馬長(zhǎng)峰 陳志娟

(浙江工商大學(xué) 金融學(xué)院，浙江 杭州 310018)

限制股指期貨交易能降低股市波動(dòng)率嗎？
——來(lái)自滬深300指數(shù)的證據(jù)

馬長(zhǎng)峰 陳志娟

(浙江工商大學(xué) 金融學(xué)院，浙江 杭州 310018)

基于滬深300指數(shù)期貨及其標(biāo)的指數(shù)的日度數(shù)據(jù)，首先檢驗(yàn)股指期貨交易被限制這一事件對(duì)于滬深300指數(shù)波動(dòng)率的影響，并分析這一事件對(duì)于標(biāo)的指數(shù)交易量波動(dòng)率之間的正相關(guān)性的影響，結(jié)果發(fā)現(xiàn)：股指期貨交易被限制并未伴隨標(biāo)的指數(shù)波動(dòng)率的下降，而是發(fā)生先降后升的動(dòng)態(tài)過(guò)程，并且伴隨著市場(chǎng)深度先降后升；在股指期貨受限之前的樣本中，期貨和現(xiàn)貨交易量都與現(xiàn)貨波動(dòng)率正相關(guān)，但持倉(cāng)量卻與現(xiàn)貨波動(dòng)率負(fù)相關(guān)。

交易量；波動(dòng)率；指數(shù)期貨；持倉(cāng)量

一、研究背景

滬深300指數(shù)期貨交易量巨大，代表了滬深兩市60%的市值，研究指數(shù)期貨對(duì)滬深300指數(shù)波動(dòng)率的影響有著重要意義。期貨交易增加還是降低現(xiàn)貨波動(dòng)率？這不僅在學(xué)術(shù)上存在激烈爭(zhēng)論，在現(xiàn)實(shí)中從1982年股指期貨誕生之后就一直存在爭(zhēng)論。在中國(guó)市場(chǎng)上，關(guān)于股指期貨穩(wěn)定還是擾動(dòng)現(xiàn)貨市場(chǎng)，在股指期貨推出之前對(duì)此就有截然相反的觀點(diǎn)和爭(zhēng)論。期貨對(duì)現(xiàn)貨波動(dòng)率影響的爭(zhēng)論是筆者的又一個(gè)研究動(dòng)機(jī)。2015年發(fā)生的股災(zāi)事件中各界壓力導(dǎo)致中金所在2015年8月26日和9月7日分兩次遞進(jìn)限制股指期貨的交易，滬深300指數(shù)期貨經(jīng)歷了近乎停滯的倒車現(xiàn)象，這是之前的研究中少有觸及的。限制股指期貨是否真的降低了現(xiàn)貨的價(jià)格波動(dòng)？這正是筆者要探討的問(wèn)題，也是市場(chǎng)參與者爭(zhēng)論的焦點(diǎn)。

Harris (1989)[1]、Lockwood和Linn (1990)[2]、Pericli和Koutmos (1997)[3]和Stein (1987)[4]等學(xué)者認(rèn)為期貨交易的過(guò)度投機(jī)會(huì)增加現(xiàn)貨波動(dòng)率，同時(shí)期貨的低交易成本吸引非信息交易者增加了期貨交易中的噪音，經(jīng)由套利傳導(dǎo)給現(xiàn)貨市場(chǎng)從而導(dǎo)致現(xiàn)貨波動(dòng)率增加；而Arditti和John (1980)[5]、Breeden和Litzenberger (1978)[6]等學(xué)者則認(rèn)為期貨改善了信息的質(zhì)量和傳播速度，為投資者擴(kuò)展了風(fēng)險(xiǎn)管理工具從而使市場(chǎng)更加完全，因此期貨交易降低現(xiàn)貨價(jià)格波動(dòng)。不難看出，在理論上期貨交易對(duì)現(xiàn)貨波動(dòng)率的影響存在爭(zhēng)議，期貨交易對(duì)于現(xiàn)貨波動(dòng)率的影響的實(shí)證分析尚無(wú)定論。Antoniou和Holmes (1995)[7]、Baldauf和Santoni (1991)[8]、Kamara、Miller和Siegel (1992)[9]、Darrat和Rahman (1995)[10]發(fā)現(xiàn)期貨交易會(huì)增加現(xiàn)貨波動(dòng)率。Edwards (1988)[11]、Bessembinder和Seguin (1992)[12]、楊陽(yáng)和萬(wàn)迪昉 (2011)[13]分別通過(guò)對(duì)標(biāo)普500指數(shù)期貨和滬深300指數(shù)期貨的研究，認(rèn)為股指期貨的推出會(huì)降低現(xiàn)貨波動(dòng)率。在其他市場(chǎng)，Lee和Ohk (1992)[14]、Chang、Cheng和Pinegar (1999)[15]分別發(fā)現(xiàn)香港和日本的期貨推出在一定程度上降低了股市波動(dòng)率，Bologna和Cavallo (2002)[16]發(fā)現(xiàn)意大利也有相似的結(jié)論，Antoniou、Koutmos和Pericli (2005)[17]發(fā)現(xiàn)六個(gè)工業(yè)化國(guó)家的股市也存在相似的結(jié)論。但Edwards (1988)[18]、Hodgson和Nicholls (1991)[19]、Board、Sandmann和Sutcliffe (2001)[20]等學(xué)者卻發(fā)現(xiàn)股指期貨對(duì)現(xiàn)貨波動(dòng)率基本無(wú)影響。近年來(lái)許多研究專門分析了中國(guó)股指期貨的推出對(duì)股市波動(dòng)率的影響。李德峰、張麗青和黃昱熙 (2012)[21]發(fā)現(xiàn)滬深300指數(shù)期貨的推出降低了現(xiàn)貨指數(shù)日內(nèi)波動(dòng)率，但是對(duì)于日間波動(dòng)率沒有影響。許紅偉和吳沖鋒(2012)[22]通過(guò)對(duì)個(gè)股建立聯(lián)立方程，發(fā)現(xiàn)股指期貨的推出增加了現(xiàn)貨市場(chǎng)的日內(nèi)波動(dòng)率。佟孟華和周旭 (2013)[23]發(fā)現(xiàn)期貨期望交易量對(duì)現(xiàn)貨波動(dòng)率影響顯著。

上述文獻(xiàn)基本沒有研究股指期貨受限對(duì)于現(xiàn)貨波動(dòng)率的影響。其次，上述研究大多限于股指期貨對(duì)波動(dòng)率水平的影響，并沒有討論股指期貨的推出對(duì)于現(xiàn)貨交易量波動(dòng)率相關(guān)性的影響。而現(xiàn)貨交易量和波動(dòng)率之間的相關(guān)性與資產(chǎn)價(jià)格變化的基礎(chǔ)理論有關(guān)，因此檢驗(yàn)這一關(guān)系是否受到股指期貨交易的影響具有重要的理論意義。Han和Liang (2017)[24]雖然研究了股指期貨受限對(duì)市場(chǎng)質(zhì)量的影響，但市場(chǎng)質(zhì)量指標(biāo)主要是流動(dòng)性和市場(chǎng)有效性，因此和筆者的研究對(duì)象不同。

中國(guó)金融期貨交易所在2015年8月25日將滬深300、上證50、中證500股指期貨各合約平今倉(cāng)交易手續(xù)費(fèi)標(biāo)準(zhǔn)調(diào)整為成交金額的萬(wàn)分之一點(diǎn)一五，同時(shí)滬深300和上證50股指期貨各合約的非套期保值持倉(cāng)的交易保證金，由合約價(jià)值的10%提高到12%，并在之后逐步上調(diào)保證金到20%。自2015年9月7日起，滬深300、上證50、中證500股指期貨客戶在單個(gè)產(chǎn)品、單日開倉(cāng)交易量超過(guò)10手的構(gòu)成“日內(nèi)開倉(cāng)交易量較大”的異常交易行為。那么，這兩次對(duì)股指期貨較大的限制是否降低了現(xiàn)貨波動(dòng)率呢？筆者通過(guò)虛擬變量研究股指期貨的受限是否引發(fā)股市波動(dòng)率的變化。對(duì)于股指期貨推出是否影響了波動(dòng)率的經(jīng)驗(yàn)分析，Chen et al(2013)[25]、Xie和Mo (2014)[26]分別采用了面板數(shù)據(jù)估計(jì)方法和雙重差分的方法，其優(yōu)點(diǎn)是可以消除與股指期貨推出事件同時(shí)發(fā)生的不可觀測(cè)的影響整體市場(chǎng)的經(jīng)濟(jì)變量、波動(dòng)率的長(zhǎng)期趨勢(shì)和結(jié)構(gòu)性變化等因素對(duì)于波動(dòng)率的影響。但是這些方法也依賴較強(qiáng)的假設(shè)，例如面板數(shù)據(jù)估計(jì)方法依賴于中國(guó)市場(chǎng)和世界其他市場(chǎng)之間的共同變化，而雙重差分方法依賴于市場(chǎng)不存在交叉套期保值的假設(shè)。因此筆者采用虛擬變量的事件研究方法分析股指期貨的受限對(duì)現(xiàn)貨波動(dòng)率的影響可以為相關(guān)研究提供更多維度的經(jīng)驗(yàn)證據(jù)，從而有利于監(jiān)管層全面認(rèn)識(shí)和評(píng)價(jià)其政策執(zhí)行效果。

二、樣本、波動(dòng)率度量和描述性統(tǒng)計(jì)

研究數(shù)據(jù)來(lái)自銳思數(shù)據(jù)庫(kù)的滬深300指數(shù)期貨及其標(biāo)的指數(shù)的日度數(shù)據(jù)，包括現(xiàn)貨指數(shù)的日度最高價(jià)、最低價(jià)、交易量(股數(shù))，指數(shù)期貨的交易量和持倉(cāng)量等。現(xiàn)貨和期貨交易量單位分別10億股和100萬(wàn)手，期貨持倉(cāng)量原始數(shù)據(jù)單位是1萬(wàn)手。在采用虛擬變量研究股指期貨受限的分析中，為了與Han和Liang (2017)[24]保持一致，樣本期為2015年5月4日到9月30日；在正常交易的分析中，樣本從2011年4月16日到2015年8月25日。

以極差波動(dòng)率作為股票i在日期t的波動(dòng)率的度量，采用如下定義：

其中hight和lowt分別表示滬深300指數(shù)在t日的最高價(jià)和最低價(jià)。根據(jù)Alizadeh、Brandt和Diebold(2002)[27]的研究，這樣估計(jì)得到的波動(dòng)率指標(biāo)是有效的，而且對(duì)于微觀結(jié)構(gòu)噪音是穩(wěn)健的。同時(shí)，極差波動(dòng)率的估計(jì)易于實(shí)現(xiàn)。

表1給出了關(guān)鍵變量的均值、中位數(shù)、標(biāo)準(zhǔn)差、偏度和峰度等描述性統(tǒng)計(jì)量。第一行顯示滬深300指數(shù)每日的波動(dòng)率平均為1.12%，其分布呈現(xiàn)右偏，峰度超過(guò)10，說(shuō)明存在肥尾。第二行和第三行是現(xiàn)貨和期貨交易量的統(tǒng)計(jì)量，顯示滬深300指數(shù)每日平均交易量為11億股，期貨每天平均成交117萬(wàn)手，二者分布呈現(xiàn)右偏，存在肥尾。第四行顯示平均每天期貨持倉(cāng)量在20萬(wàn)手左右，其分布不存在肥尾。

表1 描述性統(tǒng)計(jì)量

三、實(shí)證結(jié)果及分析

參考Han和Liang (2017)[24]，將股指期貨在2015年8月26日和9月7日受限這兩個(gè)事件設(shè)定為虛擬變量，檢驗(yàn)兩個(gè)事件的發(fā)生前后現(xiàn)貨波動(dòng)率是否發(fā)生變化，同時(shí)控制交易量和波動(dòng)率之間的相關(guān)性。因此將虛擬變量和交易量的交叉項(xiàng)引入回歸方程，分析交易量和波動(dòng)率之間的關(guān)系是否受到這兩次事件的影響。最后在股指期貨誕生到未受限之前的樣本中分析期貨交易量和持倉(cāng)量是否影響現(xiàn)貨波動(dòng)率。

1. 股指期貨受限對(duì)波動(dòng)率的影響

將D1定義為2015年8月26日這一事件的虛擬變量，令D1在此之后取1，否則取0。為了檢驗(yàn)D1對(duì)現(xiàn)貨指數(shù)波動(dòng)率的影響，進(jìn)行如下回歸：

(I)

其中，σt是滬深300指數(shù)在日期t 的波動(dòng)率，用極差波動(dòng)率度量；MDt表示周一虛擬變量(周一取1，否則取0)；Vt表示滬深300指數(shù)在日期t的對(duì)數(shù)交易量。交易量取對(duì)數(shù)有兩個(gè)原因：第一，在研究樣本期間內(nèi)，交易量變化劇烈，因此對(duì)數(shù)交易量能夠有效降低異方差對(duì)估計(jì)結(jié)果的干擾；第二，交易量取對(duì)數(shù)避免檢驗(yàn)結(jié)果受到交易量絕對(duì)水平的影響。(I)式中加入虛擬變量和交易量交叉項(xiàng)是為了控制交易量和波動(dòng)率之間的相關(guān)性，同時(shí)交叉項(xiàng)的系數(shù)估計(jì)值可以用來(lái)檢驗(yàn)事件前后波動(dòng)率對(duì)交易量的敏感程度，從而推斷市場(chǎng)深度的變化。

將D2定義為2015年9月7日這一事件的虛擬變量，令D2在此之后取1，否則取0。為了檢驗(yàn)D2對(duì)現(xiàn)貨指數(shù)波動(dòng)率的影響，進(jìn)行如下回歸：

(II)

為了進(jìn)一步分析2015年8月26日到9月7日之間和其他時(shí)段的相對(duì)變化，將D1和D2同時(shí)作為解釋變量，進(jìn)行如下分析：

σt=α0+αMMDt+α1D1t+α2D2t+αvVt+α1cD1t×Vt

(III)

由于波動(dòng)率具有叢集性特征，因此在(I)、(II)和(III)式中包含12階波動(dòng)率滯后項(xiàng)作為控制變量。在(I)、(II)和(III)式的估計(jì)過(guò)程中采用Newey和West (1987)[28]矯正序列相關(guān)和異方差。

表2 股指期貨受限對(duì)現(xiàn)貨波動(dòng)率的影響

注：*、**、***分別表示估計(jì)值在10%、5%和1%水平上顯著。

表2的第1列給出了模型I的估計(jì)結(jié)果。周一虛擬變量的系數(shù)估計(jì)值為0.33，雖然不顯著但是為正，說(shuō)明周一波動(dòng)率高于其他交易日。D1的系數(shù)估計(jì)值為0.44，并不顯著，表明2015年8月26日第一次限制股指期貨后滬深300指數(shù)波動(dòng)率比之前高，但這種升高在統(tǒng)計(jì)上并不顯著。交易量的系數(shù)估計(jì)值為0.88，且在1%水平上顯著為正，表明滬深300指數(shù)交易量和其波動(dòng)率之間是正相關(guān)的。這種交易量和波動(dòng)率之間的正相關(guān)與Jones、Kaul和Lipson (1994)[29]等文獻(xiàn)是一致的。D1和交易量交叉項(xiàng)的系數(shù)不顯著，表明股指期貨受限前后交易量和波動(dòng)率之間的相關(guān)性并未發(fā)生顯著變化。

表2的第2列是模型II的估計(jì)結(jié)果，對(duì)比模型I可以得出基本相同的結(jié)論：2015年9月7日第二次限制股指期貨的交易并沒有顯著降低滬深300指數(shù)的波動(dòng)率，反而導(dǎo)致波動(dòng)率上升了，只不過(guò)這種上升在統(tǒng)計(jì)上并不顯著。第二次限制股指期貨的交易前后波動(dòng)率對(duì)交易量的敏感程度并未發(fā)生顯著變化，交易量仍然和波動(dòng)率正相關(guān)。

表2的第3列是D1和D2同時(shí)作為解釋變量的估計(jì)結(jié)果。周一虛擬變量系數(shù)估計(jì)值為正，且在10%水平顯著，說(shuō)明指數(shù)波動(dòng)率存在周一效應(yīng)。D1的系數(shù)估計(jì)值為-4.37，且在統(tǒng)計(jì)上顯著，D2的系數(shù)估計(jì)值為4.82，且在統(tǒng)計(jì)上顯著，二者表明2015年8月26日和2015年9月7日之間的波動(dòng)率水平低于之前，同時(shí)低于之后。也就是說(shuō)，在控制了交易量和波動(dòng)率敏感程度變化之后，波動(dòng)率在2015年8月26日首先出現(xiàn)下降，2015年9月7日又出現(xiàn)了上升。上升的系數(shù)估計(jì)值大于下降的系數(shù)估計(jì)值，這與第2列D2的系數(shù)為正是一致的。由此可見，限制股指期貨的交易并未降低現(xiàn)貨市場(chǎng)的波動(dòng)率。交易量和D1的交叉項(xiàng)顯著為負(fù)，表明2015年8月26日限制股指期貨交易之后波動(dòng)率對(duì)交易量敏感程度增強(qiáng)，對(duì)應(yīng)著同樣的交易量引發(fā)的價(jià)格波動(dòng)變大，意味著市場(chǎng)深度減小。交易量和D2的交叉項(xiàng)顯著為正，表明2015年9月7日限制股指期貨交易之后波動(dòng)率對(duì)交易量敏感程度減弱，對(duì)應(yīng)著同樣的交易量引發(fā)的價(jià)格波動(dòng)變小，意味著市場(chǎng)深度增大。就是說(shuō)在兩次限制期間發(fā)生了波動(dòng)率和市場(chǎng)深度同時(shí)先降后升。

表2的結(jié)果表明，股指期貨交易被限制并未伴隨著顯著的現(xiàn)貨市場(chǎng)波動(dòng)率降低。這對(duì)于監(jiān)管層評(píng)估其政策效果具有重要的參考價(jià)值。當(dāng)時(shí)中金所迫于社會(huì)壓力，連續(xù)兩次限制股指期貨交易，重要目的就是降低現(xiàn)貨市場(chǎng)波動(dòng)。然而表2的結(jié)果顯示這個(gè)目標(biāo)并未實(shí)現(xiàn)。即使出現(xiàn)了短暫的波動(dòng)率降低，這種波動(dòng)率的降低也伴隨著市場(chǎng)深度下降的代價(jià)。

2. 股指期貨受限對(duì)波動(dòng)率的影響：交易量分解

參考Bessembinder和Seguin (1992)[12]的研究，首先計(jì)算交易量的50交易日移動(dòng)平均值作為交易量的長(zhǎng)期分量，然后將剔除這一長(zhǎng)期分量之后的部分利用ARIMA(1，0，1)分解為預(yù)期和非預(yù)期兩部分。這樣就將交易量分解成了長(zhǎng)期、預(yù)期和未預(yù)期三個(gè)分量。為了分析交易量不同分量對(duì)波動(dòng)率的影響，進(jìn)一步驗(yàn)證表2給出的限制股指期貨交易并未降低現(xiàn)貨波動(dòng)率的結(jié)論，采用下列回歸模型：

(IV)

(V)

其中，V_ma、 V_exp 和V_un分別表示交易量的移動(dòng)平均(長(zhǎng)期分量)、預(yù)期分量和未預(yù)期分量，其他變量同前。

表3 股指期貨受限對(duì)現(xiàn)貨波動(dòng)率的影響：交易量分解

注：*、**、***分別表示估計(jì)值在10%、5%和1%水平上顯著。

表3中第1列顯示，只有V_un的系數(shù)估計(jì)值顯著為正，表明交易量和波動(dòng)率之間的正相關(guān)主要來(lái)自交易量的未預(yù)期分量。第2列同樣只有未預(yù)期交易量的系數(shù)估計(jì)值顯著為正。D1的系數(shù)不顯著，表明2015年8月26日限制股指期貨交易的措施并未伴隨著指數(shù)現(xiàn)貨波動(dòng)率的降低；D2的系數(shù)不顯著，表明2015年9月7日限制股指期貨交易的措施并未伴隨著指數(shù)現(xiàn)貨波動(dòng)率的降低，這與表2的結(jié)果是一致的。表3的結(jié)果表明，即使將交易量分解為三個(gè)分量，并且控制交易量的三個(gè)分量和虛擬變量的交叉項(xiàng)，表2中限制股指期貨交易并未伴隨現(xiàn)貨指數(shù)波動(dòng)率下降的結(jié)論仍然成立，說(shuō)明這是穩(wěn)健的結(jié)論。

3. 股指期貨交易量和持倉(cāng)量對(duì)波動(dòng)率的影響

之前的研究將股指期貨受限作為特定事件，分析了股指期貨對(duì)于現(xiàn)貨指數(shù)波動(dòng)率的影響，接下來(lái)分析股指期貨推出一年后到受限這一段時(shí)期(2011年4月16日到2015年8月25日)股指期貨交易量、持倉(cāng)量對(duì)指數(shù)現(xiàn)貨波動(dòng)率的影響，首先進(jìn)行如下回歸：

(VI)

為了分析現(xiàn)貨和期貨交易量(持倉(cāng)量)不同分量對(duì)波動(dòng)率的影響，進(jìn)行如下回歸：

(VII)

其中，F(xiàn)Vt是日期t的四種滬深300指數(shù)期貨合約的交易量加總，F(xiàn)Ot是日期t的四種滬深300指數(shù)期貨合約的持倉(cāng)量加總(將持倉(cāng)量和當(dāng)日結(jié)算價(jià)相乘并和點(diǎn)數(shù)價(jià)格300元相乘，然后單位取為1000億元)，F(xiàn)V_ma、FV_exp和FV_un分別表示期貨交易量的長(zhǎng)期、預(yù)期和未預(yù)期分量，F(xiàn)O_ma、FO_exp和FO_un分別表示期貨持倉(cāng)量的長(zhǎng)期、預(yù)期和未預(yù)期分量，其余變量和(V)式相同。(VI)式和(VII)樣本從股指期貨推出之后一年開始，是為了避免股指期貨剛剛推出還沒達(dá)到均衡狀態(tài)，結(jié)果如表4所示。

表4 股指期貨交易和持倉(cāng)量對(duì)現(xiàn)貨波動(dòng)率的影響

注：*、**、***分別表示估計(jì)值在10%、5%和1%水平上顯著。

表4的第1列中周一虛擬變量的系數(shù)估計(jì)值為0.07，在統(tǒng)計(jì)上顯著，表明樣本期內(nèi)現(xiàn)貨波動(dòng)率存在周一效應(yīng)，即周一波動(dòng)率水平顯著高于其他交易日。期貨持倉(cāng)量系數(shù)估計(jì)值為-0.78，在1%水平顯著，表明期貨持倉(cāng)量越大伴隨著現(xiàn)貨波動(dòng)率越低。期貨持倉(cāng)量與現(xiàn)貨波動(dòng)率負(fù)相關(guān)，可以歸因于期貨的風(fēng)險(xiǎn)儲(chǔ)存功能。當(dāng)投資者持有越多未平倉(cāng)合約時(shí)，就將現(xiàn)貨的價(jià)格風(fēng)險(xiǎn)轉(zhuǎn)移到了期貨，減少了對(duì)現(xiàn)貨交易的依賴，因此現(xiàn)貨的波動(dòng)率降低。期貨交易量的系數(shù)估計(jì)值為0.47，在1%水平顯著，表明期貨交易量和現(xiàn)貨波動(dòng)率正相關(guān)。現(xiàn)貨交易量的系數(shù)估計(jì)值為0.51，在1%水平顯著，表明現(xiàn)貨交易量和波動(dòng)率正相關(guān)。

表4的第2列給出了交易量分解的結(jié)果。周一虛擬變量系數(shù)估計(jì)值顯著為正，再次證明現(xiàn)貨指數(shù)的波動(dòng)率存在周一日歷效應(yīng)。期貨持倉(cāng)量的三個(gè)分量中只有移動(dòng)平均分量的系數(shù)顯著為負(fù)，表明期貨持倉(cāng)量與現(xiàn)貨波動(dòng)率之間的負(fù)相關(guān)主要來(lái)源于長(zhǎng)期期貨持倉(cāng)量。這表明只有長(zhǎng)期的持倉(cāng)量才會(huì)影響現(xiàn)貨波動(dòng)率，短期分量不會(huì)顯著影響現(xiàn)貨波動(dòng)率。可能的原因是長(zhǎng)期持有而非短期持有期貨合約的投資者不是噪音交易者，因此其行為和現(xiàn)貨波動(dòng)率負(fù)相關(guān)。期貨交易的三個(gè)分量中只有未預(yù)期分量的系數(shù)顯著為正，表明期貨交易和現(xiàn)貨波動(dòng)率之間的正相關(guān)主要來(lái)自期貨交易量的未預(yù)期分量。未預(yù)期期貨交易量的系數(shù)估計(jì)值是1.27，不僅在1%水平顯著，而且是移動(dòng)平均分量和預(yù)期分量的5倍以上，因此未預(yù)期期貨交易量是期貨交易影響現(xiàn)貨波動(dòng)率的主要原因?，F(xiàn)貨交易量的移動(dòng)平均分量和未預(yù)期分量的系數(shù)估計(jì)值都顯著為正，表明現(xiàn)貨交易量主要是移動(dòng)平均分量和未預(yù)期分量影響波動(dòng)率。預(yù)期現(xiàn)貨交易量的系數(shù)估計(jì)值為負(fù)，但并不顯著?，F(xiàn)貨交易量的未預(yù)期分量和移動(dòng)平均分量系數(shù)估計(jì)值都顯著為正，表明現(xiàn)貨交易量和波動(dòng)率之間的正相關(guān)來(lái)自這兩個(gè)分量。未預(yù)期現(xiàn)貨交易量的估計(jì)系數(shù)是0.96，而移動(dòng)平均分量的估計(jì)系數(shù)是0.23，前者是后者的4倍，說(shuō)明現(xiàn)貨交易量對(duì)波動(dòng)率的影響主要應(yīng)該歸因于未預(yù)期分量。未預(yù)期交易量和移動(dòng)平均分量的系數(shù)為正，而預(yù)期分量的系數(shù)為負(fù)，說(shuō)明它們含有的價(jià)格信息不同。

四、結(jié)論與建議

1. 結(jié)論

通過(guò)將股指期貨的受限作為特定事件，利用虛擬變量分析事件前后波動(dòng)率水平的變化，發(fā)現(xiàn)股指期貨受限并未伴隨波動(dòng)率水平的顯著降低(反而是上升，雖然并不顯著)。將2015年8月26日和9月7日兩次事件的虛擬變量同時(shí)作為解釋變量，發(fā)現(xiàn)波動(dòng)率水平隨著這兩次事件的發(fā)生先降后升，同時(shí)伴隨著市場(chǎng)深度的先降后升。將交易量分解為長(zhǎng)期、預(yù)期和非預(yù)期三個(gè)分量也不改變股指期貨受限并不顯著降低波動(dòng)率水平的結(jié)論。最后筆者發(fā)現(xiàn)股指期貨的交易量、現(xiàn)貨交易量都與現(xiàn)貨波動(dòng)率正相關(guān)，而期貨持倉(cāng)量與波動(dòng)率負(fù)相關(guān)。股指期貨交易量和現(xiàn)貨交易量與現(xiàn)貨波動(dòng)率正相關(guān)主要來(lái)自未預(yù)期交易量，而期貨持倉(cāng)量與波動(dòng)率的負(fù)相關(guān)卻主要來(lái)自長(zhǎng)期分量。

2. 建議

股指期貨的受限并未伴隨著波動(dòng)率的顯著變化，這為監(jiān)管層評(píng)估其政策效果提供了事實(shí)依據(jù)。在中金所對(duì)股指期貨交易做出限制之后，現(xiàn)貨指數(shù)波動(dòng)率雖然暫時(shí)下降，但這樣做的副作用也是很明顯的：第一，這是暫時(shí)的下降，之后現(xiàn)貨指數(shù)波動(dòng)率重新上升；第二，現(xiàn)貨指數(shù)波動(dòng)率的下降并不是沒有成本，其代價(jià)是市場(chǎng)深度隨之下降。當(dāng)時(shí)許多市場(chǎng)從業(yè)人士，包括媒體，也包括一些學(xué)者，將市場(chǎng)劇烈波動(dòng)歸罪于股指期貨。因此中金所限制股指期貨交易應(yīng)該是迫于媒體輿論壓力，實(shí)屬無(wú)奈之舉。其實(shí)這在美國(guó)市場(chǎng)也出現(xiàn)過(guò)。在1987年發(fā)生的美國(guó)股災(zāi)期間，美國(guó)的金融業(yè)人士也對(duì)股指期貨大加指責(zé)。但是筆者的研究證明，金融行業(yè)的政策應(yīng)當(dāng)遵守專業(yè)原則，不應(yīng)該屈從于媒體和少部分學(xué)者。一項(xiàng)政策是否應(yīng)該退出或者取消，依據(jù)不在于輿論壓力，不在于學(xué)者主觀傾向，而在于經(jīng)濟(jì)學(xué)邏輯分析的結(jié)果，在于嚴(yán)格的學(xué)術(shù)論證。這應(yīng)該是2015年股災(zāi)給出的一個(gè)深刻教訓(xùn)。同時(shí)，筆者的研究證明，限制股指期貨交易并不能降低現(xiàn)貨波動(dòng)率，因此要降低現(xiàn)貨波動(dòng)率不能依靠對(duì)股指期貨的交易進(jìn)行限制。現(xiàn)貨市場(chǎng)出現(xiàn)劇烈波動(dòng)，其原因不在于股指期貨，而在于現(xiàn)貨本身[30]?，F(xiàn)貨暴跌最直接的原因是因?yàn)榻?jīng)歷了沒有基本面支撐的暴漲，因此將現(xiàn)貨暴跌歸咎于期貨是不客觀的。

另一方面，市場(chǎng)存在質(zhì)疑的原因也可能來(lái)自有些指標(biāo)沒有被參與者觀測(cè)。股指期貨交易受到限制而伴隨現(xiàn)貨波動(dòng)率的短暫下降，但這同時(shí)伴隨著市場(chǎng)深度的降低?，F(xiàn)貨波動(dòng)率的下降容易被參與者觀察到，但市場(chǎng)深度卻不容易被參與者，尤其是非專業(yè)人士觀察到。因此，交易所可以考慮不僅公布交易量和價(jià)格，同時(shí)公布市場(chǎng)深度的度量指標(biāo)的動(dòng)態(tài)變化。這樣可以給從業(yè)人員更充足的信息，同時(shí)這也能為非專業(yè)人員提供更加翔實(shí)的信息。2015年股災(zāi)中股指期貨受到意外限制這一案例也說(shuō)明，向非專業(yè)人士提供充足的市場(chǎng)信息是重要的，因?yàn)檫@可以減少非專業(yè)人士對(duì)金融市場(chǎng)的壓力，從而避免交易所做出不合意的決策。

[1]Harris L. S&P 500 cash stock price volatilities [J]. The Journal of Finance,1989(5): 1155-1175.

[2]Lockwood L J, Linn S C. An examination of stock market return volatility during overnight and intraday periods, 1964-1989 [J]. The Journal of Finance,1990(2): 591-601.

[3]Pericli A, Koutmos G. Index futures and options and stock market volatility [J]. Journal of futures markets,1997(8): 957-974.

[4]Stein J C. Informational externalities and welfare-reducing speculation [J]. Journal of political economy,1987(6): 1123-1145.

[5]Arditti F D, John K. Spanning the state space with options [J]. Journal of Financial and Quantitative Analysis,1980(1): 1-9.

[6]Breeden D T, Litzenberger R H. Prices of state-contingent claims implicit in option prices [J]. Journal of business,1978: 621-651.

[7]Antoniou A, Holmes P. Futures trading, information and spot price volatility: evidence for the FTSE-100 stock index futures contract using GARCH [J]. Journal of Banking & Finance,1995(1): 117-129.

[8]Baldauf B, Santoni G. Stock price volatility: some evidence from an ARCH model [J]. Journal of Futures Markets,1991(2): 191-200.

[9]Kamara A, Miller T W, Siegel A F. The effect of futures trading on the stability of Standard and Poor 500 returns [J]. Journal of Futures Markets,1992(6): 645-658.

[10]Darrat A F, Rahman S. Has futures trading activity caused stock price volatility? [J]. Journal of futures markets,1995(5): 537-557.

[11]Edwards F R. Futures trading and cash market volatility: Stock index and interest rate futures [J]. Journal of futures markets,1988(4): 421-439.

[12]Bessembinder H, Seguin P J. Futures‐trading activity and stock price volatility [J]. the Journal of Finance,1992(5): 2015-2034.

[13]楊 陽(yáng), 萬(wàn)迪昉. 股指期貨真的能穩(wěn)定市場(chǎng)嗎? [J]. 金融研究,2011(12): 146-158.

[14]Lee S B, Ohk K Y. Stock index futures listing and structural change in time‐varying volatility [J]. Journal of Futures Markets,1992(5): 493-509.

[15]Chang E C, Cheng J W, Pinegar J M. Does futures trading increase stock market volatility? The case of the Nikkei stock index futures markets [J]. Journal of Banking & Finance,1999(5): 727-753.

[16]Bologna P, Cavallo L. Does the introduction of stock index futures effectively reduce stock market volatility? Is the'futures effect'immediate? Evidence from the Italian stock exchange using GARCH [J]. Applied Financial Economics,2002(3): 183-192.

[17]Antoniou A, Koutmos G, Pericli A. Index futures and positive feedback trading: evidence from major stock exchanges [J]. Journal of Empirical Finance,2005(2): 219-238.

[18]Edwards F R. Does futures trading increase stock market volatility? [J]. Financial Analysts Journal,1988: 63-69.

[19]Hodgson A, Nicholls D. The impact of index futures markets on Australian sharemarket volatility [J]. Journal of Business Finance & Accounting,1991(2): 267-280.

[20]Board J, Sandmann G, Sutcliffe C. The effect of futures market volume on spot market volatility [J]. Journal of Business Finance & Accounting,2001(7-8): 799-819.

[21]李德峰, 張麗青, 黃昱熙. 滬深 300 股指期貨交易對(duì)我國(guó)現(xiàn)貨市場(chǎng)波動(dòng)性的影響 [J]. 福州大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2012,(4): 31-35.

[22]許紅偉, 吳沖鋒. 滬深 300 股指期貨推出改善了我國(guó)股票市場(chǎng)質(zhì)量嗎——基于聯(lián)立方程模型的實(shí)證研究 [J]. 南開管理評(píng)論,2012 (4): 101-110.

[23]佟孟華,周 旭. 中國(guó)股指期貨市場(chǎng)與股票市場(chǎng)波動(dòng)的動(dòng)態(tài)關(guān)系——基于流動(dòng)性因子的實(shí)證研究 [J]. 東北財(cái)經(jīng)大學(xué)學(xué)報(bào),2013 (4): 25-31.

[24]Han Q, Liang J. Index futures trading restrictions and spot market quality: Evidence from the recent Chinese stock market crash [J]. Journal of Futures Markets,2017(4): 411-428.

[25]Chen H, Han Q, Li Y & Wu K. Does index futures trading reduce volatility in the Chinese stock market? A panel data evaluation approach [J]. Journal of Futures Markets,2013(12): 1167-1190.

[26] Xie S, Mo T. Index Futures Trading and Stock Market Volatility in China: A Difference‐in‐Difference Approach [J]. Journal of Futures Markets,2014(3): 282-297.

[27]Alizadeh S, Brandt M W, Diebold F X. Range‐based estimation of stochastic volatility models [J]. The Journal of Finance,2002(3): 1047-1091.

[28]Newey W K, West K D. A Simple, Positive Semi-Definite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix [J]. Econometrica,1987(3): 703-708.

[29]Jones C M, Kaul G, Lipson M L. Transactions, volume, and volatility [J]. Review of financial studies,1994(4): 631-651.

[30]周丹丹.不同市場(chǎng)行情下股指期貨市場(chǎng)和現(xiàn)貨市場(chǎng)之間的溢出效應(yīng)研究[J]. 金融理論探索，2016(4)：58-63.

(編輯：周亮；校對(duì)：余華)

Can Restriction on Index Future Trading Reduce Spot Volatility?——Evidence from CSI 300 Index

MA Chang-feng CHEN Zhi-juan

(SchoolofFinance,ZhejiangGongshangUniversity,HangzhouZhejiang310018)

Based on daily data of CSI300 index future and its underlying spot index, this paper examines whether restriction on CSI300 index future trading has effect on spot index volatility, and analyzes this event’s influence on the relation between trading volume and volatility. The results show that: the restriction on index future is not associated with the decrease of spot index volatility, rather which decreases first and then increases, with market depth also decrease first and then increases. During the normal sample period before restriction, both future and spot trading volume correlate positively with spot index volatility, but open interest correlates negatively with spot index volatility.

trading volume; volatility; index future; open interest

10.16546/j.cnki.cn43-1510/f.2017.04.010

2017-04-12

教育部人文社會(huì)科學(xué)青年基金項(xiàng)目“證券價(jià)格波動(dòng)機(jī)理研究：基于個(gè)人投資者交易行為的視角”(項(xiàng)目編號(hào)：11YJC790133)、國(guó)家自然科學(xué)基金青年項(xiàng)目“盈余公告期間個(gè)人投資者買入需求流動(dòng)性？賣出提供流動(dòng)性？”(項(xiàng)目編號(hào)：71401155)

馬長(zhǎng)峰(1979- )，男，山東濰坊人，浙江工商大學(xué)金融學(xué)院講師，廈門大學(xué)經(jīng)濟(jì)學(xué)博士，澳大利亞新南威爾士大學(xué)訪問(wèn)學(xué)者，研究方向：金融科技、創(chuàng)新和資本市場(chǎng)

F832.51

A

2095-1361(2017)04-0074-08