浅谈中证500股指期货推出对我国股市的影响

沈佳栋 王雅琳

摘要：本文用中证500指数日收盘价和中证500期货合约主力连续的日结算价，建立VECM研究中证500股指期货和现货的价格发现能力的相对强弱，使用GARCH族模型研究中证500股指期货推出后对现货市场的波动性;并针对相关结论提出有关我国期货市场制度上的完善建议。

关键词：中证500股指期货;股市;影响

中图分类号：F832.5   文献识别码：A  文章编号：2096-3157（2020）21-0135-03

一、引言

自2006年成立中国金融交易所后，中证500股指期货和上证50股指期货于2015年4月16日正式上市。股指期货作为重要的金融衍生工具在我国尚处于成长初期，中证500指数样本为低权重的中小板股票，在期市管制逐步恢复常态化的新时期，对于中证500股指期货市场的研究尤其是与现货市场的关联分析有着充分的必要性和重要性。

二、文献综述

基于Hasbrouck（1995）定义价格发现功能为期货的价格变化领先于同期的现货的价格变化，国内外学者对期货和现货的价格引导关系的研究中得到不同的结论。Nam等（2008）发现对KOSPI 200指数来说期货和期权都领先现货市场。Judge等（2014）对SET 50指数和期货的日数据进行了领先滞后关系的研究，发现泰国期现市场的实证结果与Nam的结论相反。郑加保（2011）使用Granger因果检验和脉冲响应分析对沪深 300 指数和期货的价格领先滞后关系进行了实证研究，发现期货价格引导现货价格。

关于股指期货市场的推出如何影响现货市场的波动性，海内外学者的看法不同。Baldauf 等（1991）在研究 S&P500时觉得指数期货推行对股市波动性并无明显影响。Li（2015）考察沪深300的波动溢出效应，指出股指市场存在着双向波动溢出效应，但期货市场更能影响现货市场。史美景等（2011）、梁朝晖（2012）等学者研究国内股指期货后，得出我国沪深300股指期货的推出加大了现货市场波动性的结论。

三、理论模型

本文利用协整分析和误差修正模型对期货和现货的价格引导关系进行实证分析。Johansen协整检验是在向量自回归的形式下进行参数估计，得到的协整向量即向量误差修正模型（VEC）中的调整参数。向量误差修正模型（VEC）是一个在解释变量中受协整约束的向量自回归模型。如果y1和y2是内生变量且没有随着时间趋势变动，并且协整方程有截距，则VEC模型为：

其中，条件方差方程（4）中的代数d是虚拟变量，以现货市场样本空间中2015年4月15日为分隔点，令股指期货推出前的d为0，推出后的d 为1，则模型运算得出系数k的置信度和k的正负即分别体现了现货市场是否受影响、是增强还是抑制了波动率。

由于ARCH 和GARCH 模型具有波动对称性，忽略了金融市场的 “杠杆效应”即坏消息对股价波动性的影响比好消息大，损失所带来的波动往往比获利带来的大。为了精准地捕捉市场的变化规律，需要进一步引入非对称的GARCH模型如门限（Threshold）ARCH模型或指数（Exponential）GARCH模型。

四、实证研究

1.研究假设

本文以研究中证500股指期货推出的意义为视角，结合以上的理论分析，为具体实证提出2个假设：

假设1：中证500期货市场对现货市场价格有引導作用。

假设2：中证500期货市场的推出可以显著降低现货市场的波动性。

2.样本选取和数据预处理

为消除金融时间序列存在的异方差问题，对价格序列取自然对数。为了分析期现市场的价格引导关系，将 2015年4月26日至2019年10月25日中证500期货和现货的对数价格序列记为LNF和LNS，对数价格收益率记为RF和RS。为了分析期货市场推出前后现货市场的波动性变化，记2011年5月30日至2019年10月25日的现货对数价格序列LNSP和对数价格收益率RSP。数据来源于Wind。使用的数据处理软件为Microsoft Office Excel和Eviews 10。

根据样本的统计特征发现期现价格序列和收益率序列的标准差都较小，偏度值显示价格序列为右偏，收益率序列为左偏。除序列LNSP以外的五组数据峰度值都大于3，结合JB检验可知在5%的显著性水平之下都不服从正态分布，具有“尖峰厚尾”的特征。ADF检验结果表明在5%的显著性水平下现货和期货的的对数价格序列都不平稳，但一阶差分后所对应的对数收益率序列是平稳的，即LNF、LNS和LNSP是一阶单整序列。

3.模型的设计和检验

（1）中证500期现市场价格关系的实证

为了深入确认股指期货与现货指数价格之间的关系，同时也更好地区分长期和短期下价格的作用，对中证500期现市场的对数价格序列LNF和LNS构建VEC模型。

首先在向量自回归基础上进行协整检验。根据LR、FPE、AIC、SC、HQ五大指标选取最优滞后阶数，发现4阶是多数信息准则的判定。调整模型阶数为4阶后进行协整检验，迹（Trace）检验和最大特征值（Max-eigenvale）检验结果都表明存在1个协整向量，即LNF和LNS的协整关系成立。由于协整方程中的表示回归的残差序列e实质是VEC 模型的向量误差修正项（CointEq1），则VECM的最优滞后阶数为3。VECM的参数估计值见表1。

根据表1向量误差修正模型的参数估计结果可知误差修正项的系数数值约分别为-0.095626、0.076540，表明当系统偏离平衡状况时，期货对下一期价格为负向调整，现货对下一期价格为正向调整。股指期货的误差修正项系数的绝对值略大于股指现货，说明在调整偏差的过程中期货的价格引导强于现货。最后对VECM进行AR特征根检验，全部特征根都在单位圆内，说明模型稳定。

根据VECM的脉冲响应结果，期货价格对其自身价格的一个标准差新息冲击从滞后1期开始响应，在滞后2期达到2.2%左右的峰值并维持下去。而期货价格对来自现货市场的一个标准差冲击的响应，在滞后1期接近于0，响应随期数增加而走强，结果表明期货价格受到它自身的扰动更强。现货市场对于来自其自身价格的一个标准差新息冲击响应随着滞后期数增加而走弱;现货对于来自期货市场一个单位冲击的响应随着滞后期数增加而走强，且后者数值比前者高，说明现货价格受到期货的扰动更强。从方差分解结果得出：在股指期货价格的方差分解结果中，滞后1期时股指期货对自己的贡献率是百分之百，自身就完全决定了其价格变动，滞后期增加时其百分比变化不显著。股指现货对期货的贡献率虽然随着滞后期不断增加，但最高也仅有3.91%。在现货的方差分解结果中，股指期货对现货的贡献度波动上升，最高达88.7%，且在任何滞后期时股指期货对现货的贡献率都大于现货对其自身的贡献率。

（2）中证500股指期货推出后现货市场价格波动性实证

为了检验中证500期货市场的推出是否可以减少现货市场的波动，对序列RSP进行建模。同时引入d为虚拟变量，设置推出前的d为0，推出后的d 为1，d的系数λ的正或负体现了现货市场波动性受到增强或抑制影响。如公式（3）和（4）所示，构建GARCH模型。

其次，对得到的残差序列εt进行ARCH-LM检验。由检验结果可知残差平方项P值为0，即在5%的显著性水平下拒绝原假设，模型存在条件异方差，因此可以选择建立GARCH模型。最后，在常用的四种模型GARCH（p，q）中选取合适的阶数。根据AIC和SC准则GARCH（1，1）模型的检验值最小，故选用GARCH（1，1）。

由表2可知除了虚拟变量的系数k外各项系数的估计结果均大于0，其中ARCH项系数γ与GARCH项系数φ之系数和小于1符合GARCH（1，1）的参数约束条件，且模型通过ARCH—LM检验。由于将虚拟变量d在中证500股指期货推出前设置为0，生效后设置为1，表2中虚拟变量系数k很小，其对应P值不在10%置信区间内，可认为股指期货推出对现货市场波动性不存在显著影响。

在EGARCH模型中，α=0.117705，其非对称项γ的系数-0.0292小于零并在0.05的水平下显著，当出现“利好”时，有一个约0.0885倍冲击，当出现“利空”时，有一个约0.1469倍冲击。两种非对称模型都表明对中证500指数现货市场来说，存在杠杆效应。而虚拟变量系数k在10%的水平下无显著性，即股指期货推出并无显著增加或抑制现货市场的波动性，同前两个模型得出的结论一致。

五、结论与建议

从VEC模型的构建过程、脉冲响应和方差分解可以总结出2015年4月26日～2019年10月25日中证500股指期货市场对现货市场有价格引导的作用，假设1成立。从GARCH（1，1）模型的分析发现，股指期货推出前后8年间现货市场价格波动性没有显著变化，假设2不成立。而进一步建立TARCH（1，1）和EGARCH（1，1）发现现货市场存在明显的杠杆效应，但中证500期货的推出对现货市场杠杆效应的只有很微弱的抑制。因此得出中证 500股指期货市场虽然在一定程度上发挥了价格发现功能，但在其对现货市场发挥“稳定器”功能，降低风险度上没有看到显著成效。随着我国金融期货市场进一步发展，金融管制进一步放宽，中证500股指期货为投资者其提供风险管理工具、形成稳定的现货价格发现机制、增强资本市场的流动性等作用将逐步显现。然而若是希求塑造一个稳健投资市场，我国期货市场亟须解决顶层法律缺位的问题。当前保障我国期货行业运行发展的基础性法规文件为2017年修订的《期货交易管理条例》，存在一定滞后性和局限性。直至2020年3月1日我国新修《证券法》审议结果中提及契约型证券衍生品种如股指期货不适用于证券法，而我国《期货法》仍在酝酿中。这不仅使境内期货市场主体的责任无法厘清，而且妨碍了与国际市场的有效交流，同时意味着我国对国际期货定价权的保留。

参考文献：

[1]Hasbrouck J.One security，many markets：determining the contributions to price discovery[J].Journal of Finance，1995，0（4）：1175～1199.

[2]Nam S O，Oh S Y，Kim H K.The time difference effect of a measurement unit in the lead-lag relationship analysis of korean financial market[J].International Review of Financial Analysis，2008，17（2）：259～273.

[3]Judge A，Reancharoen T.An empirical examination of the lead-lag relationship between spot and futures mar- kets：evidence from thailand[J].Pacific-Basin Finance Journal，2014，29：335～358.

[4]鄭加保.股指期货与股票现货相关性研究——基于ARMA-GARCH模型[J].财会月刊，2011，（33）：23～25.

[5]Baldauf B，Santoni G J.Stock price volatility：Some evidence from an ARCH model[J].Journal of Futures Markets，1991，11（2）：191～200.

[6]Li S Y.Volatility Spilovers in the CSI300Futures and Spot Markets in China：Empirical Study Based on Discrete Wavelet Transform and VAR-BEKK-bivariate GARCH Model[J].Procedia Computer Science，2015，（55）：380～387.

[7]史美景，王君怡.股指期货的引入对现货市场波动的影响分析[J].金融发展研究，2011，（05）：69～72.

[8]梁朝晖.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，（01）：14～18.

[9]高铁梅.计量经济分析方法与建模：EViews应用及实例[M].2版.北京：清华大学出版社，2009：195～196.

作者简介：

1.沈佳栋，湖北大学知行学院学生;研究方向：金融衍生品。

2.王雅琳（通讯作者），湖北大学知行学院讲师，硕士;研究方向：投资学，金融衍生品，量化投资。