股指期货对我国股市影响的实证研究_TARCH模型

论文导读:：股指期货具有价格发现、资产配置和规避系统性风险的功能。股指期货作为国际金融市场上重要金融创新, 目前已经成为世界上交易量和流动性最好的金融衍生产品之一,也被公认为是最为有效的风险管理工具之一。本文以沪深300股票价格指数期货(Stock Index Futures，简称股指期货)为研究对象。股指期货将期货与股市更加紧密地联系在一起, 本文重点讨论股指期货推出对我国股市的影响。
论文关键词：股指期货，HS300，GARCH模型，TARCH模型
 

一、引言

股指期货是为了满足管理股票现货市场风险，尤其是系统性风险。股指期货的诞生之初，是为了满足在金融产品收益波动日益加剧的环境下，投资者进行有效避险的需要。自从1982年2月，美国堪萨斯期货交易所(KCBT)首先推出了世界上第一个股价指数期货合约——价值线指数期货合约，上市伊始就受到投资者的广泛欢迎。短短几十年内几乎所有的发达国家都拥有股指期货市场和交易所，甚至亚洲的其他新兴国家。本文主要通过对股票指数期货推出前后的数据进行分析，利用GARCH模型和时间序列说明波动率的变动TARCH模型，为克服GARCH模型的不足，还将引入TGARCH和EGARCH模型，对股指期货对现货市场的影响进行实证分析。

二、数据的选取和处理

1.我国沪深300股指期货简介

HS300股指期货于2005年4月8日正式发布，由沪深两市A股中规模大、流动性好、最具代表性的300只股票组成，以综合反映沪深A股市场整体表现论文的格式。根据中国证监会（证监函［2010］74号）文件，在2010年4月16日在中国金融期货交易所上市沪深300股指期货合约。

2.数据的处理

本文所选取的数据是2010年4月16日至2010年8月20日HS300股指期货日收盘价(数据来源:中国金融期货交易所)和2009年12月1日至2010年8月20日HS300指数的日收盘价(数据来源:大智慧)，作为本文分析数据。

三、实证分析

1.HS300指数日收益率的描述性统计

由图1知均值0.1106，标准差0.0156，偏度-0.5652，峰度4.1630。 Jarque-Bera统计量为19.0744。由此可见，样本期内该收益率序列尺具有典型金融数据的负偏、尖峰厚尾的统计特征。HS300指数日收益率起伏呈波浪状，具有明显的波动集群性现象，表明收益率序列很有可能存在ARCH现象。

图1 HS300指数日收益率描述性统计量及柱状图

2.HS300指数日收益率的GARCH检验

（1）平稳性检验

建立模型之前必须先对HS300指数日收益率序列进行单位根检验。这里选择ADF ( AugmentDickey-Fuller)检验。通过Eviews软件得到如下结果，如表1所示:

表1 HS300指数日收益率ADF检验结果

由表知ADF统计量为-12.1768，临界概率为0，统计量小于在1%显著性水平下的临界值TARCH模型，说明该序列是平稳的，模型具有可预测性。

（2）自回归滞后阶数的选择

应该根据的自相关和偏相关图来确定公式中的自回归阶数。通过分析，三个模型结果如表2:

表2不同滞后阶数的回归结果

由上表通过对SC值、AIC值和F统计量对应的P值的比较，滞后3阶建立自回归模型相对比较合适，即：

（3）ARCH--LM检验

在估计GARCH类模型前，还应该进行Engle（1982）提出的ARCH效应检验，ARCH--LM是一种用于检验方差自回归条件异方差性的方法，以确保该类模型适用。其检验结果如表3：

LM检验显示，F统计量和R平方统计量分别为1.725057和5.139222，对应的临界概率都为0. 06，小于显著性水平10%，说明方程残差序列中ARCH效应是显著的，故而对均值方程建立AR (3)模型，对条件方差方程建立GARCH模型论文的格式。

（4）GARCH模型的建立

建立AR (3) -GARCH (1, 1)模型，为检验HS300指数期货的引入对股票市场波动性的影响，设置虚拟变量序列TARCH模型，引入股指期货前为0，引入后为1：

前面给出了均值方程的参数估计，在Variance Equation下方给出了条件方差方程的参数估计，因此所得模型即为：

（2.10） （-7.69） （2.43）

由于的系数为0.00006（为正），这说明股指期货的推出加大了现货市场的波动性，但是并不显著。

（五） GARCH模型的扩展

为检验HS300指数期货引入后对杠杆作用的影响，分别对股指期货引入前后的HS300指数建立TARCH模型、EGARCH模型，并比较两个模型的杠杆效应，从而分析收益率序列波动性的变化情况。TARCH模型(Threshold ARCH)，即为门限自回归条件异方差模型，其条件方差方程为：

表4 HS300指数日收益率序列的TARCH建模结果

引入HS300指数期货之前和之后分别建立的TARCH模型当中，系数均是显著的，表明确实存在杠杆效应，即坏消息大于好消息；并且，引入股指期货之前的值要大于引入之后的值，这说明股指期货的推出降低了股票市场中的杠杆效应。EGARCH模型(Exponential ARCH)TARCH模型，为广义自回归异方差模型，其条件方差方程为：

表5 HS300指数日收益率序列的EGARCH建模结果

引入HS300指数期货之前和之后分别建立的EGARCH模型中，系数都是显著的，这表明的确存在杠杆效应，即坏消息大于好消息；并且引入股指期货之前的的绝对值大于引入之后的的绝对值，说明股指期货的推出降低了股票市场中的杠杆效应。

四、小结

为揭示股指期货交易对股票现货市场的影响效果，本文选择我国HS300股指期货的交易数据作为研究的对象。并采用GARCH模型来对我国股票现货市场的波动性进行了研究，以及不对称TARCH模型对引入沪深300股指期货前后我国股票现货市场波动性的影响进行了相关实证分析,之后又利用标准EGARCH模型再次确认了现货市场波动性对利好和利空信息确实会产生不对称反应，并且分析了推出股指期货前后现货市场不对称反应的具体变化情况。从全文来看，虽然现货市场受到HS300指数期货交易市场影响不明显，但通过本文分析可以看出这一影响是客观存在的。

参考文献
[1]高铁梅.计量经济分析方法与建模.Eviews应用及实例[M].北京:清华出版社，2007
[2]陈芳平，李松涛.股指期货推出对股指波动性影响的实证研究[J].证券投资，2006，136(2):45-47.
[3]陈晓杰.沪深300股指期货仿真交易价格风险实证分析[J].山西财经大学学报，2008(7)
[4]葛佳琦:沪深300期货的推出对现货市场波动性的影响-基于韩国市场的实证分析[D].北京,对外经贸大学,2007.
[5]孙莉:股指期货推出对股票现货市场的影响—以台湾市场为例[D].复旦大学优秀硕士论文，2008
[6]赵卫亚.计量经济学教程[M].上海财经大学出版社,2003(8)