股指期貨會(huì)影響現(xiàn)貨市場(chǎng)的波動(dòng)性嗎——基于滬深300期貨合約的研究

談儒勇，盛美娜

(1.上海財(cái)經(jīng)大學(xué)小企業(yè)融資研究中心，上海200433；2.浦東發(fā)展銀行，上海200002)

一、引言

2010年4月16日，首批四個(gè)滬深300股票指數(shù)期貨合約在中國(guó)金融期貨交易所正式掛牌交易。截至目前，滬深300股指期貨的交易已有1年多時(shí)間。我們感興趣的是，它的推出對(duì)于股票現(xiàn)貨市場(chǎng)的波動(dòng)性產(chǎn)生了什么樣的影響？是否起到了價(jià)格發(fā)現(xiàn)、管理風(fēng)險(xiǎn)的作用呢？對(duì)于這一問(wèn)題，主要有兩方對(duì)立的觀點(diǎn):一種觀點(diǎn)認(rèn)為，由于股指期貨具有避險(xiǎn)作用，眾多機(jī)構(gòu)投資者能夠更加大膽地建立股票頭寸，避免因大盤(pán)漲落而導(dǎo)致的大量出貨行為，也就是交易者可以通過(guò)股指期貨套期保值，達(dá)到穩(wěn)定市場(chǎng)的目的；與此同時(shí)，股指期貨能夠提高市場(chǎng)的定價(jià)效率，具有價(jià)格發(fā)現(xiàn)功能，能夠減少現(xiàn)貨市場(chǎng)的投機(jī)性，從而減少股票現(xiàn)貨市場(chǎng)的波動(dòng)性。另一種觀點(diǎn)則認(rèn)為，在股指期貨到期日這天，無(wú)論是股票現(xiàn)貨市場(chǎng)還是股指期貨市場(chǎng)的成交量都會(huì)急劇放大，市場(chǎng)容易發(fā)生震蕩；而且在不夠成熟的股指期貨市場(chǎng)，確實(shí)存在市場(chǎng)操縱情況。如在2006年5月，韓國(guó)就曾發(fā)生過(guò)外國(guó)機(jī)構(gòu)投資者利用資金優(yōu)勢(shì)在股指期貨市場(chǎng)上操縱市場(chǎng)的行為，導(dǎo)致韓國(guó)股市和股指期貨市場(chǎng)連續(xù)暴跌。這兩方的爭(zhēng)論始終沒(méi)有獲得統(tǒng)一的結(jié)果。

到目前為止，股指期貨的推出對(duì)于現(xiàn)貨市場(chǎng)波動(dòng)的影響研究大部分都集中在美國(guó)、日本、英國(guó)市場(chǎng)，對(duì)于新興市場(chǎng)的研究還比較少，針對(duì)滬深300股指期貨的研究就更加屈指可數(shù)了；而且，其中大部分都是研究仿真交易對(duì)于現(xiàn)貨市場(chǎng)的影響，其結(jié)果的參考價(jià)值還有待考量。比如，陳曉杰(2008)基于仿真交易數(shù)據(jù)，通過(guò)計(jì)算滬深300期貨日收益率與指數(shù)日收益率之間的相關(guān)系數(shù)，得出“與香港、臺(tái)灣相比，大陸的股指期貨與現(xiàn)貨之間的關(guān)聯(lián)較弱”的結(jié)論。[1]因此，本文運(yùn)用國(guó)內(nèi)外研究普遍使用的GARCH建模方法，對(duì)滬深300指數(shù)進(jìn)行實(shí)證研究，旨在以事實(shí)來(lái)科學(xué)嚴(yán)謹(jǐn)?shù)胤治鼋獯疬@個(gè)問(wèn)題。

二、文獻(xiàn)綜述

(一)國(guó)外文獻(xiàn)

Pericle和Koutmos(1997)以標(biāo)普500指數(shù)作為研究對(duì)象，以1953年1月2日至1994年9月9日作為樣本區(qū)間，運(yùn)用EGARCH以及EGARCH-M模型，對(duì)股指期貨推出后股票現(xiàn)貨的波動(dòng)性變化進(jìn)行了實(shí)證研究。他們?cè)谀Ｐ椭屑尤肓巳齻€(gè)虛擬變量，分別代表了1987年經(jīng)濟(jì)危機(jī)、實(shí)行浮動(dòng)匯率制度和股指期貨期權(quán)上市，通過(guò)檢驗(yàn)這三個(gè)虛擬變量的系數(shù)和其顯著性，來(lái)判斷這三個(gè)事件對(duì)于股指期貨波動(dòng)性的影響。并且，他們分別對(duì)日收益和周收益進(jìn)行EGARCH建模，得出了一致的結(jié)論:股指現(xiàn)貨和期權(quán)的推出對(duì)于股票現(xiàn)貨的條件方差和非條件方差都沒(méi)有顯著影響。[2]

Antoniou、Holmes和Priestley(1998)以德國(guó)的DAX100、日本的NIKKEI225、西班牙的IBEX35、瑞士的SWISS MI、英國(guó)的FTSE-100和美國(guó)的S&P500為研究對(duì)象，考察了這些國(guó)家在推出股指期貨后，股票現(xiàn)貨的波動(dòng)性是否發(fā)生了變化。樣本區(qū)間是各股指期貨推出的前后3年。他們使用了GJR GARCH(1，1)模型，而且同樣引入了虛擬變量代表股指期貨的推出。研究結(jié)果表明，只有德國(guó)和瑞士的虛擬變量系數(shù)是顯著的并且為負(fù)數(shù)。這說(shuō)明除了德國(guó)和瑞士以外，其余4個(gè)國(guó)家的股指期貨推出對(duì)股票現(xiàn)貨市場(chǎng)的波動(dòng)性沒(méi)有影響。[3]

Robbani和Bhuyan(2005)研究了股指期貨和期權(quán)推出之后標(biāo)的股票波動(dòng)性和交易量的變化。樣本區(qū)間為1996年10月7日至1998年10月6日。他們使用F-檢驗(yàn)比較了引入股指期貨前后道瓊斯工業(yè)平均指數(shù)各成分股日收益方差的變化，發(fā)現(xiàn)30只成分股中有25只股票日收益方差增加，并且在5%的顯著性水平下顯著，得出了道瓊斯工業(yè)平均指數(shù)的波動(dòng)率在股指期貨推出之后顯著增加的結(jié)論。之后，他們使用同樣的方法比較了引入股指期貨前后道瓊斯工業(yè)平均指數(shù)各成分股的日交易量，得出了股指期貨推出之后大多數(shù)成分股的日交易量有所增加的結(jié)論。Robbai和Bhuyan(2005)認(rèn)為，雖然在股指期貨推出之后市場(chǎng)的流動(dòng)性增加了，但是，股指期貨的推出也吸引了許多無(wú)知的非理性投資者，他們帶來(lái)的不穩(wěn)定性增加了股票市場(chǎng)的波動(dòng)性。[4]

Debasish(2009)對(duì)印度NIFTY股指期貨推出后股票現(xiàn)貨的波動(dòng)性進(jìn)行了實(shí)證研究。他使用了1997年4月至2007年4月共558周(推出前206周，推出后352周)的收盤(pán)價(jià)作為樣本數(shù)據(jù)，并使用了6種計(jì)量方法對(duì)波動(dòng)率進(jìn)行計(jì)量；然后對(duì)于這6種計(jì)量方法所獲得的數(shù)據(jù)序列分別進(jìn)行鄒氏檢驗(yàn)，結(jié)果發(fā)現(xiàn)在股指期貨推出之后，波動(dòng)性并沒(méi)有發(fā)生結(jié)構(gòu)性的變化。之后，他又對(duì)股指期貨推出前后兩個(gè)階段分別進(jìn)行了GARCH-M(1，1)建模，以檢驗(yàn)?zāi)Ｐ偷膮?shù)是否發(fā)生了顯著的變化。結(jié)論與之前一致，認(rèn)為股指期貨的推出對(duì)股票現(xiàn)貨市場(chǎng)的波動(dòng)性沒(méi)有顯著影響。[5]

總而言之，國(guó)外推出股指期貨的時(shí)間較早，股指期貨種類繁多，但由于研究的對(duì)象不同、研究樣本的時(shí)間跨度不同以及研究運(yùn)用的方法不同，因此沒(méi)有取得一致性的結(jié)論，以引入股指期貨對(duì)股指波動(dòng)性影響不顯著的文獻(xiàn)居多。

(二)國(guó)內(nèi)文獻(xiàn)

國(guó)內(nèi)學(xué)者的研究主要集中于亞太市場(chǎng)和新興市場(chǎng)，大部分運(yùn)用了ARCH和GARCH模型，有個(gè)別還運(yùn)用了均值分析和面板模型來(lái)衡量股指期貨對(duì)股票現(xiàn)貨市場(chǎng)波動(dòng)性的影響。本文按照研究的主要樣本進(jìn)行了分類，如表1。

表1 國(guó)內(nèi)研究一覽

從表1中可以看到，國(guó)內(nèi)文獻(xiàn)研究最多的是日經(jīng)225指數(shù)，其次是滬深300。在這些研究結(jié)果中，有47%認(rèn)為影響效果不顯著，有40%認(rèn)為股指期貨市場(chǎng)的引入增加了股票現(xiàn)貨市場(chǎng)的波動(dòng)率，只有少數(shù)認(rèn)為股指期貨的引入減少了股票現(xiàn)貨市場(chǎng)的波動(dòng)率。而羅洎和王瑩(2011)把研究樣本分為三個(gè)階段，即上市前、上市初期及穩(wěn)定期，認(rèn)為股指期貨推出初期，期貨市場(chǎng)投機(jī)性較強(qiáng)，滬深300指數(shù)的波動(dòng)性明顯變大；當(dāng)股指期貨交易趨于穩(wěn)定后，投機(jī)交易減少，股指期貨的交易有助于現(xiàn)貨市場(chǎng)的穩(wěn)定。[12]

另外，由于以日經(jīng)225指數(shù)為標(biāo)的的股指期貨先后在新加坡國(guó)際金融交易所(SIMEX)、大阪證券交易所(OSE)和芝加哥商業(yè)交易所(CME)上市，因此，國(guó)內(nèi)學(xué)者就這三次上市對(duì)日經(jīng)225指數(shù)波動(dòng)情況的影響分別做了研究。研究結(jié)果比較相似，均認(rèn)為在國(guó)外上市的股指期貨會(huì)增加指數(shù)標(biāo)的的波動(dòng)性，而在國(guó)內(nèi)上市的股指期貨則會(huì)降低指數(shù)標(biāo)的的波動(dòng)性。在對(duì)滬深300股指期貨的研究中，由于部分研究所使用的是仿真交易的數(shù)據(jù)，因此研究的結(jié)果參考價(jià)值不大。值得一提的是，運(yùn)用EGARCH模型研究的文獻(xiàn)都得出了如下結(jié)論:引入股指期貨以后，股票現(xiàn)貨市場(chǎng)波動(dòng)的非對(duì)稱性②有所增加，主要表現(xiàn)為壞消息對(duì)于市場(chǎng)波動(dòng)性的影響要大于等量的好消息。

三、實(shí)證研究

(一)波動(dòng)性的度量

市場(chǎng)波動(dòng)性是市場(chǎng)價(jià)格對(duì)信息作出反應(yīng)而引起的變化程度，描述了市場(chǎng)的風(fēng)險(xiǎn)程度(肖輝和劉文財(cái)，2006)。[13]本文使用GARCH(p，q)，即廣義自回歸條件異方差模型進(jìn)行度量。

經(jīng)典的經(jīng)濟(jì)計(jì)量模型假設(shè)方差是常數(shù)，在統(tǒng)計(jì)學(xué)上，這被稱為同方差；如果違背了這一假設(shè)，模型對(duì)結(jié)果的解釋就不再準(zhǔn)確。但是在很多實(shí)證研究中，發(fā)現(xiàn)這個(gè)假設(shè)不合乎現(xiàn)實(shí)，金融時(shí)間序列基本上都具有尖峰厚尾、時(shí)變方差特征。

Bollerslev(1986)提出了廣義自回歸條件異方差模型，認(rèn)為資產(chǎn)收益率具有波動(dòng)性的聚類性(volatility clustering)，即波動(dòng)性不僅隨時(shí)間變化，而且總是在某一時(shí)間段中連續(xù)出現(xiàn)偏高或偏低的現(xiàn)象，也就是波動(dòng)性顯示出序列相關(guān)的特征。[14]大量實(shí)證研究表明，GARCH類模型能較好地度量金融時(shí)間序列波動(dòng)性的聚類性和時(shí)變性，適用于對(duì)金融時(shí)間序列波動(dòng)性的建模。在文獻(xiàn)綜述中也可以看到，無(wú)論是國(guó)內(nèi)還是國(guó)外，對(duì)于這一課題的研究絕大多數(shù)都使用了GARCH模型以及它的擴(kuò)展形式來(lái)度量股票市場(chǎng)的波動(dòng)率。因此，本文也選用GARCH(p，q)建模來(lái)進(jìn)行研究，并在此基礎(chǔ)上加入了虛擬變量，通過(guò)估計(jì)虛擬變量的系數(shù)來(lái)觀察波動(dòng)性的變化。

(二)樣本數(shù)據(jù)選取和數(shù)據(jù)說(shuō)明

1.數(shù)據(jù)預(yù)處理

國(guó)外研究大都采用10年以上的數(shù)據(jù)。因?yàn)槭褂玫臄?shù)據(jù)越多，模型就越接近市場(chǎng)的實(shí)際狀況。由于滬深300指數(shù)成立不久，本文選取其成立時(shí)間2005年4月8日至2011年2月23日的滬深300指數(shù)收盤(pán)價(jià)Ct作為原始數(shù)據(jù)，共計(jì)1428個(gè)。選擇收盤(pán)價(jià)是因?yàn)榈朗侠碚撜J(rèn)為收盤(pán)價(jià)是最重要的價(jià)格，這一價(jià)格反映了市場(chǎng)的大部分行為。滬深300指數(shù)收益率計(jì)算公式為:

Rt=lnCt-lnCt-1

2.樣本數(shù)據(jù)描述性統(tǒng)計(jì)

使用Eviews 3.1，獲得滬深300指數(shù)收益率數(shù)據(jù)的描述性統(tǒng)計(jì)結(jié)果，如圖1所示。

柱狀圖描述了滬深300指數(shù)日收益率1427個(gè)數(shù)據(jù)在各區(qū)間的分布情況。由右表中的數(shù)據(jù)可知，序列Rt的偏度(skewness)為-0.435＜0，峰度(kurtosis)為5.220＞3。與標(biāo)準(zhǔn)正態(tài)分布相比，序列Rt具有左偏、尖峰和厚尾的特征。同時(shí)，Jarque-Bera統(tǒng)計(jì)量的數(shù)值非常大，為338.110；從P值來(lái)看，拒絕了序列Rt服從正態(tài)分布的假設(shè)。這符合Engle(1982)所提出的大多數(shù)金融時(shí)間序列并不符合正態(tài)分布的觀點(diǎn)。[15]

(三)實(shí)證檢驗(yàn)

1.單位根檢驗(yàn)

在建立金融模型之前，首先要求相應(yīng)的數(shù)據(jù)序列是平穩(wěn)的。單位根檢驗(yàn)主要用來(lái)判斷時(shí)間序列的平穩(wěn)性。本文使用ADF單位根檢驗(yàn)方法。在ADF檢驗(yàn)中，會(huì)生成一個(gè)ADF檢驗(yàn)統(tǒng)計(jì)量。如果ADF檢驗(yàn)統(tǒng)計(jì)量小于給定的顯著性水平的臨界值，那么可以在該顯著性水平上認(rèn)為樣本序列沒(méi)有單位根，也就是平穩(wěn)的；反之，則認(rèn)為樣本序列有單位根，即不平穩(wěn)的。在不平穩(wěn)的情況下，需對(duì)樣本序列進(jìn)行差分處理，使其達(dá)到平穩(wěn)。用Eviews 3.1對(duì)滬深300指數(shù)收益率序列進(jìn)行ADF檢驗(yàn)的結(jié)果如表2所示。

表2 單位根檢驗(yàn)

從表2中可以看到，ADF檢驗(yàn)統(tǒng)計(jì)量的值為-15.56。表2中有三個(gè)不同顯著性水平的臨界值。結(jié)果表明，ADF檢驗(yàn)統(tǒng)計(jì)量的值小于這三個(gè)臨界值，也就是有99%的把握認(rèn)為滬深300指數(shù)收益率序列沒(méi)有單位根，也就是平穩(wěn)的，可以對(duì)其進(jìn)行ARMA-GARCH建模。

2.ARMA-GARCH建模

第一步，使用Eviews中的Correlogram功能查看滬深300指數(shù)收益率序列各滯后期的自相關(guān)系數(shù)ACF和偏自相關(guān)系數(shù)PACF，以確定之后要建模的ARMA模型的階數(shù)。從獲得的結(jié)果來(lái)看，ACF和PACF值的絕對(duì)值都不大，各階之間也相差不大，因此不能明確判定哪幾階存在自相關(guān)或者偏自相關(guān)。③所以，本文選擇了1-5階分別進(jìn)行ARMA建模，發(fā)現(xiàn)4階及以上的ARMA模型參數(shù)不好，也就是模型解釋能力不強(qiáng)。因此，本文選擇ARMA(p，q)建模。

第二步，運(yùn)用AIC和SC準(zhǔn)則，找到最合適建模的p，q值，也就是說(shuō)，取p，q∈[0，3]，對(duì)滬深300指數(shù)收益率序列建立ARMA(p，q)模型，共15個(gè)。④選擇模型中AIC和SC值最小的進(jìn)行實(shí)證研究。一般情況下，AIC和SC值越小，說(shuō)明模型越適合。這15個(gè)模型的AIC和SC值如表3所示。

表3 各模型的AIC和SC值

由AIC和SC準(zhǔn)則可知ARMA(2，2)模型和ARMA(3，3)模型比較好:它們的AIC和SC值都相對(duì)較小。但是這兩個(gè)模型的AIC準(zhǔn)則和SC準(zhǔn)則結(jié)論不統(tǒng)一:AIC準(zhǔn)則認(rèn)為ar(3)ma(3)模型較好，而SC準(zhǔn)則卻認(rèn)為ar(2)ma(2)模型較好。再來(lái)看這兩個(gè)模型的參數(shù):由于在做ARMA回歸時(shí)發(fā)現(xiàn)常數(shù)項(xiàng)的系數(shù)都不顯著，所以模型中都去掉了常數(shù)項(xiàng)。

從表4和表5中可以看到，ARMA(2，2)模型所有解釋變量的系數(shù)都是顯著的，而ARMA(3，3)中有部分解釋變量的系數(shù)不顯著。因此，可以認(rèn)為ARMA(2，2)更適合ARMA-GARCH模型的建模。對(duì)ARMA(2，2)模型的殘差進(jìn)行自相關(guān)檢驗(yàn)，結(jié)果顯示AC和PAC的值都顯著趨于0，說(shuō)明ARMA(2，2)模型的殘差序列不存在自相關(guān)，是白噪聲序列，模型較好。如果殘差序列不是白噪聲序列，則需進(jìn)一步改進(jìn)模型。

第三步，檢驗(yàn)ARMA模型殘差序列的ARCH效應(yīng)，也就是它的殘差序列是不是具有波動(dòng)的聚類性。通過(guò)ARCH-LM檢驗(yàn)可以判斷殘差序列的ARCH效應(yīng)。如果ARCH-LM檢驗(yàn)的滯后階數(shù)足夠大，并且檢驗(yàn)結(jié)果依然顯著，那么說(shuō)明模型殘差序列具有高階ARCH效應(yīng)，此時(shí)可以建立GARCH模型。

滯后8階的ARCH-LM檢驗(yàn)結(jié)果如下:F-統(tǒng)計(jì)量為11.98793，F(xiàn)-統(tǒng)計(jì)量的對(duì)應(yīng)P值為0。ARCH-LM檢驗(yàn)結(jié)果的P值為0，可以拒絕不存在ARCH效應(yīng)的原假設(shè)，說(shuō)明ARMA(2，2)模型的殘差序列存在高階ARCH效應(yīng)，因此適合建立GARCH模型。

表4 ARMA(2，2)模型參數(shù)

表5 ARMA(3，3)模型參數(shù)

第四步，建立合適的ARMA(2，2)-GARCH(m，n)模型。本文選用不同階數(shù)進(jìn)行GARCH建模，結(jié)果見(jiàn)表6。

表6 GARCH模型的選擇

綜合考慮AIC、SC準(zhǔn)則和Durbin-Waston統(tǒng)計(jì)量，GARCH(1，1)模型的AIC和SC值都較小，DW值接近2，因此本文認(rèn)為GARCH(1，1)模型最優(yōu)。本文選擇ARMA(2，2)-GARCH(1，1)模型來(lái)分析股指期貨的推出對(duì)于滬深300股票現(xiàn)貨波動(dòng)性的影響。ARMA(2，2)-GARCH(1，1)模型參數(shù)如表7所示。

表7 ARMA(2，2)-GARCH(1，1)模型估計(jì)結(jié)果

第五步，檢驗(yàn)ARMA(2，2)-GARCH(1，1)模型是否已經(jīng)消除序列存在的ARCH效應(yīng)。這一階段的ARCH效應(yīng)檢驗(yàn)依舊使用ARCH-LM模型。如果殘差不再有ARCH效應(yīng)，則說(shuō)明殘差里的信息已經(jīng)提取干凈。對(duì)ARMA(2，2)-GARCH(1，1)模型的殘差序列分別進(jìn)行1階和8階ARCH-LM檢驗(yàn)。1階ARCH-LM檢驗(yàn)結(jié)果如下:F-統(tǒng)計(jì)量為0.0134，F(xiàn)-統(tǒng)計(jì)量對(duì)應(yīng)的P值為0.9077；8階ARCH-LM檢驗(yàn)結(jié)果如下:F-統(tǒng)計(jì)量為0.143，F(xiàn)-統(tǒng)計(jì)量對(duì)應(yīng)的P值為0.9971。

從ARCH-LM檢驗(yàn)的P值看，無(wú)論是1階還是8階，都大于0.9，說(shuō)明不能拒絕不存在ARCH效應(yīng)的原假設(shè)。這進(jìn)一步證明了ARMA(2，2)-GARCH(1，1)模型消除了殘差的ARCH效應(yīng)，方差方程的估計(jì)是正確的，模型具有較強(qiáng)的解釋能力。

第六步，用ARMA(2，2)-GARCH(1，1)模型檢驗(yàn)股指期貨的推出對(duì)于滬深300股票現(xiàn)貨波動(dòng)性的影響。本文采用在ARMA(2，2)-GARCH(1，1)模型中引入虛擬變量D1的方法，來(lái)檢驗(yàn)股指期貨的推出對(duì)于滬深300股票現(xiàn)貨波動(dòng)性的影響。

加入虛擬變量后，模型結(jié)果如表8所示。

表8 加入虛擬變量后的模型結(jié)果

從ARMA(2，2)-GARCH(1，1)模型的參數(shù)中可以看到，D1的系數(shù)為正，說(shuō)明股指期貨的推出加劇了滬深300股票現(xiàn)貨的波動(dòng)性。但也同時(shí)發(fā)現(xiàn)D1系數(shù)的P值為0.397，并不顯著，而且虛擬變量D1的系數(shù)非常小，這進(jìn)一步說(shuō)明股指期貨的推出對(duì)于滬深300股票現(xiàn)貨的影響并不大。

(四)進(jìn)一步討論

股指期貨推出前后，針對(duì)股指期貨的推出是否會(huì)增加股票現(xiàn)貨市場(chǎng)的波動(dòng)性這一問(wèn)題，許多學(xué)者和投資者都有過(guò)激烈的討論。對(duì)股指期貨的詬病主要集中在三個(gè)方面:第一，股指期貨的推出會(huì)使得股票市場(chǎng)的大量資金轉(zhuǎn)移到股指期貨市場(chǎng)，從而導(dǎo)致股票市場(chǎng)的大幅波動(dòng)；第二，股指期貨推出后，套利行為和投機(jī)行為將增多。股指期貨的雙向交易性質(zhì)會(huì)使得一些資金實(shí)力雄厚的投資者蓄意操縱股票現(xiàn)貨市場(chǎng)，以在期貨市場(chǎng)獲得杠桿收益。這將增加市場(chǎng)的不穩(wěn)定因素，從而增加股票市場(chǎng)的波動(dòng)性。第三，由于股指期貨的開(kāi)盤(pán)早于股票現(xiàn)貨市場(chǎng)，因此其具有引導(dǎo)股票現(xiàn)貨市場(chǎng)價(jià)格的作用；如果期貨市場(chǎng)價(jià)格下跌，很容易引起投資者恐慌，造成拋售，使股票現(xiàn)貨大跌。然而，本文的研究結(jié)果表明以上觀點(diǎn)均站不住腳。

首先，由圖2可知，在股指期貨引入后，滬深300成分股的總成交額雖然略為下降，但并沒(méi)有發(fā)生太大變化，與股指期貨合約成交額的大幅提升形成鮮明對(duì)比。而且在這之后的一段時(shí)間內(nèi)，股指期貨和股票現(xiàn)貨成交額的變化趨于一致，并沒(méi)有此消彼長(zhǎng)的態(tài)勢(shì)，這充分說(shuō)明股指期貨的引入的確吸引了大量資金，但是這部分資金并非從股票現(xiàn)貨市場(chǎng)轉(zhuǎn)移而來(lái)。

其次，在引入股指期貨后，滬深300在三個(gè)月內(nèi)跌去了近千點(diǎn)，這很容易讓人把股指期貨的引入當(dāng)成指數(shù)大跌的“元兇”。但是本文的實(shí)證研究證明，這兩者之間并沒(méi)有必然的聯(lián)系，股指波動(dòng)的原因有許多，從這個(gè)角度看，股指期貨有點(diǎn)“生不逢時(shí)”。

最后，盡管本文沒(méi)有研究股指期貨對(duì)現(xiàn)貨的引領(lǐng)作用，但是本文的結(jié)論說(shuō)明，即使存在這樣的作用也不明顯。

四、結(jié)論

本文的研究表明，股指期貨的推出對(duì)于滬深300股票現(xiàn)貨市場(chǎng)的波動(dòng)性影響并不顯著。

可以說(shuō)，本文的研究結(jié)果在一定程度上洗脫了一些人強(qiáng)加于股指期貨身上的數(shù)宗罪名。但是本文的結(jié)論也同樣表明，股指期貨的引入并未能降低股票市場(chǎng)的波動(dòng)性。許多研究認(rèn)為股指期貨的推出能夠帶來(lái)更多具有信息優(yōu)勢(shì)的機(jī)構(gòu)投資者，優(yōu)化投資者隊(duì)伍，使得市場(chǎng)效率更高，波動(dòng)性減小。從本文的研究結(jié)果來(lái)看，這一效果并沒(méi)有發(fā)揮出來(lái)。當(dāng)然，這也可能是由于本文所選取的樣本數(shù)據(jù)屬于股指期貨推出之后的部分(不到1年)，這一效果在短期之內(nèi)還沒(méi)有產(chǎn)生。因此，建議后續(xù)研究可以等到4年之后，也就是滬深300指數(shù)推出10年后，屆時(shí)股指期貨推出前后的樣本數(shù)據(jù)量就會(huì)差不多，如此的研究應(yīng)該能夠得到更具說(shuō)服力的結(jié)論。

總之，短期看，股指期貨的推出并沒(méi)有對(duì)股票現(xiàn)貨市場(chǎng)的波動(dòng)性造成顯著影響。而長(zhǎng)期看，股指期貨可能會(huì)降低股票現(xiàn)貨市場(chǎng)的波動(dòng)性。不過(guò)，這一結(jié)論有待后續(xù)研究的證實(shí)。

注釋:

①以日經(jīng)225指數(shù)為標(biāo)的的股指期貨先后在新加坡國(guó)際金融交易所(SIMEX)、大阪證券交易所(OSE)和芝加哥商業(yè)交易所(CME)上市，因此學(xué)者們對(duì)這三次不同地點(diǎn)的上市分別進(jìn)行了研究。

②波動(dòng)的非對(duì)稱性是指當(dāng)利空消息出現(xiàn)時(shí)，即預(yù)期股票收益會(huì)下降時(shí)，波動(dòng)趨向于增大；而當(dāng)利好消息出現(xiàn)時(shí)，即預(yù)期股票收益會(huì)上升時(shí)，波動(dòng)趨向于減小。

③如果ACF和PACF絕對(duì)值顯著不為零，則認(rèn)為存在該階自相關(guān)或者偏自相關(guān)。

④0至3有4個(gè)數(shù)字，所以是4×4，但是ar(0)ma(0)不用考慮，因此4×4-1=15。

[1]陳曉杰.滬深300股指期貨仿真交易價(jià)格風(fēng)險(xiǎn)實(shí)證研究[J].當(dāng)代財(cái)經(jīng)，2008，(8):61-67.

[2]Pericli Andreas，Gregory Koutmos.Index Futures and Options and Stock Market Volatility[J].Journal of Futures Markets,1997,17:957-974.

[3]Antonios Antoniou,Phil Holmes，Richard Priestley.The Effect of Stock Index Futures Trading on Stock Index Volatility:An Analysis of the Asymmetric Response of Volatility to News[J].Journal of Futures Markets,1998,18:151-166.

[4]Mohammad G.Robbani,Rafiqul Bhuyan.Introduction of Futures and Options on a Stock Index and their Impact on the Trading Volume and Volatility:Empirical Evidence from the DJIA Components[J].Derivatives Use,Trading&Regulation,2005,11(3):246-260.

[5]Debasish Sathya Swaroop.Effect of Futures Trading on Spot-price Volatility:Evidence for NSE Nifty Using GARCH[J].The Journal of Risk Finance,2009，(1):67-77.

[6]李華，程婧.股指期貨推出對(duì)股票市場(chǎng)波動(dòng)性的影響研究——來(lái)自日本的實(shí)證分析[J].金融與經(jīng)濟(jì)，2006，(2):81-83.

[7]彭珍.我國(guó)股指期貨推出對(duì)股票市場(chǎng)的影響[D].對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)碩士學(xué)位論文，2007.

[8]劉鳳根，王曉芳.股指期貨與股票市場(chǎng)波動(dòng)性關(guān)系的實(shí)證研究[J].財(cái)貿(mào)研究，2008，(2):86-94.

[9]徐珊.股指期貨對(duì)股票價(jià)格指數(shù)波動(dòng)性影響——對(duì)日經(jīng)225指數(shù)的實(shí)證分析[J].中國(guó)證券期貨，2009，(4):7-10.

[10]黃永興，徐鵬.股指期貨對(duì)股票指數(shù)波動(dòng)性的影響——基于滬深300股指期貨仿真交易的計(jì)量檢驗(yàn)[J].安徽工業(yè)大學(xué)學(xué)報(bào)，2010，(4):427-432.

[11]王斌，徐晟.股指期貨對(duì)我國(guó)股票市場(chǎng)波動(dòng)性影響的實(shí)證分析[J].中國(guó)證券期貨，2010，(8):10-12.

[12]羅洎，王瑩.股指期貨對(duì)證券市場(chǎng)波動(dòng)性和流動(dòng)性的影響——基于中國(guó)市場(chǎng)的經(jīng)驗(yàn)研究[J].宏觀經(jīng)濟(jì)研究，2011，(6):55-61

[13]肖輝，劉文財(cái).股票指數(shù)現(xiàn)貨市場(chǎng)與期貨市場(chǎng)關(guān)系研究[M].中國(guó)金融出版社，2006.

[14]Bollerslev T..Generalized Autoregressive Conditional Heteroskedasticity[J].Journal of Econometrics,1986,31:307-327.

[15]Engle Robert F..Autoregressive Contidional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation[J].Econometrica,1982,50:987-1008.