中国期货市场价格发现功能研究

谢晓闻，方 意，赵胜民∗

(1.南开大学金融学院，天津300071；2.广州越秀集团有限公司博士后科研工作站，广东广州510623；3.中央财经大学金融学院，北京100081)



中国期货市场价格发现功能研究

谢晓闻1，2，方 意3，赵胜民1∗

(1.南开大学金融学院，天津300071；2.广州越秀集团有限公司博士后科研工作站，广东广州510623；3.中央财经大学金融学院，北京100081)

基于最新发展的非线性Granger因果检验方法，侧重于非线性视角全面探究了中国期货市场价格发现功能的现状.研究结果表明，金属期货市场价格发现功能最强，农产品期货市场次之，而金融期货市场价格发现功能则相对较弱.具体表现为沪金期货和沪铜期货市场中期货价格对现货价格的引导关系具有非常显著的非线性Granger因果关系，强麦期货市场和玉米期货市场中期货价格对现货价格的引导关系也相对较强，而沪深300股指期货和国债仿真期货中期货价格对现货价格的非线性Granger因果关系则相对较弱.最后，传统线性Granger因果检验方法可能由于忽略变量的非线性特征而使得研究结果出现较大偏差.

现货市场；期货市场；价格发现；非线性Granger因果检验

1　引　言

价格发现功能作为期货市场最基本的功能之一，越来越受到参与者和监管者的重视.人们之所以关注期货市场的价格发现功能，是由于期货价格在一定程度上能够反映市场参与者对市场供求关系的看法，该价格对市场极具敏感性，且能够在很大程度上反映大多数交易者的预测结果.20世纪90年代以来，我国期货市场稳步发展，无论是交易规模，还是交易种类，抑或交易机制等都取得了重大进步，并逐渐成长为现代金融市场不可或缺的一部分.目前，我国期货产品主要在中国金融期货交易所、上海期货交易所、郑州商品交易所和大连商品交易所等四大交易所上市交易，上述交易场所的交易产品基本涵盖了期货市场的主要种类，且交易产品种类日趋丰富.然而，迄今为止，多数学者更多地是探讨期货市场的套期保值功能[1]，较少有学者系统性地研究上述期货市场的价格发现功能.因此，全面系统地研究目前我国各类期货产品的价格发现功能具有重要的理论意义和现实意义.

国外对期货市场价格发现功能的研究由来已久.Garbade等[2]较早通过建立相关动态模型来检验期货价格与现货价格各自在价格发现功能的作用大小.Engle等[3]提出使用E-G两步法研究非平衡经济变量之间的均衡关系，该方法后来被广泛应用在期货市场的价格发现功能的研究中.Gonzalo 等[4]和Hasbrouck[5]则分别构建了共因子模型和信息共享模型以更好地研究期货市场的价格发现功能. Theissen[6]利用门槛误差修正模型发现期货市场在价格发现中处于主导地位，且套利机会的存在对动态的价格发现过程具有重要影响.近年来，越来越多的学者开始使用协整、线性Granger因果检验等方法研究期货市场的价格发现功能.代表性的有Yang等[7]利用协整和误差修正模型等方法研究了中国股指期货市场的价格发现功能，发现现货市场在价格发现过程中处于主导地位.由于线性方法无法刻画经济变量的非线性特征，故逐渐有学者开始使用非线性方法研究期货市场的价格发现功能，如Bekiros等[8].利用线性和非线性Granger因果检验方法探讨了原油期货市场的期货价格和现货价格之间的影响关系，结果表明，非线性Granger因果检验方法适用性相对更强.

国内学者对我国各类期货市场的价格发现功能也做了大量的研究，具有代表性的有在金融期货市场价格发现功能研究方面，华仁海等[9]利用协整、Granger因果检验、VEC模型和改进的信息共享模型研究了中国股指期货市场的价格发现功能，发现中国股指期货市场的期货价格对现货价格的引导力度相对更大，且两者之间存在协整和双向价格引导关系.何诚颖等[10]基于高频数据通过向量误差修正模型、信息共享模型和永久短暂模型等发现期货市场的价格发现能力要强于现货市场.此外，其他学者如肖辉等[11]也做了大量相关的研究.在金属期货市场价格发现功能方面，陈秋雨等[12]利用协整和Granger因果检验等方法探讨了中国黄金期货市场的价格发现功能，发现该期货市场的价格发现功能并不显著，其结果是由于交易制度所致.在农产品期货市场价格发现功能方面，闫云仙[13]利用有向无环图方法研究了我国玉米期货市场的价格发现功能，其结论为我国玉米期货市场具有价格发现功能.

综上所述，上述文献虽然研究了各种类型期货市场的价格发现功能，但无论是协整检验、Granger因果检验、误差修正模型，还是G-S模型、信息共享模型和永久短暂模型等，其均为线性研究方法，而线性方法在研究时由于无法刻画变量的非线性特征受到诟病.此外，大部分学者的研究大多是针对一个或一类期货市场，而这些结果很难全面反映我国整个期货市场的现状.基于此，本文将利用多种非线性方法全面研究各类期货市场的价格发现功能.

2　研究方法

自从Granger首次提出传统Granger因果检验方法后，该方法迅速被应用到经济领域的研究中.该方法的定义是，若由Yt和Xt滞后值所决定的Yt的条件分布与仅由Yt滞后值所决定的Yt的条件分布相同，即则称对Xt对Yt不存在Granger因果关系.

由于上述检验方法通常在VAR分析框架下进行，且需要借助于F-检验方法对其变量之间的线性关系进行检验，而由于多数经济变量均具有非线性特征，故上述方法难以准确刻画变量之间的非线性特征，因而越来越多的学者开始研究能够刻画经济变量之间非线性特征的非线性Granger因果检验方法，Hiemstra-Jones方法[14]与Diks-Panchenko方法[15]则是众多非线性Granger因果检验方法中最为流行的方法.

Hiemstra-Jones方法如下：

令｛Xt｝和｛Yt｝为两个严格稳定、弱相关的时间序列，记1，2，...，t=1，2，...，给定Lx≥1，Ly≥1和e＞0，则

如果

则Y对X不存在Granger因果关系.其中Pr｛·|·｝表示概率，‖·‖表示最大模.

若用联合概率替代条件概率，则式(4)可表示为

其中

当‖Z1-Z2‖＜e时，令特征函数I(Z1，Z2，e)为1，否则为0.此时，联合概率式(6)～式(9)对应的相关积分估计分别为

其中t，s=max(Lx，Ly)+1，...，T-m+1，n=T+1-m-max(Lx，Ly).

根据式(10)～式(13)，Hiemstra等[14]的研究结果表明，给定m，Lx(≥1)，Ly(≥1)和e＞0，如果原假设为“不存在Granger因果关系”，则如下TVAL非参检验统计量服从渐进正态分布，即

然而，随着研究的不断深入，Diks等[15]的研究结果表明，Hiemstra-Jones方法在检验变量之间非线性Granger因果关系时存在过度拒绝(over-rejection)的缺陷.为此，Diks等在Hiemstra等的基础上对该方法进行了改进，并提出了能够克服上述缺点的Tn非参检验统计量.下面将对Diks等提出的非线性Granger因果检验方法进行简单地说明.

为了克服过度拒绝(over-rejection)的缺陷，Diks等将原假设表述为

求出fw(Wi)值之后，则可构造出Tn统计量进行非线性Granger因果关系检验，即

其中Sn是Tn渐进方差σ2的估计值.

因此，对于ε=max｛Cn-β，1.5｝，且C＞0，β∈(1/4，1/3)，则有Tn服从正态分布，即

3　实证分析

为了全面分析我国各类期货市场的价格发现功能，本文将以金融期货市场、金属期货市场和农产品期货市场为主要研究对象进行深入研究.借鉴其他学者的思路，金融期货市场以沪深300股指期货和国债仿真期货为代表，而金属期货市场和农产品期货市场则分别以沪金期货和沪铜期货，强麦期货和玉米期货为代表.所有数据均为日度数据，且均来源于WIND金融资讯.基于数据的可得性，样本数据的时间跨度分别为沪深300股指期货为2010-04-16-2013-07-04；国债仿真期货数据为2012-02-13-2013-07-04；沪金期货为2008-01-09-2013-07-04；沪铜期货数据为2007-01-04-2013-07-04；强麦期货数据为2003-03-28-2013-07-04；玉米期货数据为2004-09-22-2013-07-04.为大致判断各类期货市场现货价格与期货价格联系的紧密程度，本文将首先对其走势进行粗略分析，具体如图1所示(SP和FP分别为现货市场价格和期货市场价格).

图1　(a)沪深300，股指期货市场走势图Fig.1(a)CSI 300 index futures market charts

图1　(b)国债仿真期货市场走势图Fig.1(b)Simulation bond futures market charts

图1　(c)沪金期货市场走势图Fig.1(c)Shanghai gold futures market charts

图1　(d)沪铜期货市场走势图Fig.1(d)Shanghai copper futures market charts

图1　(e)强麦期货市场走势图Fig.1(e)Wheat futures market charts

图1　(f)玉米期货市场走势图Fig.1(f)Corn futures market charts

由图1可知，沪金期货市场和沪铜期货市场中现货价格与期货价格走势最为相近，沪深300股指期货市场、玉米期货市场和强麦期货市场次之，而国债仿真期货市场中现货价格与期货价格走势最弱，即两者之间存在较大分歧.上述走势仅仅是对两者之间相互引导关系的初步判断，而对于各类期货市场的价格发现功能，本文将通过非线性Granger因果检验方法进行量化研究.

3.1单位根检验与非线性关系检验

在进行非线性Granger因果检验之前，必须确保变量的平稳性，否则会影响后续实证结果的准确性，故本文首先对上述变量做单位根检验，检验方法为ADF方法.检验结果表明，上述变量均为非平稳的I(1)过程(限于篇幅，未给出具体结果).

同时，由于变量之间必须存在非线性关系才能进行非线性Granger因果关系检验，因而本文在确定上述市场现货价格和期货价格时间序列均为非平稳的I(1)过程之后，首先对各自相应的现货价格和期货价格做协整检验，若存在协整关系，则利用VECM模型对其两者之间的线性成分进行过滤，然后使用常用的BDS检验方法分别对其残差进行非线性关系检验；若不存在协整关系，则对其时间序列进行差分后，通过VAR模型对其两者之间的线性成分进行过滤，然后同理使用BDS方法进行相关检验.协整检验结果表明，沪深300股指期货市场、沪金期货市场、沪铜期货市场、强麦期货市场和玉米期货市场中现货价格与期货价格之间具有协整关系，而国债仿真期货市场中现货价格与期货价格之间不存在协整关系.BDS检验结果表明，大部分检验统计量均拒绝了存在线性的原假设，因而对应变量之间存在非线性关系，故可以进行非线性Granger因果关系检验(限于篇幅，未给出具体结果).

3.2非线性Granger因果关系检验

在非线性Granger因果检验过程中，本文借鉴Diks等[15]、杨子晖等[16]的思路，首先利用VECM模型或VAR模型过滤掉变量之间的线性成分后，然后再对过滤后的残差时间序列进行非线性Granger因果关系检验.为使得检验结果更加稳健，本文将同时采用Hiemstra等与Diks等的两种非线性Granger因果关系检验方法进行检验，并将滞后(Lx=Ly)1～6期的检验结果列于表1和表2.

由表1和表2可知，在沪深300股指期货市场中，现货价格对期货价格不存在任何非线性Granger因果关系，而期货价格对现货价格具有一定的单向非线性Granger因果关系.在国债仿真期货市场中，现货价格与期货价格之间仅存在非常微弱的双向非线性Granger因果关系.在沪金期货市场和沪铜期货市场中，现货价格与期货价格之间均存在非常显著的非线性Granger因果关系.在强麦期货市场和玉米期货市场中，现货价格与期货价格之间也均存在较为显著的双向非线性Granger因果关系，且期货市场价格发现功能相对更强.综上所述，在沪金期货市场和沪铜期货市场中，期货价格对现货价格的引导能力相对来说最为显著，因而价格发现功能也最强.由于强麦期货市场和玉米期货市场中期货价格对现货价格均具有较为显著的非线性Granger因果关系，故价格发现功能次之.而沪深300股指期货市场和国债仿真期货市场中期货价格对现货价格具有一定的或相对微弱的非线性Granger因果关系，故两者的价格发现功能相对较弱.

表1　基于VECM或VAR模型过滤后的非线性Granger因果关系检验结果Table 1 The non-linear filtering Granger causality test results based on VECM or VAR model

金属期货市场和农产品期货市场之所以价格发现功能相对较强，这很大程度上可能是由于我国金属期货市场和农产品期货市场发展较早，成熟程度相对较高，与国外期货市场联系也相对较为紧密.同时，上述期货市场的市场参与者较多，除会员外，还有商品生产者、销售者、加工者和投机者等，他们聚集在一起进行竞争，有助于价格的形成.此外，参与金属期货和农产品期货交易的机构和个人大多比较熟悉商品行情，有着相对丰富的市场经验和比较完善的信息渠道，且上述市场期货交易的透明度相对较高，竞争公开化、公平化，因而这也有助于形成公正的价格.而金融期货市场价格发现功能较弱的原因可能是由于该期货市场起步较晚、门槛较高、投资者也相对较为单一等.同时，金融期货是以股价指数或国债利率指数作为标的物，而金属期货和农产品期货均是以金属和农产品等实物作为标的物，由于我国金融市场并不是很成熟的金融市场，因而以股价指数或国债利率指数作为标的物的金融期货相对来说反映未来价格的能力相对有限，故价格发现功能相对较弱.

表2　基于VECM或VAR模型过滤后的非线性Granger因果关系检验结果Table 2 The non-linear filtering Granger causality test results based on VECM or VAR model

3.3进一步的分析

非线性Granger因果检验方法是对线性Granger因果检验方法的进一步改进，而为了论证非线性Granger因果检验方法的必要性，本文借鉴杨子晖等[16]的思路，将对各期货市场现货价格与期货价格的引导关系进行线性Granger因果检验，检验结果如表3所示.

由表3可知，除沪铜期货市场中线性Granger因果检验结果与非线性Granger因果检验结果较为相似之外，其他结果均存在较大差别，如在沪深300股指期货市场中，现货价格对期货价格的线性Granger因果关系大于期货价格对现货价格的线性Granger因果关系，而非线性Granger因果关系刚好相反；在国债仿真期货市场中，期货价格对现货价格几乎不存在任何线性Granger因果关系，而在非线性Granger因果关系中，两者之间却存在相对微弱的双向非线性Granger因果关系，可见非线性Granger因果检验方法刻画变量间相关性的能力更强；在沪金期货市场中，期货价格对现货价格的线性Granger引导关系非常微弱，而在非线性Granger因果关系中，期货价格对现货价格的线性Granger引导关系非常显著；在强麦期货市场中，现货价格与期货价格之间仅存在单向线性Granger因果关系，而在非线性Granger因果影响关系中，两者之间的价格引导关系是双向的；在玉米期货市场中，现货价格与期货价格之间不具有任何线性Granger因果关系，而在非线性Granger因果影响关系中，两者之间的价格引导关系是显著双向的.由这些结果可以看出，如果忽略现货价格与期货价格之间的非线性特征，则可能使得实际研究结果存在较大偏差.

表3　线性Granger因果关系检验结果Table 3 The linear Granger causality test results

4　结束语

随着我国金融市场的迅速发展，期货市场越来越受到我国政府的重视，因而系统性地研究我国期货市场的发展现状具有重大的现实意义.本文基于非线性视角并利用多种非线性Granger因果检验方法全面探究了中国期货市场价格发现功能的现状.研究结果表明，金属期货市场价格发现功能较强，即无论是沪金期货市场，还是沪铜期货市场，其期货价格对现货价格均存在显著的非线性Granger因果关系.而农产品期货市场价格发现功能次之，金融期货市场价格发现功能则相对较弱.同时，为进一步论证非线性Granger因果检验的重要性，本文还对比分析了线性Granger因果检验结果，发现线性检验结果与非线性检验结果存在较大差别，故传统线性Granger因果检验方法可能由于忽略变量的非线性特征而使得研究结果出现显著偏差.

由于我国期货市场总体起步较晚，市场制度和投资者构成相对不是特别完善，从而造成期货市场与现货市场存在一定程度的分割，这个现象在金融期货市场表现地尤为突出，因而我国政府应在准入条件、交易机制和市场透明度等方面进行深入改革，并注重培育更加成熟和种类更加丰富的微观市场参与主体，进而使得我国期货市场价格发现功能得到进一步提高.同时，期货市场在金融市场中属于高端市场，准入门槛较高，且杠杆交易机制的引入使得期货市场相对其他金融市场风险更加巨大，故我国政府应加强投资者的风险教育与系统培训工作，切实防止期货市场出现过度投机行为，并适时引导广大投资者在风险可以承受的范围内进行合理投资.

[1]谢赤，余聪，罗长青，等.基于MRS Copula-GJR-Skewed-t模型的股指期货套期保值研究.系统工程学报，2013，28(1)：83-93. Xie C，Yu C，Luo C Q，et al.Hedging of stock index futures based on Markov regime-switching Copula-GJR-Skewed-t model. Journal of Systems Engineering，2013，28(1)：83-93.(in Chinese)

[2]GarbadeKD，Silber W L.Price movementsand pricediscoveryin futures andcash markets.TheReviewofEconomicsandStatistics，1983，65(2)：289-297.

[3]Engle R F，Granger C W J.Co-integration and error correction：Representation，estimation，and testing.Econometrica：Journal of the Econometric Society，1987，55(2)：251-276.

[4]Gonzalo J，Granger C.Estimation of common long-memory components in cointegrated systems.Journal of Business&Economic Statistics，1995，13(1)：27-35.

[5]Hasbrouck J.One security，many markets：Determining the contributions to price discovery.The Journal of Finance，1995，50(4)：1175-1199.

[6]Theissen E.Price discovery in spot and futures markets：A reconsideration.The European Journal of Finance，2012，18(10)：969-987.

[7]YangJ，YangZ，ZhouY.Intradayprice discoveryand volatilitytransmission instock indexand stockindexfuturesmarkets：Evidence from China.Journal of Futures Markets，2012，32(2)：99-121.

[8]Bekiros S D，Diks C G H.The relationship between crude oil spot and futures prices：Cointegration，linear and nonlinear causality. Energy Economics，2008，30(5)：2673-2685.

[9]华仁海，刘庆富.股指期货与股指现货市场间的价格发现能力探究.数量经济技术经济研究，2010，27(10)：90-100. Hua R H，Liu Q F.The research on price discovery ability between stock index futures market and stock index spot market.The Journal of Quantitative&Technical Economics，2010，27(10)：90-100.(in Chinese)

[10]何诚颖，张龙斌，陈薇.基于高频数据的沪深300指数期货价格发现能力研究.数量经济技术经济研究，2011，28(5)：139-151. He C Y，Zhang L B，Chen W.Research on price discovery of HS300 index futures based on high frequencies data.The Journal of Quantitative&Technical Economics，2011，28(5)：139-151.(in Chinese)

[11]肖辉，鲍剑平，吴冲锋.股指与股指期货价格发现过程研究.系统工程学报，2006，21(4)：438-441. Xiao H，Bao J P，Wu C F.Study on price discovery process between stock index and stock index futures.Journal of Systems Engineering，2006，21(4)：438-441.

[12]陈秋雨，陈冲，冯炜.中国黄金期货市场价格发现功能研究.浙江社会科学，2012，28(7)：19-27. Chen Q Y，Chen C，Feng W.Price discovery function of China’s gold futures market.Zhejiang Social Sciences，2012，28(7)：19-27. (in Chinese)

[13]闫云仙.中国玉米期货市场价格发现功能的实证分析：基于有向无环图的应用.中国农村经济，2010，26(7)：39-46. Yan Y X.The empirical analysis of price discovery function in China’s corn future market：Based on the application of directed acyclic graph.Chinese Rural Economy，2010，26(7)：39-46.(in Chinese)

[14]Hiemstra C，Jones J D.Testing for linear and nonlinear Granger causality in the stock price-volume relation.The Journal of Finance，1994，49(5)：1639-1664.

[15]Diks C.Panchenko V.A new statistic and practical guidelines for nonparametric Granger causality testing.Journal of Economic Dynamic&Control，2006，30(9)：1647-1669.

[16]杨子晖，赵永亮，柳建华.CPI与PPI传导机制的非线性研究：正向传导还是反向倒逼.经济研究，2013，59(3)：83-95. Yang Z H，Zhao Y L，Liu J H.A nonlinear research on the price transmission mechanism：Positive price transmission or reversed price transmission.Economic Research Journal，2013，59(3)：83-95.(in Chinese)

Study of the price discovery function in China’s future market

Xie Xiaowen1，2，Fang Yi3，Zhao Shengmin1∗
(1.School of Finance，Nankai University，Tianjin 300071，China；2.Postdoctoral R&D Base，Guangzhou Yue Xiu Group，LTD，Guangzhou 510623，China；3.School of Finance，Central University of Finance and Economics，Beijing 100081，China)

This paper uses the latest nonlinear Granger causality test methods to explore the status quo of the price discovery function in China’s futures market，focusing on the non-linear perspective.The results show that the metal futures market has the best price discovery function，with the agricultural future market the second，and the financial future market weakest.The causal relationships between the futures price and the spot price in both Shanghai gold futures market and Shanghai copper futures market have a significant nonlinear Granger causality，the causal relationships of futures prices to spot prices in wheat futures market and corn futures market also have a relative strong nonlinear Granger causality.However，the causal relationship of the future prices to spot prices in CSI 300 stock index futures market and Treasury simulation futures market is relatively weak.Finally，the paper finds that the traditional linear Granger causality test may result in larger deviations due to neglecting variables’nonlinear characteristics.

spot market；future market；price discovery；nonlinear Granger causality test

F832.5

A

1000-5781(2016)03-0364-09

10.13383/j.cnki.jse.2016.03.008

谢晓闻(1985-)，男，湖南永州人，博士，研究方向：金融市场，Email：hnxiexw@163.com；

方意(1986-)，男，湖北黄冈人，博士，讲师，研究方向：系统性风险，货币政策，Email：nkkunta@163.com；

赵胜民(1967-)，男，黑龙江齐齐哈尔人，博士，教授，博士生导师，研究方向：金融工程，Email：zhaoshengmin@nankai.edu.cn.

2013-10-31；

2014-06-16.

教育部人文科学研究规划基金项目(15YJA790090)；国家自科基金青年资助项目(71503290)；中国博士后科学基金面上资助项目(2015M580711)；中央财经大学“中财121人才工程”青年博士发展基金资助项目(QBJ1415).