中国沪深300股指期货的日内价格发现功能研究

　　【摘要】 文章采用沪深300股指现货和股指期货1分钟对数收益率，以VAR模型为基础，运用Granger因果检验法、方差分解法和脉冲响应函数分析法进行实证分析，发现沪深300股指期货在推出的半年中表现出了良好的日内价格发现功能，其价格发现能力远强于现货市场。文章还将上述结果分别与国外、沪深300仿真股指期货交易、沪深300股指期货推出首月的实证结果进行比较分析，发现沪深300股指期货的价格发现功能与发达国家股指期货的价格发现功能相仿，远强于沪深300仿真股指期货交易的价格发现功能。
　　【关键词】 价格发现；方差分解；脉冲响应函数
　　
　　一、引言
　　股指期货是指以股价指数为标的物的标准化期货合约，即双方约定在未来的某个特定日期，可以按照事先确定的股价指数的大小，进行标的指数的买卖。理论上讲，股指期货因其良好的流动性、可卖空的交易机制而具有价格发现的功能。价格发现主要包括两方面，一是不同市场对新信息冲击的反映速度不同；二是新信息冲击对不同市场的影响强度不同。
　　纵观国内外关于期货市场价格发现功能的研究成果，研究领先滞后关系的文献众多，如Kawaller et al.（1987）、Abhyankar（1998）、Stoll et al.（1990）、Seung Oh Nam et al.（2006）等分别对美国S&P 500、MMI、英国FTSE 100、韩国KOSPI 200等股指期货与现货之间的领先滞后关系进行研究分析，发现了发达国家股指期货的价格发现功能。而关于新信息对市场冲击方面的研究则较少。Alphones（2000、W. SO和Y.TSE（2003）、Booth（1999）、肖辉等（2006）分别对法国、香港、德国、美国等地的股指期货市场研究了新信息对市场的冲击，均发现期货市场的价格发现功能强于现货市场。
　　国内关于ZPCbOeW0GnCko4mx9Y9ujQ==股指期货价格发现功能的研究同样集中于其领先滞后关系的研究，且具有实证方法较为单一的特点。针对沪深300仿真股指期货，王刚（2007）采用Granger因果检验的方法发现在一定滞后阶数上，期货价格是现货价格的Granger原因，但刘博文、房振明（2008）运用VECM模型、信息份额模型和成分份额模型（Component Share），冯飞、唐伟敏（2008）运用Granger因果检验，均得出期货市场对现货市场不具有引导关系的结论。2010年4月16日，沪深300股指期货正式推出后，彭紫云（2010）运用Granger因果检验和ARMA模型，任远（2010）运用Granger因果检验法和互相关分析法，分别对股指期货推出1—2个月内的1分钟高频数据作了领先滞后分析，均证明了期货的价格发现功能。
　　由以上文献可见，国外对于各国股指期货市场与现货市场的价格发现功能的研究较为完善，众多学者采用多种方法从多个角度对多个国家的期货市场价格发现功能进行了深入的研究。反观国内，沪深300仿真股指期货交易的研究结果很可能无法真实反映国内股指期货和现货市场的真实情况，而且国内对股指期货的研究方法较为单一，多数研究只采用Granger因果检验粗略判断期货与现货之间的领先滞后关系，而没有考虑市场中的随机扰动对于现货和期货市场的动态影响。
　　因此，本文采用沪深300股指期货推出后半年来的1分钟高频交易数据，运用Granger因果检验判断期货与现货之间的领先滞后关系，然后结合方差分解和脉冲响应函数分析法分析新信息的冲击对于两个市场的动态影响，从而分析判断两个市场在股指期货推出半年内所表现出的价格发现功能。
　　
　　二、方法
　　本文以向量自回归模型（VAR）为基础，采用Granger因果检验法、方差分解法和脉冲响应函数分析法来判断股指现货和期货之间是否存在领先滞后的因果关系，分析股指现货市场和期货市场的价格发现功能。
　　（一）向量自回归模型（VAR）
　　VAR模型是用非结构性的方法来建立各个变量之间的关系。它建立了系统中每一个内生变量与系统中所有内生变量滞后值之间的相互关系，常用于分析、预测不同时间序列之间的领先滞后关系，并分析随机扰动对变量系统的动态冲击，以解释某些经济冲击对特定经济变量所产生的影响及其强度。
　　常用的二元VAR模型形式如下：
　　（二）Granger因果检验法
　　Granger因果检验对模型中变量的滞后阶数非常敏感，本文通过对LR、FPE、AIC、SC、HQ等滞后阶数判断标准的对比，选择五个判断标准中认可度最高的滞后阶数。
　　（三）方差分解与脉冲响应函数分析
　　在VAR模型的基础上，可以通过方差分解和脉冲响应函数分析随机扰动对变量系统的动态冲击及其强度。方差分解是通过分析每一个结构冲击对内生变量变化的贡献度，以评价不同结构冲击的重要性。脉冲响应函数是描述VAR模型中一个内生变量的冲击给其他内生变量带来的影响，并分析扰动项的影响是如何传递到各个变量。
　　
　　三、数据处理
　　本文旨在研究沪深300指数期货在推出初期的价格发现功能，故选用2010年4月16日—2010年10月22日的沪深300指数期货与现货1分钟高频数据进行研究。鉴于期货市场与现货市场之间存在交易时间不同等差异，为确保数据的可比性，对所有取得的1分钟高频数据作如下处理：
　　第一，收盘价是最重要的数据，因此本文采用每分钟收盘价计算分钟对数收益率：
　　rt=lnPt-lnPt-1 （2）
　　用RS代表股指现货分钟对数收益率，RF代表股指期货分钟对数收益率。
　　第二，期货具有不连续的特点，在同一个时刻有多种期货同时交易。通过对已获得数据交易量进行观察发现，期货只有在接近交割月时才会交易活跃。因此，本文选取交易量最大的期货合约作为代表，形成一个连续的期货交易时间序列。
　　第三，现货在交易日的交易时间为9：30—11：30，13：00
　　—15：00。而股指期货在交易日的交易时间为9：15—11：30，
　　13：00—15：15。考虑到在期货多交易的这两段时间中，9：15
　　—9：30间的交易信息可以在现货市场的集合竞价中有所体现，15：00—15：15的市场波动不大。因此，为保证两市场数据的可比性，本文剔除股指期货在9：30之前和15：00之后的数据，这样并不会对实证结果有显著影响。
　　第四，由于本文讨论的是日内股指期货与现货之间的价格发现效率，故不考虑跨日数据，即剔除每日的隔夜对数收益率数据，从而每日有239个分钟对数收益率数据。
　　综上所述，2010年4月16日—2010年10月22日共有124个交易日，每日239对数据，共29 636对数据。
　　
　　四、实证分析
　　（一）ADF平稳性检验
　　对RS、RF分别作图观察，粗略判断二者均平稳；再用ADF法进行平稳性检验，结果如表1，可见RS、RF序列都是平稳的。
　　（二）VAR模型及其滞后阶数的判断
　　对RS、RF序列建立向量自回归模型，并对模型的滞后阶数进行检验，得出5个滞后阶数判断标准数值如表2。
　　根据多个判别标准认可度最高原则，由表2分析可知，建立VAR模型，选择滞后阶数应为18阶。
　　（三）Granger因果检验
　　在VAR模型的基础上作Granger因果检验时，RF与RS间的滞后阶数也选为18阶，检验结果如表3。可见，RF和RS二者存在双向Granger因果关系，两市场之间存在着较强的信息传导与价格发现机制。而通过比较两个F检验量，953.582远大于4.86548，说明RF对RS的影响程度要远强于RS对RF的影响程度，体现了期货市场极强的价格发现功能。
　　
　　（四）方差分解
　　对VAR做方差分解，结果如表4。
　　从表4可见，影响RS方差的因素大部分来自于期货市场，随着滞后阶数的增加，期货市场的贡献率接近55.70%，现货市场的贡献率接近44.30%。期货市场对现货市场的贡献率甚至超过了现货市场对自身的贡献率，这很可能是由于股指期货推出初期，投资者投机性过强，大部分投资者愿意在得到新信息后迅速进入期货市场，从而将信息迅速反映在期货价格上。同时，影响RF方差的因素大部分仍来自于期货市场，随着滞后阶数的增加，期货市场的贡献率接近99.69%，而现货市场贡献率只有0.31%。现货市场对期货市场方差的贡献率非常小。在沪深300股指期货推出的这半年当中，期货市场的价格发现功能起到了重要的主导作用。
　　（五）脉冲响应函数分析
　　在前述分析结果的基础上，对RF和RS作脉冲响应函数分析，以发现各市场对对方市场新信息冲击的反应情况，结果如图3、图4。
　　由图3、图4可以看出，一个标准差的RS的冲击，在第一期对RF没有产生影响，随后影响逐步显现，在第三期达到最大，之后逐渐减弱。但是一个标准差的RF的冲击，在第一期对RS没有产生影响，在第二期有微弱影响，之后又几乎没有影响。
　　比较两个市场对冲击的响应，两个市场对对方市场冲击的响应速度相近，都存在一定的滞后性。但是期货市场对现货市场冲击的反应更强烈，也更持久。由此说明，期货市场有很强的价格发现能力，能够迅速将现货市场的信息反映在期货价格之中，并且该信息对期货价格会有较长时间的影响。
　　五、比较分析
　　在股指期货推出的半年当中，期货分钟对数收益率与现货分钟对数收益率之间存在着较为显著的Granger因果关系，二者互相引导，但期货市场的价格发现功能明显强于现货市场。理论上讲，股指期货市场的可做空性、低成本性和高杠杆性决定了其强于现货市场的价格发现功能，在我国，头寸无限制等因素更助推了期货市场异常高的价格发现能力。本部分通过比较本文实证结果与前述文献中的实证结果，分析中国沪深300股指期货所具有的特性。
　　（一）与国外发达国家股指期货的比较
　　从前述文献中可以发现，对于美国等证券市场发展较为完善的国家和地区，股指期货市场的价格发现功能明显高于股指现货市场，这与理论分析结果相一致。本文对于沪深300股指期货的研究结果发现，期货市场表现出的价格发现功能过强，其对现货市场波动的影响甚至超过了现货对自身的影响，这也从另一个角度说明股指期货推出初期的投资者过分依赖期货市场。很多投资者并非出于避险的目的，而是出于投机的目的选择进入期货市场，加之期货市场的高杠杆性和低投资成本，使得投资者更愿意迅速进入期货市场，将市场内外出现的新信息迅速反映在期货价格上。
　　此外，我国股指期货市场与国外同类市场之间在市场机制、投资者结构等方面存在着巨大的差异，这些差异在一定程度上导致国内外的研究结果存在不同。在市场机制方面，国外众多期货交易所均对交易头寸存在限制，因此，在利空环境下，投资者不可能无限做空，打压股价。但国内市场对头寸没有限制，从而增加了投资者的交易频率，增强了期货市场的价格发现功能。在投资者结构方面，股指期货推出初期，机构投资者占比不高，较多的中小投资者增加了市场异常波动的可能。
　　（二）与沪深300股指期货仿真交易的比较
　　国内多名学者早期对于沪深300股指期货仿真交易的研究并没有得出符合理论分析的结论，很多实证结果没有发现期货的价格发现功能。而本文对于沪深300股指期货的分析却很好地印证了理论分析的结论，二者结论不同的原因很可能是由于以下两点：一是仿真交易推出时间较早，期货仿真交易的制度设置不够完善；二是投资者在仿真交易中不会过多关注风险，更敢于冒险，且交易初期很多投资者对于期货的交易制度不够了解，操作不够理性，造成期货市场价格异常波动。
　　（三）与沪深300股指期货刚推出时实证结果的比较
　　前文提及，有少数学者对沪深300股指期货推出1至2个月的价格发现功能进行研究分析，得出了不同的结论。彭紫云（2010）发现股指期货推出一个月时，期货与现货之间具有相互引导的关系，这与本文结论中期货价格发现能力显著强于现货市场有所不同。笔者认为这很可能是由于期货推出初期，投资者对于市场仍处于观望态度，导致初期的期货交易量较少，没有具备一定的规模性和流动性，很大程度上制约了期货的价格发现能力。如今，期货交易基本进入常态，随着交易量的逐步放大，期货的价格发现能力也逐步显现。
　　
　　六、结论
　　本文运用Granger因果检验法、方差分解法和脉冲响应函数分析法，对沪深300股指期货推出半年内的日内1分钟高频数据进行实证分析，并分别与国外实证结果、沪深300仿真交易实证结果、沪深300股指期货推出一个月的实证结果进行比较分析，发现我国股指期货市场具有极强的价格发现功能，说明我国证券市场在近年的改革中迅速发展。但是，股指期货市场对现货市场信息表现出过度反应，说明我国投资者更倾向于通过交易将获得的新信息迅速反映在杠杆率较高的期货市场上，投机性很强。
　　
　　【参考文献】
　　［1］ Ira G. Kawaller， Paul D. Koch， Timothy W. Koch. The Temporal Price Relationship Between S&P 500 Futures and the S&P 500 Index ［J］. The Journal of Finance， 1987（Vol. 42， No. 5）：1 309-1 329.
　　［2］ Abhay Abhyankar. Linear and nonlinear Granger causality： Evidence from the U.K. stock index futures market［J］. Journal of Futures Markets， 1998（Vol.18， No.5）： 519-540.
　　［3］ Hans R. Stoll， Robert E. Whaley. The Dynamics of Stock Index and Stock Index Futures Returns［J］. The Journal of Financial and Quantitative Analysis， 1990（Vol.25， No.4）： 441-468.
　　［4］ Seung Oh Nam， Seung Young Oh， Hyun Kyung Kim， et al. An empirical analysis of the price discovery and the pricing bias in the KOSPI 200 stock index derivatives markets［J］. International Review of Financial Analysis， 2006（Vol.15）：398-414.
　　［5］ Pascal Alphones. Efficient Price Discovery in Stock Index Cash and Futures Markets［J］. Annales D`Economie et de Statistique， 2000（Vol. 60）.
　　［6］ Raymond W. So， Yiuman Tse. Price Discovery in the Hang Seng Index Markets： Index， Futures， and the Tracker Fund［J］. The Journal of Futures Markets， 2004（Vol.24， No.9）：887-907.
　　［7］ G. Geoffrey Booth， Raymond W.SO， Yiuman Tse. Price Discovery in the German Equity Index Derivatives Markets［J］. The Journal of Futures Markets， 1999（Vol.19， No.6）：619-643.
　　［8］ 肖辉，鲍建平，吴冲锋.股指与股指期货价格发现过程研究［J］.系统工程学报，2006（4）：438-441.
　　［9］ 王刚. 基于仿真交易的股指期货定价效果研究［J］. 财经科学，2007（8）.
　　［10］ 刘博文，房振明. 我国股指期货与现货价格发现效率实证研究——基于沪深300模拟期货数据［J］. 大连理工大学学报，2008（3）：35-39.
　　［11］ 冯飞，唐伟敏. 沪深300仿真交易股指与股指期货引导关系研究［J］. 金融经济，2008（10）：108-109.
　　［12］ 彭紫云. 中国股指期货与沪深300 指数关系的实证研究［J］. 中国商界，2010（6）：1-4.
　　［13］ 任远. 股指期货与现货指数领先滞后关系——基于沪深300指数期货合约与沪深300指数的实证分析［J］. 中国证券期货，2010（7）：24-28.