我國(guó)股指期貨對(duì)股票市場(chǎng)波動(dòng)性的影響研究

陳 茜，董晟宏

(1.東南大學(xué)經(jīng)濟(jì)管理學(xué)院，南京 211189； 2.南京師范大學(xué)附屬中學(xué)，南京 210003)

?

我國(guó)股指期貨對(duì)股票市場(chǎng)波動(dòng)性的影響研究

陳 茜1，董晟宏2

(1.東南大學(xué)經(jīng)濟(jì)管理學(xué)院，南京 211189； 2.南京師范大學(xué)附屬中學(xué)，南京 210003)

本文采用2010年4月16日—2015年10月16日滬深300指數(shù)和滬深300股指期貨數(shù)據(jù)，運(yùn)用加入了虛擬變量的GARCH模型和VAR模型，對(duì)股指期貨和股票市場(chǎng)波動(dòng)性的關(guān)系進(jìn)行動(dòng)態(tài)計(jì)量分析。結(jié)果表明:股指期貨確實(shí)會(huì)加大現(xiàn)貨市場(chǎng)的波動(dòng)，股指期貨是股票市場(chǎng)波動(dòng)的Granger原因，并且在短期內(nèi)會(huì)使得股票市場(chǎng)有一個(gè)較大的波動(dòng)，但從長(zhǎng)期來(lái)看，這種波動(dòng)趨勢(shì)逐漸減弱并最終趨向于零。

滬深300指數(shù)；滬深300股指期貨；波動(dòng)性

我國(guó)股市在2014年年初開(kāi)始回暖并逐步攀升，最終于2015年6月12日達(dá)到了5 178點(diǎn)的最高峰。但此后股市便開(kāi)始了幾輪大跌，并于2015年8月26日達(dá)到了2 850點(diǎn)的最低點(diǎn)。短短兩個(gè)半月的時(shí)間，股市就跌了接近一半，投資者損失慘重。部分專家認(rèn)為股指期貨特殊的做空機(jī)制和杠桿效應(yīng)造成了股指大跌。中國(guó)金融期貨交易所也在2015年8月25日—2015年9月7日期間，出臺(tái)了一系列措施，從提高保證金、手續(xù)費(fèi)等方面對(duì)股指期貨進(jìn)行了限制。那么，自此之后的股市是否就相對(duì)穩(wěn)定了呢？股災(zāi)的罪魁禍?zhǔn)资欠裾娴氖枪芍钙谪浤?？股指期貨與股票指數(shù)的關(guān)系到底是怎樣的呢？

我國(guó)滬深300股票指數(shù)于2005年4月8日正式發(fā)布，它是以從上海證券交易市場(chǎng)和深圳證券交易市場(chǎng)中選取的300只有代表性的股票為標(biāo)準(zhǔn)編制的，這300只股票大約覆蓋了我國(guó)滬深市場(chǎng)七成左右的市值。因此滬深300指數(shù)具有良好的代表性，可以反映我國(guó)股票市場(chǎng)的波動(dòng)情況，也有人稱它為反映滬深兩個(gè)市場(chǎng)整體走勢(shì)的“晴雨表”。滬深300股指期貨是由中國(guó)金融期貨交易所推出的金融衍生工具，它以滬深300股票指數(shù)為標(biāo)的，經(jīng)過(guò)3年的模擬交易，最終于2010年4月16日正式上市。股指期貨是股票與期貨結(jié)合的產(chǎn)物，因而，同時(shí)具備了二者的特點(diǎn)。

一般認(rèn)為股指期貨對(duì)于股票市場(chǎng)的影響有雙面性:一方面，股指期貨的特點(diǎn)之一就是具有較強(qiáng)的杠桿性。期貨的保證金制度，體現(xiàn)了股指期貨以小博大的杠桿作用，會(huì)進(jìn)一步放大參與者的投資風(fēng)險(xiǎn)，從而加劇市場(chǎng)波動(dòng)。另一方面，作為金融衍生品股指期貨的主要功能之一就是套期保值。投資者可以根據(jù)期貨市場(chǎng)和現(xiàn)貨市場(chǎng)的高度相關(guān)性，構(gòu)建相應(yīng)的套保組合，使得股票市場(chǎng)和股指期貨市場(chǎng)上的收益與損失相互抵消，從而在很大程度上規(guī)避市場(chǎng)風(fēng)險(xiǎn)，保證市場(chǎng)穩(wěn)定。由于股指期貨的這種兩面性，在現(xiàn)實(shí)的股票市場(chǎng)中股指期貨究竟是提升還是控制了市場(chǎng)波動(dòng)，確實(shí)需要更多的實(shí)證研究。

1 相關(guān)文獻(xiàn)綜述

學(xué)術(shù)界很早就開(kāi)始研究股指期貨與股票市場(chǎng)的關(guān)系，研究結(jié)論可以分成三類。一些學(xué)者認(rèn)為股指期貨增加了股票市場(chǎng)的波動(dòng)，而另一些學(xué)者則相信股指期貨控制了股票市場(chǎng)的波動(dòng)，最后一部分學(xué)者則指出股指期貨與股票市場(chǎng)的波動(dòng)沒(méi)有關(guān)系。

1.1 國(guó)外文獻(xiàn)綜述

國(guó)外學(xué)者對(duì)股指期貨和股票市場(chǎng)波動(dòng)性關(guān)系的研究開(kāi)展較早。Lee和Ohk(1992)對(duì)香港恒生指數(shù)和恒生指數(shù)期貨進(jìn)行分析后，發(fā)現(xiàn)股指期貨在一定程度上維持了現(xiàn)貨市場(chǎng)的穩(wěn)定。Bessembinder和Seguin(1992)運(yùn)用自回歸分布滯后模型對(duì)標(biāo)準(zhǔn)普爾500指數(shù)的現(xiàn)貨與期貨的交易量等數(shù)據(jù)進(jìn)行研究，發(fā)現(xiàn)股指期貨顯著降低了股票市場(chǎng)的波動(dòng)性。Gulen等(2000)選取了不同的樣本國(guó)家，對(duì)其金融市場(chǎng)推出股指期貨前后的數(shù)據(jù)進(jìn)行比較分析后發(fā)現(xiàn)，在推出股指期貨后，只有美國(guó)和日本的股票市場(chǎng)會(huì)出現(xiàn)波動(dòng)率加大的現(xiàn)象，并沒(méi)有發(fā)現(xiàn)其他國(guó)家股票市場(chǎng)的波動(dòng)與股指期貨有任何關(guān)系。Pilar等(2004)對(duì)西班牙股票市場(chǎng)引入股指期貨后的波動(dòng)性進(jìn)行研究，結(jié)果表明股指期貨的引入顯著降低了西班牙股票現(xiàn)貨市場(chǎng)的波動(dòng)性。Charles等(2006)對(duì)1978年—1995年間，世界股指期貨市場(chǎng)上的12種股票指數(shù)期貨與其標(biāo)的股票指數(shù)波動(dòng)性之間的關(guān)系進(jìn)行研究。他們發(fā)現(xiàn)引入股指期貨后，大部分股票指數(shù)的波動(dòng)性保持不變，只有極少數(shù)股票指數(shù)的波動(dòng)性加大了。

1.2 國(guó)內(nèi)文獻(xiàn)綜述

我國(guó)對(duì)于股指期貨和股票指數(shù)關(guān)系的研究開(kāi)始較晚。我國(guó)直至2010年4月才推出第一支股指期貨——滬深300股指期貨，在此之前國(guó)內(nèi)學(xué)者大都是以國(guó)外證券市場(chǎng)為對(duì)象，探究股指期貨與股票指數(shù)變動(dòng)的關(guān)系。李華和程婧(2006)以日本市場(chǎng)為例，分析了股票指數(shù)期貨發(fā)行對(duì)于日經(jīng)225股指波動(dòng)性的影響，結(jié)果表明股指期貨的引入并未對(duì)日本股票市場(chǎng)波動(dòng)性產(chǎn)生顯著影響。劉鳳根、王曉芳(2008)運(yùn)用GARCH模型對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行建模，分別分析了日本的N 225指數(shù)期貨、韓國(guó)KOSPI200指數(shù)期貨和我國(guó)臺(tái)灣證交所加權(quán)指數(shù)(TWSE)期貨對(duì)相應(yīng)股市波動(dòng)性的影響。他們發(fā)現(xiàn)股指期貨的推出，并未影響臺(tái)灣股票市場(chǎng)的波動(dòng)性，但卻導(dǎo)致日本和韓國(guó)股票市場(chǎng)的波動(dòng)性加劇，不過(guò)股票市場(chǎng)波動(dòng)加劇的現(xiàn)象僅是暫時(shí)的，在長(zhǎng)期市場(chǎng)仍會(huì)趨于穩(wěn)定。邢天才、張閣(2010)實(shí)證研究了滬深300指數(shù)仿真期貨對(duì)滬深300指數(shù)波動(dòng)的影響,指出在短期股指期貨會(huì)促使股票指數(shù)波動(dòng)加劇，但長(zhǎng)期股指期貨對(duì)現(xiàn)貨市場(chǎng)波動(dòng)性影響不顯著。蔡敬梅、強(qiáng)林飛、周海鵬(2013)指出，引入股指期貨后的短期內(nèi)，現(xiàn)貨市場(chǎng)對(duì)于此信息的反應(yīng)并無(wú)規(guī)律。而在長(zhǎng)期，引入股指期貨提高了信息傳遞速度并弱化了非對(duì)稱效應(yīng)，所以并不會(huì)增加股票市場(chǎng)的波動(dòng)。王志敏、葛騰飛、彭亞寧、汪旺(2014)運(yùn)用協(xié)整檢驗(yàn)、GARCH模型以及EGARCH模型對(duì)滬深300股指期貨與滬深300股指現(xiàn)貨之間的關(guān)系進(jìn)行了實(shí)證研究。他們發(fā)現(xiàn)股指期貨的推出降低了對(duì)應(yīng)股票指數(shù)的波動(dòng)，因而保證了股票現(xiàn)貨市場(chǎng)的穩(wěn)定，而且股指期貨市場(chǎng)能夠更加快速的對(duì)新信息做出反應(yīng)，股指期貨與股票指數(shù)之間具有較強(qiáng)的風(fēng)險(xiǎn)相關(guān)性。

2 實(shí)證分析

2.1 數(shù)據(jù)選取

本文選取了自滬深300股指期貨上市日，即2010年4月16日—2015年10月16日，共1 334個(gè)交易日的價(jià)格數(shù)據(jù)。滬深300股票指數(shù)選取了其收盤(pán)價(jià)格數(shù)據(jù)，滬深300股票指數(shù)期貨選取了合約中具有代表性的當(dāng)月連續(xù)合約的收盤(pán)價(jià)格數(shù)據(jù)。首先運(yùn)用加入虛擬變量的GARCH模型比較8月26日對(duì)股指期貨進(jìn)行限制后是否會(huì)對(duì)股市的波動(dòng)產(chǎn)生影響，并用這兩組時(shí)間序列數(shù)據(jù)進(jìn)行VAR建模，從而分析二者之間的關(guān)系。本文數(shù)據(jù)來(lái)源為大智慧軟件，分析工具為EVIEWS7.0。

2.2 模型簡(jiǎn)介

2.2.1 GARCH模型

GARCH模型是Bollerslev在ARCH模型基礎(chǔ)上所提出的。GARCH模型多用于金融數(shù)據(jù)分析，因?yàn)樵撃Ｐ蛯?duì)誤差的方差進(jìn)行了建模，可以有效地分析和預(yù)測(cè)波動(dòng)性。這樣的分析能對(duì)投資者的決策提供指導(dǎo)，比對(duì)數(shù)值本身的分析和預(yù)測(cè)更有價(jià)值。GARCH模型的一般形式為:

(1)

(2)

(3)

其中ht為條件方差，ut為獨(dú)立同分布的隨機(jī)變量，服從標(biāo)準(zhǔn)正態(tài)分布，ht與ut互相獨(dú)立。

本文選用修正后的GARCH模型，即在GARCH模型中引入虛擬變量，并進(jìn)一步分析虛擬變量是否會(huì)影響樣本總體的波動(dòng)。

2.2.2VAR模型

VAR模型即向量自回歸模型，是由ChristopherSims提出。它通常用于多變量時(shí)間序列系統(tǒng)的預(yù)測(cè)，以及對(duì)隨機(jī)擾動(dòng)對(duì)多變量系統(tǒng)沖擊的刻畫(huà)。該模型通過(guò)將外生變量作為所有內(nèi)生變量滯后值的函數(shù)來(lái)構(gòu)造。VAR模型的一般公式為:

Yt=A1Yt-1+A2Yt-2+......+ApYt-p+εt

(4)

在對(duì)VAR模型進(jìn)行建模后，運(yùn)用Granger因果檢驗(yàn)，脈沖響應(yīng)函數(shù)，方差分解對(duì)VAR模型進(jìn)行分析。

2.3 實(shí)證分析

為了便于比較，本文運(yùn)用對(duì)數(shù)收益率序列進(jìn)行實(shí)證分析，用LHS表示滬深300股票指數(shù)，用LIF表示滬深300股指期貨。

2.3.1GARCH模型分析

2.3.1.1 平穩(wěn)性檢驗(yàn)

首先，運(yùn)用ADF檢驗(yàn)的方法對(duì)滬深300指數(shù)LHS和滬深300股指期貨LIF進(jìn)行單位根檢驗(yàn)，以檢驗(yàn)其平穩(wěn)性。檢驗(yàn)結(jié)果如下表1所示。

表1 ADF檢驗(yàn)結(jié)果

從表1的單位根檢驗(yàn)結(jié)果可以看出，原序列的ADF值均高于10%的臨界值，所以應(yīng)拒絕原假設(shè)，接受序列存在單位根是非平穩(wěn)序列。但是兩個(gè)變量差分序列的ADF值均低于10%的臨界值，則可以認(rèn)為差分序列不存在單位根是平穩(wěn)序列。所以在后面的研究中，我們選用差分序列DLHS代表滬深300股票指數(shù)，而用差分序列DLIF代表滬深300股指期貨。

2.3.1.2 滬深300指數(shù)對(duì)數(shù)收益率的描述性統(tǒng)計(jì)量

由圖1可知，滬深300指數(shù)對(duì)數(shù)差分收益率序列均值為0.0000387，標(biāo)準(zhǔn)差是0.016285，偏度值為-0.615346，說(shuō)明該序列的分布具有長(zhǎng)的左拖尾。峰度為7.097011，高于正態(tài)分布的峰度值3，說(shuō)明收益率序列具有尖峰和厚尾的特征。Jarque-Bera統(tǒng)計(jì)量為1016.418，P值為0.00000，拒絕該對(duì)數(shù)差分收益率序列服從正態(tài)分布的假設(shè)。因此，可以選用GARCH模型來(lái)對(duì)該時(shí)間序列進(jìn)行估計(jì)。

圖1 描述性統(tǒng)計(jì)圖Fig.1 Descriptive statistics diagram

2.3.1.3 建立GARCH模型

為了分析2015年8月26日證監(jiān)會(huì)對(duì)股指期貨交易加以限制后，股市波動(dòng)性是否受到影響，本文選擇GARCH模型對(duì)其進(jìn)行研究，并在GARCH模型的條件方差方程中引入虛擬變量D1。其中，對(duì)股指期貨進(jìn)行限制前D1=0，對(duì)股指期貨進(jìn)行限制后D1=1。若結(jié)果中D1的回歸系數(shù)顯著，則說(shuō)明對(duì)股指期貨的限制會(huì)對(duì)股票指數(shù)產(chǎn)生影響。當(dāng)D1的回歸系數(shù)顯著時(shí)，若虛擬變量系數(shù)的值大于0，則說(shuō)明對(duì)股指期貨的限制會(huì)增加股票指數(shù)的波動(dòng)。當(dāng)D1的回歸系數(shù)顯著時(shí)，若虛擬變量系數(shù)的值小于0，則說(shuō)明對(duì)股指期貨的限制會(huì)減小股票指數(shù)的波動(dòng)。引入虛擬變量D1后的GARCH模型參數(shù)估計(jì)結(jié)果如表2所示。

表2 GARCH模型估計(jì)結(jié)果

從表2可以看出，D1的回歸系數(shù)在顯著性水平為10%以下是顯著的，并且D1的回歸系數(shù)為-0.002260。數(shù)值小于零，說(shuō)明對(duì)股指期貨進(jìn)行限制以后滬深300股票指數(shù)的波動(dòng)性會(huì)減小，但這種影響并不顯著，說(shuō)明限制的效果并不明顯。出現(xiàn)這種情況的原因，究竟是由于股指期貨對(duì)股票指數(shù)的影響較小，還是證監(jiān)會(huì)對(duì)股指期貨交易限制的力度不大，目前不得而知，所以需要進(jìn)行進(jìn)一步的研究。

2.3.2 VAR模型的構(gòu)建與檢驗(yàn)

2.3.2.1 建立VAR模型

由于在上面已經(jīng)對(duì)變量進(jìn)行過(guò)平穩(wěn)性檢驗(yàn)，在這里不再進(jìn)行重復(fù)檢驗(yàn)，直接進(jìn)行VAR模型的構(gòu)建。在對(duì)VAR模型進(jìn)行構(gòu)建之前，需要先確定模型的滯后期。確定滯后期的方法有很多，在這里，選用了AIC和SC準(zhǔn)則。經(jīng)過(guò)多次嘗試，將滯后期長(zhǎng)度確定為3期。所以，建立VAR(3)，其具體表達(dá)式為:

接下來(lái)，采用AR特征根檢驗(yàn)法對(duì)估計(jì)出的模型進(jìn)行穩(wěn)定性檢驗(yàn)。如果VAR模型所有的特征根的倒數(shù)的模均小于1，則該模型是穩(wěn)定的。而如果至少有一個(gè)特征根的倒數(shù)的模等于1，那么該模型就是不穩(wěn)定的，需要重新設(shè)定。結(jié)果如圖2所示。

圖2 AR特征根倒數(shù)的模的單位圓圖示Fig.2 Modular unit circle diagram of AR characteristic root reciprocal

從圖2可以看出，建立的兩變量滯后三期的VAR模型有6個(gè)特征根，而所有的點(diǎn)都位于單位圓內(nèi)，因此，VAR(3)模型通過(guò)穩(wěn)定性檢驗(yàn)，模型是穩(wěn)定的，可以用于下面更深入的檢驗(yàn)。

2.3.2.2 Granger因果檢驗(yàn)

為了明確滬深300股票指數(shù)與滬深300股指期貨直接的關(guān)系，采用Granger檢驗(yàn)的方法。具體結(jié)果如表3所示。

DLHS方程中滬深300股票指數(shù)DLHS作為被解釋變量對(duì)其他解釋變量滬深300股指期貨DLIF進(jìn)行格蘭杰因果檢驗(yàn)，DLIF的聯(lián)合統(tǒng)計(jì)量是32.18442，且在5%的水平下構(gòu)成對(duì)DLHS的格蘭杰因果關(guān)系；DLIF方程中DLIF作為被解釋變量對(duì)其他解釋變量DLHS進(jìn)行格蘭杰檢驗(yàn)因果，DLHS的聯(lián)合統(tǒng)計(jì)量是350.32203，且在5%的水平下構(gòu)成對(duì)DLIF的格蘭杰因果關(guān)系。也就是說(shuō)，滬深300股指期貨的變動(dòng)會(huì)引起滬深300股票指數(shù)的變動(dòng)，而同時(shí)滬深300股票指數(shù)的變動(dòng)也會(huì)引起滬深300股指期貨的變動(dòng)。這個(gè)檢驗(yàn)結(jié)果是符合經(jīng)濟(jì)理論和市場(chǎng)實(shí)踐的，因?yàn)楣善敝笖?shù)是股指期貨的標(biāo)的物，股票指數(shù)的變動(dòng)必然會(huì)影響股指期貨的變動(dòng)，同時(shí)又由于股指期貨所特有的價(jià)格發(fā)現(xiàn)功能，可以幫助投資者對(duì)股票市場(chǎng)未來(lái)的走勢(shì)做出判斷和預(yù)測(cè)，因此，股指期貨的變動(dòng)同樣會(huì)導(dǎo)致股票指數(shù)的變動(dòng)。

表3 Granger因果關(guān)系檢驗(yàn)結(jié)果

Dependent variable:DLIF

2.3.2.3 脈沖響應(yīng)

為了更好地分析滬深300股票指數(shù)與滬深300股指期貨彼此之間的互相作用，通過(guò)脈沖響應(yīng)函數(shù)來(lái)進(jìn)行刻畫(huà)。由于本文主要分析的是二者之間的關(guān)系，因此，兩變量自身的變動(dòng)引起的影響不加以描述。結(jié)果如表4所示。

表4 脈沖響應(yīng)結(jié)果

從表4可知，滬深300指數(shù)(DLHS)對(duì)自身的一個(gè)標(biāo)準(zhǔn)差沖擊立即就有了一個(gè)較大的反應(yīng)，指數(shù)立刻上漲了大概0.016，但影響的時(shí)間不長(zhǎng)，在第二期變成了0.0010，到第三期就變成了負(fù)數(shù)，在隨后的幾期，逐漸趨近并穩(wěn)定在0左右。滬深300股指期貨(DLIF)對(duì)滬深300指數(shù)的一個(gè)標(biāo)準(zhǔn)差沖擊在第一期為0，說(shuō)明股指期貨對(duì)股指的影響有時(shí)滯，在第二期變?yōu)?.0019，在第三期～第五期會(huì)有負(fù)的影響，但影響很小，這說(shuō)明股指期貨對(duì)于股票指數(shù)的影響很小。這是由于股指期貨有固定的交割日，所以它的變動(dòng)不能完全反映在股指中，但二者的變動(dòng)最終會(huì)趨同。

進(jìn)一步，滬深300指數(shù)對(duì)滬深300股指期貨的一個(gè)標(biāo)準(zhǔn)差沖擊也立即就會(huì)有一個(gè)較大的沖擊，指數(shù)增長(zhǎng)了大概0.016，并且這個(gè)沖擊急劇減小，但在第二期就已經(jīng)減小到了0.0006，并在之后一直穩(wěn)定在0左右，說(shuō)明股票指數(shù)對(duì)股指期貨的影響是短期的，在長(zhǎng)期會(huì)趨于穩(wěn)定。這是因?yàn)楣善敝笖?shù)是股指期貨的標(biāo)的，因此，股票指數(shù)的任何變動(dòng)都會(huì)立即在股指期貨上進(jìn)行反應(yīng)，但這種反應(yīng)是暫時(shí)的，它會(huì)隨著股指的穩(wěn)定而穩(wěn)定。滬深300股指期貨對(duì)于自身的一個(gè)標(biāo)準(zhǔn)差沖擊立刻會(huì)有一個(gè)正的反應(yīng)，但在隨后的三期，又急劇下降，變成負(fù)向的，到第五期之后，這種沖擊逐漸減弱。

2.3.2.4 方差分解分析

為了進(jìn)一步分析出在股票指數(shù)變動(dòng)的因素中股指期貨所占的比重，采用了方差分解的方法，得到的結(jié)果如圖3所示。

圖3 DLHS的方差分解結(jié)果Fig.3 Variance decomposition results of DLHS

圖4 DLIF的方差分解結(jié)果Fig.4 Variance decomposition results of DLIF

從圖3的輸出結(jié)果可以看出，隨著期數(shù)的增長(zhǎng)，到第四期方差分解結(jié)果基本穩(wěn)定，也就意味著滬深300指數(shù)變動(dòng)方差由滬深300股指期貨引起的部分逐漸趨于穩(wěn)定，但最終所占比例依然很小，其對(duì)預(yù)測(cè)誤差的貢獻(xiàn)度為2.5%左右，這表明股票指數(shù)期貨并非是導(dǎo)致股票市場(chǎng)波動(dòng)的主要原因，股票市場(chǎng)的波動(dòng)主要是由其自身的系統(tǒng)性風(fēng)險(xiǎn)等因素造成的。

從圖4的輸出結(jié)果可以看出，隨著期數(shù)的增長(zhǎng)，也是到第四期，滬深300股指期貨變動(dòng)方差由滬深300股票指數(shù)引起的部分也逐漸趨于穩(wěn)定，最終其對(duì)預(yù)測(cè)誤差的貢獻(xiàn)度大概為18%。由于股票指數(shù)是股票指數(shù)期貨的標(biāo)的物，所以股指的變動(dòng)必定會(huì)在一定程度上影響股指期貨的變動(dòng)。

3 結(jié)論與政策建議

3.1 結(jié)論

本文選擇2010年4月16日—2015年10月16日的數(shù)據(jù)，運(yùn)用GARCH模型和VAR模型分別對(duì)滬深300股指期貨與滬深300股票指數(shù)進(jìn)行建模，對(duì)2015年股災(zāi)中人們熱議的“股指期貨是股災(zāi)的罪魁禍?zhǔn)住边@一問(wèn)題進(jìn)行研究，實(shí)證分析股指期貨對(duì)股票市場(chǎng)波動(dòng)性的影響。得出以下研究結(jié)論:

A.通過(guò)對(duì)2015年8月26日前后的滬深300股票指數(shù)進(jìn)行GARCH建模后發(fā)現(xiàn)，對(duì)于股指期貨的限制確實(shí)會(huì)降低滬深300指數(shù)的波動(dòng)，從而影響股票市場(chǎng)的波動(dòng)性。但是這種影響并不顯著，限制的效果并不明顯。

B.通過(guò)對(duì)滬深300股指期貨和滬深300指數(shù)進(jìn)行VAR建模，并對(duì)其進(jìn)行Granger檢驗(yàn)發(fā)現(xiàn)，股指期貨確實(shí)是股票指數(shù)變動(dòng)的Granger原因。股指期貨的變動(dòng)在短期內(nèi)會(huì)引起股票指數(shù)的一個(gè)較大波動(dòng)，并且在之后會(huì)出現(xiàn)一個(gè)反向波動(dòng)，但這種波動(dòng)隨著時(shí)間的延續(xù)會(huì)逐漸減弱，市場(chǎng)最終趨于穩(wěn)定。

C.股指期貨對(duì)股票指數(shù)波動(dòng)造成的影響有限。從方差分解結(jié)果可知，股指期貨對(duì)于股指現(xiàn)貨的影響很小。股票市場(chǎng)波動(dòng)的主要原因還是由于自身存在的系統(tǒng)性風(fēng)險(xiǎn)。

綜上所述，本文認(rèn)為股指期貨的確會(huì)增加股票市場(chǎng)的波動(dòng)性，但作用相對(duì)較小。

3.2 政策建議

從上述分析可知股指期貨市場(chǎng)和股票市場(chǎng)相互影響，但目前我國(guó)股指期貨市場(chǎng)和股票市場(chǎng)的建設(shè)均不完善。為了盡可能降低期現(xiàn)兩個(gè)市場(chǎng)的市場(chǎng)風(fēng)險(xiǎn)，提出如下政策建議:

A.我國(guó)股指期貨市場(chǎng)尚不成熟，法律建設(shè)也并不完善，因此政府部門(mén)應(yīng)致力于完善各項(xiàng)法律法規(guī)，大力推進(jìn)股指期貨交易有關(guān)的法律建設(shè)，彌補(bǔ)法律漏洞，預(yù)防一切可能發(fā)生的不必要風(fēng)險(xiǎn)。

B.我國(guó)股指期貨發(fā)展較晚，投資者對(duì)于股指期貨的交易機(jī)制以及風(fēng)險(xiǎn)管理了解較少。因此，有關(guān)部門(mén)需要加強(qiáng)對(duì)投資者專業(yè)知識(shí)的教育，使他們能夠合理運(yùn)用股指期貨進(jìn)行投資，以避免跟風(fēng)行為的發(fā)生。

C.滬深300股指期貨的標(biāo)的物是滬深300股票指數(shù)，所以投資者在對(duì)滬深300股指期貨進(jìn)行投資時(shí)，應(yīng)兼顧期貨市場(chǎng)與股票現(xiàn)貨市場(chǎng)的走勢(shì)，注意風(fēng)險(xiǎn)變化。

D.我們知道股指期貨會(huì)對(duì)現(xiàn)貨市場(chǎng)的波動(dòng)產(chǎn)生一定影響，因此政府部門(mén)應(yīng)該加強(qiáng)對(duì)股指期貨的監(jiān)管，抑制市場(chǎng)的過(guò)度投機(jī)，促進(jìn)股指期貨市場(chǎng)規(guī)范平穩(wěn)的運(yùn)行。

[1] Bessembinder H , Seguin PJ. Futures Trading Activity and Stock Price Volatility[J]. Journal of Finance,1992, (47).

[2] Gulen H., Mayhew S. Stock index futures trading and volatility in international equity markets [J]. Journal of Futures Markets, 2000, 20(2): 661-686.

[3] Pilar C., Rafael S. Does Derivatives Trading Destabilize the Underlying Assets? Evidence from the Spanish Stock Market[J]. Applied Economics Letters, 2002，(2):107-110.

[4] Charles M.S. Sutcliffe, Stock Index Futures[M]. Cengage Learning EMEA, 2006.

[5] 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)自日本的證據(jù)[J]．金融與經(jīng)濟(jì)，2006，(02):45-46．

[6] 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，(03):33-35．

[7] 邢天才，張閣.股指期貨的推出對(duì)現(xiàn)貨市場(chǎng)影響的實(shí)證研究——基于新華富時(shí)A50的分析[J]. 財(cái)經(jīng)問(wèn)題研究，2009，(07):71-72.

[8] 蔡敬梅，強(qiáng)林飛，周海鵬.中國(guó)股指期貨與股票市場(chǎng)波動(dòng)性關(guān)系的實(shí)證分析[J].統(tǒng)計(jì)與信息論壇，2013，(01):30.

[9] 王志敏，葛騰飛，彭亞寧，等.滬深300股指與股指期貨相關(guān)性研究——基于GARCH模型的實(shí)證分析[J].金融經(jīng)濟(jì)， 2014，(06):89-92.

[10] 薛志剛，徐成賢，徐鳳敏.股票指數(shù)期貨——投資、套利與套期保值[M].北京:科學(xué)出版社，2008.

Study on the impact of stock index futures on stock market volatility in China

CHEN Qian1, DONG Sheng-hong2

(1. School of Economics and Management, Southeast University, Nanjing 211189, China; 2. High School Affiliated to Nanjing Normal University, Nanjing 210003, China)

Based on the data of CSI 300 index and CSI 300 index futures from April 16, 2010 to October 16, 2015, we employ GARCH model and VAR model with dummy variables to econometrically investigate the dynamic relationship between stock index futures and stock market volatility. The results show that the stock index futures will indeed increase the volatility of stock market. Stock index future is the Granger cause of the volatility of the stock market, and may lead to a greater volatility in stock market in the short term. In the long term, however, the volatility in stock market is gradually weak and finally tends to zero.

CSI 300 index; CSI 300 index futures; Volatility

2016-11-26

陳茜(1994-)，女，東南大學(xué)經(jīng)濟(jì)管理學(xué)院碩士研究生。

F832.51

A

1674-8646(2017)02-0164-05