中国金融衍生工具市场价格发现功能实现性研究--基于沪深300股指期货数据的分析

论文导读:：文章通过截取中国沪深300股指现货和股指期货每交易日收盘价数据作为样本数据，使用VAR模型、VECM模型，以及Johansen协整检验、Granger长短期因果检验、Hasbrouck方差分解等方法研究了中国股指期货与现货市场之间的关联性与相互影响等问题。结果显示:股指期货市场与现货市场在长期均衡状态下存在协整关系，股指期货市场实现了较为有效的价格发现功能。且在长期，股指期货市场与股指现货市场相互影响，互为对方的Granger原因，但结合短期情况看，股指期货对股指现货的影响更为巨大。
论文关键词：股指期货，沪深300指数，协整，VAR模型

 

1．引言

金融衍生工具市场是中国资本市场极其重要的组成部分。衍生金融工具与其相对应的原生金融工具之间的关联性问题也一直是学术界与投资者所共同关心的话题。 2010年4月16日的沪深300股指期货上市，标志着中国资本市场发展又翻开了历史性的新篇章。那么至今运行了四个月股指期货是否实现了价格发现功能，对现货市场产生了怎样的影响，两个市场之间的联动效应会怎样，又是否会与以往研究结果相一致？本文将选取更新的市场数据，借助VAR模型、VECM模型、协整检验、长短期Granger因果检验、方差分解等方法，在以往研究基础上更全面综合的刻画我国股指期货价格发现功能作用的大小，由此说明沪深300股指期货市场的运行效率，以期对我国金融衍生工具市场的进一步发展提供有价值的参考。

2. 模型与数据的选取

2.1数据说明

本文选取2010年4月16日至2010年8月23日中国沪深300股指现货和股指期货每交易日收盘价数据作为样本数据，全面再现中国金融衍生品市场中股指期货合约的产生至其发挥其功能影响市场的过程。之所以选择收盘价数据，是因为道氏理论认为收盘价是最重要的价格．这一价格反映了市场的大部分行为。又由于股指期货与现货市场不具有同时性，且同一交易日会同时有若干不同的交易价格金融论文，数据不连续，本文选取最近月份的股指期货合约为代表，将不匹配的数据删除，这样可以得到一个连续的期货合约价格序列。为减小数据的波动，将指标进行对数处理。在此定义，LS为沪深300现货股指对数序列，LF为沪深300股指期货对数序列，数据来源于国泰君安证券研究所及湘财金禾证券分析软件，经整理得共计88组数据,实证过程借助 Eviews5.0软件。

2.2 VAR（向量自回归）模型

本文运用该类模型与方法来对沪深300股票价格期货指数与沪深300股价指数两者之间整体关联性及其互动关系进行系统的考察。VAR（向量自回归）模型是基于数据的统计性质建立模型，VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型（高铁梅，2006）。 VAR(p)模型的数学表达式是：

(1)

其中：是k维内生变量向量，是d维外生变量向量，p是滞后阶数，T是样本个数。k×k维矩阵和k×d维矩阵H是要被估计的系数矩阵。是k维扰动列向量，它们相互之间可以同期相关，但不与自己的滞后值以及等式右边的变量相关。VAR模型常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量形成的影响。

3. 实证分析

3.1单位根检验

研究经济变量之间是否存在长期关系，首先要对时间序列的平稳性进行检验，否则可能出现“伪回归”的情况（Granger,1974）。本文采用Augmented Dickey-Fuller(简称ADF)检验方法来检验样本数据的时间序列特征，ADF平稳性检验基于以下回归方程：

为纯粹白噪音误差项，滞后阶数的选择使得不存在序列相关论文开题报告范文。ADF检验的原假设，备择假设。接受原假设意味着时间序列含有单位根，即序列是非平稳的（古扎拉蒂，2005）。

对每个变量的原序列以及一阶差分序列的平稳性特征采用ADF检验方法金融论文，可知变量原序列都是非平稳的，而一阶差分都是平稳的，满足协整检验前提。

3.2 协整检验

协整检验是从分析时间序列的非平稳性入手，寻找非平衡变量之间的长期均衡关系。常见的协整方法主要有两变量的Engle-Granger检验（简称EG检验）和多变量之间的Johansen检验（简称JJ检验Johansen-Juselius）。EG检验是基于回归残差的检验，通过建立OLS模型来检验其残差的平稳性，若残差是没有单位根的平稳序列，则说明原序列存在协整关系。EG检验存在一定的缺陷，假如当协整关系的维数增加或协整的秩大于1时，EG检验便无能为力了。JJ检验是基于回归系数的检验，是利用向量自回归模型计算出与残差矩阵相关的矩阵的特征值，根据特征值的轨迹及最大特征值进行检验，该方法在一定程度上纠正了EG检验在多变量检验方面的不足。本文采用Johansen检验法来检验LF和LS之间是否存在长期稳定的均衡关系,根据AIC最小准则选取滞后阶数为2阶运用Eviews5.0得到结果如表1：

表1：LF和LS的协整检验结果

注：*,**,***分别表示在1%、5%、10%的显著性水平，下表同。表1中ADF检验结果采用Eviews5.0计算得出，下表同。其中C,T,K分别表示单位根包括常数项、时间趋势和滞后阶数，0是指不包括相关内容。加入滞后项是为了使残差项为白噪声，滞后项采用AIC和SC准则经过多次试算分析得出。D表示差分算子。下同。

从表1中看出只有第一个迹统计量大于5%水平下的临界值，因而只有第一个原假设被拒绝，即有且仅有一个协整关系。其标准化表达方式如下：

(3)

( 0.01525) (0.12113)

小括号内为标准误差。令协整关系等于VECM，由此得出LF与LS之间的协整方程关系式：（4）

进而对标准化协整方程的残差序列vecm做平稳性检验得到表2:

表2：残差序列vecm的ADF检验

由于残差序列vecm为平稳时间序列，可知LF和LS之间存在一种长期的均衡关系，且长期协整方程如公式（3）所示。

3.3 VECM（向量误差修正）模型

以VAR模型描述股指期货与股指现货之间的相互关联，对应模型具体形式为：

相应的参数估计结果如表4所示。从VAR模型的输出结果看，双变量VAR模型分别以股票期货价格指数与股票现货价格指数为被解释变量建立模型（如公式5、6所示）所对应的拟合优度（R²）值分别为 0.917925和 0.919515，说明二者相互拟合的效果都很好。也就是说，股票期货价格指数与股票现货价格指数这两组变量除了受市场系统性与非系统性因素影响外金融论文，还显著的受到自身以及对方的影响。

为了更进一步的研究股指期货与现货的短期波动，笔者在VAR模型和协整模型分析的基础之上，再引入VECM（向量误差修正）模型。VECM模型的优点是既可以克服对非平稳变量做回归时出现的伪回归问题，又可以同时考察变量间的短期和长期关系。当变量之间存在协整关系时，可以建立VECM模型来进一步考察短期关系。

表3：VAR模型与VECM模型

注：VECM表示误差修正项； [ ]内为T统计量。
 

输出结果中VECM(误差修正)项是整个模型的核心部分，反映变量之间的长期均衡关系，其系数则反映变量之间的均衡关系偏离长期均衡状态时，将其调整到均衡状态的调整速度，其绝对值越大，则调整的速度越快。由此我们可以看到沪深300股指期货DLF对于沪深300指数DLS有十分良好的反应能力，也就是说，当短期价格偏离长期均衡状态时，股指期货调整到新的均衡状态的调整力度将大于现货指数的调整力度，在价格发现过程中占相对主导地位。同时，结果中所有作为解释变量的差分项的系数反映各变量的短期波动对作为被解释变量的短期变化的影响。

 1/2    1 2 下一页 尾页