摘 要：本文基于2022年7月—2024年12月中證1000股指期貨、ETF（IOPV）及現(xiàn)貨的5分鐘高頻數(shù)據(jù)，通過(guò)協(xié)整檢驗(yàn)、VECM模型和永久短暫模型（PT）對(duì)比分析三者的價(jià)格發(fā)現(xiàn)功能。結(jié)果顯示：期貨、ETF與現(xiàn)貨存在長(zhǎng)期協(xié)整關(guān)系，且三個(gè)市場(chǎng)中每?jī)蓚€(gè)市場(chǎng)之間存在雙向引導(dǎo)，短期價(jià)格偏離由期貨主導(dǎo)修正，調(diào)整速度略高于現(xiàn)貨，顯著高于ETF；價(jià)格發(fā)現(xiàn)貢獻(xiàn)度排序?yàn)槠谪洠?1.55%）、現(xiàn)貨（39.33%）和ETF（19.12%），期貨與現(xiàn)貨共同承擔(dān)主要信息傳遞功能，ETF貢獻(xiàn)較弱。研究表明中證1000股指期貨在價(jià)格發(fā)現(xiàn)中占據(jù)核心地位，而ETF市場(chǎng)效率有待提升。

關(guān)鍵詞：中證1000股指期貨；中證1000ETF；VECM模型；Johansen協(xié)整檢驗(yàn)

一、引言

價(jià)格發(fā)現(xiàn)功能是衡量金融市場(chǎng)運(yùn)行效率的核心維度，反映了市場(chǎng)信息融入資產(chǎn)價(jià)格的動(dòng)態(tài)過(guò)程。作為重要的風(fēng)險(xiǎn)管理與投資工具，股指期貨與ETF的價(jià)格發(fā)現(xiàn)功能直接影響市場(chǎng)定價(jià)效率及資源配置效果?，F(xiàn)有研究多聚焦成熟市場(chǎng)或大盤(pán)指數(shù)（滬深300），對(duì)中小盤(pán)指數(shù)衍生品的價(jià)格發(fā)現(xiàn)機(jī)理探討不足。中證1000指數(shù)作為中國(guó)中小盤(pán)股票的代表性寬基指數(shù)，其期貨與ETF產(chǎn)品于2022年同步上市，為檢驗(yàn)新興衍生品市場(chǎng)的價(jià)格發(fā)現(xiàn)功能提供了獨(dú)特樣本。

盡管已有文獻(xiàn)證實(shí)期貨市場(chǎng)在價(jià)格發(fā)現(xiàn)中常具有領(lǐng)先優(yōu)勢(shì)，但ETF通過(guò)套利機(jī)制在理論上應(yīng)與現(xiàn)貨緊密聯(lián)動(dòng)。然而，針對(duì)中小盤(pán)指數(shù)，特別是期貨、ETF與現(xiàn)貨三者的動(dòng)態(tài)交互關(guān)系尚缺乏高頻數(shù)據(jù)層面的系統(tǒng)論證。本文基于2022年7月—2024年12月的5分鐘高頻數(shù)據(jù)，運(yùn)用Johansen協(xié)整檢驗(yàn)、VECM模型和永久短暫模型，首次對(duì)中證1000股指期貨、ETF的實(shí)時(shí)參考凈值（IOPV）及現(xiàn)貨市場(chǎng)的價(jià)格發(fā)現(xiàn)貢獻(xiàn)進(jìn)行多維度比較。研究發(fā)現(xiàn)，期貨市場(chǎng)在修正價(jià)格偏離與信息傳遞效率方面略優(yōu)于現(xiàn)貨市場(chǎng)，顯著優(yōu)于ETF，揭示了衍生品市場(chǎng)結(jié)構(gòu)差異對(duì)價(jià)格形成機(jī)制的關(guān)鍵影響。本文深入探究了中證1000股指期貨、中證1000ETF及中證1000指數(shù)在價(jià)格發(fā)現(xiàn)機(jī)制上的傳遞效率，旨在為投資者及政策制定者提供理論依據(jù)，以準(zhǔn)確識(shí)別多市場(chǎng)間的長(zhǎng)期均衡機(jī)制與短期波動(dòng)關(guān)聯(lián)。

二、文獻(xiàn)綜述

國(guó)外的股指期貨市場(chǎng)和交易所交易基金市場(chǎng)相對(duì)成熟，因此對(duì)股指期貨市場(chǎng)和基金市場(chǎng)價(jià)格發(fā)現(xiàn)的研究較早。Chu等（1999）對(duì)Samp;P500及其相關(guān)期貨和ETF基金之間的價(jià)格關(guān)聯(lián)展開(kāi)研究，發(fā)現(xiàn)期貨在價(jià)格發(fā)現(xiàn)進(jìn)程中表現(xiàn)顯著。Mahmod Qadan等（2012）對(duì)波動(dòng)時(shí)期 ETF 基金及其標(biāo)的指數(shù)的長(zhǎng)期關(guān)聯(lián)性進(jìn)行實(shí)證分析，證實(shí)二者存在長(zhǎng)期均衡聯(lián)系。Ivanov等（2013）分析DJIA、Samp;P500等指數(shù)及其期貨與 ETF 的價(jià)格發(fā)現(xiàn)關(guān)系，發(fā)現(xiàn)指數(shù)現(xiàn)貨處于引領(lǐng)地位，且 ETF 也具有價(jià)格發(fā)現(xiàn)功能。Amrit Judge等（2014）對(duì)泰國(guó)股指期貨和現(xiàn)貨的日數(shù)據(jù)間價(jià)格關(guān)系進(jìn)行分析，發(fā)現(xiàn)股指期貨價(jià)格能夠發(fā)揮價(jià)格發(fā)現(xiàn)作用。Kharbanda V等（2017）對(duì)印度期貨和現(xiàn)貨外匯（FX）市場(chǎng)之間的領(lǐng)先滯后關(guān)系進(jìn)行研究，發(fā)現(xiàn)兩者存在長(zhǎng)期均衡關(guān)系且期貨市場(chǎng)引領(lǐng)價(jià)格發(fā)現(xiàn)。

盡管我國(guó)股指期貨市場(chǎng)起步較晚，但學(xué)界已針對(duì)股指期現(xiàn)價(jià)格發(fā)現(xiàn)機(jī)制展開(kāi)多維度研究。受市場(chǎng)環(huán)境異質(zhì)性影響，國(guó)內(nèi)外相關(guān)結(jié)論存在顯著差異。華仁海和劉慶富（2010）基于高頻數(shù)據(jù)的實(shí)證分析表明，我國(guó)股指期貨與現(xiàn)貨市場(chǎng)存在長(zhǎng)期均衡關(guān)系及雙向引導(dǎo)機(jī)制，其中期貨市場(chǎng)在價(jià)格發(fā)現(xiàn)效率上具有顯著優(yōu)勢(shì)。YANG等（2012）基于滬深300股指期貨上市初期數(shù)據(jù)，發(fā)現(xiàn)期貨價(jià)格和現(xiàn)貨價(jià)格存在相互引導(dǎo)關(guān)系，但現(xiàn)貨市場(chǎng)價(jià)格發(fā)現(xiàn)能力優(yōu)于期貨市場(chǎng)。蔣勇等（2014）等基于結(jié)構(gòu)變點(diǎn)分析，發(fā)現(xiàn)中國(guó)股指期貨推出初期，期貨引導(dǎo)現(xiàn)貨，變點(diǎn)后現(xiàn)貨主導(dǎo)。李政等（2016）采用動(dòng)態(tài)遞歸樣本和全樣本分別研究，發(fā)現(xiàn)滬深300、上證50和中證500股指期貨市場(chǎng)在價(jià)格發(fā)現(xiàn)中均占主導(dǎo)地位。孫欣欣（2018）研究發(fā)現(xiàn)滬深300股指期貨市場(chǎng)的波動(dòng)和跳躍幅度均較現(xiàn)貨市場(chǎng)大，且期現(xiàn)市場(chǎng)間聯(lián)動(dòng)性強(qiáng)，期貨市場(chǎng)在一定程度上驅(qū)動(dòng)現(xiàn)貨市場(chǎng)波動(dòng)。黃金波等（2019）認(rèn)為滬深300股指期貨市場(chǎng)在上漲和下跌過(guò)程中都具備價(jià)格發(fā)現(xiàn)功能，且在價(jià)格發(fā)現(xiàn)中處于主導(dǎo)地位。研究結(jié)果普遍認(rèn)為，期貨市場(chǎng)的信息含量更豐富，并在信息傳遞上發(fā)揮主導(dǎo)作用；在價(jià)格發(fā)現(xiàn)機(jī)制中，期貨相對(duì)于現(xiàn)貨展示出更加顯著的作用，體現(xiàn)了其顯著的價(jià)格發(fā)現(xiàn)功能。

由上述可知，相較于國(guó)內(nèi)學(xué)者，國(guó)外學(xué)者研究范疇更為寬泛，內(nèi)容更為多元，對(duì)三類(lèi)市場(chǎng)均展開(kāi)探討并得出差異化結(jié)論；國(guó)內(nèi)學(xué)者則主要聚焦期貨與現(xiàn)貨價(jià)格關(guān)聯(lián)或現(xiàn)貨與基金價(jià)格關(guān)系的研究，結(jié)論亦呈現(xiàn)多樣性，這或許是源于早期研究數(shù)據(jù)樣本有限或信息含量匱乏等因素。現(xiàn)有文獻(xiàn)較少將三類(lèi)市場(chǎng)納入統(tǒng)一分析框架以考察其價(jià)格發(fā)現(xiàn)功能。鑒于此，本文采用計(jì)量模型構(gòu)建三市場(chǎng)聯(lián)立分析體系，對(duì)股指期貨、ETF基金及指數(shù)現(xiàn)貨市場(chǎng)的價(jià)格發(fā)現(xiàn)功能展開(kāi)實(shí)證研究，旨在分析市場(chǎng)間的聯(lián)動(dòng)效應(yīng)，為政策制定者提供參考依據(jù)，助力其制定更加合理的調(diào)控舉措，同時(shí)協(xié)助投資者把握市場(chǎng)間相互作用，做出適合自身的投資決策。

三、實(shí)證研究

（一）樣本及數(shù)據(jù)選取

本文采用了中證1000期貨、ETF基金和現(xiàn)貨價(jià)格的5分鐘高頻數(shù)據(jù)，數(shù)據(jù)來(lái)自新浪財(cái)經(jīng)。其中，期貨價(jià)格基于主力合約形成的連續(xù)合約指數(shù)，ETF基金選用的是場(chǎng)內(nèi)ETF（南方中證1000ETF）的IOPV作為研究對(duì)象。中證1000股指期貨于2022年7月22日上市，本研究選取2022年7月22日—2024年12月31日作為樣本周期，涵蓋600個(gè)交易日。鑒于股指期貨、ETF與現(xiàn)貨指數(shù)在交易時(shí)段存在差異（9：15～9：30及15：00～15：15為非重疊交易窗口），為確保數(shù)據(jù)時(shí)序的一致性，對(duì)上述非同步交易區(qū)間進(jìn)行過(guò)濾處理。保留的時(shí)間段為9∶30～11∶30與13∶00～15∶00，每個(gè)價(jià)格序列包含28461個(gè)5分鐘觀測(cè)數(shù)據(jù)，并將中證1000股指期貨、ETF基金和現(xiàn)貨價(jià)格序列均進(jìn)行了自然對(duì)數(shù)化處理以減少異方差性，三個(gè)市場(chǎng)的價(jià)格的對(duì)數(shù)分別以LNIM、LNE和LNC代替，DLNIM、DLNE和DLNC分別表示對(duì)數(shù)價(jià)格收益率，即價(jià)格的一階差分。

（二）ADF平穩(wěn)性檢驗(yàn)

為防止時(shí)間序列數(shù)據(jù)出現(xiàn)“偽回歸”現(xiàn)象而對(duì)后期的數(shù)據(jù)研究造成影響，本文對(duì)所選的股指期貨、ETF基金和指數(shù)現(xiàn)貨價(jià)格的時(shí)間序列LNIM、LNE和LNC及股指期貨、ETF基金和指數(shù)現(xiàn)貨價(jià)格時(shí)間序列的一階差分序列DLNIM、DLNE和DLNC運(yùn)用單位根檢驗(yàn)方法對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn)，以此判斷序列間是否存在長(zhǎng)期均衡關(guān)系。

由表1可知，原始對(duì)數(shù)價(jià)格序列的ADF檢驗(yàn)統(tǒng)計(jì)量在1%與5%顯著性水平下均未拒絕單位根原假設(shè)，表明LNIM、LNE和LNC三組序列均呈現(xiàn)非平穩(wěn)特征。經(jīng)一階差分處理后，ADF統(tǒng)計(jì)量顯著小于臨界值，且P值均小于0.01，表明差分序列達(dá)到弱平穩(wěn)狀態(tài)并消除單位根效應(yīng)。盡管原始序列在水平值層面存在非平穩(wěn)性，但其一階差分序列的平穩(wěn)性特征為構(gòu)建三組變量間的長(zhǎng)期均衡關(guān)系提供了統(tǒng)計(jì)基礎(chǔ)。

（三）Johansen協(xié)整檢驗(yàn)

經(jīng)前文驗(yàn)證，DLNIM、DLNE和DLNC序列滿足同階單整條件，具備構(gòu)建長(zhǎng)期均衡關(guān)系的前提。但需通過(guò)計(jì)量經(jīng)濟(jì)模型進(jìn)一步檢驗(yàn)協(xié)整穩(wěn)定性，本研究采用VAR框架下的Johansen協(xié)整檢驗(yàn)方法。Johansen協(xié)整檢驗(yàn)是一種基于向量自回歸（VAR）模型的統(tǒng)計(jì)方法，用于檢驗(yàn)多個(gè)非平穩(wěn)時(shí)間序列之間是否存在長(zhǎng)期均衡關(guān)系（即協(xié)整關(guān)系），并確定這種協(xié)整關(guān)系的數(shù)量（秩）。該方法由Soren Johansen提出，通過(guò)計(jì)算特征根和特征向量來(lái)檢驗(yàn)協(xié)整向量的顯著性（通常使用跡檢驗(yàn)Trace Test或最大特征值檢驗(yàn)Max-Eigenvalue Test）。具體檢驗(yàn)步驟如下：首先建立VAR模型，其次運(yùn)用LR、FPE、AIC、SC及HQ五大信息準(zhǔn)則

LR、FPE、AIC、SC及HQ是用于模型選擇和評(píng)價(jià)的幾種重要準(zhǔn)則。其中，LR是基于似然函數(shù)的檢驗(yàn)方法；FPE是一種用于模型選擇的準(zhǔn)則，它考慮了模型的預(yù)測(cè)誤差和模型復(fù)雜度之間的權(quán)衡；AIC是一種廣泛使用的模型選擇準(zhǔn)則，它在模型擬合優(yōu)度和模型復(fù)雜度之間進(jìn)行權(quán)衡；SC準(zhǔn)則考慮了樣本量對(duì)模型復(fù)雜度的影響，適用于樣本量較大的情況；HQ準(zhǔn)則在模型選擇時(shí)提供了一種折中的方法，適用于樣本量中等大小的情況。

進(jìn)行初步判斷，同時(shí)輔以向下檢驗(yàn)法綜合確定最優(yōu)滯后參數(shù)，最終選定的滯后階數(shù)依據(jù)如下檢驗(yàn)標(biāo)準(zhǔn)確定。

依據(jù)表2中信息準(zhǔn)則的判別結(jié)果，各標(biāo)準(zhǔn)均指向4階滯后為最優(yōu)選擇。但考慮到Johansen協(xié)整檢驗(yàn)相比VAR模型減少一個(gè)自由度約束，最終選定3階滯后作為檢驗(yàn)參數(shù)，具體檢驗(yàn)結(jié)果如表3所示。

基于協(xié)整分析結(jié)果，當(dāng)原假設(shè)設(shè)定為至多存在單一協(xié)整關(guān)系時(shí)，在5%顯著性水平下未能拒絕原假設(shè)（P=0.0530），表明三變量間存在長(zhǎng)期均衡關(guān)系。據(jù)此可構(gòu)建向量誤差修正模型（Vector Error Correction Model，簡(jiǎn)稱(chēng)VECM模型）以開(kāi)展動(dòng)態(tài)關(guān)聯(lián)分析。

（四）VECM模型

前文分析證實(shí)了三變量系統(tǒng)滿足長(zhǎng)期均衡關(guān)系的前提，但其短期動(dòng)態(tài)調(diào)整機(jī)制仍需深入探討。具體而言，當(dāng)LNIM、LNE、LNC受外部沖擊偏離長(zhǎng)期均衡時(shí)，系統(tǒng)如何通過(guò)偏差修正機(jī)制實(shí)現(xiàn)均衡恢復(fù)，成為理解其價(jià)格發(fā)現(xiàn)功能的關(guān)鍵點(diǎn)。這一過(guò)程不僅能反映市場(chǎng)有效性，還是構(gòu)建誤差修正模型的理論支撐。向量誤差修正模型（VECM）通過(guò)整合協(xié)整關(guān)系與誤差修正機(jī)制，針對(duì)LNIM、LNE和LNC構(gòu)建的VECM表達(dá)式如下：

ΔLNIMt=α1ecmt-1+∑p-1i=1β1iΔLNIMt-i+

∑p-1i=1γ1iΔLNEt-i+

∑p-1i=1μ1iΔLNCt-i+ε1t

ΔLNEt=α2ecmt-1+∑p-1i=1β2iΔLNIMt-i+∑p-1i=1γ2iΔLNEt-i+∑p-1i=1μ2iΔLNCt-i+ε2t

ΔLNCt=α3ecm

t-1+∑p-1i=1β3iΔLNIMt-i+∑p-1i=1γ3iΔLNEt-i+∑p-1i=1μ3iΔLNCt-i+ε3t

式中Δ為一階差分，ecmt-1為誤差修正項(xiàng)，α1、α2、α3分別為各變量的誤差修正項(xiàng)的系數(shù)，ε1t、ε2t、ε3t為隨機(jī)擾動(dòng)項(xiàng)；p-1為滯后階數(shù)；β、γ、μ分別為各變量滯后項(xiàng)的系數(shù)，基于變量滯后項(xiàng)的t統(tǒng)計(jì)量檢驗(yàn)結(jié)果，可評(píng)估LNIM、LNE、LNC三者間的短期動(dòng)態(tài)引導(dǎo)關(guān)系。

在向量誤差修正模型中，LNIM、LNE、LNC的均衡關(guān)系通過(guò)系數(shù)體現(xiàn)：系數(shù)絕對(duì)值反映系統(tǒng)對(duì)均衡偏離的修正速率，值越大表明修正強(qiáng)度越高，顯示變量在短期內(nèi)具有更快的均衡恢復(fù)效率，這體現(xiàn)其吸收新信息的敏捷性及價(jià)格引導(dǎo)能力；系數(shù)正負(fù)指示調(diào)整方向，正號(hào)表示同向修正機(jī)制，負(fù)號(hào)代表反向修正機(jī)制，共同推動(dòng)系統(tǒng)向長(zhǎng)期均衡收斂。根據(jù)AIC、SC、LR準(zhǔn)則，選擇3階作為最優(yōu)滯后階數(shù)，建立VECM模型，結(jié)果如表4所示。表4中第一列變量依次為：誤差修正項(xiàng)（ecm），反映系統(tǒng)偏離長(zhǎng)期均衡狀態(tài)后的回調(diào)速度；滯后收益率項(xiàng)，包含中證1000股指期貨（DLNIM（-k））、ETF基金（DLNE（-k））及指數(shù)現(xiàn)貨（DLNC（-k））的1至3階滯后項(xiàng)（k=1，2，3），用于捕捉短期價(jià)格波動(dòng)的動(dòng)態(tài)傳導(dǎo)；常數(shù)項(xiàng)（C），模型中的截距項(xiàng)。

根據(jù)VECM模型估計(jì)結(jié)果，長(zhǎng)期均衡關(guān)系中LNIM與LNE的誤差修正系數(shù)顯著為負(fù)，LNC的誤差修正系數(shù)顯著為正。這表明股指期貨及ETF對(duì)長(zhǎng)期偏離存在微弱的負(fù)向修正效應(yīng)，現(xiàn)貨指數(shù)則表現(xiàn)出小幅正向修正特征。按誤差修正系數(shù)絕對(duì)值排序|α1|gt;

|α3|gt;|α2|可知，當(dāng)市場(chǎng)價(jià)格偏離均衡時(shí)，股指期貨的修正效率最高，現(xiàn)貨次之，ETF最弱，顯示期貨市場(chǎng)在價(jià)格調(diào)整中起主導(dǎo)作用。此外，α1與α3絕對(duì)值接近且統(tǒng)計(jì)顯著，表明期貨與現(xiàn)貨市場(chǎng)共同承擔(dān)價(jià)格發(fā)現(xiàn)功能，但期貨市場(chǎng)的價(jià)格引導(dǎo)能力略強(qiáng)于現(xiàn)貨市場(chǎng)。

從滯后差分項(xiàng)的系數(shù)來(lái)看，以5%顯著性水平為判斷標(biāo)準(zhǔn)，各方程滯后變量系數(shù)表現(xiàn)出顯著差異：中證1000股指期貨方程中，現(xiàn)貨收益率滯后二期與ETF收益率滯后三期系數(shù)顯著；中證1000ETF方程則顯示期貨收益率滯后三期及現(xiàn)貨收益率滯后二期顯著；中證1000指數(shù)方程內(nèi)，期貨收益率滯后二期與ETF收益率滯后三期具有顯著性。從系數(shù)強(qiáng)度與統(tǒng)計(jì)顯著性綜合判斷，現(xiàn)貨方程中DLNIM二期滯后項(xiàng)的貢獻(xiàn)度高于期貨方程中DLNC二期滯后項(xiàng)，表明期貨對(duì)現(xiàn)貨的價(jià)格引導(dǎo)能力更為突出。進(jìn)一步分析顯示，中證1000期貨與ETF存在雙向價(jià)格影響機(jī)制，但期貨價(jià)格變動(dòng)領(lǐng)先于ETF；中證1000ETF與指數(shù)現(xiàn)貨間亦存在雙向引導(dǎo)關(guān)系，其中ETF價(jià)格變動(dòng)較現(xiàn)貨提前5分鐘。

（五）價(jià)格貢獻(xiàn)度

在測(cè)度價(jià)格發(fā)現(xiàn)機(jī)制貢獻(xiàn)度的研究框架中，Gonzalo與Granger（1995）運(yùn)用永久-短暫模型（Permanent-Transitory Model，以下簡(jiǎn)稱(chēng)PT模型）展開(kāi)實(shí)證分析。PT模型基于共同因子理論框架，其核心觀點(diǎn)認(rèn)為：由于股指現(xiàn)貨、期貨及ETF價(jià)格序列存在協(xié)整關(guān)系，其波動(dòng)可視為由同一隨機(jī)驅(qū)動(dòng)因子即隱含有效價(jià)格所主導(dǎo)。研究者指出，該公共因子反映了市場(chǎng)有效信息的集合，因此可通過(guò)測(cè)算各市場(chǎng)對(duì)公共因子的貢獻(xiàn)權(quán)重來(lái)評(píng)估其價(jià)格發(fā)現(xiàn)能力。在PT模型中，公共因子由三個(gè)市場(chǎng)價(jià)格序列的線性組合構(gòu)成，各市場(chǎng)權(quán)重系數(shù)直接體現(xiàn)其對(duì)價(jià)格發(fā)現(xiàn)的貢獻(xiàn)程度。基于VECM模型的參數(shù)估計(jì)結(jié)果，可用PT模型量化三大市場(chǎng)的價(jià)格發(fā)現(xiàn)貢獻(xiàn)度：

PT1=α1α1+α2+α3

PT2=α2α1+α2+α3

PT3=α3α1+α2+α3

由表5可知PT1gt;PT3gt;PT2，即中證1000股指期貨的價(jià)格發(fā)現(xiàn)貢獻(xiàn)度最高，現(xiàn)貨次之，ETF基金最弱。

（六）格蘭杰因果檢驗(yàn)

向量誤差修正模型（VECM）對(duì)三市場(chǎng)間的短期動(dòng)態(tài)調(diào)整及長(zhǎng)期均衡狀態(tài)進(jìn)行了系統(tǒng)分析。在收益率序列滿足平穩(wěn)性條件的基礎(chǔ)上，本文進(jìn)一步采用格蘭杰因果檢驗(yàn)方法對(duì)其引導(dǎo)關(guān)系進(jìn)行驗(yàn)證，具體檢驗(yàn)結(jié)果如表6所示。各檢驗(yàn)方程P值均顯著小于0.05，在給定顯著性水平下均拒絕“不存在因果關(guān)聯(lián)”的原假設(shè)，表明DLNIM、DLNE、DLNC三變量間存在顯著的雙向因果關(guān)聯(lián)，即股指期貨、ETF基金與指數(shù)現(xiàn)貨互為格蘭杰意義上的因果關(guān)系。該結(jié)論與VECM模型短期分析結(jié)果相互印證，進(jìn)一步證實(shí)了三者間存在相互引導(dǎo)的領(lǐng)先-滯后關(guān)系。

四、結(jié)論

本文基于5分鐘高頻數(shù)據(jù)構(gòu)建計(jì)量模型，對(duì)中證1000股指期貨、ETF基金及現(xiàn)貨指數(shù)的價(jià)格引導(dǎo)效率進(jìn)行研究，得出以下結(jié)論。其一，三市場(chǎng)間存在顯著的協(xié)整關(guān)系，表明其價(jià)格變動(dòng)具有長(zhǎng)期均衡特征。當(dāng)市場(chǎng)價(jià)格偏離均衡時(shí)，股指期貨的均衡恢復(fù)效率最高，現(xiàn)貨市場(chǎng)次之，ETF基金調(diào)整最慢。其二，三市場(chǎng)中任意兩個(gè)市場(chǎng)間均存在雙向價(jià)格引導(dǎo)機(jī)制，其中期貨市場(chǎng)定價(jià)主導(dǎo)權(quán)明顯優(yōu)于基準(zhǔn)指數(shù)，而現(xiàn)貨市場(chǎng)對(duì)ETF基金的價(jià)格引導(dǎo)效應(yīng)相對(duì)有限。以上研究表明，中證1000股指期貨在價(jià)格發(fā)現(xiàn)中占主導(dǎo)地位，因此投資者可優(yōu)先通過(guò)關(guān)注中證1000股指期貨的市場(chǎng)信號(hào)進(jìn)行風(fēng)險(xiǎn)管理與資產(chǎn)配置。

參考文獻(xiàn)

［1］CHU QC， HSIEH WG， TSE Y.Price discovery on the Samp;P500 index markets： An analysis of spot index， index futures and SPDRs ［J］.International Review of Financial Analysis，1999，8（1）：21-34.

［2］QADAN M，YAGIL J.On the dynamics of tracking indices by exchange traded funds in the presence of high volatility［J］.Managerial Finance，2012，38（9）：804-832.

［3］IVANOVS I，JONES F J，ZAIMA J K.Analysis of DJIA， Samp;P 500， Samp;P 400， NASDAQ 100 and Russell 2000 ETFs and their influence on price discovery［J］.Journal of International Financial Markets，Institutions amp; Money，2013，24（3）：171-187.

［4］JUDGE A，REANCHAROEN T.An empirical examination of the lead-lag relationship between spot and futures markets： Evidence from Thailand［J］.Pacific-Basin Finance Journal，2014，29：335-358.

［5］KHARBANDA V，SINGH A.Lead-lag relationship between futures and spot FX market in India［J］.International Journal of Managerial Finance，2017，13（5）：560-577.

［6］華仁海，劉慶富.股指期貨與股指現(xiàn)貨市場(chǎng)間的價(jià)格發(fā)現(xiàn)能力探究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2010，27（10）：90-100.

［7］YANG J，YANG Z，ZHOU Y.Intraday price discovery and Volatility Transmission in Stock Index and Stock［J］.The Journal of Futures Markets，2012，32（2）：99-121.

［8］蔣勇，王國(guó)長(zhǎng)，吳武清.股指期貨的價(jià)格發(fā)現(xiàn)機(jī)制：基于結(jié)構(gòu)變點(diǎn)分析框架［J］.財(cái)經(jīng)科學(xué)，2014（6）：52-62.

［9］李政，卜林，郝毅.我國(guó)股指期貨價(jià)格發(fā)現(xiàn)功能的再探討——來(lái)自三個(gè)上市品種的經(jīng)驗(yàn)證據(jù)［J］.財(cái)貿(mào)經(jīng)濟(jì)，2016（7）：79-93.

［10］孫欣欣.滬深300股指期貨和現(xiàn)貨市場(chǎng)關(guān)系研究——基于滬深日內(nèi)高頻數(shù)據(jù)的視角［J］.上海經(jīng)濟(jì)研究，2018（5）：81-92.

［11］黃金波，吳莉莉，胡蓉.滬深300股指期貨價(jià)格發(fā)現(xiàn)能力研究［J］.運(yùn)籌與管理，2019，28（12）：144-152.

A Comparative Study on the Price Discovery Function of CSI 1000 Stock Index

Futures and ETFs——A Dynamic Analysis Based on High Frequency Data

CHEN Yingnan ZHANG Ming

（College of Economics and Management， Qinghai Nationalities University， Xining 810000， China）

Abstract：Based on the 5-minute high-frequency data of CSI 1000 stock index futures， ETF （IOPV） and spot from July 2022 to December 2024， this paper compares and analyses the price discovery function of the three through cointegration test， VECM model and permanent transient model （PT）.The results show that： （1） there is a long-term cointegration relationship between futures， ETFs and spot， and there is a two-way guidance between each two of the three markets， with short-term price deviations being corrected by futures-led correction， with a slightly higher speed of adjustment than that of spot， and significantly higher than that of ETFs; （2） price discovery contribution is ranked as futures （41.55%）， spot （39.33%） and ETFs （19.12%）， with futures and spot Futures and spot share the main information transfer function， and the contribution of ETF is weaker.The study shows that CSI 1000 index futures occupy a central position in price discovery， while ETF market efficiency needs to be improved.

Keywords：CSI 1000 Stock Index Futures; CSI 1000 ETF; VECM Model; Johansen Cointegration Test