股指期货在牛市中发挥正当作用了？

熊亚辉

【摘要】本文采用GARCH模型，通过对沪深300股指期货推出前的2007年牛市行情和推出后的2015年牛市行情进行对比研究，以确定股指期货在牛市中是否发挥了正当作用。通过实证分析发现：在2015年牛市行情中，股指期货不但没有发挥平抑股票现货市场波动的正当作用，反而推波助澜，加剧了市场波动。

【关键词】沪深300指数  股指期货  GARCH模型

一、引言

2010年4月16日，我国正式推出以沪深股市300只成分股为标的的股指期货合约。股指期货是股票市场的重要衍生市场，其功能是平抑股票市场的波动，然而其作用的发挥却一直存在较大争议。2014年至2015年，我国股票市场完整走出了一波牛市行情。“改革牛”也好，“杠杆牛”也罢，总之，股指期货迎来了推出之后的第一次真正意义上的考核，也为研究沪深300股指期货平抑我国股市波动的效果提供了一手真实资料。本文选择对股指期货在2015年牛市行情中是否发挥了平抑市场波动的正当作用进行研究验证。

二、实证分析

（一）模型数据的选取和处理

本文选取2007年牛市行情和2015年牛市行情中沪深300指数的日收盘价作为研究样本。数据来源于大智慧股票分析软件。

由于在股票价格的时间序列中，价格数据通常不具有平稳性，而价格的收益率却相对平稳，因此，本文将采用该指数的日收益率来反市场的波动情况。将价格数据进行对数差分处理，得到相应的指数收益率样本。日收益率Rt由股票价格指数日收盘值的对数差分决定，表示为：Rt=ln Pt-lnPt-1，Pt是当日价格指数收盘值，Pt-1是前一日价格指数收盘值。

（二）股指期货推出前2007年牛市样本分析

1.序列描述性统计分析。对2007年牛市行情样本序列进行统计分析，结果如下。

图1 统计结果

从图1可知，该序列的偏度（Skewness）值为-0.450603，小于正态分布的偏度数值0，表明该序列存在左偏特性，存在长的左拖尾现象;该序列的峰度（Kurtosis）值为5.293983，大于正态分布的峰度数值3，表明该序列存在尖峰特性。J-B统计量为210.8368，P统计量为0，表明该序列不符合正态分布。综上所述，该序列可以使用GARCH建模。

通过ADF法检验样本序列的稳定性，结果如下。

表1 检验结果

从表1可知，t值为-27.93983，远小于1%水平的值-3.437985，相对应的p值为0，说明该序列是平稳的。

2.建立GARCH模型。对样本序列进行滞后项处理，本文采用AIC准则和SC准则法判断模型滞后阶数。一般情况下，AIC值和SC值越小，表示模型越能更好的拟合实际情形。

结果如下。

表2 检验结果

从表2可知，AR（4）MA（4）模型的AIC值和SC值均达到最小，确定均值方程为：

rt=β0+β1*rt-4+β2*δt-4

再对该序列进行ARCH检验，结果如下。

表3 检验结果

从表3可知，该序列p值近乎为0，说明残差的平方项存在ARCH效应，适合建立GARCH模型。

在此基础之上，建立AR（4）MA（4）为均值方程的方差方程模型，根据众多金融分析的实际经验，一般情况下，GARCH（1，1）模型就能够很好拟合样本数据，所以本文先假设该序列的方差方程为：

σ=ω+α*ε+βσ

数据处理结果如下。

表4 模型结果

从表4可知，GARCH模型的方差方程为：

σ=1.31E-0.6+0.069417*ε+0.932959σ

对残差进行ARCH-LM检验，结果如下。

表5 检验结果

从表5可知，p值为0.173793，远大于5%的显著水平，说明该序列不存在ARCH效应，表明该模型拟合效果理想。

（三）股指期货推出后2015年牛市样本分析

1.序列描述性统计分析。对2015年牛市行情样本序列进行统计分析，结果如下。

图2 统计量结果

从图2可知，该序列的偏度（Skewness）值为-1.018429，小于正态分布的偏度数值0，表明该序列存在左偏特性，存在长的左拖尾现象;该序列的峰度（Kurtosis）值为5.976786，大于正态分布的峰度数值3，表明该序列存在尖峰特性。J-B统计量为144.7368，P统计量为0，表明该序列不符合正态分布。综上所述，该序列可以使用GARCH建模。

通过ADF法检验该样本序列的稳定性，结果如下。

表6 稳定性检验结果

从表5可知，t值为-6.645099，小于1%水平的值-3.435142，相对应的p值为0，说明该序列是平稳的。

2.建立GARCH模型。对该样本序列进行滞后项处理，结果如下。

表7 检验结果

从表7可知，AR（2）MA（2）模型的AIC值和SC值均达到最小，确定均值方程为：

rt=β0+β1*rt-2+β2*δt-2

再对该序列进行ARCH检验，结果如下。

表8 检验结果

从表8可知，p值近乎为0，说明该序列残差的平方项存在ARCH效应，适合建立GARCH模型。

在此基础之上，建立AR（2）MA（2）为均值方程的GARCH（1，1）模型，数据处理结果如下。

表9 模型结果

从表9可知，GARCH模型的方差方程为：

σ=1.79E-0.6+0.081185*ε+0.93163σ

对残差进行ARCH-LM检验，结果如下。

表10 稳定性检验结果

从表10可知，p值为0.690595，远大于5%的显著水平，说明该序列已经不存在ARCH效应了，表明该模型拟合效果理想。

（四）实证结果比较分析

完成两个样本数据的统计分析和模型建立后，对最终结果进行比较分析。

1.GARCH模型的比较分析。通常情况下，在GARCH模型的方差公式中，ARCH项系数反应的是最新产生的信息对市场波动的影响程度，GARCH项系数反应的是之前波动信息的影响程度，两个系数之和则是整体反映了市场的波动率。

表11 GARCH模型比较

从表11可以得到：

第一，系数和大于1，表明这两个序列波动性呈扩大趋势，是非稳定序列，恰好符合牛市样本的特征。

第二，沪深300股指期货推出前2007年牛市的系数和1.002376小于股指期货推出后2015年牛市的系数和1.012815，系数和增大了1.04%，充分表明在2015年牛市过程中，股指期货不但没有发挥降低波动性的功能，反而加大了市场的整体波动性，起到“推波助澜”的消极作用。

三、研究结论

通过对比分析实证分析结果得出结论如下：

在2015年的牛市行情过程中，沪深300股指期货对利好消息的非对称性非但没有减弱，反而得到了加强，不但没有发挥平抑股票市场波动的正当作用，反而推波助澜，加剧了股票现货市场的波动性。这与我国股指期货市场推出时间短，市场不成熟，市场监管不到位等问题是分不开的。

参考文献

[1]章永哲，钱敏.基于5分钟高频数据的沪深300股指期货与现货市场间波动溢出效应实证研究[J].上海金融，2015（11）：103-108.

[2]涂志勇，郭明.股指期货推出对现货市场价格影响的理论分析[J].金融研究，2014（10）：104-116.

[3]杨阳，万迪防.股指期货真的能稳定市场吗？[J].金融研究，2013（12）：146-158.

[4]梁朝阵.股指期货上市对现货市场的影响——来自中国的实证研究[J].大连理工大学学报（社会科学版），2012（1）：14-18.

[5]孙建武.基于GARCH族模型的我国股指期货对股市波动影响分析[D].南京航空航天大学硕士学位论文，2013，10-12.