劉晨 王演如

摘?要：國內(nèi)尚缺乏有關投資者情緒對期現(xiàn)貨市場間相關性及價格發(fā)現(xiàn)關系的研究，基于情緒因素對股指期貨市場效率展開分析，已經(jīng)成為推動資本市場發(fā)展的重要研究內(nèi)容。通過DCC-GARCH、分位數(shù)回歸和分位信息份額模型（Quantile-IS）定量分析投資者情緒對我國股指期現(xiàn)貨市場間動態(tài)相關性和價格發(fā)現(xiàn)功能的影響。結(jié)果表明我國股指期貨市場整體上存在一定的價格發(fā)現(xiàn)功能，投資者情緒能夠降低期現(xiàn)貨市場信息傳遞效率。分位信息份額模型和動態(tài)Granger因果檢驗結(jié)果表明，在市場平穩(wěn)狀態(tài)下投資者情緒能夠抑制期貨市場價格發(fā)現(xiàn)功能，但在市場極端行情下具有增強市場價格發(fā)現(xiàn)效率的作用。研究結(jié)論解讀了投資者情緒對我國期現(xiàn)貨市場關系影響取決于市場行情走向，也從投資者情緒視角為監(jiān)管思路調(diào)整提供實證依據(jù)，以全面增強股指期貨市場整體運行效率。

關鍵詞：股指期貨?投資者情緒?價格發(fā)現(xiàn)?分位信息份額模型

一、引言

股票市場作為資本市場的核心，經(jīng)過二十多年的發(fā)展已具備較大的市場規(guī)模。股指期貨作為國內(nèi)重要的金融衍生品之一，不僅可以為投資者提供豐富的投資對象選擇和風險管理策略，有助于提升我國資本市場的規(guī)模和結(jié)構(gòu)，其價格發(fā)現(xiàn)和套期保值功能還是我國資本市場運行效率的直接體現(xiàn)，對資本市場的創(chuàng)新和深化具有重要的指示意義。然而期現(xiàn)貨市場間的聯(lián)動關系是期貨市場價格發(fā)現(xiàn)功能發(fā)揮的理論基礎，處于快速成長期的中國期貨市場，由于受到政策調(diào)整、投機因素等信息沖擊，期、現(xiàn)貨市場的聯(lián)動性以及引導關系也會經(jīng)常發(fā)生改變。此外，我國股市制度尚不完善、發(fā)展結(jié)構(gòu)失衡、投資者結(jié)構(gòu)不完善且存在機構(gòu)散戶化現(xiàn)象，使得我國資本市場投機氛圍較重，兩個市場間的聯(lián)動關系勢必也隨之變化。情緒因素產(chǎn)生的交易行為將如何影響期貨市場價格發(fā)現(xiàn)功能及兩個市場間的聯(lián)動關系，是建設高質(zhì)量發(fā)展的期貨市場，推動資本市場發(fā)展必須深入研究的重要內(nèi)容。

二、文獻回顧

隨著國內(nèi)外學者對投資者情緒以及行為偏差研究的不斷深入，一些文獻開始逐漸關注投資者情緒對股票和股指期貨市場的影響。投資者作為資本市場的參與主體，投資者情緒反映了其對市場未來的預期。因此情緒變化會引導投資意愿及投資決策的改變，通過交易行為改變股指期貨、現(xiàn)貨市場收益率和波動率，進而影響期現(xiàn)貨市場間的聯(lián)動關系和股指期貨市場的價格發(fā)現(xiàn)功能。

國內(nèi)外學者就股指期貨與現(xiàn)貨市場關系做過很多深入的研究，由于研究對象和研究階段存在差異，所得結(jié)論也各不相同。例如，華仁海（2010）、方匡南（2012）等研究認為，股指期貨與股指現(xiàn)貨之間存在雙向引導關系，在股指現(xiàn)貨市場具有較強的漲跌幅時，現(xiàn)貨市場的價格發(fā)現(xiàn)功能會相應增強，甚至可能超過期貨市場。陶立斌等（2014）的結(jié)果表明，滬深300股指期貨在信息傳遞中居于主導地位。也有學者研究發(fā)現(xiàn)投資者結(jié)構(gòu)會改變股指期貨與現(xiàn)貨間的引導關系。這些研究均是解釋樣本期間內(nèi)股指期貨和股指現(xiàn)貨整體的價格發(fā)現(xiàn)效率。從文獻來看，無論國內(nèi)還是國外，對于期貨市場價格發(fā)現(xiàn)功能強于現(xiàn)貨市場的結(jié)論取決于研究樣本及其區(qū)間的選取。

大多數(shù)國內(nèi)外學者集中于研究情緒與資產(chǎn)價格的關系，有關投資者情緒與期、現(xiàn)貨市場關系的研究雖然較多，但學者們得到的結(jié)論并不一致，當投資者情緒高漲時，現(xiàn)貨市場與期貨市場的信息傳遞效率降低，波動性溢出效應會減弱，也有學者表明，情緒的高漲會使期現(xiàn)貨市場間的波動性溢出效應顯著增強（劉文文等，2019）。有關投資者情緒對價格發(fā)現(xiàn)功能的研究較少，在影響價格發(fā)現(xiàn)功能的因素中，國內(nèi)學者們發(fā)現(xiàn)投機性和投資者情緒因素對價格發(fā)現(xiàn)功能的影響并不顯著，但國外學者從情緒對波動率、期現(xiàn)貨市場價差和交易成本等角度，證明較高漲的情緒具有削弱價格發(fā)現(xiàn)功能的作用。對于價格發(fā)現(xiàn)能力的研究，通常基于Granger因果分析或使用VECM（VECM-DCC-GARCH）模型等，從情緒影響價格發(fā)現(xiàn)能力的研究，則多利用共有因子模型（Common?Factor?Model）來度量價格發(fā)現(xiàn)效率，該模型能夠分析多個市場的共同影響因素中各自的貢獻部分，可比較多個市場的價格發(fā)現(xiàn)能力。劉晨等（2020）使用分位信息份額模型（Quantile?information?share）研究中美玉米期貨市場，發(fā)現(xiàn)其價格發(fā)現(xiàn)功能隨市場環(huán)境的變化而改變。

綜合以上文獻，無論國外還是國內(nèi)均缺乏投資者情緒對股指期現(xiàn)貨市場間關系的綜合研究，基于市場行情變化的情緒對期現(xiàn)貨市場價格發(fā)現(xiàn)功能影響的相關研究也十分不足。本文十分有必要以滬深300指數(shù)為研究對象，使用前沿Quantile-IS分位信息份額模型（Quantile-IS），全面衡量期現(xiàn)貨市場所處行情不同時，情緒對期現(xiàn)貨市場相關性、價格發(fā)現(xiàn)功能的影響，使研究結(jié)論更加全面科學的同時，也對以往相關研究結(jié)論不一致的原因作出更合理的解釋。

三、理論框架與研究假設

（一）基于情緒影響股指期現(xiàn)貨關系的理論框架

以往基于DSSW模型（噪聲交易模型）主要論述了情緒對資產(chǎn)價格的影響，并且說明市場具有噪聲交易者的生存空間。首先，這里仍然沿用DSSW模型的設定，認為理性交易者往往對后市的預期是基于基本面信息的理性預期。其次，考慮到模型中兩類交易者比例的不同，即假設噪聲交易者占比為φ，那么理性交易者占比為1-φ。投資者在第一期的時候選擇資產(chǎn)組合，在第二期時追求期望效用最大化。通常情況下，機構(gòu)投資者往往具備更加專業(yè)的投資技術(shù)，因此假定理性投資者中更多是機構(gòu)投資者，并且具有理性情緒;而噪聲交易者則依賴于市場上的噪聲，以個人投資者為主。不妨假設理性投資者和噪聲交易者的情緒滿足：

其中，假設ρξ，t代表理性投資者情緒，ρε，t表示噪聲交易者情緒。在分析機構(gòu)和個人投資者情緒時，假設兩者之間存在引導關系，因此市場整體情緒可以表示為兩類投資者情緒的總和：

與此同時，市場整體情緒的均值ρ*和方差σ2ρ分別由式（4）和式（5）所示：

其中，Cov（ρξ，ρε）表示理性和非理性投資者情緒之間的協(xié)方差，當理性和非理性投資者情緒存在正相關關系時，即Covρξ，ρε>0，則根據(jù)式（5），市場噪聲交易者整體情緒的方差會增大。反之，市場噪聲交易者整體情緒的方差會減小。

為了討論情緒對期現(xiàn)貨市場關系的影響，需將風險資產(chǎn)分為股票指數(shù)與股指期貨，將股票指數(shù)兩類，在第t期的價格分別記為St和Ft。其中，投資組合中股指現(xiàn)貨占比為ωs，股指期貨的占比為ωf，并假設股票指數(shù)和股指期貨的收益率均服從標準正態(tài)分布：

其中，rs是股票指數(shù)價格的收益率，rf是股指期貨價格的收益率，且滿足：

考慮到組合中的股指現(xiàn)貨和期貨比例分別為ωs和ωf，為了實現(xiàn)其效用最大化。其理性投資者的期望目標效用函數(shù)可以表示為：

其中，ωrs和ωrf分別是理性投資者持有股指現(xiàn)貨與股指期貨的比例，（ωs+ωf）ρξ表示由于理性投資者的情緒所帶來的收益。在給定其關于風險資產(chǎn)收益預期的情況下，青年時期的投資主體分配在風險資產(chǎn)u（股指現(xiàn)貨，股指期貨）和無風險資產(chǎn)s中。同理，非理性投資者均值方差期望目標效用函數(shù)可以表示為：

通過比較式（11）和式（12），可以發(fā)現(xiàn)無論是噪聲交易者還是理性投資者，都需要分配資金在股指期貨、現(xiàn)貨市場（ωs和ωf）和無風險資產(chǎn)s中。進一步對式（10）和式（11）的極大值，需要令其一階導數(shù)為0，可以求出兩類投資者（理性投資者和噪聲交易者）對風險資產(chǎn)的需求函數(shù)：

通常情況下，股指現(xiàn)貨與股指期貨收益率間具有正向相關關系。當σfCorr（rs，rf）<σs<σf/ρ時，投資者對股指期貨、現(xiàn)貨的需求隨情緒同向增加或減少。而當σs>σf/ρ或σs<σfCorr（rs，rf）時，即現(xiàn)貨市場與期貨市場風險波動差別較大時，理性投資者和非理性投資者對期、現(xiàn)貨資產(chǎn)持有需求會出現(xiàn)相反方向的變化?？紤]在第一期時，噪聲交易者和理性交易者對股指期貨、現(xiàn)貨市場的需求量加總為1。由式（12）和式（13）可得：

由于假設投資者可以投資市場中兩種風險資產(chǎn)，因此式（14）中需要估計兩個參數(shù)，即μs和μf?？紤]期貨與現(xiàn)貨之間存在協(xié)整關系如下所示：

其中，δ為常數(shù)，根據(jù)式（15）、式（8）和式（9）式可以得出：

從式（17）中可以看出只有投資者情緒ρε和ρξ是變量，所以根據(jù)

這樣式（17）就是一個只包含情緒的參數(shù)，通過式（17）可以看出投資者情緒能夠?qū)︼L險資產(chǎn)預期收益率的影響與兩個市場的相關性以及波動率有關。由于Corrrs，rf小于1，并且假設δ理論上等于1，分母1+δσsσfCorrrs，rf-δσ2s-σ2f是不大于0的。因此，樂觀的投資者情緒與當期收益率成正比，悲觀投資者情緒與當期收益率成反比，與理論上情緒與預期收益率成反比的結(jié)論是吻合的。進一步地，可以得到投資者情緒對風險資產(chǎn)波動率的影響：

由式（19）可以類似得出，由于φ>0且δ>1，期、現(xiàn)貨市場波動率與投資者情緒（理性或非理性）波動呈同方向變動。此外，情緒對期貨市場的波動率的影響也與協(xié)整系數(shù)有關，因此雖然情緒對風險資產(chǎn)波動率的影響是同向的，但影響幅度不一致，這取決于協(xié)整系數(shù)的動態(tài)變化。當市場有越來越多的噪聲交易者傾向于投機行為時，套利交易者的比例會降低，從而使得股指現(xiàn)貨市場和股指期貨市場之間的長期協(xié)整關系被打破，會偏離兩個市場間的均衡關系，降低兩個市場間的傳遞效率。

我國股市成長過程中尚有較多的不確定性影響著股市價格的走勢，當市態(tài)變化時，投資者在不同市場環(huán)境下的心理不同，直接帶來交易行為的差異。在情緒的作用下對股指期、現(xiàn)貨交易需求的不同，導致市場間聯(lián)動關系經(jīng)常發(fā)生改變。股指期貨的價格發(fā)現(xiàn)功能也未必是一定的，而是隨著市場環(huán)境的變化發(fā)生改變。通常而言，當處于牛市時，投資者情緒偏樂觀，投資者情緒中的非理性情緒會增加交易者的交易行為，在牛市行情中投資者容易對市場未來上漲的預期形成過度反應，形成不同市態(tài)下情緒對價格發(fā)現(xiàn)功能影響的非對稱性。因此，通過考察股指期貨與現(xiàn)貨收益率處于不同分位點處時（即不同行情時），期貨市場的價格發(fā)現(xiàn)功能的變化，能夠更加全面準確地度量情緒對期貨價格發(fā)現(xiàn)能力的影響。綜合以上分析給出假設1和假設2如下。

假設1：投資者情緒會影響股指期貨、現(xiàn)貨市場間的動態(tài)相關性，并且具有非對稱性。

假設2：股指期貨價格發(fā)現(xiàn)功能會受到投資者情緒的影響，尤其是當期貨市場與現(xiàn)貨市場處于極端行情時，其價格發(fā)現(xiàn)功能受到情緒影響的程度更大。

（二）分析方法與模型建立

1投資者情緒指標構(gòu)建

以往學者大部分采用主成分分析法構(gòu)建情緒指數(shù)，但Huang?et?al（2015）提出的偏最小二乘法（PLS）也在構(gòu)建投資者情緒指數(shù)時得到了廣泛的使用。本文借鑒Liu?and?An（2018）的文獻，采用PLS方法對投資者情緒源指標進行合成，構(gòu)建基于PLS法下的投資者情緒指數(shù)。PLS回歸法可以通過兩步OLS回歸實現(xiàn)，第一步是對每一個投資者情緒代理變量xi，t-1和一個常數(shù)及股票收益率序列Rt做一個OLS回歸，第二步是對估計股票收益率序列的載荷πi︿對xi，t-1進行橫截面回歸。當πi︿已知時，我們可以利用每一時刻的xi，t和πi︿使用偏回歸方法得到SPLSt。而當πi︿未知時，我們利用完整的樣本信息得到的投資者情緒綜合指數(shù)的T×1向量SPLS=（SPLS1，SPLS2，…SPLST）′來完成第一步回歸，xi，t對SPLSt的回歸，得到πi的估計值用于t+1時刻的投資者情緒的預測。SPLSt是投資者情緒指標的線性組合：

其中，R是滬深300股票指數(shù)現(xiàn)貨收益的T×1向量，X=（x′1，x′2，…，x′T）′是由單個代理投資者情緒指標變量組成的T×N階矩陣，其中N代表所選擇的投資者情緒代理指標的數(shù)量。然后對于矩陣JT=IT-（1/N）τTτT′，?JN=IN-（1/N）τNτN′，其中IT和IN是T維和N維單位矩陣τT和τN是?1的T維和N維向量。

在此基礎上，增加了iVIX作為投資者情緒源指標，基于當期近月合約的50ETF收盤價篩選執(zhí)行價格最為接近的看漲期權(quán)合約與看跌期權(quán)合約作為兩個平值期權(quán)，并且采用BS模型反推出當月平值看漲期權(quán)的隱含波動率σ21和當月平值看跌期權(quán)的隱含波動率σ22，并以兩個合約的波動率通過加權(quán)的方式來得出最終中國波指的代理變量。

2?VAR-DCC-GARCH模型

為了分析投資者情緒對股指期、現(xiàn)貨市場間動態(tài)相關性的影響，首先利用經(jīng)典VAR-DCC-GARCH模型分析期現(xiàn)貨市場動態(tài)相關性（Yue，Liu?and?Shan，2015），具體模型如下：

其中，Rs，t和Rf，t分別表示股指現(xiàn)貨和股指期貨市場的價格收益率，ξt=（εst，εft）Τ為殘差向量，滿足ξtΩt-1～N（0，Ht），且DCC-GARCH模型假定Rs，t和Rf，t之間的相關系數(shù)是動態(tài)的，因此可以首先使用該模型得到樣本期間兩個市場之間的聯(lián)動關系。同時將條件協(xié)方差矩陣Ht的結(jié)構(gòu)設定為：

在上述模型中，Dt中的hii，t仍假定為一元GARCH過程，Q-代表非條件相關系數(shù)，Q*t能夠確保Rt是相關系數(shù)矩陣，其中，qii，t（i=1，2，…，k）是Qt的對角元素，Rt=ρsft。ηt是標準化殘差序列，ηt=D-1tEt且Dt=diag（σ1t，σ2t，…，σkt）。

3分位信息份額模型

基于向量誤差修正模型，分別使用傳統(tǒng)Hasbrouck的IS模型衡量股指期貨、現(xiàn)貨市場的信息份額，進而分析其價格發(fā)現(xiàn)功能。

假設某個資產(chǎn)在n個不同的資本市場上進行交易，Yt=y1t，y1t，…ynt=[ln（p1t），ln（p1t），…ln（p1t）]為n個價格序列，且均為單位根I1過程，且這n個價格之間具有n-1個協(xié)整向量，整個交易系統(tǒng)內(nèi)有一個單一的共同的隨機波動因子，可用向量誤差修正模型（VECM）表示：

其中，α為誤差修正系數(shù)向量（短期調(diào)整系數(shù)）;β的列向量是n-1個協(xié)整向量，VECM=βTYt，et為序列不相關的隨機擾動項，均值為0，協(xié)方差矩陣為：Ω=EeeT，σ2i為新息eit的方差，ρ為相關系數(shù)。IS模型是將VECM以向量移動平均單整的形式表出為：

其中L是滯后算子，Ψ1為移動平均系數(shù)之和，是影響矩陣。Ψ*Lεt代表了短暫影響成分，而Ψ（L）et則表示不同市場價格的長期趨勢。如果令ι=1，1′，且Ψ（L）中的某一行為Ψ=Ψ1，Ψ2，那么方程（2）可以表示為：

其中，Gonzalo?and?Granger將Ψet定義為永久成分，是兩個市場價格的共有因子，永久成分的方差為：VarΨet=ΨΩΨ′。

當不同市場間的新息不存在當期相關，那么第j個市場的價格發(fā)現(xiàn)為：

當不同市場間的新息存在當期相關時，令F為Ω的Cholesky分解，滿足Ω=FFT，F(xiàn)=mijn×n，通過Cholesky分解消除兩個市場間的相關性，因此計算出的信息份額（價格發(fā)現(xiàn)）是有上下限的。

第i個市場信息份額可以表示為：

其中，j表示第i個市場在協(xié)方差矩陣中市場的順序。對股指期、現(xiàn)貨兩個市場而言，當期貨市場作為方差ΨΩΨ′的第一個變量時，得到期貨的信息份額是上限，反之則是下限。最終以上限和下限的均值作為該市場的信息份額值，其值越大，表明價格發(fā)現(xiàn)功能越強。

對基礎IS模型結(jié)合分位數(shù)回歸法進行改進，具體對式（27）進行分位誤差修正項回歸，此時令ΔYt為因變量，右邊的變量記為xt，且對應的參數(shù)向量記為θ，那么τ分位點處的VECM模型（Quantile-VECM）回歸如下：

其中，F(xiàn)-1（）是累積分布函數(shù)的逆函數(shù)，τ1Δ（0，1），為了估計參數(shù)θτ1，對不對稱的加權(quán)絕對值總和進行最小化：ωτ1（Δyt，x′tθτ1）Δyt-x′tθτ1，其中權(quán)重為：

此時損失函數(shù)可以寫成：Δyt-x′tθτ1+（2τ1-1）（Δyt-x′tθτ1），當τ1=05時，分位數(shù)回歸與普通均值回歸一致。此時線性VECM的分位數(shù)回歸可以寫成：

其中，τ=（τ1，τ2）∈（0，1）×（0，1），其中τ1=01，025，05，075，09;τ2=01，025，05，075，09。傳統(tǒng)的信息份額模型（IS）所得到的在均值水平上兩個市場對信息沖擊的反應程度，而分位信息份額模型則可以把不同分位點處的價格發(fā)現(xiàn)能力表現(xiàn)出來。這樣可以全面地觀察到股指期貨市場的價格發(fā)現(xiàn)功能是否隨著期、現(xiàn)貨市場收益率的聯(lián)合分布發(fā)生變化。比如，當期貨市場（Δy1，t）的收益率水平在10%（τ1=01），而現(xiàn)貨市場（Δy2，t）的收益率水平在90%（τ2=09）時，我們可以得到期貨市場的在期貨市場低尾部收益率和現(xiàn)貨市場高尾部收益率時的價格發(fā)現(xiàn)信息份額。值得注意的是，由于兩個因變量的相關性，二元分位數(shù)回歸估計的系數(shù)通常不同于單變量模型。進一步通過對以下函數(shù)式子取最小值來估計參數(shù)：

其中，兩個分位點向量分別代表農(nóng)產(chǎn)品期貨市場和現(xiàn)貨市場，記為（τ1，τ2），?記為歐幾里得范數(shù)，向量u是一個開球且單位球內(nèi)（B2={uu∈R2，u<1}）的一個元素。在實際應用中，我們遵循不直接選擇u的方法，而是遵循Pedersen（2015）的方法，對分位數(shù)矢量τ進行以下轉(zhuǎn)換，使得：

這里g=（2τ-t）并且t是一個（2×1）的單位向量，g

=max?（g1，g2）。最后我們可以估計在不同分位水平下的誤差修正模型，通過將VECM轉(zhuǎn)換為VMA模型計算具體的參數(shù)及信息份額值。

四、樣本選取與實證分析

（一）樣本選擇與描述性統(tǒng)計分析

投資者情緒指標采用合成的SPLS指標。參考LiuandAn（2018）對情緒源指標的選取及計算方法，最終選取期貨市場成交量（TV）、期末新增A股參與交易的投資者數(shù)量（num），以及封閉式基金折溢價率（prem）、市場換手率（turnover）、A股平均市盈率（PE）和現(xiàn)貨市場主買率（buyrate）、中國波指（iVIX）、融資融券比例八個指標作為投資者情緒復合指數(shù)的源指標。鑒于中國50ETF期權(quán)上市時間為2015年2月9日，所采用的樣本數(shù)據(jù)為滬深300股指期貨從2015年3月2日至2018年12月28日近4年的日交易數(shù)據(jù)。由于投資者情緒代理變量大部分為日數(shù)據(jù)，因此具體選取使用940個日度數(shù)據(jù)進行研究。以上數(shù)據(jù)均來自Wind數(shù)據(jù)庫。

從基本描述統(tǒng)計來看，投資者情緒中的主買率和市盈率指標波動率較大。表1也表明大部分投資者情緒之間具有顯著的相關性，并且呈現(xiàn)正相關關系。但封閉式基金折溢價率和主買率兩個指標與其他投資者情緒指標相關性較低，這些指標都從不同的角度反映了投資者情緒。股指期現(xiàn)貨收益率作為待研究變量，它們之間的靜態(tài)相關系數(shù)為09209，說明兩個市場的關聯(lián)性非常緊密。進一步檢驗容易看出，股指期、現(xiàn)貨市場價格序列是服從I（1）過程的，并且具有協(xié)整關系。

（二）投資者情緒與股指期現(xiàn)貨市場聯(lián)動性關系分析

使用DCC-GARCH模型估計股指期、現(xiàn)貨市場間的動態(tài)相關系數(shù)，從表2中可以看出，β是顯著大于0的，并且滿足α+β小于1的約束條件，說明在滯后期內(nèi)動態(tài)相關系數(shù)受前1期標準化均值殘差的影響顯著。就我國股指現(xiàn)貨和股指期貨價格聯(lián)動而言，α1=00657，β1=09333，α2=00627，β2=09347，我國股指期、現(xiàn)貨市場之間的動態(tài)相關系數(shù)受條件異方差的影響很大，并且吸收了由前期均值方差所引起的波動。由于α+β的數(shù)值非常接近于1，對股指期貨市場與現(xiàn)貨市場還同時建立的GJR-DCC-GARCH模型，該模型同時考慮了兩個市場聯(lián)動中的杠桿效應，從系數(shù)的顯著性來看，對于期貨市場而言，杠桿的效應使得波動加大，但只通過了10%的顯著水平。因此可以使用DCC-GARCH模型結(jié)果得到股指期現(xiàn)貨市場間的動態(tài)相關系數(shù)，如圖1所示，股指期現(xiàn)貨市場之間的動態(tài)相關系數(shù)穩(wěn)定在093～098，其間雖有較大幅度的波動，但總體呈現(xiàn)出高度正相關關系。

基于分位數(shù)方法可以考察投資者情緒對股指期、現(xiàn)貨市場動態(tài)相關性的影響，回歸結(jié)果見表2的Panel?C，可以得到以下結(jié)論：①投資者情緒對股指期、現(xiàn)貨市場間動態(tài)相關性影響是顯著的，且具有非對稱性。②當市場相關性較低時，投資者情緒對相關性的影響是正向的，而在相關性處于中等或較高水平時，投資者情緒對相關性的影響是負向的。③從系數(shù)圖中可以發(fā)現(xiàn)在相關系數(shù)處于較高或較低水平時，投資者情緒對其的影響差異較大。這個結(jié)論表明，當市場處于較為平穩(wěn)的狀態(tài)，即股指期、現(xiàn)貨市場處于長期協(xié)整狀態(tài)時，投資者會對資本市場有相對理性和準確的判斷，在套利機制和投資者追求盈利的交易操作下，股指期、現(xiàn)貨市場間關系不易在情緒的作用下出現(xiàn)較大偏離。而只有在處于期、現(xiàn)貨市場較低相關性時，往往是由于投資者情緒對市場走勢的誤判。投資者情緒的增加會降低股指期貨市場與現(xiàn)貨市場的信息傳遞效率，會降低兩個市場間的相關性。而在極端情況，兩個市場間的相關性非常低時，期、現(xiàn)貨市場價格出現(xiàn)大幅度偏離。此時在套利交易者的作用下，使得兩個市場的價格出現(xiàn)回歸均衡的局面。從具體的實證結(jié)果容易看出，投資者情緒對股指期貨、現(xiàn)貨市場動態(tài)相關性的影響與樣本期內(nèi)市場狀態(tài)有關，總體上看，投資者情緒對動態(tài)相關性存在顯著的負向影響。

（三）投資者情緒與股指期貨價格發(fā)現(xiàn)功能關系分析

在VECM模型的基礎上，利用傳統(tǒng)信息份額模型對股指期貨市場價格發(fā)現(xiàn)功能加以度量，基于IS模型得到期貨市場和現(xiàn)貨市場的信息份額，以分析股指期貨市場是否在價格發(fā)現(xiàn)中起主導作用。容易得出股指期貨市場信息份額上界為9661%，下界為1207%，均值為5434%（取上下界的平均值），股指現(xiàn)貨市場上界為8793%，下界為339%，均值為4566%，可見期貨市場價格發(fā)現(xiàn)功能比現(xiàn)貨強。

進一步使用分位信息份額模型計算不同分位點處期貨市場與現(xiàn)貨市場的信息份額，比較期現(xiàn)貨市場收益率處于不同水平時，價格發(fā)現(xiàn)功能是否受投資者情緒的影響。此時需在VECM模型中引入投資者情緒指數(shù)作為外生變量，并分別對不考慮和考慮情緒下的分位信息份額進行對比。從表3呈現(xiàn)的結(jié)果來看，期貨、現(xiàn)貨市場收益率處于不同分位點時，期貨市場的價格發(fā)現(xiàn)能力并不相同。其中當現(xiàn)貨收益率水平一定時，隨著期貨收益率分位點τ1由01到09的變化，價格發(fā)現(xiàn)能力是逐漸增強的，且當現(xiàn)貨市場收益率處于較低分位點時，期貨價格發(fā)現(xiàn)能力更強;而當期貨市場收益率水平較低時，隨著現(xiàn)貨收益率分位點的提高，更容易表現(xiàn)為現(xiàn)貨市場引導期貨市場。通過對比考慮情緒影響后的分位信息份額，容易得出情緒加劇了期、現(xiàn)貨市場處于不同收益率分布下的信息份額波動，尤其是當期、現(xiàn)貨市場收益率處于尾部分布時，即市場處于極端行情時，情緒對價格發(fā)現(xiàn)功能的影響更顯著。當τ1和τ2都在05附近時，投資者情緒會降低價格發(fā)現(xiàn)功能，這也與以往學者得到的結(jié)論基本一致，即在大多數(shù)市場行情下，情緒會降低市場間信息傳遞效率，減少市場間相關性的同時也會降低股指期貨市場的價格發(fā)現(xiàn)功能。但在極端市場行情下則會出現(xiàn)差別，由于投資者情緒會通過大量買入賣出交易行為影響期、現(xiàn)收益率和聯(lián)動性，當在期貨市場出現(xiàn)大量購買行為時，投資者情緒會提高期貨市場價格發(fā)現(xiàn)功能，反之則出現(xiàn)現(xiàn)貨市場引導期貨市場的情形，即投資者情緒也會提高現(xiàn)貨市場的價格發(fā)現(xiàn)能力。

五、穩(wěn)健性檢驗與進一步分析

（一）股指期貨價格發(fā)現(xiàn)動態(tài)過程

實證部分使用IS模型得到了基于全樣本的股指期貨與股指現(xiàn)貨的信息份額，雖然從整體上解釋了股指期貨具有引導現(xiàn)貨的作用，并且也通過分位信息份額模型證明價格發(fā)現(xiàn)功能與期、現(xiàn)貨市場所處的狀態(tài)有關。通過全面檢驗不同分位點處的價格發(fā)現(xiàn)效率（τ1，τ2=01，02，03，04，05，06，07，08，09），提高穩(wěn)健性。其優(yōu)勢是能夠檢驗期貨市場的價格發(fā)現(xiàn)功能在不同行情時的變化。當期貨（現(xiàn)貨）市場收益率分位點一定時，隨著另一個市場收益率分位點的提高，價格發(fā)現(xiàn)功能會逐漸下降。同時也能夠進一步證明股指期、現(xiàn)貨市場之間并不是期貨市場一直處于主導地位?？傮w而言，通過穩(wěn)健性分析不僅可以證明股指期貨市場僅在一定程度上具有價格發(fā)現(xiàn)功能，也對以往學者有關期現(xiàn)貨引導關系研究結(jié)論不一致的原因給出合理解釋（見圖2）。

（二）動態(tài)Granger因果檢驗

為了驗證投資者情緒對期、現(xiàn)貨市場聯(lián)動關系的實證結(jié)果，尤其是投資者情緒對價格發(fā)現(xiàn)功能的影響，可以通過研究兩個市場間的引導關系進行穩(wěn)健性分析。使用靜態(tài)Granger因果分析發(fā)現(xiàn)股指期貨與股指現(xiàn)貨具有相互引導關系，難以看出投資者情緒能夠影響股指期貨市場價格發(fā)現(xiàn)功能。因此進一步將樣本數(shù)據(jù)分段，并使用動態(tài)滾動Granger因果檢驗分析，窗口期設定為180個觀測數(shù)據(jù)，對多個窗口都進行Granger因果滾動分析，其中滯后期的選擇根據(jù)當期180個觀測數(shù)據(jù)的SC準則確定。最終根據(jù)市場狀態(tài)的變化，使用t時刻前后三個月的波動率區(qū)分市場態(tài)勢。當t時刻及以后的波動率持續(xù)超過t時刻前波動率的20%，即認為市場仍處于動蕩階段。將市場分成市場動蕩階段（2015年3月2日—2016年10月17日）和市場平穩(wěn)階段（2016年10月18日—2018年12月28日）。其中第一階段、第二階段共分別進行了220次和360次的Granger因果檢驗分析，第二階段比第一階段股指期貨市場累計1%，5%，10%置信水平下顯著次數(shù)占比分別減少了2377%、5025%和2699%，股指現(xiàn)貨市場的累計顯著次數(shù)占比分別減少了2901%、3579%和3889%。通過動態(tài)Granger因果檢驗，當市場處于較極端情況時，股指期、現(xiàn)貨市場間的相互引導關系會增強。而當市場平穩(wěn)狀態(tài)時，期、現(xiàn)貨市場對信息的反應效率是比較接近的，與期貨市場的分位信息份額結(jié)果一致，也說明了我國股指期貨市場尚未充分發(fā)揮價格發(fā)現(xiàn)功能（見表4）。

六、結(jié)論與啟示

通過基于DSSW模型理論建立研究假設，結(jié)合DCC-GARCH與分位信息份額模型進行實證檢驗，分析投資者情緒對股指期現(xiàn)貨市場間聯(lián)動關系的影響，可以得出以下若干結(jié)論。

首先，從行為金融學視角對投資者情緒進行闡釋，并通過合理的PLS方法構(gòu)建投資者情緒指數(shù)。通過改變對DSSW模型原假設條件的設定，從理論角度給出投資者情緒對期、現(xiàn)貨市場波動率及聯(lián)動關系的影響，為投資者情緒影響期貨市場功能發(fā)揮提供理論依據(jù)。

其次，投資者情緒的增加會降低股指期貨市場與現(xiàn)貨市場的信息傳遞效率，會降低兩個市場間的相關性。這是由于期貨市場和現(xiàn)貨市場擁有不同的投資者結(jié)構(gòu)，“創(chuàng)造空間效應”也會對期貨市場和現(xiàn)貨市場產(chǎn)生不同程度的影響。當投資者情緒高漲時，機構(gòu)投資者和個人投資者的非理性行為將會顯著增加。噪聲交易者變得比套利者更活躍，特別是在現(xiàn)貨市場，在過度樂觀和過度自信的情況下，噪聲交易者忽視了外部信息的沖擊并繼續(xù)交易，從而降低了信息對波動率的影響并且降低了市場效率。

最后，我國股指期貨市場具有一定的價格發(fā)現(xiàn)功能，但價格發(fā)現(xiàn)作用有限。實證結(jié)果顯示，股指期貨對現(xiàn)貨市場存在雙向Granger因果關系，且期貨市場的信息份額僅比現(xiàn)貨市場高868%。出現(xiàn)這種情況的原因與樣本期間股指期貨市場限制交易政策有關，因股指期貨價格發(fā)現(xiàn)功能的“交易成本假說”，限制了投資者情緒在股指期貨市場的作用發(fā)揮。但通過分位信息份額模型的檢驗，在穩(wěn)定的行情下，情緒會具有抑制期貨市場價格發(fā)現(xiàn)功能的作用，而在極端行情下，情緒具有提高單個市場價格發(fā)現(xiàn)功能的作用。這不僅論證了期貨市場價格發(fā)現(xiàn)功能會受到情緒因素的影響;也從市場狀態(tài)角度闡釋了情緒對價格發(fā)現(xiàn)能力的影響存在區(qū)別，在一定程度上解釋了以往學者相關研究結(jié)論不一致的原因。

盡管有效金融市場理論認為，期現(xiàn)貨市場對信息的反應是同步的（信息份額分別為50%）。但通常情況下，期貨市場的交易成本優(yōu)勢能夠更快融入價格信息，具有天然的價格發(fā)現(xiàn)條件。通常情況下，情緒因素往往降低了期現(xiàn)貨市場間的信息傳遞效率，抑制期貨市場的價格發(fā)現(xiàn)功能，但并不排除極端行情情緒會帶來相反的作用。通過本文的研究不僅有助于分析我國股指期貨市場價格發(fā)現(xiàn)功能現(xiàn)狀，也在充分科學地利用計量模型實證檢驗過程中挖掘影響股指期貨市場效率動態(tài)變化的情緒因素，從而為投資者的投資策略制定及監(jiān)管決策提供理論支持與參考依據(jù)。

參考文獻

[1]BAKER?M，WURGLER?J，?YUAN?Y?Global，?local??and?contagious?investor?sentiment[J].?Journal?of?Financial?Economics，?2012，104（2SI）：272-287

[2]Bohl??M?T，?Salm??C?A，?Schuppli??M?Price?Discovery?and?Investor?Structure?in?Stock?Index?Futures[J].?Journal?of?Futures?Markets，?2011，31（3）.

[3]CORREDOR?P，?FERRER?E，?SANTAMARIA?R?Sentiment-prone?investors?and?volatility?dynamics?between?spot?and?futures?markets[J].?International?Review?of?Economics?&?Finance，?2015（35）：180-196

[4]COULTON?J?J，?DINH?T，?JACKSON?A?B?The?impact?of?sentiment?on?price?discovery[J].?Accounting?&?Finance，?2016，?56（3）：669-694

[5]DING?W?J，MAZOUZ?K，?WANG?Q?W?Investor?sentiment?and?the?cross-section?of?stock?returns：?new?theory?and?evidence[J].?Review?of?Quantitative?Finance?and?Accounting，?2019，?53（2）：493-525

[6]GONZALO?J，GRANGER?C?Estimation?of?Common?Long-Memory?Components?in?Cointegrated?Systems[J].?Journal?of?Business?and?Economic?Statistics，1995，?13（1）：27-35

[7]HASBROUCK??J?One?security，?Many?Markets：?Determining?the?Contributions?to?PriceDiscovery[J].?Journal?of?Finance，?1995，50（4）.

[8]HUANG?D，?JIANG?F，TU?J，?et?al?Investor?sentiment?aligned：?A?powerful?predictor?of?stock?returns[J].?Review?of?Financial?Studies，?2015，28（3）：791-837

[9]LIEN?D，?WANG?Z?J?Quantile?informationshare[J].?Journal?of?Futures?Markets，?2019，?39（1）：38-55

[10]LIN?C?B，?CHOU?R?K，?WANG?G?H?K?Investor?sentiment?and?price?discovery：?Evidence?from?the?pricing?dynamics?between?the?futures?and?spot?markets[J].?Journal?of?Banking?&?Finance，?2018（90）：17-31

[11]LIU?C，?AN?Y?CACACE?F，?Investor?sentiment?and?the?basis?of?CSI?300?stock?index?futures：?An?Empirical?Study?Based?on?QVAR?Model?and?Quantile?Regression[J].?Discrete?Dynamics?in?Nature?and?Society，?2018

[12]PEDERSEN??T?Q?Predictable?return?distributions[J].?Journal?of?Forecasting，?2015，34（2）.

[13]SHU?HC?Investor?mood?and?financialmarkets[J].?Journal?of?Economic?Behavior?&?Organization，?2010，76（2）：267-282

[14]STAMBAUGH?R?F，?YU?JF，?YUAN?Y?The?short?of?it：?Investor?sentiment?and?anomalies[J].?Journal?of?Financial?Economics，?2012，104（2）.

[15]YANG?CP，?LI?JF?Investor?sentiment，?information?and?asset?pricingmodel[J].?Economic?Modelling，?2013（35）：436-442

[16]YUE?YD，?LIU?DC，?SHAN?X?U?Price?linkage?between?Chinese?and?international?nonferrous?metals?commodity?markets?based?on?VAR-DCC-GARCH?models[J].?Transactions?of?Nonferrous?Metals?Society?of?China，?2015，25（3）：1020-1026

[17]崔麗媛，?洪永淼?投資者對經(jīng)濟基本面的認知偏差會影響證券價格嗎？——中美證券市場對比分析[J].?經(jīng)濟研究，?2017?（8）：94

[18]方匡南，蔡振忠我國股指期貨價格發(fā)現(xiàn)功能研究[J].統(tǒng)計研究，2012，29（5）：73-78

[19]華仁海，劉慶富股指期貨與股指現(xiàn)貨市場間的價格發(fā)現(xiàn)能力探究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2010，27?（10）：90-100

[20]劉晨，張銳，王寶森中美玉米期貨市場功能效率比較[J].中國流通經(jīng)濟，2020，34（4）：56-66

[21]劉文文，?周遠慧，?郭宗夢?投資者情緒與動態(tài)波動溢出效應——基于上證?50?指數(shù)期現(xiàn)貨研究[J].?武漢金融，?2019?（6）：33-38

[22]陶立斌，潘婉彬，黃筠哲滬深300股指期貨價格發(fā)現(xiàn)能力的變化及其決定因素[J].金融研究，2014（4）：128-142

[23]王美今，孫建軍?中國股市收益、收益波動與投資者情緒[J].?經(jīng)濟研究，?2004（10）：75-83

[24]許榮，?劉成立?限制交易政策如何影響期現(xiàn)關系？——對股指期貨價格發(fā)現(xiàn)功能的實證檢驗[J].?金融研究，?2019（2）：154-168