股指期货对现货波动性和信息传递速度的影响
来源:用户上传
作者:
【摘要】本文通过选取沪深300股指期货推出前后具有相似基本面、相同走势的区间数据进行分组比较,并利用GARCH模型进行拟合检验,发现沪深300股指期货的推出在短期内由于投资者结构不完善等原因导致现货波动增大,但很快又急速变小,开始显现稳定股市波动的作用。此外,股指期货的引入导致噪声交易增多,价格所包含信息减少,但同时也提高了信息的传递速度。
【关键词】股指期货;波动性;信息传递
一、引言
关于股指期货上市对现货波动性的影响的课题,一直都是学术界的热点,只有了解股指期货对现货的波动以及信息传递效率的影响,才能更好的发挥股指期货的价格发现、资产风险管理等功能。世界各国的学者对此进行过大量的理论和事件研究,但存在重大分歧。以cox(1976)的“噪声交易说”、美国布雷迪委员会(1988)的“瀑布理论”和Antoniou(1995)的“信息传递说”为代表的第一种观点认为,股指期货推出后增加了现货市场的波动性。第二种观点认为期货交易可以熨平股市波动,比较有代表性的是1978年由anthine提出的“市场有效性假说”和Fremault(1991)的“套利影响假说”。Charles M.S.和Sutcliffe(1997)、Lee和Ohk(1992)、等运用了统计、多市场比较的方法发现期货对现货波动性影响不显著或者是无法判断影响。国内研究中,孟海亮、任若思[1](2009)的理论研究和彭艳、蒋瑛琨[2](2006)、汪冬华、欧阳卫平、Hayk Mkrtchyan[3](2009)等学者对国际市场的比较研究也得出了无法判断影响的结论。也有学者分析产生分歧的原因,Board J,Sutcliffc C.(1990)认为是的检验方法的适用性[4],但直至80年代推出的ARCH类模型受到金融波动性中在广泛使用后仍得不出统一结论。1998年Bollen提出的“样本区间差异”认为样本选取的不同使得研究数据所处的基本面不同,因而产生不同结论[5]。对于沪深300股指期货,在其上市前政府颁布了严厉的房地产政策,相继又出现了高盛事件、希腊危机,很难排除基本面的影响因素。因此本文采用对照区间比较法,即选取推出前与推出后这段暴跌基本面相似、形态走势相同的区间数据进行分组,利用GARCH模型分别进行建模估计比较。
二、实证过程
1、实证方法
GARCH族模型由于很好的可以刻画金融市场时间序列的波动特征(时变性、聚集性),并能够捕捉动态波动性的结构性变化,检验信息与波动性的关系,因此在现有波动性研究中采用得比较多,本文也利用此模型进行实证。
GARCH(p,q)模型由条件均值方程和条件方差方程组成,基本形式如下:
其中,(1)是条件均值方程,(2)是条件方差方程,ψ是信息集,p是GARCH项的阶数,q是ARCH项的阶数。GARCH模型要求α和β必须非负。在条件方差方程中,α为信息系数,主要用于衡量上一期的波动信息对即期波动性的影响。β为持续性系数,用于衡量t-1期之前各期波动冲击对即期波动性的影响。两者关系的变化可以反映信息在价格中流动的速度。
同时本文分两步进行实证。第一步,首先通过在GARCH模型的条件方差方程中加入虚拟变量的方法对期货推出前后的整个区间进行建模,判断股指期货的推出对现货波动性是否有显著影响。该方程变为:
其中,虚拟变量DV代表沪深300股指期货的引入,在股指期货推出前,DV=0,推出后DV=1。第二步,对推出前、后子区间分别进行建模,进一步分析信息传递速度受到的影响。
2、样本选取与预处理
本文选取的是2009.8.4-2009.11.3和2010.4.16-2010.7.20这两段区间的1分钟高频数据,两段区间相差仅有半年,宏观经济情况大致相同,都主要源于投资者对货币政策和流动性收紧的担忧以及印花税上调的传闻,2009年8月的下跌了1002点,而2010年则下跌了700多点,在基本面、跌幅、形态上都具有可比性,故分别作为股指期货推出前后的样本。为了分析不同形态下影响的差异性,又将数据分为两大组:第一组把股指期货推出前的单边下跌与推出后的单边下跌相比,以下简称“单边组”;第二组则把这两次单边下跌后所对应的震荡期相比较,简称“震荡组”,如表1。
采用对数收益率化处理,公式为R=ln(P1)-ln(P0)。在第一步实证中,将每一大组数据连接成一个整体序列,进行对数收益率处理后,将中间连接时点的收益率设为0。
首先对各大组的整体样本区间和各子样本区间收益率序列进行单位根检验,结果显示在1%的显著性水平下,各序列统计量均低于标准值,存在单位根,序列是平稳,可以利用GARCH建模。
其次,通过各收益率序列的自相关图和偏相关图,分别选择p、q的阶数,建立可能的ARMA模型,再利用调整后的可决系数、AIC和SC准则和残差独立性Q检验对建立的ARMA模型进行选择。最终选择出来的各模型的Q检验的结果都显示,这些模型的残差序列为白噪声的概率很大,故不能拒绝序列相关独立的原假设,检验是通过的,各模型都能较好的拟合相应的收益率序列。
接着,对各序列的ARMA模型进行ARCH检验,所有的模型均在1%的置信水平下表现显著,而且均存在高阶ARCH效应,故可以通过建立GARCH模型来消除这种效应。一般认为,GARCH(1,1)就足以描述大量的金融时间序列数据,因此对以上ARMA模型分别建立对应的GARCH(1,1)模型。然后分别利用残差平方相关图和ARCH-LM法则来检验这些模拟的拟合程度。结果显示,这些模型均通过了残差平方Q检验,表明这些模型都能较好地拟合指数收益序列的条件波动结构。而且在ARCH检验中,所有模型的相伴概率都较大,表明经过GARCH(1,1)拟合后,残差序列的ARCH效应已经消失。
三、结果分析
各组收益率序列的GARCH(1,1)模型估计结果如表2:
如表2,两个整体组的系数γ表现各不相同,在单边组中显著为正,而在震荡组中则显著为负。结合具体情况,在单边组区间内,处于稳定期货市场的目的,在股指期货推出前期,限制了机构投资者的进入,同时也限制了市场中机构套保和套利比例,在国际成熟的股指期货市场中,套保比例应该占据一半的水平。投资者结构的不完整,无法起到相互制衡的作用,导致了在出现暴跌后,商品期货投资散户便利用熟悉的套利、投机手段将期货的卖压转移到了现货,造成恶性循环。进入震荡期后,基金、保险、QFII等机构参与股指的政策也陆续出台,从而投资者结构以及相关法律法规也得到进一步完善,因此沪深300指数的波动性在股指期货引入后变小了,而且减少得非常的明显,股指期货起到了很好的抑制股市波动的作用。
除此以外,两组子区间的系数在引入股指期货后反应却大致相同,具体表现为:(1)α1与β1之和变小,信息对市场的影响减弱;(2)α1变大β1变小,信息传递速度的加快。由于采用了对照分组的形式,并且排除了基本面的影响,因此本文认为这两点变化是股指期货的推出造成的。首先,正如“噪声交易说”所认为的,是期货的低成本高收益的特征吸引了更多低信息投资者(即投机者)的加入,这种大量存在的噪声交易减少了价格中包含的信息。其次,期货的保险金制度、T+0操作方式以及当日结算制度增加了期货操作的频度和市场敏感度,促使市场信息传递速度加快,进而促进了市场“价格发现”功能的发挥,使得价格可以更快趋向合理的水平。
从结论可以看出,我国股指期货刚刚推出不久,就已经显现出一定的价格发现和抑制股市波动的作用,加快市场信息流动速度,虽然在推出初期由于投资者结构不完善等原因致使现货波动性变大,噪声交易增多,但其后当相关法律法规相继出台,投资者结构进一步合理化,股市的波动性则明显减少。这表明了我国有关政府部门“先求稳,后发展”的方针是正确的,我国股指期货推出是非常成功的。而且相信随着制度以及监管的进一步加强,股指期货在其他功能将会陆续的发挥出重要作用。
参考文献
[1]孟海亮,任若思.股指期货推出对股市市场质量的影响[J].系统工程,2009(10):
39-43.
[2]彭艳,蒋瑛琨.股指期货对A股市场的影响及投资策略[R].国泰君安证券研究所,2006-09-27.
[3]汪冬华,欧阳卫平.Hayk Mkrtchyan.股指期货推出前后股市反应的国际比较研究[J].环球金融,2009(4):11-16.
[4]Charles M.S.Sututcliffe.Stock Index futures,Theories and International Evidence[M].2nd edition,International Thomson business Press,1997.
[5]Bollen N.A note on the impact of options on stock return volatility[J].Journal of Banking and Finance,1998(22):1181-1191.
[6]张丹,杨朝军.股指期货对现货波动性与信息定价效率的影响――来自印度的经验数据[J].上海交通大学学报,2009(9):1398-1402.
作者简介:
杨艳军(1969―),女,湖南常德人,中南大学商学院财务与投资管理系副教授,博士,研究方向:期货与期权,证券投资。
张琳(1986―),女,广西梧州人,中南大学商学院硕士研究生,研究方向:期货期权与投融资管理。
转载注明来源:https://www.xzbu.com/2/view-367644.htm
