不同市场行情下股指期货市场和现货市场之间的溢出效应研究

周丹丹

摘 要：通过建立VAR-GARCH-BEEK模型对不同市场行情下股指期货和现货之间的溢出效应进行研究，发现两个市场各个时间段内的收益率之间存在不同的溢出效应，横盘阶段和牛市阶段存在单向的溢出，熊市阶段市场不存在溢出；两个市场各个时间段内的波动性溢出情况大致相同，均存在着显著的双向溢出效应；各个时间段的波动性溢出存在着显著的不对称性，期货市场的变化对现货市场波动变化的影响远远大于现货市场的变化对期货市场波动的变化的影响。

关 键 词：股指期货；现货；溢出效应；VAR-GARCH-BEEK模型

中图分类号：F830 文献标识码：A 文章编号：2096-2517（2016）04-0058-06

Abstract： The paper studied the spillover effect between stock index futures market and stock cash market under different conditions. By establishing the VAR-GARCH-BEEK model， we find that the profit has different spillover effect on the two markets in different periods. There is one-way overflow in the sideways and bull period， and there is no overflow in the bear period. We also find that the volatility has similar spillover effect in the two markets in different periods. The two markets have obviously two-way spillover effect， which is significantly asymmetrical. The change from stock index futures market to stock cash market is much more than the change from stock cash market to stock index futures market.

Key words： stock index futures market； stock cash market； spillover effect； VAR-GARCH-BEEK model

一、引言

期货市场和现货市场的联系是密不可分的。自2010年4月16日沪深300股指期货市场推出之后，改变了市场上的单边运行机制，以往的市场格局被完全打破， 两个市场之间的联动关系越来越强。股指期货具有高杠杆性和稳定性，因此研究股指期货和现货市场之间的溢出关系对于信息在市场之间的传递性有重要的意义。

国内外已经有相关文献对此进行研究。国外的研究显示两个市场之间存在着双向的溢出，期货市场对现货市场的溢出影响更加显著一些。Drimbetas等（2007）通过建立EGARCH模型对希腊市场的数据进行研究， 发现股指期货的出现显著降低了FTSE/ASE20指数的波动性[1] 。Bohl等（2011）采用动态双变量GARCH模型对波兰市场进行研究，发现随着时间的推进，后期的股指期货对现货市场有一定的信息传递和引导作用[2] 。 刘庆富和华仁海（2011）通过对高频数据进行研究，发现两个市场之间的风险传递是双向的，现货市场波动溢出效应要显著一些[3]。文凤华等（2011）建立VECM-GARCH-BEKK模型对我国两个市场之间的动态关系进行探究，发现两者存在双向的溢出[4] 。邢精平等（2011）通过建立T-GARCH模型，发现两个市场之间存在双向的波动溢出，期货市场的溢出效应强于现货市场[5]。以上研究主要针对我国早期的期货市场，上市时间短，数据量较单一。我国的股指期货已存在五年多的时间了， 尤其是2015年到2016年这段时间内股市经历了大起大落，对两个市场之间的溢出效应宜分阶段进行研究，已有的文献中并没有考虑到这一点。

本文基于此，将通过建立VAR-GARCH-BEEK模型对不同市场行情下的两个市场之间的溢出效应进行研究，进而得出两个市场之间的信息联动关系和信息传递特点。

二、VAR-GARCH-BEEK模型介绍

以往的研究中主要采用GARCH模型的形式对溢出效应进行研究，但这类模型主要刻画单个金融市场上收益率的时变特性，对多个市场进行研究时，会将市场的联系割裂开来，损失部分有效信息。多元GARCH-BEEK模型能够克服单变量的缺点，将市场的波动特点和相互关联性同时考虑到模型中。因此我们使用二元VAR-GARCH-BEEK模型，定义形式如下： 其中，B代表GARCH项的系数矩阵，A代表ARCH项的系数矩阵，？滋t为均值方程残差项组成的n×1矩阵，？着t为标准化残差项组成的n×1矩阵，Ht表示条件残差在t时刻的方差-协方差。该模型很好地诠释了市场之间的溢出关系，为了更好地从理论上认识如何在市场之间进行信息传递，我们将矩阵方程转化为一般简单的方程进行分析，具体结果如下所示：方程显示，如果对方市场的影响不明显，那么该市场的波动主要是受自身当期项的影响。要验证这些约束是否显著有影响，我们主要是通过Wald检验来验证相关系数是否显著的问题。

三、数据选择和模型检验

（一）市场划分和数据选择

选取沪深300指数和股指期货的日交易数据为研究对象，进而分析两个市场间收益率的均值溢出和方差溢出， 研究的时间段为2010年4月16日至2015年3月15日。在这期间市场上存在显著的上行阶段和下行阶段，为了更好地研究不同市场行情下两个市场之间的溢出效应，根据特征表现我们将选取的时间划分为三个阶段：2010年4月16日至2014年8月14日，市场的股指一直处于波动阶段，称其为横盘时期；2014年8月15日至2015年6月17日，市场股指表现为上升阶段，称其为牛市时期；2015年6月18日至2016年3月15日，市场股指表现为下降阶段，称其为熊市时期。

研究中，我们选取两个市场的收益率作为研究变量，分别用RCt、RFt表示现货和期货的日收益率对数值。 由于这样计算出来的收益率数据比较小， 为了使数据能够更加明晰地反映市场特征，我们将它扩大100倍，具体的计算公式如下所示：

其中Rt被认为是收益率。 本文选取的是日数据，Pt表示第t期末的收盘点数。

（二）模型检验

为了进一步研究两个市场之间的溢出效应，我们通过建立VAR-BEEK-GARCH（p，q）模型进行分析，在建立模型之前需要对变量进行检验。首先，对各阶段的收益率序列进行单位根检验（见表1）。通过表1可以发现， 所有变量的T值都小于临界值，拒绝零假设，通过了检验，表明所有序列都是平稳的I（0）过程。其次，需要对模型进行ARCH效应检验。通过对残差项进行检验进而确定变量之间是否存在ARCH效应。 可以发现各个阶段的变量都存在着ARCH效应，进而可以通过建立VAR-GARCH-BEEK模型对溢出效应进行研究。

由于市场之间是相互联系、相互影响的，在进行建模时，要同时将自身滞后项和对方市场的滞后项因素加入到模型中。因此，在建立VAR模型对两个市场之间的溢出效应进行分析时，首先需要对市场的滞后项的阶数进行分析（结果见表2至表4）。依据AIC和SC原则，在均值VAR模型的方程中，横盘阶段、 牛市和熊市的最佳滞后阶数分别为3、5、3。通过最佳滞后期的选择，我们分别对三个时间段内的收益率数据建立VAR-GARCH-BEEK模型，对两个市场之间的收益和波动的溢出进行研究。

四、实证结果分析

（一）均值溢出效应结果分析

下面我们通过Rats软件计算模型中参数的估计结果，对两个市场之间的溢出效应进行进一步的分析和研究，具体的实证结果如表5至表7所示。

从表中可以看出，在现货市场中，处于横盘阶段中RCt-1、RCt-2、RFt-1、RFt-2的系数均在5%的水平下拒绝了零假设， 处于牛市时期中RCt-4的系数项在5%的统计水平下显著， 处于熊市时期中所有变量都在5%的统计水平下不显著， 说明横盘阶段的现货市场受到了两个市场滞后项的均值溢出效应的影响，牛市阶段的现货市场主要受到自身滞后项的均值溢出效应的影响，熊市阶段不会对现货市场产生均值溢出效应。在期货市场中， 处于横盘阶段的所有变量都在5%的统计水平下不显著， 牛市阶段时RCt-3、RCt-4、RFt-3、RFt-4、RFt-5的系数项均在5%的水平下显著不为零， 处于熊市阶段时RFt-1、RFt-2的系数均在5%的水平下显著不为零，说明横盘阶段两个市场均不对期货市场产生均值溢出影响，牛市阶段的两个市场的滞后项均对期货市场的收益率产生均值溢出效应，自身滞后项对其的溢出是负向的， 现货市场的滞后项对其的溢出是正向的，熊市阶段的期货市场受其自身滞后项的均值溢出的影响。

通过以上分析可以发现， 当处于横盘阶段时， 期货市场对现货市场的收益率产生单向的溢出效应，影响是正向的；当处于牛市时，现货市场对期货市场的收益率产生单向的溢出效应，影响也是正向的；当处于熊市时，两个市场的收益率之间不存在溢出效应。

（二）波动溢出效果分析

表8至表10显示的是方差方程的参数估计结果。 在模型的估计矩阵中， 各个阶段的参数均存在不同程度的显著性。从表中可以看出，横盘阶段ARCH项和GARCH系数矩阵中a11、a22、b22在5%的显著水平下不为零， 说明该阶段的现货市场受到自身的前一期扰动项和条件协方差的冲击， 期货市场只受到自身条件协方差的冲击； 牛市阶段的b11、b22在5%的水平下不为零， 说明两个市场只受到自身的协方差的影响； 熊市阶段a11、a22、b11、b22均在5%的水平下不为零， 表明两个市场均受到自身前一期扰动项和条件协方差的影响。从表中还可以发现， 横盘和熊市阶段的变量系数a21、b21、a12、b12均在5%的水平下拒绝零假设， 牛市阶段的变量系数b21、b12在5%的水平下也拒绝原假设， 说明各个阶段的模型都表现出两个市场之间均存在波动溢出。 比较各个阶段模型的系数大小可以看出， 期货市场对现货市场的波动性溢出作用比较明显，反之溢出作用较为微弱， 期货市场的变化带来的现货市场波动变化远远大于现货市场的变化带来的期货市场波动变化。

以上通过矩阵系数简单概述了两个市场之间的溢出， 为了进一步对溢出效应进行验证， 本文通过Wald检验来确定两个市场是否存在交叉影响。 我们在研究两个市场之间的波动性时， 主要是对矩阵中相关系数进行零假设检验分析。 根据上述原理的简单介绍，我们对市场间的溢出效应进行如下三个假设。

假设1： 两个市场之间均不存在波动溢出效应， 即H0∶a12=b12=a21=b21=0；

假设2：期货市场向股票现货市场不存在波动溢出效应，即H0∶a21=b21=0；

假设3：股票现货市场向期货市场不存在波动溢出效应，即H0∶a12=b12=0。

通过检验可以看出，各个阶段的模型中所有假设的Wald值均落入拒绝域，拒绝零假设，与上文的结果一致，再一次验证了两个市场之间存在明显的双向溢出。在金融市场上信息能够迅速被吸收，进而跨市场进行传导，当信息对一个市场的价格形成剧烈波动时，会通过传导作用造成相关市场的波动性的变化。

综上所述，各个阶段的两个市场的收益率之间存在不同的溢出效应。横盘阶段和牛市阶段市场存在单向的溢出，熊市阶段市场不存在溢出。各阶段的两个市场的波动性溢出情况大致相同，均存在着显著的双向溢出效应，期货市场变化带来现货市场波动的变化远远大于现货市场变化带来的期货市场波动的变化。 形成上述现象的原因有以下几点：一是股票现货市场上的投资者多为散户，期货市场上的投资者多是机构投资者，机构投机者投资更加理性和专业化， 短期的市场波动对期货市场影响不大， 散户在市场参与过程中容易追涨杀跌， 随市场波动较大，因此我国市场更多地表现为机构投资者影响散户的行为，散户的行为对机构投资者的影响微乎其微；二是期货市场交易成本低、流动性好，对外部冲击的承受力度较强，波动溢出效应更倾向于向定价效率低、市场承受力弱的股票现货市场传递，会对股票市场有着显著的溢出效应。

五、结论

本文通过对不同的市场行情下现货市场和期货市场之间的溢出效应进行研究，得出如下结论：

1. 各个阶段的两个市场的收益率之间存在不同的溢出效应。横盘阶段和牛市阶段存在单向的均值溢出，熊市阶段市场不存在均值溢出。

2. 各个阶段的两个市场的波动性溢出情况大致相同，均存在着显著的双向溢出效应。

3. 各个阶段的波动性溢出存在着显著的不对称性，期货市场变化对现货市场波动变化的影响远远大于现货市场变化对期货市场波动变化的影响。

通过研究可以看出股指期货的正式运行会对现货市场有显著的影响，并且在各个阶段的作用不一样。两个市场之间存在着显著的联动关系和溢出效应，市场内的信息变化可以快速地跨市场进行传递， 信息的变动会很快反映在市场的价格上，联动关系明显。同时可以看出，股指期货能够在一定程度上稳定市场， 但并非完美的避险工具，市场上仍然存在着风险。投资者在进行投资时，应该理性地认识股指期货的功能， 合理地进行投资。因此，为了更好地维持市场平稳运行，我们既要把市场之间的联动关系考虑在内，又要加强对市场的监管，使金融市场稳定运行。

参考文献：

[1]Drimbetas E，Sariannidis N，Porfiris N. The effect of derivatives trqding on volatility of the underlying asset：evidence from the Greek stock market[J]. Applied Financial Economics，2007（2）：139-148.

[2]Bohl M T，C A Salm and M Schuppli. Price Discovery and Investor Structure in Stock Index Futures[J]. Journal of Futures Markets，2011，31（3）.

[3]刘庆富，华仁海. 中国股指期货与股票现货市场之间的风险传递效应研究[J]. 统计研究，2011（11）.

[4]文凤华，刘文井，杨晓光. 沪深300指数期货与现货市场的动态关联性研究——基于2010年4月16日以来的高频数据[J]. 长沙理工大学学报，2011（2）.

[5]刑精平，周伍阳，季峰. 我国股指期货与现货市场信息传递与波动溢出关系研究[J]. 证券市场导报，2011（2）.

（责任编辑：龙会芳；校对：李丹）