劉天權(quán)，王一鳴，閆 昱，潘水洋

（1，2，3，4 北京大學(xué)經(jīng)濟(jì)學(xué)院， 北京 100871）

一、引言

中國(guó)金融市場(chǎng)近年來(lái)快速發(fā)展，整體規(guī)模全球排名第二，其股票期權(quán)的發(fā)展備受全球投資者關(guān)注。 本文關(guān)注新興市場(chǎng)上期權(quán)價(jià)格的信息含量。 長(zhǎng)期以來(lái)，擁有私人信息的投資者更偏好利用期權(quán)市場(chǎng)執(zhí)行交易以實(shí)現(xiàn)其信息價(jià)值。這使得期權(quán)市場(chǎng)的價(jià)格發(fā)現(xiàn)能力領(lǐng)先于股票市場(chǎng)。但是，期權(quán)是否能預(yù)測(cè)股票價(jià)格，過往的研究結(jié)果不一致。Hu（2014）、Pan 和Poteshman（2006）以及Ryu 和Yang（2018）提供了期權(quán)交易預(yù)測(cè)能力的證據(jù)，而Chan 等（2002）、Fahlenbrach 和Sandas（2010）以及Ryu（2015）則對(duì)此表示懷疑。

為什么期權(quán)能夠預(yù)測(cè)股票？傳統(tǒng)認(rèn)為期權(quán)提供內(nèi)在杠桿是期權(quán)交易能預(yù)測(cè)股票收益的重要原因（Ge等，2016）。期權(quán)內(nèi)在杠桿使得投機(jī)者免于追加保證金等風(fēng)險(xiǎn)，這使得資金使用效率最大化。 Fischer（1975）認(rèn)為期權(quán)擁有更高的內(nèi)在杠桿，知情交易者1有信息優(yōu)勢(shì)的投資者。更愿意在期權(quán)市場(chǎng)交易。 Easley 等（1998）制定了兩市場(chǎng)微觀結(jié)構(gòu)模型，將私人信息融入證券價(jià)格中。他們發(fā)現(xiàn)，當(dāng)期權(quán)的杠桿率和流動(dòng)性足夠高時(shí)，存在知情交易者在兩個(gè)市場(chǎng)進(jìn)行交易的集中均衡，知情交易者更偏好于在期權(quán)市場(chǎng)進(jìn)行交易。期權(quán)做市商的風(fēng)險(xiǎn)對(duì)沖交易是期權(quán)具有預(yù)測(cè)能力的另一重要原因。期權(quán)做市商是期權(quán)市場(chǎng)的重要成員， 一方面他們給市場(chǎng)提供流動(dòng)性，而另一方面他們?cè)谔峁┝鲃?dòng)性時(shí)需要對(duì)沖風(fēng)險(xiǎn)，這就使得期權(quán)市場(chǎng)的信息往股票市場(chǎng)溢出。 Hu （2014）發(fā)現(xiàn)， 做市商的delta 風(fēng)險(xiǎn)對(duì)沖行為使得期權(quán)的訂單流有助于預(yù)測(cè)股票的未來(lái)價(jià)格。 另外，中國(guó)的期權(quán)市場(chǎng)屬于新興市場(chǎng)，交易所限定了只有豐富經(jīng)驗(yàn)的投資者或機(jī)構(gòu)投資者才能參與。這導(dǎo)致期權(quán)交易活動(dòng)中更多是機(jī)構(gòu)訂單，而機(jī)構(gòu)投資者擁有更強(qiáng)大的投資研究實(shí)力。

本文基于新興的中國(guó)股票期權(quán)市場(chǎng)，研究期權(quán)對(duì)股票的短期預(yù)測(cè)能力，并試圖探究期權(quán)具有預(yù)測(cè)能力的影響因素。中國(guó)期權(quán)市場(chǎng)近年來(lái)快速發(fā)展備受全球投資者的關(guān)注，由于其交易制度的特點(diǎn)，研究其期權(quán)價(jià)格的可預(yù)測(cè)性是個(gè)有趣的話題。但是對(duì)于中國(guó)期權(quán)的研究還比較少，同時(shí)，近年來(lái)高頻交易成為流行的交易形式，從高頻數(shù)據(jù)角度研究期權(quán)短期預(yù)測(cè)能力的并不多。

我們選取高頻數(shù)據(jù)分別計(jì)算1 分鐘、2 分鐘、3 分鐘、4 分鐘、5 分鐘、10 分鐘、15 分鐘、30 分鐘、60 分鐘和日總共10 個(gè)時(shí)間間隔的收益率， 分析在哪些間隔上期權(quán)價(jià)格對(duì)股票價(jià)格有良好預(yù)測(cè)作用。為了提高研究的穩(wěn)健性，本文選擇了50ETF 期權(quán)和300ETF 期權(quán)兩個(gè)品種作為研究對(duì)象，其中50ETF 期權(quán)的樣本區(qū)間為2019 年1 月至2020 年12 月包括新冠疫情2中國(guó)的新冠疫情初發(fā)時(shí)間是2019 年12 月。前1年與之后1 年的數(shù)據(jù)。 由于300ETF 期權(quán)上市時(shí)間是2019 年12 月23 日， 其樣本 區(qū)間為2020 年1 月至2020 年12 月。研究發(fā)現(xiàn)，50ETF 和300ETF 期權(quán)在1-3 分鐘內(nèi)期權(quán)收益率對(duì)股票收益率具有良好預(yù)測(cè)能力，間隔大于3 分鐘后預(yù)測(cè)能力減弱。并且，看漲期權(quán)的預(yù)測(cè)能力高于看跌期權(quán)。

為了檢驗(yàn)期權(quán)價(jià)格具有預(yù)測(cè)能力的機(jī)制，本文做了幾個(gè)分組分析。 受Hu(2014)的啟發(fā)，本文將期權(quán)按delta 大小分組為虛值期權(quán)OTM（Out of The Money）、平值期權(quán)ATM（At The Money）和實(shí)值期權(quán)ITM（In The Money）用來(lái)檢驗(yàn)杠桿率的影響。 實(shí)證結(jié)果發(fā)現(xiàn)，ATM具有最強(qiáng)的預(yù)測(cè)能力，OTM 和ITM 的預(yù)測(cè)能力都較弱。 雖然OTM 具有最大的杠桿率， 但是其交易量較低，而ATM 杠桿率良好，并且交易量最大。 這說明知情交易者在選擇杠桿率的同時(shí)也考慮交易流動(dòng)性。本文構(gòu)造了知情交易比例VPIN （Volume-Synchronized Probability of Informed Trading）（Easley 等，2012）來(lái)表示市場(chǎng)的知情交易程度，通過分組分析發(fā)現(xiàn)，當(dāng)期權(quán)VPIN 較高時(shí)，預(yù)測(cè)能力顯著，而當(dāng)期權(quán)VPIN 較低時(shí)，預(yù)測(cè)能力較弱。 本文使用交易量進(jìn)行分組，分析市場(chǎng)活躍度對(duì)期權(quán)預(yù)測(cè)能力的影響。 實(shí)證分析發(fā)現(xiàn)，市場(chǎng)活躍度高時(shí)期權(quán)的預(yù)測(cè)能力更強(qiáng)。 此外，本文使用期權(quán)波動(dòng)率進(jìn)行分組，以收益率絕對(duì)值作為代理變量。實(shí)證分析發(fā)現(xiàn)，期權(quán)高波動(dòng)率時(shí)期權(quán)的預(yù)測(cè)能力更強(qiáng)。

中國(guó)股票市場(chǎng)成交量呈U 型，隔夜累積的信息在開盤時(shí)擴(kuò)散。鑒于這個(gè)市場(chǎng)特征，本文將日內(nèi)分為4個(gè)時(shí)段，考察不同時(shí)段期權(quán)的預(yù)測(cè)能力變化。 實(shí)證結(jié)果發(fā)現(xiàn)，開盤時(shí)期權(quán)的預(yù)測(cè)能力較弱。最后，本文構(gòu)建了交易策略來(lái)分析期權(quán)預(yù)測(cè)能力。交易策略的結(jié)果與回歸結(jié)論一致，期權(quán)價(jià)格能夠預(yù)測(cè)股票價(jià)格。 從交易策略的結(jié)果發(fā)現(xiàn)，看漲期權(quán)比看跌期權(quán)擁有更多的預(yù)測(cè)信息，并且看漲期權(quán)預(yù)測(cè)上漲比預(yù)測(cè)下跌更有效。

與過往研究相比，本文的主要貢獻(xiàn)在于：首先，本文全面系統(tǒng)地檢測(cè)期權(quán)價(jià)格的信息含量， 并從杠桿率、知情交易比例和做市商三個(gè)維度檢驗(yàn)了期權(quán)價(jià)格蘊(yùn)含信息的影響因素，擴(kuò)展了現(xiàn)有文獻(xiàn)。其次，本文構(gòu)造了期權(quán)知情交易比例指標(biāo)，這有助于識(shí)別期權(quán)市場(chǎng)知情交易行為， 可以更好地挖掘期權(quán)價(jià)格的信息含量。 最后，本文以50ETF 和300ETF 期權(quán)為研究對(duì)象，使研究結(jié)果更具有代表性，為我國(guó)金融市場(chǎng)監(jiān)管與期權(quán)市場(chǎng)發(fā)展提供了一定的啟示。

本文的其余部分組織如下：第2 節(jié)介紹了過往文獻(xiàn)和機(jī)制分析。第3 節(jié)介紹了本文的研究方法并提出了實(shí)證檢驗(yàn)的假設(shè)。第4 節(jié)介紹了本研究中使用的數(shù)據(jù)。第5 節(jié)報(bào)告了假設(shè)檢驗(yàn)的實(shí)證結(jié)果。第6 節(jié)總結(jié)。

二、歷史文獻(xiàn)和機(jī)制分析

（一）歷史文獻(xiàn)

在過往文獻(xiàn)中，對(duì)期權(quán)的預(yù)測(cè)能力分析主要從兩個(gè)方面進(jìn)行。 一方面是期權(quán)對(duì)價(jià)格信息的預(yù)測(cè)。Manaster 和Rendleman(1982)發(fā)現(xiàn)期權(quán)市場(chǎng)價(jià)格發(fā)現(xiàn)領(lǐng)先于股票市場(chǎng)。衍生品市場(chǎng)上的機(jī)構(gòu)投資者可以積極地提高市場(chǎng)價(jià)格效率，而個(gè)人投資者對(duì)價(jià)格發(fā)現(xiàn)產(chǎn)生不利影響（Xu 等，2015）。 Ge 等(2016)年發(fā)現(xiàn)期權(quán)交易能預(yù)測(cè)股票市場(chǎng)的動(dòng)態(tài)。期權(quán)的交易量和訂單流也包含了信息。Johnson 等(2012)通過構(gòu)建期權(quán)/股票數(shù)量比來(lái)預(yù)測(cè)股票的未來(lái)價(jià)值信息。 Hu(2014)將期權(quán)訂單流中無(wú)關(guān)的不平衡性剔除出去后，發(fā)現(xiàn)期權(quán)訂單流包含股票價(jià)格的重要信息。 另外，期權(quán)中所隱含的波動(dòng)率信息對(duì)市場(chǎng)預(yù)測(cè)也有重要價(jià)值。 Hayunga 等(2014)發(fā)現(xiàn)在公司公告發(fā)布之前，期權(quán)隱含價(jià)格、隱含波動(dòng)率交易中蘊(yùn)含關(guān)于公司的價(jià)值信息，并且領(lǐng)先于金融分析師的分析。

另外，看漲期權(quán)和看跌期權(quán)之間的波動(dòng)率差可以預(yù)測(cè)股票收益。 相對(duì)于股票投資者，期權(quán)投資者在處理預(yù)期較低的信息方面有更強(qiáng)的能力 (Chan 等，2015)。Xing 等(2010)發(fā)現(xiàn)期權(quán)波動(dòng)率的形狀也對(duì)股票收益具有顯著的橫截面預(yù)測(cè)能力。 最近，Patela 等（2020）利用紐約交易所股票期權(quán)數(shù)據(jù)發(fā)現(xiàn)，期權(quán)的價(jià)格發(fā)現(xiàn)能力比過去要大五倍，并且內(nèi)幕交易中更偏好借助期權(quán)杠桿作用擴(kuò)大收益。 然而，也有學(xué)者對(duì)期權(quán)的預(yù)測(cè)能力表示懷疑。 Chakravarty 等(2004)發(fā)現(xiàn)期權(quán)報(bào)價(jià)的信息份額平均不到20%。Holowczak 等(2006)發(fā)現(xiàn)期權(quán)的信息作用隨時(shí)間推移而下降。 Muravyev 等(2013)發(fā)現(xiàn)期權(quán)市場(chǎng)在價(jià)格發(fā)現(xiàn)中不起作用，報(bào)價(jià)可以自我調(diào)整以消除兩個(gè)市場(chǎng)之間的套利機(jī)會(huì)。

另一方面是期權(quán)對(duì)波動(dòng)率的預(yù)測(cè)。期權(quán)除了價(jià)格發(fā)現(xiàn)的功能以外， 也包含了對(duì)未來(lái)市場(chǎng)的波動(dòng)預(yù)期。在經(jīng)典的期權(quán)定價(jià)公式中，底層資產(chǎn)的波動(dòng)率就是期權(quán)價(jià)格的核心影響因素。 Ni 等(2008)認(rèn)為股票期權(quán)的交易量構(gòu)建了投資者對(duì)波動(dòng)率的凈需求，發(fā)現(xiàn)該需求可為股票未來(lái)實(shí)現(xiàn)的波動(dòng)率提供信息。 Doojin Ryu(2019)研究交易與投資者有關(guān)數(shù)據(jù)，通過期權(quán)市場(chǎng)的交易需求分析出股票市場(chǎng)未來(lái)的波動(dòng)情況。

而目前對(duì)我國(guó)大陸期權(quán)市場(chǎng)價(jià)格發(fā)現(xiàn)能力的研究較少。鄭振龍等（2012）研究了我國(guó)臺(tái)灣地區(qū)期權(quán)交易量的信息含量，認(rèn)為期權(quán)交易量指標(biāo)不具備對(duì)指數(shù)的趨勢(shì)預(yù)測(cè)能力，但境內(nèi)機(jī)構(gòu)投資者和境外機(jī)構(gòu)投資者交易量中包含顯著的預(yù)測(cè)信息，價(jià)外期權(quán)的信息明顯地優(yōu)于價(jià)內(nèi)期權(quán)和平價(jià)期權(quán)。張金清等（2021）研究50ETF 期權(quán)交易量對(duì)現(xiàn)貨收益率的預(yù)測(cè)能力，認(rèn)為現(xiàn)貨收益率波動(dòng)較低或市場(chǎng)處于上升階段時(shí),期權(quán)正向交易量對(duì)現(xiàn)貨短期收益率存在預(yù)測(cè)能力。 陳淼鑫等（2018） 研究我國(guó)臺(tái)灣地區(qū)市場(chǎng)的股指期權(quán)的預(yù)測(cè)能力，認(rèn)為期權(quán)和期貨的交易不平衡性對(duì)未來(lái)收益都有顯著預(yù)測(cè)能力。朱超等（2021）研究期權(quán)隱含偏度期限結(jié)構(gòu)、斜率與曲率的信息含量，研究發(fā)現(xiàn)：水平因子和曲率因子能解釋預(yù)期市場(chǎng)超額收益率;斜率因子既可以解釋市場(chǎng)層面,又可以解釋個(gè)股橫截面層面股票定價(jià)信息含量。梁朝暉和郭翔（2020）研究我國(guó)50ETF 期權(quán)的信息含量，發(fā)現(xiàn)50ETF 期權(quán)隱含波動(dòng)率包含未來(lái)股指收益信息， 可作為股市的預(yù)警指標(biāo)。 鄭振龍等（2021）研究期權(quán)的隱含信息，發(fā)現(xiàn)期權(quán)的“凈購(gòu)買壓力” 指標(biāo)隱含標(biāo)的指數(shù)的方向性和波動(dòng)性變化信息。喬帥等（2021）研究我國(guó)臺(tái)灣地區(qū)期權(quán)市場(chǎng)老練散戶交易行為，發(fā)現(xiàn)投資者人群中約2.21%的散戶為老練投資者， 他們偏好做多期權(quán)的策略， 另外還發(fā)現(xiàn)約47%的老練散戶表現(xiàn)出處置效應(yīng)。

（二）機(jī)制分析

本小節(jié)從投資者結(jié)構(gòu)、期權(quán)杠桿率和期權(quán)做市商三個(gè)方面討論為什么期權(quán)交易包含股票潛在的價(jià)值信息。

1.投資者結(jié)構(gòu)

市場(chǎng)的投資者結(jié)構(gòu)往往能夠反映出交易活動(dòng)的理性程度。 一般而言，由于機(jī)構(gòu)投資者擁有更多投資研究能力和信息獲取能力，所以他們的交易行為包含有更多的信息量?！?020 年，上交所期權(quán)市場(chǎng)日均成交持倉(cāng)比為0.9，投機(jī)交易（方向性交易）占比為20.34%。從交易的期權(quán)合約類型來(lái)看，全年認(rèn)購(gòu)期權(quán)交易量占總交易量的54.80%， 認(rèn)沽期權(quán)交易量占總交易量的45.20%。 認(rèn)購(gòu)期權(quán)交易中，個(gè)人投資者交易量占比為45.99%，機(jī)構(gòu)投資者交易量占比為54.01%。 認(rèn)沽期權(quán)交易中，個(gè)人投資者交易量占比為41.99%，機(jī)構(gòu)投資者交易量占比為58.01%。”3數(shù)據(jù)來(lái)源：上海證券交易所發(fā)布的“2020 年上海證券交易所股票期權(quán)市場(chǎng)發(fā)展報(bào)告”。以上數(shù)據(jù)顯示機(jī)構(gòu)投資者是期權(quán)交易中的主要力量。 同時(shí)，上海證券交易所要求參與期權(quán)交易的個(gè)人投資者必須具備以下條件：“資金賬戶可用余額不低于50 萬(wàn)元人民幣；6 個(gè)月以上的證券交易經(jīng)歷或期貨交易經(jīng)歷；通過期權(quán)基礎(chǔ)知識(shí)考試等”4數(shù)據(jù)來(lái)源：上海證券交易所。。也就是說，參與期權(quán)交易的個(gè)人投資者也具有良好的投資研究能力。 總的來(lái)說，期權(quán)市場(chǎng)的投資者擁有更專業(yè)的投資研究和信息分析能力，他們的交易行為也將包含更多股票市場(chǎng)的價(jià)值信息。

2.期權(quán)杠桿率

由于投資者在獲取資產(chǎn)的私有信息時(shí)支付了相應(yīng)的成本，從而形成了信息成本。 為了補(bǔ)償信息成本，知情交易者（有信息優(yōu)勢(shì)的投資者）必然會(huì)選擇高杠桿的投資品種來(lái)最大化私有信息的邊際利潤(rùn)。 期權(quán)自帶高杠桿率， 并且投資者可以靈活選擇對(duì)應(yīng)的行權(quán)價(jià)從而調(diào)整交易的杠桿率。 圖1 展示了看漲期權(quán)和看跌期權(quán)的杠桿率（名義杠桿率）5名義杠桿率=購(gòu)買標(biāo)的的價(jià)格/權(quán)利金的比值。和真實(shí)杠桿率6真實(shí)杠桿率=名義杠桿率×delta。 即，標(biāo)的資產(chǎn)變動(dòng)1 單位對(duì)期權(quán)的價(jià)值真實(shí)影響。以及不同行權(quán)價(jià)的日度交易量。其中，真實(shí)杠桿率是對(duì)名義杠桿率的修正， 表明1 單位標(biāo)的資產(chǎn)的變動(dòng)給期權(quán)帶來(lái)多大的價(jià)值變動(dòng)。 可以看到，平值期權(quán)的流動(dòng)性是最好的，同時(shí)它們的杠桿率也比期貨的10 倍杠桿率高很多。需要注意的是，投資者在選擇期權(quán)合約時(shí)，需要在流動(dòng)性（交易成本）和杠桿率之間權(quán)衡，并不是杠桿率越高越好。 除此之外，由于期貨采用保證金交易制度，當(dāng)保證金不足時(shí)需要增加保證金，這對(duì)投機(jī)交易不是很有利，常常使投資者需要準(zhǔn)備額外資金以避免保證金不足，資金閑置導(dǎo)致資金使用效率低于100%。 而期權(quán)是權(quán)利金交易，天生自帶杠桿率，這使得期權(quán)投機(jī)交易的資金使用效率能達(dá)到100%?？傮w而言，期權(quán)具有靈活配置高杠桿率的特性并且資金使用效率能達(dá)到較高，這就使得期權(quán)成為投機(jī)交易完美的交易品種。

圖1 期權(quán)杠桿率

3.期權(quán)做市商

期權(quán)做市商是期權(quán)對(duì)股票具有預(yù)測(cè)作用的重要原因。 期權(quán)做市商在給市場(chǎng)提供流動(dòng)性時(shí)，需要控制存貨的delta7Delta 風(fēng)險(xiǎn)是指當(dāng)期權(quán)存貨的總體delta 值較大時(shí)，一旦底層資產(chǎn)價(jià)格往不利方向運(yùn)行時(shí)期權(quán)資產(chǎn)存在虧損風(fēng)險(xiǎn)，虧損的程度與delta 的絕對(duì)值正相關(guān)。和vega 風(fēng)險(xiǎn)。 做市商往往通過買賣底層資產(chǎn)來(lái)保持delta 中性。 而vega 風(fēng)險(xiǎn)則是通過交易其他期權(quán)來(lái)實(shí)現(xiàn)對(duì)沖。圖2 展示了看漲期權(quán)做市商的風(fēng)險(xiǎn)管理過程。 第一步：期權(quán)買（賣）家在看漲期權(quán)提交買（賣）單與做市商的賣（買）單撮合成交，執(zhí)行價(jià)為Ask（Bid）。 第二步：期權(quán)做市商的賣（買）單成交后，則買（賣）平倉(cāng)單會(huì)以Bid(Ask)價(jià)格發(fā)出。如果平倉(cāng)成功，則本輪做市商盈利。 第三步：如果價(jià)格往不利方向運(yùn)動(dòng)而使得做市商無(wú)法平倉(cāng)盈利時(shí)，他們則進(jìn)行風(fēng)險(xiǎn)對(duì)沖。 第四步：做市商通過交易底層資產(chǎn)來(lái)保持delta 中性，而通過交易其他期權(quán)來(lái)控制vega 風(fēng)險(xiǎn)。 通過以上傳導(dǎo)過程，期權(quán)價(jià)格的上漲（下跌）將導(dǎo)致做市商的對(duì)沖行為，從而引起底層資產(chǎn)價(jià)格的上漲（下跌）。最終，期權(quán)市場(chǎng)的價(jià)格信息就傳導(dǎo)到了股票市場(chǎng)。 總的來(lái)說，知情交易者與做市商完成交易后，做市商的風(fēng)險(xiǎn)對(duì)沖行為使得期權(quán)價(jià)格信息往股票市場(chǎng)傳遞。

圖2 看漲期權(quán)做市商對(duì)沖示意圖

以上，我們從期權(quán)的投資者結(jié)構(gòu)、杠桿率和做市商三個(gè)維度，分析了期權(quán)對(duì)股票市場(chǎng)有預(yù)測(cè)能力的原因。 下面，我們將進(jìn)一步實(shí)證研究預(yù)測(cè)能力的表現(xiàn)以及影響因素。

三、研究假設(shè)與實(shí)證設(shè)計(jì)

我們首先從數(shù)據(jù)中驗(yàn)證期權(quán)價(jià)格能否預(yù)測(cè)股票價(jià)格，然后分析若干影響因素。

（一）期權(quán)預(yù)測(cè)能力檢驗(yàn)

為了保證研究的穩(wěn)健性，本文分別選取了50ETF期權(quán)和300ETF 期權(quán)兩個(gè)品種作為研究對(duì)象。同時(shí)，我們選擇了1 分鐘、2 分鐘、3 分鐘、4 分鐘、5 分鐘、10 分鐘、15 分鐘、30 分鐘、60 分鐘和日總共10 個(gè)時(shí)間間隔，分別進(jìn)行以下回歸，檢驗(yàn)期權(quán)對(duì)股票的預(yù)測(cè)能力。

其中，Reti,t是股票的對(duì)數(shù)收益，RetCalli,t是看漲期權(quán)的對(duì)數(shù)收益，RetPuti,t是看跌期權(quán)的對(duì)數(shù)收益。OOIi,t-k是期權(quán)訂單流不平衡，SOIi,t-k是股票i 的訂單流不平衡去除期權(quán)影響的部分。 另外，Xi,t-1是控制變量集，其中包括：Reti,t-k是滯后5 期股票對(duì)數(shù)收益率; CallVoli,t-k是看漲期權(quán)滯后期的成交量；PutVoli,t-1是看跌期權(quán)滯后期的成交量；CallOpInti,t-1是看漲期權(quán)滯后期的開倉(cāng)量；PutOpInti,t-1是看跌期權(quán)滯后期的開倉(cāng)量；Spreadi,t-1是滯后期股票的有效價(jià)差8Spreadn,t=2×|ln（Pn,t）-ln（Mn,t）|, n 表示一天中第n 條成交記錄，Pn 是成交價(jià)，Mn 是中間價(jià)。。

需要注意的是，Hu(2014)發(fā)現(xiàn)期權(quán)的訂單流動(dòng)不平衡具有預(yù)測(cè)能力，所以我們引入作為控制變量。 我們參考Hu(2014)的方法，分別構(gòu)建出期權(quán)訂單流不平衡Options order imbalance(OOI)和股票訂單流不平衡Stock order imbalance(SOI)。

9 這里的系數(shù)是10000。 這是因?yàn)橐粏挝坏钠跈?quán)對(duì)應(yīng)是10000 股的股票。

其中，OPDiri,t,j是期權(quán)交易訂單的方向， 例如：當(dāng)成交是由買方驅(qū)動(dòng)則設(shè)為1，否則設(shè)為0。 deltai,t,j是對(duì)應(yīng)期權(quán)的delta 水平。 OPSizei,t,j是期權(quán)的交易量（其合約乘數(shù)為10000），TOIi,t是股票總體交易量。 SDiri,t,j和SSizei,t,j分別是股票交易訂單的方向和交易量。 根據(jù)Hu(2014)的設(shè)定，OOI 度量了期權(quán)中的訂單流不平衡，而從總的訂單流不平衡TOI 中減去期權(quán)訂單流不平衡OOI，就得到了股票中不受期權(quán)影響的訂單流不平衡（SOI）。

假設(shè)1：看漲期權(quán)正向影響股票的價(jià)格，而看跌期權(quán)負(fù)向影響股票的價(jià)格。

股票市場(chǎng)的消息靈通的交易者會(huì)優(yōu)先使用具有良好流動(dòng)性且杠桿率較高的期權(quán)品種進(jìn)行投機(jī)交易(Ge 等，2016)。 由于投資者的信息獲取渠道不同，信息處理能力高低不平，消息靈通的交易者捕捉到積極的（負(fù)面的）市場(chǎng)信息，從而進(jìn)行看漲期權(quán)（看跌期權(quán)）投機(jī)交易，期權(quán)市場(chǎng)交易價(jià)格領(lǐng)先于股票市場(chǎng)。 如果期權(quán)價(jià)格能夠預(yù)測(cè)股票價(jià)格，那么期權(quán)價(jià)格的回歸系數(shù)應(yīng)該顯著。

（二） 影響因素分析

下面分析是哪些因素影響這個(gè)預(yù)測(cè)能力。

1.期權(quán)杠桿率

假設(shè)2：如果知情交易者使用期權(quán)進(jìn)行短線投機(jī)交易，他們會(huì)選擇流動(dòng)性良好且杠桿率較高的品種。

知情交易者使用期權(quán)來(lái)短線投機(jī)交易時(shí)：一方面，他們需要快速交易，這就需要期權(quán)合約的流動(dòng)性良好；另一方面，高杠桿率能盡可能擴(kuò)大收益。為了檢驗(yàn)這個(gè)假設(shè)， 我們將期權(quán)拆分成虛值期權(quán)out-of-the-money（OTM，|delta|＜0.375）、 平值期權(quán)at-the-money（ATM，0.375≤|delta|≤0.625）和實(shí)值期權(quán)in-the-money（ITM，|delta|＞0.625）（Hu,2014）。 由于OTM 期權(quán)價(jià)格低，它們提供的杠桿率最高。 ITM 期權(quán)杠桿率最低，而ATM 的流動(dòng)性是三個(gè)里面最好的。 我們使用股票實(shí)時(shí)價(jià)格挑選了OTM、ITM 和ATM 期權(quán)進(jìn)行模型估計(jì)分析：

其 中，Reti,t、θXi,t-1與 之 前 的 定 義 相 同，Ret_Call_ATMi,t-1是看漲平值期權(quán)在t-1 期的對(duì)數(shù)收益率，Ret_Call_OTMi,t-1是看漲虛值期權(quán)在t-1 期的對(duì)數(shù)收益率，Ret_Call_ITMi,t-1是看漲實(shí)值期權(quán)在t-1 期的對(duì)數(shù)收益率，Ret_Put_ATMi,t-1是看跌平值期權(quán)在t-1 期的對(duì)數(shù)收益率，Ret_Put_OTMi,t-1是看跌虛值期權(quán)在t-1期的對(duì)數(shù)收益率，Ret_Put_ITMi,t-1是看跌實(shí)值期權(quán)在t-1 期的對(duì)數(shù)收益率。

2.信息不對(duì)稱程度

假設(shè)3：如果知情交易者利用信息優(yōu)勢(shì)使用期權(quán)投機(jī)交易，那么市場(chǎng)的信息不對(duì)稱程度越大時(shí)，期權(quán)的預(yù)測(cè)能力應(yīng)該更大。

當(dāng)市場(chǎng)信息不對(duì)稱程度高時(shí)，知情交易的比例就會(huì)更高（Easley 等，2012）。 那么，市場(chǎng)的信息不對(duì)稱程度會(huì)影響期權(quán)的預(yù)測(cè)能力。 為了對(duì)此假設(shè)進(jìn)檢驗(yàn)，本文使用VPIN（Easley 等，2012）來(lái)表示市場(chǎng)的信息不對(duì)稱程度。 基于VPIN，本文將樣本分為三組（低、中和高）， 分界點(diǎn)在第33 個(gè)百分位和第76 個(gè)百分位。 然后，重新估計(jì)式（1）和（2），對(duì)比每個(gè)組的估計(jì)系數(shù)和t統(tǒng)計(jì)量。

其中VPIN 計(jì)算過程如下：第一步，使用公式（6）將τ 時(shí)間內(nèi)的交易量劃分為主動(dòng)買量和主動(dòng)賣量，

其中，Vτbid是主動(dòng)買量，Vτask是主動(dòng)賣量，Vτ是窗寬τ 內(nèi)的總體成交量，t 表示t 分布的累積分布，自由度df=0.25，Pτ是價(jià)格，σΔp是前10 個(gè)窗寬價(jià)格變動(dòng)的標(biāo)準(zhǔn)差。 第二步，使用公式(8)計(jì)算VPIN，即累積凈買賣量占交易總量的比例， 如果凈買量或凈賣量高則VPIN 值高，其中n 選取20。

3.市場(chǎng)活躍度

假設(shè)4： 如果知情交易者使用期權(quán)投機(jī)交易，那么對(duì)于市場(chǎng)活躍度越高，期權(quán)的預(yù)測(cè)能力應(yīng)該更大。

由于知情交易者更容易在市場(chǎng)交易量高時(shí)隱藏交易行為，因此當(dāng)期權(quán)交易量高時(shí)，知情交易會(huì)更活躍（Hu2014）。并且，當(dāng)市場(chǎng)活躍度越高時(shí)，市場(chǎng)的動(dòng)量效應(yīng)越強(qiáng)，此時(shí)期權(quán)的預(yù)測(cè)能力越大。 為了檢驗(yàn)這個(gè)機(jī)制，本文使用期權(quán)交易量作為市場(chǎng)活躍度代理變量進(jìn)行分組分析。

4.市場(chǎng)波動(dòng)性

假設(shè)5：由于做市商在提供流動(dòng)性時(shí)需要?jiǎng)討B(tài)管理delta 風(fēng)險(xiǎn)，因此期權(quán)市場(chǎng)波動(dòng)率高時(shí)，做市商風(fēng)險(xiǎn)對(duì)沖的行為越頻繁，期權(quán)的預(yù)測(cè)能力應(yīng)該更大。

Hu(2014)分析了期權(quán)做市商的delta 對(duì)沖行為對(duì)期權(quán)價(jià)格具有預(yù)測(cè)能力的作用。 市場(chǎng)波動(dòng)率高時(shí)，做市商的風(fēng)險(xiǎn)更大， 而其風(fēng)險(xiǎn)對(duì)沖的行為也會(huì)更頻繁。那么此時(shí)期權(quán)價(jià)格應(yīng)該更具有預(yù)測(cè)能力。本文使用凈收益率絕對(duì)值作為市場(chǎng)波動(dòng)率代理變量來(lái)分析這個(gè)機(jī)制。

四、數(shù)據(jù)

（一）數(shù)據(jù)描述

由于中國(guó)股票市場(chǎng)還沒有個(gè)股期權(quán)上市， 只有ETF 期權(quán)，本文選擇了50ETF 期權(quán)和300ETF 期權(quán)兩個(gè)期權(quán)品種作為研究對(duì)象。50ETF 期權(quán)的樣本區(qū)間為2019 年1 月至2020 年12 月包括新冠疫情前1 年與之后1 年的數(shù)據(jù)。 由于300ETF 期權(quán)上市時(shí)間是2019年12 月23 日，其樣本區(qū)間為2020 年1 月至2020 年12 月。 數(shù)據(jù)包括： 上海證券交易所50etf 期權(quán)、300etf期權(quán)、50etf 和300etf 數(shù)據(jù)，數(shù)據(jù)來(lái)源是Wind。其中，期權(quán)數(shù)據(jù)包括所有行權(quán)價(jià)。數(shù)據(jù)字段包括：開盤價(jià)、最高價(jià)、最低價(jià)、收盤價(jià)、成交量、成交金額、持倉(cāng)量等。

樣本數(shù)據(jù)包含394 個(gè)交易日，2 分鐘數(shù)據(jù)總共包含45322 個(gè)。 數(shù)據(jù)中有少量期權(quán)合約在某些時(shí)段沒有交易，這些樣本被刪除以防止分母為0，最終數(shù)據(jù)情況如表1 所示。表中展示了各2 分鐘數(shù)據(jù)樣本的統(tǒng)計(jì)描述，包 括50ETF 和300ETF 的Return、SOI、OOI、Spread、RetCall、RetPut、CallVPIN 和PutVPIN。 在計(jì)算交易方向時(shí)，我們使用了Lee 和Ready（1991）方法來(lái)分類交易方向。 樣本中，包含所有的期權(quán)合約，到期日小于5天的除外。 為了更準(zhǔn)確的計(jì)算OOI 和SOI，我們計(jì)算了每個(gè)高頻數(shù)據(jù)的delta 值，最終合成到分鐘數(shù)據(jù)。 期權(quán)的delta 是用Black 和Scholes（1973）模型計(jì)算，假設(shè)0 利率和0 股息。 從表1 可以看到，300ETF 的標(biāo)準(zhǔn)差和峰度都要大于50ETF，說明其波動(dòng)更大，肥尾更明顯?？礉q期權(quán)和看跌期權(quán)的回報(bào)的波動(dòng)明顯比ETF 收益率波動(dòng)大， 最大和最小值之差也比ETF 的大很多?？偟膩?lái)說， 由于300ETF 的成分股市值要小于50ETF成分股，它的肥尾特征更明顯，期權(quán)的波動(dòng)更大。

表1 數(shù)據(jù)描述

300ETF 描述性統(tǒng)計(jì)變量 樣本量 均值 標(biāo)準(zhǔn)差 最小值 最大值 偏度 峰度Ret 27779 -2.75e-06 0.000921 -0.00720 0.0159 0.168 10.20 SOI 27779 -46,173 6.348e+06 -4.710e+07 5.662e+07 0.162 6.581 OOI 27779 12.55 598.9 -5,590 5,113 0.0216 6.501 Spread 27779 6.38e-05 4.93e-05 1.70e-16 5.15e-04 1.1957 2.4102 RetCall 27779 -0.00022 0.00944 -0.0836 0.174 0.127 12.55 RetPut 27779 -7.59e-05 0.0105 -0.209 0.0929 -0.353 14.20 CallVPIN 27144 0.1157 0.0803 1.9e-5 0.4204 0.6658 -0.198 PutVPIN 27144 0.1149 0.0804 5.63e-08 0.4206 0.674 -0.2053

五、實(shí)證結(jié)果與分析

（一）檢驗(yàn)期權(quán)對(duì)股票的預(yù)測(cè)能力

1.主回歸檢驗(yàn)

我們檢驗(yàn)了多個(gè)時(shí)間窗口的期權(quán)預(yù)測(cè)能力，包括1 分鐘、2 分鐘、3 分鐘、4 分鐘、5 分鐘、10 分鐘、15 分鐘、30 分鐘、60 分鐘和日。實(shí)證結(jié)果表明，50ETF 期權(quán)和300ETF 期權(quán)在1-3 分鐘間隔內(nèi)對(duì)股票價(jià)格有良好預(yù)測(cè)能力。 表2 報(bào)告了數(shù)據(jù)周期2 分鐘的回歸結(jié)果，回歸模型是式（1）和（2），其中標(biāo)準(zhǔn)誤進(jìn)行了Huber-White 調(diào)整。被解釋變量為股票收益率，核心解釋變量是滯后期的看漲期權(quán)收益率RetCall 和看跌期權(quán)收益率RetPut。 “300ETF_all”和“50ETF_all”列是全樣本回歸， 看漲期權(quán)RetCall 的估計(jì)系數(shù)分別是0.005（significant at the 1% level）和0.003（significant at the 1% level），系數(shù)都顯著這說明了期權(quán)的預(yù)測(cè)能力。 看跌期權(quán)RetPut 的估計(jì)系數(shù)分別是-0.003（significant at the 1% level）和-0.000（non-significant）。“pre-covid-19”和“post-covid-19”列是疫情發(fā)生前和疫情發(fā)生后的子樣本。 看漲期權(quán)和看跌期權(quán)的系數(shù)顯著性與全樣本保持一致，確保結(jié)果的穩(wěn)健。 從回歸結(jié)果來(lái)看，期權(quán)價(jià)格對(duì)股票價(jià)格有顯著的預(yù)測(cè)作用， 驗(yàn)證了假設(shè)1。 期權(quán)訂單流不平衡OOI 的全樣本回歸系數(shù)為0.071(non-significant)和0.028(non-significant)，都不顯著。 股票訂單流不平衡SOI 的全樣本回歸系數(shù)為0.089(significant at the 5% level)和0.027(non-significant)。 可以看到，OOI 和SOI 的系數(shù)顯著性水平都較低， 說明它們的預(yù)測(cè)能力較弱。 另外， 股票的價(jià)差(spread)、 看漲期權(quán)和看跌期權(quán)的交易量及持倉(cāng)量的系數(shù)顯著性不佳，預(yù)測(cè)能力較弱。 總的來(lái)說，看漲期權(quán)和看跌期權(quán)的系數(shù)顯著保持穩(wěn)健， 說明了期權(quán)價(jià)格對(duì)股票價(jià)格有較強(qiáng)的預(yù)測(cè)能力。 需要注意的是，看跌期權(quán)的系數(shù)的顯著性水平并不像看漲期權(quán)的系數(shù)那么穩(wěn)健。 這說明看漲期權(quán)的預(yù)測(cè)能力更強(qiáng)。 另外，比較RetCall 和OOI 的系數(shù)，可以發(fā)現(xiàn)在控制了期權(quán)和股票的訂單流不平衡后，RetCall 的顯著性水平保持穩(wěn)健。 這說明，在短期內(nèi)價(jià)格變化的信號(hào)作用比累積的delta 變化更有效。

表2 期權(quán)價(jià)格對(duì)股票價(jià)格預(yù)測(cè)能力回歸結(jié)果

VARIABLES 300ETF all 50ETF all pre-covid-19 post-covid-19 PutVolt-1 13.667 16.150 27.798** -1.778(0.70) (1.60) (2.02) (-0.11)PutOpInt-1 0.022** 0.005 0.001 0.009(2.54) (1.08) (0.25) (1.23)All Controls Yes Yes Yes Yes Yes Yes Yes Yes Observations 26607 26607 43388 43388 17886 17886 25502 25502 R-squared 0.003 0.003 0.003 0.003 0.005 0.005 0.004 0.003

2.穩(wěn)健性分析

我們對(duì)回歸分析的穩(wěn)健性進(jìn)行說明。 第一，由于中國(guó)金融市場(chǎng)沒有個(gè)股期權(quán)，所以我們選擇了可用的兩個(gè)ETF 期權(quán)作為研究對(duì)象。 第二，為了避免疫情對(duì)回歸結(jié)果的影響，我們將樣本區(qū)分為疫情發(fā)生前和疫情發(fā)生后的子樣本，以分析回歸結(jié)果在子樣本中的表現(xiàn)。第三，我們計(jì)算了10 個(gè)時(shí)間間隔， 充分研究了期權(quán)價(jià)格對(duì)股票價(jià)格的可預(yù)測(cè)性?；貧w結(jié)果見附錄表9。第四，我們將控制變量的個(gè)數(shù)逐步增加，以確?；貧w結(jié)果的一致性良好。

表9 期權(quán)多時(shí)間間隔預(yù)測(cè)能力分析

（二）影響因素分析

下面我們分析哪些因素會(huì)影響期權(quán)的預(yù)測(cè)能力。

1.期權(quán)杠桿率

表3 報(bào)告了杠桿率對(duì)期權(quán)預(yù)測(cè)能力影響的回歸結(jié)果，回歸模型是式（4）和（5），其中標(biāo)準(zhǔn)誤進(jìn)行了Huber-White 調(diào)整。 “300ETF_all”和“50ETF_all”列是全樣本回歸，ATM 看漲期權(quán)ATM_Call 的估計(jì)系數(shù)分別是0.008(significant at the 1% level)和0.003(significant at the 1% level)， 系數(shù)都顯著。 ATM 看跌期權(quán)ATM_Put 的估計(jì)系數(shù)分別是-0.006 (significant at the 1% level)和-0.003(significant at the 1% level)，系數(shù)都顯著。 OTM 看漲期權(quán)的估計(jì)系數(shù)是-0.001 (non-significant)和0.001(non-significant)。 OTM 看跌期權(quán)的估計(jì)系數(shù)是-0.001(non-significant)和0.002(significant at the 5% level)。ITM 看漲期權(quán)的估計(jì)系數(shù)是0.001(nonsignificant)和0.001(non-significant)。 ITM 看跌期權(quán)的估計(jì)系數(shù)是-0.000(non-significant)和-0.002(significant at the 1% level)。表3 的“pre-covid-19”和“post-covid-19”列是按疫情發(fā)生前后劃分的子樣本。 它的回歸結(jié)果與全樣本結(jié)果一致，說明了結(jié)果穩(wěn)健。 從回歸結(jié)果可以看到，ATM 期權(quán)的系數(shù)全部顯著。 這說明它的預(yù)測(cè)能力是最強(qiáng)的，ITM 期權(quán)也具有一定的預(yù)測(cè)能力，而OTM 期權(quán)預(yù)測(cè)能力最弱。這驗(yàn)證了假設(shè)2 的結(jié)論。雖然OTM 期權(quán)杠桿率最高， 但是其交易量較低。 而ATM 期權(quán)的杠桿率適中，交易量最大，所以知情交易者更偏好于利用ATM 期權(quán)進(jìn)行投機(jī)交易。 知情交易者在選擇期權(quán)時(shí)， 會(huì)考慮杠桿率和交易成本等因素。ATM 期權(quán)交易量最大，流動(dòng)性較好，交易成本更低。

表3 期權(quán)杠桿率對(duì)期權(quán)預(yù)測(cè)能力的影響分析

2.信息不對(duì)稱程度

本文使用期權(quán)的VPIN 為信息不對(duì)稱程度的代理變量，將樣本區(qū)分為高、中、低三組。 表4 報(bào)告了信息不對(duì)稱程度對(duì)期權(quán)預(yù)測(cè)能力影響的分組回歸結(jié)果，回歸模型是式（1）和（2），其中標(biāo)準(zhǔn)誤進(jìn)行了Huber-White 調(diào)整。 第一個(gè)面板展示了VPIN 高分組的回歸結(jié)果。其中“300ETF_all”和“50ETF_all”列是全樣本回歸， 看漲期權(quán)RetCall 的估計(jì)系數(shù)分別是0.01(significant at the 1% level) 和0.004 (significant at the 5% level)，系數(shù)都顯著，看跌期權(quán)RetPut 的估計(jì)系數(shù)分別是-0.007 (significant at the 1% level) 和-0.001(non-significant)。 第二個(gè)面板展示了低VPIN 分組的回歸結(jié)果，看漲期權(quán)RetCall 的估計(jì)系數(shù)分別是0.002(non-significant)和0.002(significant at the 10% level)，看跌期權(quán)RetPut 的估計(jì)系數(shù)分別是-0.002 (non-significant)和0.000(non-significant)。 比較這兩組的系數(shù)顯著性可以發(fā)現(xiàn)， 信息不對(duì)稱程度顯著影響了期權(quán)的預(yù)測(cè)能力。 當(dāng)信息不對(duì)稱程度越高時(shí)，看漲期權(quán)和看跌期權(quán)的預(yù)測(cè)能力越強(qiáng)。 這驗(yàn)證了假設(shè)3。 可以這么來(lái)理解：當(dāng)交易中的知情交易比例越高時(shí)，市場(chǎng)信息不對(duì)稱程度較高，基于信息的交易的可能性更高。而此時(shí)，期權(quán)交易的信號(hào)作用越明顯。 投資者更可能在此時(shí)跟隨期權(quán)的漲跌進(jìn)行交易， 從而出現(xiàn)期權(quán)價(jià)格的預(yù)測(cè)能力。

表4 信息不對(duì)稱程度對(duì)期權(quán)預(yù)測(cè)能力影響分析

3.市場(chǎng)活躍性

RetPutt-1 0.002 0.002** 0.003** 0.002（1.32） （2.26） （2.40） （1.43）All Controls Yes Yes Yes Yes Yes Yes Yes Yes Observations 8,931 8,907 14,702 14,692 6,072 6,078 8,641 8,626 R-squared 0.038 0.037 0.040 0.034 0.050 0.035 0.039 0.039

我們使用期權(quán)的成交量，將樣本分成三組。 表5展示了市場(chǎng)活躍度對(duì)期權(quán)預(yù)測(cè)能力影響的分組回歸結(jié)果，回歸模型是式（1）和（2），表格中列名解釋同上。通過比較市場(chǎng)活躍度高和低兩組的結(jié)果可以得到結(jié)論。 第一個(gè)面板展示了高成交量分組的回歸結(jié)果。 看漲期權(quán)RetCall 的估計(jì)系數(shù)分別是0.005(significant at the 1% level) 和0.003 (significant at the 10% level)，50ETF 期權(quán)和300ETF 期權(quán)的數(shù)據(jù)都顯著。 看跌期權(quán)RetPut 的估計(jì)系數(shù)分別是-0.003 (significant at the 10% level)和0.001(non-significant)。 第二個(gè)面板展示了低成交量分組的回歸結(jié)果。 看漲期權(quán)RetCall 的估計(jì)系數(shù)分別是-0.002(non-significant)和-0.001(nonsignificant)，都不顯著，看跌期權(quán)RetPut 的估計(jì)系數(shù)分別是0.002(non-significant)和0.002(significant at the 5% level)。 可以看到，低成交量分組的顯著水平明顯較低。 比較兩組的結(jié)果，可以得到期權(quán)成交量對(duì)預(yù)測(cè)能力的正向影響。驗(yàn)證了假設(shè)4。當(dāng)市場(chǎng)活躍時(shí)，知情交易者更容易隱藏交易行為， 因此知情交易會(huì)更活躍。并且，知情交易者可以更快速地實(shí)現(xiàn)交易執(zhí)行，降低時(shí)間風(fēng)險(xiǎn)。另外，當(dāng)市場(chǎng)活躍度越高時(shí)，市場(chǎng)的動(dòng)量效應(yīng)越強(qiáng)，此時(shí)期權(quán)的預(yù)測(cè)能力越大。

表5 市場(chǎng)活躍度對(duì)期權(quán)預(yù)測(cè)能力影響分析

4.市場(chǎng)波動(dòng)率

我們使用期權(quán)凈回報(bào)的絕對(duì)值將樣本按33 分位數(shù)和76 分位數(shù)分成三組。 選取高和低兩組樣本分組回歸分析。表6 展示了市場(chǎng)波動(dòng)率對(duì)期權(quán)預(yù)測(cè)能力影響的分組回歸結(jié)果，回歸模型是式（1）和（2）。 第一個(gè)面板展示了高波動(dòng)分組的回歸結(jié)果。 看漲期權(quán)Ret Call 的估計(jì)系數(shù)分別是0.003（significant at the 5%level）和0.003（significant at the 1% level），50ETF 期權(quán)和300ETF 期權(quán)的數(shù)據(jù)都顯著。 看跌期權(quán)RetPut 的估計(jì)系數(shù)分別是-0.004（significant at the 1% level）和-0.000（non-significant）。 第二個(gè)面板展示了低波動(dòng)率分組的回歸結(jié)果， 看漲期權(quán)RetCall 的估計(jì)系數(shù)分別是0.007（non-significant）和0.017（significant at the 1%level），只有一個(gè)顯著。 看跌期權(quán)RetPut 的估計(jì)系數(shù)分別是-0.01（significant at the 10% level）和-0.007（nonsignificant）。 對(duì)比兩組結(jié)果可以看到，期權(quán)的預(yù)測(cè)能力在高波動(dòng)率分組時(shí)更強(qiáng)，驗(yàn)證了假設(shè)5。當(dāng)市場(chǎng)波動(dòng)較高時(shí)，投資者交易積極，價(jià)格動(dòng)量效應(yīng)越明顯，并且信息溢出也會(huì)更容易在此時(shí)發(fā)生。 另外，Hu（2014）分析了期權(quán)做市商在對(duì)期權(quán)預(yù)測(cè)能力中的作用。 市場(chǎng)波動(dòng)率高時(shí)，做市商的風(fēng)險(xiǎn)更大，而其風(fēng)險(xiǎn)對(duì)沖的行為也會(huì)更頻繁。 那么此時(shí)，期權(quán)價(jià)格應(yīng)該更具有預(yù)測(cè)能力。

表6 市場(chǎng)波動(dòng)率對(duì)期權(quán)預(yù)測(cè)能力影響分析

5.日內(nèi)分析

中國(guó)股票市場(chǎng)的日內(nèi)成交量呈U 型特征，開盤和尾盤時(shí)交易量最大。本文將日內(nèi)分為4 時(shí)段（9:30-10:30,10:30-11:30,13:00-14:00 和14:00-15:00）， 考察期權(quán)預(yù)測(cè)能力的變化。表7 匯報(bào)了日內(nèi)時(shí)段期權(quán)預(yù)測(cè)能力變化的回歸結(jié)果，回歸模型是式（1）和（2）。 其中，“300ETF_T1”和“50ETF_T1”列是開盤1 小時(shí)的回歸結(jié)果。 看漲期權(quán)RetCall 的估計(jì)系數(shù)分別是0.003(non-significant)和0.002(non-significant)，系數(shù)都不顯著。 看跌期權(quán)RetPut 的估計(jì)系數(shù)分別是-0.003 (nonsignificant)和-0.001(non-significant)，系數(shù)都不顯著。“300ETF_T4”和“50ETF_T4”列是尾盤1 小時(shí)樣本的回歸結(jié)果。 看漲期權(quán)RetCall 的估計(jì)系數(shù)分別是0.01(significant at the 1% level) 和0.004 (significant at the 1% level)，系數(shù)都顯著。 看跌期權(quán)RetPut 的估計(jì)系數(shù)分別是-0.003(non-significant)和0.002(significant at the 10% level)。 比較開盤和尾盤兩個(gè)時(shí)段樣本的回歸結(jié)果，發(fā)現(xiàn)開盤1 小時(shí)內(nèi)，期權(quán)的預(yù)測(cè)能力弱。這可能跟開盤時(shí)頻繁的多空博弈有關(guān)，隔夜累積多頭和空頭信息在開盤時(shí)都急于交易，這導(dǎo)致在開盤時(shí)段價(jià)格容易反轉(zhuǎn)， 也使我們經(jīng)常看到價(jià)格上漲下跌來(lái)回拉鋸。另外一個(gè)可能的原因是，開盤時(shí)基于流動(dòng)性需求的交易比較大，由于基于流動(dòng)性的交易沒有信息量，這會(huì)影響期權(quán)價(jià)格的信號(hào)作用。

表7 期權(quán)預(yù)測(cè)能力的日內(nèi)時(shí)段分析

6.穩(wěn)健性分析

VPIN 是使用批量分類來(lái)計(jì)算的， 有學(xué)者發(fā)現(xiàn)與傳統(tǒng)的方法相比， 批量方法的準(zhǔn)確性較低(例如，Chakrabarty 等，2015)。 因此本文使用了Lee 和Ready(1991)方法計(jì)算了VPIN，分組回歸的結(jié)果見附錄表8。其結(jié)果與上文結(jié)果一致。

表8 VPIN 的穩(wěn)健性分析

（三）交易策略分析

最后，我們構(gòu)建一組交易策略，來(lái)檢驗(yàn)上文的回歸結(jié)果。

Strategy 1：If Call_Returnt-1＞1，Buy Stockt,when t+1，Sell Stockt+1;

Strategy 2：If Put_Returnt-1＜1，Buy Stockt，when t+1，Sell Stockt+1；

Strategy 3：If Call_Returnt-1＜1，Sell Stoct，when t+1，Buy Stockt+1；

Strategy 4：If Put_Returnt-1＞1，Sell Stockt，when t+1，Buy Stockt+1；

根據(jù)上文的實(shí)證結(jié)論， 我們總共構(gòu)造4 個(gè)策略，都是使用ATM 期權(quán)作為交易信號(hào)來(lái)交易底層資產(chǎn)。

策略1 是使用看漲期權(quán)的價(jià)格信息來(lái)預(yù)測(cè)股票價(jià)格上漲。策略2 是使用看跌期權(quán)的價(jià)格信息來(lái)預(yù)測(cè)股票價(jià)格上漲。策略3 是使用看漲期權(quán)的價(jià)格信息來(lái)預(yù)測(cè)股票價(jià)格下跌。策略4 是使用看跌期權(quán)的價(jià)格信息來(lái)預(yù)測(cè)股票價(jià)格下跌。 交易費(fèi)用設(shè)為0。 通過對(duì)比策略1 與策略2、策略3 與策略4 的表現(xiàn)，可以分析看漲期權(quán)和看跌期權(quán)不同的預(yù)測(cè)能力。 另外，比較預(yù)測(cè)上漲的策略和預(yù)測(cè)下跌的策略，可以分析得到期權(quán)中上漲和下跌信息的非對(duì)稱性。

圖3 展示了四個(gè)交易策略的表現(xiàn)?？梢钥吹讲呗? 的累積凈值曲線一直在策略2 的曲線上方， 策略3的累積凈值曲線一直在策略4 的曲線上方。 也就是說，看漲期權(quán)比看跌期權(quán)擁有更多的預(yù)測(cè)信息。 可以這么理解：由于在看跌期權(quán)中有相當(dāng)一部分的套保交易，這些套保交易會(huì)在一定程度上淹沒知情交易的信息傳遞，導(dǎo)致看跌期權(quán)的信號(hào)作用減弱。另外，對(duì)比策略1 與策略3 或者對(duì)比策略2 與策略4 可以發(fā)現(xiàn)，期權(quán)預(yù)測(cè)上漲比預(yù)測(cè)下跌更有效，即期權(quán)對(duì)上漲和下跌的預(yù)測(cè)是非對(duì)稱的。

圖3 四個(gè)交易策略的累積凈值曲線

六、結(jié)論與建議

本文使用中國(guó)股票期權(quán)市場(chǎng)的高頻數(shù)據(jù)研究期權(quán)價(jià)格的短期可預(yù)測(cè)性。 實(shí)證研究發(fā)現(xiàn)，50ETF 和300ETF 期權(quán)在1-3 分鐘內(nèi)期權(quán)價(jià)格對(duì)股票價(jià)格具有良好預(yù)測(cè)能力，間隔大于3 分鐘后預(yù)測(cè)能力減弱。 并且，看漲期權(quán)的預(yù)測(cè)能力高于看跌期權(quán)。

進(jìn)一步， 本文分析了影響期權(quán)預(yù)測(cè)能力的機(jī)制。為了分析期權(quán)杠桿率的機(jī)制， 本文將期權(quán)按delta 大小分組為OTM、ATM 和ITM。 實(shí)證結(jié)果發(fā)現(xiàn)，ATM 具有最強(qiáng)的預(yù)測(cè)能力，OTM 和ITM 的預(yù)測(cè)能力都較弱。為了分析期權(quán)知情交易的機(jī)制， 本文使用VPIN 分組分析發(fā)現(xiàn)，當(dāng)期權(quán)VPIN 較高時(shí)，預(yù)測(cè)能力顯著。另外，市場(chǎng)活躍度和波動(dòng)率都會(huì)正向影響期權(quán)的預(yù)測(cè)能力。最后， 本文構(gòu)建了交易策略來(lái)檢驗(yàn)回歸模型的結(jié)論。從交易策略的結(jié)果發(fā)現(xiàn)，看漲期權(quán)比看跌期權(quán)擁有更多的預(yù)測(cè)信息，并且看漲期權(quán)預(yù)測(cè)上漲比預(yù)測(cè)下跌更有效。 總的來(lái)說，投資者可以使用期權(quán)靈活配置杠桿率用于獲取投資收益，并且資金使用率高，因此有信息優(yōu)勢(shì)的投資者偏好使用期權(quán)交易，從而使期權(quán)價(jià)格具有預(yù)測(cè)能力。

本文的研究結(jié)論為助力優(yōu)化新時(shí)代金融體制改革和提升資本市場(chǎng)效率提供了如下政策啟示。 第一，我國(guó)經(jīng)濟(jì)以實(shí)體為本， 資本市場(chǎng)承擔(dān)配置市場(chǎng)資源、引導(dǎo)產(chǎn)業(yè)升級(jí)、提升公司治理的重任。對(duì)監(jiān)管者而言，應(yīng)該加大力度開發(fā)與實(shí)體產(chǎn)業(yè)相關(guān)的期權(quán)品種，同時(shí)加強(qiáng)對(duì)實(shí)體企業(yè)的引導(dǎo)與培育力度，提高其風(fēng)險(xiǎn)管理意識(shí)與技術(shù)水平，以充分發(fā)揮資本市場(chǎng)的資源配置功能和創(chuàng)新能力， 夯實(shí)我國(guó)經(jīng)濟(jì)持續(xù)健康發(fā)展的基礎(chǔ)。第二，期權(quán)作為金融衍生品，天然具有更高的杠桿比率，可供投資者靈活配置風(fēng)險(xiǎn)和收益。因此，期權(quán)的隱含波動(dòng)率和價(jià)格蘊(yùn)含未來(lái)的市場(chǎng)信息。 對(duì)投資者而言，應(yīng)該充分利用期權(quán)的特點(diǎn)：一方面，挖掘期權(quán)隱含波動(dòng)率蘊(yùn)含的市場(chǎng)波動(dòng)風(fēng)險(xiǎn)的信息，作為風(fēng)險(xiǎn)預(yù)警以防范更大的系統(tǒng)性風(fēng)險(xiǎn)；另一方面，善于利用期權(quán)價(jià)格或隱含波動(dòng)率蘊(yùn)含的未來(lái)價(jià)值信息，獲取市場(chǎng)超額收益。

附錄