股指期貨與現(xiàn)貨市場的相關性研究

賈存睿 王永茂

摘 要：文章以滬深300股指期貨與滬深300指數(shù)的交易數(shù)據(jù)為實證數(shù)據(jù)，分別建立引入虛擬變量和股指期貨交易數(shù)據(jù)的GARCH模型，從宏觀和微觀上探究股指期貨與現(xiàn)貨市場的相關性。結果顯示，在宏觀上股指期貨具有穩(wěn)定現(xiàn)貨市場波動性的作用，在微觀上既存在加劇作用，也存在抑制作用。

關鍵詞： 股指期貨;GARCH模型;虛擬變量

中圖分類號：F832.5 文獻標識碼：A 文章編號：1005-6432（2022）02-0042-03

DOI：10.13939/j.cnki.zgsc.2022.02.042

1 引言

2010年4月16日，我國滬深300股指期貨合約推出并參與上市交易。股指期貨的杠桿效應和T+0交易制度等帶來的好處，使得市場的投機氛圍更加濃厚。然而，2010年和2015年股市均出現(xiàn)大幅度下跌波動，這讓人們不禁懷疑股指期貨對現(xiàn)貨市場的穩(wěn)定作用。因此，對股指期貨與現(xiàn)貨市場相關性的研究，對我國股指期貨和現(xiàn)貨市場的發(fā)展有重要意義。

2 模型介紹

金融數(shù)據(jù)序列一般具有明顯的波動集群效應，序列存在異方差性。GARCH模型能夠很好地擬合具有異方差性的序列，GARCH（p， q）模型結構如下：

3 實證研究

3.1 數(shù)據(jù)選取

以中金所出臺臨時管制、第一次解限、第三次解限以及第四次解限政策作為時間節(jié)點，探究政策實施后滬深300股指期貨與滬深300指數(shù)的相關性。第一階段從2014年4月4日至2017年2月16日，共698個有效交易日;第二階段從2015年9月7日至2018年11月30日，共788個有效交易日;第三階段和第四階段均從2017年2月17日至2020年4月22日，共776個有效交易日。由于第三次解限至第四次解限間隔較短，故本文延長第四階段的時間區(qū)間。數(shù)據(jù)來源于交易軟件JoinQuant，分析軟件為Eviews 10.0。

表1顯示，收益率序列的均值先減小后增大，而方差持續(xù)減小，說明政策的實施降低了現(xiàn)貨市場的波動性，穩(wěn)定了現(xiàn)貨市場。偏度和峰度的檢驗結果顯示，各序列均為左偏，且峰度值大于3，序列存在“尖峰厚尾”現(xiàn)象。J-B檢驗表明各序列均呈非正態(tài)分布。描述性統(tǒng)計結果表明，各收益率序列呈現(xiàn)出尖峰厚尾的波動聚集特性，即存在ARCH效應。

3.2 平穩(wěn)性檢驗

本文采用ADF檢驗序列的平穩(wěn)性，結果如表2所示。

表2中，在1%、5%、10%的顯著性水平下，各序列的t統(tǒng)計量值均小于臨界值，因此拒絕存在單位根的原假設，認為各序列均平穩(wěn)。

3.3 ARCH效應檢驗

描述性統(tǒng)計顯示收益率序列具有波動聚集特性，序列可能存在異方差性。因此，采用ARCH檢驗進一步驗證序列是否存在異方差性，檢驗結果如表3所示。

Heteroskedasticity檢驗結果顯示，在5%的顯著性水平下，兩個序列的 F統(tǒng)計量值均比各自的臨界值大，因此不能接受無異方差的原假設，認為序列具有ARCH效應，可建立GARCH族模型。

3.4 引入虛擬變量的GARCH模型

GARCH（1， 1）模型在建立金融時間序列具有良好的特性，故本文均采用GARCH（1， 1）模型。帶有虛擬變量D的GARCH模型的條件方差方程如下：

其中，Dt=0，政策變動前1，政策變動后，β≥0，γ≥0，β+γ<1。

表4中，臨時管制序列的λ 為負，表示臨時管制政策的實施輕微地減弱了現(xiàn)貨市場的波動性，股災對現(xiàn)貨市場的影響逐漸減小，而第一次解限、第三次解限和第四次解限序列的λ 為正，表示解限政策的實施輕微地增強了現(xiàn)貨市場的波動。整體而言，四次政策變化的λ值均較小，說明股指期貨市場對現(xiàn)貨市場的波動性影響較小。

3.5 引入股指期貨交易數(shù)據(jù)的GARCH模型

虛擬變量D的系數(shù)λ能夠從宏觀上指示股指期貨對現(xiàn)貨市場波動性的影響，卻不能從微觀上做出指示。股指期貨的交易量和持倉量是反映其交易狀況和活躍程度的重要指標，因此本文決定將股指期貨的交易量和持倉量作為代理變量，從微觀上研究股指期貨對現(xiàn)貨市場的波動性影響。帶有股指期貨交易量和持倉量的GARCH模型的條件方差方程如下：

其中，β≥0，γ≥0，β+γ<1，條件方差方程中Svol表示標準化的股指期貨交易量，Soi表示標準化的期貨持倉量。

政策實施后，股指期貨交易量Svol的系數(shù)ρ均為正值，而持倉量Soi的系數(shù)σ均為負值。這表示在政策實施后，交易量增強了現(xiàn)貨市場的波動，而持倉量減弱了現(xiàn)貨市場的波動，兩者對現(xiàn)貨市場產(chǎn)生了相反的波動影響。在數(shù)值大小上，交易量較持倉量更大，波動性影響更為明顯。綜上所述，在微觀上股指期貨對現(xiàn)貨市場的波動性存在加劇和抑制雙重作用。詳見表5。

4 結論

本文建立了引入外生變量的GARCH模型，從宏觀和微觀上探究股指期貨與現(xiàn)貨市場的相關性。結果表明：其一，股指期貨在宏觀上具有穩(wěn)定和增強現(xiàn)貨市場的作用;其二，股指期貨在微觀上對現(xiàn)貨市場的波動性既存在加劇作用，也存在抑制作用。在中國金融市場日益成熟的今天，希望監(jiān)管者能進一步加強期貨市場的風險管理，完善金融市場服務和工具，構建穩(wěn)定的金融市場，為廣大投資者提供良好的投資環(huán)境。

參考文獻：

[1]邢天才，張閣.股指期貨的推出對現(xiàn)貨市場影響的實證研究——基于新華富時A50數(shù)據(jù)的分析[J].財經(jīng)問題研究， 2009（7）：83-88.

[2]周顯文，譚小芳.股指期貨對股票現(xiàn)貨市場影響的實證研究[J].統(tǒng)計與決策， 2013（7）：156-161.

[3]李敏波，李超.股指期貨交易對A股市場波動性的影響[J].金融市場，2014， 21（4）：62-65.

[4]王志敏，葛騰飛，彭亞寧，等.滬深300股指與股指期貨相關性研究——基于GARCH模型的實證分析[J].遼寧工程技術大學學報（社會科學版）， 2015， 17（1）： 41-45.

[5]劉光彥，紀偉，鄭慧.滬深300股指期貨對現(xiàn)貨市場波動的影響[J]. 山東工商學院學報，2017，31（3）： 80-90.

[作者簡介]賈存睿（1995—），男，漢族，甘肅白銀人，就讀于燕山大學理學院，研究方向：股指期貨與現(xiàn)貨市場的相關性;王永茂（1958—），男，漢族，河北秦皇島人，燕山大學理學院教授，研究方向：保險精算及金融風險控制 。

3014501186578