價(jià)格與投機(jī)行為關(guān)系的研究
——以黃金期貨為例

胡衛(wèi)綱

（1. 上海社會(huì)科學(xué)院，上海 200052； 2. 銅陵學(xué)院，安徽 銅陵 244061）

一、引言

期貨投機(jī)交易是在期貨市場(chǎng)上以獲取價(jià)差收益為目的的期貨交易行為。 期貨投機(jī)活動(dòng)發(fā)揮著重要的作用：一方面，投機(jī)者作為套期保值者的交易對(duì)手，承接了價(jià)格風(fēng)險(xiǎn)；另一方面，投機(jī)者頻繁交易為期貨市場(chǎng)提供了流動(dòng)性。 然而市場(chǎng)過度的投機(jī)甚至市場(chǎng)操縱也會(huì)使期貨價(jià)格嚴(yán)重偏離標(biāo)的商品的實(shí)際價(jià)值，而使得期貨市場(chǎng)喪失應(yīng)有的功能。 因此研究期貨投機(jī)活動(dòng)的規(guī)律是經(jīng)濟(jì)金融學(xué)者的一個(gè)重要課題。

我國(guó)學(xué)者關(guān)于投機(jī)行為和期貨價(jià)格關(guān)系的研究大體有三種觀點(diǎn)。 一種認(rèn)為投機(jī)行為造成期貨價(jià)格過分波動(dòng)。 楊光和張志勇（2010）用成交量測(cè)度投機(jī)程度，發(fā)現(xiàn)成交量顯著引起價(jià)格波動(dòng)率變化[1]。 邱雁（2010）研究了美國(guó) CFTC（Commodity Futures Trading Commission）持倉(cāng)報(bào)告，認(rèn)為在2003-2009 年期間大豆期貨價(jià)格顯著受到投機(jī)基金的交易行為影響[2]。張兵和劉丹（2012）也認(rèn)為2003-2011 年期間非商業(yè)凈頭寸有推高大豆價(jià)格的作用[3]。 安毅和宮雨（2014）發(fā)現(xiàn)，農(nóng)產(chǎn)品期貨市場(chǎng)在統(tǒng)計(jì)上顯示出五個(gè)投機(jī)特征； 交易者結(jié)構(gòu)耗散，市場(chǎng)投機(jī)性活躍，期現(xiàn)貨關(guān)系不緊密，品種輪番炒作和主力合約遠(yuǎn)期化。因此農(nóng)產(chǎn)品期貨市場(chǎng)依然沒有擺脫投機(jī)市特征[4]。 隋顏休和郭強(qiáng)（2014）在控制影響油價(jià)波動(dòng)的各種因素后， 通過所構(gòu)建的四個(gè)投機(jī)指標(biāo)分析了投機(jī)因素對(duì)油價(jià)波動(dòng)的影響。 結(jié)果發(fā)現(xiàn)，2004 年4 月至 2009 年2 月石油期貨市場(chǎng)存在非常明顯的投機(jī)活動(dòng)， 長(zhǎng)期投機(jī)因素對(duì)石油價(jià)格波動(dòng)的影響程度非常顯著[5]。 柳松等 （2015） 運(yùn)用Spline-GARCH 模型分析了國(guó)際原油期貨市場(chǎng)的波動(dòng)， 發(fā)現(xiàn)投機(jī)性持倉(cāng)尤其是投機(jī)性的多頭持倉(cāng)波動(dòng)引發(fā)了國(guó)際原油期貨市場(chǎng)的過度波動(dòng)[6]。蔣瑛（2014）采用向量自回歸、格蘭杰因果關(guān)系檢驗(yàn)、誤差修正模型等方法， 通過分析美國(guó)商品期貨交易委員會(huì)(CFTC)所發(fā)布的持倉(cāng)報(bào)告(COT Report)中的2007—2012 年的數(shù)據(jù)，研究了石油期貨市場(chǎng)中的投機(jī)行為對(duì)石油期貨價(jià)格波動(dòng)的影響， 發(fā)現(xiàn)期貨市場(chǎng)中投機(jī)行為的變化對(duì)滯后期石油期貨價(jià)格變化的貢獻(xiàn)率為8%左右，石油期貨價(jià)格變化對(duì)滯后期價(jià)格變化的貢獻(xiàn)率為85%左右， 投機(jī)行為顯著影響了石油期貨價(jià)格波動(dòng)[7]。 王文虎、萬(wàn)迪昉和吳祖光 (2015) 基于上海期貨交易所鋁、銅、橡膠和燃料油期貨合約兩種投資者結(jié)構(gòu)的分賬戶數(shù)據(jù)， 分析了不同類型投資者交易失衡對(duì)我國(guó)商品期貨市場(chǎng)收益、 價(jià)格發(fā)現(xiàn)與波動(dòng)的影響， 發(fā)現(xiàn)個(gè)人投資者和投機(jī)者的交易失衡暗示其尋找最佳買多或賣空時(shí)點(diǎn)的能力不足， 存在明顯的過度自信、過度投機(jī)和羊群行為，加劇了商品期貨價(jià)格波動(dòng)[8]。 陳方皓（2016）運(yùn)用向量自回歸模型對(duì)2003年到2011 年的大豆期貨價(jià)格波動(dòng)數(shù)據(jù)進(jìn)行分析，探討不同類型主體對(duì)大豆期貨價(jià)格波動(dòng)具體影響程度，研究結(jié)果表明，非商業(yè)凈頭寸的一些投機(jī)力量對(duì)于大豆期貨價(jià)格有著正向的推動(dòng)過程， 而商業(yè)凈頭寸變動(dòng)對(duì)于大豆期貨價(jià)格有著較小的影響[9]。第二種觀點(diǎn)認(rèn)為短期內(nèi)投機(jī)行為會(huì)加劇市場(chǎng)價(jià)格的波動(dòng)，長(zhǎng)期來(lái)看并不會(huì)對(duì)期貨價(jià)格造成顯著影響。 楊艷軍和費(fèi)然（2015）利用Geweke 分解檢驗(yàn)，發(fā)現(xiàn)國(guó)際期銅價(jià)格對(duì)基金投機(jī)持倉(cāng)有長(zhǎng)期單向的因果關(guān)系， 但基金短期內(nèi)對(duì)期銅價(jià)格起到了推波助瀾的作用[10]。錢煜昊等（2017）基于 CBOT 大豆期貨市場(chǎng) 2006 年 6 月至2015 年12 月期間的月度數(shù)據(jù)，分時(shí)期考察了期貨市場(chǎng)金融化與商品期貨價(jià)格波動(dòng)之間的關(guān)系。他們的研究表明，期貨市場(chǎng)金融化對(duì)期貨價(jià)格短期波動(dòng)的影響具有乘數(shù)效應(yīng)，國(guó)際投機(jī)基金的投機(jī)行為造成商品期貨市場(chǎng)價(jià)格短期波動(dòng)加劇的同時(shí)，對(duì)商品期貨市場(chǎng)中的實(shí)需投資者產(chǎn)生投機(jī)誘導(dǎo)，進(jìn)一步加劇期貨市場(chǎng)的價(jià)格波動(dòng)；而由于市場(chǎng)理性預(yù)期的存在，期貨市場(chǎng)金融化與投機(jī)誘導(dǎo)對(duì)商品期貨的長(zhǎng)期價(jià)格形成不存在顯著影響，商品期貨的長(zhǎng)期價(jià)格依然由實(shí)際供求關(guān)系主導(dǎo)[11]。 第三種觀點(diǎn)認(rèn)為投機(jī)因素對(duì)期貨價(jià)格的影響程度隨時(shí)間而變化。謝飛和韓立巖（2012）研究了商品期貨價(jià)格指數(shù)，結(jié)論是1995 年1 月至2010 年4 月的較長(zhǎng)時(shí)期，實(shí)需因素對(duì)期貨價(jià)格的變動(dòng)起到了正向的推動(dòng)作用，投機(jī)因素的作用相對(duì)微弱；而在金融危機(jī)前后的2006 年1 月至2010 年4 月這段時(shí)期，對(duì)期貨價(jià)格的變動(dòng)起正向推動(dòng)作用的是投機(jī)因素，實(shí)需因素的作用則相反[12]。

本文先后采用向量自回歸 （Vector Autoregression）和平滑轉(zhuǎn)換回歸（Smooth Transition Regression）兩種方法對(duì)上海期貨交易所黃金期貨價(jià)格和投機(jī)活動(dòng)進(jìn)行建模。 本文研究發(fā)現(xiàn)：1.期貨價(jià)格是投機(jī)活動(dòng)的格蘭杰原因， 而投機(jī)活動(dòng)不是期貨價(jià)格的格蘭杰原因。 期貨價(jià)格上漲（下跌）引發(fā)了投機(jī)活動(dòng)增加（下降），而不是投機(jī)活動(dòng)引起價(jià)格變化。2.投機(jī)量滯后項(xiàng)對(duì)當(dāng)期投機(jī)量的影響為負(fù)。 這意味著當(dāng)期投機(jī)量會(huì)對(duì)前期投機(jī)量的沖擊作反向調(diào)整， 投機(jī)活動(dòng)的自我激勵(lì)或者羊群效應(yīng)并不存在。3.投機(jī)量的反向調(diào)整速度與期貨價(jià)格的變動(dòng)有關(guān)。 在一般情況下，投機(jī)量的調(diào)整速度比較快；在期貨價(jià)格大幅下跌時(shí)，投機(jī)量調(diào)整速度顯著降低。

本文的主要貢獻(xiàn)在于：1.研究了黃金期貨市場(chǎng)。美 國(guó) CFTC 每 周 發(fā) 布 COT （Commitments of Traders）報(bào)告，報(bào)告中包含商業(yè)交易者和非商業(yè)交易者的持倉(cāng)量數(shù)據(jù)。 一般認(rèn)為前者代表了套期保值者的持倉(cāng)量，而后者代表了投機(jī)者的持倉(cāng)量。 國(guó)內(nèi)許多關(guān)于投機(jī)行為的研究基于上述數(shù)據(jù)。 但是我國(guó)期貨市場(chǎng)不提供類似數(shù)據(jù)，因此以國(guó)外市場(chǎng)為對(duì)象的研究與以國(guó)內(nèi)市場(chǎng)為對(duì)象的研究無(wú)法橫向比較。以我國(guó)黃金期貨市場(chǎng)為對(duì)象的實(shí)證研究比較少見。2. 采用了期貨換手率 （期貨交易量與持倉(cāng)量之比）來(lái)測(cè)度投機(jī)活動(dòng)的相對(duì)規(guī)模。 加西亞（Garcia）提出用期貨交易量與持倉(cāng)量之比來(lái)測(cè)度投機(jī)活動(dòng)的程度[13]。 國(guó)內(nèi)業(yè)界也使用這一指標(biāo)。 但是國(guó)內(nèi)使用這一指標(biāo)的學(xué)術(shù)研究并不多見。 3.使用了平滑轉(zhuǎn)換回歸方法研究期貨價(jià)格與投機(jī)活動(dòng)之間的關(guān)系，發(fā)現(xiàn)了投機(jī)活動(dòng)的非線性特征。 國(guó)內(nèi)研究多采用向量自回歸方法。 發(fā)現(xiàn)僅僅使用線性關(guān)系來(lái)建模是不夠充分的，采用非線性模型能獲得更豐富的細(xì)節(jié)。

二、平滑轉(zhuǎn)換回歸模型簡(jiǎn)介

（一）STR 模型的形式

STR 模型的一般形式為：

其中 xt= （1，x1t，x2t，…，xpt）′=(1，yt-1，…，yt-k，z1t，…，zmt)′是 p+1=k+m+1 維向量，φ=(φ0，φ1，…，φp)′和 θ=（θ0，θ1，…θp)′是參數(shù)向量，{ut} 是獨(dú)立同分布的誤差項(xiàng)。G為有界連續(xù)函數(shù)， 一般設(shè)定G 的取值范圍在0 到1之間。 st為轉(zhuǎn)換變量，可以是 xt中的某一個(gè)元素、隨機(jī)變量的線性組合或一個(gè)非隨機(jī)的變量 （例如線性時(shí)間趨勢(shì)）。

G 有多種定義方式。 格蘭杰（Granger）和特拉斯維塔（Terasvirta）[14]提出了如下定義：

則該模型稱為L(zhǎng)STR1 模型。轉(zhuǎn)換函數(shù)G1是st的單調(diào)增函數(shù)。限制條件γ>0 是一個(gè)識(shí)別條件。γ 表示轉(zhuǎn)換函數(shù)G1隨著 st增大， 由0 變?yōu)? 的速度有多快。c 決定了轉(zhuǎn)換發(fā)生的位置。當(dāng)γ→∞時(shí)，模型退化為兩機(jī)制轉(zhuǎn)換回歸模型（switching regression model）。在這種特殊情形下，轉(zhuǎn)換點(diǎn)為st=c，兩機(jī)制分別為yt=xt′φ+μt和 yt=xt′（φ+θ）+μt。

某些實(shí)際運(yùn)用中，單調(diào)轉(zhuǎn)換的模型設(shè)定可能不恰當(dāng)。 G 可以如下設(shè)定：

這一轉(zhuǎn)換函數(shù)關(guān)于（c1+c2）/2 對(duì)稱。當(dāng) st→±∞ 時(shí)，G2（γ，c;st）→1。 這一模型稱為 LSTR2 模型。

ESTR 模型（exponential STR）提供了非單調(diào)的轉(zhuǎn)換函數(shù)另一種設(shè)定方法。ESTR 模型的轉(zhuǎn)換函數(shù)是這樣定義的：

這一設(shè)定與模型 c1=c2的情形非常接近。 該轉(zhuǎn)換函數(shù)關(guān)于 c 對(duì)稱。 當(dāng) st→±∞ 時(shí)，G（γ，c;st）→1 。

（二）STR 建模的方法

1.模型的設(shè)定

模型的設(shè)定要解決幾個(gè)問題：（1） 線性模型是否充分描述了數(shù)據(jù)的特征？非線性模型有無(wú)必要？（2）如果有必要采用STR 模型， 選擇哪個(gè)變量為轉(zhuǎn)換變量？（3）應(yīng)該選擇哪種模型形式？ LSTR1，LSTR2 還是 ESTR？

盧克科寧（Luukkonen）， 賽科寧（Saikkonen）和特拉斯維塔（Terasvirta）提出的解決方法是：做輔助回歸，進(jìn)行LM 類型的檢驗(yàn)[15]。 輔助回歸的形式如下：

若H2最強(qiáng)烈地拒絕， 則選擇 LSTR2 模型 （或ESTR 模型），否則選擇 LSTR1 模型。

2.模型的估計(jì)

模型的估計(jì)使用最大似然估計(jì)。 Newton-Raphson 法是經(jīng)常采用的數(shù)值方法。 在選擇初值的時(shí)候，一般使用網(wǎng)格法。 例如根據(jù)st的取值范圍等間距地取 100 個(gè)值，根據(jù) γ 的常見取值范圍[0.5，50]也等間距地取 50 個(gè)值，形成 5000 組（γ，c）組合。 然后針對(duì)每一組合對(duì)模型進(jìn)行估計(jì)， 選擇SSR 最小的那一組（γ，c）為初值。

3.模型的評(píng)價(jià)

參數(shù)估計(jì)完成后，要檢驗(yàn)?zāi)Ｐ偷募僭O(shè)是否成立。這些檢驗(yàn)包括：檢驗(yàn)殘差是否序列相關(guān)、檢驗(yàn)殘差有無(wú)條件異方差、檢驗(yàn)有無(wú)殘余的非線性等。

三、數(shù)據(jù)來(lái)源與描述性分析

（一）變量的選擇。 本文主要用到兩個(gè)變量：投機(jī)度和期貨價(jià)格。 參考加西亞（Garcia）[13]的研究，本文采用一周內(nèi)期貨交易量與總持倉(cāng)量的比值來(lái)測(cè)度投機(jī)程度的高低。 這樣做的理由是：短期投機(jī)者會(huì)在較短時(shí)間內(nèi)（如一周）反復(fù)開倉(cāng)、平倉(cāng)。 這樣的投機(jī)行為會(huì)增加交易量但不增加持倉(cāng)量。 這一指標(biāo)優(yōu)于交易量指標(biāo)，原因在于：隨著市場(chǎng)的發(fā)展，交易量和持倉(cāng)量都會(huì)擴(kuò)大， 這時(shí)交易量的增大不能視為市場(chǎng)投機(jī)程度提高。

（二）數(shù)據(jù)采集和初步整理。 本文采用2008 年1月7 日至2018 年6 月22 日上海期貨交易所黃金期貨的周數(shù)據(jù)。數(shù)據(jù)來(lái)自國(guó)泰安數(shù)據(jù)庫(kù)。因?yàn)橥粫r(shí)刻有多個(gè)不同到期日的合約在交易， 以往的研究常采用交易量最大合約的數(shù)據(jù)。 本文遵循了這一處理方法。 具體方法是每一周選取交易量最大的那個(gè)合約，用此合約的本周總交易量除以周總持倉(cāng)量， 得到這一周的投機(jī)度（spl）。經(jīng)過上述處理后，各數(shù)據(jù)先取對(duì)數(shù)，再做一階差分。 dspl 表示經(jīng)過對(duì)數(shù)差分處理的投機(jī)度，dp 表示經(jīng)過對(duì)數(shù)差分處理的價(jià)格。 圖 1 顯示了樣本時(shí)間區(qū)間期貨持倉(cāng)量和投機(jī)度的變化。 從圖中可以看出，隨著期貨市場(chǎng)的發(fā)展，期貨持倉(cāng)量總的趨勢(shì)是增長(zhǎng)的。 其中期貨持倉(cāng)量周期性的下降是合約到期的緣故。 投機(jī)度雖然也呈現(xiàn)周期性的變化，但是沒有趨勢(shì)性變化， 即黃金期貨市場(chǎng)的投機(jī)程度并沒有持續(xù)性增大或減少。表1 為投機(jī)度變化率（dspl）和期貨價(jià)格變化率（dp）的描述性統(tǒng)計(jì)。

圖1 樣本期間持倉(cāng)量和投機(jī)度

表1 描述性統(tǒng)計(jì)

（三） 平穩(wěn)性檢驗(yàn)。 在進(jìn)行進(jìn)一步分析之前，必須檢驗(yàn)數(shù)據(jù)的平穩(wěn)性。本文采用了兩種方法來(lái)檢驗(yàn)數(shù)據(jù)的平穩(wěn)性。 第一種是ADF 檢驗(yàn)。 表1 列出了含漂移項(xiàng)，不含時(shí)間趨勢(shì)項(xiàng)時(shí)的統(tǒng)計(jì)量。差分項(xiàng)滯后期數(shù)由SIC 準(zhǔn)則確定。 對(duì)應(yīng)不同顯著性水平的臨界值分別為：1%：-3.442；5%：-2.867；10%：-2.570。計(jì)算結(jié)果強(qiáng)烈拒絕了“原時(shí)間序列非平穩(wěn)”的原假設(shè)。第二種是亞特科夫斯基（Kwiatkowski）等提出的 KPSS 檢驗(yàn)[16]。 譜估計(jì)方法采用Bartlett 算法。 方差估計(jì)修正過程使用Newey-West 方法。對(duì)應(yīng)不同顯著性水平的臨界值分別為：1%：0.739；5%：0.463；10%：0.347。 計(jì)算結(jié)果沒有在任何常用顯著性水平下拒絕“原時(shí)間序列平穩(wěn)”的原假設(shè)。

四、實(shí)證結(jié)果

（一）線性分析

這一部分主要是建立一個(gè)VAR 模型，初步分析投機(jī)量變化率和價(jià)格變化率之間的線性關(guān)系。 關(guān)于VAR 模型滯后階數(shù)的選擇，LR 準(zhǔn)則、FPE 準(zhǔn)則、HQ準(zhǔn)則和AIC 準(zhǔn)則推薦 5 階滯后，SIC 準(zhǔn)則推薦 2 階滯后。 綜合考慮自相關(guān)檢驗(yàn)的結(jié)果，確定滯后階數(shù)為5 階。 VAR 的估計(jì)結(jié)果為（括號(hào)內(nèi)為標(biāo)準(zhǔn)誤）：

格蘭杰因果檢驗(yàn)的結(jié)果為：沒有拒絕“dspl 不是dp 的 granger 原因” 的原假設(shè)，p 值為 0.694； 拒絕了“dp 不 是 dspl 的 granger 原 因 ” 的 原 假 設(shè) ，p 值 為0.001。上述結(jié)果表明一方面投機(jī)活動(dòng)受到過去期貨價(jià)格變化的影響，過去的期貨價(jià)格升高，投機(jī)活動(dòng)也相應(yīng)大幅增加，另一方面投機(jī)活動(dòng)的變化也受到自身歷史的影響，若前期投機(jī)活動(dòng)增加，后期的投機(jī)活動(dòng)將會(huì)減弱，投機(jī)活動(dòng)有一種自我調(diào)節(jié)，保持穩(wěn)定的傾向。

對(duì)dp 方程的系數(shù)進(jìn)行聯(lián)合檢驗(yàn)，原假設(shè)“除常數(shù)項(xiàng)外，各系數(shù)同時(shí)為0”的原假設(shè)也沒有被拒絕（p值為0.406）。 這說(shuō)明期貨價(jià)格和投機(jī)量的歷史信息沒有預(yù)測(cè)未來(lái)期貨價(jià)格變化的能力。 這一點(diǎn)為“期貨市場(chǎng)是信息有效的”這一觀點(diǎn)提供了佐證。

基于以上結(jié)論， 在下面的分析中將把期貨價(jià)格視為外生變量， 分析它與前期的投機(jī)活動(dòng)如何影響當(dāng)期的投機(jī)活動(dòng)。

（二）非線性分析

這一部分， 本文將討論價(jià)格和投機(jī)量的滯后值對(duì)投機(jī)量是否具有非線性的影響。 這里將按照第二節(jié)所介紹的方法來(lái)建立模型。

1.模型的設(shè)定

為了確定轉(zhuǎn)換變量及非線性的形式， 先進(jìn)行輔助回歸。輔助回歸的結(jié)果見表 2。表中的 H1、H2、H3所對(duì)應(yīng)的原假設(shè)即為二 （二）1 中所介紹的三個(gè)原假設(shè)H1、H2、H3。 表中對(duì)應(yīng)的數(shù)值為 p 值。

表2 模型的設(shè)定檢驗(yàn)

根據(jù)經(jīng)濟(jì)理論和前面的線性分析， 價(jià)格影響投機(jī)活動(dòng)， 從而轉(zhuǎn)換變量應(yīng)該是價(jià)格。 根據(jù)表2 的結(jié)果，當(dāng)轉(zhuǎn)換變量為dpt時(shí)，線性原假設(shè)的拒絕最為強(qiáng)烈，因此選擇dpt為轉(zhuǎn)換變量。 當(dāng)轉(zhuǎn)換變量為dpt時(shí)，原假設(shè) H2在三個(gè)原假設(shè) H1、H2、H3中不是最強(qiáng)烈的拒絕， 從而選擇LSTR1 模型。

2.模型的估計(jì)與解釋

在LSTR1 模型的估計(jì)過程中，嘗試過多種設(shè)定。 無(wú)明顯解釋力的dp 和dspl的滯后項(xiàng)被排除掉， 選擇標(biāo)準(zhǔn)是對(duì)應(yīng)系數(shù)的p 值。 估計(jì)的結(jié)果以及相關(guān)的統(tǒng)計(jì)量如表3 所示。

我們對(duì)表3 模型的殘差進(jìn)行Breusch-Godfrey 自相關(guān)檢驗(yàn)、Jarque Bera 檢驗(yàn)、范迪克（van Dijk）， 特拉斯維塔（Tera?svirta）和 弗朗斯（Franses）提出的殘余非線性檢驗(yàn)[17]，檢驗(yàn)結(jié)果表明模型設(shè)定合理穩(wěn)健。由于篇幅的限制，各項(xiàng)檢驗(yàn)的結(jié)果不一一列出。

表3 中的估計(jì)結(jié)果表明期貨價(jià)格每提高1%，當(dāng)期投機(jī)度就會(huì)提高11.1%， 這種效應(yīng)不僅統(tǒng)計(jì)是顯著的，經(jīng)濟(jì)意義也是非常顯著的。期貨價(jià)格對(duì)投機(jī)度的影響還有滯后效應(yīng)：滯后2 期期貨價(jià)格每提高1%，投機(jī)度提高2.2%。模型的非線性部分不包含期貨價(jià)格及其滯后項(xiàng)，這表明期貨價(jià)格對(duì)投機(jī)量的影響是線性和對(duì)稱的。

表3 STR 模型估計(jì)結(jié)果

投機(jī)度的滯后效應(yīng)則復(fù)雜一些。 總體而言，投機(jī)度的滯后效應(yīng)都是負(fù)的，即投機(jī)度具有反向調(diào)整的傾向。 投機(jī)度二期直至五期的滯后效應(yīng)都是線性的。 滯后一期的影響具有非線性的特點(diǎn)。 轉(zhuǎn)換變量為期貨價(jià)格的變化率dp，定位參數(shù)在-4.9%處。當(dāng)期貨價(jià)格變化率明顯低于-4.9%時(shí)，轉(zhuǎn)換函數(shù)G1=0，滯后一期的投機(jī)量對(duì)當(dāng)期的投機(jī)量沒有影響；當(dāng)期貨價(jià)格變動(dòng)率明顯高于-4.9%時(shí)，轉(zhuǎn)換函數(shù)G1=1，滯后一期投機(jī)量的系數(shù)為-0.531。 投機(jī)量滯后一期的影響在0 和-0.531 兩個(gè)狀態(tài)間平滑變化。 斜率參數(shù)=40.4，這表明著兩個(gè)狀態(tài)之間變化比較快。圖2 反應(yīng)了這種狀態(tài)變化。 圖中的豎直參考線對(duì)應(yīng)著定位參數(shù)-4.9%。 期貨價(jià)格的變化率主要分布在-2%和2%之間，對(duì)應(yīng)著的轉(zhuǎn)換函數(shù)G1在0.763 和0.942 之間，對(duì)應(yīng)著投機(jī)量滯后一期的系數(shù)在-0.405 至-0.5 之間。 當(dāng)期貨價(jià)格變化率遠(yuǎn)小于-4.9%時(shí)，對(duì)應(yīng)的轉(zhuǎn)換函數(shù)G1=0，投機(jī)量滯后一期的系數(shù)變?yōu)?。 這意味著，如果當(dāng)期期貨價(jià)格沒有大幅度下降，則投機(jī)度有較強(qiáng)的反向調(diào)整傾向；但是如果當(dāng)期期貨價(jià)格大幅下降， 則投機(jī)度反向調(diào)整的傾向會(huì)被完全抑制。舉例而言，若前期投機(jī)量大幅下降，則當(dāng)期投機(jī)量應(yīng)有所上升，但是如果當(dāng)期價(jià)格大跌，則這種恢復(fù)性的上升不會(huì)發(fā)生。

圖2 轉(zhuǎn)換函數(shù)分布圖

五、結(jié)論與啟示

本文先后運(yùn)用向量自回歸和平滑轉(zhuǎn)換回歸模型， 分析了上海期貨交易所黃金期貨的投機(jī)活動(dòng)與期貨價(jià)格之間的關(guān)系。 實(shí)證結(jié)果表明：(1)期貨價(jià)格上漲（下跌）會(huì)引發(fā)投機(jī)活動(dòng)的增加（減少）。 若投機(jī)者是理性的，那么無(wú)論期貨價(jià)格上漲還是下跌，都有投機(jī)獲益的機(jī)會(huì)，投機(jī)量應(yīng)該不隨價(jià)格變化而變化。 但是本文發(fā)現(xiàn)期貨價(jià)格上升時(shí)投機(jī)量增加， 期貨價(jià)格下降時(shí)投機(jī)量減少。這表明投機(jī)交易是非理性的。(2）前期的投機(jī)量下降會(huì)引起本期的投機(jī)量增加； 而前期的投機(jī)量增加會(huì)引起本期投機(jī)量減少。 簡(jiǎn)言之，本期的投機(jī)活動(dòng)會(huì)對(duì)前期的投機(jī)活動(dòng)做反向調(diào)整。 ③上述調(diào)整的強(qiáng)度跟本期價(jià)格的變化有關(guān)， 本期的價(jià)格升幅越大，這種調(diào)整的強(qiáng)度也越大。

本文提出以下政策建議：

(一)培養(yǎng)機(jī)構(gòu)投資者，提高期貨市場(chǎng)中機(jī)構(gòu)投資者的比例。 美國(guó)和香港期貨市場(chǎng)的高投機(jī)度與其較高的個(gè)人投資者比例有著直接的關(guān)系。 在香港期貨市場(chǎng)， 接近85% 的市場(chǎng)交易是個(gè)人投資者完成的。與之形成對(duì)比的是澳大利亞的悉尼期貨交易所，其95% 交易者是機(jī)構(gòu)投資者，個(gè)人投資者（尤其是業(yè)余的投資者）只占很小的比例。 機(jī)構(gòu)投資者優(yōu)于個(gè)人投資者體現(xiàn)在三個(gè)方面。 首先，機(jī)構(gòu)投資者相對(duì)于業(yè)余投資者更加了解市場(chǎng)風(fēng)險(xiǎn)， 更有能力識(shí)別市場(chǎng)操縱等異常情況， 也更加熟悉市場(chǎng)規(guī)則和法律法規(guī)并以此保護(hù)自己的利益。 其次，機(jī)構(gòu)投資者的資金實(shí)力較個(gè)人投資者更加雄厚，即使出現(xiàn)虧損也能夠承受，個(gè)人投資者往往經(jīng)受不起價(jià)格的意外波動(dòng)而被強(qiáng)制平倉(cāng)。 最后，一般而言機(jī)構(gòu)投資者的交易行為比個(gè)人投資者的交易行為更為穩(wěn)健， 前者套期保值交易多而投機(jī)交易少。 即使機(jī)構(gòu)投資者參與投機(jī)交易，風(fēng)控也比較嚴(yán)格，較少出現(xiàn)意外的巨額虧損。 我國(guó)期貨市場(chǎng)監(jiān)管部門在培養(yǎng)機(jī)構(gòu)投資者方面已經(jīng)有了很大進(jìn)步。 據(jù)《上海證券報(bào)》消息，截至 2020 年 10 月末，中國(guó)期貨市場(chǎng)機(jī)構(gòu)投資者持倉(cāng)量占比超過一半， 資金量占比超過六成。 盡管如此，仍有進(jìn)一步發(fā)展機(jī)構(gòu)投資者的空間。

（二）推出新的期貨品種，完善期貨品種結(jié)構(gòu)。 首先應(yīng)當(dāng)大力培育農(nóng)產(chǎn)品期貨， 為農(nóng)業(yè)企業(yè)提供便利的風(fēng)險(xiǎn)管理手段， 增強(qiáng)農(nóng)業(yè)企業(yè)抵御價(jià)格風(fēng)險(xiǎn)的能力。 目前我國(guó)農(nóng)產(chǎn)品期貨主要集中于幾種最重要糧食作物和棉花等，經(jīng)濟(jì)作物的期貨較為罕見，第一個(gè)活體交割的期貨品種——生豬期貨2021 年1 月8日才上市。 在服務(wù)三農(nóng)、促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展方面，商品期貨有很大的潛力。 其次，隨著我國(guó)金融體制改革不斷推進(jìn)，利率和匯率的波動(dòng)日益擴(kuò)大，利率和匯率風(fēng)險(xiǎn)成為企業(yè)日益關(guān)注的問題。 因此可以適時(shí)推出外匯期貨， 滿足金融機(jī)構(gòu)和進(jìn)出口企業(yè)管理匯率風(fēng)險(xiǎn)的需要。

（三）完善期貨市場(chǎng)監(jiān)管法律法規(guī)，健全監(jiān)督管理機(jī)制。 近年來(lái)期貨市場(chǎng)出現(xiàn)了一些新的變化，給監(jiān)管機(jī)構(gòu)帶來(lái)了新的課題。 首先，期貨市場(chǎng)上出現(xiàn)了編造和傳播虛假信息、通過實(shí)控賬戶操縱期貨價(jià)格、虛假申報(bào)、蠱惑交易等新型違法違規(guī)交易行為。 現(xiàn)有的法規(guī)對(duì)于這些新型違法交易行為的監(jiān)管和處罰在適用性和可操作性上有所不足。 其次，程序化交易和國(guó)外投資者進(jìn)入了期貨市場(chǎng)。 交易所一方面要繼續(xù)做好市場(chǎng)一線監(jiān)管，保證市場(chǎng)穩(wěn)定運(yùn)行，保護(hù)投資者合法權(quán)益。 另外一方面需要不斷去研究新形勢(shì)下市場(chǎng)交易行為的特征以及配套的監(jiān)管手段， 并進(jìn)一步完善自律管理制度。

（四）充分運(yùn)用現(xiàn)代信息技術(shù)，提高監(jiān)管效率和水平。 首先，期貨市場(chǎng)監(jiān)管職能部門應(yīng)當(dāng)利用大數(shù)據(jù)技術(shù)，綜合分析歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，及時(shí)發(fā)現(xiàn)違法違規(guī)交易行為的線索并進(jìn)行查處。 其次，期貨監(jiān)管職能部門應(yīng)當(dāng)與人民銀行、 銀保監(jiān)局以及其他證券監(jiān)管部門實(shí)現(xiàn)數(shù)據(jù)共享，在交易品種、會(huì)員、賬戶各個(gè)層面實(shí)現(xiàn)穿透式監(jiān)管。