蔣云鶴,劉海龍
?
基于價格信息的期貨市場交易操縱模型及其應(yīng)用
蔣云鶴,劉海龍
(上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院,上海 200052)
在Kyle、Viswanathan[1]研究基礎(chǔ)上,提出價格信息對交易的敏感程度是影響操縱的首要因素,通過模型證明了操縱者收益是其所獲得信息優(yōu)勢的單調(diào)增函數(shù)。當(dāng)價格信息對交易變得敏感時,大交易者會通過交易盡可能獲取最大的信息優(yōu)勢,價格信息中個人信息越多,合約被操縱的可能性就越大。摻雜了大量個人信息的合約價格即虛假價格,虛假價格會掩蓋供求關(guān)系并“欺騙”其他交易者,誘使他們幫助操縱者獲利并掩蓋操縱事實(shí)。以此為基礎(chǔ),提出了一種考察不同時期個人信息數(shù)量的計(jì)量方法。對價格信息的進(jìn)一步研究發(fā)現(xiàn),被操縱合約同品種中其他合約的價格發(fā)現(xiàn)功能也會不同程度扭曲,距被操縱合約越近所受到影響越大。選取2010年、2011年和2012年九月棉花期貨作為檢驗(yàn)樣本,進(jìn)行了實(shí)證檢驗(yàn)。實(shí)證檢驗(yàn)的結(jié)果與所提出觀點(diǎn)高度一致,進(jìn)一步證明和強(qiáng)調(diào)了模型的實(shí)用性和有效性。
期貨市場;操縱;信息優(yōu)勢;價格發(fā)現(xiàn)
期貨市場操縱是指交易者利用資金優(yōu)勢,控制期貨價格牟取超額利潤的行為。期貨市場操縱分為逼倉和擠榨兩種情況,當(dāng)交易者通過同時控制期貨市場和現(xiàn)貨市場以控制價格的行為稱之為逼倉(Corner),以利用、惡化現(xiàn)貨市場擁塞(Market congestion)為手段來控制期貨價格的行為稱為擠榨(Squeeze)[2]。期貨市場操縱問題由來已久,美國期貨市場建立的前五十年中有記錄的操縱案例就多達(dá)124次[4]。市場操縱行為極大的損害了期貨市場投資者的利益,嚴(yán)重的還會導(dǎo)致市場關(guān)閉。作為一個新興期貨市場,近年來發(fā)生的期貨市場操縱行為嚴(yán)重影響了我國期貨市場的健康發(fā)展,操縱問題的研究也成為我國理論和實(shí)務(wù)界越來越關(guān)注的問題。
期貨價格是風(fēng)險信息和供求信息最重要的傳遞渠道,合理的價格是市場有效性的根本保證。市場操縱行為嚴(yán)重的阻礙了價格信息的正常傳遞,擾亂了套期保值者的正常交易,損害了期貨價格的導(dǎo)向作用,而風(fēng)險轉(zhuǎn)移和價格發(fā)現(xiàn)正是期貨市場最基本的兩項(xiàng)重要功能。在監(jiān)管中,市場信息的扭曲往往被看成是存在操縱的重要證據(jù)。2009年美國證監(jiān)會(SEC)和美國商品期貨交易委員會(CFTC)的聯(lián)合報告認(rèn)為市場信息扭曲是識別操縱的重要標(biāo)準(zhǔn)之一,“市場價格應(yīng)當(dāng)是總供求關(guān)系的體現(xiàn),當(dāng)總供求關(guān)系被不合理交易所掩蓋而產(chǎn)生虛假價格,那么就可以認(rèn)定為操縱”[6]。中國《期貨管理?xiàng)l例》七十四條規(guī)定,操縱行為的重要特征之一就是“單獨(dú)或者合謀,集中資金優(yōu)勢、持倉優(yōu)勢或者利用信息優(yōu)勢聯(lián)合或者連續(xù)買賣合約,操縱期貨交易價格的……”。可見,從價格信息角度分析操縱問題是市場管理者亟需而且可行的,由此得出的理論模型對市場監(jiān)管者維護(hù)市場秩序和市場功能具有十分重要的現(xiàn)實(shí)和理論意義。
近年來,許多學(xué)者對市場操縱進(jìn)行了大量的研究,得出了許多重要結(jié)論。期貨市場理論研究認(rèn)為交割制度、交易制度和信息不對稱是導(dǎo)致操縱發(fā)生的三個主要原因。Pirrong用“殘局”模型(end game)證明了在接近到期日時,由于交割成本導(dǎo)致空頭的交割成本要大于平倉成本,交易者完全有可能通過操縱獲得超額收益[8]。Jarrow證明操縱的根源在于“歧視性價格拍賣”[10]。Allen、Gorton在Glosten-Milgrom模型[12]的市場條件下,考慮了一個純交易基礎(chǔ)的非知情交易者的操縱模型,說明市場中自然存在的信息不對稱就可以使交易策略操縱獲利[14]。Chakraborty, Yilmaz將知情者交易與Glosten-Milgorm模型結(jié)合,讓知情者反復(fù)交易,得出結(jié)論:只要市場面對知情交易者的不確定性,交易的時間足夠長,均衡必有操縱[16]。
國內(nèi)操縱研究主要局限于操縱識別與預(yù)測,主要通過各種數(shù)學(xué)工具區(qū)分操縱交易日和非操縱交易日,進(jìn)而識別操縱行為。遲國泰,劉軼芳,余方平選用資金、價格、持倉量等三類指標(biāo)來反映期貨交易中的操縱風(fēng)險,采用非線性映射分析將交易中存在操縱風(fēng)險的交易日分離成獨(dú)立的點(diǎn)群,根據(jù)離差極小、最大歐氏距離等原理提出操縱風(fēng)險閥值計(jì)算方法及操縱風(fēng)險判定方法[17]。遲國泰、劉軼芳、余方平采用期貨價格波動風(fēng)險、持倉量波動風(fēng)險和基差波動風(fēng)險二大因素衡量期貨交易中的操縱風(fēng)險,采用KLR信號分析法、SV隨機(jī)波動模型、GARCH模型等構(gòu)建了操縱風(fēng)險預(yù)警模型[18]。黃偉、劉海龍從庫存、持倉量以及期現(xiàn)基差三方面構(gòu)建了期貨市場操縱風(fēng)險指標(biāo)。從持有成本、持倉庫存關(guān)系角度推導(dǎo)出指標(biāo)的合理上限值作為閥值,采用分位數(shù)閥值法與固定閥值法相結(jié)合的閥值確定方法識別操縱風(fēng)險,為期貨市場操縱風(fēng)險的預(yù)警以及監(jiān)控提供理論基礎(chǔ)以及實(shí)務(wù)操作方法[19]。魯姣、閻春寧、侯卜魁選取期貨價格波動率、持倉量波動率和收益率三個指標(biāo),通過加權(quán)得到了一個綜合衡量操縱風(fēng)險的信號值,并籍此建立了預(yù)警期貨市場操縱風(fēng)險的模型[20]。熊熊、張宇、張維、張永杰通過建立Logistic回歸模型,將股指期貨是否被操縱的問題轉(zhuǎn)化為根據(jù)一定時期內(nèi)股指期貨操縱時間的預(yù)警模型[21]。
總的來說,操縱研究大多是在kyle[22]和Glosten[12]的基礎(chǔ)上展開,認(rèn)為操縱者的信息地位是掌握操縱地位的根本保證,這種信息可以是操縱者在參與交易前就獲得的(信息操縱),也可以是操縱者通過交易策略所獲得的(交易操縱)。從操縱的界定來看,近年來越來越多的學(xué)者[1, 23-26]認(rèn)為破壞市場效率的行為就可以認(rèn)定為操縱,市場效率以市場價格信息的有效性和市場流動性為標(biāo)準(zhǔn)。盡管如此,大多數(shù)研究仍然選擇操縱者交易策略為研究對象??墒窃趯?shí)踐中,市場操縱者的交易策略只能通過司法途徑才能獲得,數(shù)據(jù)的難以獲取在很大程度上制約了實(shí)證研究的發(fā)展,這也是目前的操縱理論研究與實(shí)證研究相脫節(jié)的重要原因。本文認(rèn)為操縱的研究思路應(yīng)從交易策略擴(kuò)展到信息地位研究,才能夠更好的將操縱理論研究應(yīng)用于實(shí)際。
隨著各國期貨市場法律的不斷健全,操縱者也面臨著越來越大的風(fēng)險,如操縱失敗后的法律制裁和損失。因此,市場操縱逐漸由一年或者幾年的長期行為轉(zhuǎn)變?yōu)閮H有數(shù)月而且更加隱蔽的短期行為。短期操縱相比之于長期操縱,操縱者所獲得收益會變小。如果沒有任何內(nèi)幕信息,為獲取同樣的信息地位,相同時間內(nèi)短期操縱比長期操縱需要投入更多資金,而這會為操縱者帶來更大的風(fēng)險。可操縱者為什么還要這樣做呢?本文結(jié)合市場價格信息來識別操縱行為,為操縱研究提供一個新思路。本文認(rèn)為影響操縱者是否選擇操縱市場的首要因素并不是采取何種交易策略,而是操縱者能否迅速而且隱蔽的獲取信息優(yōu)勢。市場價格信息對操縱者交易越敏感,操縱者的個人信息就越容易取得信息優(yōu)勢,操縱者也越有可能在短期內(nèi)獲取超額收益。當(dāng)現(xiàn)貨價格受到某些意外因素的影響而發(fā)生劇烈波動時,操縱者通過交易或者內(nèi)部信息所獲取的信息優(yōu)勢就能夠“欺騙”無信息優(yōu)勢交易者幫助自己在短期內(nèi)完成操縱。在此基礎(chǔ)上,本文提出了一種切實(shí)可行的操縱識別方法。
此外,現(xiàn)有研究還較少涉及到合約操縱對整個期貨品種的影響。本文認(rèn)為期貨價格是所有交易者在當(dāng)前對于到期日期貨價格與倉儲費(fèi)用的期望,當(dāng)操縱發(fā)生時操縱者將大量的個人信息融入市場信息之中,會導(dǎo)致其他合約交易者對倉儲和供求信息的誤判。因此,一旦某個合約被操縱,整個品種的價格發(fā)現(xiàn)能力都會受到影響。
假設(shè)1交易者假設(shè)
市場中存在許多噪聲交易者和一個大交易者①大交易者定義為其交易能夠影響市場價格交易者,詳見Robert and Jerrow[10]、David J.Cooper[3]、Kummar and Seppi[5]等,所有交易者都是理性交易者而不掌握內(nèi)幕消息。大交易者擁有初始資產(chǎn)現(xiàn)金,其中有數(shù)額用以購買存續(xù)期為T的商品期貨合約,持有現(xiàn)金沒有凈收益。大于或者小于0表示大交易者的交易方向,表示做多,表示做空。在時刻t合約價格是,大交易者手頭合約若全部平倉所能獲得現(xiàn)金流為,此時大交易者的現(xiàn)金流是。
假設(shè)2期貨市場假設(shè)
假設(shè)3交易者效用假設(shè)
理性交易者效用函數(shù)的相關(guān)研究有很多,很多學(xué)者的研究都指出均值方差效用函數(shù)能夠很好的描述交易者行為②均值方差效用函數(shù)在描述交易者收益時表現(xiàn)很好,對此效用函數(shù)的具體描述請參見相關(guān)文獻(xiàn)如,Gagnon Lypny and McCurdy[7],Lafuente andNovales[9], Lee、Yoder、Mittelhammer and McCluskey[11]等。本研究選取指數(shù)函數(shù)作為交易者的效用函數(shù),其中。
由假設(shè)3,有大交易者在時刻t的效用函數(shù)H
(1)
由式(2)有,
隨著價格波動增大,噪聲交易者發(fā)現(xiàn)市場中存在大量個人信息,會減少市場流動的“供給”。Marco pagano and Ailsa Roell[27]、Kyle[1]等研究指出,個人信息的存在對于流動性提供者存在負(fù)外部性影響(negative externality),操縱行為會降低市場流動性、削弱價格發(fā)現(xiàn)功能。由于大量個人信息的存在,此時的市場價格不能反映真正的供求關(guān)系因此被稱為虛假價格,而虛假價格就可以看作是被操縱的證據(jù)④被操縱的價格就是虛假價格,虛假價格就是被操縱的證據(jù),詳細(xì)請參見Kolb, R.W. and Overdahl, J.A.[13]
引理3即使只有某一合約被操縱,在此期間交易的其他合約的發(fā)現(xiàn)功能也會受到影響。從價格發(fā)現(xiàn)角度來看,期貨價格是當(dāng)前對到期日價格的估計(jì)。因此,當(dāng)套期保值功能受到影響時,真實(shí)溢價的波動就會增大。
其中,風(fēng)險溢價可以進(jìn)一步分解,
真實(shí)溢價可以表示為三部分組成,
(4)
由上式,合約價格是由庫存量(反應(yīng)的是市場的供求狀況)、利率、倉儲成本和時間所組成。由倉儲理論(theory of storage),合約價格中還應(yīng)包含便利收益,便利收益是指持有存貨的交易者可以更加主動參與交易,因此便利收益的存在通常會使式(5)小于0⑥便利收益也解釋了為什么交易者在現(xiàn)貨價格比期貨價格高的時候也不一定愿意出售現(xiàn)貨,詳細(xì)內(nèi)容請參見Hull[15]。。由推論2,操縱所造成的虛假價格會導(dǎo)致供求信息失真,而不同到期日合約的價格信息是交易者判斷便利收益的主要依據(jù),所以操縱會影響同品種中其他合約交易者對便利收益的判斷。因此,在操縱期間進(jìn)行交易的同品種所有合約的基差都會受到不同程度影響,距離被操縱合約時間越遠(yuǎn)所受影響越小。因此式(4)中的基差部分會由于其他合約的操縱而受到影響。
接下來分析已知信息部分對操縱的反應(yīng)?,F(xiàn)貨價格與到期現(xiàn)貨價格期望之差反應(yīng)的是市場中的已知信息,表示交易者通過當(dāng)前的現(xiàn)貨信息和其他合約的供求信息可以不斷修正到期日現(xiàn)貨價格的期望。由推論2,操縱者的個人信息會導(dǎo)致市場價格發(fā)現(xiàn)功能的減弱,因此其他合約交易者對到期日價格的判斷會變得更加困難??梢姡撈贩N所有在此期間進(jìn)行交易合約的價格預(yù)期都會受到影響,距離被操縱合約時間越遠(yuǎn)所受影響越小。所以式(4)中的已知信息部分會由于其他合約的操縱而受到影響。
綜上所述,所有在操縱期進(jìn)行交易的同品種合約真實(shí)收益波動都會變大,越是臨近被操縱合約波動越大。根本原因在于,大交易者能夠在某個合約中融入大量的個人信息,卻并不會將這一個人信息與市場“分享”,降低了整個品種的信息透明度。具體體現(xiàn)就是,在剔除未知風(fēng)險影響之后,整個品種操縱時期的真實(shí)收益波動會顯著大于其他時期。
根據(jù)以上分析可以得到兩個結(jié)論:
推論1 由引理1、2,市場價格對交易者交易越敏感時,大交易者會在價格信息中摻雜更多個人信息即越大,該合約被操縱的可能性越大。
推論2 由引理3,若某一時期內(nèi)有合約被操縱,那么同品種中其他合約的價格發(fā)現(xiàn)功能也會受到影響,且越臨近被操縱合約受到影響越大。
3.1數(shù)據(jù)
中國棉花消費(fèi)量占世界棉花產(chǎn)量45%左右,鄭州商品交易所也是世界最重要的棉花期貨交易所之一。受我國棉花生產(chǎn)周期影響,一般新年度棉花會在10月份左右上市,而上一年度的棉花到9月時庫存已經(jīng)不多。這就使每年的9月合約市場投機(jī)氛圍濃厚,發(fā)生市場操縱的可能性增大。棉花9月合約近年來被傳發(fā)生了多起操縱事件,例如被《證券時報》等多家媒體報道的合約CF1009操縱事件⑦詳細(xì)內(nèi)容請參見Hull[15]。。一般情況下,由于套期保值用戶向遠(yuǎn)期合約移倉,棉花9月合約持倉量在交割期四月下旬開始逐漸減少。但是,CF1009合約七月持倉量仍然處于較高水平(如圖1所示),多頭操縱逐漸形成。
圖1 2010、2011、2012年九月合約持倉量
注:陰影部分為各合約七月持倉量
針對這種情況,鄭州商品交易所于2010年7月21日發(fā)布了交易風(fēng)險提示函以避免操縱的發(fā)生,但操縱仍然給很多投資者帶來了巨大損失。因此,本研究選取棉花九月合約作為檢驗(yàn)樣本。九月合約數(shù)據(jù)共729個,包括2010年CF1009合約、2011年CF1109合約和2012年CF1209合約各243個。數(shù)據(jù)來源于鄭州商品交易所。使用的統(tǒng)計(jì)軟件為matlab2007a。
3.2 推論1的實(shí)證檢驗(yàn)
(7)
3.2.1線性回歸
3.2.2平穩(wěn)性檢驗(yàn)
表1 回歸結(jié)果
注:*表示5%置信水平下拒絕原假設(shè)。
表2 平穩(wěn)性檢驗(yàn)結(jié)果
3.3.3協(xié)整檢驗(yàn)和VAR模型的建立
在單位根檢驗(yàn)的基礎(chǔ)上,使用Johansen方法對變量進(jìn)行協(xié)整檢驗(yàn)。并通過考察跡統(tǒng)計(jì)量和最大特征根統(tǒng)計(jì)量建立VAR模型,以確定、、三者之間的關(guān)系。在VAR模型的構(gòu)建中,一個首要問題就是滯后階數(shù)的確定,太小不能完整反映模型的動態(tài)特征,太大就會影響參數(shù)估計(jì)的有效性。因此,選取LR統(tǒng)計(jì)量(5%置信區(qū)間)、FPE準(zhǔn)則(最終預(yù)測誤差)、AIC準(zhǔn)則(信息準(zhǔn)則)、SC準(zhǔn)則(信息準(zhǔn)則)和HQ準(zhǔn)則(Hannan-Quinn)共5個指標(biāo)進(jìn)行判斷,最終選取滯后階數(shù)為2(如表3)。
表3 滯后階數(shù)選擇
注:*表示該指標(biāo)下最優(yōu)階數(shù)。
表4 協(xié)整關(guān)系檢驗(yàn)
注:*表示在5%置信水平下拒絕原假設(shè),P-值是Mac Kinnon、Haug、Michelis[30]中的P 值
3.3.4 VECM模型的建立和累積殘差計(jì)算
在前文的基礎(chǔ)上,估計(jì)向量誤差糾正模型(如表5所示),得到表達(dá)模型。對VECM進(jìn)行LM檢驗(yàn),發(fā)現(xiàn)存在ARCH效應(yīng)。將VECM的殘差設(shè)為ARCH形式,由于條件方差方程的殘差平方滯后項(xiàng)為1階,因此假設(shè)殘差分布服從t分布,即。以算法BHHH通過極大似然法對參數(shù)進(jìn)行估計(jì),結(jié)果非常顯著(如表6所示)。籍此結(jié)果對VECM進(jìn)行標(biāo)準(zhǔn)化(),并得到CF1009在各時點(diǎn)的累積殘差。由U法檢驗(yàn)(如表7所示)發(fā)現(xiàn),偏度小于零且說明數(shù)據(jù)分布左偏,峰度不等于0且p值很大說明數(shù)據(jù)風(fēng)度系數(shù)為0,因此累計(jì)殘差數(shù)據(jù)服從正態(tài)分布。
表5 向量糾正模型
注:、、分別為CF1009合約、CF1109合約、CF1209合約一階滯后項(xiàng),括號內(nèi)為P值
表6 ARCH估計(jì)
注:小括號是標(biāo)準(zhǔn)差,中括號是z-統(tǒng)計(jì)量。
表7 正態(tài)檢驗(yàn)
表8 累計(jì)殘差表
注:六月共有19個交易日,七月有22個交易日
3.2推論2的實(shí)證檢驗(yàn)
推論2考察的是不同時期合約的價格發(fā)現(xiàn)功能,由于期貨價格是到期日現(xiàn)貨價格的預(yù)期,因此選擇真實(shí)收益為檢驗(yàn)對象。為了單獨(dú)考察操縱的影響,與推論1檢驗(yàn)相類似,首先以式(6)剔除其他因素所引起的價格波動,由于計(jì)算真實(shí)溢價所以回歸中不包括現(xiàn)貨價格。在操縱時期和非操縱時期,按照與CF1009的距離進(jìn)行分類,系統(tǒng)觀察整個棉花期貨是否受到了CF1009合約操縱的影響。
3.2.1數(shù)據(jù)分類
數(shù)據(jù)分類的初衷是為了便于全面考察期貨品種在被操縱期內(nèi)所受到的影響,因此將數(shù)據(jù)分為操縱時期和非操縱時期兩大類(如表9所示)。在此基礎(chǔ)上按到期日不同又將合約分為三種,CF1指的是在選定窗口期內(nèi)考察的合約,CF2、CF3是第二遠(yuǎn)期合約、第三遠(yuǎn)期合約。例如,Ser01中CF1指的是存在操縱時期的6、7月間交割的合約,那么CF1就是指CF1007合約,相應(yīng)的CF2、CF3就是CF1009和CF1011,依此類推。
表9 數(shù)據(jù)分類
3.2.2剔除系統(tǒng)風(fēng)險
由于這里要將三個不同時期的實(shí)際溢價進(jìn)行對比,因此有必要進(jìn)行標(biāo)準(zhǔn)化,即。按照式(6)對各時期的價格進(jìn)行回歸,目的是剔除系統(tǒng)風(fēng)險,其中不包含現(xiàn)貨市場數(shù)據(jù)。由于對各個變量與真實(shí)溢價之間的關(guān)系進(jìn)行了簡化(只考察了線性關(guān)系),因此回歸的結(jié)果并不一定具有直接的經(jīng)濟(jì)含義。
3.2.3殘差方差
通過前面的回歸可以得出在不同時期的殘差方差(表12、表13),可以發(fā)現(xiàn)幾個特別之處。
首先,可以發(fā)現(xiàn)所有操縱時期的殘差方差都要明顯大于非操縱時期,說明在操縱時期間整個棉花期貨真實(shí)溢價波動要大于非操縱時期。可見,CF1009合約價格發(fā)現(xiàn)功能的下降也波及到了其他合約,致使整個市場的波動加大、價格發(fā)現(xiàn)功能下降。
其次,在ser01(2010年6、7月)和ser02(2010年5~8月)中,CF2(CF1009)合約的真實(shí)溢價波動是最大的,說明CF1009的價格發(fā)現(xiàn)功能所受到的影響最大,而此合約也正是被操縱的合約。
第三,在ser01(2010年6、7月)和ser02(2010年5~8月)中,CF1(CF1009)的波動顯著大于非操縱時期。劇烈波動主要是兩個原因,一是CF1009的操縱干擾了在此期間交割的CF1007,二是青島“5.20”大火⑨5月20日,一名陌生人突然闖進(jìn)青島保稅區(qū)棉花倉庫縱火,相關(guān)報道詳見http://news.hexun.com/2010-07-05/124149431.html導(dǎo)致可供交割的現(xiàn)貨不足加劇了波動。
第四,縱觀ser01和ser03(2010年6、7月間進(jìn)行交易的所有合約),發(fā)現(xiàn)所有合約的真實(shí)溢價波動都有不同程度的增加。被操縱合約CF1009波動最大,其他合約隨距離越遠(yuǎn)波動越小,而且都顯著大于非操縱時期。可見,CF1009合約的操縱不僅僅是對單一合約價格發(fā)現(xiàn)功能的破壞,對整個棉花期貨的價格發(fā)現(xiàn)能力都產(chǎn)生了影響。
本文在Kyle、Viswanathan[1]等學(xué)者研究基礎(chǔ)上,認(rèn)為交易者所獲得的信息地位才是判斷和研究操縱的關(guān)鍵,而交易策略并不重要?;趯π畔?yōu)勢的研究,本文認(rèn)為由于操縱本身的風(fēng)險越來越大,只有市場由于某些事件而變得敏感時,操縱者才會通過交易“欺騙”其他交易者幫助自己取得操縱地位。當(dāng)價格信息中交易者個人信息明顯多于其他時期,合約價格已經(jīng)不能正常反應(yīng)市場信息而形成虛假價格時,就可以斷定操縱行為的存在。當(dāng)操縱形成時,由于大量個人信息的存在合約的價格發(fā)現(xiàn)功能會受到極大損害。從價格發(fā)現(xiàn)角度來看,各合約價格是當(dāng)前對到期日價格的估計(jì),因此某個合約的操縱會影響整個品種的價格發(fā)現(xiàn)功能,體現(xiàn)為真實(shí)收益波動變大,距被操縱合約越遠(yuǎn)所受影響越小。
表10存在操縱期間
Ser01Ser02Ser03 變量t-值t-值t-值 CF1C0.29320.21320.95121.9547*-0.8475-2.0014* ice0.82372.1463**0.81480.52190.22141.7750* shid1.01580.68731.21580.82131.48610.7546 exc11.00180.5214-9.8762-0.712910.94180.3248 dat-0.0084-5.7826**-0.1207-3.1628**-0.0911-2.9427** r-0.0764-0.39510.08430.5215-0.0984-0.6974 CF2變量t-值t-值t-值 C0.35811.42080.48752.1184*1.02182.2105* ice1.12770.9518-1.2541-1.9953*0.99413.0019** shid0.98011.39270.55410.9958-0.5546-1.2457 exc13.7790.918510.54821.9806*12.010.3247 dat-0.0968-7.5329**-0.1865-2.8316**-0.1154-8.2110** r0.00571.23770.01541.08450.00410.8406 CF3變量t-值t-值t-值 C0.68441.0951-0.3684-3.0275**0.00142.2096* ice0.57411.8845*0.69810.99130.95172.0137* shid-0.2215-1.2576-0.2247-1.6675-0.1573-1.4482 exc19.33251.552111.58061.224813.57050.9518 dat-0.0842-11.8452**-0.2471-24.3514**-0.0541-4.5214** r0.01590.88270.01470.97180.63170.4276 CF1R0.75280.73070.6594 CF2R0.64510.61440.7826 CF3R0.65910.68190.7260
注:*為95%水平下顯著,**為97.5%水平下顯著
表11不存在操縱期間
Ser1Ser2Ser3 變量t-值t-值t-值 CF1CF2CF3C0.13572.4951*0.15490.6428-0.1608-2.9907** ice0.49023.3751**-0.5719-3.1834**0.28743.4218** shid0.64872.6948**0.84090.2647-0.8823-0.6693 exc2.00840.69132.15090.3194-3.0841-3.3816** dat-0.0008-0.3914-0.0019-1.9970*0.00052.4817* r0.00152.1108*0.00290.3611-0.01840.9811 C-0.1864-2.2764*-0.2719-4.2209**0.13683.1176** ice0.24973.3009**-0.29411.3418-0.3097-1.9482* shid0.59484.6718**0.18422.0187*0.33510.9981 exc-2.36510.77163.88402.3108*2.88192.1891* dat0.00072.3009*-0.0018-6.1829**-0.0027-2.1629* r-0.00940.21840.09452.3280*0.29401.0672 C-0.26430.6841-0.0485-3.4485**0.99402.3081* ice0.19526.4811**0.21841.3410-0.3659-3.1184** shid-0.3127-3.5724**0.61892.1771*-0.20141.2485 exc4.15092.3350*-2.38120.8529-3.48930.7498 dat0.00181.00200.00313.8427**0.00473.4793** r-0.0051-2.2016*0.09450.9936-0.94811.2224 CF1R0.87890.93640.7541 CF2R0.94520.95560.7530 CF3R0.85810.97160.7754
注:*為95%水平下顯著,**為97.5%水平下顯著
從推論1來看,市場發(fā)生操縱的根本原因是不確定性。雖然意外事件的發(fā)生不可避免,但能夠通過制度上的設(shè)計(jì)盡量降低此時市場的敏感度。例如本文重點(diǎn)考察的棉花合約CF1009,促使操縱發(fā)生的“意外事件”是新疆等棉花主產(chǎn)區(qū)天氣異常導(dǎo)致收割推遲,隨后盡管國儲棉開倉平抑市場波動,但操縱者的信息優(yōu)勢已經(jīng)形成,操縱在所難免。如果市場監(jiān)管者在消息出現(xiàn)的第一時間對新投機(jī)交易提高保證金,提高操縱成本降低市場敏感程度,操縱者就很難在短時間內(nèi)取得足夠的信息優(yōu)勢;如果國儲棉明確表示將介入市場之后再逐步放開保證金,雖然以損失一段時間的市場流動性為代價,但操縱極有可能可以避免,從而保證套期保值者的根本利益。
從推論2來看,操縱所削弱的價格發(fā)現(xiàn)功能會蔓延至整個品種,這種特點(diǎn)有可能是隨著交易者的移倉而傳導(dǎo)至其他合約的。更深入地看,期貨市場需要保證信息暢通,使期貨價格能夠反映市場潛在預(yù)期,為現(xiàn)貨交易提供指導(dǎo)和保證。而操縱的發(fā)生破壞了信息的正常傳遞,勢必會導(dǎo)致其他各個合約不同程度上的信息失真。從制度上保證套期保值者順利參與市場,發(fā)揮期貨市場套期保值和價格發(fā)現(xiàn)的基本功能,這樣才能從根本上降低操縱風(fēng)險。
本文還存在有一定的局限性:
(1)操縱行為的法律界定在我國仍然存在較大難度,為避免爭議,本文僅從數(shù)理角度來估算操縱發(fā)生的概率。
(2)對期貨市場產(chǎn)生影響的因素有很多,由于政治和交易制度對價格的影響沒有統(tǒng)一觀點(diǎn)且難以度量,因此本文在實(shí)證檢驗(yàn)中只選取了經(jīng)濟(jì)變量。
(3)本文所提出觀點(diǎn)的前提假設(shè)之一是風(fēng)險中性。雖然大量傳統(tǒng)研究的結(jié)論支持這一觀點(diǎn),但隨著行為科學(xué)研究的深入表明投機(jī)者在某些情況下表現(xiàn)為風(fēng)險偏好,這時操縱者的效用函數(shù)與假設(shè)3也會完全不同。這也是本文繼續(xù)研究的方向。
表12 殘差的方差-協(xié)方差矩陣
表13 不同時期殘差方差比較
[1] Kyle A S, Viswanathan S. How to Define Illegal Price Manipulation[J]. American Economic Review. 2008, 98(2): 274-279.
[2] Snider T J. Regulation of the Commodities Futures and Options Markets[M]. Shepard's/McGraw-Hill, 1995.
[3] Cooper D J, Glen Donaldson R. A strategic analysis of corners and squeezes[J]. Journal of Financial and Quantitative Analysis, 1998, 33(1).
[4] Pirrong S C. The Self-Regulation of Commodity Exchanges: The Case of Market Manipulation[J]. JL & Econ. 1995, 38: 141.
[5] Kumar P, Seppi D J. Futures manipulation with “cash settlement”[J]. The Journal of Finance. 1992, 47(4): 1485-1502.
[6] A Joint Report of the SEC and the CFTC on Harmonization of regulation[Z]. 2009.
[7] Gagnon L, Lypny G J, Mccurdy T H. Hedging foreign currency portfolios[J]. Journal of Empirical Finance. 1998, 5(3): 197-220.
[8] Pirrong C. Squeeze Play: The Dynamics of the Manipulation End Game[J]. The Journal of Alternative Investments. 2011, 14(1): 26-39.
[9] Lafuente J A, Novales A. Optimal hedging under departures from the cost-of-carry valuation: Evidence from the Spanish stock index futures market[J]. Journal of Banking & Finance. 2003, 27(6): 1053-1078.
[10] Chatterjea A, Jarrow R A. Market manipulation, price bubbles, and a model of the US Treasury securities auction market[J]. Journal of Financial and Quantitative Analysis. 1998, 33(2).
[11] Lee H, Yoder J K, Mittelhammer R C, et al. A random coefficient autoregressive Markov regime switching model for dynamic futures hedging[J]. Journal of Futures markets. 2006, 26(2): 103-129.
[12] Franklin A, Gary G. Stock price manipulation, market micro structure and asymmetric information[J]. European Economic Review. 1992, 36: 624-630.
[13] Overdahl J A, Kolb R W. Futures, Options, and Swaps[M]. Blackwell Publishing, Oxford, 2007.
[14] Paul G L, Milgrom. Bid, ask and transaction prices in a specialist market with heterogeneously informed traders[J]. Journal of Financial Economics. 1985, 14(1): 71-100.
[15] John H. Options, futures, and other derivatives[M]. Prentice Hall Boston, 2006.
[16] Chakraborty A, Y?lmaz B. Informed manipulation[J]. Journal of Economic Theory, 2004, 114(1): 132-152.
[17] 遲國泰, 劉軼芳, 余方平. 基于SV模型和KLR信號分析的期貨逼倉風(fēng)險預(yù)警模型[J]. 系統(tǒng)工程. 2006(07).
[18] 遲國泰, 劉軼芳, 余方平. 基于非線性映射分析的期貨逼倉風(fēng)險判定模型及其應(yīng)用[J]. 系統(tǒng)工程理論與實(shí)踐. 2006(05).
[19] 黃偉, 劉海龍. 期貨市場逼倉風(fēng)險指標(biāo)的構(gòu)建及實(shí)證研究[J]. 工業(yè)工程與管理. 2008(03).
[20] 魯姣, 閻春寧, 候卜魁. 中國期貨市場逼倉風(fēng)險預(yù)警模型研究[J]. 價值工程. 2008, 27(9): 163-166.
[21] 熊熊, 張宇, 張維, et al. 股指期貨操縱預(yù)警的Logistic模型實(shí)證研究[J]. 系統(tǒng)工程理論與實(shí)踐. 2011(07).
[22] Kyle A S. Continuous Auctions and Insider Trading[J]. Econometrica. 1985, 53(6): 1315-1335.
[23] Allen F, Litov L, Mei J. Large Investors, Price Manipulation, and Limits to Arbitrage: An Anatomy of Market Corners[J]. Review of Finance. 2006, 10(4): 645-693.
[24] Aggarwal R K, Wu G. Stock Market Manipulations[J]. The Journal of Business. 2006, 79(4): 1915-1953.
[25] Van Bommel J. Rumors[J]. The Journal of Finance. 2003, 58(4): 1499-1520.
[26] Jarrow R A, Protter P. Forward and Futures Prices with Bubbles[J]. International Journal of Theoretical and Applied Finance. 2009, 12(7): 901-924.
[27] Marco P, Ailsa R. The choice of stock ownership structure: agency costs, monitoring, and the decision to go public[J]. The Quarterly Journal of Economics. 1998, 113(1): 187-225.
[28] Dickey D A, Fuller W A. Likelihood ratio statistics for autoregressive time series with a unit root[J]. Econometrica: Journal of the Econometric Society, 1981: 1057-1072.
[29] Kwiatkowski D, Phillips P C B, Schmidt P, et al. Testing the null hypothesis of stationarity against the alternative of a unit root: How sure are we that economic time series have a unit root?[J]. Journal of econometrics, 1992, 54(1): 159-178.
[30] MacKinnon J G, Haug A A, Michelis L. Numerical Distributions of Likelihood Ratio Tests of Cointegration[J]. Journal of Applied Econometrics, 1999, 14(563): n577.
引理1證明
由式(4.3)有,有函數(shù)m的線性微分方程
引理2證明
The Model for Trade-based Manipulation in Future Market Based on Price Information and Its Application
JIANG Yun-he1,LIU Hai-long1
(1. Antai College of Economics & Management, Shanghai JiaoTong University,Shanghai 200052, China)
The effectiveness of price information is taken as an important basis to understand risk management in the futures market. The existing research mainly focuses on transaction strategies. The difficulty of acquiring operator’s transaction data results in the disconnection between manipulation theory and empirical study.
Based on Kyle and Viswanathan’s[1]study, this paper proposed that the primary influential element for the operation is the sensitivity of price information to the transaction. The model also proved that an operator’s gains are a single-value raised function of information acquisition advantage. When price information becomes sensitive to transaction, a big dealer will make the maximum information advantage through transactions. Those contract prices mixed with a great deal of private information can be judged as false prices, which hide the actual demand-supply relations and “cheat” on other dealers. These will induce them to help the operator gain profit and hide the manipulating effect. For the above reasons, more attention should be made to the price information in terms of operation risk management in the futures market. Price information should be alerted when the market becomes sensitive because of some uncertain elements. It is important to take some proper measures to avoid the manipulation from occurring. A process of manipulation development is similar to the process of not acquiring enough information for the big dealer. The risk of contract to be operated will increase if the big dealer can rapidly take advantage of the information. Based on this, the writer proposes a computation method to investigate the quantity of private information during all stages. The more private information exists in the price information, the more possibility of contract to be manipulated will occur.
From the information aspect of the futures market, manipulation behavior breaks the demand-supply information’s normal flow between different contracts; hence, the manipulation of a contract will surely impact the finding function of other contract prices within the same variety. The primary cause lies in that a big contractor completes the manipulation with the help of a great deal of the private information existing in the price information. However, the contractor does not “share” this information with the market in order to reduce the information transparency of the whole variety. For other contractors, the closer to the would-be manipulated contract they become, the more influence the information transparency will be subjected to. The observation on the real gain fluctuation shows that the closer the would-be operated contract moves, the more influence the finding function of the contract price can have. Some trading examples of the September cotton futures in 2010, 2011, 2012 are discussed in detail. These examples are used for real evidence verification because the annual cotton contract in September might be one of those contacts with the most feasible atmosphere for domestic gambling. The empirical verification results show a high consistency with the above proposed viewpoints, which verify and strengthen both practicability and effectiveness of the proposed model.
futures market; market manipulation; information superiority; price discovery
中文編輯:杜 ?。挥⑽木庉嫞篊harlie C. Chen
F832.5
A
1004-6062(2016)01-0176-09
10.13587/j.cnki.jieem.2016.01.022
2013-07-22
2013-11-18
蔣云鶴(1983—),男,遼寧省沈陽市人。上海交通大學(xué)安泰經(jīng)濟(jì)管理學(xué)院博士研究生,研究方向:期貨市場操縱風(fēng)險管理。