李延軍 賀佳寧

摘 ? 要：本文構(gòu)建TVAR模型并將知情交易概率作為門限變量，研究得出知情交易概率存在雙門限值，據(jù)此將信息不對(duì)稱劃分為三個(gè)區(qū)制，發(fā)現(xiàn)在低區(qū)制流動(dòng)性溢出效應(yīng)不顯著，在中間區(qū)制流動(dòng)性溢出效應(yīng)開始變得顯著，在高區(qū)制流動(dòng)性溢出效應(yīng)明顯增強(qiáng)。此外，在不同信息不對(duì)稱區(qū)制下，隨著區(qū)制轉(zhuǎn)換，知情交易概率對(duì)現(xiàn)貨市場(chǎng)流動(dòng)性的影響由正向變?yōu)樨?fù)向，對(duì)期貨市場(chǎng)流動(dòng)性的影響由負(fù)向變?yōu)檎?。區(qū)制分析表明，知情交易概率門限值可以作為市場(chǎng)流動(dòng)性匱乏、流動(dòng)性關(guān)聯(lián)異化和市場(chǎng)不穩(wěn)定的預(yù)警指標(biāo)，通過建立知情交易概率分級(jí)預(yù)警制度，監(jiān)管者可以盡早監(jiān)測(cè)到市場(chǎng)的異常變化，盡早防范和化解風(fēng)險(xiǎn)。

關(guān)鍵詞：流動(dòng)性溢出;知情交易概率;TVAR模型;預(yù)警

中圖分類號(hào)：F830.91 ?文獻(xiàn)標(biāo)識(shí)碼：A ?文章編號(hào)：1674-2265（2020）10-0065-10

DOI：10.19647/j.cnki.37-1462/f.2020.10.011

一、引言

股指期貨于20世紀(jì)80年代誕生于美國(guó)，隨后全球主要發(fā)達(dá)國(guó)家和地區(qū)紛紛推出股指期貨。歷經(jīng)長(zhǎng)期籌備，我國(guó)股指期貨于2010年4月16日在中金所正式推出。股指期貨自誕生以來就伴隨著質(zhì)疑。1987年股災(zāi)之后，美國(guó)發(fā)布《布雷迪報(bào)告》將股災(zāi)原因歸咎于組合保險(xiǎn)和指數(shù)套利，然而事后學(xué)者分析指出這個(gè)結(jié)論并不準(zhǔn)確，因?yàn)榻M合保險(xiǎn)和指數(shù)套利的交易額占比相對(duì)較小，報(bào)告對(duì)期貨維持市場(chǎng)穩(wěn)定的機(jī)制認(rèn)識(shí)不清。在中國(guó)2015年股災(zāi)中，從 6月15日開始，不到一個(gè)月的時(shí)間內(nèi)，滬深300指數(shù)從5221點(diǎn)狂瀉到3663點(diǎn)，后續(xù)一路下跌到3025點(diǎn)，有些投資者將此次股災(zāi)歸結(jié)于股指期貨市場(chǎng)的惡意做空，隨后中金所出臺(tái)了限制股指期貨交易的嚴(yán)格措施，兩市場(chǎng)一度處于深度貼水的狀態(tài)，股指期貨價(jià)量齊跌，流動(dòng)性匱乏，市場(chǎng)功能的發(fā)揮受到了影響。事實(shí)上，2015年股災(zāi)并不能完全歸因于股指期貨，投資者羊群行為導(dǎo)致的股市泡沫和流動(dòng)性踩踏是股市下跌的重要原因。中美股災(zāi)中均出現(xiàn)了股指期現(xiàn)貨市場(chǎng)的風(fēng)險(xiǎn)傳染。本質(zhì)上，股票現(xiàn)貨和股指期貨一方為基礎(chǔ)金融產(chǎn)品，另一方為衍生金融產(chǎn)品，兩個(gè)市場(chǎng)的風(fēng)險(xiǎn)緊密關(guān)聯(lián)，且它們之間的內(nèi)在聯(lián)系是股指期貨發(fā)揮市場(chǎng)功能的基礎(chǔ)，因此股指期現(xiàn)貨跨市場(chǎng)交易是需要重點(diǎn)監(jiān)管的領(lǐng)域。

2020年7月11日國(guó)務(wù)院金融穩(wěn)定發(fā)展委員會(huì)（簡(jiǎn)稱金融委）第三十六次會(huì)議對(duì)資本市場(chǎng)長(zhǎng)期穩(wěn)定健康發(fā)展提出了更高的要求，除了金融委，中國(guó)證監(jiān)會(huì)對(duì)股指期現(xiàn)貨市場(chǎng)實(shí)行集中統(tǒng)一的監(jiān)督管理，滬深證券交易所和中金所分別對(duì)股票現(xiàn)貨和股指期貨的交易數(shù)據(jù)和信息進(jìn)行監(jiān)測(cè)。鑒于交易數(shù)據(jù)跨市場(chǎng)，股指期現(xiàn)貨跨市場(chǎng)監(jiān)管制度的建立十分有必要，而且跨市場(chǎng)流動(dòng)性和流動(dòng)性風(fēng)險(xiǎn)監(jiān)督管理制度對(duì)發(fā)揮市場(chǎng)功能和穩(wěn)定金融市場(chǎng)具有重要意義。隨著金融市場(chǎng)的發(fā)展，有效的跨市場(chǎng)流動(dòng)性監(jiān)管不僅需要對(duì)流動(dòng)性異常狀況進(jìn)行管理和處罰，還需要在風(fēng)險(xiǎn)事件發(fā)生之前預(yù)警。本文從市場(chǎng)微觀結(jié)構(gòu)角度出發(fā)，以知情交易概率作為市場(chǎng)信息不對(duì)稱的代理指標(biāo)，研究不同信息不對(duì)稱區(qū)制下，滬深300股指期現(xiàn)貨流動(dòng)性溢出的動(dòng)態(tài)性以及知情交易概率對(duì)滬深300股指期現(xiàn)貨流動(dòng)性的非線性影響。本文提出以知情交易概率作為預(yù)警指標(biāo)，以知情交易概率門限值作為預(yù)警閾值，一方面可以直接對(duì)投資者的行為進(jìn)行監(jiān)測(cè)，另一方面也能對(duì)由信息不對(duì)稱引發(fā)的其他市場(chǎng)質(zhì)量指標(biāo)的變化進(jìn)行預(yù)警。

二、文獻(xiàn)回顧與理論假設(shè)

（一）文獻(xiàn)回顧

流動(dòng)性是證券市場(chǎng)上迅速、低成本地執(zhí)行大量交易而不會(huì)造成價(jià)格大幅波動(dòng)的能力。學(xué)者總結(jié)了寬度、深度、彈性和及時(shí)性四個(gè)維度的流動(dòng)性測(cè)度方法，各個(gè)維度下測(cè)度流動(dòng)性的指標(biāo)比較豐富。比較而言，應(yīng)用較為廣泛的是Amihud（2002）[1]提出的非流動(dòng)性指標(biāo)，與其他流動(dòng)性指標(biāo)相比，其從“價(jià)格”和“交易量”兩個(gè)尺度測(cè)度股市流動(dòng)性（Goyenko等，2009;Fong等，2017）[2，3]。股指期貨與現(xiàn)貨在交易制度和交易方式上有一定差異，姚登寶（2019）[4]借鑒趙偉雄等（2010）[5]的期銅市場(chǎng)流動(dòng)性指標(biāo)，在Amihud（2002）[1]非流動(dòng)性指標(biāo)基礎(chǔ)上使用價(jià)格、成交量和持倉(cāng)量構(gòu)建股指期貨非流動(dòng)性指標(biāo)。隨著高頻交易的發(fā)展，對(duì)流動(dòng)性的測(cè)度從年度、月度發(fā)展到更高頻的日度和日內(nèi)測(cè)度，使用日內(nèi)高頻數(shù)據(jù)測(cè)度能夠提供更多市場(chǎng)信息，如Qiao等（2019）[6]采用5分鐘高頻交易數(shù)據(jù)估計(jì)滬深300股指期現(xiàn)貨的流動(dòng)性。

股指期現(xiàn)貨之間的聯(lián)動(dòng)關(guān)系是目前國(guó)內(nèi)外學(xué)術(shù)和實(shí)踐中討論的熱點(diǎn)問題，與其相關(guān)的研究主要集中于以下三個(gè)方面：第一，研究股指期貨推出對(duì)股票現(xiàn)貨市場(chǎng)的影響。羅洎和王瑩（2011）[7]以及酈金梁等（2012）[8]研究表明股指期貨推出后降低了現(xiàn)貨波動(dòng)率，提高了現(xiàn)貨市場(chǎng)流動(dòng)性;周亮（2019）[9]則認(rèn)為股指期貨推出降低的是現(xiàn)貨市場(chǎng)的長(zhǎng)期波動(dòng)。第二，研究股指期現(xiàn)貨的價(jià)格發(fā)現(xiàn)和引導(dǎo)關(guān)系。當(dāng)市場(chǎng)達(dá)到強(qiáng)式有效時(shí)，信息能同時(shí)到達(dá)期貨市場(chǎng)和現(xiàn)貨市場(chǎng)，由于股票市場(chǎng)尚未達(dá)到強(qiáng)式有效，因此學(xué)者一般認(rèn)為期貨市場(chǎng)在價(jià)格發(fā)現(xiàn)中發(fā)揮重要作用，并且對(duì)不同期限和政策下期貨對(duì)現(xiàn)貨價(jià)格的引導(dǎo)作用進(jìn)行了更加細(xì)微的分析（宋科艷，2016;許榮和劉成立，2019）[10，11]。第三，研究股指期現(xiàn)貨市場(chǎng)的波動(dòng)溢出效應(yīng)，波動(dòng)溢出是兩市場(chǎng)跨市場(chǎng)影響的重要表現(xiàn)，趙慧敏等（2018）[12]和朱莉（2019）[13]研究了不同市場(chǎng)態(tài)勢(shì)和期限下的波動(dòng)溢出效應(yīng)。

現(xiàn)有文獻(xiàn)對(duì)股指期現(xiàn)貨聯(lián)動(dòng)關(guān)系的研究大多集中于上述三方面，是對(duì)兩市場(chǎng)功能的研究，而股指期現(xiàn)貨市場(chǎng)流動(dòng)性作為兩市場(chǎng)發(fā)揮功能的基礎(chǔ)性因素，研究?jī)墒袌?chǎng)流動(dòng)性之間關(guān)系也具有重要意義。姚登寶等（2019）[4]使用月度數(shù)據(jù)和頻譜分析法研究滬深300股指期現(xiàn)貨流動(dòng)性的周期性和交互敏感性。本文研究的著眼點(diǎn)在于信息不對(duì)稱對(duì)兩市場(chǎng)流動(dòng)性和流動(dòng)性溢出的影響，使用日內(nèi)高頻數(shù)據(jù)構(gòu)建日度指標(biāo)，并通過TVAR模型的模型特征和門限值在更短時(shí)間內(nèi)對(duì)單一市場(chǎng)流動(dòng)性和兩市場(chǎng)流動(dòng)性溢出的異常狀況進(jìn)行預(yù)測(cè)或者預(yù)警。其中門限的含義是當(dāng)門限變量處于由門限閾值確定的不同區(qū)制時(shí)，適用不同的方程，通過區(qū)制分析，可以研究非線性和動(dòng)態(tài)的影響（張玉鵬和王茜，2016;劉玲等，2020;劉金全和艾昕，2020;陳忠陽和許悅，2016）[14-17]。關(guān)于TVAR模型在證券市場(chǎng)微觀結(jié)構(gòu)研究方面的應(yīng)用，Kulshrestha（2019）[18]以市場(chǎng)波動(dòng)作為門限值，研究市場(chǎng)不確定性對(duì)股票市場(chǎng)規(guī)模指數(shù)波動(dòng)率與流動(dòng)性關(guān)系的影響;Wang等（2020）[19]分別以時(shí)間和市場(chǎng)波動(dòng)作為門限變量，研究上證指數(shù)量?jī)r(jià)關(guān)系的結(jié)構(gòu)性變化和非對(duì)稱效應(yīng)。

（二）理論假設(shè)

根據(jù)市場(chǎng)微觀結(jié)構(gòu)和行為金融理論，信息會(huì)影響投資者的交易決策，而投資者的交易行為最終會(huì)以流動(dòng)性的形式表現(xiàn)出來，因此研究市場(chǎng)信息不對(duì)稱對(duì)市場(chǎng)流動(dòng)性的影響能更好地認(rèn)識(shí)金融市場(chǎng)的運(yùn)行。在市場(chǎng)微觀結(jié)構(gòu)理論中，投資者行為分為知情交易者行為和非知情交易者行為，知情交易行為的發(fā)生應(yīng)至少包含兩類條件：其一是市場(chǎng)并非完全有效，否則資產(chǎn)的價(jià)格已經(jīng)完全包含了信息，掌握信息的投資者也無法獲得超額收益;其二是投資者對(duì)信息的解讀是異質(zhì)的，即影響證券市場(chǎng)的信息是錯(cuò)綜復(fù)雜的，或許信息還存在一定不確定性，投資者即使基于相同的信息，做出的行為也不同。

知情交易概率（PIN）的計(jì)算由Easley等（1996）[20]在序貫交易模型的基礎(chǔ)上提出，但是PIN模型存在對(duì)假設(shè)參數(shù)進(jìn)行估計(jì)時(shí)使用極大似然法估計(jì)的滯后性缺陷。Easley等（2012）[21]在PIN模型的基礎(chǔ)上，提出基于等交易量（Volume Bucket）測(cè)算的知情交易概率（VPIN），這種非參數(shù)估計(jì)方法能夠直接計(jì)算知情交易概率值，受到業(yè)內(nèi)廣泛認(rèn)可。知情交易概率模型中的信息被定義為與資產(chǎn)未來價(jià)值有關(guān)的信息，信息對(duì)證券市場(chǎng)的影響最終通過投資者基于掌握的信息和對(duì)信息的判斷進(jìn)行決策來完成，因此知情交易概率對(duì)信息不對(duì)稱的測(cè)算并非直接分析市場(chǎng)上信息的數(shù)量，而是通過對(duì)投資者的交易行為進(jìn)行測(cè)算。

知情交易概率的值不同，表示市場(chǎng)信息風(fēng)險(xiǎn)和信息不對(duì)稱程度不同，當(dāng)知情交易概率值較大時(shí)，代表知情交易占比大，信息不對(duì)稱程度較高。由于中國(guó)投資者理性預(yù)期更加缺乏，羊群效應(yīng)更加顯著，所以知情交易概率值高時(shí)投資者的行為與知情交易概率值低時(shí)投資者的行為可能存在差異，而投資者行為會(huì)直接影響流動(dòng)性，從而導(dǎo)致知情交易概率對(duì)市場(chǎng)流動(dòng)性的影響存在門限效應(yīng)。市場(chǎng)知情交易概率是通過期貨市場(chǎng)高頻交易數(shù)據(jù)計(jì)算得出的，其對(duì)現(xiàn)貨市場(chǎng)流動(dòng)性的影響基于期現(xiàn)貨市場(chǎng)間的高度關(guān)聯(lián)性，如投資者捕獲現(xiàn)貨市場(chǎng)信息后用于期貨交易。高揚(yáng)（2014）[22]構(gòu)建VAR模型對(duì)滬深300股指期現(xiàn)貨市場(chǎng)微觀結(jié)構(gòu)指標(biāo)之間的關(guān)系進(jìn)行檢驗(yàn)，其中包括兩市場(chǎng)流動(dòng)性之間的關(guān)系，線性和非線性Granger因果關(guān)系檢驗(yàn)表明兩市場(chǎng)流動(dòng)性均存在雙向Granger因果關(guān)系，即存在雙向溢出。而由于不同的信息不對(duì)稱程度下，市場(chǎng)流動(dòng)性狀況不同，因此我們推測(cè)流動(dòng)性溢出效應(yīng)也不同。據(jù)此本文提出以下假設(shè)：

假設(shè)一：知情交易概率對(duì)市場(chǎng)流動(dòng)性的影響存在門限效應(yīng)。

假設(shè)二：滬深300股指期現(xiàn)貨存在雙向流動(dòng)性溢出，隨著信息不對(duì)稱程度加深，流動(dòng)性溢出效應(yīng)增強(qiáng)。

接下來，需要進(jìn)一步回答，市場(chǎng)知情交易概率對(duì)未來市場(chǎng)流動(dòng)性的影響方向。在知情交易理論模型中，知情交易者根據(jù)其掌握的好消息和壞消息與非知情交易者進(jìn)行交易，知情交易者與非知情交易者之間存在的信息不對(duì)稱導(dǎo)致非知情交易者成為流動(dòng)性的提供者，知情交易者根據(jù)擁有的信息獲利，非知情交易者則因此承擔(dān)損失。由于逆向選擇，非知情交易者會(huì)暫時(shí)退出市場(chǎng)，知情交易者的存在導(dǎo)致市場(chǎng)流動(dòng)性供需不平衡，進(jìn)而引發(fā)流動(dòng)性崩潰，此時(shí)知情交易者與非知情交易者都很難獲利，因此知情交易概率對(duì)市場(chǎng)流動(dòng)性存在負(fù)向影響，周強(qiáng)龍等（2015）[23]在高頻環(huán)境下研究得出同樣的結(jié)論。基于以上理論和實(shí)證研究，本文做出以下假設(shè)：

假設(shè)三：知情交易概率對(duì)股指期現(xiàn)貨市場(chǎng)流動(dòng)性有預(yù)測(cè)作用，對(duì)股指期現(xiàn)貨市場(chǎng)流動(dòng)性均有負(fù)向影響，而且隨著信息不對(duì)稱程度的加深，信息不對(duì)稱對(duì)流動(dòng)性的負(fù)向影響增強(qiáng)。

根據(jù)上述三個(gè)假設(shè)，市場(chǎng)知情交易概率對(duì)兩市場(chǎng)流動(dòng)性存在負(fù)向影響，市場(chǎng)知情概率升高將會(huì)惡化市場(chǎng)的流動(dòng)性水平，并且在高信息不對(duì)稱區(qū)制下，兩市場(chǎng)流動(dòng)性溢出效應(yīng)增強(qiáng)，因此以知情交易概率門限值劃分的高信息不對(duì)稱區(qū)制內(nèi)可能存在流動(dòng)性匱乏、高市場(chǎng)不確定性和高流動(dòng)性溢出，可以進(jìn)一步考慮知情交易概率門限值的預(yù)警作用。Easley等（2012）[21]研究表明E-mini S&P500股指期貨市場(chǎng)構(gòu)建的VPIN能夠?qū)γ拦砷W電崩盤發(fā)揮很好的預(yù)警功能;國(guó)內(nèi)學(xué)者劉文文和張合金（2013）[24]、周強(qiáng)龍等（2015）[23]和陳國(guó)進(jìn)等（2019）[25]研究表明VPIN對(duì)股指期現(xiàn)貨市場(chǎng)的影響和極端走勢(shì)的預(yù)警作用顯著，因此本文提出以下假設(shè)：

假設(shè)四：知情交易概率的門限值能對(duì)市場(chǎng)流動(dòng)性匱乏和市場(chǎng)不穩(wěn)定的狀況進(jìn)行預(yù)警。

在文獻(xiàn)回顧中，本文對(duì)流動(dòng)性測(cè)度方法、股指期現(xiàn)貨聯(lián)動(dòng)關(guān)系和門限模型的應(yīng)用進(jìn)行了綜述，發(fā)現(xiàn)學(xué)者多研究?jī)墒袌?chǎng)波動(dòng)之間的關(guān)系，兩市場(chǎng)流動(dòng)性之間的關(guān)系尚沒有定論。本文借鑒學(xué)者對(duì)市場(chǎng)流動(dòng)性的測(cè)度方法和TVAR模型以門限變量劃分區(qū)制的方法，并對(duì)信息不對(duì)稱與流動(dòng)性、流動(dòng)性溢出之間的關(guān)系做了理論假設(shè)和實(shí)證分析。相比已有研究，潛在貢獻(xiàn)如下：第一，使用信息不對(duì)稱的代理指標(biāo)知情交易概率作為門限變量，將信息不對(duì)稱程度分為不同的區(qū)制，以避免傳統(tǒng)區(qū)間效應(yīng)檢驗(yàn)中主觀設(shè)定門限值的弊端，通過統(tǒng)計(jì)方法來估計(jì)門限值，是已有文獻(xiàn)使用波動(dòng)率或宏觀經(jīng)濟(jì)變量作為門限變量的補(bǔ)充。第二，通過對(duì)模型的門限值和區(qū)制進(jìn)行分析，表明在信息不對(duì)稱程度更高的區(qū)制下，滬深300股指期現(xiàn)貨存在流動(dòng)性溢出，結(jié)合高區(qū)制所覆蓋的時(shí)間范圍，得出使用知情交易概率門限值作為市場(chǎng)不穩(wěn)定的預(yù)警閾值的結(jié)論。

三、模型、變量與數(shù)據(jù)

（一）TVAR模型

多區(qū)制VAR模型主要包括馬爾科夫轉(zhuǎn)換向量自回歸模型（MSVAR）、平滑轉(zhuǎn)移向量自回歸模型（STVAR）以及門限向量自回歸模型（TVAR），多區(qū)制VAR模型在研究時(shí)間序列的非對(duì)稱性和動(dòng)態(tài)特征上具有很大優(yōu)勢(shì)。其中，TVAR模型的門限變量既可以是外生變量，也可以是內(nèi)生變量，門限值可以設(shè)置為一個(gè)或多個(gè)，每一個(gè)區(qū)制都可以通過門限變量的門限值來確定邊界，能夠明確區(qū)制轉(zhuǎn)換過程。因此，本文使用TVAR模型進(jìn)行研究，不僅關(guān)注不同區(qū)制下模型系數(shù)矩陣的變化和系數(shù)顯著性變化，還關(guān)注門限變量的門限值本身。

（三）變量描述性統(tǒng)計(jì)

TVAR模型要求變量均平穩(wěn)，表1的Panel A描述性統(tǒng)計(jì)中，ADF檢驗(yàn)結(jié)果表明所有變量都是平穩(wěn)的，J-B統(tǒng)計(jì)量結(jié)果表明所有變量均拒絕了正態(tài)分布的假設(shè)。滬深300股指期現(xiàn)貨流動(dòng)性均呈左偏和高峰的態(tài)勢(shì)。知情交易概率的最小值為0.022，最大值為0.322，表明不同時(shí)間市場(chǎng)投資者信息不對(duì)稱程度差異較大。滬深300指數(shù)波動(dòng)呈右偏和高峰的態(tài)勢(shì)。從表1的Panel B可以看出，VPIN與FL和SL的相關(guān)性均不高，此結(jié)論可以用于后續(xù)模型分析。

根據(jù)圖1（a）滬深300指數(shù)的流動(dòng)性走勢(shì)，在2015年7月—2016年6月以及2018年，滬深300指數(shù)流動(dòng)性匱乏且存在波動(dòng)聚集特征，這兩個(gè)時(shí)間段分別為中國(guó)股市的全面熊市和結(jié)構(gòu)性熊市期間。從圖1（b）股指期貨流動(dòng)性走勢(shì)來看，2015年9月滬深300股指期貨流動(dòng)性驟然降低，原因在于中金所于2015年9月2日實(shí)施了嚴(yán)格的股指期貨限制交易措施，股指期貨交易量萎縮了90%，流動(dòng)性“跳水”;直到2016年4月，股指期貨流動(dòng)性才較為穩(wěn)定，但是流動(dòng)性水平仍低于限制交易措施實(shí)施前;此后，中金所于2017年2月、2017年9月以及2018年12月對(duì)限制交易措施進(jìn)行了“松綁”，每次“松綁”都伴隨著股指期貨市場(chǎng)流動(dòng)性的提升;2018年結(jié)構(gòu)性熊市期間，期貨市場(chǎng)流動(dòng)性波動(dòng)明顯小于現(xiàn)貨市場(chǎng)，2019年滬深300股指期貨流動(dòng)性更加穩(wěn)定，表明市場(chǎng)狀態(tài)相對(duì)穩(wěn)定。

四、實(shí)證分析

（一）不同信息不對(duì)稱區(qū)制的流動(dòng)性溢出效應(yīng)

本文構(gòu)建[SLt，F(xiàn)Lt，thvt-1Tt=1]系統(tǒng)研究不同信息不對(duì)稱下滬深300股指期現(xiàn)貨流動(dòng)性溢出效應(yīng)，其中[thvt-1]表示外生門限變量。本文選擇知情交易概率作為外生門限變量，先進(jìn)行LR檢驗(yàn)，判斷門限非線性特征是否成立以及門限值個(gè)數(shù)，然后構(gòu)建TVAR模型研究知情交易概率門限值劃分的不同區(qū)制下滬深300股指期現(xiàn)貨流動(dòng)性溢出效應(yīng)。

1. 門限值估計(jì)結(jié)果。以知情交易概率作為門限變量估計(jì)發(fā)現(xiàn)，滬深300股指期現(xiàn)貨流動(dòng)性之間的關(guān)系發(fā)生了非線性變動(dòng)，且1個(gè)門限值和2個(gè)門限值都通過了LR檢驗(yàn)（見表2）。本文選擇2個(gè)門限值，將全樣本分為三個(gè)區(qū)制。

2.區(qū)制分析。圖2為知情交易概率作為門限變量的區(qū)制轉(zhuǎn)換圖①，表2中的雙門限值從小到大分別在圖2中標(biāo)記為thv-VPIN1和thv-VPIN2，將信息不對(duì)稱程度劃分為低、中、高三個(gè)區(qū)制，分別為區(qū)制（1）、區(qū)制（2）和區(qū)制（3），為了能直觀展示區(qū)制所覆蓋的時(shí)間和市場(chǎng)態(tài)勢(shì)之間的關(guān)系，本文也在圖2中增加了滬深300指數(shù)波動(dòng)率走勢(shì)（RVS）。在區(qū)制轉(zhuǎn)換中主要關(guān)注兩方面：一方面是知情交易概率日度動(dòng)態(tài)值和知情交易概率門限值，當(dāng)知情交易概率值升高時(shí)，表示市場(chǎng)信息不對(duì)稱程度升高，當(dāng)知情交易概率值極端高時(shí)，市場(chǎng)投資者行為異常，極有可能引發(fā)市場(chǎng)流動(dòng)性匱乏和異常波動(dòng);另一方面是知情交易概率門限值劃分的區(qū)制對(duì)應(yīng)的時(shí)期、市場(chǎng)穩(wěn)定性和市場(chǎng)流動(dòng)性狀況。區(qū)制（3）信息不對(duì)稱程度最高，覆蓋的時(shí)間范圍為2014年12月—2016年7月、2018年1月—2018年12月以及2020年1月—2020年2月（使用矩形方框進(jìn)行了標(biāo)識(shí)），包含了2015年股市危機(jī)之前的股市暴漲、2015年受杠桿因素影響的股市危機(jī)、2018年受中美貿(mào)易戰(zhàn)影響的結(jié)構(gòu)性熊市以及2020年初受新冠肺炎疫情影響的股市大跌。相應(yīng)地，這些區(qū)間內(nèi)滬深300指數(shù)波動(dòng)率（RVS）較高，表明通過TVAR模型確定的知情交易概率門限值能將市場(chǎng)不穩(wěn)定的時(shí)間識(shí)別出來。區(qū)制（2）的時(shí)間范圍與區(qū)制（3）相差不大，區(qū)制（1）覆蓋了2014年7月—2014年11月、2016年8月—2017年12月以及2019年，這些區(qū)間內(nèi)股市較為平穩(wěn)，RVS相對(duì)較低。

3. 不同信息不對(duì)稱區(qū)制下的流動(dòng)性溢出實(shí)證結(jié)果。表3為知情交易概率門限值劃分的不同信息不對(duì)稱區(qū)制下，滬深300股指期現(xiàn)貨流動(dòng)性溢出的回歸結(jié)果。在區(qū)制（1），SL方程中僅有SL的滯后解釋變量顯著，F(xiàn)L方程中同樣只有FL的滯后解釋變量顯著，這表明在經(jīng)濟(jì)意義上，當(dāng)市場(chǎng)信息不對(duì)稱程度較低時(shí)，滬深300股指期現(xiàn)貨流動(dòng)性不存在溢出效應(yīng)。區(qū)制（2）SL方程中FL（-2）在10%的顯著性水平下顯著，F(xiàn)L方程中SL滯后解釋變量不顯著，表明存在期貨流動(dòng)性向現(xiàn)貨流動(dòng)性的微弱負(fù)向溢出效應(yīng)。在區(qū)制（3），SL方程中FL（-1）在5%的顯著性水平下顯著，F(xiàn)L方程中SL（-1）在1%的顯著性水平顯著，由此可以推斷在知情交易概率較高時(shí)，即市場(chǎng)投資者信息不對(duì)稱程度高時(shí)，滬深300股指期現(xiàn)貨流動(dòng)性存在雙向的正向溢出效應(yīng)，這一結(jié)果表明在高信息不對(duì)稱區(qū)制下，一個(gè)市場(chǎng)流動(dòng)性匱乏會(huì)引發(fā)兩市場(chǎng)流動(dòng)性風(fēng)險(xiǎn)的傳染?；诖私Y(jié)論，監(jiān)管者既要監(jiān)測(cè)單個(gè)市場(chǎng)的流動(dòng)性狀況，也要監(jiān)測(cè)跨市場(chǎng)流動(dòng)性風(fēng)險(xiǎn)的傳染。此外，發(fā)生風(fēng)險(xiǎn)傳染時(shí)，監(jiān)管者針對(duì)一個(gè)市場(chǎng)制定的政策對(duì)另外一個(gè)市場(chǎng)也會(huì)產(chǎn)生影響。根據(jù)區(qū)制（3）下滬深300股指期現(xiàn)貨市場(chǎng)流動(dòng)性存在雙向溢出的結(jié)論，結(jié)合區(qū)制分析中高信息不對(duì)稱區(qū)制對(duì)應(yīng)的時(shí)間和市場(chǎng)波動(dòng)狀況，推斷出滬深300股指期現(xiàn)貨流動(dòng)性溢出發(fā)生在市場(chǎng)波動(dòng)大、不穩(wěn)定時(shí)期，也證明了假設(shè)二和假設(shè)四是正確的。

（二）檢驗(yàn)知情交易概率對(duì)流動(dòng)性的影響

為檢驗(yàn)知情交易概率對(duì)滬深300股指期現(xiàn)貨流動(dòng)性的影響，建立[SLt，VPINtTt=1]和[FLt，VPINtTt=1]兩個(gè)VAR系統(tǒng)，并均以內(nèi)生變量[VPINt-1]作為門限變量。在VPIN顯著的區(qū)制內(nèi)，流動(dòng)性包含滯后的VPIN信息，或者說滯后的VPIN能夠?qū)L和FL 進(jìn)行預(yù)測(cè)。在不同區(qū)制下，知情交易概率與流動(dòng)性之間的關(guān)系發(fā)生變化，表明作為區(qū)制邊界的門限值具有重要作用。在兩個(gè)系統(tǒng)中，主要分析SL方程、FL方程中知情交易概率對(duì)流動(dòng)性的影響。

1.門限值估計(jì)結(jié)果。表4為兩個(gè)TVAR系統(tǒng)的非線性檢驗(yàn)結(jié)果，結(jié)果表明兩個(gè)系統(tǒng)中1個(gè)門限值和2個(gè)門限值均通過了LR檢驗(yàn)，因此均選擇2個(gè)門限值，將全樣本劃分為3個(gè)區(qū)制。

2.知情交易概率對(duì)滬深300指數(shù)流動(dòng)性的非線性影響。表5為知情交易概率對(duì)滬深300指數(shù)流動(dòng)性影響的回歸結(jié)果。在3個(gè)區(qū)制下，SL方程中均包含了VPIN滯后解釋變量的顯著項(xiàng)。在區(qū)制（1）和區(qū)制（2）下，顯著項(xiàng)均為VPIN（-6），滯后階數(shù)表明在這兩個(gè)區(qū)制內(nèi)知情交易概率對(duì)滬深300指數(shù)流動(dòng)性的影響是周度的，這是因?yàn)橹榻灰赘怕室怨芍钙谪浭袌?chǎng)交易數(shù)據(jù)構(gòu)建，而投資者在期貨市場(chǎng)的交易又以現(xiàn)貨市場(chǎng)未來資產(chǎn)價(jià)格相關(guān)信息為基礎(chǔ)，因此由期貨市場(chǎng)構(gòu)建的信息不對(duì)稱指標(biāo)對(duì)周度未來現(xiàn)貨市場(chǎng)流動(dòng)性有影響。在低信息不對(duì)稱的區(qū)制（1）中的影響為正向，因?yàn)榇藭r(shí)信息透明度較高，知情交易者對(duì)信息持有異質(zhì)信念，不會(huì)過度消耗市場(chǎng)流動(dòng)性。在區(qū)制（2）影響為負(fù)向，在高信息不對(duì)稱的區(qū)制（3），顯著項(xiàng)為VPIN（-3）和VPIN（-5），綜合兩個(gè)解釋變量的系數(shù)值來看影響為負(fù)向，與區(qū)制（2）的VPIN（-6）負(fù)向影響相比，滯后階數(shù)變小，負(fù)系數(shù)值變大且顯著性增強(qiáng)，表明知情交易概率跨越0.127的門限值后，知情交易行為消耗了市場(chǎng)流動(dòng)性，跨越0.150的門限后，對(duì)流動(dòng)性的消耗更為顯著，滯后階數(shù)變小是因?yàn)樾畔⒉粚?duì)稱程度越高，投機(jī)者的短期投機(jī)行為越活躍，并且現(xiàn)貨市場(chǎng)存在賣空限制，容易形成羊群效應(yīng)，從而更容易導(dǎo)致流動(dòng)性崩潰。根據(jù)上述分析，知情交易概率對(duì)滬深300指數(shù)流動(dòng)性有預(yù)測(cè)作用，知情交易概率值升高代表未來現(xiàn)貨市場(chǎng)流動(dòng)性的惡化。

3. 知情交易概率對(duì)股指期貨流動(dòng)性的非線性影響。表6為知情交易概率對(duì)股指期貨流動(dòng)性影響的回歸結(jié)果。在區(qū)制（1），方程FL中VPIN的滯后解釋變量均不顯著，表明此時(shí)知情交易概率對(duì)期貨流動(dòng)性幾乎沒有影響。在區(qū)制（2），VPIN（-1）、VPIN（-2）、VPIN（-3）和VPIN（-4）的系數(shù)均在1%的顯著性水平顯著，總體來看知情交易概率對(duì)流動(dòng)性有負(fù)向影響。而在區(qū)制（3），VPIN（-1）、VPIN（-2）和VPIN（-5）的系數(shù)值為正，表明在極端信息不對(duì)稱情形下，知情交易概率反而對(duì)期貨市場(chǎng)流動(dòng)性有正向影響，這可能歸因于期貨市場(chǎng)買空和賣空的雙向交易機(jī)制。股指期貨市場(chǎng)參與者分為套期保值者、套利者和投機(jī)者，基于股指期貨T+0的交易制度，在極端信息不對(duì)稱情形下，投機(jī)者能夠在短期內(nèi)頻繁進(jìn)行買賣操作，為股指期貨市場(chǎng)提供流動(dòng)性。在2015年股市危機(jī)中，投機(jī)者確實(shí)為股指期貨提供了流動(dòng)性，中金所為限制投機(jī)實(shí)行限制股指期貨交易的政策后，市場(chǎng)處于深度貼水狀態(tài)，增加了現(xiàn)貨市場(chǎng)的拋壓。

總而言之，知情交易概率對(duì)滬深300股指期現(xiàn)貨流動(dòng)性存在非線性影響的結(jié)果證明了假設(shè)一。對(duì)于假設(shè)三，不同信息不對(duì)稱下知情交易概率對(duì)兩市場(chǎng)流動(dòng)性的影響更為復(fù)雜，知情交易概率的預(yù)測(cè)作用主要表現(xiàn)在對(duì)現(xiàn)貨市場(chǎng)流動(dòng)性的預(yù)測(cè)上，因?yàn)楫?dāng)知情交易概率值跨越0.127的門限，其對(duì)現(xiàn)貨流動(dòng)性的影響一直保持為負(fù)向，信息不對(duì)稱增加必然會(huì)導(dǎo)致現(xiàn)貨市場(chǎng)流動(dòng)性惡化。

五、穩(wěn)健性檢驗(yàn)

（一）三變量TVAR模型

為檢驗(yàn)第四部分實(shí)證結(jié)果的穩(wěn)健性，本文構(gòu)建了三變量TVAR模型，將VPIN作為內(nèi)生變量，建立的系統(tǒng)為[SLt，F(xiàn)Lt，VPINtTt=1]，將門限變量設(shè)置為[VPINt-1]，先進(jìn)行非線性檢驗(yàn)，然后對(duì)三變量TVAR模型進(jìn)行實(shí)證分析。

1. 門限值估計(jì)結(jié)果。表7中1個(gè)門限值和2個(gè)門限值均通過了LR檢驗(yàn)，對(duì)于三變量TVAR模型，選擇2個(gè)門限值進(jìn)行實(shí)證分析。VPIN的兩個(gè)門限值分別為0.137和0.148，與第四部分VPIN作為外生門限變量時(shí)的結(jié)果（0.136和0.146）相差不大，表明門限值確定的穩(wěn)健性。

2. 三變量TVAR模型實(shí)證結(jié)果。三變量TVAR模型結(jié)果與第四部分實(shí)證結(jié)果相比，有如下結(jié)論：第一，在穩(wěn)健性檢驗(yàn)中，知情交易概率跨越第一個(gè)門限值后，即在區(qū)制（2）和區(qū)制（3），跨市場(chǎng)流動(dòng)性溢出效應(yīng)變得顯著，這與第四部分不同信息不對(duì)稱區(qū)制下的流動(dòng)性溢出實(shí)證結(jié)果相同。第二，穩(wěn)健性檢驗(yàn)中知情交易概率對(duì)滬深300指數(shù)流動(dòng)性的影響與第四部分表5的結(jié)果基本一致，在區(qū)制（2）和區(qū)制（3）下均表現(xiàn)為負(fù)向影響，區(qū)別在于穩(wěn)健性檢驗(yàn)結(jié)果表明區(qū)制（1）知情交易概率對(duì)滬深300指數(shù)沒有影響，而表5結(jié)果表明區(qū)制（1）時(shí)有正向影響，可能是模型中知情交易概率滯后階數(shù)不同。第三，穩(wěn)健性檢驗(yàn)中知情交易概率對(duì)股指期貨流動(dòng)的影響與第四部分表6的結(jié)果基本一致。

（二）進(jìn)一步選擇門限變量VPIN的滯后階數(shù)

上述分析均選擇滯后一階的知情交易概率作為門限變量，雖然在三變量TVAR模型中證實(shí)了知情交易概率門限值的穩(wěn)健性，但這是基于主觀的判斷。本文以滯后2日—22日的知情交易概率移動(dòng)平均值作為門限變量，對(duì)知情交易概率門限值的預(yù)警作用做進(jìn)一步檢驗(yàn)。圖3中的門限值結(jié)果均通過了LR檢驗(yàn)，并且不同門限變量下，均為中間區(qū)制開始存在流動(dòng)性溢出效應(yīng)，高區(qū)制下流動(dòng)性溢出更加顯著（受篇幅所限，非線性檢驗(yàn)和回歸結(jié)果不再列示）。表8為對(duì)圖3中門限值的描述性統(tǒng)計(jì)和結(jié)構(gòu)性變點(diǎn)檢驗(yàn)，不同滯后期門限變量的同類門限值標(biāo)準(zhǔn)差較小，結(jié)構(gòu)性變點(diǎn)檢驗(yàn)進(jìn)一步表明不同滯后期的同類門限值并未發(fā)生結(jié)構(gòu)性變化，說明受移動(dòng)平均方法的影響，雖然隨著移動(dòng)平均滯后期的拉長(zhǎng)，模型識(shí)別的門限值呈下降趨勢(shì)，但是并不影響知情交易概率作為預(yù)警指標(biāo)的可靠性。

根據(jù)知情交易概率存在雙門限值，可以建立知情交易概率分級(jí)預(yù)警制度，并且根據(jù)預(yù)警指標(biāo)的滯后階數(shù)選擇不同的預(yù)警閾值，將測(cè)度的知情交易概率指標(biāo)與預(yù)設(shè)的預(yù)警閾值范圍進(jìn)行比較，當(dāng)知情交易概率超過第一個(gè)閾值時(shí)，輸出存在中風(fēng)險(xiǎn)，當(dāng)知情交易概率超過第二個(gè)閾值時(shí)，輸出存在高風(fēng)險(xiǎn)。因?yàn)楫?dāng)知情交易概率達(dá)到第一個(gè)門限值時(shí)，流動(dòng)性溢出效應(yīng)不是特別明顯，監(jiān)管者對(duì)證券市場(chǎng)采取一定措施可以防止市場(chǎng)過度高漲和過度萎縮，及早防范和化解風(fēng)險(xiǎn);而當(dāng)市場(chǎng)達(dá)到極端信息不對(duì)稱時(shí)，市場(chǎng)波動(dòng)過大，流動(dòng)性極端匱乏，很容易導(dǎo)致股市崩盤。

六、結(jié)論與政策建議

本文在VAR框架下檢驗(yàn)滬深300股指期現(xiàn)貨流動(dòng)性溢出效應(yīng)和知情交易概率對(duì)滬深300股指期現(xiàn)貨流動(dòng)性的影響，傳統(tǒng)的VAR方法只能解釋靜態(tài)的流動(dòng)性溢出，因此本文引入TVAR模型方法，研究不同信息不對(duì)稱下滬深300股指期現(xiàn)貨流動(dòng)性溢出的動(dòng)態(tài)性。本文的研究結(jié)果是：第一，與學(xué)者認(rèn)為滬深300股指期現(xiàn)貨價(jià)格、收益和波動(dòng)存在長(zhǎng)期高正相關(guān)的結(jié)論不同，本文的研究結(jié)果表明滬深300股指期現(xiàn)貨流動(dòng)性溢出效應(yīng)顯著發(fā)生于高信息不對(duì)稱區(qū)制，低信息不對(duì)稱下，兩市場(chǎng)不存在顯著的流動(dòng)性溢出。第二，關(guān)于知情交易概率對(duì)滬深300股指期現(xiàn)貨流動(dòng)性的影響，研究表明知情交易概率的上升代表現(xiàn)貨市場(chǎng)流動(dòng)性惡化，而在極端信息不對(duì)稱下，受股指期貨雙向交易制度的影響，知情交易概率對(duì)股指期貨流動(dòng)性的影響為正向。第三，以知情交易概率作為流動(dòng)性匱乏、流動(dòng)性溢出以及市場(chǎng)不穩(wěn)定的預(yù)警指標(biāo)具有可行性和可靠性，且知情交易概率門限值可以作為預(yù)警閾值。

研究結(jié)果對(duì)于監(jiān)管者建立流動(dòng)性跨市場(chǎng)監(jiān)管制度和投資者更好理解證券市場(chǎng)的信息結(jié)構(gòu)和信息風(fēng)險(xiǎn)具有重要意義。監(jiān)管者需要兼顧宏微觀審慎監(jiān)管，可以將知情交易概率納入流動(dòng)性跨市場(chǎng)監(jiān)管體系中，建立知情交易概率分級(jí)預(yù)警制度，當(dāng)知情交易概率值達(dá)到第一個(gè)預(yù)警閾值時(shí)，啟動(dòng)預(yù)警機(jī)制，監(jiān)管者要及時(shí)關(guān)注證券市場(chǎng)流動(dòng)性的變化，監(jiān)測(cè)操縱和擾亂市場(chǎng)的行為，找到市場(chǎng)態(tài)勢(shì)變化的原因，通過實(shí)施相應(yīng)的政策和市場(chǎng)操作進(jìn)行調(diào)整，盡早防范和化解風(fēng)險(xiǎn)，避免知情交易概率達(dá)到第二個(gè)預(yù)警閾值后發(fā)生流動(dòng)性過度匱乏和市場(chǎng)過度波動(dòng)。對(duì)于投資者，知情交易概率指標(biāo)可以作為投資者流動(dòng)性風(fēng)險(xiǎn)管理和投資博弈的參考指標(biāo);對(duì)于非知情交易者，知情交易概率指標(biāo)可以用于分析市場(chǎng)上其他投資者的行為。

注：

①圖2中，VPINt-1對(duì)應(yīng)RVSt，并以t期的日期作為橫坐標(biāo)，本文研究t-1期的知情交易概率對(duì)t期市場(chǎng)流動(dòng)性、流動(dòng)性溢出與市場(chǎng)穩(wěn)定性的影響，這樣處理可以更準(zhǔn)確地識(shí)別三個(gè)區(qū)制所對(duì)應(yīng)的時(shí)間。

參考文獻(xiàn)：

[1]Amihud Y. 2002. Illiquidity and Stock Returns： Cross-section and Time-series Effects [J].Journal of Financial Markets，25（1）.

[2]Goyenko R Y，Holden C W，Trzcinka C A. 2009. Do Liquidity Measures Measure Liquidity？ [J].Journal of Financial Economics，92（2）.

[3]Fong K Y L，Holden C W，Trzcinka C. 2017. What are the Best Liquidity Proxies for Global Research？ [J].Review of Finance，（4）.

[4]姚登寶.股指期貨、現(xiàn)貨市場(chǎng)流動(dòng)性之間的周期聯(lián)動(dòng)效應(yīng) [J].浙江工商大學(xué)學(xué)報(bào)，2019，（2）.

[5]趙偉雄，何建敏，賈萬敬.我國(guó)期銅市場(chǎng)流動(dòng)性與貨幣供給關(guān)系的實(shí)證研究 [J].數(shù)理統(tǒng)計(jì)與管理，2010，29（4）.

[6]Qiao G，Teng Y，et al. 2019. The Cross-Market Dynamic Effects of Liquidity on Volatility：Evidence from Chinese Stock Index and Futures Markets [J].Applied Economics，52（1）.

[7]羅洎，王瑩.股指期貨對(duì)證券市場(chǎng)波動(dòng)性和流動(dòng)性的影響——基于中國(guó)市場(chǎng)的經(jīng)驗(yàn)研究 [J].宏觀經(jīng)濟(jì)研究，2011，（6）.

[8]酈金梁，雷曜，李樹憬.市場(chǎng)深度、流動(dòng)性和波動(dòng)率——滬深300股票指數(shù)期貨啟動(dòng)對(duì)現(xiàn)貨市場(chǎng)的影響 [J].金融研究，2012，（6）.

[9]周亮.股指期貨上市對(duì)股市波動(dòng)率的影響——基于雙重差分模型的分析 [J].西南大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，41（3）.

[10]宋科艷.我國(guó)股指期貨與指數(shù)現(xiàn)貨價(jià)格引導(dǎo)關(guān)系研究——基于非對(duì)稱門限協(xié)整模型的分析 [J].財(cái)經(jīng)問題研究，2016，（9）.

[11]許榮，劉成立.限制交易政策如何影響期現(xiàn)關(guān)系？——對(duì)股指期貨價(jià)格發(fā)現(xiàn)功能的實(shí)證檢驗(yàn) [J].金融研究，2019，（2）.

[12]趙慧敏，陳曉倩，黃嵩.中國(guó)股指期貨和現(xiàn)貨市場(chǎng)信息傳導(dǎo)關(guān)系在牛熊市中的異化現(xiàn)象 [J].系統(tǒng)工程理論與實(shí)踐，2018，38（4）.

[13]朱莉.滬深300股指期現(xiàn)貨市場(chǎng)信息溢出的因果檢驗(yàn)——基于股指期貨市場(chǎng)政策頻繁調(diào)整期的數(shù)據(jù) [J].金融理論與實(shí)踐，2019，（8）.

[14]張玉鵬，王茜.政策不確定性的非線性宏觀經(jīng)濟(jì)效應(yīng)及其影響機(jī)制研究 [J].財(cái)貿(mào)經(jīng)濟(jì)，2016，（4）.

[15]劉玲，陳樂一，李玉雙.全球經(jīng)濟(jì)政策不確定性與中國(guó)糧食價(jià)格——基于非對(duì)稱性視角的分析 [J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2020，（5）.

[16]劉金全，艾昕.經(jīng)濟(jì)政策不確定性視角下宏觀杠桿的調(diào)控效應(yīng)及其策略選擇 [J].改革，2020，（3）.

[17]陳忠陽，許悅.我國(guó)金融壓力指數(shù)的構(gòu)建與應(yīng)用研究 [J].當(dāng)代經(jīng)濟(jì)科學(xué)，2016，38（1）.

[18]Kulshrestha K， Bhaduri S N. 2019. The Joint Dynamics of Liquidity and Volatility Across Small-and Large-index Indian Funds [J].Journal of Emerging Market Finance， 18（2）.

[19]Wang P，Ho T，Li Y. 2020. The Price-Volume Relationship of the Shanghai Stock Index： Structural Change and the Threshold Effect of Volatility [J]. Sustainability，12（8）.

[20]Easley D，Nicholas K，et al. 1996. Liquidity，Information，and Infrequently Traded Stocks [J].Journal of Finance， 51（4）.

[21]Easley D，Prado M，O'Hara M. 2012. Flow Toxicity and Liquidity in a High-frequency World [J].Review of Financial Studies，25（5）.

[22]高揚(yáng).股指期現(xiàn)貨市場(chǎng)間流動(dòng)性、波動(dòng)率與交易活躍度考察 [J].統(tǒng)計(jì)與決策，2014，（22）.

[23]周強(qiáng)龍，朱燕建，賈璐熙.市場(chǎng)知情交易概率、流動(dòng)性與波動(dòng)性——來自中國(guó)股指期貨市場(chǎng)的經(jīng)驗(yàn)證據(jù) [J].金融研究，2015，（5）.

[24]劉文文，張合金.測(cè)量高頻交易領(lǐng)域中的指令流毒性——基于我國(guó)滬深300指數(shù)期貨的實(shí)證研究 [J].中國(guó)經(jīng)濟(jì)問題，2013，（1）.

[25]陳國(guó)進(jìn)，張潤(rùn)澤等.知情交易、信息不確定性與股票風(fēng)險(xiǎn)溢價(jià) [J].管理科學(xué)學(xué)報(bào)，2019，22（4）.