期權對我國豆粕市場期現(xiàn)無套利區(qū)間的影響

陳新華，劉 潔

期權對我國豆粕市場期現(xiàn)無套利區(qū)間的影響

陳新華，劉 潔

（仲愷農(nóng)業(yè)工程學院，廣東 廣州 510225）

文章基于大連商品交易所和wind等數(shù)據(jù)庫2014—2018年豆粕市場的價格數(shù)據(jù)，利用三階段門限自回歸模型和合成控制法分析了豆粕期權上市對于豆粕期現(xiàn)無套利區(qū)間的影響。研究結果顯示：首先，我國豆粕期現(xiàn)無套利區(qū)間較寬且隨季節(jié)性變化明顯，套期保值的基差風險較大；其次，豆粕期權上市后我國豆粕期現(xiàn)無套利區(qū)間趨于縮?。蛔詈?，期權對于不同流動性期貨合約期現(xiàn)無套利區(qū)間產(chǎn)生的影響存在差異，活躍性較小的合約受到的影響更為顯著。

無套利區(qū)間；門限回歸；合成控制法；期權

一、引言

自1990年正式引入期貨交易機制以來，我國期貨市場在近三十年的探索中不斷發(fā)展，其風險規(guī)避的功能日益顯現(xiàn)，服務國民經(jīng)濟的能力不斷增強。期貨市場套期保值的主要原理是將較大的價格波動風險轉移為較小的基差風險。但是，由于我國期貨市場的價格發(fā)現(xiàn)水平有限，使得基差的劇烈波動給風險規(guī)避帶來了極大的不確定性。那么，面對基差風險，套期保值者應該如何應對？近年來，國內(nèi)多位學者開始關注利用動態(tài)套期保值的方法減少基差風險。如張躍軍[1]等利用GED-GARCH模型求出燃料油現(xiàn)貨和期貨收益率的動態(tài)標準差，并建立了動態(tài)的最小方差套期保值模型，通過對比發(fā)現(xiàn)該方法比傳統(tǒng)模型的套期保值有效性提高了32.1%；徐榮[2]等構建了基于最優(yōu)衰減因子時變方差EWMA模型的動態(tài)套期保值方案，通過實證檢驗發(fā)現(xiàn)其套期保值效果要優(yōu)于傳統(tǒng)的靜態(tài)套期保值模型。但是目前學術界對于動態(tài)套期保值的實證研究并未形成一個權威、統(tǒng)一的方法。此外，動態(tài)的交易策略對于農(nóng)戶和企業(yè)等套期保值主體而言不易理解，導致其在實踐運用中難以有效地推廣。

為了提高期貨市場價格發(fā)現(xiàn)能力，增加市場流動性及降低市場被操縱的可能性，自2017年率先推出豆粕期權后，我國的商品期權市場發(fā)展步入快車道。那么豆粕期權上市4年多來到底對豆粕期貨市場產(chǎn)生了什么樣的影響，是否有助于其風險規(guī)避能力的提升？目前學術界關于期權對期貨市場影響的研究主要集中在定價效率和波動率兩方面。如吳雯雯[3]認為在股指期權推出以后減少了股票投資者情緒對于股票價格的影響，同時金融市場的產(chǎn)品類型越豐富越能保護投資者權益、降低投資者的風險。王偉[4]分析我國白糖期權和期貨市場的數(shù)據(jù)后認為，期權的推出可以減少期貨價格被高估的概率。國內(nèi)外學者關于期權對于期貨波動率影響的研究中，較多的觀點支持期權上市交易會對期貨市場的波動率產(chǎn)生明顯的抑制作用。如繳建巍[5]基于2014年6月至2018年3月我國豆粕期貨和白糖期貨價格數(shù)據(jù)，利用GARCH模型并通過引入虛擬變量的方式，分析了豆粕期權和白糖期權對我國期貨市場價格波動率的影響，得出的結論是期權上市后抑制了相關期貨價格的波動率。郭若宇[6]利用ARMA-GARCH模型就豆粕期權上市對豆粕期貨價格波動性的影響進行了實證分析，并認為期權上市改善了期貨市場的運行狀況，減少了市場波動。持相同觀點的還有莫媛、方龍等[7–11]。但是，基差風險除了受定價效率和波動率影響外，還有一個核心影響因素就是無套利區(qū)間的范圍。當基差波動到無套利區(qū)間外時，套利者的介入會改變期貨和現(xiàn)貨市場的供需關系，使得基差重新回歸到合理的區(qū)間之內(nèi)。因此，一個期貨市場期現(xiàn)無套利區(qū)間的大小決定了套期保值者面臨基差風險的大小。那么，期權上市對于期貨無套利區(qū)間會產(chǎn)生什么影響，是否有助于減少套期保值的基差風險，從而促進期貨市場規(guī)避風險能力的提升？目前學術界還未對此問題展開深入的探討。

基于以上背景，本文選取了2014—2018年豆粕等期貨合約的價格數(shù)據(jù)，并運用三階段門限自回歸模型和合成控制法分析了豆粕期權上市對于豆粕期現(xiàn)市場無套利區(qū)間的影響，研究的結論能夠?qū)μ岣呶覈跈嗉捌谪浭袌龅挠行诤霞傲夹曰訋硪欢ǖ膯⑹尽?/p>

二、理論分析與研究假設

期貨市場套期保值的原理是利用期貨市場的盈利彌補現(xiàn)貨市場的虧損，把較大的市場價格風險轉移為較小的基差風險，多頭和空頭套期保值者利用期貨市場的保值結果分別如式（1）和（2）所示：

其中S表示某標的資產(chǎn)的現(xiàn)貨價格，F(xiàn)為期貨價格，L代表基差，t為當前時刻，T為期貨到期日。由此可見，套期保值的風險取決于基差的波動幅度。根據(jù)無套利定價原理并且引入便利收益后，可以得到基差表達式如式（3）所示：

其中r為期貨合約有效期內(nèi)的無風險利率，c為以現(xiàn)貨價格一定比例表示的倉儲成本和保險費用，y為以現(xiàn)貨價格一定比例表示的邊際便利收益。豆粕基差的變動可能會受到貿(mào)易政策、相關產(chǎn)品價格波動及投資者的供需預期等因素的影響，呈現(xiàn)出正向市場和反向市場的反復交替。但是由于無套利區(qū)間的存在使得基差的波動幅度受到了套利活動的限制，如果基差的波動超過了無套利區(qū)間的下限，套利者可以通過賣空期貨合約同時買入現(xiàn)貨構造一個資產(chǎn)組合來進行套利，當基差的絕對值高于套利成本之和則可以獲利；如果基差超過無套利區(qū)間的上限，套利者則可以進行反向套利。套利者的介入會改變現(xiàn)貨市場和期貨市場的供求關系，從而促使基差回歸到一個合理的區(qū)間內(nèi)。我國期貨市場的套利者相對于投資者的數(shù)量較少，套利行為不僅取決于資金占用成本、現(xiàn)貨的倉儲成本及保險費用等期現(xiàn)套利成本的大小，還受到投資者對于未來供需的預期及市場流動性等因素的影響。這些變量會隨著時間推移而發(fā)生改變，導致不同時期的套利行為的觸發(fā)條件存在差異。

基于以上分析，本文提出第一個研究假設：我國豆粕市場的期現(xiàn)無套利區(qū)間會隨著時間發(fā)生改變。

那么，期權上市又會對其產(chǎn)生什么樣的影響呢？諾貝爾經(jīng)濟學獎獲得者Black和Scholes（1973）證明了風險中性定價原理下，期權定價公式可以表達為式（4）：

其中c表示t時刻的期權價格，S表示t時刻的標的物價格，K為行權價，T為到期日，r為期權合約有效期內(nèi)的無風險利率，σ為標的資產(chǎn)的收益波動率，N表示正態(tài)分布。式（4）表明，t時刻的期權價格是關于S、K、r、T和σ的函數(shù)。因此，可以根據(jù)市場所反映出來的期權價格推導出從t時刻到T時刻的預期波動率，即隱含波動率。隱含波動率σ反映了人們對標的資產(chǎn)未來波動率的預期。由于我國豆粕期權的標的物并非實物資產(chǎn)而是標準化的期貨合約。假設期權行權后的期貨合約最后都會進行實物交割，并且忽略期權行權日和期貨最后交割日之間保證金所產(chǎn)生的資金使用成本，可以根據(jù)Put-Call Parity公式構建一個平價狀態(tài)下的期權和期貨價格關系式，如式（6）所示：

其中，C表示豆粕看漲期權，P表示豆粕看跌期權，F(xiàn)為當前豆粕期貨合約的價格，S表示豆粕現(xiàn)貨價格，I為現(xiàn)貨資產(chǎn)的存儲成本的現(xiàn)值。由式（6）可見，受期權價格影響，期貨和現(xiàn)貨價格差波動存在一個無套利區(qū)間。因此，套利行為會限制不合理的基差進一步擴大，使得其波動幅度逐漸變小[12]。

由此可見，期權對于期現(xiàn)無套利區(qū)間的影響主要體現(xiàn)在以下兩個方面：第一，隱含波動率會傳遞到期貨價格的波動中并對其產(chǎn)生持續(xù)影響。當期貨市場出現(xiàn)較濃的投機氛圍時，期權和期貨市場間的聯(lián)動性會對期貨市場的持續(xù)非理性投資情緒產(chǎn)生一定的緩解作用；第二，當基差波動劇烈時，套利者可以通過構造包含期權、期貨和現(xiàn)貨的資產(chǎn)組合來獲取風險相對較小的套利收益，使得投資者的套利行為更為多樣化。

基于以上分析，本文提出的第二個研究假設：豆粕期權的上市有助于縮小豆粕市場期現(xiàn)無套利區(qū)間的大小。

三、研究方法

（一）三階段門限自回歸模型

理論上的無套利區(qū)間的大小等于資金占用成本、倉儲成本及保險費用等期現(xiàn)套利成本的和，但是投資者的套利行為還會受到對未來供需預期及市場流動性等諸多因素的影響，使得期現(xiàn)的套利區(qū)間存在一定的波動性?？紤]到套利者自發(fā)的逐利性，本文試圖利用投資者的市場交易行為所反映出來的基差均值回復現(xiàn)象，來分析不同時期無套利區(qū)間的大小[13?14]?；诖耍挛膶⑹紫壤萌A段門限自回歸模型對我國豆粕市場基差的均值回復機制進行研究。該模型曾被用于分析經(jīng)濟存在加速擴張、平穩(wěn)發(fā)展和迅速衰退3個不同時期時所反映出來的特點和失業(yè)率的動態(tài)非對稱性問題[15–16]。其結構方程如式（8）所示：

式（8）中，r和r分別表示三階段門限自回歸模型中的上、下門限值。當基差處于無套利區(qū)間外時，套利者的交易行為會改變前期基差對于當期基差的影響系數(shù)。因此，可以利用該模型來識別出我國豆粕市場不同時期的無套利區(qū)間的上、下限。

（二）合成控制法

要分析期權上市對于基差無套利區(qū)間影響的一個最簡單的方法就是考察期權上市前后該時間序列的變化情況。但是，即使基差無套利區(qū)間發(fā)生了變化也不能表明一定是期權上市所產(chǎn)生作用的結果，還有可能受原有變化趨勢影響或其他混淆事件作用，如經(jīng)濟周期、市場規(guī)模及政策環(huán)境等因素。為此，可以使用Abadie and Gardeazabal（2003）提出的“合成控制法”（Synthetic Control Method）對此問題進行分析。

具體研究思路如下：假設共有（1+J）個期貨品種，其中第1個為有期權上市的品種（即豆粕期貨），而其余J個期貨品種構成潛在的控制組，稱為“donor pool”。在豆粕期權上市之前，豆粕期貨各預測變量的平均值為向量X，將未有期權上市的其他期貨品種相應預測變量的平均值記為矩陣X，其中第列為第個期貨品種的相應取值[20]。

借鑒國內(nèi)對基差影響因素的相關研究成果[17?19]，本文所選取的預測變量包括：流動性、投資者情緒、持倉收益波動及庫存量。因為，豆粕期貨是我國農(nóng)產(chǎn)品期貨中交易量最大的品種，所以，本文用成交量和持倉量的比值來代替其流動性，投資者情緒用每日的最高價和最低價的平均數(shù)來表示，持倉收益波動則用豆粕期貨漲跌1和漲跌2的方差來表示。為了更多地反映經(jīng)濟基本面情況，本文選擇豆粕的社會庫存，而非交易所庫存數(shù)據(jù)。顯然，我們希望選擇權重能使得Xw盡可能地接近于X。即經(jīng)過加權之后，合成控制期貨品種的價格波動特點盡量和豆粕期貨相似。此最小化問題的目標函數(shù)是二次函數(shù)，記此約束最小化問題的最優(yōu)解為（）。以最小化“均方預測誤差”（Mean Squared Prediction Error，簡記MSPE）的方法將每期的預測誤差平方后再求各期的平均，并通過求解最小化得到構成合成豆粕期貨的最優(yōu)權重，* =*（*）。

一個潛在假設是豆粕期權的上市不會對其他的期貨品種的價格波動產(chǎn)生影響。因此，通過加權后得到的合成期貨合約模擬了假設豆粕期權未上市的情況下豆粕期貨價格波動的情況，兩者之間的差異就是期權上市對于期貨價格波動的影響。

四、實證分析與穩(wěn)健性檢驗

（一）期權對期現(xiàn)無套利區(qū)間影響的實證分析

為了利用三階段門限自回歸模型和合成控制法分析豆粕期權上市對于豆粕期現(xiàn)無套利區(qū)間的影響，本文選取了2014—2018年大連商品交易所豆粕期貨每日收盤價，并采取了主力換月的規(guī)則獲得了連續(xù)的期貨合約的日度價格；現(xiàn)貨價格方面，選取了東莞、江蘇、天津及山東豆粕市場現(xiàn)貨的平均價格作為計算依據(jù)。得到的基差價格的基本統(tǒng)計特征數(shù)據(jù)如表1①所示。

數(shù)據(jù)來源：大連商品期貨交易所、wind數(shù)據(jù)庫及天下糧倉（www.cofeed.com）。

從表1基差的基本統(tǒng)計特征可以看出，豆粕基差的偏度和峰度分別為0.331和2.799，JB值為36.176，表明其分布與正態(tài)分布差異較大。最大值和最小值分別為186和-213，均值為16.467，表明我國的豆粕期貨長期處于反向市場，而且其和現(xiàn)貨價格差值的波動幅度較大。進一步對基差進行平穩(wěn)性檢驗，結果如表2所示。

由表2可以看出，ADF統(tǒng)計值為-6.821，基差通過了1%顯著性水平下的平穩(wěn)性檢驗。

接下來對該時間序列可能存在的門限數(shù)量和門限值進行了估計，結果如表3和表4所示：

表3 門限數(shù)量檢驗

表4 上、下門限值估計

根據(jù)表3的檢驗結果發(fā)現(xiàn)，單一門限模型和雙門限模型都通過了1%的顯著性檢驗，而三門限模型未能通過5%水平的顯著性檢驗，因此豆粕基差序列表現(xiàn)出了較強的雙門限特征。為了對比期權上市前后我國豆粕市場基差時間序列的波動情況，進一步分別檢測出期權上市前后的上、下門限值進行對比。結果如表4②所示。

基于表4的結果可以發(fā)現(xiàn)，在豆粕期權上市之前豆粕基差無套利區(qū)間的上、下限分別為87.489和-80.506，而在豆粕期權推出后該區(qū)間縮小為70.175和-71.437。

從圖1中則可以更為直觀地看出：豆粕基差的無套利區(qū)間在豆粕期權上市后明顯縮小。近年來，我國的大豆進口來源國開始呈現(xiàn)出多元化的特點，南美進口大豆的充沛供應以及國內(nèi)油廠持續(xù)的高壓榨量導致2018年度我國豆粕市場的負基差較2017年延續(xù)的時間更長，豆粕市場長期期現(xiàn)倒掛的現(xiàn)象有所緩解，同時也使得豆粕基差無套利區(qū)間的上限出現(xiàn)了明顯的下移。在豆粕期權推出之后，我國豆粕市場基差出現(xiàn)不理性波動的頻率在減少、幅度也在減弱。但是，兩個周期內(nèi)的宏觀經(jīng)濟形勢、投資者規(guī)模及市場情緒都發(fā)生了很大的差異，這些都會對豆粕基差的波動產(chǎn)生影響；尤其是2018年開始的中美貿(mào)易爭端對于大豆及其相關副產(chǎn)品的價格波動產(chǎn)生了持續(xù)的影響。要準確判斷期權上市對于豆粕市場基差無套利區(qū)間的影響，還必須排除其他因素的干擾。

圖1 期權上市前后我國豆粕市場基差時間序列的波動情況

下文將繼續(xù)基于“合成控制法”（Synthetic Control Method）關于期權上市對于期貨期現(xiàn)無套利區(qū)間的影響進行實證檢驗。考慮到上市交易時間的長度、上下游產(chǎn)業(yè)的相關性和替代性，交易規(guī)則的相似性等因素，本文選取了我國大連和鄭州商品交易所的玉米、豆一、豆油、棕櫚油和雞蛋等九個期貨品種作為豆粕期貨的控制組③。各預測變量的數(shù)據(jù)也來源于大連商品期貨交易所和鄭州商品交易所。以季度為時間單位，利用三階段自門限回歸模型計算出各期貨品種的無套利區(qū)間上、下限絕對值合的時間序列，并利用合成控制法得到各控制組期貨品種所占權重的模擬結果如表5所示。

表5 各控制組期貨品種所占權重

數(shù)據(jù)來源：大連商品期貨交易所及鄭州商品交易所。

由表5，玉米、豆一、豆油、棕櫚油、雞蛋、油菜籽、菜籽油、菜籽粕及早秈稻所占比重分別7.9%、42.7%、13.8%、0.01%、6.3%、10.2%、9.8%、0.7%和8.3%。其中豆一期貨所占權重最大，達到了42.7%，因為豆粕是大豆的主要副產(chǎn)品，因此兩者表現(xiàn)出了較為接近的價格波動狀態(tài)。棕櫚油所占比重最小，僅為0.01%。

由表6的對比結果可以看出，合成豆粕期貨與豆粕期貨的流動性、投資者情緒及庫存量等預測變量擬合效果分別達到了108.1%、111.5%、106.3%、88.3%和91.6%。將合成豆粕期現(xiàn)無套利區(qū)間上、下限絕對值的和所產(chǎn)生的時間序列和我國豆粕市場真實的數(shù)據(jù)進行對比結果如圖2所示：

表6 預測變量對比

數(shù)據(jù)來源：同表5。

圖2 合成控制的對比結果

由于我國期貨市場農(nóng)產(chǎn)品期貨品種的數(shù)量相對較少，導致合成豆粕期貨與豆粕期貨的擬合效果不是特別理想，而且由于豆粕期權的推出時間較晚，使得上市后基差波動的觀測值較少。但是通過圖2仍然可以較為直觀的判斷：期權上市后，豆粕基差無套利區(qū)間的幅度相對合成豆粕出現(xiàn)了縮小。

（二）穩(wěn)健性檢驗

為證實結果的有效性，驗證實證分析中期現(xiàn)無套利區(qū)間差異確實是源于期權上市的影響而非其他因素，下文將采用安慰劑檢驗法對實證估計的顯著性進行檢驗。首先，將相關的其他期貨合約品種也都進行合成控制法的模擬，取豆粕期權上市后各期貨品種的MSPE與上市前的MSPE的比值（MSPE衡量了一個期貨品種與其合成控制對象之間的擬合量級差異度），并與豆粕期貨進行對比。其基本邏輯如下：如果所有的期貨合約基差波動都在豆粕期權上市后（2017年3月）發(fā)生了顯著的變化，則仍然無法證明期權上市后對于期現(xiàn)無套利區(qū)間產(chǎn)生了顯著的影響。

除了上文提到的油菜籽、雞蛋、豆油及雞蛋等九個在控制組變量中的合約品種外，還增加了不活躍交割月份的豆粕期貨合約，引入了不活躍交割月份的合約的原因是農(nóng)產(chǎn)品期貨有向主力合約交易集中的特點，因此，期權的上市有可能會對不同流動性的期貨合約基差波動產(chǎn)生不同的影響④。對上述10種期貨合約品種分別進行合成控制法并與豆粕期貨的結果進行了對比分析。安慰劑檢驗的結果如圖3和圖4所示。

從圖3可以看出，相對于其他九種農(nóng)產(chǎn)品期貨品種，兩種豆粕期貨合約在期權上市前后的基差無套利區(qū)間發(fā)生了更為顯著的變化。期權對于非活躍月份豆粕期貨基差的影響比對主力合約的影響更大，主要原因可能是大量的做市商在進行期權交易的同時，會使得非活躍月份期貨合約的流動性增加更為明顯，從而提高了相應期貨合約的定價效率。

圖3 各期貨品種合成控制結果的對比

從圖4可以看出，期權上市前后，豆粕期貨與其合成控制對象之間的擬合度差異要大大高于其他參照期貨品種。除此之外，大豆期貨和豆油期貨前后的比值也相對較高，出現(xiàn)這種情況的原因有可能是豆粕期權的上市對于與豆粕價格相關性最高的大豆和豆油的期貨價格波動也產(chǎn)生了影響。安慰劑檢驗的結果進一步證明了豆粕期權上市對于豆粕市場期現(xiàn)無套利區(qū)間產(chǎn)生了顯著的影響。

圖4 各期貨品種期權上市前后MSPE比值的結果

五、研究結論與啟示

本文基于大連商品交易所、鄭州商品交易所和wind等數(shù)據(jù)庫2014—2018年豆粕等期貨合約的價格數(shù)據(jù)，利用三階段門限自回歸模型和合成控制法分析了豆粕期權上市對于豆粕期現(xiàn)無套利區(qū)間的影響。研究結果顯示：首先，我國豆粕期現(xiàn)市場無套利區(qū)間較寬且隨季節(jié)性變化明顯，套期保值的基差風險較大，其次，豆粕期權上市后使得我國豆粕期現(xiàn)市場的無套利區(qū)間趨于縮小；最后，期權對于不同流動性期貨合約的期現(xiàn)無套利區(qū)間產(chǎn)生了不同的影響，對活躍性較小的合約期現(xiàn)無套利區(qū)間的影響更為顯著?；趯嵶C分析的結論，提出以下幾點政策啟示：

1. 提高期貨交易者的交易技巧，鼓勵機構投資者套利交易。我國豆粕期貨市場長期處于反向市場狀態(tài)，而且期現(xiàn)無套利區(qū)間上、下限較寬，導致套期保值者的基差風險較大。產(chǎn)生這種現(xiàn)象的原因可能由兩點：首先，我國的大豆生產(chǎn)自給率較低，產(chǎn)生了較大的便利收益預期；其次，我國期貨市場的投機性氛圍較濃厚，導致期貨價格經(jīng)常會偏離合理區(qū)間。因此，應當加大期貨市場參與者的培訓力度，提高期貨交易者的交易技巧，同時鼓勵機構投資者套利交易，提高我國期貨市場價格發(fā)現(xiàn)的能力。

2. 繼續(xù)有序地加快期權市場的建設速度，增加我國金融衍生品市場深度。期權上市對于基差無套利區(qū)間產(chǎn)生了較為顯著的影響，減少了套期保值的基差風險；同時也為需要在期貨交易的不活躍月份中進行風險規(guī)避的交易者提供了多樣化的選擇方式。我國應當有序地加快期權市場的建設速度，提高期權和期貨市場有效融合，建立符合我國市場需要的多層次的風險規(guī)避金融體系，提高金融衍生品服務實體經(jīng)濟的能力。

① 本文選取的基差等于現(xiàn)貨價格與最近的主力期貨合約價格的差。

② 根據(jù)AIC準則檢驗，本文最終選擇了滯后階數(shù)為1的模型，這也與期貨市場套利者的逐利性的特點相吻合。

③ 其中，豆一、豆油、棕櫚油和雞蛋等都未有對應的期權合約上市；雖然玉米和菜籽粕已經(jīng)推出了期權，但是時間分別是在2019年的1月和2020年1月，因此，也不會對本文的檢驗結果產(chǎn)生影響。

④ 受國內(nèi)大豆和進口大豆集中上市的影響，每年10月國內(nèi)壓榨商進入了生產(chǎn)和避險的高峰期，因此，本文選取10月份交割的豆粕期貨合約作為不活躍的合約的代表。

[1] 張躍軍, 涂鋆. 中國燃料油期貨市場動態(tài)套期保值研究——基于Copula-GARCH模型的實證分析[J]. 北京理工大學學報（社會科學版）, 2015（1）: 8?13.

[2] 徐榮, 李星野. 基于EWMA模型的銅期貨動態(tài)套期保值效果研究[J]. 經(jīng)濟數(shù)學, 2018（1）: 86?89.

[3] 吳雯雯. 期權推出對期貨定價有效性的影響——基于滬深300指數(shù)期貨和期權的研究[D]. 濟南: 山東大學, 2015.

[4] 王偉. 我國白糖期貨期權推出對白糖期貨市場定價效率的影響研究[D]. 烏魯木齊: 新疆財經(jīng)大學, 2018.

[5] 繳建巍. 豆粕和白糖期貨期權對標的市場波動性的影響研究[D]. 保定: 河北大學, 2018.

[6] 郭若宇. 豆粕期貨期權上市對豆粕期貨市場波動性影響的實證分析[D]. 成都: 西南財經(jīng)大學, 2018.

[7] 莫媛, 方龍. 股指期權對股票市場、股指期貨市場波動性影響[J]. 當代經(jīng)濟, 2016（27）: 90?93.

[8] 張靜, 宋福鐵. 上證ETF50期權上市對標的股票的影響——基于流動性和波動性的視角[J]. 金融發(fā)展研究, 2016（3）: 59?65.

[9] 龐貞燕, 劉磊. 期貨市場能夠穩(wěn)定農(nóng)產(chǎn)品價格波動嗎?——基于離散小波變換和GARCH 模型的實證研究[J]. 金融研究, 2013（11）: 126?139.

[10] P. Srinivasan. Do futures and options trading increase spot market volatility in India? The case of S&PCNX Nifty[J]. International Journal of Business Performance and Supply Chain Modelling, 2010, 2（2）: 134?145.

[11] 徐金劍. 股指期權對標的指數(shù)波動性的影響[D]. 青島:青島大學, 2016.

[12] 趙志成. 金屬期權交易對金屬期貨市場的影響: 基于對我國銅期貨的研究[J]. 中國礦業(yè), 2019（10）: 86?90.

[13] 蔣勇. 股指期貨基差的非線性特征和均值回復機制研究[J]. 中國科學技術大學學報, 2013, 43（12）: 898?996.

[14] 孟慶斌, 楊俊華. 基于門限自回歸模型的中國財政風險預警系統(tǒng)[J]. 中國人民大學學報, 2016（6）: 89?96.

[15] 吳武清, 李東, 潘松．三階段均值回復、TAR及其應用[J]．系統(tǒng)工程理論與實踐, 2013, 33（4）: 901?909．

[16] Koop G, Potter S M. Dynamic asymmetries in U.S. unemployment[J]. Journal of Business & Economic Statistics. 1999, 17（3）: 298?312.

[17] 葉偉青. 天然橡膠期貨基差的影響因素研究[D]. 杭州:浙江大學, 2013.

[18] 徐曉暉. 存貨、基差與波動率——對滬銅、鋁、鋅的實證研究[D]. 北京: 清華大學, 2010.

[19] 方晚秋. 大豆期貨基差與流動性關系研究[D]. 開封: 河南大學, 2019.

[20] Abadie A, Diamond A, Hainmueller J. Synthetic control methods for comparative case studies: Estimating the effect of California’s tobacco control program [J]. Journal of the American statistical Association, 2010, 105（490）: 493?505.

The Impact of Options on the Arbitrage-free Interval of Soybean Meal Futures Market in China

CHEN Xin-hua, LIU Jie

（Zhongkai University of Agriculture and Engineering, Guangzhou Guangdong 510225, China）

Based on the price data of soybean meal market from 2014 to 2018, such as Dalian Commodity Exchange and wind database, the paper analyzes the impact of soybean meal option listing on the arbitrage-free interval of soybean meal market by using three-stage threshold regression model and composite control method. The results show that: firstly, the arbitrage-free interval in the soybean meal futures market in China is wide, changing obviously with seasons, and the basis risk of hedging is large; secondly, the arbitrage-free interval in the soybean meal futures market tends to narrow after the soybean meal options are listed; finally, options have different effects on the arbitrage-free interval in different liquidity futures contracts, more visible influence on the contracts with less activity.

arbitrage-free interval; threshold regression; composite control method; options

2021-04-13

教育部人文社會科學研究青年基金項目（18YJC630097）

陳新華（1982—），男，湖北黃岡人，副教授，博士，研究方向：農(nóng)業(yè)經(jīng)濟管理。

F323.7

A

2095-9249（2021）04-0040-07

〔責任編校：王中蘭〕