滬深300股指期貨與現(xiàn)貨市場間風險傳染效應及影響因素

李延軍 林雪瑞

摘? ?要：本文選取2005—2019年我國滬深300股指期貨和滬深300股票指數(shù)日收盤價數(shù)據(jù)，結合股票推出時間、股價波動性，設置樣本組、對照組，運用GARCH模型、DCC-GARCH模型、Granger因果關系檢驗及多元線性回歸模型分析了滬深300股指期貨與現(xiàn)貨間的風險傳染效應及影響因素，并結合研究結論提出對策，以期促進資本市場健康發(fā)展。結果表明：滬深300股指期貨市場與現(xiàn)貨市場間存在雙向的風險傳染效應，且經(jīng)DCC-GARCH模型分析表明風險傳染效應在動蕩期尤為明顯;影響這種風險傳染效應的因素有很多，主要表現(xiàn)為微觀因素中的股票市場流動性和股票市場不確定性與極端事件兩個方面。

關鍵詞：滬深300股指期貨;滬深300股票指數(shù);風險傳染;DCC-GARCH模型;多元線性回歸

一、引言

21世紀以來 ，隨著全球金融市場開放程度加深、聯(lián)動性加強，金融市場間的風險傳染效應已成為投資者關注的重點之一。風險傳染效應即在危機發(fā)生時，不同金融市場間價格波動的相關性較穩(wěn)定時期明顯增加的現(xiàn)象，它通過貿(mào)易傳染、資本流動等宏觀層面和噪聲交易、羊群效應等微觀層面的傳染渠道引起金融資產(chǎn)收益率和價格波動。信息時代的到來加速了金融市場間訊息的傳遞，為金融市場間風險的加速傳染埋下隱患。因此，如何防范金融市場間的風險傳染已成為亟待解決的問題。

股指期貨是期貨交易的一種，以股票指數(shù)為標的，按照約定的交易日期和交割數(shù)量，通過現(xiàn)金結算差價的形式，進行標的指數(shù)買賣。滬深300股指期貨作為我國大陸第一個股指期貨產(chǎn)品，自推出以來就備受關注。股指期貨以股指現(xiàn)貨為標的資產(chǎn)，股票市場的價格波動會直接影響股指期貨的價格波動。同時，股指期貨自身具有的套期保值、規(guī)避風險的功能，又會間接影響股票市場。滬深300股指期貨推出后，關于其對現(xiàn)貨市場價格波動的影響，學者們持積極與消極兩種對立態(tài)度。而兩市場間是否存在風險傳染效應以及風險傳染效應的具體方向，均因我國股指期貨市場建設不完善、上市時間較短，使得我國部分相關研究存在不確定性和局限性。而其他國家關于股指期貨研究得出的結論，因市場、政策背景不同，并不一定適用于中國市場。

因此，本文以2005—2019年近10年的滬深300股指期貨和現(xiàn)貨市場的交易數(shù)據(jù)為樣本，采用多元GARCH模型，對股指期貨與現(xiàn)貨市場間的風險傳染效應進行實證研究，并結合Granger因果關系檢驗進一步探究風險的傳染方向，進而系統(tǒng)分析影響期現(xiàn)市場風險傳染效應的因素?；谝陨辖Y論，提出政策建議，以期為我國金融體系的健全與發(fā)展做出貢獻。

二、文獻回顧

隨著金融市場間的關系變得空前密切，怎樣防范、應對市場間的聯(lián)動風險傳染備受各國矚目。國外學者Hamao 等（1990）[1]在20世紀末就紐約市場與東京市場間的波動溢出效應做了相應研究，這是最早關于市場間風險傳染效應的實證研究。基于此，橫跨國際、聯(lián)動金融各市場間的風險傳染效應研究網(wǎng)絡全面鋪開。國內(nèi)外相關學者對股指期貨與現(xiàn)貨市場間的風險傳染效應研究，主要從市場價格波動產(chǎn)生的波動溢出效應和特殊時間點下的風險傳染效應兩方面著手。

基于波動溢出效應的風險傳染效應研究方面，Kawaller等（1990）[2]從實證角度出發(fā)，運用格蘭杰因果關系檢驗，認為S&P500股指期現(xiàn)市場間不存在價格波動關系。而幾乎同期Chan等（1991）[3]通過構建多元GARCH模型同樣檢驗了S&P500股指期現(xiàn)市場間的關系，認為其存在價格波動關系，Lee（1991）[4]等人的研究也證明了這一觀點。后來更有研究表明價格方差比價格均值更能表現(xiàn)出市場間的風險傳染效應（Lin和Tamvakis，2001）[5]，之后便有不同學者以價格方差為測度指標考察不同市場間的波動溢出效應。Undetwood（2009）[6]以多個國家的資本市場為研究對象，使用股市與債券市場間聯(lián)動數(shù)據(jù)形成收益率序列，采用多個GARCH模型證實了不同金融市場間波動溢出效應是廣泛存在的，這一結論對該問題的研究具有里程碑意義。相對于國外學者，國內(nèi)學者研究更晚，部分學者以滬深300股指期貨市場為研究對象，結果表明期現(xiàn)市場間不存在或沒有發(fā)現(xiàn)存在風險傳染效應（陳焱等，2013）[7]。而大部分學者則持反對意見，并通過GARCH模型、BEKK-MGARCH模型、HAR-CAW模型證明滬深300股指期現(xiàn)市場間確實存在不對稱的波動溢出效應（章永哲和錢敏，2015;趙樹然等，2018）[8，9]。李樂俊（2017）[10]結合BEKK-GARCH模型和DCC-GARCH模型不僅證實了我國股指期貨與國內(nèi)現(xiàn)貨市場存在雙向的波動傳染效應，還發(fā)現(xiàn)了國內(nèi)與國外不同市場之間也存在傳染風險。張筱峰和郭瀝陽（2020）[11]通過分階段地考察滬深300股指期現(xiàn)市場，發(fā)現(xiàn)在深度貼水前和深度貼水后，期現(xiàn)市場間均存在顯著的雙向波動溢出效應。

資本市場存在許多極具特色的時間點，在不同時間點上股票市場價格會表現(xiàn)出不同的形態(tài)與趨勢，基于特殊時間點的研究以期貨推出時間、股市震蕩時間和限制性政策推出時間為主。股指期貨推出后，國外學者對股指期貨市場的引入對現(xiàn)貨市場價格波動性的影響存在三種觀點：變大、不變和變小，國內(nèi)學者則持股票價格波動變大或變小兩種觀點。早期國內(nèi)研究主要是以與國內(nèi)環(huán)境相仿的亞太地區(qū)股指期貨為研究對象，在結論上具有一定局限性。隨著近幾年股指期貨市場日漸成熟，相關研究才逐漸增多。大部分學者經(jīng)模型實證分析發(fā)現(xiàn)國內(nèi)股指期貨上市后現(xiàn)貨市場流動性明顯增加，股指期貨的推出很好地發(fā)揮了對資本市場的價格發(fā)現(xiàn)功能，股票市場波動性在一定程度上有所減?。ú軛澓蛷埣?，2017;陳其安等，2020）[12，13]。當然還是有部分學者持反對意見（楊陽和萬迪昉，2010）[14]，認為股指期貨的推出增大了現(xiàn)貨市場的非對稱效應。

股指期貨產(chǎn)品成名于美國金融危機時，面對幾次股票市場的劇烈波動，國外對股指期貨風險傳染效應的研究已相當成熟。早期學者基于20世紀美國幾次重大金融危機發(fā)現(xiàn)，特殊時期確實會使資本市場間聯(lián)動性增強（Bertero和Mayer，1990;Baig和Goldfaijin，1998）[15，16]，后續(xù)學者的研究也證明了這一觀點。不僅限于金融危機，凡出現(xiàn)影響股市價格波動的重大事件時，各關聯(lián)市場間的波動溢出效應也會增強（Kim等，2010）[17]。由于國內(nèi)沒有發(fā)生過較大金融危機，大多數(shù)國內(nèi)學者研究主要著眼于國外市場。直到近幾年，在期貨市場經(jīng)歷了2015年和2018年兩次較大市場異動后，少部分學者開始通過模型并截取我國股指期現(xiàn)市場長期交易數(shù)據(jù)進行研究。楊林和楊雅如（2017）[18]運用E-G兩步協(xié)整檢驗等方法對2015年股災期間我國期現(xiàn)兩市場進行實證研究，發(fā)現(xiàn)盡管滬深300股指期貨表現(xiàn)出價格引導作用，但對現(xiàn)貨市場的單向波動溢出加劇了現(xiàn)貨市場價格波動。而黃嵩等（2018）[19]通過截取包括股災期間的整體期現(xiàn)市場數(shù)據(jù)，將樣本分為5個時期，經(jīng)BEKK-GARCH模型實證發(fā)現(xiàn)期現(xiàn)市場只有在股災期間存在顯著的雙向波動溢出效應且期貨市場能分擔現(xiàn)貨市場的風險。于瑞安等（2019）[20]進一步將研究數(shù)據(jù)分為平穩(wěn)期和動蕩期兩組，對比分析不同階段期現(xiàn)市場間的風險傳染效應，發(fā)現(xiàn)股災期間我國期現(xiàn)兩市場之間呈現(xiàn)出顯著的雙向傳染效應，但也指出股指期貨并不是引起股票市場異常波動的原因。

股指期貨出現(xiàn)后，一些國家為應對金融危機出臺許多限制性政策，部分學者認為這些限制性政策不僅沒有降低市場波動性，反而損壞了市場的運行效率（Miao等，2017;謝太峰等，2017）[21，22]。進一步具體分析不同國家時，發(fā)現(xiàn)國家的限制性政策因各國市場不同而發(fā)揮不同作用（王軍和劉卓然，2016）[23]。為此，我國學者又將股指期貨交易時間段進行劃分，發(fā)現(xiàn)政策松綁有利于發(fā)揮股指期貨的價格發(fā)現(xiàn)功能，而且一定程度上也會提高市場的流動性（熊亞萍，2019）[24]。

本文的貢獻在于：一方面，以滬深300股指期貨為樣本，按股價波動性分為動蕩期與平穩(wěn)期來分析股指期貨與現(xiàn)貨市場間的風險傳染效應，為驗證金融市場間的風險傳染效應的存在性提供了穩(wěn)健可信的證據(jù)。另一方面，本文創(chuàng)新性地從宏觀層面、微觀層面和極端事件三方面系統(tǒng)分析期現(xiàn)市場風險傳染效應的影響因素，不僅啟發(fā)了國內(nèi)相關研究學者，而且豐富了我國的相關理論研究。

三、模型與數(shù)據(jù)

（一）GARCH模型

（二）DCC模型

（三）數(shù)據(jù)選取

本文選取2005年4月14日到2019年12月31日滬深300股票指數(shù)日收盤價和2010年4月16日—2019年12月31日的滬深300股指期貨的日收盤價為研究數(shù)據(jù)，根據(jù)研究目的對數(shù)據(jù)進行再劃分：第一步，選取2005年4月14日至2015年4月16日的滬深300指數(shù)的日收盤價，數(shù)據(jù)共計2430個，以中國金融期貨交易所在2010年4月16日推出的滬深300股指期貨時間為界限，分別選取滬深300股指期貨推出前后一年期、兩年期、五年期的股指現(xiàn)貨價格數(shù)據(jù)，對比研究股指期貨推出前后不同階段內(nèi)對現(xiàn)貨市場波動性的影響。第二步，以滬深300股指期貨和其對應的滬深300股票指數(shù)為研究對象。從我國股指期貨合約首次推出時間開始，選取2010年4月16日至2019年12月31日的股指期貨日收盤價為樣本序列，相應地采用相同時間段的股票現(xiàn)貨作為樣本序列，每個序列包含2363個數(shù)據(jù)。其中樣本選取時有兩點需要注意：其一，由于滬深300股指期貨一般有4個合約同時在市交易，為減弱市場自身波動性的影響，本文選擇當月合約作為主力合約。其二，考慮到我國推出滬深300股指期貨后，股指期現(xiàn)市場先后經(jīng)歷了2015年與2018年兩次股市動蕩。為了準確研究不同情況下期現(xiàn)兩市場間的風險傳染效應，本文借鑒于瑞安等（2019）[20]的研究，將股市運行時期分為平穩(wěn)期和動蕩期，并將2015年股市震蕩期定義為2014.12.01—2016.03.02。同時，根據(jù)國泰安顯示的滬深300指數(shù)波動走勢，將2018年的股市動蕩期自定義為2018.01.02—2019.05.20，整體樣本序列的其他區(qū)間均定義為平穩(wěn)期。數(shù)據(jù)選擇完成后，為保障數(shù)據(jù)為平穩(wěn)序列，將兩次分類數(shù)據(jù)均進行一階差分化處理，最終得到兩組數(shù)據(jù)，分別記為組1、組2。本文數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫，數(shù)據(jù)處理采用Eview9軟件。每階段數(shù)據(jù)選擇見圖1。

四、實證分析

（一）股指期貨對現(xiàn)貨市場波動性影響

1. 數(shù)據(jù)的描述性統(tǒng)計。滬深300指數(shù)日度收益率序列描述性統(tǒng)計分析結果見表1，從中可以看出，前后一年期、兩年期、五年期的滬深300指數(shù)收益率序列偏度均小于0，呈現(xiàn)出左偏的情況;峰度均大于3，呈現(xiàn)出尖峰和厚尾的情況，符合金融時間序列表現(xiàn)出非正態(tài)分布的統(tǒng)計特征。而且，三組收益率序列JB正態(tài)檢驗在1%的置信水平下拒絕原假設，從統(tǒng)計檢驗角度驗證了指數(shù)收益率均不服從正態(tài)分布。

由圖2可以看出，滬深300指數(shù)日度收益率圍繞0值上下波動，整體區(qū)間表現(xiàn)還算平穩(wěn)。但是在某些時間段內(nèi)，滬深300指數(shù)收益率序列表現(xiàn)出波動聚集現(xiàn)象。一般金融時間序列會存在自相關問題，即數(shù)據(jù)表現(xiàn)出異方差性，從收益率折線圖上會明顯出現(xiàn)波動聚集現(xiàn)象。當序列出現(xiàn)某一特征值時，數(shù)據(jù)波動性會受到特征值的影響從而表現(xiàn)出一段時間內(nèi)相關聯(lián)的特點。滬深300股指期貨推出前，股票市場表現(xiàn)出長期劇烈的波動;推出后，股票市場波動情況逐漸緩解。但是，滬深300股指期貨推出對現(xiàn)貨市場是否存在影響、如何影響，仍有待研究證明。

2.? GARCH模型估計。為避免出現(xiàn)偽回歸問題造成研究偏差，對數(shù)據(jù)進行了ADF檢驗，結果表明前后一年期、兩年期、五年期的滬深300指數(shù)的日度收益率序列都是平穩(wěn)的。ARCH效應檢驗也表明三組殘差序列均存在ARCH效應，因而可以進一步建立GARCH模型。本文選取GARCH（1，1）模型進行實證分析，同時在條件方差方程中引入虛擬變量D來刻畫股指期貨對股指現(xiàn)貨波動性的影響，其中推出股指期貨前D=0，推出股指期貨后D=1。具體GARCH（1，1）模型為：

從表2可以看出，條件方差方程中的參數(shù)整體都通過了檢驗，P值也比較顯著，說明GARCH（1，1）模型較好地擬合了樣本數(shù)據(jù)。其中ARCH項系數(shù)α1、GARCH項系數(shù)β1分別反映出市場新、舊消息對于股指波動性條件的影響。由實證結果可知α1、β1系數(shù)均為正，且系數(shù)β1的值遠大于系數(shù)α1的值，說明新、舊消息對股指波動性具有正向影響，舊消息對于市場波動性的影響更加顯著。但α1+β1<1，說明市場信息對未來現(xiàn)貨市場的影響逐步減弱。從虛擬變量系數(shù)λ的回歸結果來看，系數(shù)λ均為負，表明我國滬深300股指期貨的出現(xiàn)對股票市場的波動性具有一定平抑作用;但是隨著時間的推移，系數(shù)λ的絕對值逐漸減小，說明長期來看股指期貨對現(xiàn)貨市場波動的抑制作用在逐漸減弱。

（二）股指期貨與現(xiàn)貨市場間風險傳染效應檢驗

1. 數(shù)據(jù)的描述性統(tǒng)計。對整個時間區(qū)間內(nèi)滬深300股指期貨日收益率序列、滬深300指數(shù)日收益率序列（組2）進行的統(tǒng)計分析表明，無論是股指期貨市場還是股票市場，整個時間區(qū)間內(nèi)的收益率序列偏度均小于0，表現(xiàn)出左偏現(xiàn)象，且峰度均大于3，呈現(xiàn)出尖峰厚尾的統(tǒng)計特性，說明兩個收益率序列均不服從標準正態(tài)分布。JB正態(tài)檢驗P值也都在1%的置信水平下拒絕原假設，從統(tǒng)計角度也證明了這一結論。

從折線圖3、4可以看出，收益率序列整體表現(xiàn)平穩(wěn)，圍繞0值上下波動。但是在2015年與2018年序列表現(xiàn)出了明顯的波動聚集現(xiàn)象，初步認為殘差序列具有異方差的性質(zhì)，具體結論還有待進一步檢驗確認。

然后分別對平穩(wěn)期與動蕩期內(nèi)滬深300股指期貨日收益率序列、滬深300指數(shù)日收益率序列進行統(tǒng)計分析，統(tǒng)計結果見表3。

平穩(wěn)期內(nèi)，期、現(xiàn)兩市場平均日收益率均大于0，期貨平均收益率略大于現(xiàn)貨平均收益率，表明平穩(wěn)期市場整體處于穩(wěn)定收益狀態(tài)，期貨市場收益更多。滬深300股指期貨收益率波動范圍和標準差略大于股指現(xiàn)貨，說明股指期貨市場價格波動程度更大。兩收益率序列偏度均小于0，峰度均大于3，JB統(tǒng)計量也都在1%的置信水平下拒絕了正態(tài)分布假設，表明期、現(xiàn)樣本序列呈現(xiàn)出尖峰厚尾分布狀態(tài)。

動蕩期內(nèi)，兩市場平均收益率均小于0，股指期貨平均收益率小于現(xiàn)貨平均收益率，表明動蕩期市場更多時間段處于下跌狀態(tài)，期貨市場虧損更多。標準差數(shù)據(jù)依舊表現(xiàn)出期貨市場價格波動更為劇烈，動蕩期標準差數(shù)據(jù)大約為平穩(wěn)期的2倍，市場收益率的波動范圍變大，兩個市場的波動程度明顯大幅度增加。從偏度與峰度兩方面來看，動蕩期收益率序列仍然呈現(xiàn)尖峰厚尾的特點，但與平穩(wěn)期數(shù)據(jù)相比，其偏離正態(tài)分布的程度更遠。這些都符合動蕩期的特點，收益率樣本總體都表現(xiàn)出金融時間序列的統(tǒng)計特性，表明以上收益率樣本均適用于DCC-GARCH模型估計。

2. DCC-GARCH模型估計。第一步，對收益率序列進行ARCH效應檢驗，模型估計結果見表4，從中可以看出，平穩(wěn)期內(nèi)各收益率序列在滯后2階的情況下，Chi-squared統(tǒng)計量對應的P值在1%的置信水平下均拒絕原假設;動蕩期內(nèi)各收益率序列在滯后1階的情況下，Chi-squared統(tǒng)計量對應的P值在1%的置信水平下均拒絕原假設。表明各序列存在ARCH效應，可以進一步建立DCC-GARCH模型。

模型估計結果顯示，在波動率方程中，平穩(wěn)期與動蕩期的ARCH項系數(shù)、GARCH項系數(shù)整體顯著，GARCH（1，1）模型整體擬合效果很好。兩個時期內(nèi)，α+β<1，表明條件方差方程具有平穩(wěn)性，說明市場消息對股指期貨和股指現(xiàn)貨波動性的影響作用有限。同時，每一個條件方差模型中GARCH項系數(shù)值β均大于0.9，遠遠大于ARCH項系數(shù)值α，說明條件方差對后一期收益波動比對當期收益波動影響更大，即舊消息對收益率的沖擊更明顯，對市場波動性的影響更深遠。此外，平穩(wěn)期與動蕩期ARCH項系數(shù)與GARCH項系數(shù)之和比較接近，表明同一時期市場消息對期現(xiàn)市場綜合影響作用相近。而動蕩期ARCH項系數(shù)明顯增大，GARCH項系數(shù)明顯減小，表明期、現(xiàn)兩市場在動蕩期對于新消息的反映速度加快，在平穩(wěn)期受到舊消息的影響更大。

在DCC模型中，參數(shù)φ表示動態(tài)相關系數(shù)受到滯后一期的標準化殘差的影響程度，參數(shù)ψ取值越接近1說明變量間相關性的持續(xù)性越強。從DCC模型估計結果來看，除了平穩(wěn)期參數(shù)ψ在10%的置信水平下顯著，平穩(wěn)期與動蕩期其余參數(shù)均在1%的置信水平下顯著，且系數(shù)均為正，說明模型估計結果是穩(wěn)健可信的。兩組參數(shù)φ估計結果顯著，且平穩(wěn)期φ值大于動蕩期φ值，表明滯后一期的標準化殘差對動態(tài)相關系數(shù)有顯著影響，但是這種影響在動蕩期明顯減弱。參數(shù)ψ雖然顯著，但是動蕩期參數(shù)ψ顯著接近1，平穩(wěn)期參數(shù)ψ值很小，說明期現(xiàn)市場間的動態(tài)相關性在動蕩期有很強的持續(xù)性，短期內(nèi)這種相關性不會減弱;平穩(wěn)期內(nèi)當期動態(tài)相關系數(shù)對下一期影響很微弱。

圖5、6分別為平穩(wěn)期、動蕩期內(nèi)滬深300股指期貨與滬深300指數(shù)的動態(tài)相關系數(shù)圖，兩時期內(nèi)的動態(tài)相關系數(shù)均在0.8以上，說明期現(xiàn)兩市場一直表現(xiàn)出高度的正相關關系。其中，平穩(wěn)期滬深300股指期貨與滬深300指數(shù)之間的動態(tài)相關系數(shù)沒有明顯的大幅波動，系數(shù)整體平穩(wěn)在0.95左右。動蕩期期現(xiàn)兩市場間動態(tài)相關系數(shù)表現(xiàn)出強烈起伏，整體水平處于0.81—0.99之間。在市場劇烈震蕩時動態(tài)相關系數(shù)也達到一定峰值，尤其是在2015年與2018年股市動蕩之初，滬深300期現(xiàn)市場之間的動態(tài)相關系數(shù)有明顯上升，說明了期現(xiàn)市場風險傳染效應在動蕩期內(nèi)更加顯著。但是其中也存在動態(tài)相關系數(shù)下跌幅度較大的時候，在2015年9月份，動態(tài)相關系數(shù)下跌到0.81，這可能是因為中金所在股市暴跌的背景下采取了很多措施限制股指期貨的交易，造成股指期貨交易量斷崖式下跌，直接影響了股指期貨發(fā)揮風險對沖功能，使得兩市場之間的相關關系減弱。

綜合比較平穩(wěn)期與動蕩期的動態(tài)相關系數(shù)走勢，可以發(fā)現(xiàn)兩市場波動較大時，滬深300股指期現(xiàn)市場間相關性加強，風險傳染效應顯著。

3. Granger因果關系檢驗。滬深300股指期貨與現(xiàn)貨的收益率序列經(jīng)ADF檢驗表明均為平穩(wěn)時間序列，可以進行 Granger因果關系檢驗，初步驗證風險傳染的存在性并探究風險傳染的方向。

從表6、表7的檢驗結果來看，無論是在平穩(wěn)期還是動蕩期，收益率在5%的置信水平下均拒絕了原假設，滬深300股指期貨與滬深300指數(shù)之間從統(tǒng)計意義方面表現(xiàn)出雙向作用關系，這表明兩市場間存在雙向風險傳染效應。

（三）股指期貨與現(xiàn)貨市場間風險傳染效應的影響因素

1. 多元線性回歸模型構建。為研究股指期貨與現(xiàn)貨市場風險傳染效應的影響因素，直觀表現(xiàn)出各指標對市場相關性的影響作用，本文嘗試從宏觀層面、微觀層面及極端事件三個方面來構建多元線性回歸模型，采用最小二乘估計的方法進行數(shù)據(jù)擬合，來分析期現(xiàn)市場風險傳染效應的影響因素。具體的計量模型如下：

其中，兩市場月度動態(tài)相關系數(shù)ρ作為被解釋變量，通貨膨脹率ΔCPI、利率R、貨幣供應量變化率ΔM2為宏觀因素，股票市場換手率LS、股指期貨市場周轉率LF、股票市場波動率V為微觀因素，虛擬變量D1、D2作為解釋變量代表極端事件因素。

本文選取的ΔCPI和ΔM2均為月度指標的對數(shù)一階差分數(shù)據(jù)，市場利率水平為銀行間同業(yè)拆借利率中7日加權平均利率的月度算術平均值。選取所有非ST的A股的平均月?lián)Q手率代表股票市場流動性指標（LS）、滬深300股指期貨月交易量與月持倉量的比值作為股指期貨市場流動性指標（LF）。對于極端事件因素，本文以兩次股市大跌的時間虛擬變量作為外生變量，其中，D1表示2015年股災期間的虛擬變量，2014年12月—2016年2月期間D1=1，其余月份D1=0;D2表示2018年股市動蕩期間的虛擬變量，2018年1月—2019年5月期間D2=1，其余月份D2=0。

2. 模型估計。為避免結果造成偽回歸現(xiàn)象，故對各金融時間序列進行ADF檢驗，結果顯示各序列皆平穩(wěn)。此外，為檢驗除虛擬變量以外的解釋變量之間是否存在嚴重的相關關系，對宏、微觀解釋變量進行相關性檢驗，結果表明不會存在很嚴重的多重共線性。

基于時間序列平穩(wěn)性、相關性檢驗結果，以及構建的多元線性回歸模型，進一步對被解釋變量、解釋變量進行回歸分析，最終得到的參數(shù)結果見表8。

從多元回歸結果來看，宏觀層面指標整體與期現(xiàn)市場動態(tài)相關系數(shù)呈現(xiàn)出正相關關系，除了貨幣供應量的變化率ΔM2對動態(tài)相關性影響顯著外，通貨膨脹率ΔCPI與市場利率水平R的影響并不顯著。貨幣供應量的增加對市場相關性具有明顯的促進作用，當中央銀行實施寬松的貨幣政策時，會使市場需求增加，刺激金融市場整體收益上漲。

相較于宏觀層面指標，微觀層面指標對期現(xiàn)市場動態(tài)相關系數(shù)的影響十分顯著。股票市場的流動性LS與波動性V對期現(xiàn)市場動態(tài)相關系數(shù)影響作用較強，股指期貨市場流動性對期現(xiàn)市場動態(tài)相關系數(shù)影響作用較弱。其中，股票市場的流動性LS與市場相關性存在負相關關系，股指期貨市場的流動性LF對市場相關性存在正相關關系，兩個市場的流動性呈現(xiàn)出明顯相反的作用效果，但股票市場流動性對動態(tài)相關性的影響作用明顯更大。當股票市場換手率提高時，股票市場交易活動頻繁，資金流動十分活躍，側面體現(xiàn)出股票市場處于供小于求的狀態(tài)，股票市場收益率提高。如果假設正常狀態(tài)下金融市場資金總量一定，則此時流入股票市場的資金增加，流入股指期貨市場的資金減小，造成股指期貨市場流動性降低，兩市場動態(tài)相關性受到影響有所降低。而在金融市場產(chǎn)生危機時，市場整體流動性下降，股票市場流動性對期現(xiàn)相關性的負向影響大幅降低，雖然股指期貨市場流動性降低使得相關系數(shù)減小，但在兩市場的共同作用下，相關性會有所提高，即市場危機時期現(xiàn)市場表現(xiàn)出風險傳染效應。股票市場波動性指標與期現(xiàn)之間相關系數(shù)表現(xiàn)出負相關關系，單從市場波動性這一角度分析，當股票市場產(chǎn)生異常波動時，期現(xiàn)兩市場價格走勢會出現(xiàn)偏離，市場間相關性減小。

2015年股災與2018年股市動蕩兩虛擬變量的系數(shù)表現(xiàn)顯著，但影響作用有所不同。2015年股災期間，期現(xiàn)市場相關系數(shù)比穩(wěn)定時期下降了0.013995;而2018年股市動蕩期間，期現(xiàn)市場相關系數(shù)比穩(wěn)定時期增加0.02291。這與期現(xiàn)市場在動蕩期動態(tài)相關性表現(xiàn)一致。兩次股市危機，期現(xiàn)市場相關性表現(xiàn)出明顯差異，結合微觀層面影響因素，原因可能是：2015年股災期間，我國股指期貨市場整體處于發(fā)展初期，各項制度發(fā)展不完善;同時2015年9月出臺股指期貨限制性政策，遏制了股指期貨流動性，市場波動性增加造成了期現(xiàn)市場相關性的下降。而2018年股市動蕩期間，中國金融市場相關制度逐步完善，股指期貨交易限制逐步松綁，投資者投資理念有所提高，期現(xiàn)市場相關性明顯增強?？傮w來看，股市異常動蕩期間，風險通過投資者的羊群效應擴散，從而使得期現(xiàn)市場風險傳染效應有所增強。

五、結論與建議

通過對股指期現(xiàn)貨市場間風險傳染效應及其影響因素的研究，本文主要結論有：（1）滬深300股指期貨推出后，股票市場對歷史消息的反應較新消息更加敏感。短期內(nèi)在一定程度上減弱了股票市場的波動性，但長期效果并不明顯。（2）無論是在平穩(wěn)期還是動蕩期，滬深300股指期貨市場與現(xiàn)貨市場之間存在雙向的風險傳染效應，且一直保持高度正相關關系，在動蕩期尤為明顯。市場消息對兩市場作用相近，但動蕩期對新消息反應速度更快，平穩(wěn)期對歷史消息的反應程度更深。（3）股指期貨與現(xiàn)貨市場間的相關性受到多種因素的共同影響，其中微觀因素中股票市場的流動性與波動性影響作用最強，與期現(xiàn)市場相關性均呈負相關關系。極端事件方面表現(xiàn)為股市動蕩期間，期現(xiàn)市場相關性增強，風險傳染效應更加顯著。

我國股指期貨與現(xiàn)貨市場交易機制一直處于不對稱的狀態(tài)，使得股指期貨在發(fā)揮價格發(fā)現(xiàn)功能和套期保值作用時受到很大程度的限制。而且，我國股指期貨市場產(chǎn)品數(shù)量較少，種類單一，需要進一步擴大股指期貨市場的規(guī)模，豐富產(chǎn)品種類，為市場投資者提供更全面的風險管理工具和風險規(guī)避手段。同時，鑒于股票市場流動性對期現(xiàn)市場風險傳染具有非常顯著的影響，應通過完善交易機制、擴大開放程度等措施提升股票市場流動性進而有效降低風險傳染概率。

參考文獻：

[1]Hamao Y，Masulis R W，NgV. 1990. Correlations in Price Changes and Volatility across International Stock Markets [J].The Review of Financial Studies，3（2）.

[2]Kawaller I G，Koch Paul D，Koch Timothy W. 1990. Intraday Relationships Between Volatility in S&P 500 Futures Prices and Volatility in the S&P 500 Index [J].Journal of Banking&Fiance，14（2-3）.

[3]Chan K，Chan KC，Karolyi GA. 1991. Intraday Volatility in the Stock Index and Stock Index Futures Markets [J].Reviews of Financial Studies，4（4）

[4]Lee C M C，Shleifer A，Thaler R H. 1991. Investor Sentiment and the Closed. End Fund Puzzle [J].Journal of Finance，46（1）.

[5]Sharon Xiaowen Lin，Michael N Tamvakis. 2001. Spillover Effects in Energy Futures Markets [J].Energy Economics，23（1）.

[6]Shane Underwood. 2008. The Cross-Market Information Content of Stock and Bond Order Flow [J].Journal of Financial Markets，12（2）.

[7]陳焱，李萍，劉濤.股指期貨與現(xiàn)貨市場價格的互動、引導關系研究——基于滬深300股指期貨的實證分析 [J].中央財經(jīng)大學學報，2013，1（2）.

[8]章永哲，錢敏.基于5分鐘高頻數(shù)據(jù)的滬深300股指期貨與現(xiàn)貨市場間波動溢出效應實證研究 [J].上海金融，2015，（11）.

[9]趙樹然，袁東，任培民.我國股指期貨與現(xiàn)貨市場的波動溢出效應研究——基于HAR-CAW模型 [J].運籌與管理，2018，27（1）.

[10]李樂俊.我國滬深300股指期貨與現(xiàn)貨市場間風險傳染效應的實證研究 [D].山西財經(jīng)大學，2017.

[11]張筱峰，郭瀝陽.滬深300股指期現(xiàn)市場多階段波動溢出效應研究——基于非對稱BEKK-GARCH模型 [J].現(xiàn)代財經(jīng)（天津財經(jīng)大學學報），2020，40（3）.

[12]曹棟，張佳.基于GARCH-M模型的股指期貨對股市波動影響的研究 [J].中國管理科學，2017，25（1）.

[13]陳其安，張慧，陳抒妤.股指期貨交易加劇了中國股票市場波動性嗎？——基于投資者結構的理論和實證研究 [J].中國管理科學，2020，28（4）.

[14]楊陽，萬迪昉.股指期貨真的能穩(wěn)定市場嗎？ [J].金融研究，2010，（12）.

[15]Bertero E，Mayer C. 1990. Structure and Performance：Global Interdependence of Stock Markets Around the Crash of October 1987 [J].European Economic Review，34（6）.

[16]Baig T，Goldfajn I. 1998. Financial market contagion in the Asian Crisis [J].

[17]Kim B H，Lee B S. 2010. Spillover Effects of the US Financial Crisis on Financial Markets in Emerging Asian Countries [J].Ssrn Electronic Journal，39.

[18] 楊林，楊雅如.股指期貨是股災的“幕后推手”嗎——基于2015年股災期間滬深300股指期貨高頻數(shù)據(jù)實證分析 [J].財經(jīng)理論與實踐，2017，38（3）.

[19]黃嵩，肖一，金壽鵬.滬深300股指期貨與現(xiàn)貨多階段波動溢出效應的實證研究 [J].武漢金融，2018，（7）.

[20]于瑞安，張金林，楊小花.股指期貨是否導致了2015年股災的爆發(fā)？——基于股指期貨與現(xiàn)貨市場波動溢出效應分析 [J].武漢金融，2019，（4）.

[21]Hong Miao，Sanjay Ramchander，Tianyang Wang，Dongxiao Yang. 2017. Role of Index Futures on China's Stock Markets：Evidence from Price Discovery and Volatility Spillover [J].Pacific-Basin Finance Journal，44.

[22]謝太峰，王碩，蘇磊.我國股指期貨加大了現(xiàn)貨市場的波動性嗎？——基于ARMA-GARCH模型的實證檢驗 [J].金融理論與實踐，2017，（8）.

[23]王軍，劉卓然.股指期貨限制性措施對期現(xiàn)貨價格關系的影響研究——中美日應對“股災”實施股指期貨限制性措施及其效果比較 [J].價格理論與實踐， 2016，（9）.

[24]熊亞萍.股指期貨交易制度變化對期現(xiàn)關系的影響研究 [J].浙江金融，2019，（8）.