盧萬(wàn)青　陳春流

摘 要：本文利用2013—2016年滬深300指數(shù)收盤(pán)價(jià)的日收益率數(shù)據(jù)，首先采用GARCH（1，1）模型，分析了在剔除融資融券變量之后，限制股指期貨的政策對(duì)股市的波動(dòng)影響，然后使用EGARCH（1，1）模型分析股指期貨限制對(duì)股市非對(duì)稱(chēng)效應(yīng)的影響，最后通過(guò)中證500、上證50股指期貨收盤(pán)價(jià)數(shù)據(jù)和調(diào)整數(shù)據(jù)周期進(jìn)行了穩(wěn)健性檢驗(yàn)。研究結(jié)果表明：限制股指期貨的政策降低了股市的波動(dòng)性，但加劇了股市的非對(duì)稱(chēng)效應(yīng)。

關(guān)鍵詞：股指期貨；股票市場(chǎng)；波動(dòng)性；GARCH模型

中圖分類(lèi)號(hào)：F830.91 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-2265（2017）06-0048-06

一、引言和文獻(xiàn)綜述

2010年4月16日，我國(guó)第一個(gè)股指期貨上市交易，推出股指期貨的目的在于穩(wěn)定股票市場(chǎng)，豐富投資工具，國(guó)內(nèi)學(xué)術(shù)界也對(duì)推出股指期貨與股票市場(chǎng)波動(dòng)性進(jìn)行了大量的研究，大部分都得出我國(guó)股指期貨的上市交易可以起到穩(wěn)定股票市場(chǎng)的作用。2015年6月—8月，我國(guó)股票市場(chǎng)經(jīng)歷了嚴(yán)重的股價(jià)下跌，中金所隨后出臺(tái)了限制股指期貨交易的政策，在此背景下，本文研究的目的是實(shí)證分析限制股指期貨交易的政策對(duì)股市波動(dòng)性和非對(duì)稱(chēng)性的影響。

針對(duì)股指期貨交易對(duì)現(xiàn)貨市場(chǎng)波動(dòng)性影響的問(wèn)題，學(xué)術(shù)界仍存在較大的分歧，主要觀點(diǎn)包括以下三種：

（一）股指期貨市場(chǎng)降低了股票市場(chǎng)波動(dòng)性

Lee和Ohk（1992）通過(guò)對(duì)香港恒生指數(shù)期貨的研究，得出恒生指數(shù)期貨有利于降低香港地區(qū)股票市場(chǎng)的波動(dòng)性。Pilar和Rafael（2004）通過(guò)對(duì)西班牙引入股指期貨后的股票市場(chǎng)進(jìn)行研究，結(jié)果顯示股指期貨的引入顯著降低了西班牙股市的波動(dòng)性。Antoniou、Koutmos和Pericli（2005）選取英國(guó)FTA指數(shù)、法國(guó)CAC指數(shù)、美國(guó)S&P500指數(shù)、德國(guó)FC指數(shù)、日本Nikkei指數(shù)及加拿大T300組合指數(shù)，分析了六個(gè)國(guó)家的股票市場(chǎng)，結(jié)果顯示股指期貨都有效降低了六個(gè)國(guó)家股票市場(chǎng)的波動(dòng)性。Drimbetas（2007）選取了富時(shí)指數(shù)日收盤(pán)價(jià)數(shù)據(jù)對(duì)英國(guó)的股票市場(chǎng)進(jìn)行研究，EGARCH模型結(jié)果顯示股指期貨的推出不僅顯著降低了現(xiàn)貨市場(chǎng)波動(dòng)性，還提高了市場(chǎng)效率。Kasman（2010）同樣采用EGARCH模型研究了土耳其2002—2007年間的股票市場(chǎng)，結(jié)果也顯示股指期貨降低了股市波動(dòng)性。宗計(jì)川和李先玉（2013）在剔除國(guó)內(nèi)經(jīng)濟(jì)形勢(shì)、國(guó)際經(jīng)濟(jì)形勢(shì)、投資者情緒及周內(nèi)效應(yīng)后，以滬深300指數(shù)期貨為研究對(duì)象，結(jié)果表明股指期貨的推出減少了現(xiàn)貨市場(chǎng)的波動(dòng)性。Zhang和Lv（2013）采用ARCH、GARCH模型及格蘭杰因果關(guān)系檢驗(yàn)研究了印度的股票市場(chǎng)，結(jié)果表明，印度推出股指期貨降低了股市波動(dòng)，同時(shí)也增強(qiáng)了股市價(jià)格發(fā)現(xiàn)功能。許碩（2016）同時(shí)采用GARCH和VAR模型，研究了中國(guó)股票市場(chǎng)在限制投機(jī)政策下的表現(xiàn)，結(jié)果表明限制投機(jī)交易制度的推出減少了現(xiàn)貨市場(chǎng)的波動(dòng)性，可以起到市場(chǎng)維穩(wěn)的作用。曹棟和張佳（2017）選取2007—2015年滬深300指數(shù)收盤(pán)價(jià)數(shù)據(jù)，采用GARCH-M模型研究了中國(guó)股票市場(chǎng)推出股指期貨的表現(xiàn)，結(jié)果顯示股指期貨可以顯著降低現(xiàn)貨市場(chǎng)波動(dòng)性。

（二）股指期貨市場(chǎng)對(duì)股票市場(chǎng)波動(dòng)性無(wú)影響

Baldauf和Santoni（1991）采用ARCH模型對(duì)S&P500指數(shù)進(jìn)行研究，發(fā)現(xiàn)S&P500股指期貨對(duì)現(xiàn)貨市場(chǎng)波動(dòng)性影響不顯著。Shenbagaraman（2002）通過(guò)對(duì)印度S&P CNX Nifty期貨、期權(quán)和現(xiàn)貨市場(chǎng)的研究，未發(fā)現(xiàn)股指期貨市場(chǎng)與現(xiàn)貨市場(chǎng)波動(dòng)之間的相關(guān)性。吳佩渝（2000）對(duì)臺(tái)灣地區(qū)股指期貨市場(chǎng)的研究得出，臺(tái)灣地區(qū)股指期貨上市后對(duì)現(xiàn)貨市場(chǎng)的波動(dòng)性并沒(méi)有顯著影響。Darrat和Rahman（2002）、Sibani和Shankar（2007）的研究顯示期貨市場(chǎng)的交易對(duì)現(xiàn)貨市場(chǎng)的波動(dòng)影響不顯著。盛浙湘、顧天慧（2011）選取了處于不同發(fā)展階段的八個(gè)國(guó)家和地區(qū)，發(fā)現(xiàn)除日本外，推出股指期貨對(duì)現(xiàn)貨市場(chǎng)的影響都不顯著。Hu和Yiwen（2016）選取滬深300指數(shù)日收盤(pán)價(jià)數(shù)據(jù)進(jìn)行研究，結(jié)果顯示股指期貨價(jià)格變化對(duì)股市波動(dòng)性沒(méi)有顯著影響。

（三）股指期貨市場(chǎng)增加了股票市場(chǎng)的波動(dòng)性

Antoniou和Holmes（1995）對(duì)FTSE100指數(shù)進(jìn)行了實(shí)證研究，發(fā)現(xiàn)股指期貨交易加大了現(xiàn)貨市場(chǎng)的波動(dòng)性，但也改善了現(xiàn)貨市場(chǎng)的信息傳播速度和質(zhì)量。俞衛(wèi)（1995）對(duì)具有不同到期日的8種股指期貨與現(xiàn)貨市場(chǎng)關(guān)系的研究發(fā)現(xiàn)，指數(shù)套利改變了股指期貨價(jià)格和股票價(jià)格的波動(dòng)形態(tài)，股指期貨的價(jià)格波動(dòng)有時(shí)是由股票市場(chǎng)的沖擊引起的。Bac（2004）、Kang（2007）研究了日本、韓國(guó)等五個(gè)亞洲國(guó)家的股票市場(chǎng)，GARCH及擴(kuò)展的GJR-GARCH、APGARCH模型結(jié)果顯示，五個(gè)國(guó)家股票市場(chǎng)的波動(dòng)性與非對(duì)稱(chēng)性在引入股指期貨后都有不同程度的增加。劉鳳根和王曉芳（2008）選取N225指數(shù)、韓國(guó)KOSPI200指數(shù)和臺(tái)灣證交所加權(quán)指數(shù)分析了日本、韓國(guó)和臺(tái)灣地區(qū)的股票市場(chǎng)，GARCH模型結(jié)果顯示股指期貨的推出對(duì)臺(tái)灣地區(qū)股市波動(dòng)性影響不顯著，但顯著加劇了日本和韓國(guó)股市的波動(dòng)性。Kittiakarasakun、Tse和Wang（2012）選取2002—2004年的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(duì)稱(chēng)波動(dòng)下的影響，結(jié)果顯示不知情交易者的交易行為更顯著地導(dǎo)致了市場(chǎng)的不對(duì)稱(chēng)波動(dòng)。Yang Jian（2012）選取了2010年4月16日到2010年7月30日滬深300指數(shù)收盤(pán)價(jià)數(shù)據(jù)，研究了股指期貨推出之初現(xiàn)貨市場(chǎng)的表現(xiàn)，發(fā)現(xiàn)推出之初，股市出現(xiàn)很大跌幅，股指期貨價(jià)格發(fā)現(xiàn)的作用不顯著。

需要指出的是，首先，絕大部分學(xué)者對(duì)股指期貨與現(xiàn)貨市場(chǎng)波動(dòng)的關(guān)系研究都未剔除可能引起股市波動(dòng)的其他經(jīng)濟(jì)變量，本文較嚴(yán)謹(jǐn)?shù)靥蕹巳谫Y融券變量，參考宗計(jì)川和李先玉（2013）的方法，把融資融券變量加入到GARCH模型的均值方程進(jìn)行分析；其次，大部分學(xué)者研究的是股指期貨上市對(duì)現(xiàn)貨市場(chǎng)的波動(dòng)影響，而本文更進(jìn)一步地分析股指期貨的限制政策對(duì)現(xiàn)貨市場(chǎng)的波動(dòng)影響；最后，通過(guò)使用中證500、上證50股指期貨數(shù)據(jù)和調(diào)整樣本區(qū)間三種方法進(jìn)行了穩(wěn)健性檢驗(yàn)，使結(jié)果更具可靠性。endprint

二、數(shù)據(jù)與模型選取

（一）數(shù)據(jù)和變量說(shuō)明

本文選取2013年10月28日—2016年10月26日滬深300指數(shù)日收盤(pán)價(jià)數(shù)據(jù)，融資融券變量用融資融券余額表示，利用收盤(pán)價(jià)數(shù)據(jù)計(jì)算出日收益率數(shù)據(jù)，計(jì)算公式為：[ret=100ln（ptpt-1）]，其中[pt]表示t期滬深300指數(shù)收盤(pán)價(jià)，[pt-1]表示上一期收盤(pán)價(jià)；利用融資融券余額日數(shù)據(jù)，使用同樣的計(jì)算公式得到融資融券變動(dòng)率數(shù)據(jù)。除去節(jié)假日，共有732個(gè)樣本，數(shù)據(jù)均來(lái)源于萬(wàn)得資訊。為了分析股指期貨的限制政策對(duì)股市波動(dòng)性的影響，將數(shù)據(jù)以2015年9月7日為節(jié)點(diǎn)分成兩個(gè)子樣本：限制政策出臺(tái)前的2013年10月28日—2015年9月7日和限制政策出臺(tái)后的2015年9月8日—2016年10月26日。

（二）計(jì)量經(jīng)濟(jì)學(xué)模型

廣義自回歸條件異方差GARCH模型是由T.Bollerslev提出，經(jīng)ARCH模型發(fā)展而來(lái)，是專(zhuān)門(mén)針對(duì)金融時(shí)間序列數(shù)據(jù)使用的回歸模型，很適合分析帶有波動(dòng)聚集性的金融時(shí)間序列?；贏IC和SC準(zhǔn)則，本文選擇GARCH（1，1）模型來(lái)分析股指期貨的限制政策對(duì)股市的波動(dòng)影響，GARCH（p，q）由均值方程和方差方程構(gòu)成，原始形式如下：

[xt=β0+β1xt-1+β2xt-2+…+βpxt-p+ut] （1）

[ut=htεt] （2）

[ht=α0+i=1qαiu2t-1+i=1pβih2t-1] （3）

其中，[p]和[q]分別為GARCH項(xiàng)和ARCH項(xiàng)階數(shù)，當(dāng)[p]=1、[q]=1時(shí)就得到GARCH（1，1）模型；（1）式為AR（p）形式的條件均值方程，[ut]為誤差項(xiàng)；（3）式為條件方差方程，[α0]代表原先的不確定性，[u2t-1]表示外部的波動(dòng)沖擊，[h2t-1]表示過(guò)去的波動(dòng)性，[αi]和[βi]分別表示外部波動(dòng)沖擊與過(guò)去波動(dòng)性對(duì)當(dāng)期波動(dòng)性的影響程度，數(shù)值越大，則代表對(duì)當(dāng)期波動(dòng)性影響越大。為了剔除融資融券變量對(duì)股市波動(dòng)的影響，本文把融資融券余額加入均值方程，設(shè)定如下：

[hs300t=c+βrzrqt+ut] （4）

其中，[hs300t]表示滬深300指數(shù)收益率，[rzrqt]表示融資融券余額變動(dòng)率，[ut]為隨機(jī)誤差項(xiàng)。

三、實(shí)證分析

本文首先采用GARCH（1，1）模型分析限制股指期貨對(duì)股市的波動(dòng)性影響，然后使用EGARCH（1，1）模型分析限制股指期貨對(duì)股市的非對(duì)稱(chēng)效應(yīng)影響，分析之前，進(jìn)行了描述性統(tǒng)計(jì)和充分的實(shí)證檢驗(yàn)。

（一）描述性統(tǒng)計(jì)

本文分別對(duì)滬深300指數(shù)收益率和融資融券余額變動(dòng)率進(jìn)行全樣本和子樣本描述性統(tǒng)計(jì)，見(jiàn)表1。

由表1可知，滬深300指數(shù)收益率（[hs300t]）全樣本的偏度為-1.0170，左偏，峰度為7.9093，J-B統(tǒng)計(jì)量為861，說(shuō)明滬深300指數(shù)收益率序列是具有高峰厚尾，且分布顯著異于正態(tài)分布的序列，采用GARCH模型是合適的。觀察滬深300指數(shù)收益率序列限制前和限制后的偏度和峰度值也可得出結(jié)論，[hs300t]限制前樣本的標(biāo)準(zhǔn)差為1.9301，限制后的標(biāo)準(zhǔn)差為1.6135，限制后標(biāo)準(zhǔn)差小于限制前的標(biāo)準(zhǔn)差，據(jù)此可以初步判斷，限制滬深300指數(shù)期貨交易后，降低了股市波動(dòng)。

融資融券余額變動(dòng)率（[rzrqt]）限制前樣本的偏度為-3.8476，峰度為27.1561，說(shuō)明融資融券變動(dòng)率也是一種帶有左拖尾高峰的非正態(tài)分布的時(shí)間序列；限制后樣本的偏度為-0.3980，峰度為4.9192，J-B統(tǒng)計(jì)量為49，較限制前的數(shù)值都有明顯下降，說(shuō)明限制后的樣本更趨近于正態(tài)分布；比較[rzrqt]限制前后的標(biāo)準(zhǔn)差可以看出，限制后的標(biāo)準(zhǔn)差下降了0.47，說(shuō)明限制股指期貨交易政策出臺(tái)后的時(shí)間范圍內(nèi)，融資融券余額變動(dòng)率的波動(dòng)下降很大。

（二）實(shí)證檢驗(yàn)

1. 平穩(wěn)性檢驗(yàn)。使用ADF檢驗(yàn)來(lái)測(cè)度滬深300指數(shù)收益率和融資融券余額變動(dòng)率序列是否為平穩(wěn)序列，結(jié)果如表2所示。

表2：ADF檢驗(yàn)結(jié)果

[樣本期

變量 全樣本ADF值 限制前ADF值 限制后ADF值 [hs300t] -25.4117

（p=0.0000） -8.9596

（p=0.0000） -18.4719

（p=0.0000） [rzrqt] -6.8179

（p=0.0000） -9.5054

（p=0.0000） -7.0252

（p=0.0000） ]

從表2 可以看出，滬深300指數(shù)收益率序列在全樣本和子樣本時(shí)期的p值都趨向0，所以該序列是平穩(wěn)序列；同樣可得出融資融券余額變動(dòng)率序列也是平穩(wěn)的。

2. 自相關(guān)檢驗(yàn)及模型識(shí)別。對(duì)（4）式進(jìn)行OLS回歸，再利用LM自相關(guān)檢驗(yàn)，在滯后5階的情況下，顯示殘差存在自相關(guān)，見(jiàn)表3。

表3：LM自相關(guān)檢驗(yàn)結(jié)果

基于AIC和SC準(zhǔn)則，本文選定AR（2）MA（2）來(lái)擬合模型，擬合后的結(jié)果顯示，除了常量C的系數(shù)不顯著以外，其他系數(shù)都很顯著，且從滯后1階到10階都沒(méi)檢測(cè)到自相關(guān)，說(shuō)明用AR（2）MA（2）擬合模型效果良好，且消除了自相關(guān)。

3. ARCH效應(yīng)檢驗(yàn)。如果殘差不具有ARCH效應(yīng)，即不具備波動(dòng)聚集性，則不能使用GARCH模型來(lái)分析，因此，在使用GARCH模型分析前，必須要進(jìn)行ARCH效應(yīng)檢驗(yàn)。本文采用ARCH-LM（滯后8階）來(lái)檢驗(yàn)殘差是否存在ARCH效應(yīng)，檢驗(yàn)結(jié)果如表4所示。

表4：ARCH效應(yīng)檢驗(yàn)結(jié)果

由表4可以判定，殘差具有高階ARCH效應(yīng)，可以用GARCH模型來(lái)分析。

（三）回歸結(jié)果分析endprint

1. GARCH模型對(duì)股市波動(dòng)性的分析。為了檢驗(yàn)股指期貨限制政策對(duì)股市波動(dòng)性的影響，本文加入虛擬變量[dmt]來(lái)表示股指期貨限制這個(gè)事件，將[dmt]加入方差方程，股指期貨限制前[dmt]等于0，限制后[dmt]等于1；基于AIC和SC準(zhǔn)則，本文建立GARCH（1，1）模型，經(jīng)AR（2）MA（2）擬合后的均值方程，加入了虛擬變量的方差方程如下：

[hs300t=φ0+φ1hs300t-1+φ2hs300t-2+φ3rzrqt+φ4ut-1+φ5ut-2] （5）

[ht=α0+α1u2t-1+β1h2t-1+γdmt] （6）

其中[dmt]的系數(shù)[γ]可以用來(lái)解釋股指期貨限制政策對(duì)股市波動(dòng)性的影響，如果[γ]顯著小于0，說(shuō)明股指期貨限制政策減少了股市波動(dòng)；[γ]顯著大于0，說(shuō)明股指期貨限制政策增加了股市波動(dòng)；[γ]顯著等于0就表示股指期貨限制政策對(duì)股市沒(méi)有影響；另外，[α1+β1]需滿足小于1以保證模型的穩(wěn)定性。使用Eviews8.0回歸，結(jié)果如表5所示。

表5：GARCH（1，1）模型回歸結(jié)果

[ Coefficient Std.Error Z-statistic Prob. φ0 -0.0731 0.0483 -1.5138 0.1301 φ1 -1.8525 0.0155 -119.3324 0.0000 φ2 -0.9569 0.0138 -69.2699 0.0000 φ3 0.6351 0.0492 12.9019 0.0000 φ4 1.8570 0.0114 162.5115 0.0000 φ5 0.9703 0.0120 81.0914 0.0000 α0 0.0310 0.0095 3.2807 0.0010 α1 0.0633 0.0109 5.7864 0.0000 β1 0.9276 0.0101 92.0262 0.0000 γ -0.0191 0.0083 -2.3044 0.0212 R-squared 0.1616 Mean dependent var 0.0460 Adjusted R-squared 0.1558 S.D.dependent var 1.8184 S.E of regression 1.6707 Akaike info criterion 3.5093 Sum squared resid 2020.971 Schwarz criterion 3.5722 Log likelihood -1270.886 Durbin-Watson stat 1.9609 ]

由表5可得，除了常數(shù)項(xiàng)不顯著以外，其他變量都在5%的水平下顯著；[γ]的系數(shù)為-0.0191，顯著小于0，因此，可以得到：推出股指期貨限制政策減少了股市的波動(dòng)；另外[α1+β1]=0.99<1也滿足模型穩(wěn)定性要求；本文還對(duì)使用GARCH（1，1）模型回歸后的結(jié)果進(jìn)行了ARCH-LM檢驗(yàn)，見(jiàn)表6。

表6：GARCH模型回歸后ARCH效應(yīng)檢驗(yàn)

由表6可得，在滯后8階的情況下，經(jīng)GARCH（1，1）模型回歸后的殘差消除了ARCH效應(yīng)。

2. EGARCH模型對(duì)股市非對(duì)稱(chēng)性的分析。股市不僅存在股票價(jià)格的波動(dòng)聚集性，還存在信息的非對(duì)稱(chēng)性，即投資者對(duì)利空消息和利好消息的反應(yīng)程度不一樣，本文用EGARCH模型來(lái)分析股指期貨限制政策對(duì)這一現(xiàn)象的影響。 EGARCH模型的一個(gè)特征是模型系數(shù)不存在非負(fù)性約束，避免了條件方差出現(xiàn)負(fù)值，因此選用EGARCH模型來(lái)分析股指期貨限制政策對(duì)股市的非對(duì)稱(chēng)影響。同樣基于AIC和SC原則，使用經(jīng)MA（1）擬合后的EGARCH（1，1）模型來(lái)分析，條件均值方程如（7）式，條件方差方程如（8）式：

[hs300t=φ0+φ1rzrqt+φ2ut-1] （7）

[Ln（ht）=α0+α1Ln（ht-1）+β1ut-1ht-1+γut-1ht-1] （8）

（7）式中，[ut-1/ht-1]為標(biāo)準(zhǔn)化信息，[ut-1/ht-1<0]表示利空消息，[ut-1/ht-1≥0]則表示利好消息，[ut-1/ht-1]是非對(duì)稱(chēng)效應(yīng)項(xiàng)，通過(guò)觀察其系數(shù)[γ]來(lái)確定是否存在非對(duì)稱(chēng)效應(yīng)，如果[γ]顯著不等于零，則表明存在非對(duì)稱(chēng)性，用[β1+γ]和[β1-γ]來(lái)分別表示股票市場(chǎng)對(duì)利好消息和利空消息的反應(yīng)程度?；貧w結(jié)果如表7所示。

表7：EGARCH（1，1）模型股市非對(duì)稱(chēng)回歸結(jié)果

[估計(jì)系數(shù) 總體 限制前 限制后 φ0 -0.0801（0.0996） -0.0357（0.6111） 0.0443（0.2006） φ1 0.6688（0.0000） 0.3821（0.0000） 0.9204（0.000） φ2 -0.0089（0.8144） 0.0230（0.6433） -0.1262（0.0417） α0 -0.1019（0.0000） -0.0940（0.0002） 0.0186（0.4048） α1 0.9890（0.0000） 0.9992（0.0000） 1.0070（0.0000） β1 0.1455（0.0000） 0.1307（0.0001） -0.0447（0.1430） γ -0.0186（0.2100） 0.0222（0.1555） -0.0831（0.0013） β1+γ 0.1269 0.1529 -0.1278 β1-γ 0.1641 0.1084 0.0383 ]

注：括號(hào)中的數(shù)值為P值。

由表7可以發(fā)現(xiàn)，總體樣本回歸結(jié)果中非對(duì)稱(chēng)效應(yīng)項(xiàng)的系數(shù)[γ]為-0.0186，但不顯著，這說(shuō)明在總體樣本區(qū)間未檢測(cè)到股市的非對(duì)稱(chēng)性，限制前樣本回歸結(jié)果的[γ]為0.0222，也不顯著，表明在限制股指期貨前，股市不存在非對(duì)稱(chēng)效應(yīng)，即利好消息和利空消息對(duì)股市的沖擊是無(wú)差異的。但是，限制后的樣本回歸結(jié)果[γ]為-0.0831，在1%的水平下顯著不為零，表明在限制股指期貨后股市存在非對(duì)稱(chēng)效應(yīng)，[β1+γ]的值為-0.1278，即利好消息對(duì)股市的沖擊為endprint

-0.1278倍，[β1-γ]的值為0.0383，即利空消息對(duì)股市有0.0383倍的沖擊，投資者對(duì)利空消息的反應(yīng)程度明顯大于對(duì)利好消息的反應(yīng)程度，顯示出市場(chǎng)的非理性特征，說(shuō)明限制股指期貨的措施加劇了股市的非對(duì)稱(chēng)性。

四、穩(wěn)健性檢驗(yàn)

前文實(shí)證得出滬深300指數(shù)期貨的限制政策降低了現(xiàn)貨市場(chǎng)的波動(dòng)性，但加劇了股市的非對(duì)稱(chēng)性效應(yīng)，股市呈現(xiàn)出更多的非理性特征。國(guó)內(nèi)已上市的股指期貨還有中證500和上證50股指期貨，為了檢驗(yàn)結(jié)果的穩(wěn)健性，在樣本區(qū)間一致的情況下，分別使用中證500和上證50指數(shù)日收盤(pán)價(jià)數(shù)據(jù)來(lái)替代滬深300指數(shù)日收盤(pán)價(jià)，并采用相同的實(shí)證方法進(jìn)行回歸，又把滬深300日收盤(pán)價(jià)數(shù)據(jù)樣本區(qū)間設(shè)置為2010年4月16日—2016年10月19日，得到回歸結(jié)果如表8、表9所示。

表8顯示，無(wú)論是選用中證500、上證50指數(shù)的數(shù)據(jù)還是擴(kuò)大樣本區(qū)間，代表股指期貨限制事件的虛擬變量dmt的系數(shù)都為負(fù)值，且非常接近，中證500指數(shù)和調(diào)整樣本區(qū)間的方法在1%水平下顯著，上證50指數(shù)的系數(shù)在10%水平下顯著，和前文得到的結(jié)果是一致的。

從表9可以看出，用中證500指數(shù)數(shù)據(jù)回歸的結(jié)果顯示，從總體來(lái)看未檢測(cè)到股市的非對(duì)稱(chēng)效應(yīng)，但是限制前和限制后都存在非對(duì)稱(chēng)效應(yīng)，且非常顯著，進(jìn)一步地從β1+γ和β1-γ的值來(lái)看，限制前的β1+γ為0.0355，而限制后的β1+γ為-0.1117，這說(shuō)明在限制股指期貨后，股市對(duì)利好消息更不敏感；再比較限制前后β1-γ的值可以得出，限制股指期貨后股市對(duì)利空消息更加敏感了。同樣的分析，上證50和調(diào)整樣本區(qū)間的結(jié)果都顯示在限制股指期貨后股市顯著存在非對(duì)稱(chēng)效應(yīng)，并且限制股指期貨后股市對(duì)利空消息的反應(yīng)程度更大了，股市呈現(xiàn)出更多的非理性特征。這和前文得到的結(jié)論一致。

五、結(jié)論

2015年9月7日，中金所出臺(tái)了對(duì)股指期貨的限制政策，本文的研究目的是實(shí)證分析限制政策對(duì)股市波動(dòng)性和對(duì)稱(chēng)性的影響，考慮到融資融券對(duì)股市波動(dòng)的重要影響，本文剔除了融資融券變量。選取滬深300指數(shù)日收益率數(shù)據(jù)，加入虛擬變量表示限制事件，采用GARCH（1，1）模型分析限制政策對(duì)股市波動(dòng)的影響，得到的回歸結(jié)果顯示，中金所限制股指期貨交易的政策顯著地減少了股市的波動(dòng)；然后使用EGARCH（1，1）模型分析限制政策對(duì)股市非對(duì)稱(chēng)性的影響，結(jié)果顯示限制股指期貨的政策加劇了股市的非對(duì)稱(chēng)效應(yīng)；最后還通過(guò)調(diào)整變量和調(diào)整數(shù)據(jù)選取的時(shí)間區(qū)間進(jìn)行了穩(wěn)健性檢驗(yàn)，結(jié)果均顯示結(jié)果是穩(wěn)健的。綜上可得，限制股指期貨的政策雖然在一定程度上達(dá)到了降低股市波動(dòng)的作用，但卻加劇了股市的非對(duì)稱(chēng)效應(yīng)，股市對(duì)利空消息的反應(yīng)程度遠(yuǎn)大于對(duì)利好消息的反應(yīng)程度，市場(chǎng)呈現(xiàn)更多的非理性特征。

參考文獻(xiàn)：

[1]Antoniou，A. and Holmes，P. 1995. Futures trading，information and spot price volatility： Evidence for the FTSE-100 stock index futures contract using GARCH. Journal Of Banking And Finance，Vol.19，No.1.

[2]Pilar C.，afael S. 2002. Does Derivatives Trading Destabilize the Underlying Assets？ Evidence from the Spanish Stock Market[J].Applied Economics Letters，（2）.

[3]Damodaran，A. 1990. Index futures and stock market volatility.Review Of Futures Markets，Vol.9，No.2.

[4]Antoniou A，Koutmos G，Pericli A. 2005. Index futures and positive feedback trading：evidence from major stock exchanges[J].Journal of Empirical Finance，12（2）.

[5]Drimbetas E，Sariannidis N，Porfiris N. 2007. The effect of derivatives trading on volatility of the underlying asset：evidence from the Greek stock market[J].Applied Financial Economics，17（2）.

[6]Kasman A，Kasman S. 2010. The impact of futures trading on volatility of the underlying asset in the Turkish stock market[J].Physica A：Statistical Mechanics and its Applications，387（12）.

[7]Lee，S.B. and Ohk，K.Y. 1992. Stock index futures listing and structural change in time-varying volatility. Journal Of Futures Markets，Vol.12，No.5.

[8]Baldauf B，Santoni，G J. 1991. Stock price volatility：Some evident from an ARCH model[J].The Journal of Future Markets，11（2）endprint

[9]Darrat，Rahman. 2002. On the role of futures trading in spot markets fluctuations： Perpetrator of volatility or victim or regret ？[J].The Journal of Financial Research，25（3）.

[10]Sibani Prasad Sarangi，K. 2007. Uma Shankar Patnaik.Impact of futures and options on the underlying market volatility：an empirical study on S&p CNX Nifty Index[J].SSRN working paper series，Nov.

[11]Hu，Yiwen. 2016. Study on effects of CSI 300 index futures on Chinese Stock Market volatility[C].International Forum on Management，Education and Information Technology Application.

[12]Sang Hoon Kang，Seonb-Min Yoon. 2007. Index Futures Trading and Asymmetric Volatility：Evidence from Asian Stock Markets[J].Journal of the Korean Economy，8（2）.

[13]Bae S C，Kwon T H，Park J W. 2004. Futures trading，spot market volatility，and market efficiency：the case of the Korean index futures markets[J].Journal of Futures Markets，24（12）.

[14]Kittiakarasakun J，Tse Y，Wang G H K. 2012. The impact od trades by traders on asymmetric volatility for Nasdaq-100 index futures[J].Managerial Finance，38（8）.

[15]Yang Jian，Yang Zihui，Zhou Yinggang. 2012. Intraday price discovery and volatility transmission in stock index and stock index futures markets：Evident from China[J].Journal of Futures Markets，32（2）.

[16]曹棟，張佳.基于GARCH-M模型的股指期貨對(duì)股市波動(dòng)影響的研究[J].中國(guó)管理科學(xué)，2017，（1）.

[17]劉鳳根，王曉芳.股指期貨與股票市場(chǎng)波動(dòng)性關(guān)系的實(shí)證研究[J].貿(mào)易研究，2008，（19）.

[18]宗計(jì)川，李先玉.股指期貨推出對(duì)現(xiàn)貨市場(chǎng)影響分析——基于宏觀變量剔除的實(shí)證研究[J].宏觀經(jīng)濟(jì)研究，2013，（1）.

[19]許碩.限制投機(jī)下我國(guó)股指期貨對(duì)現(xiàn)貨波動(dòng)的影響研究[D].哈爾濱工業(yè)大學(xué)，2016.

[20]盛浙湘，顧天慧.股指期貨對(duì)市場(chǎng)波動(dòng)性影響的比較——基于非對(duì)稱(chēng)性GARCH模型的探討及成因分析[J].浙江金融，2011，（6）.

Abstract：Using the Shanghai and Shenzhen 300 index closing day yield data from 2013 to 2016，and withGRACH（1，1），this paper analyzes the influence of limiting stock index futures on the volatility of stock market after getting rid of securities margin trading variable. Secondly，this paper analyzes the asymmetry of the stock market with model EGARCH（1，1） . Finally，using the closing price of ZhongZheng 500，ShangZheng 50 stock index future and adjusting the sample interval，the robustness test is conducted.The results showed that the policy restricting the use of stock index futures has significantly reduced the volatility of the stock market，but aggravated the asymmetry of the stock market.

Key Words：stock index futures，stock market，volatility，GARCH Modelendprint