股指期貨對股票現(xiàn)貨市場波動性影響分析

高健多

摘 要：采用事件研究法，構造GARCH（1，1）模型，基于長期數(shù)據(jù)的基礎針對滬深300股指期貨的推出對現(xiàn)貨市場波動性的影響進行實證研究。經(jīng)過實證分析得到結論，從長期看來，滬深300股指期貨的推出在很小程度上減弱了現(xiàn)貨市場股票價格的波動性，但滬深300股指期貨的推出卻提高了現(xiàn)貨市場對于新舊信息的反應效率。

關鍵詞：股指期貨；股票價格波動性；GARCH模型

中圖分類號：F83 文獻標識碼：A doi：10.19311/j.cnki.1672-3198.2016.33.107

1 引言

中國首批滬深300股票指數(shù)期貨合約于2010年4月16日在中國金融期貨交易所正式掛牌交易。隨著我國資本市場不斷發(fā)展與完善，股指期貨在當今證券市場中已起著重要的作用，可以滿足各種投資者規(guī)避風險，套期保值，投機獲利等不同的投資需求。但由于股指期貨與生俱來的靈活性和大幅度的波動性，在股票價格的劇烈波動的問題上股指期貨總是難辭其咎。滬深300股指期貨的存在是否對股票現(xiàn)貨市場價格的波動性產(chǎn)生影響，二者之間到底存在什么關系，這些問題從滬深300股指期貨誕生之日起至今都是金融界討論的熱點話題。國內(nèi)外學者針對這一問題進行過系統(tǒng)的分析，但各位學者得出的結論并不一致，具體體現(xiàn)為兩方面對立的觀點：

一方認為，因為股指期貨具有價格發(fā)現(xiàn)、避險功能，可以提高市場的定價效率、實行反向操作以進行套期保值，從而間接地達到穩(wěn)定市場、減少現(xiàn)貨市場股票價格的波動率的效果。另一方則認為，在股指期貨合約到期日當天，無論是股指期貨市場的成交量，還是股票現(xiàn)貨市場的成交量，都很可能會成倍急劇地放大，股票市場易發(fā)生劇烈震蕩。

這場爭論到現(xiàn)在都沒有結束，雙方都無法找到能說服對方的充足證據(jù)。本文應用GARCH模型，用虛擬變量來刻畫股指期貨推出事件，以對數(shù)化的滬深300指數(shù)日收益率序列作為研究對象，進行實證分析，通過科學嚴謹?shù)臄?shù)據(jù)分析來為這場爭論尋找一個答案。

2 股指期貨對股票價格波動的影響分析

2.1 數(shù)據(jù)選取及處理

本文選取了滬深300股票價格指數(shù)從2006年4月17日到2014年12月31日的日收盤指數(shù)。對于四種期貨交易合約，本文選取滬深300股指期貨當月合約從2010年4月16日到2014年12月31日的日收盤價格。

本文以滬深300股指期貨正式推出時間，即2010年4月16日為界，將股指研究數(shù)據(jù)總樣本分為前后兩個對稱階段，以分析股指期貨推出后對現(xiàn)貨市場的長期影響。選取2006年4月17日到2010年4月15日滬深300指數(shù)日收盤指數(shù)數(shù)據(jù)為第一階段，共計975個數(shù)據(jù)；第二階段為2010年4月16日到2014年4月18日，共計980個數(shù)據(jù)。數(shù)據(jù)來源于Resset數(shù)據(jù)庫、中國金融期貨交易所、數(shù)優(yōu)期貨行情（含高頻）數(shù)據(jù)庫。

現(xiàn)代金融理論中通用收益率的標準差或方差來代表股票的波動率。為了消除金融時間序列的非平穩(wěn)性，同時保證收益率序列的平穩(wěn)性，本文運用E-views6.0軟件采用對數(shù)差分的方法對研究數(shù)據(jù)進行處理。

對滬深300指數(shù)的日收益率序列進行統(tǒng)計性描述，發(fā)現(xiàn)其具有尖峰、左偏、厚尾的特征，不服從正態(tài)分布。對其進行ADF單位根檢驗，結果中其P值均趨向于0，在1%的顯著性水平下，ADF值小于臨界值，所以我們有理由相信該序列是平穩(wěn)的。

2.2 識別收益率模型、選擇滯后階數(shù)

通過對股指期貨推出前和推出后的滬深300指數(shù)的日對數(shù)收益率序列分別進行自相關檢驗。檢驗得到其自相關圖，由圖可知該序列存在自相關性，進一步可用ARMA模型來描述其動態(tài)路徑。根據(jù)AIC和SC準則選擇模型階數(shù)后，對其殘差進行自相關性檢驗。

通過AIC準則和SC準則選擇出模型的滯后階數(shù)。股指期貨推出前滬深300指數(shù)的日對數(shù)收益率服從ARMA（2，2）模型，而股指期貨推出后則服從于ARMA（1，1）模型。這說明股指期貨推出后提高了現(xiàn)貨市場對新、舊信息的反應效率，標志著信息傳遞效率的提高。

建立GARCH族模型的前提條件需要做ARCH效應檢驗，于是本文分別對股指期貨推出前、后的收益率序列實施ARCH.LM檢驗。檢驗結果為：ARCH.LM的P值（0.01%、2.79%）趨向于0，在滯后階數(shù)為20、5%的顯著性水平下結果仍然顯著。故拒絕原假設，認為股指期貨推出前后殘差序列均存在高階ARCH效應，據(jù)此建立GARCH模型來進行估計。

2.3 建立GARCH（1，1）模型

GARCH（1，1）模型被多數(shù)知名學者公認為非常適用于構建金融時間序列模型。于是，本文選取GARCH（1，1）模型分別對股指期貨推出前后的滬深300指數(shù)日收益率進行估計，結果見表1和表2。

雖然表2中的常數(shù)項系數(shù)統(tǒng)計不顯著，但出于計量經(jīng)濟學的視角，本文仍予以保留。

由表1和表2可知，所有變量的系數(shù)均統(tǒng)計顯著，且估計系數(shù)之和小于1，滿足平穩(wěn)性條件。

最后再進行ARCH.LM檢驗。檢驗結果中的P值（79%、29%）均遠大于5%，我們沒有理由拒絕原假設。通過GARCH（1，1）模型估計后，原序列的ARCH效應已經(jīng)消除。

2.4 引入虛擬變量的實證分析

為了刻畫滬深300股指期貨合約推出事件而引入一個虛擬變量DV，且DV的取值為0或者1。這樣本文根據(jù)虛擬變量DV值就可以判斷股指期貨推出后現(xiàn)貨市場價格波動率變化的情況?；貧w結果中對于DV值的分析主要有以下三點：DV的符號、DV的絕對值、DV的P值。

引入DV之后，GARCH模型的條件方差為：

σ2t=α0+α1μ2t-1+λDV

其中，股指期貨推出之前DV=0，股指期貨推出之后DV=1。

由前所述可知滬深300指數(shù)的日收益率總樣本序列是平穩(wěn)的、自相關的，因此可用ARMA模型來解釋滬深300指數(shù)日收益率的變化。利用AIC和SC準則發(fā)現(xiàn)其對數(shù)收益率服從ARMA（2，2）模型。

又該總樣本序列的ARCH.LM統(tǒng)計量的P值趨于0，且當滯后階數(shù)為20時，回歸結果仍然顯著，說明總樣本序列存在高階ARCH效應，于是應建立GARCH模型。

建立加入虛擬變量DV的GARCH模型，回歸結果見表3。

DV的P值為0.0028，小于0.05，說明滬深300股指期貨的推出對股票市場的波動性產(chǎn)生了顯著影響。又DV的值很小且為負數(shù)，表明滬深300股指期貨的推出在很小程度上減弱了現(xiàn)貨市場股票價格的波動性，但卻提高了現(xiàn)貨市場對于新舊信息的反應效率。

3 結論

本文借助ARCH模型思想，并引入虛擬變量DV來刻畫滬深300股指期貨合約推出事件，利用GARCH模型進行實證分析。模型的回歸結果中DV的值很小且為負數(shù)，所以實證分析結果表明滬深300股指期貨的推出在很小幅度上減弱了股票價格的波動性。此外，通過事件發(fā)生前后對比分析，滬深300指數(shù)日收益率的時間序列由推出前的ARMA（2，2）過程變?yōu)锳RMA（1，1）過程。這說明股指期貨推出以后，新、舊信息對股票現(xiàn)貨市場的影響均加快，也就是說信息傳遞的效率得到增加。