證券市場(chǎng)的期現(xiàn)基差與流動(dòng)性

李蒲江，郭彥峰

1 西南財(cái)經(jīng)大學(xué) 經(jīng)濟(jì)與管理研究院，成都 610074 2 西南財(cái)經(jīng)大學(xué) 金融學(xué)院，成都 610074

證券市場(chǎng)的期現(xiàn)基差與流動(dòng)性

李蒲江1，郭彥峰2

1 西南財(cái)經(jīng)大學(xué) 經(jīng)濟(jì)與管理研究院，成都 610074 2 西南財(cái)經(jīng)大學(xué) 金融學(xué)院，成都 610074

2015年股市危機(jī)期間中國(guó)證券市場(chǎng)的流動(dòng)性盡失，甚至一度出現(xiàn)“千股跌?！边@一罕見(jiàn)情形，監(jiān)管層隨后對(duì)股指期貨和股市現(xiàn)券賣空進(jìn)行最為嚴(yán)厲的限制，這一系列舉措給實(shí)證研究帶來(lái)一個(gè)很好的擬自然實(shí)驗(yàn)場(chǎng)景，用來(lái)研究中國(guó)證券市場(chǎng)的流動(dòng)性和期現(xiàn)基差問(wèn)題。

選取中國(guó)滬深300股票指數(shù)和滬深300股指期貨的5分鐘高頻數(shù)據(jù)和日度低頻數(shù)據(jù)為樣本，以經(jīng)典的金融學(xué)套利交易理論為基礎(chǔ)，對(duì)2015年股災(zāi)監(jiān)管前后劃分樣本區(qū)間，使用VAR模型和OLS回歸對(duì)市場(chǎng)的流動(dòng)性和期現(xiàn)基差進(jìn)行分析。

研究結(jié)果表明，期現(xiàn)基差是導(dǎo)致套利交易的原因，進(jìn)而造成訂單不平衡，從而減弱了流動(dòng)性。期現(xiàn)的正向基差比負(fù)向基差對(duì)流動(dòng)性的影響大，且這種非對(duì)稱效應(yīng)在極端行情下差別更大；當(dāng)期現(xiàn)基差為正時(shí)，套利者可以很容易的賣空股指期貨并做多現(xiàn)貨，這種訂單的不平衡引起現(xiàn)貨市場(chǎng)的流動(dòng)性增加，但是一旦出現(xiàn)負(fù)向期現(xiàn)基差，很難賣空股票現(xiàn)貨同時(shí)做多股指期貨，導(dǎo)致流動(dòng)性下降；高頻和低頻數(shù)據(jù)的結(jié)論都證明正向期現(xiàn)基差會(huì)引發(fā)套利，從而使流動(dòng)性增加。在股指期貨和融券交易被限制后，套利交易難以有效進(jìn)行，期現(xiàn)基差為負(fù)，無(wú)法通過(guò)套利交易增加流動(dòng)性，這可能是造成2015年股市危機(jī)期間流動(dòng)性盡失的一個(gè)原因。

研究結(jié)論不僅對(duì)2015年中國(guó)股市危機(jī)期間流動(dòng)性缺失提供了一種解釋，同時(shí)也對(duì)監(jiān)管機(jī)構(gòu)如何應(yīng)對(duì)股票市場(chǎng)危機(jī)具有啟發(fā)意義。

期現(xiàn)基差；流動(dòng)性；套利交易；股市危機(jī)

引言

在2015年股市危機(jī)期間，中國(guó)證券市場(chǎng)行情下跌速度之迅猛、程度之深在整個(gè)A股歷史上前所未有。上證綜指從2015年6月13日開(kāi)盤5 174點(diǎn)到2015年7月8日收盤3 507點(diǎn)，短短20多個(gè)交易日，累計(jì)下跌幅度達(dá)到32%，在下跌過(guò)程中造成的市場(chǎng)“踩踏”導(dǎo)致股市出現(xiàn)每日近千只個(gè)股跌停和數(shù)百只股票停牌，機(jī)構(gòu)也無(wú)法止損，整個(gè)股市喪失了作為交易平臺(tái)的流動(dòng)性。

2007年全球金融危機(jī)時(shí)，各國(guó)對(duì)于賣空都有所限制，但限制程度卻各不相同。美國(guó)、英國(guó)和加拿大等只是對(duì)金融企業(yè)類股票進(jìn)行了限制，而非所有股票；意大利、日本和西班牙等則全面禁止做空。但這些國(guó)家普遍沒(méi)有對(duì)股指期貨進(jìn)行限制，所以期現(xiàn)基差套利策略仍然可以操作。反觀在2015年6月13日中國(guó)股災(zāi)開(kāi)始到7月股災(zāi)最嚴(yán)重的期間，監(jiān)管層通過(guò)追加保證金(套保盤從10%提高到20%，投機(jī)盤從10%提高到40%)、調(diào)高交易手續(xù)費(fèi)率(從0.005%提高到0.230%)和限制開(kāi)倉(cāng)手?jǐn)?shù)(每日每個(gè)投資賬戶不得超過(guò)10手)等手段嚴(yán)格限制股指期貨交易。在股票現(xiàn)貨市場(chǎng)上，融券完全被禁止，后來(lái)則變成從(t+0)交易變?yōu)?t+1)交易，這在以往中國(guó)證券市場(chǎng)中是沒(méi)有出現(xiàn)過(guò)的。對(duì)比國(guó)內(nèi)外股市危機(jī)期間的不同限制措施，可以發(fā)現(xiàn)在2015年中國(guó)股市股災(zāi)期間對(duì)股指期貨和賣空交易的極端限制導(dǎo)致套利機(jī)制完全失靈，這給本研究帶來(lái)一個(gè)很好的擬自然實(shí)驗(yàn)場(chǎng)景來(lái)研究市場(chǎng)的流動(dòng)性與期現(xiàn)基差的關(guān)系。

1 相關(guān)研究評(píng)述

對(duì)于期現(xiàn)基差與流動(dòng)性關(guān)系問(wèn)題的研究，一些學(xué)者認(rèn)為投資者會(huì)通過(guò)期現(xiàn)貨的套利交易機(jī)制來(lái)糾正錯(cuò)誤定價(jià)，從而改變流動(dòng)性，提高市場(chǎng)效率，在此推理下，期現(xiàn)基差與流動(dòng)性的關(guān)系依賴于套利活動(dòng)，而套利活動(dòng)能否有效進(jìn)行又有賴于流動(dòng)性狀況[1]。ROLL et al.[2]使用VAR模型對(duì)紐約證券交易所的期現(xiàn)基差和流動(dòng)性進(jìn)行研究，發(fā)現(xiàn)二者間呈正相關(guān)性，并具有顯著的雙向格蘭杰因果關(guān)系，大的期現(xiàn)基差會(huì)引起大的套利交易；KUMAR et al.[3]的研究確認(rèn)套利活動(dòng)和期現(xiàn)基差會(huì)受到流動(dòng)性的極大影響；KADAPAKKAM et al.[4]同樣認(rèn)為印度市場(chǎng)上存在的期現(xiàn)基差與流動(dòng)性的關(guān)系是由于套利交易所致。

就期現(xiàn)基差與流動(dòng)性之間的作用機(jī)制方面，已有研究做了進(jìn)一步的探討。CHORDIA et al.[5]認(rèn)為期現(xiàn)基差增大會(huì)導(dǎo)致套利交易增多，使訂單的非平衡性增加，從而減弱了即期和持續(xù)的流動(dòng)性；CHEN et al.[6]得出期現(xiàn)基差可能是由市場(chǎng)整體的波動(dòng)性而引起的結(jié)論；CHORDIA et al.[7]同樣認(rèn)為股票市場(chǎng)的波動(dòng)率會(huì)對(duì)流動(dòng)性產(chǎn)生較強(qiáng)沖擊；特別地，LIEN et al.[8]擴(kuò)展了ROLL et al.[2]的研究，分析期現(xiàn)基差與現(xiàn)貨流動(dòng)性之間的非線性關(guān)系，尤其是尾部相關(guān)性，發(fā)現(xiàn)上尾相關(guān)性顯著為正，而下尾相關(guān)性并不顯著，說(shuō)明期現(xiàn)基差縮小不一定就必然伴隨著流動(dòng)性的增加，但期現(xiàn)基差擴(kuò)大一定會(huì)導(dǎo)致流動(dòng)性的下降，極端情況下，流動(dòng)性甚至?xí)萁?，此時(shí)套利交易無(wú)法進(jìn)行，套期保值變得無(wú)效[8-10]。

中國(guó)國(guó)內(nèi)方面，WANG et al.[11]使用Granger因果檢驗(yàn)和均值回復(fù)模型研究中國(guó)黃金市場(chǎng)期現(xiàn)基差和期貨流動(dòng)性之間的關(guān)系以及流動(dòng)性對(duì)套利交易的影響，發(fā)現(xiàn)流動(dòng)性與期現(xiàn)基差間的關(guān)系并不穩(wěn)定，一定程度上依賴于市場(chǎng)是否有效；HAN et al.[12]利用2015年中國(guó)股市危機(jī)的自然實(shí)驗(yàn)機(jī)會(huì)，探討流動(dòng)性與市場(chǎng)定價(jià)效率之間的關(guān)系，發(fā)現(xiàn)套利區(qū)間的轉(zhuǎn)移導(dǎo)致期現(xiàn)基差與流動(dòng)性之間的關(guān)系崩潰，證實(shí)期現(xiàn)基差與流動(dòng)性之間的關(guān)系的確源于套利活動(dòng)，而非其他的被忽略因素；陳遠(yuǎn)雄[13]利用中國(guó)股票和指數(shù)期貨市場(chǎng)數(shù)據(jù)，使用與LIEN et al.[8]同樣的方法，研究期現(xiàn)基差與流動(dòng)性之間的非線性關(guān)系，得出與LIEN et al.[8]同樣的結(jié)論。

綜觀已有研究不難發(fā)現(xiàn)，目前有關(guān)流動(dòng)性與期現(xiàn)基差關(guān)系的研究已比較深入[14]，但仍然存在一些可以改進(jìn)的地方。在研究方法上，以向量自回歸模型(VAR)[15-16]和Granger因果檢驗(yàn)[17-18]為主，也有利用Copula模型探討二者間非線性關(guān)系的研究[19-20]，但都無(wú)法避免雙向因果關(guān)系的問(wèn)題；在研究結(jié)論上，二者關(guān)系呈現(xiàn)時(shí)變性，在市場(chǎng)正常時(shí)期，流動(dòng)性與期現(xiàn)基差間常存在著雙向的因果關(guān)系[21-22]，市場(chǎng)效率較高，但在市場(chǎng)危機(jī)期間，這種關(guān)系可能發(fā)生變化[23]。已有研究存在不足之處，①可能存在遺漏變量偏差，GRANGER[24]、LüTKEPOHL[25]認(rèn)為遺漏變量帶來(lái)的偏差較大；趙勝民等[26]認(rèn)為穩(wěn)定的收斂關(guān)系需要避免遺漏較多的變量個(gè)數(shù)；STOCK et al.[27]認(rèn)為引入自回歸模型可以一定程度上減輕這一問(wèn)題，如果有同時(shí)影響兩個(gè)變量間關(guān)系的其他變量未被考慮，則二者間的因果關(guān)系有可能是虛假的或被錯(cuò)誤測(cè)度的。②研究期間大都針對(duì)全樣本，沒(méi)有獨(dú)立考慮市場(chǎng)危機(jī)期間[28-29]，或者只針對(duì)某些特定時(shí)期下的極端情況[30-31]，但忽視該期間和極端時(shí)期由于管制帶來(lái)的交易機(jī)制和市場(chǎng)微觀結(jié)構(gòu)變化所造成的影響[32-33]，且多使用低頻的日度數(shù)據(jù)展開(kāi)分析。

有鑒于此，為克服遺漏變量偏差問(wèn)題，本研究同時(shí)使用常用的OLS回歸方法，在解釋變量中引入相關(guān)變量的當(dāng)期和滯后期項(xiàng)[34]，以期得出關(guān)于流動(dòng)性與期現(xiàn)基差關(guān)系更為穩(wěn)健的結(jié)論。針對(duì)在2015年中國(guó)股災(zāi)中管理層出臺(tái)多項(xiàng)監(jiān)管舉措使此時(shí)中國(guó)證券市場(chǎng)的微觀結(jié)構(gòu)極為特殊的背景，本研究在使用日數(shù)據(jù)的同時(shí)，使用日內(nèi)高頻數(shù)據(jù)進(jìn)行相關(guān)分析，因?yàn)楦哳l數(shù)據(jù)分析是理解市場(chǎng)微觀結(jié)構(gòu)極為有效的手段[35-37]，可以更加準(zhǔn)確地反映當(dāng)時(shí)特殊的交易機(jī)制和市場(chǎng)微觀結(jié)構(gòu)。此外，不同類型投資者由于扮演的角色不同導(dǎo)致其投資行為也存在差異[38]，比如投機(jī)和套利交易者往往會(huì)在日內(nèi)頻繁買賣，使其更加關(guān)注日內(nèi)期現(xiàn)基差變化。而套保者往往交易間隔較長(zhǎng)，所以其更加關(guān)注低頻率的日間期現(xiàn)基差變化。日內(nèi)和日間的不同交易行為會(huì)使整個(gè)市場(chǎng)出現(xiàn)不同的特征[39]，因此應(yīng)進(jìn)一步通過(guò)低頻數(shù)據(jù)與高頻數(shù)據(jù)的對(duì)比分析，以準(zhǔn)確地反映這種差異。以上3點(diǎn)也正是本研究的貢獻(xiàn)和擴(kuò)展之處。

在此基礎(chǔ)上，利用2015年中國(guó)股市危機(jī)的自然實(shí)驗(yàn)機(jī)會(huì)，在對(duì)2015年股災(zāi)監(jiān)管前后劃分樣本區(qū)間的基礎(chǔ)上，分別選取具有代表性的滬深300股票指數(shù)和股指期貨的5分鐘高頻數(shù)據(jù)和日度低頻數(shù)據(jù)為樣本，在經(jīng)典的金融學(xué)套利交易理論基礎(chǔ)上，結(jié)合VAR模型和OLS方法對(duì)市場(chǎng)的流動(dòng)性和期現(xiàn)基差進(jìn)行實(shí)證分析，就中國(guó)證券市場(chǎng)特殊時(shí)期的期現(xiàn)基差與流動(dòng)性關(guān)系問(wèn)題提供一個(gè)經(jīng)驗(yàn)性的證據(jù)，也為監(jiān)管層面對(duì)類似危機(jī)時(shí)該采取何種措施提供新的思路。

2 數(shù)據(jù)和變量

在數(shù)據(jù)的選擇上，滬深300股票指數(shù)由上海和深圳證券交易所選取300只規(guī)模大、流動(dòng)性好、以大盤藍(lán)籌為主的標(biāo)的股票構(gòu)成，其涵蓋了滬深股市超過(guò)六成的市值，可見(jiàn)滬深300具有良好的市場(chǎng)代表性，所以本研究選取滬深300指數(shù)作為股票現(xiàn)貨市場(chǎng)的代表。在股指期貨數(shù)據(jù)的選取上，本研究采用滬深300股指期貨合約在臨近交割日時(shí)自動(dòng)滾動(dòng)到下一個(gè)成交量最大的合約，從而構(gòu)造連續(xù)的股指期貨主力合約進(jìn)行分析。在數(shù)據(jù)頻率上，本研究同時(shí)采用高頻數(shù)據(jù)和低頻數(shù)據(jù)，高頻數(shù)據(jù)是5分鐘的期、現(xiàn)貨數(shù)據(jù)，剔除股指期貨在股市現(xiàn)貨交易時(shí)段外的部分，將股指期貨和股指現(xiàn)貨數(shù)據(jù)按照時(shí)間順序匹配，以便于后續(xù)使用，得到11 712筆觀測(cè)值；低頻的日度數(shù)據(jù)包含224個(gè)交易日。低、高頻數(shù)據(jù)的日期范圍從2015年1月5日至2015年12月31日，滬深300股票指數(shù)和滬深300股指期貨數(shù)據(jù)來(lái)源于萬(wàn)德數(shù)據(jù)終端。

本研究按照2015年股市危機(jī)期間的前后順序劃分為不同的時(shí)間段，2015年1月5日至2015年5月29日作為子樣本1(sub1)，此時(shí)股指期貨和融券交易沒(méi)有受到監(jiān)管層的限制，sub1共包含4 704筆高頻數(shù)據(jù)和98筆低頻數(shù)據(jù)；子樣本2(sub2)為2015年7月7日至2015年12月31日，sub2共包含6 000筆高頻數(shù)據(jù)和125筆低頻數(shù)據(jù)，這是監(jiān)管層對(duì)股指期貨和賣空實(shí)施嚴(yán)厲限制的時(shí)期。下面使用股指現(xiàn)貨和股指期貨數(shù)據(jù)計(jì)算期現(xiàn)基差和流動(dòng)性指標(biāo)。

2.1 期現(xiàn)基差和流動(dòng)性指標(biāo)

basist為在t時(shí)刻股指期貨與股指現(xiàn)貨基差，計(jì)算方法為t時(shí)刻股指期貨主力合約價(jià)格減去股指現(xiàn)貨價(jià)格。這時(shí)，basist大于0表明期貨市場(chǎng)對(duì)于現(xiàn)貨市場(chǎng)處于升水狀態(tài)，小于0表明期貨市場(chǎng)處于貼水狀態(tài)。具體的表達(dá)式為

basist=futuret-spott

(1)

其中，futuret為t時(shí)刻股指期貨主力合約價(jià)格，spott為t時(shí)刻股指現(xiàn)貨價(jià)格。

對(duì)于股票流動(dòng)性的測(cè)度[40]，市場(chǎng)的交易越活躍則市場(chǎng)整體的流動(dòng)性越好，而市場(chǎng)整體的活躍性主要體現(xiàn)在市場(chǎng)的交易量中，因此本研究采用股票指數(shù)標(biāo)的股的總交易量volumet來(lái)代理，t為時(shí)間標(biāo)度，實(shí)際中本研究對(duì)其對(duì)數(shù)化處理得到lnvolt，表示對(duì)股票流動(dòng)性的測(cè)度，即

lnvolt=ln(volumet)

(2)

本研究分別對(duì)低頻數(shù)據(jù)和高頻數(shù)據(jù)進(jìn)行期現(xiàn)基差和流動(dòng)性指標(biāo)的計(jì)算，得到兩個(gè)不同頻率的期現(xiàn)基差和流動(dòng)性序列。值得注意的是，高頻數(shù)據(jù)對(duì)應(yīng)于投機(jī)和套利交易者的日度內(nèi)交易，低頻數(shù)據(jù)對(duì)應(yīng)于套保者的日度間交易。

2.2 描述性統(tǒng)計(jì)

表1給出期現(xiàn)基差和流動(dòng)性的描述性統(tǒng)計(jì)結(jié)果。在高、低頻數(shù)據(jù)中，期現(xiàn)基差和流動(dòng)性分別包含全樣本、子樣本1和子樣本2。從均值、中位數(shù)和標(biāo)準(zhǔn)差可以看出，basist和lnvolt的高頻數(shù)據(jù)和低頻數(shù)據(jù)具有較大差異。在5分鐘高頻數(shù)據(jù)中，basist在全樣本下的最小值和最大值分別為-402.03和202.32，且sub1的最大值是整個(gè)樣本的最大值，在sub2下的最小值是整個(gè)樣本的最小值。從最大值和最小值的范圍看，整個(gè)市場(chǎng)在2015年經(jīng)歷了較大波折，全樣本的均值和中位數(shù)是-35.33和-17.68，兩者相差較遠(yuǎn)且負(fù)向的期現(xiàn)基差在樣本期占多數(shù)，在sub1下的均值和中位數(shù)均為正，而且二者差別不大；在sub2下的均值和中位數(shù)均為負(fù)數(shù)。在sub2下的basist絕對(duì)值要顯著大于在sub1下的，這與股市危機(jī)后一系列限制股指期貨和賣空的決策有關(guān)。lnvolt在全樣本下的最小值和最大值分別為17.83和22.16，全樣本的均值和中位數(shù)分別為20.01和20.02，兩者差別不大，同時(shí)在sub2下lnvolt的均值和中位數(shù)均小于在sub1下的，可以看出行情變成熊市后的sub2時(shí)期，流動(dòng)性下降。

表1的日度低頻數(shù)據(jù)中，basist在全樣本下的最小值和最大值分別為-400.03和172.82，可見(jiàn)低頻下的最大值要小于高頻下的最大值；在sub1下的最小值為-48.20，最大值為109.19；在sub2下的最小值為-400.03，最大值為60.04，可見(jiàn)低頻下basist的最小值和最大值的絕對(duì)值要小于高頻數(shù)據(jù)下最小值和最大值的絕對(duì)值；全樣本的均值和中位數(shù)分別為-39.41和-21.75，在sub1內(nèi)的均值和中位數(shù)均為正，且二者差別不大，sub2內(nèi)的均值和中位數(shù)均為負(fù)數(shù)。低頻下lnvolt在全樣本下的最小值和最大值分別為22.72和24.95，均值和中位數(shù)分別為23.98和24.01，兩者差別不大，且sub2內(nèi)lnvolt的均值和中位數(shù)均小于sub1的。

圖1給出樣本期內(nèi)5分鐘高頻數(shù)據(jù)的期現(xiàn)基差和流動(dòng)性，由圖1可知，在sub1，整個(gè)市場(chǎng)處于牛市行情，市場(chǎng)期現(xiàn)基差基本為正，處于正向市場(chǎng)，流動(dòng)性較高；而在股市出現(xiàn)危機(jī)時(shí)，在監(jiān)管層限制股指期貨和融券的sub2，市場(chǎng)期現(xiàn)基差基本為負(fù)，處于反向市場(chǎng)，流動(dòng)性驟降；而在股票市場(chǎng)行情最為波動(dòng)的時(shí)期，市場(chǎng)出現(xiàn)了極端的負(fù)向期現(xiàn)基差，股指期貨甚至在2015年9月出現(xiàn)了貼水400點(diǎn)的極端行情。圖2給出日度低頻數(shù)據(jù)的期現(xiàn)基差和流動(dòng)性，由圖2可知，日度行情變動(dòng)與5分鐘行情變動(dòng)基本一致，在sub1的牛市行情下，市場(chǎng)期現(xiàn)基差為正且流動(dòng)性較好；到了限制股指期貨和融券的sub2后，市場(chǎng)期現(xiàn)基差為負(fù)，指數(shù)現(xiàn)貨市場(chǎng)的流動(dòng)性下降得很嚴(yán)重，甚至出現(xiàn)了股市流動(dòng)性的喪失。在sub2中，大部分持有期貨頭寸的是對(duì)沖現(xiàn)貨市場(chǎng)風(fēng)險(xiǎn)的機(jī)構(gòu)投資者，如此大的負(fù)向期現(xiàn)基差實(shí)際上反映了投資者愿意為對(duì)沖現(xiàn)貨風(fēng)險(xiǎn)而支付的溢價(jià)。

表1 期現(xiàn)基差和流動(dòng)性的描述性統(tǒng)計(jì)結(jié)果Table 1 Results for Descriptive Statistics of Futures-cash Basis and Liquidity

圖1期現(xiàn)基差和流動(dòng)性的5分鐘高頻數(shù)據(jù)Figure 15-minute High Frequency Data of Future-cash Basis and Liquidity

圖2期現(xiàn)基差和流動(dòng)性的日度低頻數(shù)據(jù)Figure 2Daily Low Frequency Data of Future-cash Basis and Liquidity

3高頻數(shù)據(jù)實(shí)證結(jié)果

3.1 VAR模型和格蘭杰因果檢驗(yàn)

在實(shí)證部分，本研究使用VAR模型對(duì)basist和lnvolt的高頻數(shù)據(jù)進(jìn)行估計(jì)，模型的最優(yōu)滯后階數(shù)按照AIC、BIC信息準(zhǔn)則選取滯后18階，在對(duì)模型檢驗(yàn)之后進(jìn)行格蘭杰因果檢驗(yàn)和脈沖響應(yīng)分析。圖3和圖4分別給出期現(xiàn)基差和流動(dòng)性的殘差診斷性檢驗(yàn)結(jié)果，可以看出二者的殘差不存在自相關(guān)問(wèn)題，模型結(jié)果可以用于統(tǒng)計(jì)推斷。

表2給出basist和lnvolt在4個(gè)樣本區(qū)間下的格蘭杰因果檢驗(yàn)，選取2015年8月1日至 2015年12月31日為子樣本sub2′，作為子樣本sub2的穩(wěn)健性檢驗(yàn)。由表2可知，basist在全樣本、sub1、sub2和sub2′共4個(gè)樣本區(qū)間下都是lnvolt的格蘭杰原因，所以basist是導(dǎo)致套利交易的原因，從而使訂單不平衡，減弱了市場(chǎng)的流動(dòng)性；而流動(dòng)性指標(biāo)和期現(xiàn)基差在sub1時(shí)期內(nèi)是雙向的格蘭杰因果關(guān)系，但在股指期貨和賣空被限制后的sub2和sub2′時(shí)期，流動(dòng)性指標(biāo)不是期現(xiàn)基差的原因，表明流動(dòng)性不會(huì)導(dǎo)致市場(chǎng)期現(xiàn)基差的變化。

圖3全樣本期現(xiàn)基差的殘差A(yù)CF診斷Figure 3basistResidual ACF Diagnosis in Full Sample

圖4全樣本流動(dòng)性的殘差A(yù)CF診斷Figure 4ln voltResidual ACF Diagnosis in Full Sample

表25分鐘高頻數(shù)據(jù)的格蘭杰因果檢驗(yàn)結(jié)果Table 2 Granger Causality Test Results at 5-minute High Frequency Data

注：**為5%顯著水平，***為1%顯著水平，括號(hào)內(nèi)數(shù)據(jù)為p值，下同。

本研究進(jìn)行樣本的脈沖響應(yīng)分析。首先，在全樣本下進(jìn)行basist對(duì)basist和lnvolt的脈沖響應(yīng)，結(jié)果表明basist無(wú)法對(duì)lnvolt產(chǎn)生大的擾動(dòng)；其次，在全樣本下進(jìn)行l(wèi)nvolt對(duì)basist和lnvolt的脈沖響應(yīng)，結(jié)果表明lnvolt對(duì)basist產(chǎn)生影響，并且這個(gè)影響在持續(xù)較長(zhǎng)的時(shí)間后才會(huì)消失。

分樣本分別進(jìn)行上述脈沖響應(yīng)分析，結(jié)果表明sub1下的lnvolt對(duì)basist產(chǎn)生的影響顯著為正，且作用程度較大，其余的結(jié)果與全樣本下的結(jié)果一致；sub2的脈沖響應(yīng)結(jié)果表明，在受到政府限制后，lnvolt對(duì)basist產(chǎn)生的影響變小且開(kāi)始出現(xiàn)負(fù)值。所以在受到政府管制后的市場(chǎng)，流動(dòng)性與期現(xiàn)基差正向的影響開(kāi)始變得不顯著，這與格蘭杰因果檢驗(yàn)得到的結(jié)論一致，即流動(dòng)性與期現(xiàn)基差是由背后的套利機(jī)制聯(lián)系在一起的，大的期現(xiàn)基差會(huì)引發(fā)套利機(jī)制，從而使流動(dòng)性增加 。

本研究使用sub2′作為sub2的穩(wěn)健性檢驗(yàn)，結(jié)論沒(méi)有改變。為簡(jiǎn)化篇幅，本研究沒(méi)有列示脈沖響應(yīng)圖，感興趣的讀者可以向作者索要。

3.2 市場(chǎng)受監(jiān)管時(shí)期的期現(xiàn)基差與流動(dòng)性關(guān)系

由于監(jiān)管時(shí)期對(duì)股指期貨和賣空的嚴(yán)格控制，期現(xiàn)套利無(wú)法操作，所以此時(shí)的期現(xiàn)基差對(duì)流動(dòng)性沒(méi)有顯著的影響，同樣流動(dòng)性對(duì)期現(xiàn)基差也沒(méi)有顯著影響。表3給出中國(guó)證券市場(chǎng)受監(jiān)管時(shí)期sub2(sub2′)的期現(xiàn)基差和流動(dòng)性最小二乘回歸結(jié)果。每個(gè)模型的被解釋變量為basist或者lnvolt，解釋變量中引入被解釋變量的滯后項(xiàng)以控制模型的自相關(guān)問(wèn)題。本研究主要關(guān)注的是時(shí)間滯后的lnvolt(basist)對(duì)basist(lnvolt)的影響。

由表3可知，在市場(chǎng)受到限制的樣本期sub2和檢驗(yàn)樣本期sub2′，lnvolt-1對(duì)basist的影響不顯著；而在sub2下basist-1對(duì)lnvolt的影響程度較小，僅為-0.0001。所以進(jìn)一步證明，在股指期貨和賣空被限制的這種擬自然實(shí)驗(yàn)條件下，套利交易難以進(jìn)行，此時(shí)期現(xiàn)基差無(wú)法通過(guò)套利來(lái)影響流動(dòng)性；同時(shí)，這也從另一個(gè)角度解釋了在股市危機(jī)后中國(guó)股票市場(chǎng)出現(xiàn)交易量大幅下降、流動(dòng)性驟降的原因。

3.3 非對(duì)稱效應(yīng)

在中國(guó)證券市場(chǎng)，股市現(xiàn)券的賣空和股指期貨上市不僅時(shí)間晚，賣空的股票現(xiàn)券品種也只能通過(guò)券商在指定的籃子中選取，且融券和轉(zhuǎn)融券費(fèi)率高，而股指期貨的品種也較少，目前只有IF、IC和IH共3種；此外，賣空股指期貨比賣空現(xiàn)貨股票成本低且手續(xù)簡(jiǎn)單。這樣就導(dǎo)致期現(xiàn)基差和流動(dòng)性出現(xiàn)非對(duì)稱性，即當(dāng)期現(xiàn)基差為正時(shí)，套利者們可以很容易地賣空股指期貨并做多現(xiàn)貨套利，引起股票現(xiàn)貨流動(dòng)性增加；但是一旦出現(xiàn)負(fù)向期現(xiàn)基差(期貨市場(chǎng)貼水現(xiàn)貨市場(chǎng))，此時(shí)可以做多股指期貨卻很難賣空股票現(xiàn)貨，導(dǎo)致流動(dòng)性出現(xiàn)嚴(yán)重短缺。所以，中國(guó)市場(chǎng)的期現(xiàn)基差與流動(dòng)性非對(duì)稱性問(wèn)題可能更加嚴(yán)重，即期現(xiàn)基差為負(fù)時(shí)，很難賣空股票現(xiàn)貨，套利交易無(wú)法進(jìn)行。因此，如果是套利交易使期現(xiàn)基差對(duì)流動(dòng)性起到加速作用，那么出現(xiàn)正向期現(xiàn)基差時(shí)對(duì)流動(dòng)性的影響就會(huì)遠(yuǎn)遠(yuǎn)超過(guò)負(fù)向期現(xiàn)基差時(shí)對(duì)流動(dòng)性的影響。由于政府在2015年股市危機(jī)期間對(duì)市場(chǎng)實(shí)施嚴(yán)厲限制，使市場(chǎng)失去了流動(dòng)性，無(wú)法體現(xiàn)正向期現(xiàn)基差的非對(duì)稱性，所以本研究只采用證券市場(chǎng)不被嚴(yán)厲監(jiān)管的子樣本sub1。

表35分鐘高頻數(shù)據(jù)下期現(xiàn)基差和流動(dòng)性的回歸結(jié)果Table 3 Regression Results for Future-cash Basis and Liquidity at 5-minute High Frequency Data

3.3.1 正向期現(xiàn)基差的非對(duì)稱效應(yīng)檢驗(yàn)

采用引入外生變量的VAR模型對(duì)正向期現(xiàn)基差的非對(duì)稱效應(yīng)進(jìn)行檢驗(yàn)，即

(3)

表45分鐘高頻數(shù)據(jù)下非對(duì)稱效應(yīng)的VAR估計(jì)結(jié)果Table 4 VAR Results for basi of Asymmetric Effect at 5-minute High Frequency Data

注：括號(hào)內(nèi)數(shù)據(jù)為標(biāo)準(zhǔn)誤。

在對(duì)正向期現(xiàn)基差的非對(duì)稱效應(yīng)進(jìn)行檢驗(yàn)后，本研究進(jìn)一步使用OLS對(duì)期現(xiàn)基差的非對(duì)稱性進(jìn)行研究，(4)用來(lái)刻畫正向期現(xiàn)基差對(duì)流動(dòng)性的影響。

(4)

表55分鐘高頻數(shù)據(jù)下對(duì)ln volt非對(duì)稱效應(yīng)的回歸結(jié)果Table 5 Regression Results for basi of ln voltAsymmetric Effect at 5-minute High Frequency Data

注：*為10%顯著水平，括號(hào)內(nèi)數(shù)據(jù)為p值，下同。

4低頻數(shù)據(jù)實(shí)證結(jié)果

4.1 VAR模型和格蘭杰因果檢驗(yàn)

在使用高頻數(shù)據(jù)實(shí)證之后，為了穩(wěn)健，本研究進(jìn)一步采用日度低頻數(shù)據(jù)進(jìn)行實(shí)證分析，而且不同頻率數(shù)據(jù)的特征也可以反映不同類型投資者的特征。

仍然使用VAR模型對(duì)兩個(gè)內(nèi)生變量basist和lnvolt進(jìn)行估計(jì)，滯后階數(shù)按照信息準(zhǔn)則選取。在對(duì)模型檢驗(yàn)之后，進(jìn)行格蘭杰因果檢驗(yàn)和脈沖響應(yīng)分析，而診斷性檢驗(yàn)顯示模型不存在自相關(guān)問(wèn)題，也通過(guò)了適用于低頻數(shù)據(jù)參數(shù)穩(wěn)定性的累積平方和檢驗(yàn)，所以綜合來(lái)看模型穩(wěn)定，可以用于統(tǒng)計(jì)推斷。

如前所述，套期保值投資者往往在多日間進(jìn)行交易，所以更關(guān)注日度間的期現(xiàn)基差變化對(duì)其帶來(lái)的風(fēng)險(xiǎn)。表6給出在日度低頻數(shù)據(jù)下4段樣本區(qū)間basist和lnvolt格蘭杰因果檢驗(yàn)結(jié)果，可以看出basist在整體時(shí)間全樣本是lnvolt的格蘭杰原因，但是在剩下的分樣本里basist不是lnvolt的格蘭杰原因。所以在代表套利交易投機(jī)方的高頻數(shù)據(jù)中得到的“期現(xiàn)基差是導(dǎo)致套利交易的原因，使訂單不平衡，從而減弱了市場(chǎng)的流動(dòng)性”結(jié)論，在投資時(shí)間周期略長(zhǎng)一些的投資者中表現(xiàn)不明顯；但是同樣的，在股指期貨和賣空被限制后的sub2和sub2′時(shí)期，流動(dòng)性不是期現(xiàn)基差的原因，表明流動(dòng)性不會(huì)導(dǎo)致市場(chǎng)期現(xiàn)基差的變化。

表6 日度低頻數(shù)據(jù)下格蘭杰因果檢驗(yàn)結(jié)果Table 6 Granger Causality Test Results at Daily Low Frequency Data

與高頻數(shù)據(jù)分析的方法步驟一致，本研究進(jìn)一步對(duì)全樣本日度數(shù)據(jù)下basist和lnvolt對(duì)系統(tǒng)產(chǎn)生的脈沖響應(yīng)進(jìn)行分析，表明basist無(wú)法對(duì)lnvolt產(chǎn)生很大擾動(dòng)，而lnvolt卻會(huì)對(duì)basist產(chǎn)生影響，但是與高頻數(shù)據(jù)中得到的結(jié)論不同的是，lnvolt對(duì)basist產(chǎn)生影響在2期之后就消失且方向?yàn)樨?fù)。在sub1下，basist同樣無(wú)法對(duì)lnvolt產(chǎn)生很大擾動(dòng)，而lnvolt卻會(huì)對(duì)basist產(chǎn)生影響，但影響在2期之后就消失且方向?yàn)樨?fù)，其他的結(jié)果與全樣本下的一致。所以在受到監(jiān)管層的嚴(yán)厲限制下，lnvolt對(duì)basist產(chǎn)生的影響時(shí)間會(huì)變長(zhǎng)。從投資時(shí)間周期略長(zhǎng)一些的交易者看，期現(xiàn)基差的變動(dòng)不會(huì)影響其投資策略，從而此時(shí)的流動(dòng)性不會(huì)改變，所以反過(guò)來(lái)，在受到政府限制后lnvolt對(duì)basist產(chǎn)生的影響時(shí)間也會(huì)變得更長(zhǎng)。限于篇幅原因，未給出相關(guān)檢驗(yàn)和脈沖圖的具體報(bào)告，感興趣的讀者可向作者索要。

4.2 市場(chǎng)受監(jiān)管時(shí)期的期現(xiàn)基差與流動(dòng)性的關(guān)系

本研究同樣對(duì)嚴(yán)厲監(jiān)管時(shí)期“期現(xiàn)套利無(wú)法操作、期現(xiàn)基差對(duì)流動(dòng)性沒(méi)有了顯著影響、流動(dòng)性對(duì)期現(xiàn)基差也沒(méi)有了顯著影響”的現(xiàn)象進(jìn)行研究。表7給出市場(chǎng)受監(jiān)管時(shí)期的期現(xiàn)基差和流動(dòng)性的OLS結(jié)果，本研究主要關(guān)注滯后的basist(lnvolt)對(duì)lnvolt(basist)的影響。

表7 日度低頻數(shù)據(jù)下期現(xiàn)基差和流動(dòng)性的回歸結(jié)果Table 7 Regression Results for Future-cash Basis and Liquidity at Daily Low Frequency Data

為了穩(wěn)健，本研究采用時(shí)間段sub2′作為結(jié)果的穩(wěn)健性檢驗(yàn)。由表7可知，在市場(chǎng)受到限制的sub2和檢驗(yàn)樣本sub2′，lnvolt-1對(duì)basist的影響均不顯著；basist-1對(duì)lnvolt的影響只在sub2列中有10%的顯著性。所以，在股指期貨和股票現(xiàn)券賣空均被嚴(yán)厲限制的時(shí)期，套利交易難以進(jìn)行，期現(xiàn)基差就無(wú)法通過(guò)套利影響流動(dòng)性，流動(dòng)性會(huì)降低。

4.3 非對(duì)稱效應(yīng)

4.3.1 正向期現(xiàn)基差的非對(duì)稱效應(yīng)檢驗(yàn)

表8 日度低頻數(shù)據(jù)下非對(duì)稱效應(yīng)的VAR估計(jì)結(jié)果Table 8 VAR Results for basi of Asymmetric Effect at Daily Low Frequency Data

注：括號(hào)內(nèi)數(shù)據(jù)為標(biāo)準(zhǔn)誤。

表9 日度低頻數(shù)據(jù)下對(duì)ln volt非對(duì)稱效應(yīng)的回歸結(jié)果Table 9 Regression Results for basi of ln voltAsymmetric Effect at Daily Low Frequency Data

注：括號(hào)內(nèi)數(shù)據(jù)為p值。

綜合日度低頻數(shù)據(jù)和5分鐘高頻數(shù)據(jù)得到的結(jié)果看，二者所得到的結(jié)論一致。由于日度數(shù)據(jù)和分鐘數(shù)據(jù)分別反映了套期保值者和投機(jī)(套利)交易者的交易特征，套期保值者往往交易間隔較長(zhǎng)，且會(huì)在多日間進(jìn)行交易，所以更關(guān)注日度間的期現(xiàn)基差變化對(duì)其帶來(lái)的風(fēng)險(xiǎn)，低頻數(shù)據(jù)對(duì)應(yīng)于這類交易；投機(jī)(套利)交易者往往會(huì)在日度內(nèi)頻繁買賣，使其更加關(guān)注日度內(nèi)的期現(xiàn)基差變化，高頻數(shù)據(jù)對(duì)應(yīng)于這類交易[24]。因此，監(jiān)管層在對(duì)股指期貨和股市融券嚴(yán)厲限制后，處于不同動(dòng)機(jī)的套期保值投資者和投機(jī)(套利)交易者都無(wú)法繼續(xù)交易獲利，進(jìn)而流動(dòng)性盡失。此外，低頻和高頻數(shù)據(jù)結(jié)論一致也表明期現(xiàn)基差與流動(dòng)性這一研究結(jié)果的可靠性。

5 結(jié)論

本研究使用在2015年中國(guó)股市危機(jī)期間監(jiān)管層對(duì)股指期貨和融券嚴(yán)厲限制這一擬自然實(shí)驗(yàn)場(chǎng)景，使用滬深300股票指數(shù)和滬深300股指期貨的5分鐘高頻和日度低頻數(shù)據(jù)，對(duì)中國(guó)證券市場(chǎng)的期現(xiàn)基差和流動(dòng)性問(wèn)題進(jìn)行研究，得到如下研究結(jié)論。

首先，將2015年全年劃分股災(zāi)約束前和股災(zāi)約束后的樣本區(qū)間，本研究發(fā)現(xiàn)期現(xiàn)基差是導(dǎo)致套利交易的原因，進(jìn)而產(chǎn)生訂單不平衡，最終減弱了市場(chǎng)的流動(dòng)性。在未受到嚴(yán)厲監(jiān)管前的流動(dòng)性與期現(xiàn)基差是雙向的格蘭杰因果關(guān)系，但在股指期貨和賣空被限制后，流動(dòng)性就不再是期現(xiàn)基差的原因?？梢钥闯?，在期現(xiàn)基差條件不同的證券和期貨市場(chǎng)下會(huì)有不同的市場(chǎng)行為，而金融市場(chǎng)的長(zhǎng)期問(wèn)題引發(fā)的短期矛盾一旦發(fā)生，周期就變得越短，政府干預(yù)就會(huì)增加，金融市場(chǎng)也就會(huì)在這種“一放就亂、一收就死”的短周期中不斷循環(huán)，發(fā)生于2015年的股市危機(jī)也僅是一個(gè)例證。

其次，在股指期貨和賣空被嚴(yán)厲限制下，套利交易難以進(jìn)行，期現(xiàn)基差在此時(shí)無(wú)法通過(guò)套利影響流動(dòng)性，這可能是造成2015年股市危機(jī)期間流動(dòng)性盡失的一個(gè)重要原因。因此，股市危機(jī)期間對(duì)股指期貨和兩融嚴(yán)厲的限制導(dǎo)致了流動(dòng)性枯竭，而證券市場(chǎng)最重要的流動(dòng)性要素一旦喪失，便是進(jìn)一步造成“千股齊跌”景象的一個(gè)重要原因。

最后，賣空股指期貨比股票現(xiàn)貨容易導(dǎo)致期現(xiàn)基差與流動(dòng)性出現(xiàn)非對(duì)稱性。當(dāng)期現(xiàn)基差為正時(shí)，套利者們可以很容易的賣空股指期貨并且做多現(xiàn)貨，這種訂單的非平衡引起現(xiàn)貨市場(chǎng)的流動(dòng)性增加；但是一旦出現(xiàn)負(fù)向的期現(xiàn)基差，此時(shí)很難賣空股票現(xiàn)貨和做多股指期貨，導(dǎo)致流動(dòng)性下降。高頻和低頻數(shù)據(jù)的結(jié)論都證明正向期現(xiàn)基差會(huì)引發(fā)套利機(jī)會(huì)，從而使流動(dòng)性增加。這是本研究發(fā)現(xiàn)的流動(dòng)性與期現(xiàn)基差之間相互作用的機(jī)制，同時(shí)也可以看出期現(xiàn)基差的非對(duì)稱性帶來(lái)的嚴(yán)重后果，而非對(duì)稱性又主要是由于資本市場(chǎng)發(fā)生極端金融事件后政府嚴(yán)厲的“維穩(wěn)”措施導(dǎo)致的。

研究結(jié)果不僅為2015年中國(guó)股市危機(jī)期間流動(dòng)性盡失提供了一種解釋，同時(shí)也對(duì)監(jiān)管機(jī)構(gòu)如何應(yīng)對(duì)股票市場(chǎng)危機(jī)具有啟發(fā)意義。①監(jiān)管層在市場(chǎng)發(fā)生極端行情時(shí)可以對(duì)融券交易和股指期貨進(jìn)行松綁，這可能是增加流動(dòng)性的較好辦法；②在外匯交易中心、金融期貨、證券、債券交易所各自獨(dú)立建立大數(shù)據(jù)中心，然后形成統(tǒng)一的“一行三會(huì)”互聯(lián)共享信息平臺(tái)，便于監(jiān)管層實(shí)時(shí)互聯(lián)互通，做出一致的監(jiān)管措施；③可以適時(shí)地推動(dòng)以政府為主導(dǎo)的投資者教育，以便在市場(chǎng)出現(xiàn)危機(jī)時(shí)投資者不盲目從眾，真正樹(shù)立價(jià)值投資的意識(shí)。

本研究還存在一些不足。①?zèng)]有研究期現(xiàn)基差與流動(dòng)性之間的非線性關(guān)系；②由于股市危機(jī)期間的這種擬自然實(shí)驗(yàn)場(chǎng)景樣本期相對(duì)較短，可能會(huì)影響實(shí)證結(jié)果的內(nèi)在穩(wěn)定性；③該研究尚未有一個(gè)可信的理論模型或框架，沒(méi)有從更高的理論角度深入剖析問(wèn)題根源，如股災(zāi)下的投資者認(rèn)知和股指期貨市場(chǎng)行為等，這些都可以作為未來(lái)進(jìn)一步研究的方向。

[1]LEE H C,CHIEN C Y,LIAO T H.Commonality in trading activity and futures-cash basis:Evidence from the Taiwan futures and stock markets.TheJournalofFuturesMarkets,2012,32(10):964-994.

[2]ROLL R,SCHWARTZ E,SUBRAHMANYAM A.Liquidity and the law of one price:the case of the futures-cash basis.TheJournalofFinance,2007,62(5):2201-2234.

[3]KUMAR P,SEPPI D J.Information and index arbitrage.TheJournalofBusiness,1994,67(4):481-509.

[4]KADAPAKKAM P R,KUMAR U.Impact of liquidity on the futures-cash basis:evidence from the Indian market.TheJournalofFuturesMarkets,2013,33(3):266-298.

[5]CHORDIA T,ROLL R,SUBRAHMANYAM A.Order imbalance,liquidity,and market returns.JournalofFinancialEconomics,2002,65(1):111-130.

[6]CHEN N F,CUNY C J,HAUGEN R A.Stock volatility and the levels of the basis and open interest in futures contracts.TheJournalofFinance,1995,50(1):281-300.

[7]CHORDIA T,SARKAR A,SUBRAHMANYAM A.An empirical analysis of stock and bond market liquidity.TheReviewofFinancialStudies,2005,18(1):85-129.

[8]LIEN D,LIM G,YANG L,et al.Dynamic dependence between liquidity and the S&P 500 index futures-cash basis.TheJournalofFuturesMarkets,2013,33(4):327-342.

[9]TAO L,SONG F M.Do small traders contribute to price discovery?Evidence from the Hong Kong Hang Seng index markets.TheJournalofFuturesMarkets,2010,30(2):156-174.

[10] 王錄琦,潘慧峰,劉曦彤.我國(guó)黃金期貨流動(dòng)性與基差的動(dòng)態(tài)關(guān)系研究.科學(xué)決策,2013(1):19-44.

WANG Luqi,PAN Huifeng,LIU Xitong.Dynamic linkage of gold future liquidity and future-cash basis in China market.ScientificDecisionMaking,2013(1):19-44.(in Chinese)

[11] WANG Y Y,CHANG C C,LEE W C.Price discovery between regular and mini index futures in the Taiwan Futures Exchange.InternationalReviewofEconomics&Finance,2013,27(2):224-237.

[12] HAN J,PAN Z.Ontherelationbetweenliquidityandthefutures-cashbasis:evidencefromanaturalexperiment.Brisbane QLD:The University of Queensland,2016.

[13] 陳遠(yuǎn)雄.股指期貨基差與流動(dòng)性的動(dòng)態(tài)關(guān)系研究.中國(guó)商論,2014(1):136-139.

CHEN Yuanxiong.Study of dependence between index future basis and liquidity.ChinaJournalofCommerce,2014(1):136-139.(in Chinese)

[14] HOLDEN C W,JACOBSEN S,SUBRAHMANYAM A.The empirical analysis of liquidity.FoundationsandTrends?inFinance,2014,8(4):263-365.

[15] STOCK J H,WATSON M W.Vector autoregressions.TheJournalofEconomicPerspectives,2001,15(4):101-115.

[16] RITTLER D.Price discovery and volatility spillovers in the European Union Emissions Trading Scheme:a high-frequency analysis.JournalofBanking&Finance,2012,36(3):774-785.

[17] JOHANSEN S,JUSELIUS K.Maximum likelihood estimation and inference on cointegration-with applications to the demand for money.OxfordBulletinofEconomicsandStatistics,1990,52(2):169-210.

[18] SARI R,HAMMOUDEH S,CHANG C, et al.Causality between market liquidity and depth for energy and grains.EnergyEconomics,2012,34(5):1683-1692.

[19] STRAETMANS S,CANDELON B.Long-term asset tail risks in developed and emerging markets.JournalofBanking&Finance,2013,37(6):1832-1844.

[20] LüTKEPOHL H.Non-causality due to omitted variables.JournalofEconometrics,1982,19(2/3):367-378.

[21] TSE Y,XIANG J.Market quality and price discovery:introduction of the e-mini energy futures.GlobalFinanceJournal,2005,16(2):164-179.

[22] GILBERT C L,RIJKEN H A.How is futures trading affected by the move to a computerized trading system?Lessons from the LIFFE FTSE 100 contract.JournalofBusinessFinance&Accounting,2006,33(7/8):1267-1297.

[23] ANDERSEN T G,BOLLERSLE V T.Intraday periodicity and volatility persistence in financial markets.JournalofEmpiricalFinance,1997,4(2/3):115-158.

[24] GRANGER C W J.Testing for causality:a personal viewpoint.JournalofEconomicDynamicsandControl,1980,2(1):329-352.

[25] LüTKEPOHL H.Non-causality due to omitted variables.JournalofEconometrics,1982,19(2/3):367-378.

[26] 趙勝民,閆紅蕾.A股市場(chǎng)統(tǒng)計(jì)套利風(fēng)險(xiǎn)實(shí)證分析.管理科學(xué),2015,28(5):93-105.

ZHAO Shengmin,YAN Honglei.Empirical study on the risk statistical arbitrage in A-share market.JournalofManagementScience,2015,28(5):93-105.(in Chinese)

[27] STOCK J H,WATSON M W.Vector autoregressions.JournalofEconomicPerspectives,2001,15(4):101-115.

[28] BOULTON T J,BRAGA-ALVES M V.The skinny on the 2008 naked short-sale restrictions.JournalofFinancialMarkets,2010,13(4):397-421.

[29] BEBER A,PAGANO M.Short-selling bans around the world:evidence from the 2007-09 crisis.TheJournalofFinance,2013,68(1):343-381.

[30] BOEHMER E,JONES C M,ZHANG X.Shackling short sellers:the 2008 shorting ban.TheReviewofFinancialStudies,2013,26(6):1363-1400.

[31] TREBBI F,XIAO K.Regulationandmarketliquidity.Vancouver,BC:University of British Columbia,2015.

[32] YANG J,YANG Z,ZHOU Y.Intraday price discovery and volatility transmission in stock index and stock index futures markets:evidence from China.TheJournalofFuturesMarkets,2012,32(2):99-121.

[33] 瞿慧,徐冰慧,牛孟芝.基于日內(nèi)跳躍識(shí)別方法的股指期貨動(dòng)態(tài)套期保值研究.中國(guó)管理科學(xué),2015,23(增刊):453-458.

QU Hui,XU Binghui,NIU Mengzhi.Dynamic hedging of index futures based on intraday jump identification method.ChineseJournalofManagementScience,2015,23(Special Issue):453-458.(in Chinese)

[34] WANG K,MIAO L,LI J.Two-factor decomposition analysis for correlation between mainland China and Hong Kong stock markets.InternationalReviewofFinance,2013,13(1):93-110.

[35] 王鵬,楊興林.基于時(shí)變波動(dòng)率與混合對(duì)數(shù)正態(tài)分布的50ETF期權(quán)定價(jià).管理科學(xué),2016,29(4):149-160.

WANG Peng,YANG Xinglin.Option pricing of mixture of lognormal distributions with time-varying volatility in 50ETF option.JournalofManagementScience,2016,29(4):149-160.(in Chinese)

[36] 常寧,徐國(guó)祥.金融高頻數(shù)據(jù)分析的現(xiàn)狀與問(wèn)題研究.財(cái)經(jīng)研究,2004,30(3):31-39.

CHANG Ning,XU Guoxiang.An analysis of the present status and problems of financial high frequency data analysis.JournalofFinanceandEconomics,2004,30(3):31-39.(in Chinese)

[37] NIELSEN M ?,FREDERIKSEN P.Finite,sample accuracy and choice of sampling frequency in integrated volatility estimation.JournalofEmpiricalFinance,2008,15(2):265-286.

[38] BHATTACHARYA J,HASLAG J H,MARTIN A.Why does overnight liquidity cost more than intraday liquidity?.JournalofEconomicDynamicsandControl,2009,33(6):1236-1246.

[39] RIEDEL C,WAGNER N.Is risk higher during non-trading periods?The risk trade-offfor intraday versus overnight market returns.JournalofInternationalFinancialMarketsInstitutions&Money,2015,39(11):53-64.

[40] BLUME M E,GOLDSTEIN M A.Quotes,order flow,and price discovery.TheJournalofFinance,1997,52(1):221-244.

Futures-cash Basis and Liquidity in Security Market

LI Pujiang1，GUO Yanfeng2

1 Research Institute of Economics and Management, Southwestern University of Finance and Economics, Chengdu 610074, China 2 School of Finance, Southwestern University of Finance and Economics, Chengdu 610074, China

As demonstrated by the “Thousands of stocks steep see-off leading to a trading halt”, the Chinese securities market experienced very serious liquidity issues during the 2015 market crash, and that had led its regulatory agencies to implement a series of restrictions on the stock market that had never witnessed in Chinese stock trading history. The unprecedented 2015 experience serves as a quasi natural experiment and can be used to study the futures-cash basis and liquidity relationship of the Chinese securities market.

Using the 5-minute high frequency and daily low frequency CSI 300 stock index and CSI 300 index futures data and based on the arbitrage trading theory, we apply VAR model and OLS method to investigate the futures-cash basis and liquidity issue in the Chinese securities market, in a subsample approach that splits the samples in pre- and post- the crisis regulation.

The main findings are as follows. First, futures-cash basis is the reason of the arbitrage trading. It causes the order imbalance, and weakens the market liquidity. Second, positive futures-cash basis influences the market liquidity more than negative futures-cash basis can do and this asymmetry effect is stronger in extreme periods. This is so because when the futures-cash basis is positive, arbitrageurs can easily short the stock index futures and long the stock spot, and the order imbalance will increase spot market liquidity meanwhile. However, when the futures-cash basis is negative, it is hard to short the stock spot and long the stock index futures because of the decline in liquidity. The finding that positive basis could trigger the arbitrage mechanism and an increase in securities market liquidity holds in the case of high frequency data as well as the case of low frequency data. Third, when stock index futures and short-sellings were restricted, arbitrage became difficult, which makes the futures-cash basis ineffective for improving the security market liquidity. This can be an explanation for the lack of liquidity during the stock market crash period of 2015.

Our findings provide an explanation for the loss of liquidity in the Chinese stock market crash in 2015, and it is expected that these findings are to serve as potentially useful information on how to best deal with securities market crisis for regulatory agencies.

futures-cash basis；stock market liquidity；arbitrage trading；stock market crash

F830.9

A

10.3969/j.issn.1672-0334.2017.04.011

1672-0334(2017)04-0151-10

□

2016-09-20 修返日期：2017-01-23

中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(JBK1607002)

李蒲江，西南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)與管理研究院博士研究生，研究方向?yàn)榻鹑谟?jì)量和資本市場(chǎng)等，E-mail：PujiangLee@163.com

郭彥峰，管理學(xué)博士，西南財(cái)經(jīng)大學(xué)金融學(xué)院講師，研究方向?yàn)橘Y本市場(chǎng)和能源金融等，代表性學(xué)術(shù)成果為“How do the stock prices of new energy and fossil fuel companies correlate? Evidence from China”，發(fā)表在2014年第41期《Energy Economics》，E-mail：guo_yan_feng@163.com

Received Date:September 20th, 2016 Accepted Date:January 23rd, 2017

Funded Project:Supported by the Fundamental Research Funds for the Central Universities(JBK1607002)

Biography:LI Pujiang is a Ph.D candidate in the Research Institute of Economics and Management at Southwestern University of Finance and Economics. His research interests include financial econometrics and capital market. E-mail：PujiangLee@163.com

GUO Yanfeng, doctor in management, is a lecturer in the School of Finance at Southwestern University of Finance and Economics. His research interests include capital market and energy finance. His representative paper titled “How do the stock prices of new energy and fossil fuel companies correlate? Evidence from China” was published in theEnergyEconomics(Issue 41, 2014). E-mail：guo_yan_feng@163.com