朱話笙 周志中

(上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030)

1 研究方法和數(shù)據(jù)選取

1.1 研究?jī)?nèi)容和框架

本文主要研究股指期貨交易規(guī)則改變?cè)斐傻母哳l類(lèi)交易減少，對(duì)股指期貨市場(chǎng)波動(dòng)率的影響，如圖1所示，影響股指期貨市場(chǎng)波動(dòng)的因素分三類(lèi)：

第一，股指期貨波動(dòng)受股票指數(shù)波動(dòng)影響，因?yàn)楣芍钙谪浭菍?duì)股指未來(lái)的預(yù)期，期貨價(jià)值最終要趨近現(xiàn)貨價(jià)值，股指的波動(dòng)率和股指期貨的波動(dòng)率高度相關(guān)，為影響股指期貨波動(dòng)的主要因素，必須予以消除。本文在處理股指波動(dòng)對(duì)股指期貨波動(dòng)因素的影響時(shí)，采用回歸方法消除股指對(duì)股指期貨波動(dòng)率影響后的指標(biāo)進(jìn)行GARCH模型分析。

第二，股指期貨波動(dòng)受股指期貨交易規(guī)則的影響，這是本文核心假設(shè)和研究目標(biāo)。引言中闡述了近期IF期貨交易規(guī)則的變化，處理方法是把股指期貨是否受限作為虛擬變量加入GARCH模型，研究股指期貨受限對(duì)市場(chǎng)影響的置信度和影響的方向，同時(shí)結(jié)合市場(chǎng)實(shí)際情況以及定性研究分析可能的原因。

第三，股指期貨波動(dòng)受市場(chǎng)其他因素的影響，包括整體市場(chǎng)異常以及期貨交易過(guò)程中的隨機(jī)因素等。本文的處理方法是，一方面盡可能選擇市場(chǎng)的平穩(wěn)區(qū)間和全區(qū)間進(jìn)行分析，另一方面選擇市場(chǎng)情況相似的區(qū)間進(jìn)行對(duì)照分析，以盡可能分散其他因素的影響。

因此，本文通過(guò)樣本和模型處理并結(jié)合文獻(xiàn)與定性分析，盡可能消除其他因素對(duì)股指期貨市場(chǎng)的影響，研究股指期貨交易規(guī)則變化帶來(lái)的高頻類(lèi)交易受限對(duì)股指波動(dòng)率的影響。

研究采用結(jié)合研究目標(biāo)調(diào)整后的EGARCH模型進(jìn)行波動(dòng)性分析。

圖1 研究框架

1.2 研究數(shù)據(jù)選取

本文選取的是2011年10月至2017年3月滬深300主力連續(xù)合約(通達(dá)信代碼：IFL8，下文簡(jiǎn)稱(chēng)IF主連)的價(jià)格、成交量等參數(shù)，數(shù)據(jù)的直接來(lái)源是通達(dá)信金融終端，發(fā)布者為中國(guó)金融期貨交易所。

標(biāo)的選取方面，IF系列合約是中金所最早上市、市場(chǎng)參與者范圍廣、成交活躍最具代表性的股指期貨合約，而IF主連為IF主力合約的時(shí)間連續(xù)，是IF合約的最好代表，因此選為本研究標(biāo)的。時(shí)間區(qū)間方面，選取2011年10月至2017年2月數(shù)據(jù)，剔除了2010年股指上線前期市場(chǎng)不成熟、成交量較小區(qū)間以及2017年3月略微放開(kāi)交易規(guī)則后區(qū)間，消除可能的干擾。同時(shí)為保證研究結(jié)論的穩(wěn)健性，我們采取全數(shù)據(jù)進(jìn)行EGARCH測(cè)算。股指期貨ln對(duì)數(shù)收盤(pán)價(jià)時(shí)間序列圖見(jiàn)圖2。

圖2 股指期貨ln對(duì)數(shù)收盤(pán)價(jià)時(shí)間序列圖

1.3 研究創(chuàng)新

本研究的創(chuàng)新主要包括以下幾個(gè)方面:

第一，研究?jī)?nèi)容方面。以往研究主要集中于股指期貨對(duì)股票指數(shù)的影響，但尚缺乏對(duì)股指期貨交易規(guī)則調(diào)整造成的高頻交易受限對(duì)股指期貨市場(chǎng)自身影響的研究，同時(shí)近期監(jiān)管層擬逐步開(kāi)放股指期貨，故本研究有較大的實(shí)踐支持與啟示價(jià)值。

第二，以往研究(主要是股指期貨對(duì)股票指數(shù)的影響)一般直接應(yīng)用波動(dòng)性模型計(jì)算序列波動(dòng)性，存在的主要問(wèn)題是影響市場(chǎng)波動(dòng)性的因素很復(fù)雜，直接使用模型無(wú)法消除市場(chǎng)其他因素對(duì)序列波動(dòng)性的影響。當(dāng)然實(shí)際分析過(guò)程中，影響指數(shù)波動(dòng)性的市場(chǎng)因素因?yàn)閺?fù)雜而無(wú)法具體度量，因此只能采用整體數(shù)據(jù)的波動(dòng)性大的趨勢(shì)，但受市場(chǎng)影響，如2015年股票市場(chǎng)異常波動(dòng)時(shí)，存在較大的偶然性和不嚴(yán)謹(jǐn)性。為增加研究結(jié)論的穩(wěn)健性，本研究做了兩方面的工作：一是，股指本身的波動(dòng)性是影響股指期貨波動(dòng)性的重要因素，本文先通過(guò)統(tǒng)計(jì)方法消除了股指波動(dòng)性對(duì)股指期貨波動(dòng)性的影響，獨(dú)立研究交易規(guī)則變化對(duì)股指期貨波動(dòng)性的影響；二是，選擇整體股票指數(shù)和股指期貨市場(chǎng)環(huán)境相似情況下，對(duì)波動(dòng)率進(jìn)行分析，盡可能消除異常市場(chǎng)環(huán)境對(duì)股指期貨波動(dòng)率的影響。

2 實(shí)證分析結(jié)果

2.1 高頻類(lèi)交易受限顯著

自2015年9月7日中金所將交易手續(xù)費(fèi)提升至萬(wàn)分之23(之前為萬(wàn)分之0.23，提升100倍)以及提升非套期保值交易保證金至40%(原為10%)后，IF主力連續(xù)股指期貨絕對(duì)交易量顯著下降，受限前90個(gè)交易日日均成交量175萬(wàn)手，而受限后90個(gè)交易日日均成交量降低至1.4萬(wàn)手，減少了99%；同時(shí)持倉(cāng)量/交易量顯著上升，受限前90個(gè)交易日持倉(cāng)量/交易量比5.0%，而受限后90個(gè)交易日持倉(cāng)量/交易量比209.4%，持倉(cāng)過(guò)夜比重顯著上升，而高頻類(lèi)交易一般持倉(cāng)過(guò)夜較少，說(shuō)明交易成本與保證金的大幅提升顯著限制了高頻類(lèi)交易。股指期貨受限前后成交果變化見(jiàn)圖3，股指期貨受限前后持倉(cāng)量/成交量變化見(jiàn)圖4。

圖3 股指期貨受限前后成交量變化

圖4 股指期貨受限前后持倉(cāng)量/成交量變化

2.2 數(shù)據(jù)檢驗(yàn)

由于股票價(jià)格時(shí)間序列一般都是非平穩(wěn)的，存在單位根，而對(duì)不平穩(wěn)的時(shí)間序列進(jìn)行建模會(huì)出現(xiàn)“偽回歸”現(xiàn)象，從而降低模型的有效性。因此，本文首先通過(guò)取自然對(duì)數(shù)得到對(duì)數(shù)價(jià)格時(shí)間序列，使數(shù)據(jù)平穩(wěn)化，同時(shí)也消除了異方差的問(wèn)題，如圖2為股指期貨收盤(pán)價(jià)取對(duì)數(shù)后的時(shí)間序列圖。

通過(guò)單位根檢驗(yàn)發(fā)現(xiàn)對(duì)數(shù)收盤(pán)價(jià)時(shí)間序列存在單位根，而且前面論證了股指期貨的價(jià)格與對(duì)應(yīng)的股票指數(shù)的現(xiàn)貨價(jià)格存在明顯的協(xié)整關(guān)系。因此，考慮通過(guò)線性回歸剔除股指現(xiàn)貨價(jià)格對(duì)股指期貨價(jià)格的影響，采用處理后數(shù)據(jù)(見(jiàn)圖5)建立EGARCH模型。消除股指價(jià)格走勢(shì)后的序列具有明顯的波動(dòng)集群現(xiàn)象，故我們對(duì)該時(shí)間序列進(jìn)行ARCH效應(yīng)檢驗(yàn)。

圖5 股指期貨剔除股指后的時(shí)間序列

應(yīng)用Eviews對(duì)剔除滬深300股指價(jià)格走勢(shì)后的IF股指期貨對(duì)數(shù)收盤(pán)價(jià)時(shí)間序列進(jìn)行初步描述性統(tǒng)計(jì)，如圖6所示：柱狀圖反映了滬深指數(shù)日收益率序列的分布特征，可以看出，樣本區(qū)間內(nèi)滬深指數(shù)的對(duì)數(shù)收盤(pán)價(jià)序列不服從正態(tài)分布，均值為0.102，標(biāo)準(zhǔn)差為0.012，偏度為-2.895，峰度為23.037，Jarque-Bera統(tǒng)計(jì)量為25629.93，拒絕了該序列服從正態(tài)分布的假設(shè)。從偏度值、峰度值及分布圖都可以看出，該時(shí)間序列具有金融數(shù)據(jù)典型的負(fù)偏、尖峰厚尾的統(tǒng)計(jì)特征。

圖6 時(shí)間序列描述性統(tǒng)計(jì)量及柱狀圖

一、單位根檢驗(yàn)、ARMA建模要求時(shí)間序列為平穩(wěn)性序列，檢驗(yàn)結(jié)果如表2所示，序列在所有顯著性水平下都拒絕了存在單位根的原假設(shè)，即該序列為平穩(wěn)的時(shí)間序列，可進(jìn)行ARMA建模。

表2 單位根檢驗(yàn)

二、自相關(guān)檢驗(yàn)和偏相關(guān)檢驗(yàn)(見(jiàn)表3)顯示，該序列的滯后性具有很強(qiáng)的自相關(guān)性性。

三、AIC和SBIC準(zhǔn)則、ARCH-LM檢驗(yàn)，通過(guò)對(duì)樣本序列進(jìn)行p階 ARMA 模型建模，根據(jù) AIC和SC準(zhǔn)則，將滯后階數(shù)確定為1。對(duì)模型殘差進(jìn)行 ARCH-LM 檢驗(yàn)得到的結(jié)果如表4所示。拒絕殘差平方不存在自相關(guān)的原假設(shè)，因此序列存在自回歸條件異方差效應(yīng)。綜合以上數(shù)據(jù)檢驗(yàn)，序列可以使用EGARCH模型。

表3 自相關(guān)檢驗(yàn)和偏相關(guān)檢驗(yàn)

表4 ARCH-LM檢驗(yàn)

2.3 GARCH波動(dòng)性分析結(jié)果

為研究股指期貨交易受限對(duì)消除股指影響后的股指期貨序列波動(dòng)性的影響，本研究在條件異方差方程中引入虛擬變量序列DV，在IF股指期貨交易顯著受限前設(shè)定該值為0，受限后設(shè)定該值為1，加入虛擬變量的EGARCH模型方程為:

γDVt

根據(jù)虛擬變量DV前的參數(shù)r是否顯著來(lái)判斷IF股指期貨顯著受限是否對(duì)IF股指期貨的波動(dòng)性產(chǎn)生了影響，根據(jù)參數(shù)r的正負(fù)方向來(lái)判斷IF股指期貨受限是放大還是減少了IF股指期貨的波動(dòng)性。

得到以下結(jié)果：

表5 EGARCH模型參數(shù)與統(tǒng)計(jì)檢驗(yàn)

圖7 條件方差序列

結(jié)果顯示方程的變量都通過(guò)了顯著性檢驗(yàn)，擬合度高。基于剔除股指價(jià)格走勢(shì)后的股指期貨對(duì)數(shù)收盤(pán)價(jià)時(shí)間序列EGARCH模型結(jié)果，我們可以得到的結(jié)論是：虛擬變量DV的參數(shù)r顯著，r=0.211 554，同時(shí)為正值。即統(tǒng)計(jì)意義上，IF股指期貨交易規(guī)則調(diào)整之事件對(duì)IF股指期貨的波動(dòng)性產(chǎn)生了顯著影響，股指期貨受限放大了IF股指期貨(通過(guò)回歸消除股指本身波動(dòng)因素后)的波動(dòng)性。從條件方差圖中也能直觀發(fā)現(xiàn)，剔除波動(dòng)較大的2014年底至2015年的異常區(qū)間，2016年條件方差明顯大于2014年之前的情況，即消除股指本身波動(dòng)因素后IF股指期貨波動(dòng)放大。我們用GARCH方法對(duì)其他區(qū)間數(shù)據(jù)樣本與不同市場(chǎng)環(huán)境下調(diào)整后的分析也得到相同結(jié)果。

3 主要研究結(jié)論與啟示

本研究選取2012—2017年IF股指期貨主力連續(xù)每日收盤(pán)價(jià)、同期滬深300指數(shù)收盤(pán)價(jià)、成交量和持倉(cāng)量數(shù)據(jù)，研究2015年股指期貨受限股指期貨波動(dòng)性的影響，得到以下結(jié)論：

(1)股指期貨規(guī)則受限后顯著限制了高頻類(lèi)交易。自2015年9月7日中金所將交易手續(xù)費(fèi)提升至萬(wàn)分之23(之前為萬(wàn)分之0.23，提升100倍)以及提升非套期保值交易保證金至40%(原為10%)后，IF主力連續(xù)股指期貨絕對(duì)交易量顯著下降，受限前90個(gè)交易日日均成交量175萬(wàn)手，而受限后90個(gè)交易日日均成交量降低至1.4萬(wàn)手，減少99%；同時(shí)持倉(cāng)量/交易量顯著上升，受限前90個(gè)交易日持倉(cāng)量/交易量比5.0%，而受限后90個(gè)交易日持倉(cāng)量/交易量比209.4%，持倉(cāng)過(guò)夜比重顯著上升，而高頻類(lèi)交易一般持倉(cāng)過(guò)夜較少，說(shuō)明交易成本與保證金的大幅提升顯著限制了高頻類(lèi)交易。

(2)調(diào)整后的EGARCH模型實(shí)證表明， IF股指期貨交易規(guī)則調(diào)整對(duì)消除股指因素后IF股指期貨的波動(dòng)性序列產(chǎn)生統(tǒng)計(jì)上具備顯著性的影響，虛擬變量r大于0，說(shuō)明股指期貨受限后，消除股指因素后的IF股指期貨序列的波動(dòng)性顯著放大。同時(shí)，通過(guò)對(duì)實(shí)際市場(chǎng)行為的分析，我們認(rèn)為股指期貨波動(dòng)放大一定程度上是因?yàn)榱鲃?dòng)性凍結(jié)、高效與定量的高頻交易參與者不足造成市場(chǎng)定價(jià)有效性降低，買(mǎi)賣(mài)價(jià)差增大，沖擊成本放大。

基于上文實(shí)證分析結(jié)果，我們?yōu)槭袌?chǎng)與監(jiān)管實(shí)踐提供一些支持與啟示：

(1)大幅提升股指期貨交易成本與保證金對(duì)高頻類(lèi)交易的限制非常明顯，同時(shí)從定量分析結(jié)果上看，限制高頻類(lèi)交易后股指期貨自身的波動(dòng)性在一定程度上放大，影響了股指期貨的穩(wěn)定性與價(jià)格發(fā)現(xiàn)的準(zhǔn)確性、及時(shí)性，而持倉(cāng)量大幅減少說(shuō)明對(duì)高頻類(lèi)交易的限制對(duì)于套保者實(shí)現(xiàn)套保功能亦有一定的負(fù)面影響；

(2)A股股指期貨市場(chǎng)，高頻類(lèi)參與者具備較強(qiáng)的流動(dòng)性提供與價(jià)格發(fā)現(xiàn)等功能，是整個(gè)市場(chǎng)生態(tài)中不可或缺的一環(huán)。從股指期貨市場(chǎng)本身作為風(fēng)險(xiǎn)管理的工具角度來(lái)說(shuō)，如果缺乏足夠規(guī)模的套利者和投機(jī)者來(lái)幫助套保者分散風(fēng)險(xiǎn)，股指期貨本身風(fēng)險(xiǎn)管理的功能也會(huì)大大弱化。盡管2015年股指期貨交易規(guī)則有特殊的歷史背景，但長(zhǎng)期來(lái)說(shuō)，通過(guò)微調(diào)、逐步完善交易規(guī)則與制度，保證期貨規(guī)則整體穩(wěn)定，構(gòu)建更完善的股指期貨市場(chǎng)參與者生態(tài)，有利于形成A股市場(chǎng)更完整的金融風(fēng)控工具組合包與風(fēng)控體系。