【摘要】股指期貨和期權(quán)作為證券市場投資者規(guī)避系統(tǒng)性風險的工具由來已久。我國自2010年首次推出滬深300股指期貨以后一直沒有新的金融衍生品種出現(xiàn)，直到2015年初才陸續(xù)推出了新的交易品種：50ETF期權(quán)、上證50股指期貨和中證500股指期貨。這些衍生品種帶動了交易市場的流動性和波動性，也對我國資本市場產(chǎn)生巨大的影響。這既是金融市場開放的必經(jīng)之路，也體現(xiàn)了各項制度基礎(chǔ)得到了不斷的發(fā)展和完善。因此深入研究股指期貨和期權(quán)市場對我國股票市場波動性的影響，不但具有重大的理論意義而且對于金融監(jiān)管也有重要的現(xiàn)實意義。在當前的市場實際條件下，本研究將以50ETF期權(quán)、上證50股指期貨和50ETF的高頻交易數(shù)據(jù)為研究對象，采用事件研究法和定量實證研究法（GARCH、TARCH模型），分析它們的價格波動相關(guān)性，提出具有可行性的建議。

本文分別建立了GARCH和TARCH模型，采用2012年7月6日到2015年7月6日一分鐘級50ETF高頻交易數(shù)據(jù)，分析50ETF市場在50ETF和上證50股指期貨推出前后價格波動性的變化情況。根據(jù)描述性統(tǒng)計分析得出樣本數(shù)據(jù)的對數(shù)收益率序列具有尖峰右偏的特征，有明顯的波動性集聚特點。根據(jù)GARCH（1，1）模型發(fā)現(xiàn)：在50ETF期權(quán)推出后到上證50股指期貨推出前這段時間段內(nèi)，發(fā)現(xiàn)50ETF市場對新信息的吸收速度加快，而舊信息對這個市場的波動性影響減弱了；在上證50股指期貨推出后市場的波動性對新信息的反應程度大致恢復到期權(quán)推出之前甚至還略小于之前的水平，但是舊信息對波動性的影響略微的升高。根據(jù)TARCH（1，1）模型實證結(jié)果發(fā)現(xiàn)：50ETF市場存在著不對稱效應，在期權(quán)推出后這種不對稱效應發(fā)生了逆轉(zhuǎn)，但是在股指期貨引入后不對稱效應變小了。綜上所述，期權(quán)的推出使得50ETF的波動性降低，市場中信息傳遞的速度減慢，然而期貨的推出使得其波動性增加，市場中信息傳遞的速度略微加快。

【關(guān)鍵詞】波動性 GARCH模型 TARCH模型

一、引言

20世紀80年代以來，伴隨著金融自由化浪潮，金融衍生品發(fā)展迅速，交易品種不斷豐富，交易量迅猛增長，取得了巨大的成功，推動了證券市場的不斷完善。

在國內(nèi)隨著2010年滬深300股指期貨市場的出現(xiàn)，2015年2月9日50ETF期權(quán)和2015年4月16日上證50股指期貨的推出，它們都是實行T+0與雙向交易機制，吸引了大量投資者和投機者，根據(jù)統(tǒng)計上證50股指期貨自從2015年4月16日到2015年7月6日成交額達18.04萬億，成交量達1921.56萬，這些交易機制使得高頻交易在我國開始迅速發(fā)展。

這兩種產(chǎn)品市場的相繼推出不僅進一步完善了我國衍生品市場，也對現(xiàn)貨市場尤其是與之相關(guān)的50ETF市場的波動性產(chǎn)生了巨大的影響，研究金融市場之間的波動性關(guān)系，可以更加清楚的了解市場之間風險傳遞的過程，同時，50ETF期權(quán)和上證50股指期貨之間的風險傳遞效應也成為了監(jiān)管者、投資者和學術(shù)研究者共同關(guān)注的問題。

目前，國外對期貨和現(xiàn)貨市場的風險傳遞關(guān)系研究較多，但對于期貨與期權(quán)市場之間的相關(guān)性研究比較缺乏。

Meneu V.，Torro H.（2003）利用非對稱的多變量GARCH模型研究了西班牙股票指數(shù)IBEX-35期貨市場和現(xiàn)貨市場之間的關(guān)系，指出了相對于正的沖擊，現(xiàn)貨和期貨的方差對負沖擊的反應更加敏感，現(xiàn)貨市場和期貨市場波動性之間的沖擊反應關(guān)系相當強。

Raymond W.和G.Geoffrey（1995）利用5分鐘和15分鐘數(shù)據(jù)檢驗了德國現(xiàn)貨、指數(shù)期貨和指數(shù)期權(quán)市場的日間協(xié)同波動性，結(jié)果表明現(xiàn)貨、指數(shù)期貨和指數(shù)期權(quán)之間存在日間協(xié)同波動，每個市場在信息傳遞中都起著很重要的作用。

Chiang和Fong（2001）實證研究了香港恒生指數(shù)期權(quán)、恒生指數(shù)期貨和股票市場之間均值的領(lǐng)先-滯后關(guān)系。

Seung等.（2008）使用時間序列分析方法和橫截面分析方法對韓國KOSPI200股指期權(quán)、股指期貨、股票市場之間的價格發(fā)現(xiàn)和價格偏見進行了研究，研究表明KOSPI200股指期貨和溢價期權(quán)引導現(xiàn)貨指數(shù)的走勢，在股指期貨和股指期權(quán)間有系統(tǒng)性的領(lǐng)先滯后關(guān)系。

由于中國金融衍生品市場不完善，對于市場間風險傳遞關(guān)系的研究，大多集中于股票市場之間和商品期貨與現(xiàn)貨市場之間，對期權(quán)和期貨推出對現(xiàn)貨市場的波動性影響也比較匱乏。

吳國維（2015）研究發(fā)現(xiàn)上證50ETF期權(quán)的推出降低了標的資產(chǎn)上證50指數(shù)的波動性，提高了市場的穩(wěn)定性和理性程度，中國資本市場的發(fā)展有著有益的影響，但是他采用的是2015年2月9日到3月27日的五分鐘數(shù)據(jù)，樣本區(qū)間選取的太短，不足以描述上證50指數(shù)真實的價格波動性情況。

趙煥成（2008）以1982年5月至1991年5月整整九年的恒生指數(shù)期貨和股票現(xiàn)貨市場的數(shù)據(jù)作為樣本，使用TARCH模型分析股指期貨推出前、后的兩段股票市場的波動性變化情況，對波動性做了詳細的對比分析，實證表明：恒生股指期貨的出現(xiàn)在一定的程度上降低了股票市場的波動水平。

胡東濱，張展英（2012）利用GARCH模型對金屬期貨市場與外匯市場和貨幣市場的動態(tài)相關(guān)性領(lǐng)域進行了研究，表明金屬期貨市場與外匯市場之間有一定的動態(tài)相關(guān)性，與貨幣市場之間的動態(tài)相關(guān)性不明顯。

本文以2015年2月9日推出50ETF期權(quán)、2015年4月16日推出上證50股指期貨為研究前提，通過GARCH（1，1）模型和TARCH（1，1）模型分別對期權(quán)推出前、期權(quán)推出后與上證50股指期貨推出前之間、上證50股指期貨推出后50ETF的波動性進行細致的研究，基于中國市場的真實高頻交易數(shù)據(jù)給出相應的實證分析結(jié)果，為中國在股指期貨、期權(quán)推出后的風險監(jiān)管提供依據(jù)。

二、研究方法

（一）數(shù)據(jù)來源與處理

選取了中國市場2012年7月6日至2015年7月6日共計728個交易日的50ETF一分鐘級交易數(shù)據(jù)，其中，交易的高頻數(shù)據(jù)來自Wind數(shù)據(jù)庫，本文研究50ETF期權(quán)推出前2012年7月6日到2015年2月8日、50ETF推出后到上證50股指期貨推出前2015年2月9日到2015年4月15日、上證50股指期貨推出后2015年4月16日至今分為三段的50ETF的波動變化情況。

研究使用的數(shù)據(jù)樣本包括2012年7月6日到2015年7月6日的50ETF的交易數(shù)據(jù)作為樣本區(qū)間，在研究波動性情況時使用的一分鐘周期的收盤價格數(shù)據(jù)，為減少誤差，對收盤價序列取對數(shù)處理。

對50ETF一分鐘的收盤價序列進行處理為對數(shù)收益率序列后的統(tǒng)計特征如表1：

進過處理的50ETF對數(shù)收益率序列圖形如下：

（二）模型設(shè)定

本文將根據(jù)時間序列的平穩(wěn)性檢驗和ARCH效應檢驗確定使用GARCH模型進行波動性研究是符合實際情況的，根據(jù)分析將分別三次使用GARCH（P，Q）模型進行50ETF波動性研究，具體模型如下：

■ （1）

■ （2）

■ （3）

■ （4）

其中：Rt為50ETF價格的收益率對數(shù)序列；

δt為第t日的條件方差；

μt為服從N（0，δt）分布的隨機誤差；

50ETF期權(quán)推出前（2012年7月6日至2015年2月8日）、2015年2月9日至2015年4月15、上證50股指期貨推出后到7月6日，三次使用GARCH模型進行波動性研究。

為了研究投資對風險反應過度或?qū)κ找娴姆磻蛔?，本文將加入非對稱效應項，建立50ETF的TARCH（P，Q）模型檢驗非對稱波動情況，具體模型如下：

■ （5）

其中：當μt<0時St=1，μt>0時St=0；

說明非對稱性存在，研究50ETF期權(quán)和上證50股指期貨兩個產(chǎn)品分別推出后γ1值的變化說明對50ETF市場不對稱波動性的影響。

三、實證分析

（一）平穩(wěn)性檢驗

在對時間序列數(shù)據(jù)的建模時必須對其進行平穩(wěn)性檢驗，具有平穩(wěn)性才能進一步的計量分析，因此在進行分析之前利用ADF檢驗方法在1%置信水平下對收益率序列的平穩(wěn)性進行檢驗，ADF檢驗結(jié)果如下表2所示：

根據(jù)ADF結(jié)果可以看出，50ETF的對數(shù)收益率序列不存在單位根，即該序列是平穩(wěn)的，不需要進一步差分處理使其平穩(wěn)化。

然后對平穩(wěn)的50ETF對數(shù)收益率序列殘差項進行ARCH效應的檢驗，進行條件異方差的ARCH LM檢驗，得到了在滯后階數(shù)為一階時的檢驗結(jié)果：

從檢驗結(jié)果可以看出，99%置信水平下，拒絕不存在ARCH效應的原假設(shè)，因此存在ARCH效應，根據(jù)滯后階數(shù)確定，使用GARCH（1，1）模型符合實際情況。

（二）GARCH（1，1）模型的檢驗

根據(jù)前文中的檢驗，確定50ETF對數(shù)收益率序列具有平穩(wěn)性但是具有ARCH效應，選取廣義自回歸條件異方差模型GARCH滿足現(xiàn)實需要，同時Bollerslev，Chou研究顯示GARCH（1，1）模型可以描述股票的異方差特性，李亞靜、朱宏泉的研究也認為GARCH模型可以有效描述股市波動的據(jù)聚類性和持續(xù)性。

下來我們將已經(jīng)分為三段的50ETF對數(shù)收益率序列進行GARCH（1，1），結(jié)果如下表4所示：

（三）TARCH（1，1）模型的檢驗

由于金融市場普遍存在波動不對稱現(xiàn)象，投資會顯示出對風險的反應不足或反應過度情況，本文采用計量模型TARCH檢驗50ETF在兩個事件出現(xiàn)前后非對稱波動的變化情況，提高對風險的管理效率，形成更加完善的風險控制與防范。

下表將分為三段的50ETF對數(shù)收益率序列運用TARCH（1，1）進行了實證研究，結(jié)果如下表所示：

（四）實證分析

以上內(nèi)容是根據(jù)GARCH（1，1）模型和TARCH（1，1）模型對50ETF市場的波動性變化情況和不對稱效應做了細致的實證分析，上述結(jié)論總結(jié)概括為：在單一50ETF品種和50ETF期權(quán)推出后到上證50ETF推出前這一階段相比較，在期權(quán)推出后50ETF市場的新的信息對市場的波動性影響增加，舊的信息對波動性的影響減少，并且市場的不對稱性增加了，對“好消息”與“壞消息”的反應也發(fā)生了反轉(zhuǎn)，變得“壞消息”會比“好消息”造成的沖擊更大，市場價格波動會對“壞消息”更加敏感，做出很快的調(diào)整。在上證50股指期貨推出后，我國與上證50指數(shù)相關(guān)的衍生品市場更加的完善，新的消息對50ETF波動性影響略微減弱，但是對舊的消息反應加大，比較不對稱項的系數(shù)，系數(shù)還是為正值，發(fā)現(xiàn)市場仍然會對“壞消息”反應迅速一些。

四、結(jié)論

我們得出50ETF期權(quán)和上證50股指期貨的推出對現(xiàn)貨50ETF市場的波動均產(chǎn)生了影響，使得波動的不對稱情況發(fā)生了逆轉(zhuǎn)，新的信息和舊的信息對波動影響的程度也發(fā)生了改變，說明在推出新的產(chǎn)品就必須保證現(xiàn)貨市場發(fā)展比較完善，這樣可以減少現(xiàn)有市場價格波動的沖擊，出現(xiàn)市場混亂的情況，成熟的并且高質(zhì)量的市場是發(fā)展股指期權(quán)和股指期貨衍生產(chǎn)品的前提條件，從根本上減少現(xiàn)貨、股指期貨、股指期權(quán)市場中影響波動性的不確定的因素。

在整個市場機制中信息是不斷流動的，伴隨著信息的傳遞，風險也在不同的市場之間傳遞，因此當市場的信息變化將造成一系列的連鎖反應。股指期權(quán)和股指期貨是有高杠桿的交易制度的金融衍生品種，它們的交易風險對市場中的投資者來講是非常重要的，要更加細致的檢測價格波動性的變化情況，注重市場中風險的控制和偵測。而交易機制的設(shè)計者和風險監(jiān)管者也要制定更加嚴密的交易制度和嚴格的風險監(jiān)管要求，從根本上保證市場能夠穩(wěn)定的發(fā)展。在股指期權(quán)和股指期貨推出的初期，可以設(shè)定較為嚴格的準入機制和交易限制條件，隨著整個市場發(fā)展?jié)u漸穩(wěn)定后，逐步的放寬條件，保證市場的波動在可控的范圍內(nèi)變化。

參考文獻

[1]Meneu，V.and H.Torro.2003.Asymmetric Covariance in Spot- Futures Markets[J].Journal of Futures Markets，23：1019-1046.

[2]Raymond W，Geoffrey G.1995.Estimation of common long- memory components in cointegrated systems[J].Journal of Business and Economic Statistics，13（1）：27-35.

[3]Chiang R，F(xiàn)ong W M.2001.Relative informational efficiency of cash，futures，and options markets：The case of an emerging market[J].Journal of Banking & Finance，25：355-385.

[4]Seung O N.2008.An empirical analysis of the price discovery and the pricing bias in the KOSPI200 stock index derivatives markets[J].International Review of Financial Analysis，15（4/5）：398-414.

[5]吳國維.2015：股票指數(shù)ETF期權(quán)推出對中國股票市場波動性的影響——基于上證50ETF期權(quán)高頻數(shù)據(jù)的實證分析[J].中國經(jīng)貿(mào)導刊，第5期，第37-38頁.

[6]趙煥成.2008：中國股指期貨推出對股指波動影響的分析——基于香港股指期貨對股指波動影響的實證研究[J].中南財經(jīng)政法大學研究生學報.第6期，第22—27頁.

[7]胡東濱，張展英.基于DCC-GARCH模型的金融期貨市場與外匯、貨幣市場的動態(tài)相關(guān)性研究[J].數(shù)理統(tǒng)計與管理，2012，31（5）：906-914.

[8]Bollerslev T，Chou R F，Kroner K F.ARCH modeling in finance：A review of the theory and empirical evidence[J].Journal of Econometrics，1992，52（2）：5-59.

[9]李亞靜，朱宏泉，彭育威.基于GARCH模型族的中國股市波動性預測[J].數(shù)學的實踐與認識，2003（11）：65-71.

作者簡介：張元芳（1989-），女，西安培華學院商學院，專職教師。