崔海蓉 李晶晶 魯訓法

摘? ?要：選取隱含波動率差指標，以上證50ETF期權(quán)為研究樣本，研究了期權(quán)市場買賣權(quán)平價關(guān)系偏離能否預測標的資產(chǎn)未來的收益信息。將分組分析和回歸分析兩種方法相融合，并將樣本數(shù)據(jù)劃分為三個不同階段進行分析，結(jié)果顯示，在發(fā)展初期期權(quán)市場包含標的資產(chǎn)未來較短時間內(nèi)的收益信息，但信息含量很少;隨著期權(quán)市場的發(fā)展，即在發(fā)展中期和發(fā)展期，期權(quán)市場包含標的資產(chǎn)未來更長時間范圍內(nèi)的收益信息且信息方向發(fā)生改變;期權(quán)市場能否準確預測現(xiàn)貨市場信息與投資者情緒顯著相關(guān)。

關(guān)鍵詞：買賣權(quán)平價關(guān)系;隱含波動率差;市場效率;投資者情緒;流動性

一、引言

市場是信息的集散地，對市場信息的提煉一直是學者們研究的重點。若能合理利用市場信息，就可以提前對市場未來可能出現(xiàn)的金融風險做好應對準備。近年來，衍生品的發(fā)展催生了大量針對衍生品市場信息的研究，其中由于期權(quán)支付的非線性，期權(quán)市場的隱含信息成為目前研究的熱點。

雖然理論上期權(quán)是冗余證券，期權(quán)市場無法反映標的市場以外的信息，然而在現(xiàn)實中期權(quán)市場相對現(xiàn)貨市場存在著一定的信息優(yōu)勢（鄭振龍等，2012）[1]，這主要是因為相比現(xiàn)貨市場，期權(quán)市場高杠桿、低交易成本的優(yōu)勢使得許多知情交易者選擇先在期權(quán)市場上進行交易。此外，期權(quán)市場也有利于噪音交易者隱藏交易。

上證50ETF期權(quán)自2015年2月9日推出以來已經(jīng)歷了六年多的發(fā)展，從剛上市到逐步發(fā)展成熟需要經(jīng)歷一個長期過程，那么目前上證50ETF期權(quán)市場發(fā)展狀況如何值得研究。本文通過買賣權(quán)平價關(guān)系偏離來研究期權(quán)市場的信息含量，并以上證50ETF期權(quán)為例，探究我國指數(shù)期權(quán)市場的發(fā)展狀況，為期權(quán)市場的后續(xù)發(fā)展提供建議，為維護金融市場的安全和穩(wěn)定提供重要參考。

二、文獻綜述

Black（1975）[2]最早提出期權(quán)市場的高杠桿可能使得知情交易者選擇交易期權(quán)而不是股票;Figlewski和Webb（1993）[3]認為由于期權(quán)市場的賣空成本更低、杠桿更高，投資者更傾向于在期權(quán)市場利用私人信息進行交易，因而一個自然的結(jié)果就是期權(quán)市場將可能早于股票市場反映價格信息。

要驗證Black等人的觀點，需要在期權(quán)市場及其原生資產(chǎn)價格之間建立起聯(lián)系（胡昌生等，2019）[4]。于是部分學者通過期權(quán)交易量與標的資產(chǎn)收益或波動之間的關(guān)系來研究期權(quán)市場的信息含量。Easley等（1998）[5]最早構(gòu)造了包含現(xiàn)貨市場價格信息的期權(quán)交易量模型（the sequential trade model），發(fā)現(xiàn)美國CBOE市場的期權(quán)交易量包含股票未來的收益信息。Lee和Wang（2016）[6]則綜合以往文獻中的期權(quán)與標的股票交易量之比等多項指標，將投資者類型進一步細分，發(fā)現(xiàn)在中國臺灣指數(shù)期權(quán)市場上僅外國機構(gòu)投資者具有顯著預測力，且相對其他指標看漲期權(quán)與標的股票交易量之比預測能力更好。Ryu和Yang（2019）[7]、Yang等（2019）[8]則研究發(fā)現(xiàn)期權(quán)交易量包含標的未來的波動信息，其中，期權(quán)市場對波動率的總體需求并不能預測股市波動性，但是外國投資者的Vega加權(quán)凈需求包含了未來波動的重要信息。呂雪嶺等（2020）[9]則同時從異常收益率和波動率兩個角度研究期權(quán)交易對標的市場的影響。

同時，一些學者發(fā)現(xiàn)期權(quán)市場的隱含波動率偏斜抑或擁有現(xiàn)貨市場的收益信息。Rubinstein（1994）[10]最早提出由于市場不完美，現(xiàn)實中的隱含波動率并非如B-S公式那樣為常數(shù)，而是呈現(xiàn)出偏斜狀態(tài)。在此之后波動率偏斜對標的未來收益的預期成為重要的研究方向之一。研究者主要通過構(gòu)造投資組合計算超額收益和回歸分析兩種方法來研究波動率偏斜的信息含量，得出的結(jié)論大多為標的未來收益與波動率偏斜呈負相關(guān)關(guān)系，如Zhang（2018）[11]、倪中新等（2020）[12]等。學者們對于這種關(guān)系的解釋為：擁有未來股價消極信息的投資者會增加對看跌期權(quán)的需求或（和）減少對看漲期權(quán)的需求，進而看跌期權(quán)隱含波動率上升或（和）看漲期權(quán)隱含波動率下降;擁有未來股價積極信息的投資者會增加對看漲期權(quán)的需求或（和）減少對看跌期權(quán)的需求，進而看漲期權(quán)隱含波動率上升或（和）看跌期權(quán)隱含波動率下降。

還有不少學者認為風險中性偏度與波動率偏斜可以反映相同或相關(guān)度很高的信息（Dennis和Mayhew，2002）[13]。通過某一時間到期的期權(quán)的波動率偏斜可以確定資產(chǎn)價格的風險中性概率，亦稱為隱含概率分布。波動率偏斜對應的隱含概率分布比對數(shù)正態(tài)分布有更肥的左端尾部和更瘦的右端尾部（赫爾，2014）[14]，而風險中性偏度是資產(chǎn)在風險中性測度下收益率分布的偏度程度。鄭振龍等（2019）[15]對在岸人民幣期權(quán)和離岸人民幣期權(quán)的風險中性偏度進行了研究，他們發(fā)現(xiàn)在“8·11匯改”之后，外匯期權(quán)市場的風險中性偏度包含了越來越多的關(guān)于匯率未來價格分布的信息。

除了波動率偏斜和風險中性偏度指標以外，部分學者運用方差風險溢價（即隱含方差與已實現(xiàn)方差之差）來衡量期權(quán)市場是否擁有現(xiàn)貨市場的收益信息，如Zhou（2018）[16]、Yun（2020）[17]等。他們得出的結(jié)論大致相同，即方差風險溢價越大，標的資產(chǎn)未來收益越高。

然而，具有相同到期期限和行權(quán)價格的看漲和看跌期權(quán)的隱含波動率是不相等的（陳蓉和趙永杰，2017）[18]，即看漲期權(quán)和看跌期權(quán)之間存在隱含波動率差（Implied Volatility Spread，縮寫為IVS），也稱之為買賣權(quán)平價關(guān)系偏離（Deviations from Put-Call Parity）（Cremers和Weinbaum，2010）[19]。Nishiotis和Rompolis（2019）[20]通過構(gòu)造投資組合的方法對個股期權(quán)進行研究，發(fā)現(xiàn)這種波動率差包含標的資產(chǎn)的未來收益信息;而Cao等（2020）[21]則是運用回歸分析的方法，發(fā)現(xiàn)個股期權(quán)的隱含波動率差對標的個股的長期股本溢價具有預測能力。

綜上所述，目前的研究都是分別針對期權(quán)市場包含現(xiàn)貨市場兩種不同類型的信息展開的，即基于標的價格的方向性信息（收益率）和基于不確定性的波動信息（波動率），但這些研究基本都是針對個股期權(quán)進行的，針對中國期權(quán)市場的研究則較少。在研究方法上普遍運用分組構(gòu)造投資組合法或回歸分析法，研究方法較為單一。在指標選取上雖然采用了波動率偏斜、風險中性偏度、方差風險溢價等較為豐富的指標，但是沒有考慮期權(quán)價格偏離買賣權(quán)平價關(guān)系的可能性，而是直接假定服從買賣權(quán)平價關(guān)系，這完全背離了真實金融市場狀況。

基于以上不足，本文的研究主要出于以下考慮：首先，本文以上證50ETF期權(quán)為研究樣本，通過買賣權(quán)平價關(guān)系偏離來衡量期權(quán)市場隱含的未來現(xiàn)貨市場的收益信息，所采用的指標為隱含波動率差（IVS）。與之前的指標相比，該指標可以直接作用于現(xiàn)實世界，在反映期權(quán)與標的市場信息傳遞狀況的同時，還可以反映出看漲看跌期權(quán)的相對定價效率。其次，針對目前所使用的分組分析和回歸分析兩種方法的優(yōu)劣，并結(jié)合上證50ETF期權(quán)的特點，將兩種方法相融合來研究IVS對未來收益率的預測能力，以使得結(jié)果更加科學可信。再次，為了考察IVS本身的時變特征及其對標的資產(chǎn)未來收益預測能力的演變過程，特別將相關(guān)數(shù)據(jù)分成三個階段討論，從而得到了非常有意義的結(jié)果。最后，由于期權(quán)市場是全體參與者整體預期的體現(xiàn)，但這一預期是理性預期還是非理性預期值得探討。如果考慮非理性預期的可能性，投資者情緒可以作為非理性表現(xiàn)的指標，為此構(gòu)建投資者情緒指標，研究買賣權(quán)平價關(guān)系的偏離是否受到投資者情緒的影響。

三、數(shù)據(jù)說明

（一） 數(shù)據(jù)來源

上證50ETF期權(quán)的標的為上證50ETF。上證50ETF期權(quán)于2015年2月9日在上海證券交易所上市，樣本區(qū)間選自2015年2月9日開始，至2019年9月20日結(jié)束，共計1127個交易日，數(shù)據(jù)來自國泰安數(shù)據(jù)庫和銳思數(shù)據(jù)庫。期權(quán)數(shù)據(jù)包括每日各行權(quán)價格和到期期限的期權(quán)持倉量、交易量、隱含波動率。其中隱含波動率數(shù)據(jù)用于計算隱含波動率差，該數(shù)據(jù)是基于B-S期權(quán)定價公式求得的（Li，2005）[22]。目前的一些研究采用無模型方法來計算隱含波動率，由于無模型方法通常需要對數(shù)據(jù)進行離散化和內(nèi)外插值處理，對期權(quán)行權(quán)價格數(shù)據(jù)量要求較高（Ryu和Yang，2019）[7]，考慮到上證50ETF期權(quán)實際情況，B-S公式計算效果會更好，因此，本文直接采用該指標進行后續(xù)研究。標的資產(chǎn)數(shù)據(jù)包括每日收盤價、開盤價及交易量。關(guān)于投資者情緒數(shù)據(jù)還包括每日滬市融資融券余額、滬市流通市值加權(quán)市場日換手率。

為了更好地挖掘隱含波動率差的信息，借鑒Cremers和Weinbaum（2010）[19]的做法，并根據(jù)上證50ETF期權(quán)的發(fā)展歷程將樣本劃分為三個區(qū)間：發(fā)展初期（2015年2月9日—2016年7月29日）、發(fā)展中期（2016年8月1日—2018年4月2日）和發(fā)展期（2018年4月3日—2019年9月20日）。圖1為IVS的原序列圖，該圖直觀地揭示了這樣劃分的合理性：在第一個子區(qū)間IVS波動較大;在第二個子區(qū)間內(nèi)IVS趨于穩(wěn)定，均值增大且多為負數(shù);在第三個子區(qū)間內(nèi)，IVS均值進一步增大且為正數(shù)。

（二）IVS描述性統(tǒng)計分析

買賣權(quán)平價關(guān)系偏離的程度主要由IVS的絕對值大小來反映。從圖1可以看出IVS明顯異于零，說明上證50ETF看漲期權(quán)和看跌期權(quán)的隱含波動率絕大部分情況下偏離了買賣權(quán)平價關(guān)系。尤其在發(fā)展初期階段，買賣權(quán)平價關(guān)系偏離的程度更大，意味著上證50ETF期權(quán)市場在發(fā)展初期定價效率較低，這可能與2015年股災的影響有關(guān)。IVS為正說明看漲期權(quán)價格相對看跌期權(quán)價格過高，IVS為負則正好相反。圖1中IVS多為負值，說明上證50ETF期權(quán)市場上買賣權(quán)平價關(guān)系的偏離更多發(fā)生在看跌期權(quán)相對看漲期權(quán)價格較高的方向，反映了投資者在所選取的數(shù)據(jù)區(qū)間內(nèi)更多持有相對悲觀的情緒。

表1是上證50ETF期權(quán)IVS的描述性統(tǒng)計。IVS均值絕對值的大小在不同發(fā)展階段先顯著減小、隨后趨于平穩(wěn)，說明隨著期權(quán)市場的發(fā)展買賣權(quán)平價關(guān)系偏離的程度在下降，市場定價效率顯著提升。從IVS的標準差來看，在發(fā)展初期，當市場出現(xiàn)危機或大幅波動時，IVS波動也隨之增大，而在發(fā)展中期和發(fā)展期IVS波動也趨于平穩(wěn)。

此外，ADF檢驗和PP檢驗都說明在1%的顯著性水平下，IVS序列呈平穩(wěn)狀態(tài)，意味著在后續(xù)建模過程中可以直接使用IVS的原序列。

四、IVS對現(xiàn)貨市場預測力的分析

相關(guān)研究方法大體分兩種：一種是按照IVS大小分組，不考慮交易成本構(gòu)造投資策略來研究IVS和標的未來收益之間的關(guān)系（Cremers和Weinbaum，2010）[19];另一種是運用回歸分析法研究個股期權(quán)的IVS對未來股票收益率的預測力（Cao等，2020）[21]。前者的優(yōu)點在于能夠比較不同個股期權(quán)橫截面的IVS與未來收益之間的關(guān)系，但該方法只能從統(tǒng)計意義上得到相應的結(jié)論，不能得到變量之間具體的依賴關(guān)系;而回歸分析法雖然可以得到具體的依賴關(guān)系，但在建模之前具有一定的盲目性和主觀性，為此本文將這兩種方法相融合。

對上證50ETF一種期權(quán)來說，不需要對比不同個股橫截面之間的差異，分組分析法的目的是獲得統(tǒng)計意義上的演化路徑以及后續(xù)建模所需的時間跨度依據(jù)。而在此基礎(chǔ)上進行的回歸分析，能給出IVS與未來收益之間的即時關(guān)系，以獲得即時具體交易策略的指導。具體的實施步驟為：先對上證50ETF期權(quán)按照IVS大小進行分組，運用分組分析法得到IVS與未來收益率之間在統(tǒng)計意義上的演化路徑和時間跨度依據(jù)，為后續(xù)研究提供強有力的支撐;接著根據(jù)統(tǒng)計意義的演化路徑，構(gòu)建IVS與收益率之間關(guān)系的回歸分析模型，并在不同時間跨度上進行分析討論;最后獲得IVS對未來收益較為具體的預測能力結(jié)果。

（一）分組分析

以IVS分組方法進行分析，具體步驟僅以發(fā)展初期為例，其余兩個時期類似：對IVS根據(jù)三等分位點將其分為IVS（高）、IVS（中）、IVS（低）三組，并對每組內(nèi)的IVS分別取平均值;針對分組后的每日IVS，計算自該日起持有標的上證50ETF的 1～10日、20日、30日、60日的收益率，并將這些收益率分別取平均值;觀察分組后的各平均收益是否隨IVS的增加呈現(xiàn)遞增（或減）趨勢，如果是，則認為IVS包含標的未來的收益信息，否則不包含。

表2是各發(fā)展時期分組后的IVS以及投資標的收益的均值情況，其中[r1]，[r2]，[…]，[r60]分別對應投資標的1日、2日、…、60日的平均收益率。從表2可以發(fā)現(xiàn)，在發(fā)展初期收益率隨著IVS的增加呈現(xiàn)出明顯的遞增趨勢。以r1為例，IVS（低）組對應的投資標的平均收益率為-0.0024，IVS（中）組對應的平均收益率為0.0006，IVS（高）組的平均收益率為0.0014。這種遞增趨勢大概維持10個交易日，即[r20]、[r30]、[r60]不再具有這種趨勢，說明IVS在發(fā)展初期階段包含標的資產(chǎn)未來較短時間內(nèi)的收益信息。然而在發(fā)展中期和發(fā)展期，投資標的收益具有明顯的隨IVS增加而逐漸減少的趨勢，這種趨勢持續(xù)到30個交易日（[r60]并未包含此趨勢），說明IVS在發(fā)展中期和發(fā)展期包含了未來標的較長時間的收益信息，且信息方向隨著期權(quán)市場的發(fā)展呈相反趨勢變化。

（二）構(gòu)建回歸分析模型

在確認IVS與未來標的收益之間關(guān)系的統(tǒng)計演化路徑之后，接下來構(gòu)建回歸模型以研究IVS與未來標的收益的即時走勢關(guān)系。根據(jù)Cao等（2020）[21]，構(gòu)建如下時間序列模型，其中[rt+k]表示未來[k]天內(nèi)標的收益率，[t]為當前時刻：

表3給出了各發(fā)展期式（2）中IVS對未來收益[r]預測的估計結(jié)果。從發(fā)展初期來看，IVS的回歸系數(shù)[β]均不顯著，意味著盡管在統(tǒng)計意義上得出IVS包含標的未來的收益信息，但是這種關(guān)系在時間序列意義上并不顯著。說明在發(fā)展初期IVS包含的標的未來信息含量非常少，且迅速被標的市場所吸收。

在發(fā)展中期，IVS的回歸系數(shù)[β]在k=9和k=10時顯著為負，且調(diào)整的可決系數(shù)[R2]大于0.5%。Campbell和Thompson（2008）[24]認為當[R2]大于0.5%時，意味著對收益率的預測具有經(jīng)濟意義，且數(shù)值越大，說明經(jīng)濟意義越顯著。這表明隨著期權(quán)市場的發(fā)展，IVS開始包含標的未來的收益信息，但短期內(nèi)的信息含量仍不顯著，直到9個和10個交易日后才開始顯現(xiàn)，且信息方向與發(fā)展初期階段相比出現(xiàn)了相反的變化，即IVS越大標的收益反而越低。

在發(fā)展期，IVS的回歸系數(shù)幾乎全部顯著為負，與發(fā)展中期對比，不僅回歸系數(shù)的顯著程度進一步加強，[R2]也在增大，說明隨著期權(quán)市場的發(fā)展，IVS包含標的資產(chǎn)的未來收益信息越來越多且呈現(xiàn)顯著負相關(guān)關(guān)系。

綜上，可以認為發(fā)展初期上證50ETF期權(quán)市場在一定程度上包含標的未來較短時間內(nèi)的收益信息，IVS與未來收益正相關(guān)，但是信息含量很少，在10個交易日后會迅速被標的市場吸收。隨著期權(quán)市場的發(fā)展，即在發(fā)展中期和發(fā)展期，期權(quán)市場包含了標的未來相對更長時間范圍內(nèi)的收益信息，但是此時IVS越大收益反而越低，出現(xiàn)IVS與標的收益關(guān)系的反轉(zhuǎn)演化，究其原因可能是因為與發(fā)展初期相比，更多個體投資者參與到期權(quán)市場，他們通常會對市場信息表現(xiàn)出過度反應。例如，當市場預期標的收益上升時，眾多投資者因為羊群效應或非理性因素會大量買入看漲期權(quán)，造成看漲期權(quán)價格相對高估，導致IVS增大，但是標的收益率實際上并未上升，甚至有時會下降。

（三）穩(wěn)健性檢驗

期權(quán)市場的流動性體現(xiàn)著投資者對期權(quán)或現(xiàn)貨市場的關(guān)注度（Lei 等，2017）[25]。有學者認為，當期權(quán)相對于標的資產(chǎn)的流動性更高時，期權(quán)市場反映的信息會更強（Easley等，1998;Gremers和Weinbaum，2010）[5，19]，那么這種關(guān)注度是否會影響IVS的信息含量值得研究。因此，為了研究前述結(jié)果是否受市場流動性變化的影響，類似于Chen 等（2014）[26]的研究，將每個時期的期權(quán)分為高流動性、中流動性和低流動性，根據(jù)式（2）再作回歸。

衡量流動性的指標很多，這些指標大多適用于衡量一段時間內(nèi)的流動性狀況，而本研究主要集中于日數(shù)據(jù)，同時考慮簡單、可操作性強的原則，這里選取日交易量作為流動性的代理指標。具體來說，將每日相同行權(quán)價格、相同到期期限的看漲看跌期權(quán)對按照各自的交易量數(shù)據(jù)分為三組。以2015年2月9日為例，該日共有20個期權(quán)對，每對期權(quán)都對應著一個隱含波動率差和交易量數(shù)據(jù)。將這些期權(quán)對按照當日交易量大小排序并找出30%分位點和70%分位點。如果期權(quán)對的交易量位于30%之前則視為高流動性期權(quán)，位于30%分位點與70%分位點之間視為中流動性期權(quán)，位于70%分位點之后視為低流動性期權(quán)。然后根據(jù)式（2）對各組期權(quán)再做回歸分析。表4—6為不同時期區(qū)分流動性后的回歸結(jié)果。

表4是發(fā)展初期區(qū)分流動性后式（2）中IVS對未來收益[r]預測的估計結(jié)果。從表4可以看出，高流動性期權(quán)IVS的系數(shù)[β]絕大部分為正（除k=2和k=3為負外），但都不顯著;中流動性期權(quán)IVS的系數(shù)β雖然均為正，但只在k=5時才具有10%的顯著性;低流動性期權(quán)IVS的系數(shù)[β]除在k=1、2時為正，其他均為負，且只在k=9、10時才有10%的顯著性。說明在發(fā)展初期，區(qū)分流動性后IVS預測力仍然較弱，這與未區(qū)分流動性時的結(jié)論是一致的。高流動性期權(quán)和中流動性期權(quán)的IVS與收益率呈正相關(guān)關(guān)系，而與低流動性期權(quán)為負相關(guān)關(guān)系，這在一定程度上可能會出現(xiàn)相互抵消的情況，從而最終呈現(xiàn)出正相關(guān)關(guān)系。這也說明前文在未區(qū)分流動性的情況下研究期權(quán)IVS包含信息的結(jié)果不顯著的現(xiàn)象，可能是由于流動性高的期權(quán)與流動低的期權(quán)所包含的信息含量方向相反造成的。

表5是發(fā)展中期區(qū)分流動性后式（2）中IVS對未來收益[r]預測的估計結(jié)果。根據(jù)表5，高流動性期權(quán)IVS的系數(shù)[β]在k=10以內(nèi)均為負，當k=8和9時有5%的顯著性，k=10時有10%的顯著性，其他不具有顯著性。中流動性期權(quán)IVS的系數(shù)[β]大多為負值，且都不具有顯著性。低流動性期權(quán)IVS的系數(shù)[β]均為負值，當k=8時有5%的顯著性，k=9和10時有10%的顯著性，其他也不具有顯著性。說明中流動性組IVS的預測力幾乎為零，低流動性組與高流動性組IVS體現(xiàn)出稍強的預測力，且低流動性組的預測力會更強一些。

因此，總體來說發(fā)展中期回歸系數(shù)β的顯著性較發(fā)展初期有所增強，IVS預測力隨著期權(quán)市場的發(fā)展在逐漸顯現(xiàn)，與收益率之間總體呈現(xiàn)出負相關(guān)關(guān)系，和發(fā)展初期相比出現(xiàn)了反轉(zhuǎn)演化，這與未區(qū)分流動性時的結(jié)論是一致的。

表6是發(fā)展期區(qū)分流動性后式（2）中IVS對未來收益[r]預測的估計結(jié)果?？梢钥闯?，高流動性期權(quán)IVS的系數(shù)[β]均為負，除k=1、2外其他系數(shù)均在1%或5%的水平下顯著，說明高流動性期權(quán)IVS具有非常強的預測力，且包含標的未來較長時間的信息。中流動性期權(quán)IVS系數(shù)[β]也都為負，僅當k=10和k=20時分別在5%和10%水平下顯著，說明中流動性期權(quán)IVS也包含標的未來較長時間的信息，但是預測力較高流動性組要低很多。而低流動性期權(quán)IVS的系數(shù)[β]大多為正值，且都不顯著，說明低流動性期權(quán)IVS預測力非常弱。

很明顯，發(fā)展期IVS總體預測力較其他兩個時期來說是最強的，與收益率的關(guān)系在低流動性的正相關(guān)和中高流動性的負相關(guān)相互抵消后仍然呈現(xiàn)出負相關(guān)關(guān)系，IVS所包含的信息含量隨著期權(quán)流動性的增強而增強，且表現(xiàn)出更長時期的預測力。

綜上，當考慮期權(quán)市場流動性時，IVS的預測力在不同發(fā)展時期隨流動性增強呈現(xiàn)出的變化規(guī)律是不一樣的，即發(fā)展初期IVS預測力隨流動性的增強而減弱，發(fā)展中期IVS預測力和流動性關(guān)系呈U形變化，發(fā)展期IVS的預測力隨流動性的增強而增強，但IVS隱含未來現(xiàn)貨市場信息的結(jié)論與未區(qū)分流動性時的結(jié)論是一致的。

五、 IVS與投資者情緒的關(guān)系

前述研究表明盡管IVS隱含現(xiàn)貨市場未來的收益信息，但IVS的預測力會受流動性變化的影響，即當考慮期權(quán)市場流動性時，不同發(fā)展階段IVS隱含的收益信息含量及方向均不一致，IVS并不能準確預測未來的收益率，這一現(xiàn)象的根源值得進一步深入研究。

陳蓉和林秀雀（2016）[27]在研究波動率偏斜對尾部風險的預測效果時發(fā)現(xiàn)預測結(jié)果并不準確，于是考慮非理性因素的影響，進一步研究波動率偏斜與投資者情緒之間的關(guān)系，通過投資者情緒對波動率偏斜的影響關(guān)系來解釋波動率偏斜含有尾部風險信息但卻不能準確預測尾部風險的現(xiàn)象，類似的研究還有Cao等（2020）[21]。此外，Brown和Cliff（2005）[28]、Cao等（2020）[21]認為如果IVS受到市場情緒的影響，期權(quán)市場就會反映標的未來更長時期的信息。而前述研究已經(jīng)表明，上證50ETF期權(quán)市場在發(fā)展中期和發(fā)展期包含了未來較長時間范圍內(nèi)的收益信息，因此，猜想IVS可能受到市場情緒的影響，故本部分將研究IVS與投資者情緒之間的關(guān)系。

投資者情緒是對金融市場上“理性人”假設的一種顛覆（劉勇和白小瀅，2020）[29]。周佰成等（2021）[30]、Mand和Sifat（2021）[31]認為投資者情緒是投資者對未來收益或收益相關(guān)因素的主觀信念，且這種信念并不能反映已有的客觀事實，而是與投資者自身的經(jīng)驗知識和社會背景等密切相關(guān)。投資者情緒目前尚無統(tǒng)一的指標，常用的有：IPO數(shù)量、機構(gòu)投資者新增開戶數(shù)、看漲看跌交易量比率、看漲看跌持倉量之比等。Han（2008）[32]在研究標普500指數(shù)期權(quán)時，選取3個投資者情緒代理指標，即多空之差、期貨凈頭寸和指數(shù)定價誤差。

本文結(jié)合現(xiàn)有研究并考慮數(shù)據(jù)的可得性，選取股票換手率、看漲看跌期權(quán)交易量比率、看漲看跌期權(quán)未平倉比率、滬市融資融券余額比等四個指標，通過主成分分析法提取出第一主成分，即投資者情緒指數(shù)，構(gòu)建如下模型：

先前的實證分析結(jié)果表明發(fā)展初期IVS包含了未來較短時間范圍內(nèi)的標的資產(chǎn)收益信息，而發(fā)展中期和發(fā)展期IVS包含了未來較長時間范圍內(nèi)的收益信息，因此，將發(fā)展初期作為一個樣本期，發(fā)展中期和發(fā)展期歸為一個樣本期來研究IVS與投資者情緒之間的關(guān)系。

表7給出了式（3）中IVS與投資者情緒Senti關(guān)系的估計結(jié)果。從表7可以看出，發(fā)展初期投資者情緒的回歸系數(shù)[β]不具有顯著性，而發(fā)展中期和發(fā)展期投資者情緒的回歸系數(shù)[β]在1%水平下顯著，說明發(fā)展初期期權(quán)市場基本不受投資者情緒的影響，而在發(fā)展中期和發(fā)展期期權(quán)市場受到投資者情緒的影響較為顯著，此時投資者情緒指數(shù)越高，IVS越小，說明看跌期權(quán)相對于看漲期權(quán)的價格被高估，投資者大多持有相對悲觀的市場情緒。

表7的結(jié)果深刻解釋了前述所得結(jié)果的根源：在發(fā)展初期個體投資者通常較少參與市場，大多為機構(gòu)投資者，而機構(gòu)投資者相對較為理性，使得市場上有較少的非理性因素，因此，在發(fā)展初期期權(quán)市場包含較短的標的未來收益信息，且信息量很少，并且這種信息含量基本不受流動性的影響。隨著期權(quán)市場的發(fā)展，即在發(fā)展中期和發(fā)展期，大量個體投資者開始加入，他們增加了市場上的非理性選擇，使得IVS受到市場情緒的影響，期權(quán)市場反映了標的未來相對更長時間范圍內(nèi)的信息，且信息含量受流動性影響的程度更大。

六、結(jié)論與建議

盡管理論上認為具有相同到期期限和行權(quán)價格的歐式看漲和看跌期權(quán)的隱含波動率是相等的，即滿足買賣權(quán)平價關(guān)系，但真實的金融市場并非如此。那么，買賣權(quán)平價關(guān)系偏離的程度是如何演化的，是否隱含未來現(xiàn)貨市場信息，以及這種偏離是否有更深層次的原因值得深入探討。本文以上證50ETF期權(quán)為例，對上述問題做了一系列的研究。主要結(jié)論如下：

首先，對上證50ETF期權(quán)來說，隱含波動率差（IVS）絕大部分情況下顯著不為零，買賣權(quán)平價關(guān)系偏離屬于常態(tài)，在發(fā)展初期買賣權(quán)平價關(guān)系偏離的程度較大，后續(xù)顯著降低并趨于平穩(wěn)，說明上證50ETF期權(quán)市場定價效率不斷改善。

其次，買賣權(quán)平價關(guān)系偏離確實隱含未來標的資產(chǎn)的收益信息。在發(fā)展初期，IVS含有未來較短時期的收益信息，且IVS越高收益就越高，但所含的信息量非常少且很快被現(xiàn)貨市場吸收;而在發(fā)展中期和發(fā)展期IVS的信息方向出現(xiàn)了反轉(zhuǎn)，即隨著IVS的增大，未來收益反而越低，且IVS包含了標的資產(chǎn)未來相對較長時間范圍內(nèi)的收益信息。

再次，當考慮期權(quán)市場流動性時，IVS仍然包含未來標的資產(chǎn)的信息，但IVS的預測力在不同發(fā)展時期隨流動性增強呈現(xiàn)出的變化規(guī)律有所不同：在發(fā)展初期低流動性組IVS預測力稍強一些;發(fā)展中期低和高流動性組的預測力會稍強，中流動性組幾乎沒有預測力;發(fā)展期高流動性組IVS的預測力會更強，中流動性組預測力顯著下降，低流動性組幾乎沒有預測力。

最后，針對IVS隱含未來現(xiàn)貨市場信息，但其預測結(jié)果并不準確，考慮是否由市場情緒所引起。為此構(gòu)建投資者情緒指標，將IVS對投資者情緒做回歸，結(jié)果表明IVS確實與投資者情緒顯著相關(guān)，尤其在發(fā)展中期和發(fā)展期，期權(quán)價格更多受到投資者主觀感受的影響，期權(quán)市場存在明顯非理性因素。

因此，對于投資者來說，可以利用隱含波動率差對未來資產(chǎn)收益作出判斷，以更理性地進行投資決策;對監(jiān)管者來說，可以利用買賣權(quán)平價關(guān)系所隱含的收益信息對市場作出預期，從而防范資產(chǎn)價格大幅變動尤其是價格驟跌的風險，此外可以利用投資者情緒指標對買賣權(quán)平價關(guān)系的偏離所產(chǎn)生的影響驗證期權(quán)市場是否存在非理性因素，從而對投資者進行理性引導，進一步穩(wěn)定金融市場。

參考文獻：

[1]鄭振龍，呂愷，林蒼祥.交易量的信息含量：臺灣期權(quán)市場的證據(jù) [J].金融研究，2012，（6）.

[2]Black F. 1975. Fact and Fantasy in Use of Options[J].Financial Analysts Journal，31（4）.

[3]Figlewski S，Webb G P. 1993. Options，Short Sales and Market Completeness [J].The Journal of Finance，48（2）.

[4]胡昌生，程志富，陳晶，陳聰. ETF期權(quán)隱含偏度、投資者情緒的理性與非理性 [J].系統(tǒng)管理學報，2019，28（6）.

[5]Easley D，O'Hara M，Srinivas P S. 1998. Option Volume and Stock Prices： Evidence on where informed traders trade [J].The Journal of Finance，53（2）.

[6]Lee Y H，Wang D K. 2016. Information Content of Investor Trading Behavior： Evidence from Taiwan Index Options Market [J].Pacific-Basin Finance Journal，38.

[7]Ryu D，Yang H. 2019. Who Has Volatility Information in the Index Option Market？ [J].Finance Research Letters，30.

[8]Yang H，Kutan A M，Ryu D. 2019. Volatility Information Trading in the Index Options Market：An Intraday Analysis [J].International Review of Economics and Finance，64.

[9]呂雪嶺，熊熊，嚴雨萌，許克維.“穩(wěn)定”還是“擾動”——基于上證50ETF期權(quán)的實證分析 [J].管理科學，2020，33（4）.

[10]Rubinstein M. 1994. Implied Binomial Trees [J].The Journal of Finance，49（3）.

[11]Zhang J. 2018. Informed Options Trading Prior to Dividend Change Announcements [J].Financial Management，47（1）.

[12]倪中新，郭婧，王琳玉.上證50ETF期權(quán)隱含波動率微笑形態(tài)的風險信息容量研究 [J].財經(jīng)研究，2020，46（4）.

[13]Dennis P，Mayhew S. 2002. Risk-Neutral Skewness：Evidence from Stock Options [J].The Journal of Financial and Quantitative Analysis，37（3）.

[14]約翰·赫爾.期權(quán)、期貨及其他衍生產(chǎn)品 [M].王勇， 索吾林譯.北京： 機械工程出版社，2014.

[15]鄭振龍，黃珊珊，郭博洋.外匯期權(quán)信息含量與在岸離岸市場效率 [J].金融研究，2019，（10）.

[16]Zhou H. 2018. Variance Risk Premia，Asset Predictability Puzzles， and Macroeconomic Uncertainty [J]. Annual Review of Financial Economics，10.

[17]Yun J. 2020. Variance Risk Premium in a Small Open Economy with Volatile Capital Flows：The Case of Korea [J].International Review of Economics and Finance，65.

[18]陳蓉，趙永杰.隱含波動率曲面的預測研究：來自中國臺灣市場的證據(jù) [J].系統(tǒng)工程理論與實踐，2017，37（8）.

[19]Cremers M，Weinbaum D. 2010. Deviations from Put-Call Parity and Stock Return Predictability [J].Journal of Financial and Quantitative Analysis，45（2）.

[20]Nishiotis G P，Rompolis L S. 2019. Put-call Parity Violations and Return Predictability：Evidence from the 2008 Short Sale Ban [J].Journal of Banking and Finance，106.

[21]Cao C，Simin T，Xiao H. 2019. Predicting the Equity Premium with the Implied Volatility Spread [J/OL].Journal of Financial Markets，https：//doi.org/10.1016/j.finmar.2019.1

00531.

[22]Li S. 2005. A New Formula for Computing Implied Volatility [J].Applied Mathematics and Compution，170（1）.

[23]Li J，Yao Y，Chen Y，Lee CF. 2018. Options Prices and Stock Market Momentum： Evidence from China [J]. Quantitative Finance，18（9）.

[24]Campbell J，Thompson S P. 2008. Predicting Excess Stock Returns out of Sample：Can Anything Beat the Historical Average？ [J]. Scholarly Articles，21（4）.

[25]Lei Q，Wang X W，Yan Z P. 2017. Volatility Spread and Stock Market Response to Earnings Announcements [J/OL].Journal of Banking and Finance， https：//doi.org/10.1016/j.jbankfin.2017.04. 002.

[26]Chen C H，Chung H， Yuan S F. 2014. Deviations from Put-Call Parity and Volatility Prediction： Evidence from the Taiwan Index Option Market [J].Journal of Futures Markets，34（12）.

[27]陳蓉，林秀雀.波動率偏斜與風險中性偏度能預測尾部風險嗎 [J].管理科學學報，2016，19（8）.

[28]Brown G W，Cliff M T. 2005. Investor Sentiment and Asset Valuation [J].The Journal of Business，78（2）.

[29]劉勇，白小瀅.投資者情緒、期權(quán)隱含信息與股市波動率預測——基于上證50ETF期權(quán)的經(jīng)驗研究 [J].證券市場導報，2020，（1）.

[30]周佰成，遲雪丹，陰慶書.風險預期對股票市場交易行為的影響研究 [J].吉林大學社會科學學報，2021，61（1）.

[31]Mand A A，Sifat I. 2021. Static and Regime-dependent Herding Behavior： An Emerging Market Case Study [J/OL].Journal of Behavioral and Experimental Finance， https：//doi.org/10.1016/j.jbef.2021.100466.

[32]Han B. 2008. Investor Sentiment and Option Prices[J].The Review of Financial Studies，21（1）.