隋婷婷

摘要：股指期貨的標(biāo)的是股票指數(shù)，故自股指期貨誕生之日起，國(guó)內(nèi)外的學(xué)者就致力于研究股指期貨與現(xiàn)貨的關(guān)系。30多年來(lái)，學(xué)術(shù)界的爭(zhēng)論沒(méi)有一個(gè)定論。不管是想繼續(xù)深入探討、延伸有限的理論知識(shí)，還是想在實(shí)踐中加快發(fā)展我國(guó)金融衍生品市場(chǎng)，都需要更多的以數(shù)據(jù)為基礎(chǔ)的實(shí)證研究來(lái)探討股指期貨與股票現(xiàn)貨市場(chǎng)影響關(guān)系。這是研究的目的和意義，希望盡所能，有所貢獻(xiàn)。

關(guān)鍵詞：股票價(jià)格波動(dòng)；股指期貨；影響

中圖分類(lèi)號(hào)：F83

文獻(xiàn)標(biāo)識(shí)碼：A

doi：10.19311/j.cnki.1672.3198.2016.28.046

1 緒論

1.1 選題背景及研究意義

2010年4月16日，中國(guó)金融期貨交易所籌備四年多的滬深300股指期貨終于上市。如今已安全平穩(wěn)地運(yùn)行了6年多的時(shí)間。股指期貨的推出彌補(bǔ)了金融市場(chǎng)沒(méi)有風(fēng)險(xiǎn)管理工具的缺陷，然而，其高風(fēng)險(xiǎn)高收益的杠桿性，令很多投資者望而卻步，稍有不慎，面臨的風(fēng)險(xiǎn)也會(huì)數(shù)倍而來(lái)。

1.2 研究方法及思路

本文實(shí)證研究借鑒了部分文獻(xiàn)的指導(dǎo)經(jīng)驗(yàn)。由于樣本空間是高頻金融時(shí)間序列，所以采用GARCH模型來(lái)進(jìn)行實(shí)驗(yàn)。同時(shí)，為更好地對(duì)比股票市場(chǎng)在股指期貨出現(xiàn)前、后的波動(dòng)率變化情況，故采用事前事后研究法和引入虛擬變量來(lái)刻畫(huà)滬深300股指期貨推出事件的方法。通過(guò)觀測(cè)模型的回歸結(jié)果和虛擬變量值的情況來(lái)描述波動(dòng)率變化情況。

2 滬深300股指期貨對(duì)股票價(jià)格波動(dòng)影響實(shí)證分析

2.1 數(shù)據(jù)來(lái)源

本文實(shí)證部分的滬深300指數(shù)的選取時(shí)間段是從2007年1月4日到2015年12月31日，樣本選擇日收盤(pán)價(jià)數(shù)據(jù)，共2188個(gè)數(shù)據(jù)。本文之所以從2007年開(kāi)始選取數(shù)據(jù)是因?yàn)?005年我國(guó)正式開(kāi)始股權(quán)分置改革，到2006年股權(quán)分置改革才基本完成。為避免我國(guó)股市這段時(shí)間存在結(jié)構(gòu)性變化的影響，故舍去2007年以前的數(shù)據(jù)。滬深300股指期貨選取當(dāng)月合約從2010年4月16日至2015年12月31日的當(dāng)天的收盤(pán)價(jià)，共1388個(gè)數(shù)據(jù)為整個(gè)樣本。

本文依據(jù)滬深300股指期貨的上市時(shí)間，以2010年4月16日為界線，將總樣本分成兩個(gè)階段。以上數(shù)據(jù)來(lái)源于Resset數(shù)據(jù)庫(kù)，中國(guó)金融期貨交易所，中信證券至信軟件等。

2.2 變量選擇

本文所運(yùn)用的GARCH模型需要用到收益率數(shù)據(jù)。收益率的方差或者標(biāo)準(zhǔn)差體現(xiàn)了市場(chǎng)的波動(dòng)特征和風(fēng)險(xiǎn)特征?，F(xiàn)代金融衍生品的研究中，普遍使用收益率的方差或者標(biāo)準(zhǔn)差來(lái)代表股票的波動(dòng)率。

Rt=（LnPt-LnPt-1）×100%（1）

其中，Pt表示滬深300指數(shù)在第t日的收盤(pán)價(jià)，Pt-1表示滬深300指數(shù)在第t-1日的收盤(pán)價(jià)，Pt表示滬深300指數(shù)在第t日的對(duì)數(shù)收益率。如不做特殊說(shuō)明，下文的收益率默認(rèn)為滬深300收盤(pán)指數(shù)的對(duì)數(shù)收益率。

2007年至今，中國(guó)股票市場(chǎng)在股指期貨推出前后經(jīng)歷了兩次牛市，一次熊市。且不論滬深300指數(shù)的日收盤(pán)價(jià)數(shù)據(jù)，還是滬深300股指期貨的日收盤(pán)價(jià)數(shù)據(jù)，總體上來(lái)說(shuō)都有類(lèi)似于隨機(jī)游走的形式，即都是非平穩(wěn)的。從2010年4月16日的走勢(shì)開(kāi)始，二者具有大致相同的趨勢(shì)和變化規(guī)律，說(shuō)明二者可能存在協(xié)整關(guān)系。

2.3 實(shí)證方法

2.3.1 描述性統(tǒng)計(jì)

原始數(shù)據(jù)進(jìn)行處理后，新建三個(gè)序列對(duì)象hsall、hs1、hs2分別代表了滬深300指數(shù)的日收益率總樣本，股指期貨推出前以及之后的滬深300指數(shù)的日收益率樣本。本文運(yùn)用Eviews6.0軟件，分別對(duì)三個(gè)序列對(duì)象進(jìn)行描述性統(tǒng)計(jì)。

樣本hsall、hs1、hs2序列的描述統(tǒng)計(jì)量柱狀圖顯示結(jié)果：三個(gè)序列的偏度（Skewness）分別為-0.487，-0.409，-0.602，均小于0，說(shuō)明三個(gè)樣本數(shù)據(jù)均具有左偏的特征；三個(gè)序列的峰度（Kurtosis）分別為5.784，4.223，7.024，均大于3，說(shuō)明都在均值處出現(xiàn)過(guò)度波峰，故均具有尖峰厚尾的特征；JB統(tǒng)計(jì)量分別為792.819，72.135，1020.301，其χ2值均大于臨界值，相伴概率p值均為0，說(shuō)明非常顯著。綜上，三個(gè)序列都具有左偏，尖峰，厚尾的特征，且不服從正態(tài)分布。

2.3.2 ADF單位根檢驗(yàn)

為避免造成虛假回歸，我們需要檢驗(yàn)金融時(shí)間序列是否平穩(wěn)。（最大滯后階數(shù)p=10）ADF檢驗(yàn)情況顯示hsall、hs1、hs2三個(gè)序列的p值是0，ADF的值均小于1%顯著性水平下的臨界值，所以拒絕原假設(shè)，表明三個(gè)序列均沒(méi)有單位根，都是平穩(wěn)的。

2.3.3 自相關(guān)檢驗(yàn)

自相關(guān)檢驗(yàn)結(jié)果顯示在滬深300股指期貨推出前后，滬深300指數(shù)的日收益率都存在自相關(guān)性。綜合單位根檢驗(yàn)結(jié)果、自相關(guān)檢驗(yàn)結(jié)果，滬深300指數(shù)在滬深300股指期貨推出之前和之后的兩個(gè)日收益率序列既是平穩(wěn)的，也是自相關(guān)的，所以我們可以用ARMA模型來(lái)解釋滬深300日指數(shù)收益率序列的變化。

2.3.4 模型建立及實(shí)證分析

（1）選擇收益率自回歸的滯后階數(shù)。

利用AIC和SC準(zhǔn)則來(lái)檢測(cè)計(jì)量模型及其滯后階數(shù)對(duì)金融時(shí)間序列數(shù)據(jù)的擬合情況，再對(duì)其殘差進(jìn)行自相關(guān)性檢驗(yàn)。綜合考慮AIC值和SC值最小的準(zhǔn)則，我們可以認(rèn)為最優(yōu)的組合為hs1序列服從ARMA（0，1）模型，hs2序列服從ARMA（1，2）模型。相比之下，第二優(yōu)的組合為hs1序列服從ARMA（2，2）模型、hs2序列服從ARMA（1，1）模型。

（2）ARCH效應(yīng)檢驗(yàn)。

本文利用ARCH-LM檢驗(yàn)方法對(duì)hs1、hs2序列分別進(jìn)行ARCH效應(yīng)檢驗(yàn)。將股指期貨推出前后滬深300指數(shù)日收益率hs1序列和hs2序列分別滯后1，2，3，4，5階進(jìn)行回歸?；貧w結(jié)果按照AIC值和SC值較小的準(zhǔn)則分析，發(fā)現(xiàn)滯后4階時(shí)，回歸方程最顯著，所以選取滯后4階的自回歸模型。我們選擇一階滯后，將四階自回歸模型的殘差進(jìn)行ARCH-LM模型檢驗(yàn)。hs1、hs2兩個(gè)序列的ARCH-LM統(tǒng)計(jì)量的相伴概率都趨向于0，在5%的顯著性水平下仍然顯著，說(shuō)明hs1、hs2序列的殘差序列均存在ARCH效應(yīng)。綜上，我們可以建立GARCH模型。