周大朋 穆月英（通訊作者）

（中國農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院 北京 100083）

隨著我國經(jīng)濟(jì)與金融的飛速發(fā)展，近幾年期貨市場成交量持續(xù)上升。2021年底我國共計(jì)期貨期權(quán)品種94個(gè)，期貨市場資金量突破一萬億元。我國期貨市場通過近年來的改革創(chuàng)新大幅提升了綜合實(shí)力，期貨在我國經(jīng)濟(jì)活動(dòng)中的作用越來越凸顯。滬深300股指期貨的出現(xiàn)可以幫助投資者分散價(jià)格風(fēng)險(xiǎn)，規(guī)避來自外部的不確定性，從而提高資金的使用效率。

本文所研究的內(nèi)容重要意義在于兩個(gè)方面。一方面，通過探究滬深300股指期貨相關(guān)的影響因素，與價(jià)格分析相結(jié)合，從而對價(jià)格判斷更加符合實(shí)際。另一方面，選擇合適的模型來對價(jià)格進(jìn)行預(yù)測，幫助投資者采取合理的投資策略進(jìn)而規(guī)避風(fēng)險(xiǎn)，使得收益最大化，具有較強(qiáng)的應(yīng)用性和實(shí)踐價(jià)值。

1 文獻(xiàn)綜述

關(guān)于滬深300股指期貨價(jià)格的影響因素和價(jià)格預(yù)測的已有研究，主要概括為以下幾點(diǎn)：

第一，股指期貨價(jià)格市場關(guān)系的研究，王蓓(2019)研究表明滬深300期現(xiàn)貨的價(jià)格發(fā)現(xiàn)功能不明顯。閔豫南(2020)發(fā)現(xiàn)在岸市場暫停無法顯著制約離岸市場的價(jià)格發(fā)現(xiàn)能力。

第二，影響因素的研究，唐志武等(2020)研究發(fā)現(xiàn)，股指期貨政策會(huì)使其他指數(shù)對滬深300股指期貨收益率的預(yù)測產(chǎn)生影響。熊熊等(2020)發(fā)現(xiàn)投資者情緒對滬深300股指期貨產(chǎn)生一定的負(fù)面影響。李延軍(2021)發(fā)現(xiàn)滬深300股指期貨市場主要影響因素是股票市場流動(dòng)性和股票市場不確定性。

第三，價(jià)格預(yù)測的研究，有學(xué)者運(yùn)用GARCH族模型研究發(fā)現(xiàn)股指期貨降低了市場波動(dòng)，且GARCH(1,1)模型預(yù)測精度更高。蔡澤棟(2020)發(fā)現(xiàn)用機(jī)器學(xué)習(xí)對滬深300股指價(jià)格進(jìn)行預(yù)測精度更高。趙新蕾(2021)利用ARMA模型對滬深300股指價(jià)格進(jìn)行預(yù)測的相對平均誤差為0.84%。

綜上所述，對于股指期貨價(jià)格波動(dòng)性的分析，目前學(xué)者更側(cè)重于分析宏觀經(jīng)濟(jì)指標(biāo)的影響，現(xiàn)有的文獻(xiàn)主要采用格蘭杰因果檢驗(yàn)或VAR模型來進(jìn)行分析。滬深300股指期貨的價(jià)格預(yù)測中，大部分學(xué)者會(huì)使用時(shí)間序列或機(jī)器學(xué)習(xí)等來提高預(yù)測的準(zhǔn)確性。

2 滬深300股指期貨價(jià)格影響因素實(shí)證分析

2.1 變量選取和處理

本文從能夠反映宏觀經(jīng)濟(jì)運(yùn)行狀況、金融市場發(fā)展情況以及投資者心理因素等方面進(jìn)行分析。選取5個(gè)變量以及滬深300股指期貨收盤價(jià)(p)，其中滬深300指數(shù)(x1)和匯率(x2)反映金融市場因素，社會(huì)融資規(guī)模(x3)和CPI(x4)反映宏觀經(jīng)濟(jì)因素，消費(fèi)者信心指數(shù)(x5)反映投資者心理因素。本文選取2010年4月16日至2021年12月31日的月度數(shù)據(jù)進(jìn)行實(shí)證分析(數(shù)據(jù)均來源于Choice金融終端，操作軟件為Eviews10.0)。

2.2 平穩(wěn)性檢驗(yàn)

建立VAR模型前，要求時(shí)間序列是平穩(wěn)的。以下采取ADF單位根檢驗(yàn)，原序列都是非平穩(wěn)的，一階差分后的序列變得平穩(wěn)，如表1所示。

表1 各變量平穩(wěn)性檢驗(yàn)結(jié)果

2.3 協(xié)整檢驗(yàn)

如果原序列不是平穩(wěn)的，經(jīng)過差分之后變得平穩(wěn)，需要協(xié)整檢驗(yàn)來判斷序列之間是否存在長期的均衡關(guān)系。如表2所示，在None的情形下值為0，說明序列之間存在多個(gè)協(xié)整關(guān)系。

表2 變量之間協(xié)整檢驗(yàn)結(jié)果

2.4 建立VAR模型

建模之前首先要選擇最優(yōu)的滯后階數(shù)，如表3所示。通過信息準(zhǔn)則值最小原則確定滯后階數(shù)為2，由此建立VAR(2)模型，并且模型通過穩(wěn)定性檢驗(yàn)。

表3 VAR模型滯后階數(shù)的確定

2.5 脈沖響應(yīng)及方差分解

脈沖響應(yīng)分析的結(jié)果如圖1所示，股指期貨價(jià)格對自身的沖擊效應(yīng)最大，前兩期為正向的沖擊，之后轉(zhuǎn)為負(fù)向沖擊再趨于平穩(wěn)；指數(shù)對股指期貨價(jià)格的沖擊不明顯，說明股指期貨和指數(shù)之間關(guān)聯(lián)性較小，價(jià)格發(fā)現(xiàn)功能不明顯；匯率對股指期貨價(jià)格的沖擊先由負(fù)轉(zhuǎn)正，持續(xù)時(shí)間較長，說明匯率的變動(dòng)會(huì)對期貨價(jià)格產(chǎn)生持續(xù)性的影響；社會(huì)融資規(guī)模對股指期貨價(jià)格的沖擊前四期為負(fù)向，后兩期轉(zhuǎn)為正向之后趨于平穩(wěn)；CPI指數(shù)對股指期貨價(jià)格的沖擊主要是負(fù)向沖擊，隨后趨于平穩(wěn)；消費(fèi)者信心指數(shù)對股指期貨價(jià)格前四期正向沖擊較強(qiáng)，之后趨于平穩(wěn)。

圖1 脈沖響應(yīng)結(jié)果

方差分解可以解釋一個(gè)因素在總體影響中的貢獻(xiàn)程度，貢獻(xiàn)度越高說明影響程度越大。由表4方差分解的結(jié)果可以看出，股指期貨價(jià)格對于股指期貨價(jià)格本身的影響最大，貢獻(xiàn)度穩(wěn)定在94%左右；滬深300指數(shù)對股指期貨價(jià)格的影響較小，貢獻(xiàn)度僅達(dá)到了0.18%；匯率和社會(huì)融資規(guī)模對股指期貨價(jià)格的貢獻(xiàn)度最后穩(wěn)定在1.2%，且反應(yīng)滯后期較長；CPI指數(shù)對股指期貨的貢獻(xiàn)度很快穩(wěn)定在0.82%，說明沖擊的時(shí)間較短；消費(fèi)者的信心指數(shù)對股指期貨價(jià)格的貢獻(xiàn)度最終在1.53%，說明影響程度較大。

表4 方差分解結(jié)果

3 滬深300股指期貨價(jià)格預(yù)測

3.1 數(shù)據(jù)選擇及處理

本文的價(jià)格預(yù)測實(shí)證分析所選取的統(tǒng)計(jì)數(shù)據(jù)是2010年4月16日到2021年12月31日期間滬深300股指期貨的主力合約日收盤價(jià)，共2850個(gè)交易日數(shù)據(jù)。其中，前2805個(gè)數(shù)據(jù)用作建模，后45個(gè)數(shù)據(jù)用作預(yù)測。本文選取對數(shù)收益率作為因變量，對數(shù)收益率能夠反映證券市場的波動(dòng)情況，其變動(dòng)與投資量大小無關(guān)。對數(shù)收益率的公式如(1)所示，r是對數(shù)收益率，p是日的收盤價(jià)。

3.2 描述性統(tǒng)計(jì)

對數(shù)收益率序列的時(shí)序圖和直方圖表明，序列波動(dòng)特征明顯，分布是尖峰厚尾形狀且明顯左偏，不服從正態(tài)分布。在后續(xù)分析中，為避免產(chǎn)生較大誤差，則需要選取分布和GED分布進(jìn)行檢驗(yàn)(因篇幅所限，本文所有未列示的實(shí)證結(jié)果由作者留存?zhèn)洳?。

3.3 基礎(chǔ)性檢驗(yàn)

基礎(chǔ)性檢驗(yàn)包括方差比檢驗(yàn)、平穩(wěn)性檢驗(yàn)、序列自相關(guān)檢驗(yàn)以及異方差效應(yīng)檢驗(yàn)。由檢驗(yàn)結(jié)果可知，方差比檢驗(yàn)P值為0，說明序列是可分析的；平穩(wěn)性檢驗(yàn)表明對數(shù)收益率序列在99%置信水平下是平穩(wěn)的；自相關(guān)檢驗(yàn)發(fā)現(xiàn)序列之間存在自相關(guān)性，但是可以通過建立ARMA模型消除；ARCH-LM檢驗(yàn)表明序列存在ARCH效應(yīng)，可以建立GARCH族模型。

3.4 建立GARCH族模型

采用信息準(zhǔn)則最小的原則確定GARCH模型的階數(shù)，結(jié)果如表5所示，本文選擇的是服從GED分布的EGARCH(1,1)模型。在前文的假設(shè)檢驗(yàn)，序列不服從正態(tài)分布，因此只考慮分布和GED分布。為了保證模型的簡潔性和有效性，不考慮階數(shù)大于1的情況。建立的EGARCH模型的均值方程和方差方程如式(2)和式(3)所示，其GED的系數(shù)為1.0327。非對稱效應(yīng)項(xiàng)系數(shù)為-0.0159，P值為0.118大于0.1拒絕原假設(shè)，說明滬深300股指期貨的非對稱效應(yīng)不明顯。

表5 GARCH族模型階數(shù)表

3.5 預(yù)測結(jié)果分析

本文采用靜態(tài)預(yù)測方法，根據(jù)之前建立的EGARCH(1,1)模型來預(yù)測2021年11月1日至2021年12月31日的數(shù)據(jù)。所得的預(yù)測結(jié)果如圖2所示，預(yù)測值穩(wěn)定的分布在置信區(qū)間中央，沒有過大的波動(dòng)，且預(yù)測的方差最大值為0.00014，說明沒有明顯的離群點(diǎn)。

圖2 預(yù)測值和預(yù)測方差

預(yù)測效果采用的評價(jià)指標(biāo)如表6所示，EGARCH(1,1)模型的預(yù)測誤差統(tǒng)計(jì)量中的平均絕對百分比誤差為0.5923以及希爾不等系數(shù)為0.0039，說明誤差很小。偏差率和方差率分別為0.0008和0.00001，說明預(yù)測值的偏離程度很低。平均相對誤差為0.0002，說明模型預(yù)測精度很高，具有較強(qiáng)的應(yīng)用價(jià)值。

表6 EGARCH(1,1)模型預(yù)測誤差統(tǒng)計(jì)表

4 結(jié)論和建議

4.1 結(jié)論

本文通過影響因素和價(jià)格預(yù)測實(shí)證分析，得出以下結(jié)論：

第一，金融市場狀況會(huì)對期貨價(jià)格產(chǎn)生較大影響，因?yàn)闇?00指數(shù)關(guān)聯(lián)性較高，匯率的波動(dòng)沖擊影響大。宏觀經(jīng)濟(jì)狀況會(huì)對期貨價(jià)格產(chǎn)生持續(xù)性的影響，社會(huì)融資規(guī)模和CPI等指標(biāo)在一定程度上有滯后性。消費(fèi)者心理因素對價(jià)格影響最大，說明消費(fèi)者心理因素不可忽視。

第二，價(jià)格預(yù)測最合適的模型為EGARCH(1,1)，并且股指期貨非對稱效應(yīng)不明顯，說明股指期貨很好的消除股市原先的波動(dòng)，再使用樣本內(nèi)的數(shù)據(jù)進(jìn)行預(yù)測，結(jié)果表明建立的EGARCH(1,1)模型有效且預(yù)測精度較高。同時(shí)價(jià)格預(yù)測過程中不確定因素眾多，需要進(jìn)行綜合考量。

4.2 建議

第一，優(yōu)化投資者結(jié)構(gòu)，降低期貨市場投資門檻。引導(dǎo)機(jī)構(gòu)投資者參與市場，重塑投資文化與氛圍。讓更多的中小投資者能夠參與進(jìn)來，對新手投資者開展必要的宣傳培訓(xùn)。

第二，加快期貨市場改革與建設(shè)，增加期貨市場綜合實(shí)力。加快期貨市場產(chǎn)品的創(chuàng)新，滿足各類投資者的需求。同時(shí)借鑒國外先進(jìn)的案例，積極參與國際競爭。