QFII對股指期貨波動性的影響

李雨欣

該文指在研究QFII參與股指期貨對股指期貨波動性的影響。本文以2010-2015年滬深300股指期貨日收益率為樣本數(shù)據(jù)，構建增加虛擬變量的GARCH模型進行實證研究。研究表明：從波動水平來看，QFII參與股指期貨對股指期貨的波動性具有影響，其在一定程度上抑制股指期貨的波動性，但抑制作用較低。

自中國大陸在2002年12月正式實施QFII（Qualifier Foreign InstitutionalInvestors，合格的境外機構投資者）試點以來。中國證監(jiān)會、國家外匯管理局與證券交易所對QFII制度限制各項逐步放寬。證監(jiān)會于2013年1月25日允許QFII通過分別委托三家境內(nèi)期貨公司參與股指期貨套保交易，由此正式拉開境外投資機構投資股指期貨的內(nèi)幕。

文獻綜述

早期國外學者從機構投資者與單個股票之間的關系出發(fā)進行研究，研究表明機構投資者因較大的交易量影響到股價。Chart，Louis（1995）對美國37價機構投資者交易前后股票價格的變化進行實證分析發(fā)現(xiàn)大宗買賣對股票價格有顯著影響。Sias和Richard（1997）通過研究機構投資者與日收益率的相關性發(fā)現(xiàn)機構交易者的交易行為之間存在相關性并會引起股價的波動。而以上研究僅表明機構投資者與股價存在影響。但具體產(chǎn)生何種影響目前還未有一致看法，部分學者認為，機構投資者較個人投資者而言交易更加理性，會推動價格靠近基本價值。起到抑制波動性的作用。Kim（2000）以亞洲及南美國家資本市場為例，實證研究發(fā)現(xiàn)樣本國家引入QFII制度后股市收益率在前12個月呈上升趨勢隨后會逐漸回歸引入前水平。而波動率則呈下降趨勢。另一部分學者則持相反觀點。認為機構投資者進入對股市有不穩(wěn)定影響，市場中的噪聲交易者與機構投資者出現(xiàn)羊群效應，發(fā)生正反饋交易時，其交易行為會加劇市場波動。DeLong et aL（1990）通過對韓國經(jīng)濟危機時期的研究表明，股市劇烈波動時市場正反饋交易明顯加強。Choe（1999）研究韓國等新興市場發(fā)現(xiàn)QFII資本進入會加大資本回報波動，對韓國證券市場造成負面影響。降低證券市場穩(wěn)定性。

國內(nèi)學者主要從以下幾個角度進行研究，在投資者交易行為方面，劉成彥、胡楓、王皓（2007）研究表明雖然QFII存在羊群行為的特征，但因其理性投資其羊群效應并未表現(xiàn)出正反饋交易特征。不易增大市場的波動性；在金融實證研究中。張雪瑩（2005）研究表明QFII增強股市波動性但并不顯著的結論。作者認為原因之一是數(shù)據(jù)周期短，人市資金所占比例較?。涣硗馕覈墒袛U容也抵消QFII入市資金供給力度。王麟樂、張一（2011）選取1990到2009年上證綜指數(shù)據(jù)，發(fā)現(xiàn)QFII對A股市場收益率波動有減弱作用。但并不顯著。

實證研究

模型構建

本文采用采用GARCH模型。通過增加前期預測方差滯后項。將前期的隨機誤差平方項和滯后的條件方差項進行線性組合。不僅具有ARCH描述時間序列條件異方差的和描述波動性與集聚性的特性。同時簡化高階ARCH的參數(shù)。為了表示QFII進入前后股指期貨收益率的變化，本文在GARCH（1，1）模型中引入（0.1）的虛擬變量D。通過估計得出的虛擬變量系數(shù)的正負值判斷分析QFII引入股指期貨后對股指期貨市場的影響。修正模型為公式（2）

樣本選取與處理

本文選取滬深300指股指期貨為研究對象。通過事件研究法。將政策允許QFII進入股指期貨的2013年1月25日作為分界點。2010年1。月14日-2013年1月24日為QFII進入股指期貨前的研究子區(qū)間，共834個數(shù)據(jù)；2013年1月25日-2015年5月08日為QFII進入股指期貨后的研究子區(qū)間，共832個數(shù)據(jù)。

對于滬深300股指期貨合約的選擇：首先。選取最近交割的主力股指期貨合約作為研究對象。當最近期的股指期貨合約即將交易退出市場時，選取下一個最近期的主力期貨合約作為研究對象，形成連續(xù)合約；其次，對于停盤日數(shù)據(jù)，因為停盤日不進行交易。所以收盤價等數(shù)據(jù)均不會變動。因此對于采樣區(qū)間的數(shù)據(jù)期間內(nèi)的停盤價運用停盤前一日的數(shù)據(jù)進行補充。在對于股指期貨波動性研究方面。因為對數(shù)收益率經(jīng)過對數(shù)變換可以在一定程度上消除非平穩(wěn)性，將序列轉換為線性趨勢，因此一般將日收盤價進行處理后采用對數(shù)收益率刻畫波動性的大小。

數(shù)據(jù)統(tǒng)計特征分析

根據(jù)對數(shù)收益率RF_t的直方圖及描述性統(tǒng)計數(shù)據(jù)可知。其峰度為8，335337大于3，偏度-0.177065小于0，說明數(shù)據(jù)左拖尾，具有“尖峰尾厚”的特征。同時，JB的統(tǒng)計量為1984.708，伴隨概率為0，表示股指期貨的對數(shù)收益率拒絕序列服從正態(tài)分布的原假設，即序列不服從正態(tài)分布。根據(jù)RF、的時序圖可觀察到，對數(shù)收益率的波動存在聚集現(xiàn)象。以上特征綜合顯示出數(shù)據(jù)存在異常值成群、波動聚集的特征?？梢猿醪脚袛郣F序列具有ARCH效應。

實證過程與回歸結果分析

ARCH效應檢驗

ARCH效應檢驗是建立ARCH模型或ARCH族類模型的基礎，本文按照下列步驟進行建模。第一。進行ADF檢驗。如果原序列非平穩(wěn)，存在單位根，則對其一階差分序列進行ADF檢驗。以此類推，直至序列平穩(wěn)；第二，通過AIC和SC值的大小確定ARMA（p，q）中p與q的值，其值越小模型越優(yōu)；第三，根據(jù)確定滯后期p值，初步建立ARCH均值模型，表示股指期貨收益率RF序列服從AR（P）自回歸模型，對均值模型進行LS估計與ARCH-LM檢驗，判斷ARMA（p，q）模型的殘差的波動聚集性，若滯后期p值較大則選擇GARCH模型；第四，構建GARCH模型。從較小的滯后階數(shù)開始對GARCH項系數(shù)顯著性進行檢驗。判斷模型中的殘差是否還存在ARCH效應。若殘差仍存在ARCH效應則增加GARCH的階數(shù)，直至殘差的ARCH效應消失為止；第五，對GARCH模型進行修正。加入虛擬變量。將QFII進入股指期貨前后作為兩個區(qū)間，前期d=0，QFII進入后d=1，通過對虛擬變量D其系數(shù)及顯著性的分析判斷QFII進入股指期貨對股指期貨的波動[生是否有較大影響。

（1）平穩(wěn)性檢驗。對進行ADF檢驗。檢驗結果：RF的T統(tǒng)計量為42，22318，絕對值均大于1%、5%、10%下的臨界值，因此拒絕存在單位根的原假設，即RF序列不存在單位根，序列是平穩(wěn)的。滿足建立ARCH或GARCH模型的檢驗條件。

表1為ARMA自回歸分析結果：

首先對ARMA（1，1）至ARMA（11，11）進行回歸，選取ARMA（3，3）、ARMA（5，5）、ARMA（7，7）三個各自回歸系數(shù)完全顯著的模型。通過表1比較AIC和SC值。發(fā)現(xiàn)模型中AIC與SC兩個值的變動幅度并不明顯。并對各模型的殘差序列進行LM檢驗，其殘差均不具有ARCH效應。因此，最后通過比較F統(tǒng)計量及其概率值。選擇滯后期為了的自回歸模型。根據(jù)回歸結果可得出自回歸方程（5）：

由式（5）可判斷，滬深300股指期貨的對數(shù)收益率存在一定的自相關性，因此接下來可以對RF序列進行ARCH效應檢驗。

（3）ARCH-LM檢驗

首先提取均值方程回歸的殘差序列，繪制殘差序列時序圖。根據(jù)原序列的殘差序列時序圖可知，小波動后有較小波動，大波動后有較大波動，原序列具有波動聚集效應。

對ARCH模型進行ARCH-LM檢驗。經(jīng)過殘差序列自相關函數(shù)圖及多次運算，可判斷殘差平方序列用AR（7）擬合效果較好，即ARCH-LM選擇滯后階數(shù)為了階。研究結果：LM檢驗結果的F統(tǒng)計伴隨概率為0.0001。小于0.05。檢驗的卡方統(tǒng)計的伴隨概率為0.0001，小于0.05，因此在5%置信度下原序列存在高階ARCH效應，因此，隨后應建立GARCH模型。

修正GARCH模型回歸

以上樣本具有高階ARCH效應，因此可以運用已建立的GARCH模型。

對于GARCH模型p與q的選擇方法同ARMA模型，在AIC與SC最小的基礎準則上進行滯后期的確定，避免因滯后項或多而引起的參數(shù)估計不精的問題。

本文用已建立的計量模型公式（3）（4）來檢驗允許QFII進入滬深300股指期貨后。股指期貨收益率前后波動的變化。通過選取不同的滯后期對修正GARCH模型進行估計與計算，結果為下表2：

并對GARCH（1，1）模型的殘差序列進行ARCH-LM檢驗，檢驗結果表明，GARCH（1，1）的殘差序列LM統(tǒng)計量概率值分別為0.7177和0.7176，均超出10%的置信區(qū)間，因此殘差序列不存在ARCH效應，原序列經(jīng)過GARCH（1，1）的擬合后，消除了條件異方差性，說明建立的GARCH（1，1）模型是有效的。

實證結果分析

方差方程中，虛擬變量D系數(shù)Prob=0.0484<0.05，因此在5%的置信區(qū)間上是顯著的。說明虛擬變量的引入可以接受。虛擬變量D系數(shù)為-4.02x10^（-7），說明QFII進入股指期貨后，滬深300股指期貨收益率的波動降低，進一步說明QFII一定程度上抑制了市場波的波動性。

首先。虛擬變量D系數(shù)在5%的置信區(qū)間內(nèi)顯著，且系數(shù)為-4.02x10^（-7），說明QFII進入股指期貨后，滬深300股指期貨收益率的波動降低，從而說明QFII一定程度上抑制了市場的波動陸。對我國股指期貨市場的價格的穩(wěn)定陸起到一定作用。

其次，系數(shù)的絕對值較小，說明QFII對股指期貨市場收益率的波動性減少有限。原因可能在于QFII參與我國股指期貨市場時間較短，限制投資額度較低，因此引入QFII參與股指期貨市場對市場收益率的波動作用仍然較小。

最后。方差方程的ARCH項系數(shù)（殘差滯后項系數(shù)）0，024961與GARCH項系數(shù)（方差滯后項系數(shù)）0957894之和為0.982855。也稱作衰減系數(shù)，代表股指期貨市場收益率波動對外部一次沖擊的記憶，其值小于1并且非常接近1，說明收益率自相關陸很強，前一時期的沖擊在后一時期仍有0.9828552=96.60%的比例停留。沒有衰退。

綜上所述，QFII參與股指期貨市場，對我國股指期貨收益率的波動性具有積極的意義。但是影響不顯著?？赡苡幸幌聨追矫嬖颍菏紫龋琎FII作為大型機構投資者，投資理念成熟，注重基本面分析，其投資理念會在一定程度上影響其他投資者，從而降低非理陸的投資行為，降低市場的波動性其次，QFII作為理性人，投資目的為獲取最大利益。同時其擁有較完備的信息和較專業(yè)化的分析團隊，因此會更及時發(fā)現(xiàn)價格機制通過套利獲取利潤，這會促使價格回歸真實價值，也一定程度上降低股指期貨的波動陸；最后，因為QFII于2013年初進入我國股指期貨市場，參與時間較短，另外就QFII參與股指期貨市場在額度等方面仍有諸多限制與規(guī)定。因此QFII投資行為對穩(wěn)定市場、降低波動性的效用會大打折扣。