投資者情緒對(duì)股指期現(xiàn)貨市場(chǎng)關(guān)系影響研究

劉晨 王演如

摘?要：國(guó)內(nèi)尚缺乏有關(guān)投資者情緒對(duì)期現(xiàn)貨市場(chǎng)間相關(guān)性及價(jià)格發(fā)現(xiàn)關(guān)系的研究，基于情緒因素對(duì)股指期貨市場(chǎng)效率展開(kāi)分析，已經(jīng)成為推動(dòng)資本市場(chǎng)發(fā)展的重要研究?jī)?nèi)容。通過(guò)DCC-GARCH、分位數(shù)回歸和分位信息份額模型（Quantile-IS）定量分析投資者情緒對(duì)我國(guó)股指期現(xiàn)貨市場(chǎng)間動(dòng)態(tài)相關(guān)性和價(jià)格發(fā)現(xiàn)功能的影響。結(jié)果表明我國(guó)股指期貨市場(chǎng)整體上存在一定的價(jià)格發(fā)現(xiàn)功能，投資者情緒能夠降低期現(xiàn)貨市場(chǎng)信息傳遞效率。分位信息份額模型和動(dòng)態(tài)Granger因果檢驗(yàn)結(jié)果表明，在市場(chǎng)平穩(wěn)狀態(tài)下投資者情緒能夠抑制期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能，但在市場(chǎng)極端行情下具有增強(qiáng)市場(chǎng)價(jià)格發(fā)現(xiàn)效率的作用。研究結(jié)論解讀了投資者情緒對(duì)我國(guó)期現(xiàn)貨市場(chǎng)關(guān)系影響取決于市場(chǎng)行情走向，也從投資者情緒視角為監(jiān)管思路調(diào)整提供實(shí)證依據(jù)，以全面增強(qiáng)股指期貨市場(chǎng)整體運(yùn)行效率。

關(guān)鍵詞：股指期貨?投資者情緒?價(jià)格發(fā)現(xiàn)?分位信息份額模型

一、引言

股票市場(chǎng)作為資本市場(chǎng)的核心，經(jīng)過(guò)二十多年的發(fā)展已具備較大的市場(chǎng)規(guī)模。股指期貨作為國(guó)內(nèi)重要的金融衍生品之一，不僅可以為投資者提供豐富的投資對(duì)象選擇和風(fēng)險(xiǎn)管理策略，有助于提升我國(guó)資本市場(chǎng)的規(guī)模和結(jié)構(gòu)，其價(jià)格發(fā)現(xiàn)和套期保值功能還是我國(guó)資本市場(chǎng)運(yùn)行效率的直接體現(xiàn)，對(duì)資本市場(chǎng)的創(chuàng)新和深化具有重要的指示意義。然而期現(xiàn)貨市場(chǎng)間的聯(lián)動(dòng)關(guān)系是期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能發(fā)揮的理論基礎(chǔ)，處于快速成長(zhǎng)期的中國(guó)期貨市場(chǎng)，由于受到政策調(diào)整、投機(jī)因素等信息沖擊，期、現(xiàn)貨市場(chǎng)的聯(lián)動(dòng)性以及引導(dǎo)關(guān)系也會(huì)經(jīng)常發(fā)生改變。此外，我國(guó)股市制度尚不完善、發(fā)展結(jié)構(gòu)失衡、投資者結(jié)構(gòu)不完善且存在機(jī)構(gòu)散戶化現(xiàn)象，使得我國(guó)資本市場(chǎng)投機(jī)氛圍較重，兩個(gè)市場(chǎng)間的聯(lián)動(dòng)關(guān)系勢(shì)必也隨之變化。情緒因素產(chǎn)生的交易行為將如何影響期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能及兩個(gè)市場(chǎng)間的聯(lián)動(dòng)關(guān)系，是建設(shè)高質(zhì)量發(fā)展的期貨市場(chǎng)，推動(dòng)資本市場(chǎng)發(fā)展必須深入研究的重要內(nèi)容。

二、文獻(xiàn)回顧

隨著國(guó)內(nèi)外學(xué)者對(duì)投資者情緒以及行為偏差研究的不斷深入，一些文獻(xiàn)開(kāi)始逐漸關(guān)注投資者情緒對(duì)股票和股指期貨市場(chǎng)的影響。投資者作為資本市場(chǎng)的參與主體，投資者情緒反映了其對(duì)市場(chǎng)未來(lái)的預(yù)期。因此情緒變化會(huì)引導(dǎo)投資意愿及投資決策的改變，通過(guò)交易行為改變股指期貨、現(xiàn)貨市場(chǎng)收益率和波動(dòng)率，進(jìn)而影響期現(xiàn)貨市場(chǎng)間的聯(lián)動(dòng)關(guān)系和股指期貨市場(chǎng)的價(jià)格發(fā)現(xiàn)功能。

國(guó)內(nèi)外學(xué)者就股指期貨與現(xiàn)貨市場(chǎng)關(guān)系做過(guò)很多深入的研究，由于研究對(duì)象和研究階段存在差異，所得結(jié)論也各不相同。例如，華仁海（2010）、方匡南（2012）等研究認(rèn)為，股指期貨與股指現(xiàn)貨之間存在雙向引導(dǎo)關(guān)系，在股指現(xiàn)貨市場(chǎng)具有較強(qiáng)的漲跌幅時(shí)，現(xiàn)貨市場(chǎng)的價(jià)格發(fā)現(xiàn)功能會(huì)相應(yīng)增強(qiáng)，甚至可能超過(guò)期貨市場(chǎng)。陶立斌等（2014）的結(jié)果表明，滬深300股指期貨在信息傳遞中居于主導(dǎo)地位。也有學(xué)者研究發(fā)現(xiàn)投資者結(jié)構(gòu)會(huì)改變股指期貨與現(xiàn)貨間的引導(dǎo)關(guān)系。這些研究均是解釋樣本期間內(nèi)股指期貨和股指現(xiàn)貨整體的價(jià)格發(fā)現(xiàn)效率。從文獻(xiàn)來(lái)看，無(wú)論國(guó)內(nèi)還是國(guó)外，對(duì)于期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能強(qiáng)于現(xiàn)貨市場(chǎng)的結(jié)論取決于研究樣本及其區(qū)間的選取。

大多數(shù)國(guó)內(nèi)外學(xué)者集中于研究情緒與資產(chǎn)價(jià)格的關(guān)系，有關(guān)投資者情緒與期、現(xiàn)貨市場(chǎng)關(guān)系的研究雖然較多，但學(xué)者們得到的結(jié)論并不一致，當(dāng)投資者情緒高漲時(shí)，現(xiàn)貨市場(chǎng)與期貨市場(chǎng)的信息傳遞效率降低，波動(dòng)性溢出效應(yīng)會(huì)減弱，也有學(xué)者表明，情緒的高漲會(huì)使期現(xiàn)貨市場(chǎng)間的波動(dòng)性溢出效應(yīng)顯著增強(qiáng)（劉文文等，2019）。有關(guān)投資者情緒對(duì)價(jià)格發(fā)現(xiàn)功能的研究較少，在影響價(jià)格發(fā)現(xiàn)功能的因素中，國(guó)內(nèi)學(xué)者們發(fā)現(xiàn)投機(jī)性和投資者情緒因素對(duì)價(jià)格發(fā)現(xiàn)功能的影響并不顯著，但國(guó)外學(xué)者從情緒對(duì)波動(dòng)率、期現(xiàn)貨市場(chǎng)價(jià)差和交易成本等角度，證明較高漲的情緒具有削弱價(jià)格發(fā)現(xiàn)功能的作用。對(duì)于價(jià)格發(fā)現(xiàn)能力的研究，通?；贕ranger因果分析或使用VECM（VECM-DCC-GARCH）模型等，從情緒影響價(jià)格發(fā)現(xiàn)能力的研究，則多利用共有因子模型（Common?Factor?Model）來(lái)度量?jī)r(jià)格發(fā)現(xiàn)效率，該模型能夠分析多個(gè)市場(chǎng)的共同影響因素中各自的貢獻(xiàn)部分，可比較多個(gè)市場(chǎng)的價(jià)格發(fā)現(xiàn)能力。劉晨等（2020）使用分位信息份額模型（Quantile?information?share）研究中美玉米期貨市場(chǎng)，發(fā)現(xiàn)其價(jià)格發(fā)現(xiàn)功能隨市場(chǎng)環(huán)境的變化而改變。

綜合以上文獻(xiàn)，無(wú)論國(guó)外還是國(guó)內(nèi)均缺乏投資者情緒對(duì)股指期現(xiàn)貨市場(chǎng)間關(guān)系的綜合研究，基于市場(chǎng)行情變化的情緒對(duì)期現(xiàn)貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能影響的相關(guān)研究也十分不足。本文十分有必要以滬深300指數(shù)為研究對(duì)象，使用前沿Quantile-IS分位信息份額模型（Quantile-IS），全面衡量期現(xiàn)貨市場(chǎng)所處行情不同時(shí)，情緒對(duì)期現(xiàn)貨市場(chǎng)相關(guān)性、價(jià)格發(fā)現(xiàn)功能的影響，使研究結(jié)論更加全面科學(xué)的同時(shí)，也對(duì)以往相關(guān)研究結(jié)論不一致的原因作出更合理的解釋。

三、理論框架與研究假設(shè)

（一）基于情緒影響股指期現(xiàn)貨關(guān)系的理論框架

以往基于DSSW模型（噪聲交易模型）主要論述了情緒對(duì)資產(chǎn)價(jià)格的影響，并且說(shuō)明市場(chǎng)具有噪聲交易者的生存空間。首先，這里仍然沿用DSSW模型的設(shè)定，認(rèn)為理性交易者往往對(duì)后市的預(yù)期是基于基本面信息的理性預(yù)期。其次，考慮到模型中兩類交易者比例的不同，即假設(shè)噪聲交易者占比為φ，那么理性交易者占比為1-φ。投資者在第一期的時(shí)候選擇資產(chǎn)組合，在第二期時(shí)追求期望效用最大化。通常情況下，機(jī)構(gòu)投資者往往具備更加專業(yè)的投資技術(shù)，因此假定理性投資者中更多是機(jī)構(gòu)投資者，并且具有理性情緒;而噪聲交易者則依賴于市場(chǎng)上的噪聲，以個(gè)人投資者為主。不妨假設(shè)理性投資者和噪聲交易者的情緒滿足：

其中，假設(shè)ρξ，t代表理性投資者情緒，ρε，t表示噪聲交易者情緒。在分析機(jī)構(gòu)和個(gè)人投資者情緒時(shí)，假設(shè)兩者之間存在引導(dǎo)關(guān)系，因此市場(chǎng)整體情緒可以表示為兩類投資者情緒的總和：

與此同時(shí)，市場(chǎng)整體情緒的均值ρ*和方差σ2ρ分別由式（4）和式（5）所示：

其中，Cov（ρξ，ρε）表示理性和非理性投資者情緒之間的協(xié)方差，當(dāng)理性和非理性投資者情緒存在正相關(guān)關(guān)系時(shí)，即Covρξ，ρε>0，則根據(jù)式（5），市場(chǎng)噪聲交易者整體情緒的方差會(huì)增大。反之，市場(chǎng)噪聲交易者整體情緒的方差會(huì)減小。

為了討論情緒對(duì)期現(xiàn)貨市場(chǎng)關(guān)系的影響，需將風(fēng)險(xiǎn)資產(chǎn)分為股票指數(shù)與股指期貨，將股票指數(shù)兩類，在第t期的價(jià)格分別記為St和Ft。其中，投資組合中股指現(xiàn)貨占比為ωs，股指期貨的占比為ωf，并假設(shè)股票指數(shù)和股指期貨的收益率均服從標(biāo)準(zhǔn)正態(tài)分布：

其中，rs是股票指數(shù)價(jià)格的收益率，rf是股指期貨價(jià)格的收益率，且滿足：

考慮到組合中的股指現(xiàn)貨和期貨比例分別為ωs和ωf，為了實(shí)現(xiàn)其效用最大化。其理性投資者的期望目標(biāo)效用函數(shù)可以表示為：

其中，ωrs和ωrf分別是理性投資者持有股指現(xiàn)貨與股指期貨的比例，（ωs+ωf）ρξ表示由于理性投資者的情緒所帶來(lái)的收益。在給定其關(guān)于風(fēng)險(xiǎn)資產(chǎn)收益預(yù)期的情況下，青年時(shí)期的投資主體分配在風(fēng)險(xiǎn)資產(chǎn)u（股指現(xiàn)貨，股指期貨）和無(wú)風(fēng)險(xiǎn)資產(chǎn)s中。同理，非理性投資者均值方差期望目標(biāo)效用函數(shù)可以表示為：

通過(guò)比較式（11）和式（12），可以發(fā)現(xiàn)無(wú)論是噪聲交易者還是理性投資者，都需要分配資金在股指期貨、現(xiàn)貨市場(chǎng)（ωs和ωf）和無(wú)風(fēng)險(xiǎn)資產(chǎn)s中。進(jìn)一步對(duì)式（10）和式（11）的極大值，需要令其一階導(dǎo)數(shù)為0，可以求出兩類投資者（理性投資者和噪聲交易者）對(duì)風(fēng)險(xiǎn)資產(chǎn)的需求函數(shù)：

通常情況下，股指現(xiàn)貨與股指期貨收益率間具有正向相關(guān)關(guān)系。當(dāng)σfCorr（rs，rf）<σs<σf/ρ時(shí)，投資者對(duì)股指期貨、現(xiàn)貨的需求隨情緒同向增加或減少。而當(dāng)σs>σf/ρ或σs<σfCorr（rs，rf）時(shí)，即現(xiàn)貨市場(chǎng)與期貨市場(chǎng)風(fēng)險(xiǎn)波動(dòng)差別較大時(shí)，理性投資者和非理性投資者對(duì)期、現(xiàn)貨資產(chǎn)持有需求會(huì)出現(xiàn)相反方向的變化。考慮在第一期時(shí)，噪聲交易者和理性交易者對(duì)股指期貨、現(xiàn)貨市場(chǎng)的需求量加總為1。由式（12）和式（13）可得：

由于假設(shè)投資者可以投資市場(chǎng)中兩種風(fēng)險(xiǎn)資產(chǎn)，因此式（14）中需要估計(jì)兩個(gè)參數(shù)，即μs和μf。考慮期貨與現(xiàn)貨之間存在協(xié)整關(guān)系如下所示：

其中，δ為常數(shù)，根據(jù)式（15）、式（8）和式（9）式可以得出：

從式（17）中可以看出只有投資者情緒ρε和ρξ是變量，所以根據(jù)

這樣式（17）就是一個(gè)只包含情緒的參數(shù)，通過(guò)式（17）可以看出投資者情緒能夠?qū)︼L(fēng)險(xiǎn)資產(chǎn)預(yù)期收益率的影響與兩個(gè)市場(chǎng)的相關(guān)性以及波動(dòng)率有關(guān)。由于Corrrs，rf小于1，并且假設(shè)δ理論上等于1，分母1+δσsσfCorrrs，rf-δσ2s-σ2f是不大于0的。因此，樂(lè)觀的投資者情緒與當(dāng)期收益率成正比，悲觀投資者情緒與當(dāng)期收益率成反比，與理論上情緒與預(yù)期收益率成反比的結(jié)論是吻合的。進(jìn)一步地，可以得到投資者情緒對(duì)風(fēng)險(xiǎn)資產(chǎn)波動(dòng)率的影響：

由式（19）可以類似得出，由于φ>0且δ>1，期、現(xiàn)貨市場(chǎng)波動(dòng)率與投資者情緒（理性或非理性）波動(dòng)呈同方向變動(dòng)。此外，情緒對(duì)期貨市場(chǎng)的波動(dòng)率的影響也與協(xié)整系數(shù)有關(guān)，因此雖然情緒對(duì)風(fēng)險(xiǎn)資產(chǎn)波動(dòng)率的影響是同向的，但影響幅度不一致，這取決于協(xié)整系數(shù)的動(dòng)態(tài)變化。當(dāng)市場(chǎng)有越來(lái)越多的噪聲交易者傾向于投機(jī)行為時(shí)，套利交易者的比例會(huì)降低，從而使得股指現(xiàn)貨市場(chǎng)和股指期貨市場(chǎng)之間的長(zhǎng)期協(xié)整關(guān)系被打破，會(huì)偏離兩個(gè)市場(chǎng)間的均衡關(guān)系，降低兩個(gè)市場(chǎng)間的傳遞效率。

我國(guó)股市成長(zhǎng)過(guò)程中尚有較多的不確定性影響著股市價(jià)格的走勢(shì)，當(dāng)市態(tài)變化時(shí)，投資者在不同市場(chǎng)環(huán)境下的心理不同，直接帶來(lái)交易行為的差異。在情緒的作用下對(duì)股指期、現(xiàn)貨交易需求的不同，導(dǎo)致市場(chǎng)間聯(lián)動(dòng)關(guān)系經(jīng)常發(fā)生改變。股指期貨的價(jià)格發(fā)現(xiàn)功能也未必是一定的，而是隨著市場(chǎng)環(huán)境的變化發(fā)生改變。通常而言，當(dāng)處于牛市時(shí)，投資者情緒偏樂(lè)觀，投資者情緒中的非理性情緒會(huì)增加交易者的交易行為，在牛市行情中投資者容易對(duì)市場(chǎng)未來(lái)上漲的預(yù)期形成過(guò)度反應(yīng)，形成不同市態(tài)下情緒對(duì)價(jià)格發(fā)現(xiàn)功能影響的非對(duì)稱性。因此，通過(guò)考察股指期貨與現(xiàn)貨收益率處于不同分位點(diǎn)處時(shí)（即不同行情時(shí)），期貨市場(chǎng)的價(jià)格發(fā)現(xiàn)功能的變化，能夠更加全面準(zhǔn)確地度量情緒對(duì)期貨價(jià)格發(fā)現(xiàn)能力的影響。綜合以上分析給出假設(shè)1和假設(shè)2如下。

假設(shè)1：投資者情緒會(huì)影響股指期貨、現(xiàn)貨市場(chǎng)間的動(dòng)態(tài)相關(guān)性，并且具有非對(duì)稱性。

假設(shè)2：股指期貨價(jià)格發(fā)現(xiàn)功能會(huì)受到投資者情緒的影響，尤其是當(dāng)期貨市場(chǎng)與現(xiàn)貨市場(chǎng)處于極端行情時(shí)，其價(jià)格發(fā)現(xiàn)功能受到情緒影響的程度更大。

（二）分析方法與模型建立

1投資者情緒指標(biāo)構(gòu)建

以往學(xué)者大部分采用主成分分析法構(gòu)建情緒指數(shù)，但Huang?et?al（2015）提出的偏最小二乘法（PLS）也在構(gòu)建投資者情緒指數(shù)時(shí)得到了廣泛的使用。本文借鑒Liu?and?An（2018）的文獻(xiàn)，采用PLS方法對(duì)投資者情緒源指標(biāo)進(jìn)行合成，構(gòu)建基于PLS法下的投資者情緒指數(shù)。PLS回歸法可以通過(guò)兩步OLS回歸實(shí)現(xiàn)，第一步是對(duì)每一個(gè)投資者情緒代理變量xi，t-1和一個(gè)常數(shù)及股票收益率序列Rt做一個(gè)OLS回歸，第二步是對(duì)估計(jì)股票收益率序列的載荷πi︿對(duì)xi，t-1進(jìn)行橫截面回歸。當(dāng)πi︿已知時(shí)，我們可以利用每一時(shí)刻的xi，t和πi︿使用偏回歸方法得到SPLSt。而當(dāng)πi︿未知時(shí)，我們利用完整的樣本信息得到的投資者情緒綜合指數(shù)的T×1向量SPLS=（SPLS1，SPLS2，…SPLST）′來(lái)完成第一步回歸，xi，t對(duì)SPLSt的回歸，得到πi的估計(jì)值用于t+1時(shí)刻的投資者情緒的預(yù)測(cè)。SPLSt是投資者情緒指標(biāo)的線性組合：

其中，R是滬深300股票指數(shù)現(xiàn)貨收益的T×1向量，X=（x′1，x′2，…，x′T）′是由單個(gè)代理投資者情緒指標(biāo)變量組成的T×N階矩陣，其中N代表所選擇的投資者情緒代理指標(biāo)的數(shù)量。然后對(duì)于矩陣JT=IT-（1/N）τTτT′，?JN=IN-（1/N）τNτN′，其中IT和IN是T維和N維單位矩陣τT和τN是?1的T維和N維向量。

在此基礎(chǔ)上，增加了iVIX作為投資者情緒源指標(biāo)，基于當(dāng)期近月合約的50ETF收盤(pán)價(jià)篩選執(zhí)行價(jià)格最為接近的看漲期權(quán)合約與看跌期權(quán)合約作為兩個(gè)平值期權(quán)，并且采用BS模型反推出當(dāng)月平值看漲期權(quán)的隱含波動(dòng)率σ21和當(dāng)月平值看跌期權(quán)的隱含波動(dòng)率σ22，并以兩個(gè)合約的波動(dòng)率通過(guò)加權(quán)的方式來(lái)得出最終中國(guó)波指的代理變量。

2?VAR-DCC-GARCH模型

為了分析投資者情緒對(duì)股指期、現(xiàn)貨市場(chǎng)間動(dòng)態(tài)相關(guān)性的影響，首先利用經(jīng)典VAR-DCC-GARCH模型分析期現(xiàn)貨市場(chǎng)動(dòng)態(tài)相關(guān)性（Yue，Liu?and?Shan，2015），具體模型如下：

其中，Rs，t和Rf，t分別表示股指現(xiàn)貨和股指期貨市場(chǎng)的價(jià)格收益率，ξt=（εst，εft）Τ為殘差向量，滿足ξtΩt-1～N（0，Ht），且DCC-GARCH模型假定Rs，t和Rf，t之間的相關(guān)系數(shù)是動(dòng)態(tài)的，因此可以首先使用該模型得到樣本期間兩個(gè)市場(chǎng)之間的聯(lián)動(dòng)關(guān)系。同時(shí)將條件協(xié)方差矩陣Ht的結(jié)構(gòu)設(shè)定為：

在上述模型中，Dt中的hii，t仍假定為一元GARCH過(guò)程，Q-代表非條件相關(guān)系數(shù)，Q*t能夠確保Rt是相關(guān)系數(shù)矩陣，其中，qii，t（i=1，2，…，k）是Qt的對(duì)角元素，Rt=ρsft。ηt是標(biāo)準(zhǔn)化殘差序列，ηt=D-1tEt且Dt=diag（σ1t，σ2t，…，σkt）。

3分位信息份額模型

基于向量誤差修正模型，分別使用傳統(tǒng)Hasbrouck的IS模型衡量股指期貨、現(xiàn)貨市場(chǎng)的信息份額，進(jìn)而分析其價(jià)格發(fā)現(xiàn)功能。

假設(shè)某個(gè)資產(chǎn)在n個(gè)不同的資本市場(chǎng)上進(jìn)行交易，Yt=y1t，y1t，…ynt=[ln（p1t），ln（p1t），…ln（p1t）]為n個(gè)價(jià)格序列，且均為單位根I1過(guò)程，且這n個(gè)價(jià)格之間具有n-1個(gè)協(xié)整向量，整個(gè)交易系統(tǒng)內(nèi)有一個(gè)單一的共同的隨機(jī)波動(dòng)因子，可用向量誤差修正模型（VECM）表示：

其中，α為誤差修正系數(shù)向量（短期調(diào)整系數(shù)）;β的列向量是n-1個(gè)協(xié)整向量，VECM=βTYt，et為序列不相關(guān)的隨機(jī)擾動(dòng)項(xiàng)，均值為0，協(xié)方差矩陣為：Ω=EeeT，σ2i為新息eit的方差，ρ為相關(guān)系數(shù)。IS模型是將VECM以向量移動(dòng)平均單整的形式表出為：

其中L是滯后算子，Ψ1為移動(dòng)平均系數(shù)之和，是影響矩陣。Ψ*Lεt代表了短暫影響成分，而Ψ（L）et則表示不同市場(chǎng)價(jià)格的長(zhǎng)期趨勢(shì)。如果令ι=1，1′，且Ψ（L）中的某一行為Ψ=Ψ1，Ψ2，那么方程（2）可以表示為：

其中，Gonzalo?and?Granger將Ψet定義為永久成分，是兩個(gè)市場(chǎng)價(jià)格的共有因子，永久成分的方差為：VarΨet=ΨΩΨ′。

當(dāng)不同市場(chǎng)間的新息不存在當(dāng)期相關(guān)，那么第j個(gè)市場(chǎng)的價(jià)格發(fā)現(xiàn)為：

當(dāng)不同市場(chǎng)間的新息存在當(dāng)期相關(guān)時(shí)，令F為Ω的Cholesky分解，滿足Ω=FFT，F(xiàn)=mijn×n，通過(guò)Cholesky分解消除兩個(gè)市場(chǎng)間的相關(guān)性，因此計(jì)算出的信息份額（價(jià)格發(fā)現(xiàn)）是有上下限的。

第i個(gè)市場(chǎng)信息份額可以表示為：

其中，j表示第i個(gè)市場(chǎng)在協(xié)方差矩陣中市場(chǎng)的順序。對(duì)股指期、現(xiàn)貨兩個(gè)市場(chǎng)而言，當(dāng)期貨市場(chǎng)作為方差ΨΩΨ′的第一個(gè)變量時(shí)，得到期貨的信息份額是上限，反之則是下限。最終以上限和下限的均值作為該市場(chǎng)的信息份額值，其值越大，表明價(jià)格發(fā)現(xiàn)功能越強(qiáng)。

對(duì)基礎(chǔ)IS模型結(jié)合分位數(shù)回歸法進(jìn)行改進(jìn)，具體對(duì)式（27）進(jìn)行分位誤差修正項(xiàng)回歸，此時(shí)令ΔYt為因變量，右邊的變量記為xt，且對(duì)應(yīng)的參數(shù)向量記為θ，那么τ分位點(diǎn)處的VECM模型（Quantile-VECM）回歸如下：

其中，F(xiàn)-1（）是累積分布函數(shù)的逆函數(shù)，τ1Δ（0，1），為了估計(jì)參數(shù)θτ1，對(duì)不對(duì)稱的加權(quán)絕對(duì)值總和進(jìn)行最小化：ωτ1（Δyt，x′tθτ1）Δyt-x′tθτ1，其中權(quán)重為：

此時(shí)損失函數(shù)可以寫(xiě)成：Δyt-x′tθτ1+（2τ1-1）（Δyt-x′tθτ1），當(dāng)τ1=05時(shí)，分位數(shù)回歸與普通均值回歸一致。此時(shí)線性VECM的分位數(shù)回歸可以寫(xiě)成：

其中，τ=（τ1，τ2）∈（0，1）×（0，1），其中τ1=01，025，05，075，09;τ2=01，025，05，075，09。傳統(tǒng)的信息份額模型（IS）所得到的在均值水平上兩個(gè)市場(chǎng)對(duì)信息沖擊的反應(yīng)程度，而分位信息份額模型則可以把不同分位點(diǎn)處的價(jià)格發(fā)現(xiàn)能力表現(xiàn)出來(lái)。這樣可以全面地觀察到股指期貨市場(chǎng)的價(jià)格發(fā)現(xiàn)功能是否隨著期、現(xiàn)貨市場(chǎng)收益率的聯(lián)合分布發(fā)生變化。比如，當(dāng)期貨市場(chǎng)（Δy1，t）的收益率水平在10%（τ1=01），而現(xiàn)貨市場(chǎng)（Δy2，t）的收益率水平在90%（τ2=09）時(shí)，我們可以得到期貨市場(chǎng)的在期貨市場(chǎng)低尾部收益率和現(xiàn)貨市場(chǎng)高尾部收益率時(shí)的價(jià)格發(fā)現(xiàn)信息份額。值得注意的是，由于兩個(gè)因變量的相關(guān)性，二元分位數(shù)回歸估計(jì)的系數(shù)通常不同于單變量模型。進(jìn)一步通過(guò)對(duì)以下函數(shù)式子取最小值來(lái)估計(jì)參數(shù)：

其中，兩個(gè)分位點(diǎn)向量分別代表農(nóng)產(chǎn)品期貨市場(chǎng)和現(xiàn)貨市場(chǎng)，記為（τ1，τ2），?記為歐幾里得范數(shù)，向量u是一個(gè)開(kāi)球且單位球內(nèi)（B2={uu∈R2，u<1}）的一個(gè)元素。在實(shí)際應(yīng)用中，我們遵循不直接選擇u的方法，而是遵循Pedersen（2015）的方法，對(duì)分位數(shù)矢量τ進(jìn)行以下轉(zhuǎn)換，使得：

這里g=（2τ-t）并且t是一個(gè)（2×1）的單位向量，g

=max?（g1，g2）。最后我們可以估計(jì)在不同分位水平下的誤差修正模型，通過(guò)將VECM轉(zhuǎn)換為VMA模型計(jì)算具體的參數(shù)及信息份額值。

四、樣本選取與實(shí)證分析

（一）樣本選擇與描述性統(tǒng)計(jì)分析

投資者情緒指標(biāo)采用合成的SPLS指標(biāo)。參考LiuandAn（2018）對(duì)情緒源指標(biāo)的選取及計(jì)算方法，最終選取期貨市場(chǎng)成交量（TV）、期末新增A股參與交易的投資者數(shù)量（num），以及封閉式基金折溢價(jià)率（prem）、市場(chǎng)換手率（turnover）、A股平均市盈率（PE）和現(xiàn)貨市場(chǎng)主買(mǎi)率（buyrate）、中國(guó)波指（iVIX）、融資融券比例八個(gè)指標(biāo)作為投資者情緒復(fù)合指數(shù)的源指標(biāo)。鑒于中國(guó)50ETF期權(quán)上市時(shí)間為2015年2月9日，所采用的樣本數(shù)據(jù)為滬深300股指期貨從2015年3月2日至2018年12月28日近4年的日交易數(shù)據(jù)。由于投資者情緒代理變量大部分為日數(shù)據(jù)，因此具體選取使用940個(gè)日度數(shù)據(jù)進(jìn)行研究。以上數(shù)據(jù)均來(lái)自Wind數(shù)據(jù)庫(kù)。

從基本描述統(tǒng)計(jì)來(lái)看，投資者情緒中的主買(mǎi)率和市盈率指標(biāo)波動(dòng)率較大。表1也表明大部分投資者情緒之間具有顯著的相關(guān)性，并且呈現(xiàn)正相關(guān)關(guān)系。但封閉式基金折溢價(jià)率和主買(mǎi)率兩個(gè)指標(biāo)與其他投資者情緒指標(biāo)相關(guān)性較低，這些指標(biāo)都從不同的角度反映了投資者情緒。股指期現(xiàn)貨收益率作為待研究變量，它們之間的靜態(tài)相關(guān)系數(shù)為09209，說(shuō)明兩個(gè)市場(chǎng)的關(guān)聯(lián)性非常緊密。進(jìn)一步檢驗(yàn)容易看出，股指期、現(xiàn)貨市場(chǎng)價(jià)格序列是服從I（1）過(guò)程的，并且具有協(xié)整關(guān)系。

（二）投資者情緒與股指期現(xiàn)貨市場(chǎng)聯(lián)動(dòng)性關(guān)系分析

使用DCC-GARCH模型估計(jì)股指期、現(xiàn)貨市場(chǎng)間的動(dòng)態(tài)相關(guān)系數(shù)，從表2中可以看出，β是顯著大于0的，并且滿足α+β小于1的約束條件，說(shuō)明在滯后期內(nèi)動(dòng)態(tài)相關(guān)系數(shù)受前1期標(biāo)準(zhǔn)化均值殘差的影響顯著。就我國(guó)股指現(xiàn)貨和股指期貨價(jià)格聯(lián)動(dòng)而言，α1=00657，β1=09333，α2=00627，β2=09347，我國(guó)股指期、現(xiàn)貨市場(chǎng)之間的動(dòng)態(tài)相關(guān)系數(shù)受條件異方差的影響很大，并且吸收了由前期均值方差所引起的波動(dòng)。由于α+β的數(shù)值非常接近于1，對(duì)股指期貨市場(chǎng)與現(xiàn)貨市場(chǎng)還同時(shí)建立的GJR-DCC-GARCH模型，該模型同時(shí)考慮了兩個(gè)市場(chǎng)聯(lián)動(dòng)中的杠桿效應(yīng)，從系數(shù)的顯著性來(lái)看，對(duì)于期貨市場(chǎng)而言，杠桿的效應(yīng)使得波動(dòng)加大，但只通過(guò)了10%的顯著水平。因此可以使用DCC-GARCH模型結(jié)果得到股指期現(xiàn)貨市場(chǎng)間的動(dòng)態(tài)相關(guān)系數(shù)，如圖1所示，股指期現(xiàn)貨市場(chǎng)之間的動(dòng)態(tài)相關(guān)系數(shù)穩(wěn)定在093～098，其間雖有較大幅度的波動(dòng)，但總體呈現(xiàn)出高度正相關(guān)關(guān)系。

基于分位數(shù)方法可以考察投資者情緒對(duì)股指期、現(xiàn)貨市場(chǎng)動(dòng)態(tài)相關(guān)性的影響，回歸結(jié)果見(jiàn)表2的Panel?C，可以得到以下結(jié)論：①投資者情緒對(duì)股指期、現(xiàn)貨市場(chǎng)間動(dòng)態(tài)相關(guān)性影響是顯著的，且具有非對(duì)稱性。②當(dāng)市場(chǎng)相關(guān)性較低時(shí)，投資者情緒對(duì)相關(guān)性的影響是正向的，而在相關(guān)性處于中等或較高水平時(shí)，投資者情緒對(duì)相關(guān)性的影響是負(fù)向的。③從系數(shù)圖中可以發(fā)現(xiàn)在相關(guān)系數(shù)處于較高或較低水平時(shí)，投資者情緒對(duì)其的影響差異較大。這個(gè)結(jié)論表明，當(dāng)市場(chǎng)處于較為平穩(wěn)的狀態(tài)，即股指期、現(xiàn)貨市場(chǎng)處于長(zhǎng)期協(xié)整狀態(tài)時(shí)，投資者會(huì)對(duì)資本市場(chǎng)有相對(duì)理性和準(zhǔn)確的判斷，在套利機(jī)制和投資者追求盈利的交易操作下，股指期、現(xiàn)貨市場(chǎng)間關(guān)系不易在情緒的作用下出現(xiàn)較大偏離。而只有在處于期、現(xiàn)貨市場(chǎng)較低相關(guān)性時(shí)，往往是由于投資者情緒對(duì)市場(chǎng)走勢(shì)的誤判。投資者情緒的增加會(huì)降低股指期貨市場(chǎng)與現(xiàn)貨市場(chǎng)的信息傳遞效率，會(huì)降低兩個(gè)市場(chǎng)間的相關(guān)性。而在極端情況，兩個(gè)市場(chǎng)間的相關(guān)性非常低時(shí)，期、現(xiàn)貨市場(chǎng)價(jià)格出現(xiàn)大幅度偏離。此時(shí)在套利交易者的作用下，使得兩個(gè)市場(chǎng)的價(jià)格出現(xiàn)回歸均衡的局面。從具體的實(shí)證結(jié)果容易看出，投資者情緒對(duì)股指期貨、現(xiàn)貨市場(chǎng)動(dòng)態(tài)相關(guān)性的影響與樣本期內(nèi)市場(chǎng)狀態(tài)有關(guān)，總體上看，投資者情緒對(duì)動(dòng)態(tài)相關(guān)性存在顯著的負(fù)向影響。

（三）投資者情緒與股指期貨價(jià)格發(fā)現(xiàn)功能關(guān)系分析

在VECM模型的基礎(chǔ)上，利用傳統(tǒng)信息份額模型對(duì)股指期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能加以度量，基于IS模型得到期貨市場(chǎng)和現(xiàn)貨市場(chǎng)的信息份額，以分析股指期貨市場(chǎng)是否在價(jià)格發(fā)現(xiàn)中起主導(dǎo)作用。容易得出股指期貨市場(chǎng)信息份額上界為9661%，下界為1207%，均值為5434%（取上下界的平均值），股指現(xiàn)貨市場(chǎng)上界為8793%，下界為339%，均值為4566%，可見(jiàn)期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能比現(xiàn)貨強(qiáng)。

進(jìn)一步使用分位信息份額模型計(jì)算不同分位點(diǎn)處期貨市場(chǎng)與現(xiàn)貨市場(chǎng)的信息份額，比較期現(xiàn)貨市場(chǎng)收益率處于不同水平時(shí)，價(jià)格發(fā)現(xiàn)功能是否受投資者情緒的影響。此時(shí)需在VECM模型中引入投資者情緒指數(shù)作為外生變量，并分別對(duì)不考慮和考慮情緒下的分位信息份額進(jìn)行對(duì)比。從表3呈現(xiàn)的結(jié)果來(lái)看，期貨、現(xiàn)貨市場(chǎng)收益率處于不同分位點(diǎn)時(shí)，期貨市場(chǎng)的價(jià)格發(fā)現(xiàn)能力并不相同。其中當(dāng)現(xiàn)貨收益率水平一定時(shí)，隨著期貨收益率分位點(diǎn)τ1由01到09的變化，價(jià)格發(fā)現(xiàn)能力是逐漸增強(qiáng)的，且當(dāng)現(xiàn)貨市場(chǎng)收益率處于較低分位點(diǎn)時(shí)，期貨價(jià)格發(fā)現(xiàn)能力更強(qiáng);而當(dāng)期貨市場(chǎng)收益率水平較低時(shí)，隨著現(xiàn)貨收益率分位點(diǎn)的提高，更容易表現(xiàn)為現(xiàn)貨市場(chǎng)引導(dǎo)期貨市場(chǎng)。通過(guò)對(duì)比考慮情緒影響后的分位信息份額，容易得出情緒加劇了期、現(xiàn)貨市場(chǎng)處于不同收益率分布下的信息份額波動(dòng)，尤其是當(dāng)期、現(xiàn)貨市場(chǎng)收益率處于尾部分布時(shí)，即市場(chǎng)處于極端行情時(shí)，情緒對(duì)價(jià)格發(fā)現(xiàn)功能的影響更顯著。當(dāng)τ1和τ2都在05附近時(shí)，投資者情緒會(huì)降低價(jià)格發(fā)現(xiàn)功能，這也與以往學(xué)者得到的結(jié)論基本一致，即在大多數(shù)市場(chǎng)行情下，情緒會(huì)降低市場(chǎng)間信息傳遞效率，減少市場(chǎng)間相關(guān)性的同時(shí)也會(huì)降低股指期貨市場(chǎng)的價(jià)格發(fā)現(xiàn)功能。但在極端市場(chǎng)行情下則會(huì)出現(xiàn)差別，由于投資者情緒會(huì)通過(guò)大量買(mǎi)入賣(mài)出交易行為影響期、現(xiàn)收益率和聯(lián)動(dòng)性，當(dāng)在期貨市場(chǎng)出現(xiàn)大量購(gòu)買(mǎi)行為時(shí)，投資者情緒會(huì)提高期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能，反之則出現(xiàn)現(xiàn)貨市場(chǎng)引導(dǎo)期貨市場(chǎng)的情形，即投資者情緒也會(huì)提高現(xiàn)貨市場(chǎng)的價(jià)格發(fā)現(xiàn)能力。

五、穩(wěn)健性檢驗(yàn)與進(jìn)一步分析

（一）股指期貨價(jià)格發(fā)現(xiàn)動(dòng)態(tài)過(guò)程

實(shí)證部分使用IS模型得到了基于全樣本的股指期貨與股指現(xiàn)貨的信息份額，雖然從整體上解釋了股指期貨具有引導(dǎo)現(xiàn)貨的作用，并且也通過(guò)分位信息份額模型證明價(jià)格發(fā)現(xiàn)功能與期、現(xiàn)貨市場(chǎng)所處的狀態(tài)有關(guān)。通過(guò)全面檢驗(yàn)不同分位點(diǎn)處的價(jià)格發(fā)現(xiàn)效率（τ1，τ2=01，02，03，04，05，06，07，08，09），提高穩(wěn)健性。其優(yōu)勢(shì)是能夠檢驗(yàn)期貨市場(chǎng)的價(jià)格發(fā)現(xiàn)功能在不同行情時(shí)的變化。當(dāng)期貨（現(xiàn)貨）市場(chǎng)收益率分位點(diǎn)一定時(shí)，隨著另一個(gè)市場(chǎng)收益率分位點(diǎn)的提高，價(jià)格發(fā)現(xiàn)功能會(huì)逐漸下降。同時(shí)也能夠進(jìn)一步證明股指期、現(xiàn)貨市場(chǎng)之間并不是期貨市場(chǎng)一直處于主導(dǎo)地位?？傮w而言，通過(guò)穩(wěn)健性分析不僅可以證明股指期貨市場(chǎng)僅在一定程度上具有價(jià)格發(fā)現(xiàn)功能，也對(duì)以往學(xué)者有關(guān)期現(xiàn)貨引導(dǎo)關(guān)系研究結(jié)論不一致的原因給出合理解釋（見(jiàn)圖2）。

（二）動(dòng)態(tài)Granger因果檢驗(yàn)

為了驗(yàn)證投資者情緒對(duì)期、現(xiàn)貨市場(chǎng)聯(lián)動(dòng)關(guān)系的實(shí)證結(jié)果，尤其是投資者情緒對(duì)價(jià)格發(fā)現(xiàn)功能的影響，可以通過(guò)研究?jī)蓚€(gè)市場(chǎng)間的引導(dǎo)關(guān)系進(jìn)行穩(wěn)健性分析。使用靜態(tài)Granger因果分析發(fā)現(xiàn)股指期貨與股指現(xiàn)貨具有相互引導(dǎo)關(guān)系，難以看出投資者情緒能夠影響股指期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能。因此進(jìn)一步將樣本數(shù)據(jù)分段，并使用動(dòng)態(tài)滾動(dòng)Granger因果檢驗(yàn)分析，窗口期設(shè)定為180個(gè)觀測(cè)數(shù)據(jù)，對(duì)多個(gè)窗口都進(jìn)行Granger因果滾動(dòng)分析，其中滯后期的選擇根據(jù)當(dāng)期180個(gè)觀測(cè)數(shù)據(jù)的SC準(zhǔn)則確定。最終根據(jù)市場(chǎng)狀態(tài)的變化，使用t時(shí)刻前后三個(gè)月的波動(dòng)率區(qū)分市場(chǎng)態(tài)勢(shì)。當(dāng)t時(shí)刻及以后的波動(dòng)率持續(xù)超過(guò)t時(shí)刻前波動(dòng)率的20%，即認(rèn)為市場(chǎng)仍處于動(dòng)蕩階段。將市場(chǎng)分成市場(chǎng)動(dòng)蕩階段（2015年3月2日—2016年10月17日）和市場(chǎng)平穩(wěn)階段（2016年10月18日—2018年12月28日）。其中第一階段、第二階段共分別進(jìn)行了220次和360次的Granger因果檢驗(yàn)分析，第二階段比第一階段股指期貨市場(chǎng)累計(jì)1%，5%，10%置信水平下顯著次數(shù)占比分別減少了2377%、5025%和2699%，股指現(xiàn)貨市場(chǎng)的累計(jì)顯著次數(shù)占比分別減少了2901%、3579%和3889%。通過(guò)動(dòng)態(tài)Granger因果檢驗(yàn)，當(dāng)市場(chǎng)處于較極端情況時(shí)，股指期、現(xiàn)貨市場(chǎng)間的相互引導(dǎo)關(guān)系會(huì)增強(qiáng)。而當(dāng)市場(chǎng)平穩(wěn)狀態(tài)時(shí)，期、現(xiàn)貨市場(chǎng)對(duì)信息的反應(yīng)效率是比較接近的，與期貨市場(chǎng)的分位信息份額結(jié)果一致，也說(shuō)明了我國(guó)股指期貨市場(chǎng)尚未充分發(fā)揮價(jià)格發(fā)現(xiàn)功能（見(jiàn)表4）。

六、結(jié)論與啟示

通過(guò)基于DSSW模型理論建立研究假設(shè)，結(jié)合DCC-GARCH與分位信息份額模型進(jìn)行實(shí)證檢驗(yàn)，分析投資者情緒對(duì)股指期現(xiàn)貨市場(chǎng)間聯(lián)動(dòng)關(guān)系的影響，可以得出以下若干結(jié)論。

首先，從行為金融學(xué)視角對(duì)投資者情緒進(jìn)行闡釋，并通過(guò)合理的PLS方法構(gòu)建投資者情緒指數(shù)。通過(guò)改變對(duì)DSSW模型原假設(shè)條件的設(shè)定，從理論角度給出投資者情緒對(duì)期、現(xiàn)貨市場(chǎng)波動(dòng)率及聯(lián)動(dòng)關(guān)系的影響，為投資者情緒影響期貨市場(chǎng)功能發(fā)揮提供理論依據(jù)。

其次，投資者情緒的增加會(huì)降低股指期貨市場(chǎng)與現(xiàn)貨市場(chǎng)的信息傳遞效率，會(huì)降低兩個(gè)市場(chǎng)間的相關(guān)性。這是由于期貨市場(chǎng)和現(xiàn)貨市場(chǎng)擁有不同的投資者結(jié)構(gòu)，“創(chuàng)造空間效應(yīng)”也會(huì)對(duì)期貨市場(chǎng)和現(xiàn)貨市場(chǎng)產(chǎn)生不同程度的影響。當(dāng)投資者情緒高漲時(shí)，機(jī)構(gòu)投資者和個(gè)人投資者的非理性行為將會(huì)顯著增加。噪聲交易者變得比套利者更活躍，特別是在現(xiàn)貨市場(chǎng)，在過(guò)度樂(lè)觀和過(guò)度自信的情況下，噪聲交易者忽視了外部信息的沖擊并繼續(xù)交易，從而降低了信息對(duì)波動(dòng)率的影響并且降低了市場(chǎng)效率。

最后，我國(guó)股指期貨市場(chǎng)具有一定的價(jià)格發(fā)現(xiàn)功能，但價(jià)格發(fā)現(xiàn)作用有限。實(shí)證結(jié)果顯示，股指期貨對(duì)現(xiàn)貨市場(chǎng)存在雙向Granger因果關(guān)系，且期貨市場(chǎng)的信息份額僅比現(xiàn)貨市場(chǎng)高868%。出現(xiàn)這種情況的原因與樣本期間股指期貨市場(chǎng)限制交易政策有關(guān)，因股指期貨價(jià)格發(fā)現(xiàn)功能的“交易成本假說(shuō)”，限制了投資者情緒在股指期貨市場(chǎng)的作用發(fā)揮。但通過(guò)分位信息份額模型的檢驗(yàn)，在穩(wěn)定的行情下，情緒會(huì)具有抑制期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能的作用，而在極端行情下，情緒具有提高單個(gè)市場(chǎng)價(jià)格發(fā)現(xiàn)功能的作用。這不僅論證了期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能會(huì)受到情緒因素的影響;也從市場(chǎng)狀態(tài)角度闡釋了情緒對(duì)價(jià)格發(fā)現(xiàn)能力的影響存在區(qū)別，在一定程度上解釋了以往學(xué)者相關(guān)研究結(jié)論不一致的原因。

盡管有效金融市場(chǎng)理論認(rèn)為，期現(xiàn)貨市場(chǎng)對(duì)信息的反應(yīng)是同步的（信息份額分別為50%）。但通常情況下，期貨市場(chǎng)的交易成本優(yōu)勢(shì)能夠更快融入價(jià)格信息，具有天然的價(jià)格發(fā)現(xiàn)條件。通常情況下，情緒因素往往降低了期現(xiàn)貨市場(chǎng)間的信息傳遞效率，抑制期貨市場(chǎng)的價(jià)格發(fā)現(xiàn)功能，但并不排除極端行情情緒會(huì)帶來(lái)相反的作用。通過(guò)本文的研究不僅有助于分析我國(guó)股指期貨市場(chǎng)價(jià)格發(fā)現(xiàn)功能現(xiàn)狀，也在充分科學(xué)地利用計(jì)量模型實(shí)證檢驗(yàn)過(guò)程中挖掘影響股指期貨市場(chǎng)效率動(dòng)態(tài)變化的情緒因素，從而為投資者的投資策略制定及監(jiān)管決策提供理論支持與參考依據(jù)。

參考文獻(xiàn)

[1]BAKER?M，WURGLER?J，?YUAN?Y?Global，?local??and?contagious?investor?sentiment[J].?Journal?of?Financial?Economics，?2012，104（2SI）：272-287

[2]Bohl??M?T，?Salm??C?A，?Schuppli??M?Price?Discovery?and?Investor?Structure?in?Stock?Index?Futures[J].?Journal?of?Futures?Markets，?2011，31（3）.

[3]CORREDOR?P，?FERRER?E，?SANTAMARIA?R?Sentiment-prone?investors?and?volatility?dynamics?between?spot?and?futures?markets[J].?International?Review?of?Economics?&?Finance，?2015（35）：180-196

[4]COULTON?J?J，?DINH?T，?JACKSON?A?B?The?impact?of?sentiment?on?price?discovery[J].?Accounting?&?Finance，?2016，?56（3）：669-694

[5]DING?W?J，MAZOUZ?K，?WANG?Q?W?Investor?sentiment?and?the?cross-section?of?stock?returns：?new?theory?and?evidence[J].?Review?of?Quantitative?Finance?and?Accounting，?2019，?53（2）：493-525

[6]GONZALO?J，GRANGER?C?Estimation?of?Common?Long-Memory?Components?in?Cointegrated?Systems[J].?Journal?of?Business?and?Economic?Statistics，1995，?13（1）：27-35

[7]HASBROUCK??J?One?security，?Many?Markets：?Determining?the?Contributions?to?PriceDiscovery[J].?Journal?of?Finance，?1995，50（4）.

[8]HUANG?D，?JIANG?F，TU?J，?et?al?Investor?sentiment?aligned：?A?powerful?predictor?of?stock?returns[J].?Review?of?Financial?Studies，?2015，28（3）：791-837

[9]LIEN?D，?WANG?Z?J?Quantile?informationshare[J].?Journal?of?Futures?Markets，?2019，?39（1）：38-55

[10]LIN?C?B，?CHOU?R?K，?WANG?G?H?K?Investor?sentiment?and?price?discovery：?Evidence?from?the?pricing?dynamics?between?the?futures?and?spot?markets[J].?Journal?of?Banking?&?Finance，?2018（90）：17-31

[11]LIU?C，?AN?Y?CACACE?F，?Investor?sentiment?and?the?basis?of?CSI?300?stock?index?futures：?An?Empirical?Study?Based?on?QVAR?Model?and?Quantile?Regression[J].?Discrete?Dynamics?in?Nature?and?Society，?2018

[12]PEDERSEN??T?Q?Predictable?return?distributions[J].?Journal?of?Forecasting，?2015，34（2）.

[13]SHU?HC?Investor?mood?and?financialmarkets[J].?Journal?of?Economic?Behavior?&?Organization，?2010，76（2）：267-282

[14]STAMBAUGH?R?F，?YU?JF，?YUAN?Y?The?short?of?it：?Investor?sentiment?and?anomalies[J].?Journal?of?Financial?Economics，?2012，104（2）.

[15]YANG?CP，?LI?JF?Investor?sentiment，?information?and?asset?pricingmodel[J].?Economic?Modelling，?2013（35）：436-442

[16]YUE?YD，?LIU?DC，?SHAN?X?U?Price?linkage?between?Chinese?and?international?nonferrous?metals?commodity?markets?based?on?VAR-DCC-GARCH?models[J].?Transactions?of?Nonferrous?Metals?Society?of?China，?2015，25（3）：1020-1026

[17]崔麗媛，?洪永淼?投資者對(duì)經(jīng)濟(jì)基本面的認(rèn)知偏差會(huì)影響證券價(jià)格嗎？——中美證券市場(chǎng)對(duì)比分析[J].?經(jīng)濟(jì)研究，?2017?（8）：94

[18]方匡南，蔡振忠我國(guó)股指期貨價(jià)格發(fā)現(xiàn)功能研究[J].統(tǒng)計(jì)研究，2012，29（5）：73-78

[19]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

[20]劉晨，張銳，王寶森中美玉米期貨市場(chǎng)功能效率比較[J].中國(guó)流通經(jīng)濟(jì)，2020，34（4）：56-66

[21]劉文文，?周遠(yuǎn)慧，?郭宗夢(mèng)?投資者情緒與動(dòng)態(tài)波動(dòng)溢出效應(yīng)——基于上證?50?指數(shù)期現(xiàn)貨研究[J].?武漢金融，?2019?（6）：33-38

[22]陶立斌，潘婉彬，黃筠哲滬深300股指期貨價(jià)格發(fā)現(xiàn)能力的變化及其決定因素[J].金融研究，2014（4）：128-142

[23]王美今，孫建軍?中國(guó)股市收益、收益波動(dòng)與投資者情緒[J].?經(jīng)濟(jì)研究，?2004（10）：75-83

[24]許榮，?劉成立?限制交易政策如何影響期現(xiàn)關(guān)系？——對(duì)股指期貨價(jià)格發(fā)現(xiàn)功能的實(shí)證檢驗(yàn)[J].?金融研究，?2019（2）：154-168