极端下跌事件的正反馈效应与监管限制溢出

丁逸俊，冯 芸

(上海交通大学安泰经济与管理学院，上海 200030)

极端下跌事件的正反馈效应与监管限制溢出

丁逸俊，冯 芸

(上海交通大学安泰经济与管理学院，上海 200030)

本文探讨了在市场之间联系愈发紧密情况下，针对单一市场“围堵”式的临时监管限制措施可能引发的跨市场风险。以2015年股指急剧下跌后对股指期货交易加大管制为背景，本文发现，一系列限制措施出台后，股指期货市场出现整体流动性萎缩，现货市场则出现了较为显著的收益率与成交量的正反馈效应，造成极端下跌事件的自我实现。本文认为，对股指期货交易的过度限制，使得机构投资者在下跌行情中无法通过期货对冲风险，加剧了现货市场抛售压力，引发了现货市场极端下跌事件。因此，监管层在设计和运用监管限制时应当审慎、全面分析目前的市场关联结构变化，避免政策的失灵和不恰当政策带来的风险。

监管限制；跨市场风险；正反馈

1 引言

近三十年来，金融市场波动和风险事件此起彼伏。特别是在短期急剧下跌之后，金融监管机构往往会紧急出台一系列严苛的监管限制措施来稳定市场。然而，人们发现，随着金融市场之间的联系日趋紧密，这些针对局部市场的临时性管制措施虽然能在短期内稳定部分市场，但却可能对关联市场产生溢出效应，引发更大的动荡，损害金融市场质量。本文，以2015年股指急剧下跌后对股指期货交易加大管制为背景，研究监管措施可能产生的溢出效应和跨市场风险，对于监管层改进管理方式、维护市场稳定、防止系统性金融风险传染具有重要的现实意义。

股票市场的极端风险事件，往往伴随着股票价格短时间内普遍大幅下挫。在对1987年美国股市崩盘的研究中，有学者指出，这种短时间大范围的资产暴跌的主要原因是流动性出现了骤然丧失[1-2]。从极端下跌事件发生时的指令流(Order flow)来看，由于投资者担心出现流动性枯竭而无法及时卖出股票止损，投资者进行大量同向抛售操作，使得股票流动性供给(主要指限价委托买盘量)骤减，流动性需求(成交卖盘和市价卖单)骤增，导致股票的确出现流动性枯竭和股价的进一步加速下跌，形成了类似“银行挤兑”式的极端下跌事件的自我实现，而这一现象又被称为“正反馈效应”[3-4]。正反馈效应被认为是引起股市非线性复杂动态行为的主要途径，是导致我国股市大起大落等不规则波动行为的主要原因[5]。

正反馈效应引发的股票市场短暂暴跌，就目前的中国股票市场来说其主要危害在于：1)对市场冲击强烈，并具有很强的传染性[6-7]，容易在短时间内造成整个市场的恐慌，导致市场的瘫痪和功能受损。2)容易引发股票市场操纵行为，利用正反馈效应中投资者的不理性行为和恐慌心态，形成类似“大量抛空”(Bear raid)的市场操纵[8]。3)随着我国金融创新的深化，路径依赖的特征明显增强，在一个存在杠杆的市场中，短时间内大幅的价格扭曲在实际中往往导致信用账户交易者无法补足保证金而被迫平仓，或因为追加保证金而占用大量资金，带来价值损失和资金链的断裂，容易诱发系统性风险事件[9]。

然而由于极端事件样本较少，再加上之前日内高频数据较难获取，较早对于正反馈效应的研究大多反映了一段时间内市场整体收益率与波动率等动力学特征[7,10-11]，却无法描述短时间内市场的动态变化，另外对时间段的选取也没有考虑由于市场超跌回调造成的前后正负反馈效应相互抵消的问题，使得正反馈效应的表现程度比实际情况偏小[11]。本文选取2015年共23次日内极端下跌事件作为研究对象，运用高频分笔数据，对极端下跌事件发生前短时间内的正反馈效应进行实证研究。本文发现，在股指期货交易限制前后，现货指数的正反馈效应出现了显著差异。交易限制前并没有出现正反馈效应，但交易限制之后，现货指数出现了显著的正反馈效应。

对于下跌行情中出现正反馈现象以及随后造成极端下跌事件自我实现的成因，近年来的一些学者基于行为金融学框架从投资者情绪[12]、异质信念[13-15]两个角度进行解释。这些文献通过理论模型解释了极端情况下发生正反馈效应的机理、正反馈效应的突然性及传染性，然而这些理论模型的缺陷在于当设定了投资者交易策略和交易环境后，正反馈现象必然会发生，却无法解释本文中现货指数从没有正反馈效应到存在正反馈效应的现象。本文从监管限制改变市场交易机制进而改变投资者行为的角度，提出了极端下跌行情中正反馈效应成因的一个合理解释。

不同的交易机制在价格发现过程中所起到的作用不同，对市场参与者的行为策略影响不同，对于市场质量的影响势必会有所不同[16]。例如对期货市场持仓限制是否能有效预防操纵和过度投机的探讨，以及对卖空限制[16,20]在股市暴跌中所起到的作用的探讨。特别是在极端情况下，对投资者的交易限制(诸如卖空限制、持仓限制、熔断和涨跌停等)都会促使交易者尽快清算其资产，使得市场产生较短时间内的暴跌[4]。而在对1997年10月27日美国股市第一次出发熔断交易前的投资者行为的研究中也印证了这一观点。在触及熔断前投资者为规避熔断所导致的流动性缺失，撤销限价订单转为市价订单，并且更多的从订单驱动市场撤离[18-19]。尽管上述文献肯定了交易机制对市场的影响，然而无论是国内还是国外的文献，理论和实证的重点往往局限于单一市场，很少涉及跨市场的研究。由于市场之间的关联日益密切，在某一市场上改变交易机制，会使得其他市场内投资者行为发生相应改变，导致监管限制的效果从单一市场溢出到其他相关市场，使得其他相关市场的动力学特征发生改变。此次股指期货的交易限制为我们研究监管限制的跨市场溢出效应提供了契机。

在2015年年中大盘指数断崖式下跌期间，中国金融期货交易所为抑制股指期货过度投机，短时间内连续三次(8月25日、8月28日和9月2日)宣布对股指期货交易保证金、日内开仓手数和日内平仓手续费进行调整。从以往市场异常波动期间监管层的应对措施不难看出，监管层更倾向于采用诸如限制交易、限制做空、提高交易成本等“围堵”的方式对投资者的投资行为进行引导。然而，随着我国证券市场中金融衍生产品的增多，各市场之间的联系愈发紧密，对单一市场的局部“围堵”反而更容易引发连锁反映或系统性风险。

股指期货推出以来，期限市场的联动关系日益紧密，在订单流动性层面表现出“遛狗效应”[20]，减小了现货市场波动、初步发挥了股票市场稳定器的功能[21]。然而，此次现货市场异常波动期间对股指期货的交易限制却有可能进一步缩小现货市场流动性、增大现货市场抛售压力、形成正反馈效应，从而加剧期货与现货市场的异常波动。本文基于这个观点，对股指期货监管限制的溢出效应进行了逻辑推演：股指期货交易限制使得股指期货各合约流动性显著萎缩、期现基差增大，割裂了股指期货与现货的联系。其次，由于股指期货较高的门槛限制，股指期货市场的参与者大多是机构套保、套利和投机交易者，散户投资者较少参与，使得本可以运用股指期货管理现货风险的机构投资者转而在市场下行期间在现货市场抛售现货头寸，引发现货市场出现正反馈效应，导致指数价格进一步下探形成极端下跌事件。

为了实证检验股指期货交易限制对现货指数市场的溢出效应，本文考察了交易限制前后期现市场的领先滞后关系和现货指数市场的大额成交卖单与收益率的正反馈效应。本文发现，交易限制前股指期货对现货的价格引领关系在交易限制后消失，说明交易限制割裂了期现市场的联系。其次，代表机构投资者的大额成交卖单与收益率在交易限制之后出现了显著的正反馈效应，进一步证实了溢出效应的存在。

本文的创新之处在于：1)运用高频数据，研究了期货和现货市场日内下跌行情中的正反馈效应(极端下跌事件自我实现)的情况。2)提出了正反馈效应成因的新思路，认为交易机制改变影响投资者行为，进而产生正反馈效应。3)提出了市场中监管限制会传导溢出到其他相关市场，并对这一现象的机理与逻辑进行了实证检验。

本文的研究对于监管部门有两个政策启示：1)随着目前金融市场之间的联系日益紧密，监管需要有系统性的思维，不能只着眼于局部市场，甚至被舆论绑架。2)金融创新导致市场具有路径依赖，并引入了更多正反馈特征的交易机制，而与此同时，监管措施却没有及时适应系统的变化，做出有利于系统稳定的调整，反而在有些时候反其道而行之，因而进一步加剧了金融系统的不稳定性。面对当前金融系统的变化，监管层应该更多着眼于阻断正反馈效应。从这两个角度来说，“疏浚”的监管方式或许比“围堵”的监管限制更有效。

2 研究设计

2.1极端下跌事件的定义

对于极端下跌事件，简单而且实用的方法是根据指数出现巨幅下跌来定义。本文对沪深300现货指数2015年全年的分钟收益率进行10分钟和30分钟的滚动计算，并选取全年收益率的百分之一分位点作为极端下跌事件的阈值。因此，本文选取10分钟内累积收益小于-1.3%(约为1%分位点)和30分钟内累计收益小于-2.5%(约为1%分位点)的事件作为本文研究的极端下跌事件。在2015年内共提取23个事件作为样本。其中股指期货交易限制前16个事件，股指期货交易限制后7个事件。本文主要研究收益率持续下跌直到极端下跌事件发生这一动态过程，为了便于描述，在本文中我们把当天极端下跌事件发生前10分钟(60个10秒数据)称为极端下跌行情期间。

另外，为了研究极端下跌事件的正反馈效应，我们排除了隔夜信息(上一日下午15：00至当日上午9：15)与午间信息(当日中午11：30至13：00)对沪深300现货指数基本面的冲击，仅考虑日内收益率的变化情况，即剔除了每日9：40分前和13：10分前的滚动收益率。

本文沪深300指数成份股日内高频分笔数据来源于港澳金融数据库，沪深300股指期货500毫秒分时数据来源于Wind数据库。

2.2日内10秒正反馈效应指标构建

现货指数方面，借鉴Hasbrouck[22]采用正反馈交易度量流动性黑洞的做法，本文把成交量细分为卖方驱动和买方驱动的，构建沪深300现货指数10秒卖单成交量、买单成交量指标。由于股指期货分时数据无法区分下单类型(多开、空开、多平、空平等等)，在股指期货上我们去除了买单成交量、卖单成交量指标，仅讨论成交量与价格的正反馈效应。

一般情况下，股价上涨引发更多的主动买入，而当股票收益下降时卖方指令增加。因此，本文把每支股票分笔成交量数据进行细分，分为买单成交量和卖单成交量。若某一笔交易成交价格等于或低于前期最佳买价和最佳卖价的中间价，则认为该笔交易是卖方发起的，反之亦然。

其次，股指期货市场的参与者大多是机构套保、套利和投机交易者，散户投资者较少参与。为了研究股指期货交易限制对现货市场的溢出效应，本文对买卖单成交量做进一步细分，构建了沪深300现货指数大额卖单、小额卖单指标，来代表机构投资者的投资行为。

股票大单与小单主要是指股票的数量，但大单与小单之间并没有严格的区分标准。一般来讲，超过500手(50000股)的买单和卖单被认为是大单，低于100手被认为是小单。但由于每只股票总流通股份和股票价格大相径庭，使用统一的数量标准区分大单和小单显然不太合理。本文根据每支股票自身采用相对区分法，即当天所有卖单成交中，每笔成交量大于50%分位点、75%分位点和90%分为点的成交单作为大额成交卖单，而小于等于50%分位点、75%分位点和90%分位点的成交单统称为小额成交卖单。

我们运用高频分笔数据，构建日内10秒正反馈效应指标。首先，我们对沪深300指数成份股逐笔数据计算其成交量、卖单成交量、买单成交量、大额卖单和小额卖单指标，并以10秒为时间窗口，计算10秒内个股累积成交量、卖单成交量、买单成交量、大额卖单和小额卖单。其次，根据沪深300成份股权重数据，仿照沪深300指数的构建，对所有成分股指标进行加权处理，得到日内10秒指数成交量、卖单成交量、买单成交量、大额卖单和小额卖单指标。沪深300股指期货合约采用IF当月合约500毫秒的分时数据，指标计算方式类似指数个股。

2.3模型选择

Hasbrouck[22]以及Cohen和Shin[4]的研究证实了以往文献关于指令流影响股票收益率的观点，即主动买单提高股票价格而主动卖单降低股票价格。同时，运用VAR模型得出股票收益率反过来也会影响指令流，并形成正反馈效应的观点。我们参照Cohen和Shin[4]的方法，采用VAR模型研究沪深300指数收益率(沪深300股指期货收益率)与成交量的正反馈效应。我们对2015年15个日内极端下跌行情期间的收益率序列和流动性指标进行二元VAR建模，模型如下：

其中Retit为第i个事件中沪深300指数(沪深300股指期货)10秒收益率时间序列，Controlit为第i个事件中的正反馈效应指标。

其次，为了研究交易限制前后期现市场的领先滞后关系，我们同样采用VAR模型对现货指数收益率与股指期货收益率进行建模，模型如下：

其中Ret_XHit为第i个事件中沪深300指数10秒收益率时间序列，Ret_QHit为第i个事件中沪深300股指期货10秒收益率时间序列。

本文对所有VAR模型运用AIC准则对滞后阶数进行确定，发现2阶模型能够较好的拟合绝大部分模型。然后对所有VAR模型进行了平稳性检验，即判断模型的特征根是否在单位圆外，并剔除了不符合平稳性条件的模型。

在实际分析VAR模型时，往往分析当一个误差项发生变化，或者说模型受到某种冲击时对系统的动态影响，即脉冲响应函数法。本文随后运用脉冲响应函数分析了模型受到冲击后对变量产生的累积影响。并且，本文发现极端下跌行情期间的流动性变化往往是在极端下跌收益率达到极值的几分钟内发生的，我们把极端下跌行情的10分钟划分为前后各5分钟(各30个观测值)来反映短时间内的正反馈效应。

3 实证结果

3.1股指期货交易限制前后正反馈效应指标描述性统计

市场成交量的变化反映了资金进出市场的情况，是判断市场走势的重要指标，也是评判市场整体流动性水平的一个简单而有效的指标。表1反映了沪深300指数和股指期货当月合约的成交量描述性统计。可以看到，交易限制之后沪深300成交量均值为172亿，较交易限制前的350亿下跌了约50%。而股指期货成交量从限制之前的137万骤减到2.9万，下跌幅度达到了98%。另外，在交易限制之后期现市场出现了更多的极端情况，沪深300指数成交量峰值从2.71增长到了5.14，而股指期货成交量峰值更是从3.69增长到了38.38，为交易限制前的10倍。

表1 股指期货交易限制前后，沪深300指数、IF当月合约成交量描述性统计

自从股指期货的交易限制措施实施开始，IF合约成交量呈断崖式下跌，说明股指期货交易限制对股指期货市场具有直接冲击，导致股指期货市场流动性严重萎缩，投资者面临极大的流动性风险，很难发挥股指期货为现货市场分担压力和套保对冲的功能。

另外我们发现(图1)，尽管交易限制极大抑制了每日的股指期货成交量(总量减小)，但在交易限制之后期指成交量在极端下跌行情前出现了指数级增长(增长幅度加大)，在极端下跌事件发生前2分钟左右达到峰值，短时间内增长幅度超过240%。相比之下，交易限制前期指成交量反复震荡，振幅在85%左右。

现货指数市场上我们也发现了类似的动力学特征(图2)，即交易限制后成交量维持在较低水平，但在极端下跌行情中成交量骤增。交易限制前成交量在极端下跌发生前8分钟时间段内并没有明显变化，而在极端事件发生前2分钟内逐渐上升，相比10分钟前攀升近45%。而限制措施后成交量在前9分钟时间段内呈指数级增长，相比10分钟前攀升近180%。由此可见，限制措施实施后现货指数成交量在极端下跌发生前表现出了更为明显的指数级累积、尖峰现象。

我们进一步把成交量数据分为买方驱动和卖方驱动两类。从图3中可以看到，在交易限制前，现货指数的买单成交量基本维持在14至20万股的区间内呈U型分布，买单成交量在极端下跌事件后逐渐走高，峰值出现在极端下跌事件发生后1分钟左右。而卖单成交量在极端下跌期间，特别是在极端事件发生前3分钟时间内上升明显，在极端事件发生时达到峰值并在事件发生后3分钟内迅速下降。在极端下跌期间卖单成交量大约增长了63%。在交易限制之后，现货指数的买单成交量和卖单成交量都出现了指数级上升、尖峰、指数级下降的现象。相比于极端事件发生前10分钟，极端事件发生时买单成交量和卖单成交量分别增长约133%和167%。

从买卖平衡(某一时间段内卖单成交量占总成交量的比值)的时间序列图(图4)中我们可以更直观的发现，在股指期货交易限制前并没有出现买卖不平衡现象，即买方成交量和卖方成交量基本维持在1∶1附近，而在极端下跌事件发生后买卖力量向买方倾斜。但是，在股指期货交易限制之后，从极端下跌事件发生前10分钟开始，买卖不平衡逐渐增大，买卖力量向卖方倾斜，直到极端下跌事件发生前3分钟左右达到峰值64%。

图1 沪深300股指期货当月合约，交易限制前极端下跌行情平均成交量(图左)；交易限制后极端下跌行情平均成交量(图右)

图3 沪深300现货指数，交易限制前极端下跌行情平均买单成交量(图左上)、卖单成交量(图左下)；交易限制后极端下跌行情平均买单成交量(图右上)、卖单成交量(图右下)

因此，在股指期货交易限制之后，虽然现货指数日均成交量显著下降，但在日内极端下跌行情期间却出现了买卖力量不平衡的集中爆发，反过来更易形成现货市场的日内极端下跌事件。

图4 沪深300现货指数交易限制前后极端下跌行情买卖平衡(实线为交易限制后，虚线为交易限制前)

3.2沪深300现货指数、股指期货当月合约正反馈效应

参照Hasbrouck[22]的方法，采用VAR模型研究沪深300指数(沪深300股指期货收益率)的正反馈效应。

其中Retit为第i个事件中沪深300指数(沪深300股指期货)10秒收益率时间序列，Controlit为第i个事件中的成交量(Volume)指标，以及现货市场卖单成交量(VS)。

表2 沪深300股指期货，交易限制前后极端下跌行情收益率与成交量VAR模型

表3 沪深300现货指数，交易限制前后极端下跌行情收益率与成交量VAR模型

表4 沪深300现货指数，交易限制前后极端下跌行情收益率与卖单成交量VAR模型

从以上VAR模型结果可以看到，在极端下跌行情中股指期货市场的正反馈效应并不明显，尽管交易限制之后在极端下跌行情中股指期货成交量呈指数级增长，但交易限制对股指期货活跃度和流动性的影响抑制了股指期货上收益率与成交量的正反馈现象。但是在股指期货限制措施出台后的市场整体流动性较差时间段内，现货市场出现了较为显著的收益率与成交量的正反馈效应，并且这一效应在区分了买方驱动还是卖方驱动的成交量后依然显著，即指数下跌引发了更多的成份股卖单，而卖单又导致指数进一步下跌。

为了便于分析VAR系统中变量短时间内扰动对各个变量之间的动态影响，且便于分析VAR模型得到的检验结果的经济含义，我们把极端下跌行情的10分钟区间进一步划分为前5分钟和后5分钟，然后用VAR模型和脉冲响应函数研究某一变量一个标准差扰动对其他变量的长期动态影响。

3.3沪深300现货指数、股指期货极端下跌行情分段VAR及脉冲响应函数

表5 沪深300股指期货，交易限制前极端下跌行情收益率与成交量分段VAR模型

表6 沪深300股指期货，交易限制后极端下跌行情收益率与成交量分段VAR模型

图5 沪深300股指期货，极端下跌行情收益率对成交量的脉冲响应累计函数(上半部分)以及成交量对收益率的脉冲响应累计函数(下半部分)，从左至右依次为交易限制前事件前10至5分钟、交易限制前事件前5分钟至发生、交易限制后事件前10至5分钟、交易限制后事件前5分钟至发生。图中虚线部分为历次事件的累计函数，实线为历次事件平均累计函数

图5上半部分为股指期货收益率对成交量一个正冲击的脉冲响应累计函数。图中虚线部分为历次事件的累计函数，实线为历次事件平均累计函数。我们发现，无论交易限制之前还是之后，收益率对成交量的冲击平均来看以负数居多(图5a-5d)，并且在第3期达到最低点，其后逐步稳定。说明在极端下跌行情中，随着收益率的持续走低成交量水平逐渐增大，并且该影响具有较长的持续效应。从不同时间段的比较来看，交易限制前，在极端下跌事件前5分钟至发生时间段内收益率对成交量的冲击较大(图5b)；而在交易限制之后，冲击较大时间段被提前到了极端下跌事件前10至前5分钟时间段内(图5c)。说明在交易限制之后，股指期货市场投资者为了应对预期的进一步下跌，趋向于提前做出行动，使得在极端下跌情况发生时流动性供给与需求所受到的冲击较小，分散了流动性萎缩所产生的压力。

从脉冲响应函数图(图6)中我们也可以得出相同结论。交易限制之后，收益率对成交量的冲击(图6c、6d)与成交量对收益率的冲击(图6g、6h)以负数居多，并且其强度在临近极端下跌事件发生时得到了增强。

表7 沪深300指数，交易限制前极端下跌行情收益率与成交量分段VAR模型

表8 沪深300指数，交易限制后极端下跌行情收益率与成交量分段VAR模型

图6 沪深300指数，极端下跌行情收益率对成交量的脉冲响应函数(上半部分)以及成交量对收益率的脉冲响应函数(下半部分)

脉冲响应函数图(图7)也支持以上观点，收益率对卖单成交量的冲击(图7c)以及卖单成交量对收益率的冲击(图7g)在交易限制之后的前10至前5分钟时间段内在第2期达到最低点，其后逐步稳定。而在临近极端下跌事件的时间段内冲击持续增强(图7d、图7h)，到了第10期仍未达到稳定。说明在交易限制之后，股票现货投资者反映出了很强烈的收益率与卖单成交量的正反馈效应，并且这一现象随着收益率的不断下跌持续增强，流动性枯竭和投资者恐慌心理集中爆发，导致极端情况的自我实现。

因此，从分段的VAR模型及其脉冲响应函数中可以看到，在股指期货市场上交易限制使得投资者更倾向于在预期下跌时尽快调整头寸。而在指数现货市场上，在股指期货交易限制之后发生了与Hasbrouck[22]以及Cohen和Shin[4]研究结果一致的显著的正反馈现象，并且其强度随着指数的下跌而增强，是造成9月3日之后极端下跌事件的主要原因。

然而，上文的分析仅体现出了指数现货市场上在股指期货交易限制之后的极端下跌行情中出现的正反馈现象，但并没有说明股指期货的交易限制是如何传导并影响现货市场导致现货市场出现正反馈效应的。在下一节中我们将通过实证，对这一机理进行阐述并做出经济学的可行解释。

表9 沪深300指数，交易限制前极端下跌行情收益率与卖单成交量分段VAR模型

表10 沪深300指数，交易限制后极端下跌行情收益率与卖单成交量分段VAR模型

图7 沪深300指数，极端下跌行情收益率对卖单成交量的脉冲响应函数(上半部分)以及卖单成交量对收益率的脉冲响应函数(下半部分)

3.4股指期货交易限制溢出效应分析

随着我国股指期货市场的日益成熟，股指期货市场投资者运用股指期货管理对冲现货风险。特别是在市场异常下跌期间，考虑到现货卖出成本等因素投资者更乐意在股指期货市场上做对冲。由于股指期货较高的门槛限制，股指期货市场的参与者大多是机构套保、套利和投机交易者，散户投资者较少参与。然而，由于股指期货的交易限制割裂了期现之间的联系，使得机构投资者无法在股指期货市场上完全对冲其现货风险暴露头寸或对冲成本较高，并且由于股票现货市场上历来缺乏有效的做空工具，机构投资者只有在现货市场上大量抛售其持有的现货头寸，导致了现货市场上由于缺乏了类似股指期货这样的对冲工具而产生的极端下跌行情期间的正反馈效应。这就使得股指期货上的监管限制溢出到了现货市场，并对现货市场造成影响。

因此，为了研究股指期货交易限制的溢出效应，我们做出如下假设：

1)交易限制之后，极端下跌行情期间股指期货与现货市场的领先滞后关系被消除

2)交易限制之后，极端下跌行情期间现货市场上代表机构投资者的大额卖单增多并且出现正反馈效应。

首先，采用VAR模型同样可以研究沪深300现货与股指期货之间的领先滞后关系，模型如下：

这说明，股指期货交易限制前现货指数收益率大多数情况下是股指期货收益率的领先指标，并且是正相关关系，与以往研究表明股指期货市场对现货指数市场有领先关系、股指期货具有价格发现功能的结论相一致。另一方面，交易限制切断了这一联系，VAR模型系数的显著个数骤降，说明期现市场的联动关系被打破，现货指数收益率对股指期货收益率的领先关系消失。

表11 沪深300指数，交易限制前后极端下跌行情现货和期货收益率VAR模型

其次，从交易限制之后，极端下跌行情期间现货指数大额卖单、小额卖单(以75%分位点为例)的变化情况(图8)也可以发现，尽管在临近极端下跌事件发生的几分钟时间内，小额卖单都有所下降，但交易限制之后的大额卖单在极端下跌行情期间呈现指数级增长，相比开始时增长近3倍，而交易限制前大额卖单仅在极端下跌事件发生前小幅攀升近40%。反映出在这段时间内具有资金实力的投资者大量抛售其持有的股票现货，并且随指数的下降抛售幅度增强。

图8 沪深300现货指数，交易限制前极端下跌行情平均大额卖单(图左上)、小额卖单(图左下)；交易限制后极端下跌行情平均大额卖单(图右上)、小额卖单(图右下)

表12 沪深300现货指数，交易限制前后极端下跌行情收益率与相对区分法的大额卖单VAR模型

表13 沪深300指数，交易限制前后极端下跌行情收益率与绝对区分法的大额卖单VAR模型

随后，我们用绝对区分法(超过500手的卖单为大额卖单)作为稳健性检验。我们发现，与运用90%分位点相类似的是，在用绝对区分法的方程中平稳方程的个数有所降低，其原因在于我们选取的阈值偏高，导致截取的数据较少。然而，运用绝对区分法作为鲁棒性检验的结果同样支持在交易限制后的极端下跌行情中大额卖单和收益率的正反馈效应增强的结论。

总的来讲，我们发现在股指期货市场上的交易限制出台后，极端下跌行情期间现货与期货的联系被割裂，并且出现了指数成份股大额卖单与收益率的正反馈效应。间接反映出了由于股指期货市场无法发挥风险对冲的功能，而在现货市场缺乏有效做空工具的条件下，机构投资者倾向于在指数下跌行情期间抛售持有的现货头寸，而这一抛售行为又反过来造成了指数进一步下跌，形成极端下跌事件。因此，可以认为股指期货交易限制的影响溢出到了现货市场，造成了现货市场的不稳定。

4 结语

本文基于沪深300指数成份股和沪深300股指期货日内高频数据，研究了2015年23次日内极端下跌行情期间的正反馈效应，提出正反馈现象导致极端下跌事件自我实现的成因的新思路，即监管限制导致的交易机制的改变影响投资者行为，继而引发极端行情的自我实现。并且，由于市场之间联动关系的改变，对股指期货市场的交易限制措施会对沪深300现货市场产生冲击，形成溢出效应。

本文的研究表明，股指期货交易限制对股指期货市场具有直接冲击，导致股指期货市场流动性严重萎缩。现货市场方面，尽管交易限制后现货市场成交量(总量)有所下降，但交易限制后极端下跌行情期间成交量(增长率)快速增长并且出现了买卖不平衡现象。另外，在极端下跌行情中股指期货市场的正反馈效应并不明显。但是在股指期货限制措施出台后，现货市场出现了较为显著的收益率与成交量的正反馈效应，并且这一效应在区分了买方驱动还是卖方驱动的成交量后依然显著，即指数下跌引发了更多的成份股卖单，而卖单又导致指数进一步下跌。

进一步，我们对股指期货的交易限制传导并影响现货市场，导致现货市场出现正反馈效应的机理进行了阐述。通过实证，本文发现交易限制之后，极端下跌行情期间股指期货与现货市场的领先滞后关系被消除、现货市场上大额卖单增多并且出现正反馈效应。间接反映出了由于股指期货市场无法发挥风险对冲的功能，而在现货市场缺乏有效做空工具的条件下，机构投资者倾向于在指数下跌行情期间抛售持有的现货头寸，而这一抛售行为又反过来造成了指数进一步下跌，形成极端下跌事件。

随着我国证券市场中股指期货、杠杆交易等金融创新产品和制度的推出，各市场之间的联系愈发紧密，不恰当的制度安排和监管措施比以往更容易阻碍市场正常功能的实现、加大市场波动和系统性风险。因此，监管需要有系统性的思维，不能只着眼于局部市场，甚至被舆论绑架。另外，金融创新导致市场具有路径依赖，并引入了更多正反馈特征的交易机制，而与此同时，监管措施却没有及时适应系统的变化，做出有利于系统稳定的调整，反而在有些时候反其道而行之，因而进一步加剧了金融系统的不稳定性。面对当前金融系统的变化，监管层应该更多着眼于阻断正反馈效应。从这两个角度来说，“疏浚”的监管方式或许比“围堵”的监管限制更有效。

[1] Amihud Y,Mendelson H.Liquidity and the 1987 stock market crash[J].Journal of Portfolio Management,1990,16(3): 65-69.

[2] Grossman S J,Miller M H.Liquidity and market structure[J].Journal of Finance,1988,43(3): 617-633.

[3] Tambakis D N.Feedback trading and intermittent market turbulence[J].Quantitative Finance,2008,9(4): 477-489.

[4] Cohen B H,Shin H S.Positive feedback trading under stress: Evidence from the US treasury securities market[R].Working Paper,Bank for International Settelments,2002.

[5] 李红权，汪寿阳，马超群.股价波动的本质特征是什么？——基于非线性动力学分析视角的研究[J].中国管理科学,2008，16(5):1-8.

[6] 陈国进,张贻军，王磊.股市崩盘现象研究评述[J].经济学动态,2008，(11):116-120.

[7] Ozdenoren E,Yuan K.Feedback effects and asset prices[J].Journal of Finance,2008,63(4): 1939-1975.

[8] Allen F,Gale D.Stock-Price Manipulation[J].Review of Financial Studies,1992,5(3):503-29.

[9] 冯芸,施杰,董珊珊.操纵性投机行为对金融市场质量的影响:基于计算机仿真平台的研究[J].系统管理学报,2016，25(3):422-438.

[10] 李少平,顾广彩.中国证券市场正反馈交易的实证研究[J].系统工程,2007，(9):111-115.

[11] 张恩众.正反馈交易对证券市场的影响——来自上海证券市场的证据[J].山东社会科学,2009，(10):83-86.

[12] Shiller R J,Kon-Ya F,Tsutsui Y.Investor behavior in the October 1987 stock market crash: Survey evidence[J].Journal of the Japanese and International Economics,1991,5(1):1-13.

[13] Hong H,Stein J C.Differences of opinion,short-sales constraints,and market crashes[J].Review of Financial Studies,2003,16(2): 487-525.

[14] Brunnermeier M K,Abreu D.Bubbles and crashes[J].Econometrica,2003,71(1):173-204.

[15] Huang J,Wang Jiang.Liquidity and market crashes[J].Review of Financial Studies,2009,22(7): 2607-2643.

[16] 肖辉,吴冲锋.现货市场与期货市场微观结构比较研究[J].管理科学学报,2009，12(1):93-100.

[17] 袁怀宇.金融危机下卖空管制对证券市场的影响——以台湾市场为例[J].中国证券期货,2010，(2):9-11.

[18] Goldstein M A,Kavajecz K A.Liquidity provision during circuit breakers and extreme market movements[R].Working Paper,White Ctr for Financial Research,New Orleans,2000.

[19] Goldstein M A,Kavajecz K A.Trading strategies during circuit breakers and extreme market movements[J].Journal of Financial Markets,2004,7(3): 301-333.

[20] 刘睿智,周勇.期现货市场订单流动性层面的“遛狗效应”——基于交易量刻度的高频交易数据研究[J].中国管理科学2016，24(4):19-26.

[21] 曹栋,张佳.基于GARCH-M模型的股指期货对股市波动性影响的研究[J].中国管理科学,2017,25(1):27-34.

[22] Hasbrouck J.Measuring the information content of stock trades[J].Journal of Finance,1991,46(1): 179-207.

[23] Moazzami B,Dadgostar B.Return and volume and the 2008 market crash[J].Journal of Applied Business &Economics,2013,15(2):33-37.

[24] Mu Guohua,Zhou Weixing,Chen Wei,et al.Order flow dynamics around extreme price changes on an emerging stock market[J].New Journal of Physics,2010,12(7):1653-1655.

Abstract： In this essay,the cross-market risk events caused by temporary regulatory restrictions are discussed under the circumstances that markets are linked much more closely than ever before.

Over the past three decades,financial market risk events appeared one after another.Especially when facing sharp market crashes,financial regulators tend to urgently introduce a series of stringent regulatory restrictions to stabilize the market.However,it has been found that these temporary control measures can stabilize part of the market in the short term but may have a spillover effect on the associated market and lead to greater turbulence due to the tightening of financial markets,and also damage the quality of financial markets as a result.

During the mid-2015 market crash in China,the China Financial Futures Exchange adjusted three times during a short period (August 25,August 28 and September 2) the exchange margin,intraday open position and intraday close position fee,which aimed at controlling over-speculation trades.However,the trading restrictions on stock index futures were likely to further reduce the spot market liquidity,increase the spot market selling pressure,which may cause the formation of positive feedback effect,thereby increasing the futures and spot market abnormal fluctuations.

Based on this view,the VAR model is used to study the positive feedback effect between the CSI 300 index yield (CSI 300 stock index futures yield) and the volume.In the year 2015,a total of 23 intraday extreme market crash events are selected as the research sample (including 16 events before stock index futures trading restrictions,and 7 events afterwards).

Focusing on the strict trading limits implemented on the stock index futures market during 2015 market crash,it is found that liquidity shrank in the stock index futures,and a significant positive feedback between return and order flow lead to the self-actualization of extreme events.Institutional investors fail to hedge risk via stock index futures due to the strict trading limits,which strengthens the selling pressure on stock market and causes the market crash.

Therefore,regulators should comprehensively analysis the structure changes in the current market when using regulatory restrictions to avoid policy failure.

Keywords： regulatory restrictions;cross-market rick;positive feedback

Positive Feedback and Regulatory Spillover Effect During Market Crash

DINGYi-jun,FENGYun

(Antai College of Economics and Management,Shanghai Jiao Tong University,Shanghai 200030,China)

F830.9

A

1003-207(2017)09-0081-16

10.16381/j.cnki.issn1003-207x.2017.09.010

2016-12-05；

2017-03-17

国家自然科学基金资助项目(71271136)

冯芸(1973-)，女(汉族)，海南定安人，上海交通大学安泰经济与管理学院金融系教授，博士生导师，研究方向：金融工程、金融管理，E-mail:fengyun@sjtu.edu.cn.