正反饋交易、風(fēng)險溢出與瀑布效應(yīng)
--基于滬深300現(xiàn)貨指數(shù)與期貨指數(shù)聯(lián)動作用的經(jīng)驗研究

田樹喜, 齊小源, 吳　迪

(東北大學(xué) 工商管理學(xué)院, 遼寧 沈陽　110819)

?

正反饋交易、風(fēng)險溢出與瀑布效應(yīng)
--基于滬深300現(xiàn)貨指數(shù)與期貨指數(shù)聯(lián)動作用的經(jīng)驗研究

田樹喜, 齊小源, 吳迪

(東北大學(xué) 工商管理學(xué)院, 遼寧 沈陽110819)

利用VAR模型和ARCH系列模型,對2015年滬深300現(xiàn)貨指數(shù)及期貨指數(shù)之間的聯(lián)動關(guān)系進(jìn)行了計量檢驗,研究結(jié)果表明:正反饋交易行情下,滬深300指數(shù)現(xiàn)貨市場與期貨市場之間形成了風(fēng)險溢出和波動積聚的聯(lián)動反應(yīng),并在流動性約束的條件下不斷循環(huán)和加劇,最終引發(fā)了股指斷崖式下跌的“瀑布效應(yīng)”。進(jìn)一步的分析揭示:市場交易主體的結(jié)構(gòu)失衡、交易制度的不完備、噪聲交易者的“羊群行為”及監(jiān)管措施的反應(yīng)滯后是“瀑布效應(yīng)”形成的重要原因。

正反饋; 波動積聚; 非對稱沖擊; 瀑布效應(yīng)

一、 問題的提出

正反饋交易是一種在資產(chǎn)價格上漲時買入,下跌時賣出的非理性噪聲交易行為。正反饋交易下資產(chǎn)價格不再隨機(jī)游走,而是存在顯著的自相關(guān)特征,進(jìn)而引發(fā)市場的單邊傾向和過度波動。1982年2月24日,美國堪薩斯期貨交易所推出了價值線綜合指數(shù)期貨合約,標(biāo)志著股指期貨的誕生。股指期貨的引入為股票市場提供了做空機(jī)制,即股票價格的下跌風(fēng)險可以通過賣出股指期貨合約進(jìn)行對沖,而股票價格上漲的收益也可以通過買入期貨合約進(jìn)行預(yù)期鎖定,因此,理論上股指期貨可以抑制股市的正反饋交易行為。但1987年10月19日美國股票市場爆發(fā)的股災(zāi)(簡稱“87股災(zāi)”)引起了人們對股指期貨的質(zhì)疑,隨后的布雷迪報告認(rèn)為,指數(shù)套利和組合保險是導(dǎo)致股市暴跌的重要原因:股價的猛烈下跌會引發(fā)組合投資保險的程序化交易自動展開,即賣出期貨合約以避險,短時間內(nèi)期貨合約大量拋出,引發(fā)期貨合約價格超跌,進(jìn)而引發(fā)現(xiàn)貨市場的進(jìn)一步拋售行為,并形成惡性循環(huán),導(dǎo)致股票價格猶如瀑布一樣傾瀉直下,形成“瀑布效應(yīng)”?！?7股災(zāi)”后,學(xué)者們對股指期貨是否會降低股市正反饋交易傾向問題進(jìn)行了大量研究。例如,De Long等(1990)[1]建立了DSSW模型對股市中的理性套利者和正反饋噪聲交易者的投資行為進(jìn)行分析,他們認(rèn)為,股指期貨的低交易成本會大幅提升噪聲交易者的投機(jī)行為,使股市的正反饋交易加劇,股價波動幅度增大。Antoniou等(2005)[2]通過對美國、加拿大、英國、法國、德國和日本等六個工業(yè)化國家的檢驗認(rèn)為,期貨市場的投機(jī)行為會加劇股市的短期波動,但從長期來看,股指期貨的引入總體上抑制了這些國家股票市場的正反饋交易行為。而在2008年的金融危機(jī)和隨后爆發(fā)的歐債危機(jī)期間,美歐股市雖都出現(xiàn)了短期大跌,但以熔斷機(jī)制為代表的一系列限制措施起到了平抑作用,歐美股市未發(fā)生顯著的“瀑布效應(yīng)”。

2010年4月16日,中國金融期貨交易所首次推出了滬深300指數(shù)期貨合約,5年后(2015年4月16日),中國金融期貨交易所又推出了上證50和中證500指數(shù)期貨合約。關(guān)于股指期貨引入對中國股市影響的問題,學(xué)者們的研究結(jié)論一直存在著較大的分歧。就近期研究來看,蔡向輝和劉鋒(2014)[3]比較了滬深300指數(shù)期貨上市前后三年股票市場的表現(xiàn),其研究結(jié)論是滬深300指數(shù)期貨上市后,股市發(fā)生了積極的變化,正反饋傾向受到抑制。同年,熊熊等[4]利用模擬實驗生成的高頻數(shù)據(jù)進(jìn)行分析,其研究結(jié)論是滬深300指數(shù)期貨能否抑制股市的正反饋傾向與股市和期市間的聯(lián)動機(jī)制高度相關(guān),如果兩市間投機(jī)性交易比重過高,則套期保值和期限套利交易受到抑制,兩市間難以形成有效的負(fù)反饋效應(yīng)。陳海強和張傳海(2015)[5]檢驗了滬深300指數(shù)期貨推出后我國股市的跳躍風(fēng)險,研究認(rèn)為股指期貨的投機(jī)交易會增加現(xiàn)貨市場的小跳風(fēng)險,但對現(xiàn)貨市場的大跳風(fēng)險具有平抑作用,且現(xiàn)貨市場的跳躍風(fēng)險對期貨市場交易行為存在反饋影響。石曉波和周奮(2015)[6]的研究則認(rèn)為,我國股市2014年下半年的波動行情與股市和期市間的跨市操縱行為密切相關(guān)。2015年,中國股市上演了“過山車”式行情,從年初的杠桿牛市到年中的斷崖式下跌;從史上最嚴(yán)格的股指期貨交易規(guī)則,再到熔斷機(jī)制實施后的自我熔斷,股指期貨再次被推到風(fēng)口浪尖。區(qū)別于以往的經(jīng)驗研究,本文從流動性約束下行為心理反應(yīng)視角,綜合運用VAR模型和ARCH系列模型,分別對2015年滬深300指數(shù)市場的“暴漲”和“暴跌”兩種正反饋交易行情進(jìn)行計量檢驗,剖析瀑布效應(yīng)的形成機(jī)理,以期對投資者行為決策和市場監(jiān)管提供借鑒。

二、 數(shù)據(jù)與模型

1. 數(shù)據(jù)說明

2015年初,受央行量化寬松、滬港通啟動及融資融券業(yè)務(wù)拓展等系列因素的直接影響,中國股市迎來了杠桿式上漲。以滬深300指數(shù)(收盤價)為例,指數(shù)由3月10日最低的3 520點上漲到6月12日最高的5 335點,3個月內(nèi)上漲了1 815點,形成了“追漲”的正反饋交易行情。但從6月份開始,以央行出重拳清理配資為導(dǎo)火索,股市開始急速下跌,到8月26日,滬深300指數(shù)又跌至3 025點,2個月期間下跌了2 310點,形成了“殺跌”的正反饋交易行情。據(jù)此,本文以2015年3月10日至8月26日滬深300現(xiàn)貨指數(shù)和期貨指數(shù)的日收盤數(shù)據(jù)為樣本,對市場“追漲殺跌”的正反饋交易行情進(jìn)行計量分析,并檢驗現(xiàn)貨指數(shù)和期貨指數(shù)之間的聯(lián)動效應(yīng)。滬深300現(xiàn)貨指數(shù)和期貨指數(shù)數(shù)據(jù)均來源于大智慧交易行情系統(tǒng),其中,期貨指數(shù)為交易活躍的當(dāng)月合約連續(xù)指數(shù)。為消除參數(shù)估計中可能產(chǎn)生的異方差問題,本文對現(xiàn)貨指數(shù)和期貨指數(shù)收盤數(shù)據(jù)進(jìn)行取對數(shù)處理。

2. 模型選擇

正反饋交易期間,滬深300指數(shù)現(xiàn)貨市場與期貨市場之間是否發(fā)生了風(fēng)險溢出?就這一問題,本文選擇向量自回歸(VAR)模型進(jìn)行計量檢驗。VAR模型由公式(1)和公式(2)組成:

(1)

(2)

現(xiàn)貨市場與期貨市場之間的風(fēng)險溢出會因理性交易者的套利行為得到分散,但在投機(jī)性噪聲交易主導(dǎo)的正反饋行情下,則會引發(fā)波動積聚和“羊群行為”,本文選擇自回歸條件異方差(ARCH)系列模型對上述假設(shè)進(jìn)行檢驗。ARCH模型是由Engle(1982)[7]最早提出,該模型的主要思想是隨機(jī)擾動項的條件方差和它的前期值顯著相關(guān),一個自然延伸的ARCH(L)過程如公式(3)所示:

(3)

(4)

(5)

相對于以往的條件異方差模型,EGARCH模型可以檢驗非對稱沖擊的杠桿效應(yīng)。式(5)中,由于λ2的非負(fù)約束,如果λ3<0,當(dāng)發(fā)生正向沖擊時(εt-1>0),正向沖擊效應(yīng)系數(shù)為λ2+λ3;當(dāng)發(fā)生負(fù)向沖擊時(εt-1<0),負(fù)向沖擊效應(yīng)系數(shù)為λ2-λ3。由于λ2+λ3<λ2-λ3,意味著負(fù)向沖擊的影響大于正向沖擊的影響,當(dāng)λ2-λ3顯著大于λ2+λ3時,則會引發(fā)市場單邊急速下跌的“瀑布效應(yīng)”。

三、 計量檢驗

1. 平穩(wěn)性及協(xié)整關(guān)系檢驗

在檢驗滬深300現(xiàn)貨指數(shù)與期貨指數(shù)之間引導(dǎo)關(guān)系之前,首先需要對樣本序列進(jìn)行平穩(wěn)性檢驗。本文采用ADF檢驗法分別對上漲和下跌兩種正反饋交易行情下,滬深300現(xiàn)貨及期貨指數(shù)的對數(shù)序列進(jìn)行檢驗,結(jié)果如表1所示,無論在上漲階段還是下跌階段,ln(st)和ln(ft)同為1階單整的非平穩(wěn)序列,而Δln(st)和Δln(ft)同為0階單整的平穩(wěn)序列。

表1　滬深300現(xiàn)貨指數(shù)與期貨指數(shù)平穩(wěn)性檢驗結(jié)果

注: **和*分別表示在1%和5%的顯著水平下通過線性相關(guān)的假設(shè)檢驗;綜合AIC和SC標(biāo)準(zhǔn),序列最優(yōu)滯后期確定為2階,下同。

為避免非平穩(wěn)序列之間可能產(chǎn)生的偽回歸問題,本文對ln(st)和ln(ft)序列進(jìn)行協(xié)整關(guān)系檢驗,結(jié)果如表2所示,在上漲的正反饋交易行情中,不存在協(xié)整方程的假設(shè)被拒絕,至多存在一個協(xié)整方程的假設(shè)被接受,說明ln(st)和ln(ft)之間僅有一個方程存在協(xié)整關(guān)系;在下跌的正反饋交易行情中,不存在協(xié)整方程和至多存在一個協(xié)整方程的假設(shè)均被拒絕,說明ln(st)和ln(ft)之間存在兩個協(xié)整方程,即ln(st)和ln(ft)之間可能存在雙向引導(dǎo)關(guān)系。

表2　滬深300現(xiàn)貨指數(shù)與期貨指數(shù)協(xié)整關(guān)系檢驗結(jié)果

2. 引導(dǎo)關(guān)系檢驗

為檢驗滬深300現(xiàn)貨指數(shù)與期貨指數(shù)之間是否存在顯著的引導(dǎo)關(guān)系,本文利用VAR模型進(jìn)行格蘭杰因果關(guān)系檢驗,結(jié)果如表3所示,在上漲的正反饋交易行情中,ln(st)不是ln(ft)變化的格蘭杰原因的假設(shè)被接受,說明現(xiàn)貨指數(shù)先期變動不會顯著影響到期貨指數(shù)的本期變動;而ln(ft)不是ln(st)變化的格蘭杰原因的假設(shè)被拒絕,說明期貨指數(shù)先期變動會對現(xiàn)貨指數(shù)的本期變動產(chǎn)生顯著影響,即在上漲的正反饋交易行情中,形成了期貨指數(shù)單向引導(dǎo)現(xiàn)貨指數(shù)變動的聯(lián)動關(guān)系。另一方面,在下跌的正反饋交易行情中,ln(st)不是ln(ft)變化的格蘭杰原因和ln(ft)不是ln(st)變化的格蘭杰原因的假設(shè)均被拒絕,說明在下跌的正反饋交易行情中,現(xiàn)貨指數(shù)與期貨指數(shù)之間形成了顯著的相互引導(dǎo)關(guān)系,導(dǎo)致下跌風(fēng)險的雙向溢出。

表3　滬深300現(xiàn)貨指數(shù)與期貨指數(shù)格蘭杰因果關(guān)系檢驗結(jié)果

3. 波動積聚效應(yīng)檢驗

表4　滬深300對數(shù)序列GARCH模型估計結(jié)果

4. 非對稱沖擊效應(yīng)檢驗

為檢驗正反饋交易行情下是否存在非對稱沖擊效應(yīng),本文利用EGARCH模型對樣本數(shù)據(jù)進(jìn)行參數(shù)估計,結(jié)果如表5所示,正向沖擊系數(shù)(λ2+λ3)=0.309-0.159=0.150;負(fù)向沖擊系數(shù)(λ2-λ3)=0.309+0.159=0.468,負(fù)向沖擊系數(shù)約是正向沖擊系數(shù)的三倍,非對稱波動特征顯著。另一方面,EGARCH模型下的非對稱沖擊曲線可以直觀顯示出非對稱波動的動態(tài)反應(yīng)特征,令m=(εt-1/σt-1),則非對稱沖擊曲線的函數(shù)形式為f(m)=λ2|m|+λ3m。通過對m序列進(jìn)行升序排列,再利用ln(n)=λ2|m|+λ3m函數(shù)式生成n序列,隨后以m序列作為橫軸,以n序列作為縱軸,完成非對稱沖擊曲線的繪制。如圖2所示,正反饋交易行情下,市場對負(fù)向沖擊的反應(yīng)彈性遠(yuǎn)大于對正向沖擊的反應(yīng)彈性,因而導(dǎo)致了股指短期內(nèi)急速暴跌的“瀑布效應(yīng)”。

表5　EGARCH模型估計結(jié)果

圖1　滬深300指數(shù)對數(shù)序列1階自回歸殘差走勢

圖2　正反饋交易行情下的非對稱沖擊曲線圖

四、 結(jié)論分析與政策啟示

正反饋交易的形成源于噪聲交易者非理性的心理反應(yīng),即以某一決策參考點為基礎(chǔ),當(dāng)價格上漲時,每增加一單位貨幣的邊際效用遞減會導(dǎo)致交易者對收益反應(yīng)不足,所以交易者傾向不斷買進(jìn)資產(chǎn)來實現(xiàn)心理滿足;當(dāng)價格下跌時,每減少一單位貨幣的邊際效用遞增會導(dǎo)致交易者對損失反應(yīng)過度,所以交易者傾向賣出資產(chǎn)避免更大的損失。正反饋交易行情的波動幅度和強度會受到市場預(yù)期、交易制度及調(diào)控措施等因素的影響,如果預(yù)期市場已處于超買或超賣狀態(tài),則套期保值交易和指數(shù)套利交易會主導(dǎo)市場,完備的交易制度會為價格回歸均衡水平提供保障;如果市場預(yù)期會進(jìn)一步地上漲或下跌,則投機(jī)性交易會主導(dǎo)市場導(dǎo)致波動加劇,且交易制度缺陷會給投機(jī)者帶來操縱市場的機(jī)會,如果投機(jī)者的操縱行為不能得到及時監(jiān)控和約束,會使市場恐慌氣氛加劇并引發(fā)暴跌行情。

本文的實證分析結(jié)果表明,2015年滬深300指數(shù)現(xiàn)貨市場與期貨市場之間形成了風(fēng)險溢出和波動積聚的“瀑布效應(yīng)”。一方面,面對下跌行情,機(jī)構(gòu)投資者通過賣出股指期貨合約來轉(zhuǎn)移股票現(xiàn)貨市場風(fēng)險,由此賣壓傳遞到期貨市場,由于期貨市場的價格發(fā)現(xiàn)功能,期貨價格的下跌會進(jìn)一步引發(fā)現(xiàn)貨價格的下跌,形成下跌循環(huán)。另一方面,與上漲的正反饋行情相比,下跌的正反饋行情面臨著流動性困境。因為,在上漲行情中投資者可以隨時出售股票變現(xiàn),但在下跌行情中,尤其是在融券賣空的杠桿交易中,先跌停的股票賣不出去,投資者只有出售尚未跌停的股票來滿足保證金要求,導(dǎo)致了市場的加速下跌,投機(jī)者發(fā)現(xiàn)這一流動性約束,就可以通過反復(fù)做空市場來獲利,并引發(fā)市場的“羊群行為”,導(dǎo)致股指斷崖式下跌,形成“瀑布效應(yīng)”。

2015年的股災(zāi)使人們深刻體會到股指期貨的“雙刃劍”特征。在我國金融開放程度逐漸提高及金融衍生品交易不斷發(fā)展的背景下,迫切需要通過有效的制度安排,使股指期貨價格發(fā)現(xiàn)和套期保值的功能得以充分發(fā)揮,過度投機(jī)行為得到有效抑制。據(jù)此,本文提出以下幾點建議:一是逐步完善同步交易制度。目前,我國股票現(xiàn)貨市場實施的是“T+0”和個股漲跌停制度,股指期貨市場實施的是“T+1”和指數(shù)漲跌停制度,交易的非同步性為投機(jī)者帶來巨大的操縱空間,因此,應(yīng)考慮在特殊時期對股指期貨市場實施“T+1”的交易約束,并對指數(shù)漲跌停幅度提出更嚴(yán)格的限制,待到時機(jī)成熟,現(xiàn)貨市場實施“T+0”與期貨市場形成匹配。二是逐步改善投資者的市場結(jié)構(gòu)。相對于發(fā)展成熟的市場,我國股票市場機(jī)構(gòu)投資者比重偏低,散戶比重過高,而股指期貨的交易門檻使大多數(shù)散戶無法通過股指期貨實現(xiàn)套期保值,指數(shù)套利機(jī)制也難以充分發(fā)揮作用,因此,應(yīng)加強對散戶投資者的風(fēng)險提示,鼓勵散戶通過資質(zhì)優(yōu)良的機(jī)構(gòu)參與市場交易,降低市場噪聲交易產(chǎn)生的“羊群行為”。三是豐富股指期貨品種,加強風(fēng)險管理。面對2015年股票現(xiàn)貨市場與股指期貨市場的風(fēng)險聯(lián)動,監(jiān)管部門采取了提高保證金比率、持倉限制和熔斷機(jī)制等措施,這些措施雖在短期內(nèi)起到了抑制過度投機(jī)的作用,但明顯具有滯后性,而且還引發(fā)了加速熔斷的“磁吸效應(yīng)”,因此,應(yīng)考慮開發(fā)面值較小的mini型股指期貨,為中小投資者提供風(fēng)險管理工具,同時逐步完善風(fēng)險預(yù)警機(jī)制和管理制度,約束過度投機(jī)和跨市操縱行為。

[1] De Long B J, Shleifer A, Summers L H, et al. Positive Feedback Investment Strategies and Destabilizing Rational Speculation[J]. Journal of Finance, 1990,45:379-395.

[2] Antoniou A, Gregory K, Andreas P. Index Futures and Positive Feedback Trading: Evidence from Major Stock Exchanges[J]. Journal of Empirical Finance, 2005,12:219-238.

[3] 蔡向輝,劉鋒. 股指期貨宏觀穩(wěn)定作用的微觀基礎(chǔ)探究----基于滬深300指數(shù)期貨抑制股市正反饋交易的實證檢驗[J]. 證券市場導(dǎo)報, 2014(12):20-24.

[4] 熊熊,劉俊,許海川,等. 期現(xiàn)套利對我國股指期貨市場波動性影響分析[J]. 系統(tǒng)工程理論與實踐, 2014(3):623-630.

[5] 陳海強,張傳海. 股指期貨交易會降低股市跳躍風(fēng)險嗎?[J]. 經(jīng)濟(jì)研究, 2015(1):153-167.

[6] 石曉波,周奮. 中國股指期貨市場與股票市場的跨市操縱與監(jiān)管[J]. 當(dāng)代經(jīng)濟(jì)研究, 2015(2):74-79.

[7] Engle R F. Autoregressive Conditional Heteroscedasticity with the Estimates of the Variance of United Kingdom Inflation[J]. Econometrics, 1982,50:987-1008.

[8] Bollerslev T. Generalised Autoregressive Conditional Heteroscedasticity[J]. Journal of Econometrics, 1986,33:307-327.

(責(zé)任編輯: 王薇)

Positive Feedback Trading, Risk Spillover and Cascade Effect---An Empirical Analysis of the Interactive Effects Between CSI 300 Stock Index and Futures Index

TIANShu-xi,QIXiao-yuan,WUDi

(School of Business Administration, Northeastern University, Shenyang 110819, China)

The VAR model and a series of ARCH models were used to test the interactive effects between CSI 300 stock index and futures index in 2015. The results showed that under the positive feedback trading quotation, the risk spillover and fluctuating accumulation are formed between Shanghai and Shenzhen 300 index spot market and index futures market, which recycle and intensify under the constraint of liquidity, ultimately leading to the violent falling of stock indexes (i.e., cascade effect). The further analysis revealed that the important reasons for forming the cascade effect are structural imbalance of market traders, imperfect trading system, “herd behavior” of noise traders and delayed reaction of regulatory measures.

positive feedback; fluctuating accumulation; asymmetric shock; cascade effect

10.15936/j.cnki.1008-3758.2016.05.004

2016-02-20

田樹喜(1970- ),男,遼寧本溪人,東北大學(xué)副教授,經(jīng)濟(jì)學(xué)博士,主要從事金融衍生品市場發(fā)展研究。

F 830.91

A

1008-3758(2016)05-0464-06