at Daily Low Frequency Data

注：括號內(nèi)數(shù)據(jù)為標準誤。

表9 日度低頻數(shù)據(jù)下對ln volt非對稱效應的回歸結(jié)果Table 9 Regression Results for basi of ln voltAsymmetric Effect at Daily Low Frequency Data

注：括號內(nèi)數(shù)據(jù)為p值。

綜合日度低頻數(shù)據(jù)和5分鐘高頻數(shù)據(jù)得到的結(jié)果看，二者所得到的結(jié)論一致。由于日度數(shù)據(jù)和分鐘數(shù)據(jù)分別反映了套期保值者和投機(套利)交易者的交易特征，套期保值者往往交易間隔較長，且會在多日間進行交易，所以更關(guān)注日度間的期現(xiàn)基差變化對其帶來的風險，低頻數(shù)據(jù)對應于這類交易；投機(套利)交易者往往會在日度內(nèi)頻繁買賣，使其更加關(guān)注日度內(nèi)的期現(xiàn)基差變化，高頻數(shù)據(jù)對應于這類交易[24]。因此，監(jiān)管層在對股指期貨和股市融券嚴厲限制后，處于不同動機的套期保值投資者和投機(套利)交易者都無法繼續(xù)交易獲利，進而流動性盡失。此外，低頻和高頻數(shù)據(jù)結(jié)論一致也表明期現(xiàn)基差與流動性這一研究結(jié)果的可靠性。

5 結(jié)論

本研究使用在2015年中國股市危機期間監(jiān)管層對股指期貨和融券嚴厲限制這一擬自然實驗場景，使用滬深300股票指數(shù)和滬深300股指期貨的5分鐘高頻和日度低頻數(shù)據(jù)，對中國證券市場的期現(xiàn)基差和流動性問題進行研究，得到如下研究結(jié)論。

首先，將2015年全年劃分股災約束前和股災約束后的樣本區(qū)間，本研究發(fā)現(xiàn)期現(xiàn)基差是導致套利交易的原因，進而產(chǎn)生訂單不平衡，最終減弱了市場的流動性。在未受到嚴厲監(jiān)管前的流動性與期現(xiàn)基差是雙向的格蘭杰因果關(guān)系，但在股指期貨和賣空被限制后，流動性就不再是期現(xiàn)基差的原因?？梢钥闯觯谄诂F(xiàn)基差條件不同的證券和期貨市場下會有不同的市場行為，而金融市場的長期問題引發(fā)的短期矛盾一旦發(fā)生，周期就變得越短，政府干預就會增加，金融市場也就會在這種“一放就亂、一收就死”的短周期中不斷循環(huán)，發(fā)生于2015年的股市危機也僅是一個例證。

其次，在股指期貨和賣空被嚴厲限制下，套利交易難以進行，期現(xiàn)基差在此時無法通過套利影響流動性，這可能是造成2015年股市危機期間流動性盡失的一個重要原因。因此，股市危機期間對股指期貨和兩融嚴厲的限制導致了流動性枯竭，而證券市場最重要的流動性要素一旦喪失，便是進一步造成“千股齊跌”景象的一個重要原因。

最后，賣空股指期貨比股票現(xiàn)貨容易導致期現(xiàn)基差與流動性出現(xiàn)非對稱性。當期現(xiàn)基差為正時，套利者們可以很容易的賣空股指期貨并且做多現(xiàn)貨，這種訂單的非平衡引起現(xiàn)貨市場的流動性增加；但是一旦出現(xiàn)負向的期現(xiàn)基差，此時很難賣空股票現(xiàn)貨和做多股指期貨，導致流動性下降。高頻和低頻數(shù)據(jù)的結(jié)論都證明正向期現(xiàn)基差會引發(fā)套利機會，從而使流動性增加。這是本研究發(fā)現(xiàn)的流動性與期現(xiàn)基差之間相互作用的機制，同時也可以看出期現(xiàn)基差的非對稱性帶來的嚴重后果，而非對稱性又主要是由于資本市場發(fā)生極端金融事件后政府嚴厲的“維穩(wěn)”措施導致的。

研究結(jié)果不僅為2015年中國股市危機期間流動性盡失提供了一種解釋，同時也對監(jiān)管機構(gòu)如何應對股票市場危機具有啟發(fā)意義。①監(jiān)管層在市場發(fā)生極端行情時可以對融券交易和股指期貨進行松綁，這可能是增加流動性的較好辦法；②在外匯交易中心、金融期貨、證券、債券交易所各自獨立建立大數(shù)據(jù)中心，然后形成統(tǒng)一的“一行三會”互聯(lián)共享信息平臺，便于監(jiān)管層實時互聯(lián)互通，做出一致的監(jiān)管措施；③可以適時地推動以政府為主導的投資者教育，以便在市場出現(xiàn)危機時投資者不盲目從眾，真正樹立價值投資的意識。

本研究還存在一些不足。①沒有研究期現(xiàn)基差與流動性之間的非線性關(guān)系；②由于股市危機期間的這種擬自然實驗場景樣本期相對較短，可能會影響實證結(jié)果的內(nèi)在穩(wěn)定性；③該研究尚未有一個可信的理論模型或框架，沒有從更高的理論角度深入剖析問題根源，如股災下的投資者認知和股指期貨市場行為等，這些都可以作為未來進一步研究的方向。

[1]LEE H C,CHIEN C Y,LIAO T H.Commonality in trading activity and futures-cash basis:Evidence from the Taiwan futures and stock markets.TheJournalofFuturesMarkets,2012,32(10):964-994.

[2]ROLL R,SCHWARTZ E,SUBRAHMANYAM A.Liquidity and the law of one price:the case of the futures-cash basis.TheJournalofFinance,2007,62(5):2201-2234.

[3]KUMAR P,SEPPI D J.Information and index arbitrage.TheJournalofBusiness,1994,67(4):481-509.

[4]KADAPAKKAM P R,KUMAR U.Impact of liquidity on the futures-cash basis:evidence from the Indian market.TheJournalofFuturesMarkets,2013,33(3):266-298.

[5]CHORDIA T,ROLL R,SUBRAHMANYAM A.Order imbalance,liquidity,and market returns.JournalofFinancialEconomics,2002,65(1):111-130.

[6]CHEN N F,CUNY C J,HAUGEN R A.Stock volatility and the levels of the basis and open interest in futures contracts.TheJournalofFinance,1995,50(1):281-300.

[7]CHORDIA T,SARKAR A,SUBRAHMANYAM A.An empirical analysis of stock and bond market liquidity.TheReviewofFinancialStudies,2005,18(1):85-129.

[8]LIEN D,LIM G,YANG L,et al.Dynamic dependence between liquidity and the S&P 500 index futures-cash basis.TheJournalofFuturesMarkets,2013,33(4):327-342.

[9]TAO L,SONG F M.Do small traders contribute to price discovery?Evidence from the Hong Kong Hang Seng index markets.TheJournalofFuturesMarkets,2010,30(2):156-174.

[10] 王錄琦,潘慧峰,劉曦彤.我國黃金期貨流動性與基差的動態(tài)關(guān)系研究.科學決策,2013(1):19-44.

WANG Luqi,PAN Huifeng,LIU Xitong.Dynamic linkage of gold future liquidity and future-cash basis in China market.ScientificDecisionMaking,2013(1):19-44.(in Chinese)

[11] WANG Y Y,CHANG C C,LEE W C.Price discovery between regular and mini index futures in the Taiwan Futures Exchange.InternationalReviewofEconomics&Finance,2013,27(2):224-237.

[12] HAN J,PAN Z.Ontherelationbetweenliquidityandthefutures-cashbasis:evidencefromanaturalexperiment.Brisbane QLD:The University of Queensland,2016.

[13] 陳遠雄.股指期貨基差與流動性的動態(tài)關(guān)系研究.中國商論,2014(1):136-139.

CHEN Yuanxiong.Study of dependence between index future basis and liquidity.ChinaJournalofCommerce,2014(1):136-139.(in Chinese)

[14] HOLDEN C W,JACOBSEN S,SUBRAHMANYAM A.The empirical analysis of liquidity.FoundationsandTrends?inFinance,2014,8(4):263-365.

[15] STOCK J H,WATSON M W.Vector autoregressions.TheJournalofEconomicPerspectives,2001,15(4):101-115.

[16] RITTLER D.Price discovery and volatility spillovers in the European Union Emissions Trading Scheme:a high-frequency analysis.JournalofBanking&Finance,2012,36(3):774-785.

[17] JOHANSEN S,JUSELIUS K.Maximum likelihood estimation and inference on cointegration-with applications to the demand for money.OxfordBulletinofEconomicsandStatistics,1990,52(2):169-210.

[18] SARI R,HAMMOUDEH S,CHANG C, et al.Causality between market liquidity and depth for energy and grains.EnergyEconomics,2012,34(5):1683-1692.

[19] STRAETMANS S,CANDELON B.Long-term asset tail risks in developed and emerging markets.JournalofBanking&Finance,2013,37(6):1832-1844.

[20] LüTKEPOHL H.Non-causality due to omitted variables.JournalofEconometrics,1982,19(2/3):367-378.

[21] TSE Y,XIANG J.Market quality and price discovery:introduction of the e-mini energy futures.GlobalFinanceJournal,2005,16(2):164-179.

[22] GILBERT C L,RIJKEN H A.How is futures trading affected by the move to a computerized trading system?Lessons from the LIFFE FTSE 100 contract.JournalofBusinessFinance&Accounting,2006,33(7/8):1267-1297.

[23] ANDERSEN T G,BOLLERSLE V T.Intraday periodicity and volatility persistence in financial markets.JournalofEmpiricalFinance,1997,4(2/3):115-158.

[24] GRANGER C W J.Testing for causality:a personal viewpoint.JournalofEconomicDynamicsandControl,1980,2(1):329-352.

[25] LüTKEPOHL H.Non-causality due to omitted variables.JournalofEconometrics,1982,19(2/3):367-378.

[26] 趙勝民,閆紅蕾.A股市場統(tǒng)計套利風險實證分析.管理科學,2015,28(5):93-105.

ZHAO Shengmin,YAN Honglei.Empirical study on the risk statistical arbitrage in A-share market.JournalofManagementScience,2015,28(5):93-105.(in Chinese)

[27] STOCK J H,WATSON M W.Vector autoregressions.JournalofEconomicPerspectives,2001,15(4):101-115.

[28] BOULTON T J,BRAGA-ALVES M V.The skinny on the 2008 naked short-sale restrictions.JournalofFinancialMarkets,2010,13(4):397-421.

[29] BEBER A,PAGANO M.Short-selling bans around the world:evidence from the 2007-09 crisis.TheJournalofFinance,2013,68(1):343-381.

[30] BOEHMER E,JONES C M,ZHANG X.Shackling short sellers:the 2008 shorting ban.TheReviewofFinancialStudies,2013,26(6):1363-1400.

[31] TREBBI F,XIAO K.Regulationandmarketliquidity.Vancouver,BC:University of British Columbia,2015.

[32] YANG J,YANG Z,ZHOU Y.Intraday price discovery and volatility transmission in stock index and stock index futures markets:evidence from China.TheJournalofFuturesMarkets,2012,32(2):99-121.

[33] 瞿慧,徐冰慧,牛孟芝.基于日內(nèi)跳躍識別方法的股指期貨動態(tài)套期保值研究.中國管理科學,2015,23(增刊):453-458.

QU Hui,XU Binghui,NIU Mengzhi.Dynamic hedging of index futures based on intraday jump identification method.ChineseJournalofManagementScience,2015,23(Special Issue):453-458.(in Chinese)

[34] WANG K,MIAO L,LI J.Two-factor decomposition analysis for correlation between mainland China and Hong Kong stock markets.InternationalReviewofFinance,2013,13(1):93-110.

[35] 王鵬,楊興林.基于時變波動率與混合對數(shù)正態(tài)分布的50ETF期權(quán)定價.管理科學,2016,29(4):149-160.

WANG Peng,YANG Xinglin.Option pricing of mixture of lognormal distributions with time-varying volatility in 50ETF option.JournalofManagementScience,2016,29(4):149-160.(in Chinese)

[36] 常寧,徐國祥.金融高頻數(shù)據(jù)分析的現(xiàn)狀與問題研究.財經(jīng)研究,2004,30(3):31-39.

CHANG Ning,XU Guoxiang.An analysis of the present status and problems of financial high frequency data analysis.JournalofFinanceandEconomics,2004,30(3):31-39.(in Chinese)

[37] NIELSEN M ?,FREDERIKSEN P.Finite,sample accuracy and choice of sampling frequency in integrated volatility estimation.JournalofEmpiricalFinance,2008,15(2):265-286.

[38] BHATTACHARYA J,HASLAG J H,MARTIN A.Why does overnight liquidity cost more than intraday liquidity?.JournalofEconomicDynamicsandControl,2009,33(6):1236-1246.

[39] RIEDEL C,WAGNER N.Is risk higher during non-trading periods?The risk trade-offfor intraday versus overnight market returns.JournalofInternationalFinancialMarketsInstitutions&Money,2015,39(11):53-64.

[40] BLUME M E,GOLDSTEIN M A.Quotes,order flow,and price discovery.TheJournalofFinance,1997,52(1):221-244.

Futures-cash Basis and Liquidity in Security Market

LI Pujiang1，GUO Yanfeng2

1 Research Institute of Economics and Management, Southwestern University of Finance and Economics, Chengdu 610074, China 2 School of Finance, Southwestern University of Finance and Economics, Chengdu 610074, China

As demonstrated by the “Thousands of stocks steep see-off leading to a trading halt”, the Chinese securities market experienced very serious liquidity issues during the 2015 market crash, and that had led its regulatory agencies to implement a series of restrictions on the stock market that had never witnessed in Chinese stock trading history. The unprecedented 2015 experience serves as a quasi natural experiment and can be used to study the futures-cash basis and liquidity relationship of the Chinese securities market.

Using the 5-minute high frequency and daily low frequency CSI 300 stock index and CSI 300 index futures data and based on the arbitrage trading theory, we apply VAR model and OLS method to investigate the futures-cash basis and liquidity issue in the Chinese securities market, in a subsample approach that splits the samples in pre- and post- the crisis regulation.

The main findings are as follows. First, futures-cash basis is the reason of the arbitrage trading. It causes the order imbalance, and weakens the market liquidity. Second, positive futures-cash basis influences the market liquidity more than negative futures-cash basis can do and this asymmetry effect is stronger in extreme periods. This is so because when the futures-cash basis is positive, arbitrageurs can easily short the stock index futures and long the stock spot, and the order imbalance will increase spot market liquidity meanwhile. However, when the futures-cash basis is negative, it is hard to short the stock spot and long the stock index futures because of the decline in liquidity. The finding that positive basis could trigger the arbitrage mechanism and an increase in securities market liquidity holds in the case of high frequency data as well as the case of low frequency data. Third, when stock index futures and short-sellings were restricted, arbitrage became difficult, which makes the futures-cash basis ineffective for improving the security market liquidity. This can be an explanation for the lack of liquidity during the stock market crash period of 2015.

Our findings provide an explanation for the loss of liquidity in the Chinese stock market crash in 2015, and it is expected that these findings are to serve as potentially useful information on how to best deal with securities market crisis for regulatory agencies.

futures-cash basis；stock market liquidity；arbitrage trading；stock market crash

F830.9

A

10.3969/j.issn.1672-0334.2017.04.011

1672-0334(2017)04-0151-10

□

2016-09-20 修返日期：2017-01-23

中央高?；究蒲袠I(yè)務費專項資金(JBK1607002)

李蒲江，西南財經(jīng)大學經(jīng)濟與管理研究院博士研究生，研究方向為金融計量和資本市場等，E-mail：PujiangLee@163.com

郭彥峰，管理學博士，西南財經(jīng)大學金融學院講師，研究方向為資本市場和能源金融等，代表性學術(shù)成果為“How do the stock prices of new energy and fossil fuel companies correlate? Evidence from China”，發(fā)表在2014年第41期《Energy Economics》，E-mail：guo_yan_feng@163.com

Received Date:September 20th, 2016 Accepted Date:January 23rd, 2017

Funded Project:Supported by the Fundamental Research Funds for the Central Universities(JBK1607002)

Biography:LI Pujiang is a Ph.D candidate in the Research Institute of Economics and Management at Southwestern University of Finance and Economics. His research interests include financial econometrics and capital market. E-mail：PujiangLee@163.com

GUO Yanfeng, doctor in management, is a lecturer in the School of Finance at Southwestern University of Finance and Economics. His research interests include capital market and energy finance. His representative paper titled “How do the stock prices of new energy and fossil fuel companies correlate? Evidence from China” was published in theEnergyEconomics(Issue 41, 2014). E-mail：guo_yan_feng@163.com